通過機器學習和邊緣計算檢測“積極駕駛”

一項新的專利申請已提交，提出了一種創新的方法，以遏制交叉路口的激進駕駛行為。該系統利用整合於城市邊緣計算設備中的機器學習算法，標誌著從專注於保險分析的車內系統轉向更以市政為導向的解決方案。這項提案不僅旨在懲罰偏離安全駕駛規範的駕駛者，還為他們提供即時的車內視聽警告，以糾正其行為。

該專利於2021年4月29日在美國專利與商標局提交，是密西根大學董事會與Toyota子公司Denso Corporation的合作成果。與專注於保險監控的專有系統不同，該系統利用部署在交通路口的資源充足的邊緣計算節點。這些節點從路側資源和附近車輛的感測器收集數據，為駕駛者提供即時、可操作的反饋。

*密西根大學的專利並非專有的車內系統，旨在進行保險監控，也非僅用於生成鑑識數據，而是依賴部署在交通路口的資源充足的邊緣計算節點，通過整合路側邊緣計算資源和附近車輛感測器的數據，提供即時且可操作的反饋。* 來源：https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

該系統不僅依賴城市基礎設施，還需要車內技術，將汽車轉化為網絡中的主動感測器。這意味著每輛配備該系統的汽車都成為交通監控的節點，同時也受到相同的監控。車內設置需要直接存取車輛的剎車、油門、方向盤、里程表和地圖數據。路側和車內組件均配備支持CUDA的GPU和本地存儲，以及雲端連接。

對激進駕駛者的警告

當系統檢測到激進駕駛行為時，它可以通過車輛的視聽設備發出即時警告。例如，可能會顯示如圖8A所示的信息，敦促駕駛者減速。此外，系統還可以警告駕駛者關於其車速或迎面而來的車輛。

*專利申請中描述的警告。* 來源：https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

在某些情況下，系統可能會使用任何可用的視聽設備，包括駕駛者的智能手機，來發出警告。

針對駕駛者的紅燈

交通燈管理是減少事故的已知方法，但該系統更進一步，可能根據個別駕駛者的行為調整燈光時序。專利建議，如果系統預測某個交叉路口存在激進駕駛行為，它可能會預先將後續交叉路口的燈光變為紅燈，鼓勵駕駛者減速。

駕駛者隱私的挑戰

過去的車內監控系統提案多聚焦於生物識別指標和情緒識別，以影響駕駛者行為，通常與保險費或事故調查相關，而密西根/Denso的提案則傾向於通過改變車輛標準與州政府合作。在州際間實施這樣的系統存在挑戰，表明需要聯邦或至少協調的州行動。

*系統提出的機器學習架構圖示，使用循環神經網絡（RNN）。該框架使用無監督學習並提供即時反饋，但也為離線訓練提供準備，以根據輸入數據和事件改進算法。激進駕駛行為的識別由動態時間規整（DTW）算法促進，該算法用於時間序列分析，以比較兩個可能在速度上變化的時間序列或對象序列。*

收入來源

該系統可能是首個在城市框架內提供激進駕駛即時分析的系統，能自動發出罰款或警告當局。然而，有人擔心市政府可能為了收入而濫用該系統。密西根大學助理教授Neda Masoud強調安全優先於誤報的重要性，但也強調需要建立機制，讓駕駛者能夠對錯誤指控提出異議。

該系統設計為即使沒有車載單元的車輛，也能通過觀察附近配備系統的車輛和交叉路口設施來處理激進駕駛事件。這可能涉及其他方法，如車牌識別，儘管專利未明確提及。

交叉路口：高風險區域

密西根專利聚焦於交叉路口的策略性選擇，因為這些區域是交通事故的熱點。這與先前研究一致，例如中國使用支持向量機檢測危險車道變更或使用智能手機感測器識別不穩定駕駛的研究。美國國家公路交通安全管理局2010年估計，2008年美國40%的事故發生在交叉路口，這凸顯了此類舉措的相關性。