Den här bilen vet ditt nästa misstag innan du gör det

En experimentell ny instrumentpaneldator kan inte bara hålla reda på ditt beteende bakom ratten, utan även förutsäga vad du ska göra härnäst.

Med den stora majoriteten av trafikolyckor som beror på förarfel, och distraktion är ett växande problem tack vare att det finns smartphones överallt, undersöker biltillverkare alltmer sätt att spåra förarens beteende bakom ratten. Volvo, GM och andra testar redan system som övervakar huvud- och ögonpositioner för att upptäcka tecken på distraktion.

En studie av forskare vid Cornell University och Stanford visar att ett mer avancerat system skulle kunna tränas för att känna igen det kroppsspråk och beteende som föregår en viss manöver. Detta kan hjälpa till att utlösa ett tidigt varningssystem, som en dödvinkelvarning, mycket tidigare - kanske och därmed bidra till att förhindra allvarliga olyckor, enligt de inblandade akademiker.

Föreställ dig att du kör på en motorväg, säger Saxena Ashutosh , kallade chefen för ett projekt Robo hjärna vid Cornell University och Stanford som övervakade körprojektet. Du tittar åt höger för en sekund, för du ska göra en högersväng, och när du börjar göra en högersväng har någon annan förare dragit in i utrymmet som du trodde var tomt. En bil kan då antingen utfärda en varning eller till och med hindra dig från att köra in i körfältet.

Systemet tränades med hjälp av banbrytande maskininlärningsalgoritmer, och det kunde med drygt 90 procents noggrannhet förutse när en förare var på väg att byta fil inom de närmaste sekunderna. Ett filbyte signalerades vanligtvis genom en blick över axeln tillsammans med kontrollanta huvudrörelser och förändringar i styrning, bromsning och acceleration. Ashutosh säger att den uppnådda noggrannheten är nästan tillräckligt bra för att användas i ett produktionssystem.

Den här videon visar funktionerna som används av systemet för att spåra en förares huvudrörelse.

Forskarna bakom arbetet undersöker olika sätt för ett fordon att övervaka och förutse förarens beteende genom ett projekt som heter Brain4Cars .

Arbetet involverade att använda en maskininlärningsmetod som kallas djupinlärning för att känna igen de handlingar som föregick filbytesmanövern. Algoritmerna tränades med hjälp av data som samlats in när 10 olika personer körde totalt 1 180 mil runt olika områden i Kalifornien. Forskarna avser att göra den resulterande datamängden fritt tillgänglig så att andra akademiker och bilforskare kan använda den.

Deep learning har visat sig vara särskilt användbart de senaste åren för att känna igen komplexa eller subtila mönster i data som video och ljud (se 10 Breakthrough Technologies 2013: Deep Learning ). Den används redan för att göra det möjligt för fordonsdatorer att känna igen olika typer av hinder på vägen. I det senaste arbetet kombinerade teamet data från en videokamera med GPS-data och information från en bils datorsystem.

Många lyxbilar kommer nu med sensorer som möjliggör säkerhetsvarningar, samt automatisk brytning och styrning. Ashesh Jain , en elev till Saxena och projektledare för Brain4Cars, säger att övervakning av aktivitet inuti en bil, såväl som utanför den, kan göra sådana säkerhetssystem mer intelligenta. Anta att föraren är distraherad för en sekund, säger han. Om det inte finns något framför ska bilen vara smart nog och inte varna föraren. Det handlar om hur du använder information från alla dessa sensorer.

Mer än 90 procent av USA:s trafikolyckor är resultatet av någon form av förarfel, enligt forskning utförd av National Highway Traffic Safety Authority .

Paradoxalt nog kan övervakning av förarbeteende bli viktigare även när bilar blir mer automatiserade. Det beror på att även om bilar kör sig själva i vissa situationer, som på motorvägar eller på parkeringsplatser, kommer förare fortfarande att behöva ta om ratten ibland, och forskning har visat att detta kan ta många sekunder beroende på förarens distraktionsnivå (se Fortsätt med försiktighet mot den självkörande bilen). Google har gått så långt som att kringgå problemet genom att helt och hållet ta bort pedalerna och ratten från några av sina prototyper.

Don Norman , en expert på produktdesign som har fungerat som konsult för många biltillverkare och datorföretag, säger att Brain4Car-arbetet är lovande, men tillägger att det kommer att behöva förbättras ytterligare och testas i den verkliga världen. Det här är simuleringsdata som körs i laboratoriet, säger Norman. Den verkliga världen är aldrig så trevlig som laboratoriet. Många faktorer kan förändra resultaten när de tillämpas på riktiga människor som kör riktiga bilar i verklig trafik.

Dölj