通过机器学习和边缘计算检测“积极驾驶”
一项新的专利申请已经提交,提出了一种创新方法来遏制交叉路口的激进驾驶行为。该系统利用集成在市政边缘计算设备中的机器学习算法,标志着从传统的专注于保险分析的车内系统转向更面向市政的解决方案。这一提议不仅旨在惩罚偏离安全驾驶规范的司机,还为他们提供即时的车内视听警告以纠正其行为。
该专利于2021年4月29日在美国专利商标局提交,是密歇根大学董事会与丰田子公司Denso Corporation的合作成果。与专注于保险监控的专有系统不同,该系统利用部署在交通路口的资源充足的边缘计算节点。这些节点从路侧资源和附近车辆的传感器中收集数据,为司机提供实时、可操作的反馈。
*密歇根大学专利并非专有的车内系统,旨在进行保险监督,也不是仅为生成取证数据而设计,而是依赖于部署在交通路口的资源充足的边缘计算节点,通过整合路侧边缘计算资源和附近车辆安装的传感器数据,提供即时且可操作的反馈。* 来源:https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf
拟议的系统不仅仅依赖于市政基础设施;它还需要车内技术,将汽车转变为网络中的主动传感器。这意味着每辆配备该系统的汽车都成为交通监控的节点,同时也受到相同的审查。车内设置需要直接访问车辆的刹车、油门、方向盘、里程表和地图数据。路侧和车内组件均配备支持CUDA的GPU和本地存储,以及云连接功能。

对激进司机的警告
当系统检测到激进驾驶行为时,它可以通过车辆的视听设备立即发出警告。例如,可能会显示如图8A所示的消息,敦促司机减速。此外,系统还可以警告司机关于他们的速度或迎面而来的车辆。
*专利申请中描述的警告。* 来源:https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf
在某些情况下,系统可能使用任何可用的视听设备,包括司机的智能手机,发出警告。
针对特定司机的红灯
交通灯管理是减少事故的已知方法,但该系统更进一步,可能会根据个别司机的行为调整灯光时序。专利建议,如果系统预测到某个交叉路口存在激进驾驶行为,它可以预先将后续交叉路口的信号灯变为红灯,鼓励司机减速。
对司机隐私的影响
虽然过去的车内监控系统提案主要关注生物识别指标和情绪识别以影响司机行为,通常与保险费或事故调查相关,但密歇根/Denso的提案倾向于通过车辆标准的改变与州政府合作。在州际实施这样的系统存在挑战,表明需要联邦或至少协调的州行动。
*系统提议的机器学习架构图,使用循环神经网络(RNN)。该框架使用无监督学习并提供实时反馈,同时也为离线训练提供支持,以根据传入数据和事件改进算法。激进驾驶行为的识别通过动态时间规整(DTW)算法实现,该算法用于时间序列分析,比较可能在速度上变化的两个时间序列或对象序列。*
收入来源
该系统可能是第一个在市政框架内提供激进驾驶实时分析的系统,能够自动开出罚单或通知当局。然而,有人担心急于创收的市政当局可能会滥用该系统。密歇根大学助理教授Neda Masoud强调了安全性优先于错误警报的重要性,但也强调需要建立机制,让司机能够对错误指控提出质疑。
该系统设计能够处理来自没有车载单元的车辆的激进驾驶事件,通过观察附近配备的车辆和交叉路口设施。这可能涉及其他方法,如车牌识别,尽管专利未明确提及。
交叉路口:高风险区域
密歇根专利聚焦于交叉路口是战略性的,因为这些区域是交通事故的热点。这与之前的研究一致,例如中国使用支持向量机检测危险车道变更或使用智能手机传感器识别不稳定驾驶。美国国家公路交通安全管理局2010年估计,2008年美国40%的事故发生在交叉路口,凸显了此类举措的相关性。
相关文章
以优化为驱动的人工智能成为通用模型的新路径
伊利诺伊大学厄巴纳-香槟分校与弗吉尼亚大学的研究人员创建了一种新型模型架构,有望为构建更具弹性且推理能力更强的AI系统铺平道路。该架构被命名为基于能量的变压器(EBT),能够自然地利用推理时期的可扩展性来应对复杂挑战。对企业而言,这意味着能够适应新场景且无需专用微调模型的成本高效人工智能应用。系统2思维的挑战心理学将人类认知划分为两种模式:快速直觉的系统1,以及缓慢审慎的系统2。当前大型语言模型(
人工智能热潮引发对互联网泡沫时代的担忧
人工智能领域数十亿美元的投资涌入,引发了一场激烈争论:该行业是否正走向互联网泡沫式的泡沫?投资者正警惕着热情降温的迹象,或芯片与基础设施巨额投入未能带来预期回报的征兆。美银全球研究近期调查凸显了这种谨慎态度:54%的基金经理认为人工智能股票已处于泡沫状态,38%持反对意见。与互联网泡沫的相似之处尽管普遍乐观,质疑者仍质疑人工智能的实质影响,部分人将其斥为虚张声势或即将破灭的泡沫。思科亚太、日本及中
程序记忆降低人工智能代理成本和复杂性
浙江大学和阿里巴巴集团开发的一项新技术为大型语言模型(LLM)代理配备了动态内存,从而提高了它们处理复杂任务的效率和效果。这种方法被命名为 "Memp",它为代理提供了一种 "程序记忆",这种记忆会随着代理经验的积累而不断更新,与人类通过反复练习进行学习的方式如出一辙。 Memp 建立了一个终身学习系统,在这个系统中,特工不再需要为每项新任务从零开始。当它们面对真实世界环境中的新场景时,它们会稳步
相关专题推荐
评论 (16)
0/500
Interesting concept, but how do you differentiate between aggressive driving and defensive maneuvers? At a busy intersection, sudden braking might look aggressive on AI but could just be avoiding a pedestrian. Also, who gets access to this data? 🧐 The privacy implications here are huge if it's feeding back to insurers or law enforcement without clear rules.
Este novo sistema para detectar direção agressiva usando computação de borda é bem legal! Já era hora de focarmos em soluções cívicas em vez de apenas tecnologia dentro do carro. A única desvantagem é que pode não funcionar bem em mau tempo. Ainda assim, um passo na direção certa! 👍
This new system for detecting aggressive driving using edge computing is pretty cool! It's about time we focus on civic solutions rather than just in-car tech. The only downside is it might not work well in bad weather. Still, a step in the right direction! 👍
エッジコンピューティングを使った攻撃的な運転の検出システムはかなりクールですね!車内の技術だけでなく、公共の解決策に焦点を当てる時が来たと思います。ただ、悪天候ではうまく機能しないかもしれません。それでも、正しい方向への一歩です!👍
¡Este nuevo sistema para detectar conducción agresiva usando computación de borde es bastante genial! Ya era hora de que nos enfocáramos en soluciones cívicas en lugar de solo en tecnología dentro del coche. La única desventaja es que puede no funcionar bien en mal tiempo. Aún así, un paso en la dirección correcta! 👍
一项新的专利申请已经提交,提出了一种创新方法来遏制交叉路口的激进驾驶行为。该系统利用集成在市政边缘计算设备中的机器学习算法,标志着从传统的专注于保险分析的车内系统转向更面向市政的解决方案。这一提议不仅旨在惩罚偏离安全驾驶规范的司机,还为他们提供即时的车内视听警告以纠正其行为。
该专利于2021年4月29日在美国专利商标局提交,是密歇根大学董事会与丰田子公司Denso Corporation的合作成果。与专注于保险监控的专有系统不同,该系统利用部署在交通路口的资源充足的边缘计算节点。这些节点从路侧资源和附近车辆的传感器中收集数据,为司机提供实时、可操作的反馈。
*密歇根大学专利并非专有的车内系统,旨在进行保险监督,也不是仅为生成取证数据而设计,而是依赖于部署在交通路口的资源充足的边缘计算节点,通过整合路侧边缘计算资源和附近车辆安装的传感器数据,提供即时且可操作的反馈。* 来源:https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf
拟议的系统不仅仅依赖于市政基础设施;它还需要车内技术,将汽车转变为网络中的主动传感器。这意味着每辆配备该系统的汽车都成为交通监控的节点,同时也受到相同的审查。车内设置需要直接访问车辆的刹车、油门、方向盘、里程表和地图数据。路侧和车内组件均配备支持CUDA的GPU和本地存储,以及云连接功能。

对激进司机的警告
当系统检测到激进驾驶行为时,它可以通过车辆的视听设备立即发出警告。例如,可能会显示如图8A所示的消息,敦促司机减速。此外,系统还可以警告司机关于他们的速度或迎面而来的车辆。
*专利申请中描述的警告。* 来源:https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf
在某些情况下,系统可能使用任何可用的视听设备,包括司机的智能手机,发出警告。
针对特定司机的红灯
交通灯管理是减少事故的已知方法,但该系统更进一步,可能会根据个别司机的行为调整灯光时序。专利建议,如果系统预测到某个交叉路口存在激进驾驶行为,它可以预先将后续交叉路口的信号灯变为红灯,鼓励司机减速。
对司机隐私的影响
虽然过去的车内监控系统提案主要关注生物识别指标和情绪识别以影响司机行为,通常与保险费或事故调查相关,但密歇根/Denso的提案倾向于通过车辆标准的改变与州政府合作。在州际实施这样的系统存在挑战,表明需要联邦或至少协调的州行动。
*系统提议的机器学习架构图,使用循环神经网络(RNN)。该框架使用无监督学习并提供实时反馈,同时也为离线训练提供支持,以根据传入数据和事件改进算法。激进驾驶行为的识别通过动态时间规整(DTW)算法实现,该算法用于时间序列分析,比较可能在速度上变化的两个时间序列或对象序列。*
收入来源
该系统可能是第一个在市政框架内提供激进驾驶实时分析的系统,能够自动开出罚单或通知当局。然而,有人担心急于创收的市政当局可能会滥用该系统。密歇根大学助理教授Neda Masoud强调了安全性优先于错误警报的重要性,但也强调需要建立机制,让司机能够对错误指控提出质疑。
该系统设计能够处理来自没有车载单元的车辆的激进驾驶事件,通过观察附近配备的车辆和交叉路口设施。这可能涉及其他方法,如车牌识别,尽管专利未明确提及。
交叉路口:高风险区域
密歇根专利聚焦于交叉路口是战略性的,因为这些区域是交通事故的热点。这与之前的研究一致,例如中国使用支持向量机检测危险车道变更或使用智能手机传感器识别不稳定驾驶。美国国家公路交通安全管理局2010年估计,2008年美国40%的事故发生在交叉路口,凸显了此类举措的相关性。
以优化为驱动的人工智能成为通用模型的新路径
伊利诺伊大学厄巴纳-香槟分校与弗吉尼亚大学的研究人员创建了一种新型模型架构,有望为构建更具弹性且推理能力更强的AI系统铺平道路。该架构被命名为基于能量的变压器(EBT),能够自然地利用推理时期的可扩展性来应对复杂挑战。对企业而言,这意味着能够适应新场景且无需专用微调模型的成本高效人工智能应用。系统2思维的挑战心理学将人类认知划分为两种模式:快速直觉的系统1,以及缓慢审慎的系统2。当前大型语言模型(
人工智能热潮引发对互联网泡沫时代的担忧
人工智能领域数十亿美元的投资涌入,引发了一场激烈争论:该行业是否正走向互联网泡沫式的泡沫?投资者正警惕着热情降温的迹象,或芯片与基础设施巨额投入未能带来预期回报的征兆。美银全球研究近期调查凸显了这种谨慎态度:54%的基金经理认为人工智能股票已处于泡沫状态,38%持反对意见。与互联网泡沫的相似之处尽管普遍乐观,质疑者仍质疑人工智能的实质影响,部分人将其斥为虚张声势或即将破灭的泡沫。思科亚太、日本及中
程序记忆降低人工智能代理成本和复杂性
浙江大学和阿里巴巴集团开发的一项新技术为大型语言模型(LLM)代理配备了动态内存,从而提高了它们处理复杂任务的效率和效果。这种方法被命名为 "Memp",它为代理提供了一种 "程序记忆",这种记忆会随着代理经验的积累而不断更新,与人类通过反复练习进行学习的方式如出一辙。 Memp 建立了一个终身学习系统,在这个系统中,特工不再需要为每项新任务从零开始。当它们面对真实世界环境中的新场景时,它们会稳步
Interesting concept, but how do you differentiate between aggressive driving and defensive maneuvers? At a busy intersection, sudden braking might look aggressive on AI but could just be avoiding a pedestrian. Also, who gets access to this data? 🧐 The privacy implications here are huge if it's feeding back to insurers or law enforcement without clear rules.
Este novo sistema para detectar direção agressiva usando computação de borda é bem legal! Já era hora de focarmos em soluções cívicas em vez de apenas tecnologia dentro do carro. A única desvantagem é que pode não funcionar bem em mau tempo. Ainda assim, um passo na direção certa! 👍
This new system for detecting aggressive driving using edge computing is pretty cool! It's about time we focus on civic solutions rather than just in-car tech. The only downside is it might not work well in bad weather. Still, a step in the right direction! 👍
エッジコンピューティングを使った攻撃的な運転の検出システムはかなりクールですね!車内の技術だけでなく、公共の解決策に焦点を当てる時が来たと思います。ただ、悪天候ではうまく機能しないかもしれません。それでも、正しい方向への一歩です!👍
¡Este nuevo sistema para detectar conducción agresiva usando computación de borde es bastante genial! Ya era hora de que nos enfocáramos en soluciones cívicas en lugar de solo en tecnología dentro del coche. La única desventaja es que puede no funcionar bien en mal tiempo. Aún así, un paso en la dirección correcta! 👍





首页






