マシンラーニングとエッジコンピューティングを用いた「攻撃的な運転」を検知

最近の特許出願では、交差点での「攻撃的な運転行動」を検知するシステムが提案されており、市民のエッジコンピューティングデバイスにマシンラーニングアルゴリズムを展開しています。

最近のAI研究における「道路怒り」分析の車内向けイノベーションとは対照的に、このシステムはむしろ市民向けであり、運転手が「安全な」運転行動の周囲の規範に従っていない場合に罰を課すことを目的としています。また、悪い運転手に対して関連する車内オーディオビジュアルアラートを提供することも目的としています。

特許は、2021年4月29日にミシガン大学の理事会と、トヨタが所有する日本の自動車部品メーカーであるデンソー株式会社のために、米国特許商標庁に提出されました。

UMichの特許は、保険の監視のために設計された車内システムではなく、交差点の近くに設置されたエッジコンピューティングノードを使用して、即時的なフィードバックを提供することを目的としています。ソース：https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

提案されたフレームワークは、市民の機器に完全に依存しているわけではなく、システムに貢献するセンサーを備えた車両技術も必要です。実際、すべての装備された車両を交通監視ノードに変えることになりますが、運転手自身にも監視が行われることになります。また、車両のオンボードデータストリームへのアクセスも得られます。特許に出願された車内インストールの図（右下）には、車両のブレーキ、スロットル、ステアリングホイール、オドメーターからの直接のセンサーデータ、およびマップデータへのアクセスが必要です。

道路脇と車内インストールの両方に、CUDA対応GPUとローカルストレージリソースがあり、クラウド接続も備わっています。

攻撃的な運転手への警告

特許出願によると、システムは以下のように攻撃的な運転手とやり取りすることを目的としています：

‘システムが車両の攻撃的な運転行動を予測した場合、警告メッセージを車両のオーディオビジュアルデバイスに出力して、攻撃的な運転手に減速するように警告します。’

さらに、速度や対向車に関する車内アラートも含まれています。

特許出願に描かれた警告。 ソース：https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

特許によると、別のシナリオでは、車両内の利用可能なオーディオビジュアルデバイス（運転手が所有するスマートフォンを含む）を使用して警告を提供することができます。

運転手別の赤信号

交差点の交通信号の周波数と動作を変更することは、事故を減らす方法として長く知られてきましたが、提案されたシステムは、交差点での交通信号の動作を変えるためのデータを生成するために使用できます。

しかし、ミシガン州の提案では、インフラストラクチャと車両データの深い統合が可能であり、運転手の行動によって決定される赤信号が可能になります。

‘さらに、交差点での運転パターンが攻撃的な運転を予測および示唆した場合、制御要素の制御などの対策を採用して、攻撃的な運転行動を制御および緩和することができます。たとえば、システムが車両が交差点で赤信号を通過することを予測した場合、システムは交差点の交通信号の状態/フェーズを制御する制御信号を出力して、車両が減速し、交差点を通過するのをやめさせることができます。’

運転手のプライバシーへの影響

過去10年間にわたる車内運転手モニタリングシステムの提案では、感情認識コンピュータビジョンアルゴリズムと他のバイオメトリック指標を使用して、不正な運転手に対して「冷却効果」をもたらすシステムを開発することが目標でした。これらのシステムは、運転手の保険料に影響を与えたり、事故調査で証拠として使用されたりする可能性があります。

一方、ミシガン/デンソーの提案は、州の協力のための車両規格の変更を目的としているようです。しかし、米国の人口が通常移動し、このシステムが最も適切な長距離ドライバー（たとえばトラックドライバー）にとって最も適切であるという事実を考えると、連邦レベルの実装が必要であることは明らかです。システムが参加していない州の国境や、計画をサポートしていない郡を超えて非アクティブになるように設計する必要があるかもしれません。

これらのイノベーションは通常、保険会社がモニタリング装置をインストールすることのできるポリシー保有者に報奨金を与える傾向に駆り立てられているものですが、市民インフラストラクチャの必要性はそのモデルに完全に適合しません。したがって、このようなシステムは、立法の支援と連邦または州の資金提供が必要であることを示唆しています。

提案されたシステムのマシンラーニングアーキテクチャの図。再帰型ニューラルネットワーク（RNN）を使用し、無教師学習を使用し、リアルタイムのフィードバックを提供します。また、アルゴリズムを改善するために、オフライントレーニングのためのインコミングデータとイベントにも対応しています。攻撃的な運転行動の検出は、ダイナミックタイムウォーピング（DTW）によって促進されます。これは、時間シリーズ分析で、速度が異なる可能性のある2つの時間シリーズまたはオブジェクトのシーケンスを比較するために使用されるアルゴリズムです。

収益源

特許で提案されたシステムは、最初のそのようなシステムとなり、市民フレームワークで実際に罰金や罰を自動的に発行したり、当局に警告したりできる、誤った運転手の行動のリアルタイム分析を提供することができます。ただし、発明者は、これが収益を得るために利用される可能性があることを認めています。

ミシガン大学の土木環境工学科の助教授であるNeda Masoudは、アカデミックタイムズに「誤報は、技術が提供できる安全性の向上の小さな代償です。ただし、誤って攻撃的な運転と判断された場合、運転手は自分を擁護する機会を与えられるべきです。」と述べました。

特許出願では、車両にオンボードユニット（OBUs）が備わっていない攻撃的な運転イベントの可能性について言及していますが、これは、車両に装備されたOBUsを備えた近くの車両の外部観察によって対応できます。また、交差点のインストールにも対応できます。そうした場合、識別は、自動ナンバープレート読み取り（特許出願では言及されていません）などの他の方法に既定値となります。

交差点は高リスク

ミシガン州の特許は、交差点での無謀な行動に焦点を当てています。交差点は交通事故や違反の発生率が高いからです。中国での同様の研究では、サポートベクターマシン（SVM）分析を使用して、移動中のイベントを識別しました。別の中国を拠点とする研究では、スマートフォンのセンサーを使用して、移動中の異常な行動を検知しました。

米国国家道路交通安全局は、2008年に米国で発生した事故の40％が交差点での活動に関連していたと推定しています。