Erkennung von “aggressivem Fahren” mit Machine Learning und Edge Computing

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

Im Gegensatz zu jüngsten Innovationen in der KI-Forschung zu “Straßenwut”-Analysen in Fahrzeugen (die hauptsächlich für Versicherungsunternehmen bestimmt sind), ist das vorgeschlagene System kommunal und könnte darauf abzielen, Bußgelder für Fahrer zu verhängen, die nicht den umgebenden Normen für sicheres Fahrverhalten entsprechen. Es soll auch darauf abzielen, schlechten Fahrern entsprechende Warnungen im Fahrzeug zu geben.

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

Das UMich-Patent ist kein proprietäres, fahrzeuginternes System, das für die Überwachung durch Versicherungsunternehmen bestimmt ist, sondern ein System, das auf Edge-Computing-Knoten an Kreuzungen basiert, um sofortige und handhabbare Rückmeldungen zu liefern, indem es Daten von Edge-Computing-Ressourcen und Sensoren in nahegelegenen Fahrzeugen sammelt. Quelle: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Das vorgeschlagene Framework ist nicht vollständig passiv oder von städtischer Ausrüstung abhängig, sondern erfordert auch Fahrzeugtechnologien, die in der Lage sind, Fahrzeuge in Sensoren für das System umzuwandeln. Effektiv würde dies jedes ausgestattete Fahrzeug in einen Verkehrsüberwachungsknoten umwandeln, wobei die gleiche Überwachung auch auf den Fahrer selbst angewendet würde, mit dem zusätzlichen Vorteil des Zugriffs auf die Datenströme des Fahrzeugs. Die schematische Darstellung der fahrzeuginternen Installation (rechts unten) enthält direkte Sensordaten von den Bremsen, dem Gaspedal, dem Lenkrad und dem Tachometer des Fahrzeugs sowie Zugriff auf Karten-Daten.

Sowohl die straßenseitigen als auch die fahrzeuginternen Installationen verfügen über CUDA-aktivierte GPU und lokale Speicherressourcen sowie Cloud-Verbindungen.

Warnungen für aggressive Fahrer

Laut dem Patentantrag ist das System so konzipiert, dass es mit einem aggressiven Fahrer interagiert:

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

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-Visuell-Geräte (einschließlich Smartphones des Fahrers) im Fahrzeug verwendet werden können, um Warnungen zu geben, einschließlich Audio-Warnungen.

Fahrer-spezifische rote Lichter

Die Änderung der Frequenzen und des Verhaltens von Ampeln an Kreuzungen ist seit Langem bekannt, um Unfälle zu reduzieren, und das vorgeschlagene System kann verwendet werden, um Daten zu generieren, die das Verhalten von Ampeln an Kreuzungen auf breiter Ebene ändern können.

Allerdings 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 einen festen Zeitplan oder eine feste Zeitspanne (siehe den umfangreichen Abschnitt [0157] im Patentantrag).

‘Darüber hinaus kann, wenn das Fahrverhalten an einer Kreuzung (z.B. der Kreuzung 200a) aggressives Fahren im Fahrzeug 71 vorhersagt und/oder anzeigt, Abhilfemaßnahmen wie die Steuerung von Steuerelementen eingesetzt werden, um aggressives Fahrverhalten zu kontrollieren und zu mildern. Beispielsweise kann, wenn das System zur Vorhersage von aggressivem Fahrverhalten 1 vorhersagt, dass das Fahrzeug 71 possibly eine rote Ampel an der Kreuzung 200a überfahren wird, das System zur Vorhersage von aggressivem Fahrverhalten 1 ein Steuersignal für die Steuerung der Ampelschaltung 202b und 202c an den Kreuzungen 200b und 200c ausgeben. Auf diese Weise können die Ampelschaltungen 202b und 202c auf Rot umschalten, bevor das Fahrzeug 71 die Kreuzung 200a passiert, um den Fahrer zu ermutigen, langsamer zu fahren und nicht zu versuchen, die Kreuzungen 200b und 200c zu überfahren, bevor die Ampelschaltungen 202b und 202c auf Rot umschalten.’

Eingriffe in die Privatsphäre des Fahrers

Vorschläge für fahrzeuginterne Fahrer-Überwachungssysteme in den letzten zehn Jahren haben Emotions-Erkennungsalgorithmen und andere biometrische Indikatoren ausgenutzt, um Systeme zu erstellen, die einen “abschreckenden Effekt” auf widerspenstige Fahrer haben sollen, da das Fahrverhalten Auswirkungen auf die Fahrer-Versicherungsprämien haben könnte oder als Beweis in einem Unfall 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. Allerdings ist es, angesichts der Mobilität der US-Bevölkerung in normalen Zeiten und der Tatsache, dass ein solches System am besten für Langstreckenfahrer wie LKW-Fahrer geeignet wäre, schwierig zu sehen, wie eine Umsetzung auf Bundesebene oder mit staatlicher Finanzierung möglich wäre, es sei denn, das Framework ist so konzipiert, dass es in nicht teilnehmenden Bundesstaaten oder Grafschaften, die das System nicht unterstützen, inaktiv wird.

Obwohl solche Innovationen normalerweise von der zunehmenden Tendenz der Versicherungsunternehmen getrieben werden, Fahrzeugen mit Überwachungsausrüstung zu belohnen, passt die Notwendigkeit von städtischer Infrastruktur nicht genau in dieses Modell, was darauf hindeutet, dass ein solches System legislative Unterstützung und staatliche oder bundesweite Finanzierung benötigen würde.

Eine Darstellung der vorgeschlagenen Machine-Learning-Architektur, die rekurrente neuronale Netze (RNN) verwendet. Das Framework verwendet unsupervisiertes Lernen und liefert Echtzeit-Rückmeldungen, aber es sieht auch vor, dass Offline-Training durchgeführt wird, um Algorithmen auf Basis von eingehenden Daten und Ereignissen zu verbessern.

Einnahmequelle

Das im Patent vorgeschlagene System könnte das erste seiner Art sein, das eine Echtzeit-Analyse von aggressivem Fahrverhalten in einem städtischen Framework bietet, das in der Lage ist, automatisch Bußgelder und Strafen zu verhängen oder Behörden zu warnen, wenn es um gefährliche Fahrereignisse geht. Allerdings räumen die Erfinder ein, dass es als “Milchkuh” von städtischen Behörden missbraucht werden könnte.

Neda Masoud, Assistenzprofessorin am Department of Civil and Environmental Engineering der University of Michigan, sagte The Academic Times, dass ‘falsche Alarme ein kleiner Preis für das erhöhte Sicherheitsniveau sind, das die Technologie bieten kann. Es sollte jedoch immer die Möglichkeit geben, sich gegen falsche Anschuldigungen wegen aggressiven Fahrverhaltens zu verteidigen.’

Der Patentantrag erkennt die Möglichkeit von aggressivem Fahrverhalten an, das Fahrzeuge betrifft, die nicht mit Bordgeräten (OBUs) ausgestattet sind, was durch externe Beobachtung von benachbarten oder nahegelegenen Fahrzeugen, die mit solchen Geräten ausgestattet sind, sowie durch die Kreuzungsinstallationen angegangen werden kann. In solchen Fällen würde die Identifizierung vermutlich auf andere Methoden wie automatisierte Nummernschildererkennung zurückgreifen (obwohl der Patentantrag sich nicht damit befasst).

Kreuzungen als hohe Risiken

Das Michigan-Patent behandelt rücksichtsloses Verhalten an Kreuzungen, da diese ein Brennpunkt von Verkehrsunfällen und -verstößen sind, während frühere chinesische Forschung in ähnlicher Richtung Support-Vector-Maschine-(SVM)-Analyse verwendet hat, um Fahrereignisse während der Fahrt zu identifizieren, wie z.B. gefährliches Spurwechseln. Ein weiteres chinesisches Forschungsprojekt hat Sensoren in Smartphones ausgenutzt, um unregelmäßiges Fahrverhalten während der Fahrt zu erkennen.

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