Aggressives Fahren mit Machine Learning und Edge Computing erkennen

Ein kürzlich eingereichter Patentantrag hat ein System zur Identifizierung von “aggressivem Fahrverhalten” an Kreuzungen mit Hilfe von Machine-Learning-Algorithmen vorgeschlagen, die in zivilen Edge-Computing-Geräten bereitgestellt werden.

Im Gegensatz zu den jüngsten Innovationen in der KI-Forschung zu “Road-Rage”-Analysen in Fahrzeugen (hauptsächlich für den Nutzen von Versicherungsgesellschaften bestimmt) ist das vorgeschlagene System eher kommunal und könnte darauf abzielen, Strafen für Fahrer zu verhängen, die nicht den umgebenden Normen eines “sicheren” Fahrverhaltens entsprechen. Es soll auch speziell darauf abzielen, schlechten Fahrern damit verbundene Audio- und Video-Warnungen im Fahrzeug zu liefern.

Der Patentantrag wurde am 29. April 2021 beim US-Patent- und Markenamt im Namen des Board Of Regents der University of Michigan und der Denso corporation, einem japanischen Hersteller von Automotive-Komponenten, der von Toyota besessen wird, eingereicht.

Das UMich-Patent ist kein proprietäres, im Fahrzeug installiertes System, das auf die Überwachung durch Versicherungsgesellschaften abzielt, noch ist es ausschließlich dazu bestimmt, forensische Daten zu produzieren, sondern es verlässt sich auf gut ausgestattete Edge-Computing-Knoten, die an Kreuzungen bereitgestellt werden, um sofortige und handhabbare Rückmeldungen zu liefern, indem es Daten von Edge-Computing-Ressourcen an der Straße und von Sensoren, die in nahegelegenen Fahrzeugen installiert sind, sammelt. Quelle: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Das vorgeschlagene Framework ist nicht vollständig passiv oder von ziviler Ausrüstung abhängig, sondern erfordert auch Fahrzeugtechnologien, die in der Lage sind, Fahrzeuge in beitragende Sensoren für das System umzuwandeln. Effektiv würde dies jedes ausgestattete Fahrzeug in ein Verkehrsüberwachungsknoten umwandeln, obwohl die gleiche Überwachung auch auf den Fahrer selbst gerichtet würde, mit dem zusätzlichen Vorteil des Zugriffs auf die Datenströme des Fahrzeugs. Das Schema für die im Fahrzeug installierte Einrichtung (rechts abgebildet), die im Patentantrag vorgelegt wurde, umfasst direkte Sensordaten von den Bremsen, dem Gaspedal, dem Lenkrad und dem Tachometer des Fahrzeugs sowie den Zugriff auf Kartendaten.

Sowohl die straßenseitigen als auch die im Fahrzeug installierten Einrichtungen verfügen über CUDA-aktivierte GPU und lokale Speicherressourcen und verfügen über eine Cloud-Verbindung.

Warnungen für aggressive Fahrer

Laut dem Patentantrag ist das System darauf ausgelegt, mit einem aggressiven Fahrer zu interagieren:

‘Wenn das System zur Vorhersage von aggressivem Fahrverhalten 1 aggressives Fahren in einem betreffenden Fahrzeug vorhersagt, kann eine Warnmeldung, wie die Warnung in Abb. 8A, an das Audio-Visions-Gerät 413 im betreffenden Fahrzeug ausgegeben werden, um den aggressiven Fahrer zu warnen, dass er langsamer fahren soll.’

Weitere mögliche Warnungen umfassen Warnungen im Fahrzeug für Geschwindigkeit und entgegenkommende Fahrzeuge:

Warnungen, die im Patentantrag dargestellt sind. Quelle: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Der Patentantrag besagt, dass in einem anderen möglichen Szenario alle verfügbaren Audio- und Video-Geräte (einschließlich Smartphones, die dem Fahrer gehören) im Fahrzeug verwendet werden können, um Warnungen, einschließlich Audio-Warnungen, zu liefern.

Fahrer-spezifische rote Lichter

Die Änderung der Frequenzen und des Verhaltens von Ampeln an Kreuzungen ist seit langem als Methode bekannt, um Unfälle zu reduzieren, und das vorgeschlagene System kann verwendet werden, um Daten zu generieren, die die Art und Weise ändern, wie Ampeln an Kreuzungen funktionieren, auf einer sehr breiten Ebene.

Jedoch bietet die tiefe Integration von Infrastruktur- und Fahrzeugdaten im Michigan-Vorschlag eine weitere Möglichkeit: rote Lichter, die durch das Verhalten des Fahrers bestimmt werden, anstatt durch Routine oder nach einem Zeitplan (siehe den umfangreichen Abschnitt [0157] im Patentantrag).

‘Wenn das Fahrverhalten an einer Kreuzung (z.B. der Kreuzung 200a) aggressives Fahren im Fahrzeug 71 vorhersagt und/oder anzeigt, können Abhilfemaßnahmen wie die Steuerung von Steuerelementen eingesetzt werden, um aggressives Fahrverhalten an nachfolgenden Kreuzungen (z.B. den Kreuzungen 200b und 200c) zu steuern und zu mildern. Wenn beispielsweise das System zur Vorhersage von aggressivem Fahrverhalten 1 vorhersagt, dass das Fahrzeug 71 möglicherweise eine rote Ampel an der Kreuzung 200a überfahren wird, kann das System zur Vorhersage von aggressivem Fahrverhalten 1 ein Steuersignal für die Steuerung des Zustands/Phasen der Verkehrssteuerungssignale 202b und 202c an den Kreuzungen 200b und 200c ausgeben. Auf diese Weise können die Verkehrssteuerungssignale 202b und 202c beispielsweise vor dem Fahrzeug 71 auf Rot umschalten, um den Fahrer zu ermutigen, langsamer zu fahren und nicht zu versuchen, die Kreuzungen 200b und 200c zu überfahren, bevor die Signale 202b und 202c auf Rot umschalten.’

Eingriff in die Privatsphäre des Fahrers

Vorschläge für Fahrzeug-Überwachungssysteme in den letzten zehn Jahren haben Algorithmen zur Emotionserkennung und Computer-Vision sowie andere biometrische Indikatoren ausgenutzt, um Systeme zu erstellen, die darauf abzielen, einen “abschreckenden Effekt” auf widerspenstige Fahrer zu haben, da das Verhalten des Fahrers die Versicherungsprämien unter solchen Schemata beeinflussen oder als Beweis in einer Unfalluntersuchung verwendet werden könnte.

Im Gegensatz dazu scheint das Michigan/Denso-System für eine Art von staatlicher Zusammenarbeit durch Änderungen der obligatorischen Fahrzeugstandards bestimmt zu sein. Es ist jedoch schwierig zu sehen, wie etwas anderes als eine bundesweite Umsetzung möglich wäre, es sei denn, das Framework ist so konzipiert, dass es über nicht teilnehmende Staatsgrenzen oder über Bezirke, die das Schema nicht unterstützen, inaktiv wird.

Obwohl solche Innovationen in der Regel durch die zunehmende Tendenz von Versicherungsgesellschaften getrieben werden, die Fahrer, die Überwachungsausrüstung installieren, belohnen, passt die Notwendigkeit ziviler Infrastruktur nicht genau in dieses Modell, was darauf hindeutet, dass ein solches System legislative Unterstützung und Bundes- oder Landesfinanzierung benötigen würde.

Eine Darstellung der vorgeschlagenen maschinellen Lernarchitektur, die rekurrente neuronale Netze (RNN) verwendet. Obwohl das Framework auch unsupervisedes Lernen verwendet und Echtzeit-Rückmeldungen liefert, sieht es auch vor, Offline-Training zu verbessern, um Algorithmen auf der Grundlage eingehender Daten und Ereignisse zu verbessern. Die Identifizierung von aggressivem Fahrverhalten wird durch Dynamic Time Warping (DTW) erleichtert, einem Algorithmus, der in der Zeitreihenanalyse verwendet wird, um zwei zeitliche Reihen oder Sequenzen von Objekten zu vergleichen, die sich in der Geschwindigkeit unterscheiden können.

Einnahmequelle

Das im Patent vorgeschlagene System könnte das erste seiner Art sein, das eine Echtzeit-Analyse von Fehlverhalten von Fahrern in einem zivilen Framework bietet, das in der Lage ist, automatisch Bußgelder und Strafen zu verhängen oder Behörden zu warnen, im Falle von wirklich gefährlichen Fahrzeugunfällen. Es ist jedoch anzumerken, dass die Erfinder zugeben, dass es als “Milchkuh” von ehrgeizigen kommunalen Behörden missbraucht werden könnte.

Neda Masoud, Assistenzprofessorin am Department of Civil and Environmental Engineering an der University of Michigan, sagte gegenüber The Academic Times, dass ‘Falschalarme sind ein kleiner Preis für den erhöhten Sicherheitsgrad, den die Technologie bieten kann. Es sollte jedoch immer die Möglichkeit geben, sich gegen falsche Anschuldigungen wegen aggressiven Fahrens zu verteidigen.’.

Der Patentantrag erkennt die Möglichkeit von aggressiven Fahrereignissen an, die Fahrzeuge betreffen, die nicht mit Bordgeräten (OBUs) ausgestattet sind, was durch externe Beobachtung benachbarter oder in der Nähe befindlicher Fahrzeuge, die über die Ausrüstung verfügen, sowie durch die Kreuzungseinrichtungen angegangen werden kann. In solchen Fällen würde die Identifizierung vermutlich auf andere Methoden zurückgreifen, wie z.B. automatisierte Kennzeichenlesung (obwohl der Patentantrag sich nicht damit befasst).

Kreuzungen als Hochrisikobereiche

Der Michigan-Patentantrag befasst sich mit rücksichtslosem Verhalten an Kreuzungen, da diese ein Zentrum von Verkehrsunfällen und -verstößen sind, während frühere chinesische Forschung in ähnlicher Richtung Support-Vector-Machine-(SVM)-Analyse verwendet hat, um Ereignisse während der Fahrt wie gefährliche Spurwechsel zu identifizieren. Eine weitere chinesische Forschungsinitiative nutzte Sensoren in Smartphones, um unregelmäßiges Verhalten während der Fahrt zu erkennen.

Die US-amerikanische National Highway Traffic Safety Administration schätzte, dass 40 % der Unfälle, die 2008 in den Vereinigten Staaten auftraten, mit Aktivitäten an Kreuzungen zusammenhängen.