Upptäcka ‘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 nyliga innovationer inom AI-forskning om in-vehicle ‘vägilska’ analyser (främst avsedda för försäkringsbolag), är det föreslagna systemet istället kommunalt och kan vara avsett 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 visuella varningar.

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

UMich-patenten är inte ett proprietärt, in-car-system avsett för försäkringsövervakning, eller utformat enbart för att producera forensisk data, utan förlitar sig istället på välresurserade edge computing-noder som distribueras vid trafikknutpunkter för att ge omedelbar och handlingsbar återkoppling, genom att samla in data från vägkantens edge computing-resurser och från sensorer installerade i närliggande fordon. Källa: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

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

Både vägkantens och in-vehicle-installationerna har CUDA-aktiverad GPU och lokal lagringsresurs, samt molntillgänglighet.

Varningar 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 en varningsmeddelande, såsom varningen i FIG. 8A, skickas till ljud- och visuella enheten 413 i fordonet för att varna en aggressiv förare att sakta ner.’

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

Varningar som avbildas i patentansökan. Källa: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Patenten säger att i en annan möjlig scenario kan eventuella tillgängliga ljud- och visuella enheter (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 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 enligt schema (se den långa avsnittet [0157] i patentansökan).

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

Intrång I Förar-Integritet

Förslag för in-vehicle-förarövervakningssystem under det senaste decenniet har utnyttjat emotionerkännande datorseendealgoritmer, tillsammans med andra biometriska indikatorer, för att producera system som är avsedda att ha en ‘avkylande effekt’ på obstinata förare, eftersom avvikande förarbeteende kan påverka försäkringspremier under sådana scheman, eller användas som bevis i en olycksutredning.

Det föreslagna systemet verkar 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 mindre än en federal implementering skulle vara genomförbar, såvida inte ramverket är utformat för att bli inaktivt över gränser som inte deltar i systemet, eller över län som inte stöder schemat.

Sådana innovationer drivs vanligtvis av trenden att försäkringsbolag belönar 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 lagstiftningsstöd 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 ostrukturerad lärande och ger realtidsåterkoppling, men gör också provision för offline-träning för att förbättra algoritmer 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 föreslagna systemet i patentansökan kan vara det första i sitt slag som erbjuder realtidsanalys av avvikande förarbeteende i ett kommunalt ramverk som kan automatiskt utfärda böter och straff, eller varna myndigheter, i händelse av farliga förarincidenter. Men uppfinnarna medger att det kan 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 en liten 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 att aggressivt körbeteende kan involvera fordon som inte är utrustade med ombordenheter (OBUs), vilket kan hanteras genom extern observation av intilliggande eller närliggande fordon som har utrustningen, samt korsningsinstallationer. I sådana fall skulle identifieringen förmodligen 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 stödvektor-maskin (SVM) analys för att identifiera under-resa-händelser, såsom farligt filbyte. En annan kinesisk forskningsinitiativ utnyttjade sensorer i smartphones för att upptäcka oregelbundet körbeteende under resan.

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