使用机器学习和边缘计算检测“激进驾驶”

最近的一项专利申请提出了一种使用机器学习算法的系统，部署在城市边缘计算设备中，用于识别交叉路口的“激进驾驶行为”。

与最近的AI研究创新相比，主要针对车内“道路愤怒”分析（主要用于保险公司的利益），该系统是市政性的，可能旨在为不遵守“安全”驾驶行为的驾驶员施加罚款。它还旨在为不良驾驶员提供相关的车内音视频警报。

该专利于2021年4月29日在美国专利和商标局提交，由密歇根大学董事会和日本汽车零部件制造商Denso公司共同提出，后者由丰田所有。

密歇根大学专利不是一种专有的、车内系统，旨在保险监督，也不是仅用于产生法医数据，而是依赖于部署在交叉路口的边缘计算节点，提供立即可行的反馈，通过收集路边边缘计算资源和附近车辆中的传感器数据。来源: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

该框架不仅仅是被动的或依赖于市政设备的，也需要车内技术能够使车辆成为系统的传感器。实际上，这将使每辆配备的车辆成为交通监控节点，但同样的监督也将转向驾驶员本身，并且还将获得车辆的车载数据流。专利中提交的车内安装图（如下右图）包括来自车辆制动器、油门、方向盘和里程表的直接传感器数据，以及需要访问地图数据。

两种安装（路边和车内）都具有CUDA启用的GPU和本地存储资源，并且都具有云连接。

对激进驾驶员的警告

根据专利申请，该系统旨在与激进驾驶员进行交互：

‘当系统预测到激进驾驶行为时，可能会输出警告消息，例如图8A中的警告，到车辆的音视频设备，以警告激进驾驶员减速。’

其他潜在的警告包括车内警报，例如速度和来车警报：

专利申请中的警告。来源: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

专利指出，在另一种可能的场景中，车辆中的任何可用的音视频设备（包括驾驶员拥有的智能手机）都可能用于提供警告，包括音频警告。

驾驶员特定红灯

改变交叉路口交通信号的频率和行为长期以来被认为是减少事故的一种方法，该系统可以用于生成数据，以改变交叉路口交通信号的工作方式。
然而，密歇根大学提出的基础设施和车辆数据的深度集成提供了另一种可能性：由驾驶员行为决定的红灯，而不是按照固定的时间表或预先确定的方式运行（见专利申请中的[0157]部分）。

‘另外，如果一个交叉路口（例如，交叉路口200a）的驾驶模式预测和/或表明车辆71存在激进驾驶行为，则可能会在后续交叉路口（例如，交叉路口200b和200c）采用补救措施，例如控制元素，以控制和减轻激进驾驶行为。例如，如果系统预测车辆71可能会在交叉路口200a闯红灯，则系统可能会输出控制信号，以控制交叉路口200b和200c的交通信号的状态/相位。在这种方式下，交通信号202b和202c可能会在车辆71通过交叉路口200a之前变为红色，以鼓励车辆71减速，不要尝试加速通过交叉路口200b和200c之前信号202b和202c变为红色。’

对驾驶员隐私的侵犯

过去十年中，车内驾驶员监控系统的提议已经利用情感识别计算机视觉算法和其他生物指标，生产出旨在对粗鲁驾驶员产生“寒蝉效应”的系统，因为不当驾驶行为可能会影响驾驶员保险费率，或者被用作事故调查的证据。

相比之下，密歇根大学/德恩索提案似乎是为了某种形式的州合作，通过改变强制性车辆标准。然而，考虑到美国人口的流动性以及这样一个系统最适合长途驾驶员（例如卡车司机），很难看出除了联邦实施之外还会有什么其他可行的解决方案，除非该框架被设计为在非参与州的边界或不支持该计划的县中失效。

虽然这种创新通常是由保险公司推动的，保险公司奖励愿意安装监控设备的保单持有者，但市政基础设施的需求并不完全符合这种模式，表明该系统需要立法支持和联邦或州资金。

所提出的机器学习架构的图示，使用循环神经网络（RNN）。该框架使用无监督学习，并提供实时反馈，但也为离线训练提供了改进算法的机会，基于传入的数据和事件。激进驾驶行为的识别是通过动态时间扭曲（DTW）实现的，DTW是一种用于时间序列分析的算法，用于比较两个时间序列或可能以不同速度变化的对象序列。

收入来源

专利中提出的系统可能是第一种能够在市政框架中提供实时分析的系统，能够自动发出罚单和罚款，或在发生真正危险的驾驶事件时提醒当局。然而，发明者承认它可能被收入饥渴的市政当局滥用。

密歇根大学土木和环境工程系助理教授Neda Masoud告诉《学术时报》，‘虚假报警是为该技术提供的增强安全性的小代价。话虽如此，总应该有机会让被错误指控的驾驶员为自己辩护。’

专利申请承认了激进驾驶事件中可能涉及未配备车载单元（OBUs）的车辆，这可以通过外部观察附近的车辆以及交叉路口安装来解决。在这种情况下，识别可能会默认为其他方法，例如自动车牌识别（尽管专利申请中没有提到）。

交叉路口是高风险区域

密歇根大学专利解决了交叉路口的鲁莽行为，因为这些是交通事件和违法行为的中心，而之前的中国研究使用支持向量机（SVM）分析来识别行程中的事件，例如危险的变道。另一项中国研究利用智能手机传感器来检测行程中的异常驾驶行为。

美国国家公路交通安全管理局估计，2008年在美国发生的40%的事故与交叉路口的活动有关。