Detectarea “Conducerea Agresivă” Cu Învățarea Automată și Calculul Edge

O cerere recentă de brevet de invenție a propus un sistem pentru identificarea “comportamentului de conducere agresivă” la intersecții folosind algoritmi de învățare automată implementați în dispozitive de calcul edge civice.

În contrast cu inovațiile recente ale cercetării AI în analiza “furiei la volan” în vehicule (în primul rând destinate companiilor de asigurări), sistemul propus este de natură municipală și ar putea fi destinat să faciliteze sancțiunile pentru șoferi care nu se conformează normelor ambientale de “comportament de conducere sigur”. De asemenea, este destinat să furnizeze șoferilor răi alerte audiovizuale în vehicul.

Brevetul a fost depus la Oficiul pentru Brevete și Mărci ale Statelor Unite ale Americii la 29 aprilie 2021, în numele Consiliului de Regenți al Universității din Michigan și al corporației Denso, un producător japonez de componente auto deținut de Toyota.

Brevetul UMich nu este un sistem propriu, în vehicul, destinat supravegherii asigurărilor, nici nu este proiectat în mod special pentru a produce date forensice, ci se bazează pe noduri de calcul edge bine dotate, amplasate la intersecții de trafic, pentru a furniza feedback imediat și util, prin colectarea de date din resursele de calcul edge de lângă drum și din senzorii instalați în vehiculele din apropiere. Sursă: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Framework-ul propus nu este în întregime pasiv sau dependent de echipamente civice, ci ar necesita și tehnologii în vehicul capabile să transforme mașinile în senzori contribuitori pentru sistem. În esență, acest lucru ar transforma fiecare vehicul echipat într-un nod de monitorizare a traficului, deși aceeași supraveghere ar fi îndreptată și către șofer, cu beneficiul suplimentar al accesului la fluxurile de date ale vehiculului. Schematica pentru instalația în vehicul (prezentată mai jos, la dreapta) depusă în brevet include date senzoriale directe de la frânele, accelerația, volanul și odometru, precum și necesită acces la datele de hartă.

Atât instalațiile de lângă drum, cât și cele din vehicul, au resurse de procesare GPU cu CUDA și stocare locală, și ambele au conectivitate la cloud.

Avertismente pentru Șoferi Agresivi

Conform cererii de brevet, sistemul este proiectat să interacționeze cu un șofer conflictual:

‘Atunci când sistemul de predicție a comportamentului de conducere agresivă 1 prezice o conducere agresivă într-un vehicul, un mesaj de avertizare, cum ar fi avertizarea din FIG. 8A, poate fi afișat pe dispozitivul audio-vizual 413 din vehiculul respectiv, pentru a avertiza un șofer agresiv să încetinească.’

Avertizări suplimentare pot include alerte în vehicul pentru viteză și vehicule care se apropie:

Avertizări prezentate în cererea de brevet. Sursă: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Brevetul afirmă că, într-un alt scenariu posibil, orice dispozitive audio-vizuale disponibile (inclusiv smartphone-urile deținute de șofer) din vehicul pot fi utilizate pentru a furniza avertizări, inclusiv avertizări audio.

Semnale de Stopp pentru Șoferi

Schimbarea frecvențelor și a comportamentului semnalelor de stop la intersecții a fost de mult timp cunoscută ca o metodă de reducere a accidentelor, iar sistemul propus poate fi utilizat pentru a genera date care ar putea schimba modul în care funcționează semnalele de stop la intersecții la un nivel foarte larg.

Cu toate acestea, integrarea profundă a infrastructurii și a datelor vehiculului, prevăzută în propunerea din Michigan, oferă o altă posibilitate: semnale de stop dictate de comportamentul șoferului, și nu de un program sau de un orar (a se vedea secțiunea [0157] din cererea de brevet).

‘În plus, dacă modelul de conducere la o intersecție (de exemplu, intersecția 200a) prezice și/sau indică o conducere agresivă în vehiculul 71, măsuri corective, cum ar fi controlul elementelor de control, pot fi utilizate la intersecții ulterioare (de exemplu, intersecțiile 200b și 200c) pentru a controla și a atenua comportamentul de conducere agresiv. De exemplu, dacă sistemul de predicție a comportamentului de conducere agresivă 1 prezice că vehiculul 71 ar putea trece semnalul roșu la intersecția 200a, sistemul de predicție a comportamentului de conducere agresivă 1 poate emite un semnal de control pentru controlul stării/fazei semnalelor de stop 202b și 202c la intersecțiile 200b și 200c. În acest mod, semnalele de stop 202b și 202c pot trece la roșu, de exemplu, înainte ca vehiculul 71 să treacă prin intersecția 200a, pentru a-l încuraja pe șofer să încetinească și să nu încerce să treacă prin intersecțiile 200b și 200c înainte ca semnalele 202b și 202c să treacă la roșu.’

Încălcări ale Intimității Șoferilor

Propunerile pentru sisteme de monitorizare a șoferilor din vehicul din ultimul deceniu au exploatat algoritmi de recunoaștere a emoțiilor și alți indicatori biometrici pentru a produce sisteme proiectate să aibă un “efect de răcire” asupra șoferilor obstinenți, deoarece comportamentul de conducere necorespunzător ar putea afecta primele de asigurare ale șoferilor în astfel de scheme, sau ar putea fi utilizate ca dovezi într-o anchetă de accident.

În contrast, propunerea Michigan/Denso pare să fie destinată unei forme de colaborare statală prin schimbări în standardele obligatorii pentru vehicule. Cu toate acestea, având în vedere mobilitatea populației americane în timp normal și faptul că un astfel de sistem ar fi cel mai aplicabil pentru șoferi pe distanțe lungi, cum ar fi șoferii de camioane, este dificil de văzut cum ar putea fi implementat într-un mod fezabil, cu excepția cazului în care framework-ul este proiectat să devină inactiv peste granițele statelor care nu participă, sau peste comitate care nu sprijină schema.

Deși astfel de inovații sunt de obicei conduse de tendința crescândă a companiilor de asigurări de a recompensa deținătorii de polițe care sunt dispuși să instaleze echipamente de monitorizare, nevoia de infrastructură civică nu se potrivește exact cu acest model, sugerând că un astfel de sistem ar necesita sprijin legislativ și finanțare federală sau de stat.

O ilustrare a arhitecturii de învățare automată propuse pentru sistem, utilizând Rețele Neuronale Recurente (RNN). Deși framework-ul utilizează și învățarea nesupervizată și oferă feedback în timp real, oferă și posibilitatea de antrenament offline pentru a îmbunătăți algoritmii pe baza datelor și evenimentelor care sosesc. Identificarea comportamentului de conducere agresivă este facilitată de Dynamic Time Warping (DTW), un algoritm utilizat în analiza de serii temporale pentru a compara două serii temporale sau secvențe de obiecte care pot varia în viteză.

Flux de Venit

Sistemul propus în brevet ar putea fi primul de acest fel care oferă o analiză în timp real a comportamentului de conducere necorespunzător într-un cadru civic capabil să emită automat amenzi și sancțiuni, sau să alerteze autoritățile, în caz de incidente de conducere periculoase. Cu toate acestea, inventatorii recunosc că ar putea fi utilizat în mod abuziv ca o sursă de venit de către autoritățile municipale foarte avide de venit.

Neda Masoud, asistent profesor la Departamentul de Inginerie Civilă și de Mediu al Universității din Michigan, a declarat Academic Times că ‘Avertizările false sunt un preț mic de plătit pentru nivelul îmbunătățit de siguranță pe care tehnologia îl poate oferi. Cu toate acestea, ar trebui să existe întotdeauna o oportunitate pentru cei acuzați în mod greșit să se apere împotriva oricăror acuzații false de conducere agresivă,’.

Cererea de brevet recunoaște posibilitatea evenimentelor de conducere agresivă care implică vehicule care nu sunt echipate cu unități de bord (OBUs), ceea ce poate fi abordat prin observarea externă a vehiculelor adiacente sau din apropiere care au echipamentul, precum și prin instalațiile de la intersecții. În astfel de cazuri, identificarea ar presupune, probabil, metode alternative, cum ar fi citirea automată a numărului de înmatriculare (deși cererea de brevet nu se ocupă de acest lucru).

Intersecții cu Risc Ridicat

Brevetul din Michigan se referă la comportamentul imprudent la intersecții, deoarece acestea sunt un loc de incidente și infracțiuni de trafic, în timp ce cercetarea chineză anterioară pe linii similare a utilizat analiza SVM (Support Vector Machine) pentru a identifica evenimente în tranzit, cum ar fi schimbarea periculoasă a benzii. O altă inițiativă de cercetare din China a exploatat senzorii din smartphone-uri pentru a detecta comportamentul erratic în timpul călătoriei.

Administrația Națională a Siguranței Traficului din Statele Unite ale Americii a estimat în 2010 că 40% din accidentele care au avut loc în Statele Unite ale Americii în 2008 au fost legate de activitatea de la intersecții, ca și cum ar fi schimbarea periculoasă a benzii. Another China-based research initiative exploited sensors in smartphones to detect erratic in-journey behavior. The US National Highway Traffic Safety Administration estimated in 2010 that 40% of accidents that occurred in the United States in 2008 were related to activity at intersections as dangerous lane-changing.