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

Новая заявка на патент представляет инновационный подход к сдерживанию агрессивного вождения на перекрестках. Эта система, использующая алгоритмы машинного обучения, интегрированные в устройства вычислений на границе городской инфраструктуры, знаменует переход от традиционного акцента на автомобильных системах, разработанных для страховой аналитики, к более ориентированному на муниципалитеты решению. Это предложение направлено не только на наказание водителей, нарушающих нормы безопасного вождения, но и на предоставление им немедленных аудиовизуальных предупреждений в автомобиле для коррекции их поведения.

Патент, поданный 29 апреля 2021 года в Управление по патентам и товарным знакам США, является совместной разработкой Совета регентов Университета Мичигана и корпорации Denso, дочерней компании Toyota. В отличие от проприетарных систем, ориентированных на страховой мониторинг, эта система использует хорошо оснащенные узлы вычислений на границе, расположенные на транспортных развязках. Эти узлы собирают данные как с придорожных ресурсов, так и с датчиков в близлежащих автомобилях, чтобы предоставлять водителям оперативную и действенную обратную связь.

*Патент UMich не является проприетарной автомобильной системой, предназначенной для страхового надзора, и не разработан исключительно для создания судебных данных, а скорее полагается на хорошо оснащенные узлы вычислений на границе, развернутые на перекрестках, чтобы предоставлять немедленную и действенную обратную связь, собирая данные с придорожных ресурсов вычислений на границе и с датчиков, установленных в близлежащих автомобилях.* Источник: https://pdfaiw.uspto.gov/76/2021/50/012/1.pdf

Предлагаемая система не только зависит от городской инфраструктуры; она также требует наличия автомобильных технологий, превращающих автомобили в активные датчики в сети. Это означает, что каждый автомобиль, оснащенный системой, становится узлом для мониторинга дорожного движения, одновременно находясь под тем же контролем. Автомобильная установка требует прямого доступа к данным с тормозов, акселератора, рулевого колеса, одометра и карт автомобиля. Как придорожные, так и автомобильные компоненты оснащены графическими процессорами с поддержкой CUDA и локальным хранилищем, а также подключением к облаку.

Предупреждения для агрессивных водителей

Когда система обнаруживает агрессивное вождение, она может немедленно выдавать предупреждения через аудиовизуальные устройства автомобиля. Например, может отобразиться сообщение, подобное показанному на FIG. 8A, побуждающее водителя снизить скорость. Кроме того, система может предупреждать водителей о превышении скорости или о приближающихся транспортных средствах.

*Предупреждения, изображенные в заявке на патент.* Источник: https://pdfaiw.uspto.gov/fdd/76/2021/50/012/0.pdf

В некоторых сценариях система может использовать любые доступные аудиовизуальные устройства, включая смартфон водителя, для выдачи предупреждений.

Персонализированные красные сигналы светофора

Управление светофорами — известный метод сокращения аварий, но эта система идет дальше, потенциально корректируя время сигналов на основе поведения отдельных водителей. Патент предполагает, что если система предсказывает агрессивное вождение на одном перекрестке, она может заранее изменить сигналы на последующих перекрестках на красный, побуждая водителя снизить скорость.

Вторжение в конфиденциальность водителей

В то время как предыдущие предложения по системам мониторинга в автомобилях сосредотачивались на биометрических показателях и распознавании эмоций для влияния на поведение водителей, часто связанных со страховыми взносами или расследованиями аварий, предложение Мичигана/Denso склоняется к сотрудничеству с государством через изменения в стандартах автомобилей. Внедрение такой системы на межштатном уровне представляет трудности, что указывает на необходимость федерального или, по крайней мере, скоординированного государственного вмешательства.

*Иллюстрация архитектуры машинного обучения, предложенной для системы, использующей рекуррентные нейронные сети (RNN). Структура использует обучение без учителя и предоставляет обратную связь в реальном времени, но также предусматривает оффлайн-обучение для улучшения алгоритмов на основе поступающих данных и событий. Идентификация агрессивного поведения водителя облегчается с помощью алгоритма Dynamic Time Warping (DTW), используемого в анализе временных рядов для сравнения двух временных последовательностей или объектов, которые могут варьироваться по скорости.*

Поток доходов

Эта система может стать первой, предлагающей анализ агрессивного вождения в реальном времени в рамках городской инфраструктуры, способной автоматически выписывать штрафы или уведомлять власти. Однако существует опасение, что она может быть использована муниципалитетами, стремящимися к доходам. Неда Масуд, доцент Университета Мичигана, подчеркнула важность безопасности над ложными сигналами, но отметила необходимость механизмов, позволяющих водителям оспаривать несправедливые обвинения.

Система предназначена для обработки событий агрессивного вождения даже от автомобилей без бортовых устройств, наблюдая за оснащенными близлежащими автомобилями и установками на перекрестках. Это может включать другие методы, такие как распознавание номерных знаков, хотя патент прямо об этом не упоминает.

Перекрестки: зона высокого риска

Фокус на перекрестках в патенте Мичигана стратегичен, учитывая, что эти зоны являются горячими точками для дорожно-транспортных происшествий. Это соответствует предыдущим исследованиям, например, китайским исследованиям, использующим машины опорных векторов для обнаружения опасных смен полосы или датчиков смартфонов для выявления нестабильного вождения. Оценка Национальной администрации безопасности дорожного движения США за 2010 год, согласно которой 40% аварий в США в 2008 году произошли на перекрестках, подчеркивает актуальность таких инициатив.