ИИ-алгоритм повышает безопасность дорожного движения, контролируя нагрузку на водителя

Исследователи из Кембриджского университета в сотрудничестве с Jaguar Land Rover (JLR) разработали адаптируемый алгоритм, который потенциально может значительно улучшить безопасность дорожного движения, предсказывая, когда водители могут безопасно взаимодействовать с бортовыми системами или получать сообщения во время вождения. Этот инновационный подход сочетает в себе дорожные эксперименты с методами машинного обучения для непрерывного измерения нагрузки на водителя, позволяя вносить корректировки в реальном времени в ответ на изменяющиеся условия и поведение водителя.

Адаптивный алгоритм для повышения безопасности дорожного движения

Разработанный исследователями алгоритм высокоадаптивен и способен реагировать на изменения нагрузки на водителя, дорожных условий, типов дорог и характеристик водителя. Он использует комбинацию методов машинного обучения и байесовской фильтрации для непрерывной оценки нагрузки на водителя. Например, вождение в незнакомом районе или в плотном потоке может указывать на более высокую нагрузку, тогда как ежедневная поездка на работу может означать более низкую нагрузку.

Основная цель этой технологии — повысить безопасность дорожного движения за счет настройки взаимодействия водителя с автомобилем. Например, во время периодов низкой нагрузки водителя предупреждают о не срочных сообщениях и уведомлениях, что позволяет ему сохранять полное внимание на дороге во время более сложных сценариев вождения.

Растущая доступность данных в автомобилях может стать серьезным фактором риска для безопасности дорожного движения, так как это может привести к отвлечению внимания водителей. Чтобы решить эту проблему, необходимо наличие системы для непрерывной оценки нагрузки на водителя. Понимая уровень вовлеченности водителя и дорожные условия, система может определять приоритетность предоставления информации или предупреждений водителю, обеспечивая их подачу в периоды низкой нагрузки.

Измерение нагрузки на водителя

Хотя существуют существующие алгоритмы, измеряющие спрос на водителя с помощью трекеров взгляда и биометрических данных, исследователи из Кембриджа стремились разработать подход, основанный на данных, доступных в любом автомобиле, в частности, на сигналах вождения, таких как данные рулевого управления, ускорения и торможения. Этот подход позволяет потреблять и объединять различные несинхронизированные потоки данных, включая данные с биометрических датчиков, если они доступны.

Для измерения нагрузки на водителя исследователи провели дорожные эксперименты с использованием модифицированной версии задачи периферийного обнаружения. Участникам предлагалось нажимать кнопку, надетую на палец, всякий раз, когда они воспринимали сценарий низкой нагрузки, указанный мигающим красным светодиодом на телефоне, отображающем навигационное приложение. Анализ видео и данные с кнопок позволили выявить ситуации с высокой нагрузкой, такие как движение по загруженным перекресткам или столкновение с необычным поведением транспортных средств.

Адаптивная система машинного обучения

Данные, собранные во время экспериментов, использовались для разработки и проверки контролируемой системы машинного обучения. Эта система профилирует водителей на основе их средней нагрузки и использует методы байесовской фильтрации для оценки мгновенной нагрузки на водителя в реальном времени. Она сочетает макро- и микромеры нагрузки, позволяя адаптироваться к различным типам дорог, условиям или водителям, использующим один и тот же автомобиль.

Сотрудничество в области исследований с Jaguar Land Rover (JLR) включало экспериментальный дизайн и сбор данных. Старший технический специалист JLR по интерфейсу «человек-машина» доктор Ли Скрипчук подчеркнул важность этих исследований для понимания влияния дизайна с точки зрения пользователя. Это поможет улучшить безопасность и опыт вождения за счет оптимизации времени уведомлений и взаимодействий в автомобилях JLR.

Постоянное улучшение безопасности

Используя этот адаптивный алгоритм, автомобили могут доставлять уведомления и взаимодействия водителям в подходящее время, снижая риск отвлечения внимания в сценариях высокой нагрузки. Эта технология представляет собой значительный шаг к улучшению безопасности дорожного движения, обеспечивая концентрацию водителей на дороге, особенно в сложных ситуациях вождения.

Исследования в Кембриджском университете проводились группой исследователей из лаборатории обработки сигналов и связи (SigProC), кафедры инженерии, под руководством профессора Саймона Годсилья. Под руководством доктора Башара Ахмада в команду входили Нермин Кабер и доктор Цзямин Лян, которые внесли свой вклад в успех проекта.

В эпоху растущей связности внутри автомобилей мониторинг и адаптация к нагрузке на водителя имеют решающее значение для безопасности дорожного движения. Инновационный алгоритм, разработанный Кембриджским университетом в сотрудничестве с Jaguar Land Rover, предлагает многообещающее решение этой проблемы. Приоритет безопасности и оптимизация взаимодействия водителя с автомобилем позволяют этой технологии значительно улучшить общий опыт вождения, снижая отвлечение внимания на дороге.