Oppdaging av ‘Aggresivt Kjøring’ Med Maskinlæring og Edge Computing

En nylig patentansøkning har foreslått et system for å identifisere ‘aggressivt kjørebeteende’ ved kryssninger ved hjelp av maskinlæringsalgoritmer som er deployert i kommunale edge-computing-enheter.

I motsetning til nyere innovasjoner i AI-forskning innen bilens ‘vei-rasende’ analyser (hovedsakelig ment for forsikringsselskapers beste), er systemet som er foreslått kommunalt i naturen, og kunne være rettet mot å fasilitere straffer for sjåfører som ikke konformerer seg til de omgivende normene for ‘sikker’ kjørebeteende. Det er også spesifikt ment å gi dårlige sjåfører relatert bil-lyd- og billedvarsel.

Patenten ble innlevert hos US Patent and Trademark Office den 29. april 2021 på vegne av Board Of Regents ved University of Michigan, og Denso corporation, en japansk produsent av bilkomponenter eid av Toyota.

UMich-patentet er ikke et proprietært, bil-internt system rettet mot forsikringsovervåking, eller designet kun for å produsere rettsmedisinsk data, men snarere baserer seg på godt ressursede edge-computing-noder deployert ved trafikk-kryssninger for å gi umiddelbar og handlebar tilbakemelding, ved å samle inn data fra vegkantens edge-computing-resurser og fra sensorer installert i nærliggende kjøretøy. Kilde: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Det foreslåtte rammeverket er ikke helt passivt eller avhengig av kommunale utstyr, men ville også kreve bil-teknologier i stand til å gjøre biler til bidragende sensorer for systemet. Effektivt, ville dette gjøre hver utstyrt bil til en trafikkmålingsnode, selv om samme tilsyn også ville bli rettet mot sjåføren selv, med den ekstra fordelen av å få tilgang til kjøretøyets onboard-datastrømmer. Schemat for bil-monteringen (avbildet til høyre) som er sendt inn i patenten, inkluderer direkte sensor-data fra bilens bremser, gasspedal, ratt og odometer, samt å kreve tilgang til kartdata.

Både vegkant- og bil-monteringer har CUDA-aktiverende GPU og lokale lagringsressurser, og begge har skytjenester.

Advarsler For Aggresive Sjåfører

Ifølge patentansøkningen er systemet designet for å interagere med en stridig sjåfør:

‘Når systemet for å forutsi aggressivt kjørebeteende 1 forutsier aggressivt kjøring i et subjektkjøretøy, kan en advarselsmelding som advarselen i FIG. 8A være utgang til lyd- og billed enheten 413 i subjektkjøretøyet for å advare en aggressiv sjåfør om å sakke ned.’

Ytterligere potensielle advarsler inkluderer bil-lyd- og billedvarsler for hastighet og innkommende kjøretøy:

Advarsler avbildet i patentansøkningen. Kilde: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Patenten sier at i en annen mulig scenario, kan alle tilgjengelige lyd- og billedenheter (inkludert smarttelefoner eid av sjåføren) i kjøretøyet brukes til å gi advarsler, inkludert lydadvarsler.

Sjåfør-Spesifikke Røde Lys

Endring av frekvens og atferd hos trafikklys har lenge vært kjent for å være en metode for å redusere ulykker, og det foreslåtte systemet kan brukes til å generere data som kan endre måten trafikklys fungerer på i kryssninger på et svært bredt nivå.

Men den dype integreringen av infrastruktur og kjøretøydata som er tenkt i Michigan-forslaget tilbyr en annen mulighet: røde lys som dikteres av sjåførens atferd, snarere enn å kjøre etter en fast skjema eller tidtabell (se den prolixe delen [0157] i patentansøkningen).

‘I tillegg, hvis kjøremønsteret ved en kryssning (f.eks. kryssning 200a) forutsier og/eller indikerer aggressivt kjøring i kjøretøyet 71, kan korrektive tiltak som kontroll av kontroll-elementer bli brukt ved påfølgende kryssninger (f.eks. kryssninger 200b og 200c) for å kontrollere og mildne aggressivt kjørebeteende. For eksempel, hvis systemet for å forutsi aggressivt kjørebeteende 1 forutsier at kjøretøyet 71 kan kjøre gjennom et rødt lys ved kryssning 200a, kan systemet for å forutsi aggressivt kjørebeteende 1 utgang en kontrollsignal for å kontrollere tilstanden/fasen til trafikk-kontrollsignaler 202b og 202c ved kryssningene 200b og 200c. På denne måten kan trafikk-kontrollsignaler 202b og 202c skifte til rødt, for eksempel, før kjøretøyet 71 passerer gjennom kryssning 200a for å oppmuntre kjøretøyet 71 til å sakke ned og ikke forsøke å kjøre gjennom kryssningene 200b og 200c før signalene 202b og 202c skifter til rødt.’

Inngrep I Sjåfør-Privatliv

Forslag for bil-moniteringssystemer over de siste ti årene har utnyttet ansiktsrekognisjon og andre biometriske indikatorer til å produsere systemer designet for å ha en ‘kjøleffekt’ på sjåfører, siden feil sjåførbeteende kunne påvirke forsikringspremier under slike skjema, eller bli brukt som bevis i en ulykkesundersøkelse.

I motsetning til dette, ser Michigan/Denso-forslaget ut til å være ment for en form for statlig samarbeid gjennom endringer i obligatoriske kjøretøy-standarder. Men, gitt den amerikanske befolkningens mobilitet i normale tider, og det faktum at et slikt system ville være mest anvendelig for langdistansesjåfører, som lastebilsjåfører, er det vanskelig å se hvordan noe mindre enn en føderal implementering ville være gjennomførbart, med mindre rammeverket er designet for å bli inaktivt over ikke-deltagende staters grenser, eller over fylker som ikke støtter skjemaet.

Slike innovasjoner er vanligvis drevet av den økende trenden for forsikringsselskaper å belønne forsikringstakere som er villige til å installere overvåkingsutstyr, men behovet for kommunal infrastruktur passer ikke helt inn i denne modellen, noe som antyder at et slikt system ville trenge lovgivningsstøtte og føderal eller statlig finansiering.

En illustrasjon av den maskinlæringsarkitekturen som er foreslått for systemet, som bruker Recurrent Neural Networks (RNN). Selv om rammeverket også bruker usupervisert læring og gir sanntids-tilbakemelding, gjør det også provisjon for offline-trening for å forbedre algoritmer basert på innkommende data og hendelser. Identifisering av aggressivt kjørebeteende blir fasilitert av Dynamic Time Warping (DTW), en algoritme brukt i tidsserieanalyse for å sammenligne to tidsbaserte serier eller sekvenser av objekter som kan variere i hastighet.

Inntektsstrøm

Systemet som er foreslått i patenten kunne være det første av sitt slag til å tilby sanntidsanalyse av feil sjåførbeteende i et kommunalt rammeverk som er i stand til å automatisk utstede bøter og straffer, eller varsle myndighetene, i tilfelle av virkelig farlige sjåførbeteende. Men oppfinnerne innrømmer at det kunne bli misbrukt som en kassaku av inntekts-hungrende kommunale myndigheter.

Neda Masoud, assistant professor ved avdelingen for sivil- og miljøingeniør ved University of Michigan, fortalte The Academic Times at ‘Falske alarmer er en liten pris å betale for det økte sikkerhetsnivået som teknologien kan tilby. Det bør alltid være en mulighet for de feilaktig anklagede å forsvare seg mot noen feilaktige påstander om aggressivt kjøring.’.

Patentansøkningen erkjenner muligheten for aggressivt kjørebeteende som involverer kjøretøy som ikke er utstyrt med ombord-enheter (OBE), som kan håndteres ved ekstern observasjon av nærliggende kjøretøy som har utstyret, samt kryssningsinstallasjoner. I slike tilfeller ville identifiseringen antageligvis gå over til andre metoder, som automatisert nummerplatenavnlesing (selv om patentansøkningen ikke omhandler dette).

Kryssninger Et Høyt Risiko

Michigan-patenten omhandler uansvarlig atferd ved kryssninger, siden disse er et område for trafikk-ulykker og overtredelser, mens tidligere kinesisk forskning langs lignende linjer har brukt støttevektor-maskin (SVM) analyse til å identifisere hendelser underveis, som farlige filbytninger. En annen kinesisk forskningsinitiativ utnyttet sensorer i smarttelefoner til å detektere ujevn kjørebeteende underveis.

US National Highway Traffic Safety Administration estimerte i 2010 at 40% av ulykkene som skjedde i USA i 2008 var relatert til aktivitet ved kryssninger.