공격적인 운전 감지에 기계 학습과 에지 컴퓨팅 사용

최근 특허 출원은 교차로에서 공격적인 운전 행동을 식별하는 시스템을 제안했으며, 시민 에지 컴퓨팅 장치에 배포된 기계 학습 알고리즘을 사용합니다.

대조적으로, 최근의 AI 연구는 차량 내부의 ‘도로 분노’ 분석에 중점을 두고 있으며, 주로 보험 회사에ประโยชน을 제공하기 위한 것입니다. 그러나 제안된 시스템은 시정촌적 특성을 가지며, 안전한 운전 행동의 주변 규범에 순응하지 않는 운전자에게 벌칙을 부과하는 것을 목표로 합니다. 또한 악성 운전자에게 관련된 차량 내 오디오 비주얼 경고를 제공하는 것을 목표로 합니다.

특허는 2021년 4월 29日に 미시간 대학교의 이사회와 도요타가 소유한 일본 자동차 부품 제조업체인 덴소株式会社의 대표로 미국 특허청에 출원되었습니다.

미시간 대학교의 특허는 보험 감시를 위한 독점적 인차 시스템이 아니며, 법적 데이터를 생성하기 위한 것이 아닙니다. 대신, 교차로에 배포된 잘 자원된 에지 컴퓨팅 노드를 사용하여 즉각적이고 실행 가능한 피드백을 제공합니다. 이는 도로변 에지 컴퓨팅 자원과 근처 차량에 설치된 센서에서 데이터를 수집하여 제공합니다. 출처: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

제안된 프레임워크는 완전히 수동적이거나 시정촌 장비에 의존하지 않습니다. 또한 차량 내 기술이 필요하며, 이를 통해 차량을 시스템의 센서로 변환할 수 있습니다. 이는 효과적으로 모든 장착된 차량을 교통 모니터링 노드로 변환하며, 동시에 운전자 자신도 감시의 대상이 됩니다. 또한 차량의 온보드 데이터 스트림에 접근할 수 있습니다. 차량 내 설치 도면(오른쪽에 표시됨)은 제동, 엑셀, 스티어링 휠, 오도미터의 직접 센서 데이터를 포함하며, 지도 데이터에 접근할 수 있습니다.

도로변 및 차량 내 설치 모두 CUDA 활성화된 GPU와 로컬 저장소 자원을 특징으로 하며, 둘 다 클라우드 연결을 지원합니다.

공격적인 운전 경고

특허 출원에 따르면, 시스템은 공격적인 운전 행동을 예측할 때 다음과 같이 작동합니다:

‘시스템이 공격적인 운전 행동 1을 예측할 때, 경고 메시지(예: 경고 8A)를 차량 내 오디오 비주얼 장치 413에 출력하여 공격적인 운전자에게 속도 제한을 알립니다.’

추가적인 경고에는 속도와 접근 차량에 대한 차량 내 경고가 포함됩니다.

특허 출원에 표시된 경고. 출처: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

특허는 차량 내에 사용 가능한 오디오 비주얼 장치(운전자의 스마트폰 포함)를 사용하여 경고를 제공할 수 있다고述합니다.

운전자별 적색 신호

교차로의 교통 신호의 빈도와 행동을 변경하는 것은 사고를 줄이는 방법으로 잘 알려져 있습니다. 제안된 시스템은 교차로의 교통 신호가 작동하는 방식을广泛하게 변경하는 데이터를 생성할 수 있습니다.

그러나 미시간 제안에서 설계된 인프라와 차량 데이터의 깊은 통합은 또 다른 가능성을 제공합니다. 즉, 운전자 행동에 따라 결정되는 적색 신호입니다(특허 출원의 [0157] 섹션 참조).

‘또한, 교차로(예: 교차로 200a)에서 예측 및/또는 차량 71의 공격적인 운전 행동을 나타낼 경우, 차후의 교차로(예: 교차로 200b 및 200c)에서 운전 행동을 제어하고 완화하기 위한 조치가 취해질 수 있습니다. 예를 들어, 시스템이 교차로 200a에서 차량 71이 적색 신호를 무시할 것으로 예측할 경우, 시스템은 차후의 교차로(예: 교차로 200b 및 200c)에서 교통 신호 202b 및 202c를 제어하기 위한 제어 신호를 출력할 수 있습니다.这样, 교통 신호 202b 및 202c는 차량 71이 교차로 200a를 통과하기 전에 적색으로 변경되어 차량 71이 속도를 줄이고 교차로 200b 및 200c를 통과하기 위해 속도를 높이지 않도록 유도할 수 있습니다.’

운전자 개인 정보 침해

과거 10년 동안 제안된 차량 내 운전자 모니터링 시스템은 컴퓨터 비전 알고리즘을 사용하여 운전자의 감정을 인식하고, 다른 생체 지표를 사용하여 운전자의 행동을 분석했습니다. 이러한 시스템은 운전자의 보험료에 영향을 미치거나, 사고 조사에서 증거로 사용될 수 있습니다.

미시간/덴소 제안은 주로 국가 간 협력을 위한 차량 표준 변경을 목표로 합니다. 그러나 미국 인구의 이동성과 시스템이 가장 많이 적용되는 장거리 운전(예: 트럭 운전)의 경우, 이러한 시스템을 시행하기 위해서는 연방 정부의 지원과 자금이 필요할 것입니다.

제안된 시스템의 기계 학습 아키텍처를 나타내는 도식. 이 프레임워크는 순차적 신경망(RNN)을 사용하며, 비감독 학습과 실시간 피드백을 제공합니다. 또한, 들어오는 데이터와 이벤트를 기반으로 알고리즘을 개선하기 위한 오프라인 학습을 제공합니다. 공격적인 운전 행동의 식별은 동적 시간 워핑(DTW) 알고리즘을 사용하여 수행되며, 이는 시간 시리즈 분석에서 두 개의 시간 시리즈 또는 객체 시퀀스를 비교하는 데 사용됩니다.

수익 흐름

제안된 시스템은 최초의 실시간 분석을 제공할 수 있으며, 이는 시정촌 프레임워크에서 자동으로 벌칙과 과태료를 부과하거나, 권한 있는 기관에 경고할 수 있습니다. 그러나 발명가는 이러한 시스템이 수익을 창출하기 위한 수단으로 악용될 수 있다고 인정합니다.

미시간 대학교의 시민 및 환경 공학부 조교수인 네다 마수드(Neda Masoud)는 학술 타임즈에 “거짓 경보는 제공할 수 있는 안전성의 향상된 수준에 비해 작은 대가입니다. 그러나 잘못 고소된 사람들은 항상 자신을 방어할 기회를 가져야 합니다”라고 말했습니다.

특허 출원은 공격적인 운전 사건에 참여하지 않은 차량(OBUs)을 다루는 가능성을 인정합니다. 이러한 경우, 다른 방법(예: 자동 번호판 인식)을 사용하여 식별을 수행할 수 있습니다(그러나 특허 출원에서는 이에 대해 다루지 않습니다).

교차로의 높은 위험

미시간 특허는 교차로의 무모한 행동을 다루며, 이는 교통 사고와 위반의 중심입니다. 이전의 중국 연구는 유사한 방식으로 지원 벡터 머신(SVM) 분석을 사용하여 운행 중에 발생하는 사건(예: 위험한 차선 변경)을 식별했습니다. 또 다른 중국 기반 연구는 스마트폰 센서를 사용하여 비정상적인 운전 행동을 감지했습니다.

미국 국립 교통 안전국은 2010년에 2008년 미국에서 발생한 40%의 사고가 교차로에서 발생한 활동과 관련이 있다고 추정했습니다.