Erkennen von "aggressives Fahren" mit maschinellem Lernen und Edge Computing

Eine neue Patentanmeldung wurde eingereicht, die einen innovativen Ansatz zur Eindämmung aggressiven Fahrverhaltens an Kreuzungen vorstellt. Dieses System, das Machine-Learning-Algorithmen in kommunale Edge-Computing-Geräte integriert, markiert eine Abkehr vom üblichen Fokus auf fahrzeuginterne Systeme für Versicherungsanalysen hin zu einer stärker kommunal orientierten Lösung. Dieses Vorhaben zielt nicht nur darauf ab, Fahrer zu bestrafen, die von sicheren Fahrnormen abweichen, sondern ihnen auch unmittelbare audiovisuelle Warnungen im Fahrzeug zu geben, um ihr Verhalten zu korrigieren.

Das Patent, eingereicht am 29. April 2021 beim US Patent and Trademark Office, ist eine gemeinsame Anstrengung des Board of Regents der University of Michigan und der Denso Corporation, einer Tochtergesellschaft von Toyota. Im Gegensatz zu proprietären Systemen, die auf Versicherungsüberwachung fokussiert sind, nutzt dieses System gut ausgestattete Edge-Computing-Knoten an Verkehrsstellen. Diese Knoten sammeln Daten sowohl von Ressourcen am Straßenrand als auch von Sensoren in nahegelegenen Fahrzeugen, um Fahrern Echtzeit-Feedback mit Handlungsempfehlungen zu bieten.

*Das UMich-Patent ist kein proprietäres, fahrzeuginternes System zur Versicherungsüberwachung und auch nicht ausschließlich zur Erstellung forensischer Daten gedacht, sondern stützt sich auf gut ausgestattete Edge-Computing-Knoten, die an Verkehrskreuzungen eingesetzt werden, um unmittelbares und umsetzbares Feedback zu liefern, indem Daten von Ressourcen am Straßenrand und von Sensoren in nahegelegenen Fahrzeugen gesammelt werden.* Quelle: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Das vorgeschlagene System stützt sich nicht nur auf kommunale Infrastruktur; es erfordert auch Technologie im Fahrzeug, die Autos zu aktiven Sensoren innerhalb des Netzwerks macht. Das bedeutet, dass jedes mit dem System ausgestattete Fahrzeug ein Knotenpunkt für die Verkehrsüberwachung wird, während es gleichzeitig derselben Überprüfung unterliegt. Die fahrzeuginterne Einrichtung erfordert direkten Zugriff auf Daten von Bremsen, Gaspedal, Lenkrad, Kilometerzähler und Karten des Fahrzeugs. Sowohl die Komponenten am Straßenrand als auch die im Fahrzeug verfügen über CUDA-fähige GPUs und lokalen Speicher sowie Cloud-Konnektivität.

Warnungen für aggressive Fahrer

Wenn das System aggressives Fahren erkennt, kann es unmittelbare Warnungen über die audiovisuellen Geräte des Fahrzeugs ausgeben. Zum Beispiel könnte eine Nachricht wie in FIG. 8A gezeigt wird angezeigt werden, die den Fahrer auffordert, langsamer zu fahren. Zusätzlich kann das System Fahrer auf ihre Geschwindigkeit oder entgegenkommende Fahrzeuge aufmerksam machen.

*Warnungen, die in der Patentanmeldung dargestellt sind.* Quelle: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

In einigen Szenarien könnte das System alle verfügbaren audiovisuellen Geräte nutzen, einschließlich des Smartphones des Fahrers, um Warnungen auszugeben.

Fahrerspezifische rote Ampeln

Die Verwaltung von Verkehrsampeln ist eine bekannte Methode zur Reduzierung von Unfällen, aber dieses System geht einen Schritt weiter, indem es möglicherweise die Ampelzeiten basierend auf dem Verhalten einzelner Fahrer anpasst. Das Patent legt nahe, dass, wenn das System aggressives Fahren an einer Kreuzung vorhersagt, es präventiv die Ampeln an nachfolgenden Kreuzungen auf Rot schalten könnte, um den Fahrer zum Langsamerfahren zu bewegen.

Eingriffe in die Fahrerdatenschutz

Während frühere Vorschläge für fahrzeuginterne Überwachungssysteme sich auf biometrische Indikatoren und Emotionserkennung konzentrierten, um das Fahrerverhalten zu beeinflussen, oft in Verbindung mit Versicherungsprämien oder Unfalluntersuchungen, setzt der Michigan/Denso-Vorschlag auf eine Zusammenarbeit mit dem Staat durch Änderungen in den Fahrzeugstandards. Die Implementierung eines solchen Systems über Staatsgrenzen hinweg stellt Herausforderungen dar und deutet auf die Notwendigkeit einer bundesweiten oder zumindest koordinierten staatlichen Maßnahme hin.

*Eine Illustration der vorgeschlagenen Machine-Learning-Architektur für das System, die Recurrent Neural Networks (RNN) verwendet. Das Framework nutzt unüberwachtes Lernen und liefert Echtzeit-Feedback, sieht aber auch offline Training vor, um Algorithmen basierend auf eingehenden Daten und Ereignissen zu verbessern. Die Identifikation aggressiven Fahrverhaltens wird durch Dynamic Time Warping (DTW) erleichtert, einen Algorithmus, der in der Zeitreihenanalyse verwendet wird, um zwei temporale Serien oder Objektsequenzen zu vergleichen, die in der Geschwindigkeit variieren können.*

Einnahmequelle

Dieses System könnte das erste sein, das eine Echtzeit-Analyse aggressiven Fahrens innerhalb eines kommunalen Rahmens bietet, der in der Lage ist, automatisch Bußgelder auszustellen oder Behörden zu alarmieren. Es gibt jedoch die Sorge, dass es von Kommunen, die auf Einnahmen aus sind, missbraucht werden könnte. Neda Masoud, Assistenzprofessorin an der University of Michigan, betonte die Bedeutung der Sicherheit gegenüber Fehlalarmen, hob aber die Notwendigkeit von Mechanismen hervor, die es Fahrern ermöglichen, unberechtigte Anschuldigungen anzufechten.

Das System ist darauf ausgelegt, aggressive Fahrvorgänge auch von Fahrzeugen ohne bordeigene Einheiten zu behandeln, indem es ausgestattete nahegelegene Fahrzeuge und Kreuzungsinstallationen beobachtet. Dies könnte andere Methoden wie die Kennzeichenerkennung umfassen, obwohl das Patent dies nicht explizit erwähnt.

Kreuzungen: Ein hohes Risiko

Der Fokus auf Kreuzungen im Michigan-Patent ist strategisch, da diese Bereiche Hotspots für Verkehrsunfälle sind. Dies steht im Einklang mit früheren Forschungen, wie chinesischen Studien, die Support Vector Machines verwenden, um gefährliche Spurwechsel zu erkennen, oder Smartphone-Sensoren, um erratisches Fahren zu identifizieren. Die Schätzung der US National Highway Traffic Safety Administration von 2010, dass 40% der Unfälle in den USA im Jahr 2008 an Kreuzungen stattfanden, unterstreicht die Relevanz solcher Initiativen.