Investigadores de la Universidad de Cambridge, en colaboración con Jaguar Land Rover (JLR), han desarrollado un algoritmo adaptable que podría mejorar significativamente la seguridad vial al predecir cuándo los conductores pueden interactuar de forma segura con los sistemas del vehículo o recibir mensajes mientras conducen. Este innovador enfoque combina experimentos en carretera con técnicas de aprendizaje automático para medir continuamente la carga de trabajo del conductor, lo que permite realizar ajustes en tiempo real en respuesta a las condiciones cambiantes y al comportamiento del conductor.
Algoritmo adaptativo para mejorar la seguridad vial
El algoritmo desarrollado por los investigadores es altamente adaptable y capaz de responder a las variaciones en la carga de trabajo del conductor, las condiciones y tipos de carreteras, y las características del conductor. Utiliza una combinación de aprendizaje automático y técnicas de filtrado bayesiano para evaluar la carga de trabajo del conductor continuamente. Por ejemplo, conducir en una zona desconocida o con tráfico denso puede indicar una mayor carga de trabajo, mientras que un desplazamiento diario puede indicar una menor.
El objetivo principal de esta tecnología es mejorar la seguridad vial personalizando las interacciones entre el conductor y el vehículo. Por ejemplo, se alerta a los conductores sobre mensajes y notificaciones no urgentes durante periodos de baja carga de trabajo, lo que les permite mantener la concentración en la carretera durante las situaciones de conducción más exigentes.
La creciente disponibilidad de datos en los vehículos puede ser un factor de riesgo importante para la seguridad vial, ya que puede provocartracen los conductores. Para abordar este desafío, es crucial contar con un sistema que evalúe continuamente la carga de trabajo del conductor. Al comprender su nivel de compromiso y las condiciones de la carretera, el sistema puede priorizar cuándo presentar información o alertas al conductor, garantizando que se realicen durante los períodos de menor carga de trabajo.
Medición de la carga de trabajo del conductor
Si bien existen algoritmos que miden la demanda del conductor mediante tracoculares y datos biométricos, los investigadores de Cambridge se propusieron desarrollar un enfoque basado en datos fácilmente disponibles de cualquier vehículo, en concreto, señales de rendimiento de la conducción, como datos de dirección, aceleración y frenado. Este enfoque permite el consumo y la fusión de diversos flujos de datos no sincronizados, incluidos los datos de sensores biométricos, si están disponibles.
Para medir la carga de trabajo del conductor, los investigadores realizaron experimentos en carretera con una versión modificada de la Tarea de Detección Periférica. Se pidió a los participantes que presionaran un botón en el dedo cada vez que percibieran una situación de baja carga de trabajo, indicada por una luz LED roja que parpadeaba a intervalos regulares en un teléfono con una aplicación de navegación. El análisis de video y los datos de los botones permitierondentsituaciones de alta carga de trabajo, como circular por cruces concurridos o detectar un comportamiento inusual del vehículo.
Marco de aprendizaje automático adaptativo
Los datos recopilados durante los experimentos se utilizaron para desarrollar y validar un marco de aprendizaje automático supervisado. Este marco perfila a los conductores según su carga de trabajo promedio y emplea técnicas de filtrado bayesiano para estimar en tiempo real la carga de trabajo instantánea del conductor. Combina medidas macro y micro de la carga de trabajo, lo que permite la adaptación a diferentes tipos de carreteras, condiciones o conductores que utilizan el mismo vehículo.
La colaboración de investigación con Jaguar Land Rover (JLR) implicó el diseño experimental y la recopilación de datos. El Dr. Lee Skrypchuk, Especialista Técnico Sénior en Interfaz Hombre-Máquina de JLR, destacó la importancia de esta investigación para comprender el impacto del diseño desde la perspectiva del usuario. Esta ayudará a mejorar la seguridad y la experiencia de conducción al optimizar la sincronización de las notificaciones e interacciones en los vehículos de JLR.
Mejora continua en seguridad
Mediante este algoritmo adaptativo, los vehículos pueden enviar notificaciones e interacciones a los conductores en el momento oportuno, reduciendo el riesgo detracen situaciones de alta carga de trabajo. Esta tecnología representa un avance significativo en la mejora de la seguridad vial, al garantizar que los conductores mantengan la concentración en la carretera, especialmente en situaciones de conducción exigentes.
La investigación en la Universidad de Cambridge fue realizada por un equipo de investigadores del Laboratorio de Procesamiento de Señales y Comunicaciones (SigProC), del Departamento de Ingeniería, bajo la supervisión del profesor Simon Godsill. Dirigido por el Dr. Bashar Ahmad, el equipo incluyó a Nermin Caber y al Dr. Jiaming Liang, quienes contribuyeron al éxito del proyecto.
En una era de creciente conectividad dentro de los vehículos, la monitorización y la adaptación a la carga de trabajo del conductor son esenciales para la seguridad vial. El innovador algoritmo desarrollado por la Universidad de Cambridge, en colaboración con Jaguar Land Rover, ofrece una solución prometedora a este desafío. Al priorizar la seguridad y optimizar las interacciones entre el conductor y el vehículo, esta tecnología tiene el potencial de mejorar significativamente la experiencia de conducción general, a la vez que reduce lastracen la carretera.
