Upptäckande av ‘Aggressiv Körning’ Med Maskinlärande och Edge Computing

En nyligen ansökan om patent har föreslagit ett system för att identifiera ‘aggressivt körbeteende’ vid korsningar med hjälp av maskinlärandealgoritmer som distribueras i civic edge computing-enheter.

Till skillnad från de senaste innovationerna inom AI-forskning om ‘vägilska’ analyser i fordon (främst avsedda för försäkringsbolag), är det föreslagna systemet istället kommunalt till sin natur, och kunde syfta till att underlätta straff för förare som inte följer de omgivande normerna för ‘säker’ körbeteende. Det är också särskilt avsett att ge dåliga förare relaterade in-car ljud- och bildvarningar.

Patenten lämnades in till US Patent and Trademark Office den 29 april 2021 på uppdrag av Board Of Regents vid University of Michigan, och Denso corporation, en japansk tillverkare av fordonskomponenter som ägs av Toyota.

The UMich patent is not a proprietary, in-car system aimed at insurance oversight, nor designed solely to produce forensic data, but rather relies on well-resourced edge computing nodes deployed at traffic intersections to provide immediate and actionable feedback, by collating data from roadside edge computing resources and from sensors installed in nearby vehicles. Source: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Det föreslagna ramverket är inte helt passivt eller beroende av kommunal utrustning, men skulle också kräva in-vehicle-teknologier som kan göra fordon till bidragande sensorer för systemet. Effektivt skulle detta göra varje utrustat fordon till en trafikövervakningsnod, även om samma tillsyn också skulle riktas mot föraren själv, med den ytterligare fördelen att ha tillgång till fordonets ombord datasystem. Schemat för in-car-installationen (avbildad till höger) som lämnades in i patentet inkluderar direkt sensordata från fordonets bromsar, gaspedal, ratt och odometer, samt kräver tillgång till kartdata.

Både de vägkant- och in-vehicle-installationerna har CUDA-aktiverade GPU och lokala lagringsresurser, och båda har molntillgänglighet.

Varningsmeddelanden för Aggressiva Förare

Enligt patentansökan är systemet utformat för att interagera med en aggressiv förare:

‘När systemet för att förutsäga aggressivt körbeteende 1 förutsäger aggressivt körbeteende i ett fordon, kan ett varningsmeddelande som varningsmeddelandet i FIG. 8A skickas till ljud- och bildvisningsenheten 413 i fordonet för att varna en aggressiv förare att sakta ner.’

Ytterligare potentiella varningar inkluderar in-car-varningar för hastighet och påkommande fordon:

Varningsmeddelanden som visas i patentansökan. Source: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Patentet säger att i en annan möjlig scenario kan alla tillgängliga ljud- och bildvisningsenheter (inklusive smartphones som ägs av föraren) i fordonet användas för att ge varningar, inklusive ljudvarningar.

Förar-Specifika Röda Ljus

Att ändra frekvenser och beteende hos trafikljus vid korsningar har länge varit känt som en metod för att minska olyckor, och det föreslagna systemet kan användas för att generera data som kan ändra sättet som trafikljus fungerar vid korsningar på en mycket bred nivå.

Men den djupa integrationen av infrastruktur och fordondata som föreslås i Michigan-förslaget erbjuder en annan möjlighet: röda ljus som dikteras av förarens beteende, snarare än att köras av rutin eller schema (se den långa avdelningen [0157] i patentansökan).

‘Om körningsmönstret vid en korsning (t.ex. korsningen 200a) förutsäger och/eller indikerar aggressivt körbeteende i fordonet 71, kan åtgärder som kontroll av kontroll-element användas vid efterföljande korsningar (t.ex. korsningarna 200b och 200c) för att kontrollera och mildra aggressivt körbeteende. Till exempel, om systemet för att förutsäga aggressivt körbeteende 1 förutsäger att fordonet 71 kan köra förbi ett rött ljus vid korsningen 200a, kan systemet för att förutsäga aggressivt körbeteende 1 skicka en kontrollsignal för att kontrollera tillstånd/fasen hos trafikkontrollsignalerna 202b och 202c vid korsningarna 200b och 200c. På så sätt kan trafikkontrollsignalerna 202b och 202c ändras till rött, till exempel, innan fordonet 71 passerar korsningen 200a för att uppmuntra fordonet 71 att sakta ner och inte försöka köra förbi korsningarna 200b och 200c innan signalerna 202b och 202c ändras till rött.’

Ingångar i Förar-Integritet

Förslag för in-vehicle-förarövervakningssystem under det senaste decenniet har utnyttjat emotionigenkänning datorseendealgoritmer, tillsammans med andra biometiska indikatorer, för att producera system som är avsedda att ha en ‘avskräckande effekt’ på obstinata förare, eftersom felaktigt förarbeteende kunde påverka försäkringspremier under sådana system, eller användas som bevis i en olycksutredning.

Till skillnad från detta verkar Michigan/Denso-förslaget vara avsett för någon form av statlig samverkan genom ändringar i obligatoriska fordonstandarder. Men med tanke på den amerikanska befolkningens rörlighet under normala omständigheter, och det faktum att ett sådant system skulle vara mest tillämpligt för långväga förare, såsom lastbilsförare, är det svårt att se hur något annat än en federal implementering skulle vara genomförbar, såvida ramverket inte är utformat för att bli inaktivt över icke-deltagande delstaters gränser, eller över län som inte stöder systemet.

Sådana innovationer drivs vanligtvis av den ökande trenden för försäkringsbolag att belöna försäkringstagare som är villiga att installera övervakningsutrustning, men behovet av kommunal infrastruktur passar inte riktigt in i den modellen, vilket tyder på att ett sådant system skulle behöva lagstöd och federal eller statlig finansiering.

En illustration av den maskinlärande-arkitektur som föreslås för systemet, med hjälp av Recurrent Neural Networks (RNN). Ramverket använder sig av oövervakat lärande och ger realtidsåterkoppling, men gör också provision för offline-utbildning för att förbättra algoritmerna baserat på inkommande data och händelser. Identifieringen av aggressivt körbeteende underlättas av Dynamic Time Warping (DTW), en algoritm som används i tidsserieanalys för att jämföra två tidsmässiga serier eller sekvenser av objekt som kan variera i hastighet.

Inkomstström

Det system som föreslås i patentet kunde vara det första i sitt slag som erbjuder realtidsanalys av felaktigt förarbeteende i ett kommunalt ramverk som kan automatiskt utfärda böter och straff, eller varna myndigheter, i händelse av verkligt farligt förarbeteende. Men uppfinnarna medger att det kunde missbrukas som en kassako av inkomst-hungriga kommunala myndigheter.

Neda Masoud, biträdande professor vid Institutionen för civil- och miljöteknik vid University of Michigan, sa till The Academic Times att ‘Falska larm är ett litet pris att betala för den förbättrade säkerhetsnivån som tekniken kan ge. Det bör dock alltid finnas en möjlighet för de felaktigt anklagade att försvara sig mot eventuella falska påståenden om aggressivt körbeteende,’.

Patentansökan erkänner möjligheten för aggressivt körbeteende som involverar fordon som inte är utrustade med on-board-enheter (OBUs), vilket kan åtgärdas genom extern observation av intilliggande eller närliggande fordon som har utrustningen, samt korsningsinstallationerna. I sådana fall skulle identifieringen förmodligen som standard använda andra metoder, såsom automatisk läsning av registreringsskyltar (även om patentansökan inte behandlar detta).

Korsningar En Hög Risk

Michigan-patenten behandlar vårdslöst beteende vid korsningar, eftersom dessa är en locus för trafikincidenter och förseelser, medan tidigare kinesisk forskning i liknande riktning har använt support vector machine (SVM)-analys för att identifiera händelser under färd, såsom farligt filbyte. En annan kinesisk forskningsinitiativ utnyttjade sensorer i smartphones för att upptäcka oregelbundet beteende under färd.

Den amerikanska nationella trafiksäkerhetsmyndigheten uppskattade 2010 att 40% av olyckor som inträffade i USA 2008 var relaterade till aktivitet vid korsningar.