通過機器學習和邊緣計算檢測“積極駕駛”

已提交了一項新的專利申請，該申請引入了一種創新的方法來遏制交叉路口的侵略性駕駛。該系統利用集成到Civic Edge計算設備中的機器學習算法標誌著從典型的關注用於保險分析的車內系統轉向更面向市政的解決方案。該提案不僅旨在懲罰偏離安全駕駛規範的駕駛員，還旨在向他們提供直接的視聽警告以糾正其行為。

該專利於2021年4月29日在美國專利商標辦公室提交，是密歇根大學董事會與豐田公司的子公司Denso Corporation之間的合作努力。與專注於保險監控的專有系統不同，該系統利用流量連接處的資源良好的邊緣計算節點。這些節點從路邊資源和附近車輛中的傳感器中收集數據，以向駕駛員提供實時可行的反饋。

* Umich專利不是專有旨在保險監督的專有的車內系統，也不是僅旨在生產法醫數據，而是依賴於資源豐富的邊緣計算計算節點部署在交通交叉點上的直接和可行的反饋來提供直接可行的反饋，通過從路邊的計算資源和附近的傳感器中整理出來的數據。 https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

擬議的系統不僅依賴公民基礎設施；它還需要採用車載技術，將汽車轉變為網絡內的主動傳感器。這意味著每個配備系統的汽車都成為交通監控的節點，同時也受到同樣的審查。車內設置需要從車輛的製動器，油門，方向盤，里程表和地圖直接訪問數據。路邊和車載組件都具有啟用CUDA的GPU和本地存儲，以及雲連接。

警告積極進取的司機

當系統檢測到激進的駕駛時，它可以通過車輛的視聽設備發出立即警告。例如，像圖中所示的消息一樣。可能顯示8a，敦促駕駛員放慢腳步。此外，該系統可以提醒駕駛員的速度或迎面型車輛。

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

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

特定於駕駛員的紅燈

交通信號燈管理是一種可減少事故的已知方法，但是該系統通過根據個人駕駛員行為來可能調整燈正時，將其進一步發展。該專利表明，如果系統預測在一個交叉路口進行積極的駕駛，則可以在隨後的十字路口中先發出燈光為紅色，從而鼓勵駕駛員放慢速度。

進入駕駛員隱私

儘管過去對車內監控系統的建議集中在生物識別指標和情緒認識上以影響駕駛員行為，這通常與保險費或事故調查有關，但密歇根州/丹森的建議通過車輛標準的變化來傾向於州協作。跨州線實施這樣的系統提出了挑戰，這表明需要聯邦或至少協調的州行動。

*使用經常性神經網絡（RNN），針對系統提出的機器學習體系結構的說明。該框架使用無監督的學習並提供實時反饋，但也為離線培訓提供了基於傳入數據和事件的算法的準備。動態時間扭曲（DTW）促進了攻擊性駕駛行為的識別，這是一種時間序列分析中使用的算法，用於比較可能會變化的兩個時間序列或對象序列。 ******************************

收入流

該系統可能是第一個在能夠自動發行罰款或提醒當局的公民框架內實時分析積極駕駛的人。但是，人們擔心這可能會被渴望收入的市政當局濫用。密歇根大學的助理教授Neda Masoud強調了安全性與虛假警報的重要性，但強調需要機制以允許駕駛員挑戰錯誤指控。

該系統旨在通過觀察附近配備的車輛和交叉裝置來處理攻擊性駕駛活動。這可能涉及其他方法，例如車牌識別，儘管專利沒有明確提及這一點。

交叉點：高風險

鑑於這些地區是交通事故的熱點，關注密歇根州專利的交叉點是戰略性的。這與先前的研究相吻合，例如使用支持向量機的中國研究來檢測危險的車道變化或智能手機傳感器以識別不穩定的駕駛。美國國家公路交通安全管理局2010年的估計，2008年美國事故的40％發生在交叉路口，這突顯了此類舉措的相關性。