Обнаружение «агрессивного вождения» с помощью машинного обучения и краевых вычислений

Была подана новая патентная заявка, которая внедряет инновационный подход для обуздания агрессивного вождения на пересечениях. Эта система, использующая алгоритмы машинного обучения, интегрированные в вычислительные устройства Civic Edge, отмечает переход от типичного фокуса на автомобильных системах, предназначенных для страховой аналитики, к более муниципально ориентированному решению. Это предложение направлено не только на то, чтобы наказывать водителей, которые отклоняются от безопасных норм вождения, но и для того, чтобы предоставить им немедленные аудиовизуальные предупреждения на автомобиле, чтобы исправить их поведение.

Патент, поданный 29 апреля 2021 года, в Управление по патентам и товарным знакам США, является совместной задачей совета директоров регентов Мичиганского университета и Denso Corporation, дочерней компании Toyota. В отличие от собственных систем, ориентированных на мониторинг страхования, эта система использует хорошо ресурсные вычислительные узлы на дорожно-транспортных происшествиях. Эти узлы собирают данные как из придорожных ресурсов, так и датчиков в близлежащих транспортных средствах, чтобы предложить действенную обратную связь в режиме реального времени для водителей.

* Патент Umich не является собственной системой в автомобиле, предназначенной для страхового надзора, и не разработана исключительно для получения судебных данных, а скорее полагается на хорошо ресурсные вычислительные узлы, развернутые на перекрестках трафика, чтобы обеспечить непосредственные и действенные отзывы, путем сопоставления данных из расчетных ресурсов для придорожного края и от датчиков, установленных в близлежащих транспортных средствах.* Источник: Источник: Источник: Источник. https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Предлагаемая система не просто зависит от гражданской инфраструктуры; Это также требует технологии в транспортных средствах, превращая автомобили в активные датчики в сети. Это означает, что каждый автомобиль, оснащенный системой, становится узлом для мониторинга трафика, а также подвергается тому же тщательному контролю. Настройка автомобилей требует прямых доступа к данным из тормозов автомобиля, дроссельной заслонки, рулевого колеса, одометра и карт. Компоненты как на обочине дороги, так и в транспортных средствах оснащены графическими процессорами с поддержкой CUDA и локальным хранилищем, наряду с облачным подключением.

Предупреждения для агрессивных водителей

Когда система обнаруживает агрессивное вождение, она может выдавать немедленные предупреждения через аудиовизуальные устройства автомобиля. Например, сообщение, подобное тому, что показано на рис. 8a может быть отображен, призывая водителя замедлиться. Кроме того, система может предупредить драйверов об их скорости или встречных транспортных средствах.

* Предупреждения, изображенные в патентной заявке.

В некоторых сценариях система может использовать любые доступные аудиовизуальные устройства, в том числе смартфон водителя, для выпуска предупреждений.

Специфичные для водителя красные огни

Управление светом светофора является известным методом снижения несчастных случаев, но эта система делает еще один шаг, потенциально регулируя время света на основе поведения индивидуального водителя. Патент предполагает, что если система предсказывает агрессивное вождение на одном пересечении, она может превентивно изменить свет на последующих пересечениях на красном, поощряя водителя замедляться.

Въезжает в конфиденциальность водителя

В то время как прошлые предложения для систем мониторинга в автомобиле были сосредоточены на биометрических показателях и распознавании эмоций, чтобы повлиять на поведение водителя, часто связанные с страховыми взносами или расследованием несчастных случаев, предложение Мичигана/Денсо склоняется к государственному сотрудничеству посредством изменений в стандартах транспортных средств. Внедрение такой системы в разных государственных линиях создает проблемы, предлагая необходимость в федеральном или, по крайней мере, скоординированных действиях штата.

*Иллюстрация архитектуры машинного обучения, предложенная для системы с использованием повторяющихся нейронных сетей (RNN). Структура использует неконтролируемое обучение и обеспечивает обратную связь в реальном времени, но также предоставляет офлайн-обучение для улучшения алгоритмов, основанных на входящих данных и событиях. Идентификацию агрессивного вождения облегчается динамическим деформацией времени (DTW), алгоритмом, используемым в анализе временных рядов для сравнения двух временных серий или последовательностей объектов, которые могут варьироваться по скорости.**

Поток доходов

Эта система может быть первой, кто предложит анализ агрессивного вождения в реальном времени в рамках гражданской структуры, способной автоматически выпускать штрафы или предупреждать власти. Тем не менее, есть опасения, что это может быть неправильно использовано муниципалитетами, стремящимися к доходам. Неда Масуд, доцент профессора Мичиганского университета, подчеркнула важность безопасности над ложными тревогами, но подчеркнула необходимость в механизмах, позволяющих водителям бросить вызов неправомерным обвинениям.

Система предназначена для обработки агрессивных событий вождения даже из транспортных средств без встроенных подразделений путем наблюдения за оборудованием близлежащих транспортных средств и пересечений. Это может включать другие методы, такие как распознавание номерных знаков, хотя патент явно не упоминает об этом.

Перекрестки: высокий риск

Основное внимание на перекрестках в патенте в Мичигане является стратегическим, учитывая, что эти области являются горячими точками для инцидентов. Это согласуется с предыдущими исследованиями, такими как китайские исследования с использованием опорных векторных машин для обнаружения опасных изменений полосы движения или датчиков смартфонов для выявления ошибочного вождения. Оценка Национальной администрации по безопасности дорожного движения США в 2010 году в 2010 году 40% несчастных случаев в США произошли на перекрестках, подчеркивает актуальность таких инициатив.