Алгоритм искусственного интеллекта повышает безопасность дорожного движения, отслеживая рабочую нагрузку водителя

Исследователи из Кембриджского университета в сотрудничестве с Jaguar Land Rover (JLR) разработали адаптивный алгоритм, который может значительно повысить безопасность дорожного движения, предсказывая, когда водители могут безопасно взаимодействовать с бортовыми системами автомобиля или получать сообщения во время движения. Этот инновационный подход сочетает дорожные эксперименты с методами машинного обучения для непрерывного измерения нагрузки на водителя, что позволяет в режиме реального времени корректировать систему в соответствии с меняющимися условиями и поведением водителя.

Адаптивный алгоритм для повышения безопасности дорожного движения

Разработанный исследователями алгоритм обладает высокой адаптивностью и способен реагировать на изменения рабочей нагрузки водителя, дорожных условий, типов дорог и характеристик водителя. Он использует комбинацию методов машинного обучения и байесовской фильтрации для непрерывной оценки рабочей нагрузки водителя. Например, вождение в незнакомом районе или в условиях интенсивного движения может указывать на более высокую рабочую нагрузку, в то время как ежедневные поездки на работу могут означать более низкую рабочую нагрузку.

Основная цель этой технологии — повышение безопасности дорожного движения за счет персонализации взаимодействия водителя и транспортного средства. Например, водители получают уведомления о несрочных сообщениях и оповещениях в периоды низкой рабочей нагрузки, что позволяет им сохранять полную концентрацию на дороге в более сложных ситуациях вождения.

Растущая доступность данных в транспортных средствах может стать серьезным фактором риска для безопасности дорожного движения, поскольку она можетtracводителей. Для решения этой проблемы крайне важно иметь систему непрерывной оценки рабочей нагрузки водителя. Понимая уровень вовлеченности водителя и дорожные условия, система может определять приоритетность предоставления информации или предупреждений водителю, обеспечивая их подачу в периоды меньшей рабочей нагрузки.

Измерение рабочей нагрузки водителя

Хотя уже существуют алгоритмы, измеряющие активность водителя с помощью устройств tracвзгляда и биометрических данных, исследователи из Кембриджа поставили перед собой цель разработать подход, основанный на легкодоступных данных от любого транспортного средства, в частности, на сигналах, характеризующих работу двигателя, таких как рулевое управление, ускорение и торможение. Этот подход позволяет использовать и объединять различные несинхронизированные потоки данных, включая данные с биометрических датчиков, если таковые имеются.

Для измерения рабочей нагрузки водителя исследователи провели эксперименты на дороге, используя модифицированную версию задачи периферийного обнаружения. Участников просили нажимать на кнопку, закрепленную на пальце, всякий раз, когда они воспринимали ситуацию с низкой рабочей нагрузкой, о чем свидетельствовало мигание красного светодиода через равные промежутки времени на телефоне с навигационным приложением. Видеоанализ и данные о нажатии кнопок позволилиdentситуации с высокой рабочей нагрузкой, такие как проезд оживленных перекрестков или столкновение с необычным поведением транспортного средства.

Адаптивная структура машинного обучения

Собранные в ходе экспериментов данные были использованы для разработки и проверки системы машинного обучения с учителем. Эта система составляет профиль водителей на основе их средней рабочей нагрузки и использует методы байесовской фильтрации для оценки мгновенной рабочей нагрузки водителя в реальном времени. Она объединяет макро- и микропоказатели рабочей нагрузки, что позволяет адаптироваться к различным типам дорог, условиям или водителям, использующим одно и то же транспортное средство.

В рамках исследовательского сотрудничества с Jaguar Land Rover (JLR) были разработаны экспериментальные модели и собраны данные. Старший технический специалист JLR по человеко-машинному интерфейсу, д-р Ли Скрипчук, подчеркнул важность этого исследования для понимания влияния дизайна с точки зрения пользователя. Это поможет улучшить безопасность и впечатления от вождения за счет оптимизации времени уведомлений и взаимодействий в автомобилях JLR.

Постоянное повышение уровня безопасности

Благодаря использованию этого адаптивного алгоритма транспортные средства могут отправлять уведомления и взаимодействовать с водителями в подходящее время, снижая рискtracвнимания в условиях высокой рабочей нагрузки. Эта технология представляет собой значительный шаг к повышению безопасности дорожного движения, обеспечивая сосредоточенность водителей на дороге, особенно в сложных дорожных ситуациях.

Исследование в Кембриджском университете проводилось группой исследователей из Лаборатории обработки сигналов и связи (SigProC) инженерного факультета под руководством профессора Саймона Годсилла. Возглавляемая доктором Башаром Ахмадом, группа включала Нермина Кабера и доктора Цзямина Ляна, которые внесли свой вклад в успех проекта.

В эпоху растущей взаимосвязи между транспортными средствами 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 перспективное решение этой проблемы. Уделяя приоритетное внимание безопасности и оптимизируя взаимодействие водителя и автомобиля, эта технология потенциально может значительно улучшить общее впечатление от вождения, одновременно уменьшая отвлекающиеtracна дороге.