Detecção de ‘Condução Agressiva’ com Aprendizado de Máquina e Computação de Borda

Um pedido de patente recente propôs um sistema para identificar ‘comportamento de condução agressivo’ em cruzamentos usando algoritmos de aprendizado de máquina implantados em dispositivos de computação de borda cívica.

Em contraste com inovações recentes de pesquisa de IA em análise de ‘raiva no trânsito’ em veículos (primariamente destinadas ao benefício de companhias de seguros), o sistema proposto é municipal em natureza e poderia ser destinado a facilitar penalidades para motoristas que não estão se conformando aos padrões ambientais de comportamento de condução ‘seguro’. Ele também é especificamente destinado a fornecer aos motoristas agressivos alertas auditivos e visuais relacionados.

O pedido de patente foi apresentado no Escritório de Patentes e Marcas dos EUA em 29 de abril de 2021 em nome do Conselho de Regentes da Universidade de Michigan e da Denso corporation, um fabricante japonês de componentes automotivos de propriedade da Toyota.

A patente da UMich não é um sistema proprietário de dentro do veículo destinado à supervisão de seguros, nem projetado apenas para produzir dados forenses, mas sim depende de nós de computação de borda bem equipados implantados em cruzamentos para fornecer feedback imediato e ação, ao coletar dados de recursos de computação de borda ao longo da estrada e de sensores instalados em veículos próximos. Fonte: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

O quadro proposto não é inteiramente passivo ou dependente de equipamentos cívicos, mas também exigiria tecnologias dentro do veículo capazes de transformar carros em sensores contribuintes para o sistema. Efetivamente, isso transformaria cada veículo equipado em um nó de monitoramento de tráfego, embora a mesma supervisão também seria aplicada ao motorista, com o benefício adicional de acesso aos fluxos de dados a bordo do veículo. O esquema para a instalação dentro do veículo (ilustrado à direita) apresentado no pedido de patente inclui dados de sensores diretos dos freios, acelerador, volante e odômetro do veículo, bem como requer acesso a dados de mapas.

Ambas as instalações ao longo da estrada e dentro do veículo apresentam recursos de GPU habilitados para CUDA e armazenamento local, e ambas apresentam conectividade com a nuvem.

Alertas para Motoristas Agressivos

De acordo com o pedido de patente, o sistema é projetado para interagir com um motorista contencioso:

‘Quando o sistema para prever comportamento de condução agressivo 1 prevê condução agressiva em um veículo sujeito, uma mensagem de alerta, como o alerta na FIG. 8A, pode ser exibida no dispositivo de áudio e visual 413 no veículo sujeito para alertar um motorista agressivo para desacelerar.’

Alertas adicionais incluem alertas dentro do veículo para velocidade e veículos que se aproximam;

Alertas ilustrados no pedido de patente. Fonte: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

O pedido de patente afirma que, em outro cenário possível, qualquer dispositivo de áudio e visual disponível (incluindo smartphones de propriedade do motorista) no veículo pode ser usado para fornecer alertas, incluindo alertas de áudio.

Luzes Vermelhas Específicas para Motoristas

Mudar as frequências e o comportamento dos semáforos em cruzamentos tem sido conhecido como um método para reduzir acidentes, e o sistema proposto pode ser usado para gerar dados que podem alterar a forma como os semáforos funcionam em cruzamentos em um nível muito amplo.

No entanto, a integração profunda de infraestrutura e dados de veículos prevista na proposta de Michigan oferece outra possibilidade: luzes vermelhas que são ditadas pelo comportamento do motorista, em vez de serem executadas por rotina ou por cronograma (veja a seção prolixa [0157] no pedido de patente).

‘Além disso, se o padrão de condução em uma interseção (por exemplo, a interseção 200a) prevê e/ou indica condução agressiva no veículo 71, medidas corretivas, como o controle de elementos de controle, podem ser empregadas em interseções subsequentes (por exemplo, interseções 200b e 200c) para controlar e mitigar o comportamento de condução agressivo. Por exemplo, se o sistema para prever comportamento de condução agressivo 1 prevê que o veículo 71 pode passar um sinal vermelho na interseção 200a, o sistema para prever comportamento de condução agressivo 1 pode exibir um sinal de controle para controlar o estado/fase dos sinais de controle de tráfego 202b e 202c nas interseções 200b e 200c. Desta forma, os sinais de controle de tráfego 202b e 202c podem mudar para vermelho, por exemplo, antes de o veículo 71 passar pela interseção 200a para encorajar o veículo 71 a desacelerar e não tentar acelerar em um esforço para dirigir através das interseções 200b e 200c antes que os sinais 202b e 202c mudem para vermelho.’

Invasões na Privacidade do Motorista

Propostas para sistemas de monitoramento de motoristas dentro do veículo ao longo da última década exploraram algoritmos de reconhecimento de emoção de visão computacional, juntamente com outros indicadores biométricos, para produzir sistemas projetados para ter um ‘efeito calmante’ em motoristas obstinados, desde que o comportamento de condução errante poderia afetar os prêmios de seguro do motorista sob tais esquemas, ou ser usado como evidência em uma investigação de acidente.

Em contraste, a proposta Michigan/Denso parece destinada a alguma forma de colaboração estatal por meio de alterações nos padrões de veículos obrigatórios. No entanto, dado o movimento da população dos EUA em tempos normais e o fato de que tal sistema seria mais aplicável para motoristas de longa distância, como motoristas de caminhão, é difícil ver como algo menos do que uma implementação federal seria viável, a menos que o quadro seja projetado para se tornar inativo sobre fronteiras de estado não participantes, ou sobre condados que não apoiam o esquema.

Embora tais inovações sejam geralmente impulsionadas pela tendência crescente de companhias de seguros recompensarem segurados dispostos a instalar equipamentos de monitoramento, a necessidade de infraestrutura cívica não se encaixa exatamente nesse modelo, sugerindo que tal sistema precisaria de apoio legislativo e financiamento federal ou estatal.

Uma ilustração da arquitetura de aprendizado de máquina proposta para o sistema, usando Redes Neurais Recorrentes (RNN). Embora o quadro também use aprendizado não supervisionado e forneça feedback em tempo real, ele também faz provisão para treinamento offline para melhorar algoritmos com base em dados e eventos de entrada. A identificação do comportamento de condução agressivo é facilitada pela Transformação de Tempo Dinâmico (DTW), um algoritmo usado na análise de séries temporais para comparar duas séries temporais ou sequências de objetos que podem variar em velocidade.

Fluxo de Receita

O sistema proposto na patente poderia ser o primeiro do seu tipo a oferecer análise em tempo real do comportamento de condução errante em um quadro cívico capaz de emitir multas e penalidades automaticamente, ou alertar as autoridades, no caso de incidentes de condução perigosos. No entanto, os inventores admitem que ele poderia ser mal utilizado como uma vaca leiteira por autoridades municipais ávidas por receita.

Neda Masoud, professora assistente do Departamento de Engenharia Civil e Ambiental da Universidade de Michigan, disse ao The Academic Times que ‘Falsos alarmes são um pequeno preço a pagar pelo nível aprimorado de segurança que a tecnologia pode fornecer. Dito isso, sempre deve haver uma oportunidade para os falsamente acusados se defenderem contra quaisquer falsas alegações de condução agressiva,’.

O pedido de patente reconhece a possibilidade de eventos de condução agressiva que envolvem veículos que não estão equipados com unidades a bordo (OBUs), o que pode ser abordado pela observação externa de veículos adjacentes ou próximos que têm o equipamento, bem como pelas instalações de interseção. Nesses casos, a identificação presumivelmente seria por outros métodos, como leitura automática de placas de licença (embora o pedido de patente não lidar com isso).

Interseções de Alto Risco

A patente de Michigan aborda o comportamento temerário em interseções, desde que essas são um locus de incidentes e infrações de trânsito, enquanto a pesquisa chinesa anterior em linhas semelhantes usou análise de máquina de vetores de suporte (SVM) para identificar eventos em trânsito, como mudanças de faixa perigosas. Outra iniciativa de pesquisa baseada na China explorou sensores em smartphones para detectar comportamento errático durante a viagem.

A Administração Nacional de Segurança no Trânsito dos EUA estimou em 2010 que 40% dos acidentes que ocorreram nos EUA em 2008 estavam relacionados à atividade em interseções.