Home / ML Machine Learning / Il rilevamento della guida aggressiva con machine learning e edge computing 

Il rilevamento della guida aggressiva con machine learning e edge computing 

 

Una recente domanda di brevetto ha proposto un sistema per identificare il “comportamento di guida aggressivo” agli svincoli utilizzando algoritmi di apprendimento automatico implementati nei dispositivi di edge computing civico.

In contrasto con le recenti innovazioni della ricerca AI sull’analisi della “ rabbia da strada ” a bordo del veicolo ( intesa principalmente a beneficio delle compagnie di assicurazione), il sistema proposto è invece di natura municipale e potrebbe essere finalizzato a facilitare le sanzioni per i conducenti non conformi alle norme ambientali di comportamento del conducente “sicuro”. È anche specificamente inteso a fornire ai conducenti cattivi i relativi avvisi audiovisivi in ​​auto.

Il brevetto è stato depositato presso l’Ufficio brevetti e marchi degli Stati Uniti il ​​29 aprile 2021 per conto del Board Of Regents dell’Università del Michigan e della Denso Corporation , un produttore giapponese di componenti automobilistici di proprietà di Toyota.

Il brevetto UMich non è un sistema in-car proprietario finalizzato alla supervisione assicurativa, né progettato esclusivamente per produrre dati forensi, ma si basa piuttosto su nodi di edge computing con risorse adeguate distribuiti agli incroci del traffico per fornire un feedback immediato e utilizzabile, raccogliendo dati da risorse informatiche a bordo strada e dai sensori installati nei veicoli vicini. Fonte: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf
Il quadro proposto non è del tutto passivo o dipendente dall’attrezzatura civica, ma richiederebbe anche tecnologie a bordo del veicolo in grado di trasformare le automobili in sensori che contribuiscono al sistema. In effetti, questo trasformerebbe ogni veicolo equipaggiato in un nodo di monitoraggio del traffico, sebbene la stessa supervisione verrebbe rivolta anche al conducente stesso, con l’ulteriore vantaggio di accedere ai flussi di dati a bordo del veicolo. Lo schema per l’installazione in auto (nella foto in basso a destra) presentato nel brevetto include i dati dei sensori diretti dai freni del veicolo, dall’acceleratore, dal volante e dal contachilometri, oltre a richiedere l’accesso ai dati delle mappe.

 Sia le installazioni su strada che a bordo del veicolo dispongono di GPU abilitate per CUDA e risorse di archiviazione locali, ed entrambe dispongono di connettività cloud.

Avvertenze per conducenti aggressivi
Secondo la domanda di brevetto, il sistema è progettato per interagire con un guidatore irritabile:

“Quando il sistema per la previsione del comportamento di guida aggressivo 1 prevede una guida aggressiva in un veicolo soggetto, un messaggio di avviso come l’avvertimento in FIG. 8A può essere trasmesso al dispositivo audiovisivo 413 nel veicolo in questione per avvertire un guidatore aggressivo di rallentare. ‘

Ulteriori potenziali avvisi includono avvisi in auto per velocità e veicoli in arrivo:

Avvertenze raffigurate nella domanda di brevetto. Fonte: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf
Il brevetto afferma che in un altro possibile scenario, qualsiasi dispositivo audiovisivo disponibile (inclusi gli smartphone di proprietà del conducente) nel veicolo può essere utilizzato per fornire avvisi, compresi gli avvisi acustici.

Luci rosse specifiche del conducente
È noto da tempo che la modifica delle frequenze e del comportamento dei semafori degli incroci è un metodo per ridurre gli incidenti e il sistema proposto può essere utilizzato per generare dati che possono cambiare il modo in cui funzionano i semafori agli incroci a un livello molto ampio.

Tuttavia, la profonda integrazione dell’infrastruttura e dei dati del veicolo prevista nella proposta del Michigan offre un’altra possibilità: luci rosse che sono dettate dal comportamento del conducente, piuttosto che gestite a memoria o in base a un programma (vedere la sezione prolix [0157] nel brevetto applicazione ).

“ Inoltre, se lo schema di guida a un incrocio (ad esempio, l’incrocio 200a) prevede e / o indica una guida aggressiva nel veicolo 71, si possono impiegare misure correttive come il controllo degli elementi di controllo agli incroci successivi (ad esempio, gli incroci 200b e 200c) per controllare e mitigare il comportamento di guida aggressivo. Ad esempio, se il sistema per prevedere il comportamento di guida aggressivo 1 prevede che il veicolo 71 possa passare con il rosso all’incrocio 200a, il sistema per prevedere il comportamento di guida aggressivo 1 può emettere un segnale di controllo per controllare lo stato/fase del controllo del traffico segnali 202b e 202c agli incroci 200b e 200c. In tal modo, i segnali di controllo del traffico 202b e 202c possono cambiare in rosso, ad esempio,

Incursioni nella privacy del conducente

Le proposte di sistemi di monitoraggio del conducente a bordo del veicolo nell’ultimo decennio hanno sfruttato algoritmi di visione artificiale per il riconoscimento delle emozioni , insieme ad altri indicatori biometrici, per produrre sistemi progettati per avere un “ effetto agghiacciante ” sui conducenti ostinati, poiché un comportamento errato del conducente potrebbe influenzare i premi assicurativi del conducente nell’ambito di tali programmi, oppure essere utilizzato come prova in un’indagine su un incidente.

Al contrario, la proposta Michigan / Denso sembra destinata a una qualche forma di collaborazione statale attraverso cambiamenti negli standard obbligatori per i veicoli. Tuttavia, data la mobilità della popolazione statunitense in tempi normali e il fatto che un tale sistema sarebbe più applicabile per i conducenti a lunga distanza, come i conducenti di camion, è difficile vedere come sarebbe fattibile qualcosa di meno di un’implementazione federale , a meno che il quadro non sia progettato per diventare inattivo oltre i confini degli stati non partecipanti o tra le contee che non supportano il programma.

Sebbene tali innovazioni siano generalmente guidate dalla crescente tendenza delle compagnie di assicurazione a premiare i titolari di polizze disposti a installare apparecchiature di monitoraggio, la necessità di infrastrutture civiche non si adatta esattamente a quel modello, suggerendo che un tale sistema avrebbe bisogno di supporto legislativo e finanziamenti federali o statali .

Un’illustrazione dell’architettura di machine learning proposta per il sistema, utilizzando Recurrent Neural Networks ( RNN ). Sebbene il framework utilizzi anche l’ apprendimento non supervisionato e fornisca feedback in tempo reale, prevede anche l’addestramento offline per migliorare gli algoritmi basati sui dati e sugli eventi in arrivo. L’identificazione del comportamento di guida aggressivo è facilitata dal Dynamic Time Warping (DTW), un algoritmo utilizzato nell’analisi delle serie temporali per confrontare due serie temporali o sequenze di oggetti che possono variare in velocità.
Flusso di entrate
Il sistema proposto nel brevetto potrebbe essere il primo del suo genere a offrire un’analisi in tempo reale del comportamento del conducente errante in un quadro civico in grado di emettere automaticamente multe e sanzioni, o di allertare le autorità, in caso di incidenti di guida veramente pericolosi. Tuttavia, gli inventori ammettono che potrebbe essere usato impropriamente come mucca da soldi da parte delle autorità municipali assetate di reddito.

Neda Masoud, assistente professore presso il Dipartimento di ingegneria civile e ambientale dell’Università del Michigan, ha dichiarato a The Academic Times che “i falsi allarmi sono un piccolo prezzo da pagare per il maggiore livello di sicurezza che la tecnologia può fornire. Detto questo, dovrebbe sempre esserci un’opportunità per gli accusati ingiustamente di difendersi da qualsiasi falsa accusa di guida aggressiva ” .

La domanda di brevetto riconosce la possibilità di eventi di guida aggressivi che coinvolgono veicoli che non sono dotati di unità di bordo (OBU), che possono essere affrontati dall’osservazione esterna di veicoli adiacenti o vicini che hanno le attrezzature, nonché gli impianti di intersezione. In tali casi, l’identificazione verrebbe presumibilmente predefinita per altri metodi, come la lettura automatica delle targhe (sebbene la domanda di brevetto non si occupi di questo).

Intersezioni ad alto rischio
Il brevetto del Michigan affronta il comportamento spericolato agli incroci, poiché questi sono un luogo di incidenti stradali e infrazioni, mentre la precedente ricerca cinese su linee simili ha utilizzato l’analisi del vettore di supporto (SVM) per identificare eventi in transito , come il cambio di corsia pericoloso. Un’altra iniziativa di ricerca con sede in Cina ha sfruttato i sensori negli smartphone per rilevare comportamenti irregolari durante il viaggio.

La National Highway Traffic Safety Administration degli Stati Uniti ha stimato nel 2010 che il 40% degli incidenti verificatisi negli Stati Uniti nel 2008 erano legati all’attività agli incroci.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi