Détecter la «conduite agressive» avec l'apprentissage automatique et l'informatique de bord

Une nouvelle demande de brevet a été déposée qui introduit une approche innovante pour freiner la conduite agressive aux intersections. Ce système, utilisant des algorithmes d'apprentissage automatique intégrés dans les dispositifs informatiques Civic Edge, marque un passage de l'accent typique sur les systèmes en voiture conçus pour l'analyse d'assurance vers une solution plus orientée municipale. Cette proposition vise non seulement à pénaliser les conducteurs qui s'écartent des normes de conduite sûres, mais aussi de leur fournir des avertissements audiovisuels immédiats dans la voiture pour corriger leur comportement.

Le brevet, déposé le 29 avril 2021, au US Patent and Trademark Office, est un effort de collaboration entre le Board of Regents de l'Université du Michigan et Denso Corporation, une filiale de Toyota. Contrairement aux systèmes propriétaires axés sur la surveillance de l'assurance, ce système exploite les nœuds informatiques de bord bien ressourcés aux jonctions de la circulation. Ces nœuds collectent des données des ressources en bordure de route et des capteurs à l'intérieur des véhicules à proximité pour offrir des commentaires en temps réel et exploitables aux conducteurs.

* Le brevet UMICH n'est pas un système propriétaire en voiture destiné à la surveillance de l'assurance, ni conçu uniquement pour produire des données médico-légales, mais s'appuie plutôt sur des nœuds informatiques de bord bien recouverts déployés aux intersections de la circulation pour fournir des commentaires immédiats et exploitables, en collant des données à partir des ressources de calcul des bords routières et des capteurs installés dans les véhicules voisins. https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Le système proposé ne dépend pas seulement de l'infrastructure civique; Il nécessite également la technologie des véhicules, transformant les voitures en capteurs actifs dans le réseau. Cela signifie que chaque voiture équipée du système devient un nœud pour la surveillance du trafic, tout en étant soumis au même examen minutieux. La configuration dans la voiture nécessite un accès direct aux données des freins du véhicule, de l'accélérateur, du volant, de l'odomètre et des cartes. Les composants en bordure de route et dans les véhicules comportent des GPU compatibles CUDA et du stockage local, parallèlement à la connectivité cloud.

Avertissements pour les conducteurs agressifs

Lorsque le système détecte une conduite agressive, elle peut émettre des avertissements immédiats via les appareils audiovisuels du véhicule. Par exemple, un message comme celui illustré sur la Fig. 8a peut être affiché, exhortant le conducteur à ralentir. De plus, le système peut alerter les conducteurs sur leur vitesse ou ses véhicules venant en sens inverse.

* Avertissements illustrés dans la demande de brevet. * Source: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

Dans certains scénarios, le système peut utiliser tous les appareils audiovisuels disponibles, y compris le smartphone du pilote, pour émettre des avertissements.

Feux rouges spécifiques au conducteur

La gestion des feux de circulation est une méthode connue pour réduire les accidents, mais ce système va plus loin en ajustant potentiellement des horaires lumineux en fonction du comportement individuel du conducteur. Le brevet suggère que si le système prédit une conduite agressive à une intersection, elle pourrait changer de manière préventive les lumières aux intersections suivantes en rouge, encourageant le conducteur à ralentir.

Incurse dans la confidentialité du conducteur

Bien que les propositions antérieures pour les systèmes de surveillance dans les voitures se soient concentrées sur les indicateurs biométriques et la reconnaissance des émotions pour influencer le comportement des conducteurs, souvent liés aux primes d'assurance ou aux enquêtes sur les accidents, la proposition du Michigan / Denso penche vers la collaboration de l'État par des changements dans les normes de véhicules. La mise en œuvre d'un tel système à travers les lignes d'État pose des défis, suggérant un besoin d'action de l'État fédérale ou du moins coordonnée.

* Une illustration de l'architecture d'apprentissage automatique proposée pour le système, en utilisant des réseaux de neurones récurrents (RNN). Le cadre utilise un apprentissage non supervisé et fournit des commentaires en temps réel, mais prévoit également une formation hors ligne pour améliorer les algorithmes basés sur des données et des événements entrants. L'identification du comportement de conduite agressive est facilitée par la déformation temporelle dynamique (DTW), un algorithme utilisé dans l'analyse des séries chronologiques pour comparer deux séries temporelles ou séquences d'objets qui peuvent varier en vitesse. *

Flux de revenus

Ce système pourrait être le premier à proposer une analyse en temps réel de la conduite agressive dans un cadre civique capable d'émettre automatiquement des amendes ou d'alerter les autorités. Cependant, il est préoccupé par le fait qu'il puisse être utilisé à mauvais escient par les municipalités désireuses de revenus. Neda Masoud, professeur adjoint à l'Université du Michigan, a souligné l'importance de la sécurité sur les fausses alarmes, mais a souligné la nécessité de mécanismes pour permettre aux conducteurs de contester les accusations injustifiées.

Le système est conçu pour gérer des événements de conduite agressifs même à partir de véhicules sans unités embarquées en observant des véhicules à proximité équipés et des installations d'intersection. Cela pourrait impliquer d'autres méthodes comme la reconnaissance des plaques d'immatriculation, bien que le brevet ne le mentionne pas explicitement.

Intersections: un risque élevé

L'accent mis sur les intersections dans le brevet du Michigan est stratégique, étant donné que ces zones sont des points chauds pour les incidents de trafic. Cela s'aligne sur les recherches antérieures, telles que les études chinoises utilisant des machines de vecteur de support pour détecter les changements de voie dangereux ou les capteurs de smartphone pour identifier la conduite erratique. L'estimation de 2010 de la US National Highway Traffic Safety Administration que 40% des accidents américains de 2008 se sont produits aux intersections soulignent la pertinence de ces initiatives.