Finansiering

Smartphone-data kombineras med AI för att hjälpa fordon att undvika att köra på fotgängare

mm
Lägg till Unite.AI bland dina föredragna källor på Google

Varje år dör hundratusentals människor i olyckor som involverar motorfordon. Nyligen utvecklade ett AI-startupbolag som heter VizibleZone en metod för att förhindra några av dessa dödsfall. Som rapporterats av VentureBeat, integrerar VizibleZones AI-drivna system data som samlats in av både motorfordon och smartphones för att varna förare om den potentiella platsen för en fotgängare, vilket kan hjälpa förare att undvika tragiska olyckor.

Enligt Världshälsoorganisationen dog cirka 1,5 miljoner människor i trafikolyckor 2018. Mer än hälften av alla dödsfall som är förknippade med dessa olyckor involverade en kollision mellan en fotgängare eller cyklister och ett motorfordon. Under det senaste decenniet har konsumentfordon blivit alltmer avancerade och utrustade med kameror, radar och lidar, som kan upptäcka människor i närheten av eller på en väg. En stor orsak till många dödliga olyckor är dock “den dolda fotgängaren”-problemet, som benämns efter situationer där en fotgängare döljs av ett föremål tills det är för sent.

VizibleZone har utvecklat en potentiell lösning på detta problem, genom att använda data från både smartphones och smarta bilar för att skapa representationer av stadsgator som pekar ut möjliga platser för både bilar och fotgängare. Om en AI-modell bestämmer att det finns en potentiell kollisionsrisk, varnar den föraren av fordonet, som kan vidta lämpliga åtgärder för att undvika en kollision.

Enligt VentureBeat, förklarade Shmulik Barel, medgrundare av VizibleZone, att applikationer baserade på deras programvaruutvecklingskit fungerar genom att samla in stora mängder sensor- och GPS-data, som anonymiseras innan de används. Hundratusentals individer bidrar med sina data till en databas som används för att träna de primära AI-algoritmerna, som skapar beteendeprofiler som tar hänsyn till den omgivning som dessa individer befinner sig i. Medan modellens antaganden om konstanta egenskaper som storleken på föremål och fordon kan vara generella, måste modellen anpassas för att passa den enskilda miljön som applikationerna verkar i. Detta beror på att förare och fotgängare uppvisar olika beteende i olika regioner i världen. För att göra modellen tillförlitlig måste dessa regionala skillnader i beteende beaktas.

När beteendeprofilerna är konstruerade och finjusterade, behöver de som väljer att använda appen bara tillåta appen att sända sin plats. Sändningsinformationen tas emot av fordon som använder VizibleZones programvara. En AI-modell beräknar sedan sannolikheten för en olycka baserat på variabler som vägförhållanden, förarens profil och fotgängarens profil. Om risken för en olycka överstiger en viss tröskel, varnas föraren för den potentiella olyckan ungefär 3 sekunder i förväg.

Barel förklarade att systemet också kan varna fotgängaren för ett möjligt farligt närmande fordon, om användaren vill ta emot sådana meddelanden. AI-systemet kan upptäcka passagerare ungefär 500 fot bort, eller 150 meter bort, i alla väderförhållanden och vid alla tidpunkter på dygnet. En oro är att appen tycks dränera batterilivet med cirka 5% var 24:e timme, även om startupbolaget för närvarande försöker minska den energiförbrukningen med hälften.

Enligt Barel, som intervjuats av VentureBeat, har Uber diskuterat möjligheten att integrera VizibleZones teknologi i sina tjänster för samåkning. Medan ett samarbete med Uber kan ge VizibleZone en stor möjlighet, ligger företagets fokus för närvarande på att förbättra systemets noggrannhet genom att öka antalet enheter som är nätverksanslutna. VizibleZone vill också integrera sin teknologi med andra smarta enheter och stadens infrastruktur, som trafikljus.

Medan enheter som radar, lidar och kameror har lyckats minska antalet olyckor, har det fortfarande inte funnits någon applikation som kan hantera “den dolda fotgängaren”-problemet. Om VizibleZone kan anpassa sin nuvarande modell och ta den till fler platser runt om i världen, kan många liv potentiellt räddas.

Blogger och programmerare med specialområden inom Machine Learning och Deep Learning ämnen. Daniel hoppas på att hjälpa andra att använda kraften från AI för socialt väl.