Deteksjon av “aggressiv kjøring” med maskinlæring og edge computing

En nylig patentansøkning har foreslått et system for å identifisere “aggressiv kjøring” ved kryssninger ved hjelp av maskinlæringsalgoritmer som er deployert i kommunale edge computing-enheter.

I motsetning til nylige innovasjoner i AI-forskning om “vei-rasende” analyser (primært ment for forsikringsselskaper), er systemet som er foreslått kommunalt i naturen og kan være ment å fasilitere straffer for sjåfører som ikke konformerer seg til de omgivende normene for “sikker” kjøring. Det er også spesifikt ment å gi dårlige sjåfører relatert in-car audiovisuelle varsler.

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-patenten er ikke et proprietært, in-car system ment for forsikringsoversikt, eller designet kun for å produsere rettsmedisinske data, men snarere baserer seg på godt utstyrte edge computing-noder deployert ved trafikkrysninger for å gi umiddelbar og handlebar feedback, ved å samle inn data fra vegkantens edge computing-resurser og fra sensorer installert i nærheten av 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 in-car-teknologier som kan gjøre biler til bidragende sensorer for systemet. Effektivt ville dette gjøre hver utstyrt bil til en trafikkmålingsnode, selv om samme oversikt også ville bli rettet mot sjåføren selv, med den ekstra fordelen av å ha tilgang til kjøretøyets onboard datastrømmer. Schematisk for in-car-installasjonen (avbildet til høyre) som er sendt i patenten, inkluderer direkte sensordata fra kjøretøyets bremser, gasspedal, ratt og odometer, samt å kreve tilgang til kartdata.

Både vegkant- og in-car-installasjonene har CUDA-aktiverende GPU og lokale lagringsressurser, og begge har skytjenester.

Varsler for aggressive sjåfører

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

‘Når systemet for å forutsi aggressiv kjøring 1 forutsier aggressiv kjøring i et subjektkjøretøy, kan en varsel beskjed som varselet i FIG. 8A være utgang til audiovisuelt utstyr 413 i subjektkjøretøyet for å advare en aggressiv sjåfør om å sakke ned.’

Andre potensielle varsler inkluderer in-car-varsler for hastighet og innkommende kjøretøy:

Varsler 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 audiovisuelle enheter (inkludert smartphones eid av sjåføren) i kjøretøyet brukes til å gi varsler, inkludert audiovarsler.

Sjåførspesifikke røde lys

Endring av frekvenser og atferd ved trafikklys har lenge vært kjent som en metode for å redusere ulykker, og det foreslåtte systemet kan brukes til å generere data som kan endre måten trafikklys fungerer ved kryssninger på et meget 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 omfattende delen [0157] i patentansøkningen).

‘I tillegg, hvis kjøremønsteret ved en kryssning (f.eks. kryssning 200a) forutsier og/eller indikerer aggressiv kjøring i kjøretøyet 71, kan korrektive tiltak som kontroll av kontroll-elementer brukes ved påfølgende kryssninger (f.eks. kryssning 200b og 200c) for å kontrollere og mildne aggressiv kjøring. For eksempel, hvis systemet for å forutsi aggressiv kjøring 1 forutsier at kjøretøyet 71 kan kjøre gjennom et rødt lys ved kryssning 200a, kan systemet for å forutsi aggressiv kjøring 1 utgang en kontrollsignal for å kontrollere tilstanden/fasen av trafikkontrollsignaler 202b og 202c ved kryssning 200b og 200c. På denne måten kan trafikkontrollsignaler 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 prøve å øke farten i et forsøk på å kjøre gjennom kryssning 200b og 200c før signalene 202b og 202c skifter til rødt.’

Innføring i sjåførprivatlivet

Forslag for in-car sjåfør-overvåkingssystemer over de siste ti årene har utnyttet emosjonsgjenkjenning datavisjonsalgoritmer, sammen med andre biometriske indikatorer, for å produsere systemer designet for å ha en “kjøleffekt” på urolige sjåfører, siden feil sjåføratferd kunne påvirke sjåførens forsikringspremie under slike skjemaer, eller bli brukt som bevis i en ulykkesundersøkelse.

Imidlertid ser Michigan/Denso-forslaget ut til å være ment for en form for statlig samarbeid gjennom endringer i obligatoriske kjøretøystandarder. 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.

Et slikt innovasjon 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, hvilket 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 sanntidsfeedback, gir det også mulighet for offline-trening for å forbedre algoritmer basert på innkommende data og hendelser. Identifisering av aggressiv kjøring er fasilitert av Dynamic Time Warping (DTW), en algoritme som brukes i tidsserieanalyse for å sammenligne to tidsbaserte serier eller sekvenser av objekter som kan variere i hastighet.

Inntektsstrøm

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

Neda Masoud, assistant professor ved avdelingen for sivil- og miljøingeniørvitenskap ved University of Michigan, fortalte The Academic Times at ‘Falske varsler er en liten pris å betale for det forbedrede nivået av sikkerhet som teknologien kan tilby. Det bør alltid være en mulighet for de feilaktig anklagede å forsvare seg mot feilaktige påstander om aggressiv kjøring,’.

Patentansøkningen erkjenner muligheten for aggressiv kjøring som involverer kjøretøy som ikke er utstyrt med on-board enheter (OBUs), som kan håndteres av ekstern observasjon av nærliggende eller nærmeste kjøretøy som har utstyret, samt kryssningsinstallasjonene. I slike tilfeller ville identifiseringen antageligvis gå over til andre metoder, som automatisert nummerplatenavnlesing (selv om patentansøkningen ikke omhandler dette).

Kryssninger er høyrisiko

Michigan-patenten omhandler uansvarlig atferd ved kryssninger, siden disse er et område for trafikkhendelser og overtredelser, mens tidligere kinesisk forskning langs lignende linjer har brukt support vector machine (SVM) analyse for å identifisere hendelser underveis, som farlig filskifte. En annen kinesisk forskningsinitiativ utnyttet sensorer i smartphones for å detektere ujevn atferd under reisen.

Den amerikanske nasjonale trafikksikkerhetsadministrasjonen estimerte i 2010 at 40% av ulykkene som skjedde i USA i 2008 var relatert til aktivitet ved kryssninger.