百姓车联领跑驾驶行为识别技术

By | 2021年11月25日

  仅凭借一部手机就能识别司机驾驶状态,技术上已经成为现实,在这项行为识别技术中,百姓车联研发的危险驾驶行为AI智能识别系统,位居行业领先位置。

  据了解,百姓车联在获得用户授权的前提下,通过手机传感器等方式采集驾驶过程中的行为数据,利用人工智能技术,通过对驾驶行为数据的学习分析,综合考虑缓慢加速、平稳驾驶、提前刹车、分心驾驶、疲劳驾驶等因素,判断司机在驾驶过程中是否出现危险驾驶动作,并在行程结束后,将危险驾驶信息及时反馈给司机。

  目前该系统不仅可以与旗下智能养车系统结合,基于驾驶数据判断易损件的损耗程度,具备较高的商业价值,还可以通过改进司机的驾驶习惯,减少交通事故发生的概率,同时具备较高的社会价值。

  百姓车联工程师们通过“数据收集-模型训练-模型识别-前端反馈”四个环节,建立起危险驾驶行为AI智能识别系统。

  在数据收集环节,收集的数据信息主要为手机内部的各种传感器,如加速度计、磁感应器、陀螺仪、GPS等。数据的来源渠道分为两种:一种是人机数据,百姓车联与专业机构合作,专业人员在封闭场地和规定的时间内,按照要求做出规定的危险驾驶动作,预计到2021年年底,将沉淀过万条人机数据;另一种则是APP数据,在获得司机授权后,百姓车联APP会自动采集司机驾驶过程中的各种数据信息,并将这些信息脱敏处理。

  出于环境变化等客观因素影响,数据在收集时经常出现断点缺失、数据噪音等问题,为此,百姓车联的工程师开发了数据清洗系统,使数据清洁有效,保证了模型识别的精准度。

  在模型训练阶段,百姓车联的工程师并没有采用深度学习等复杂模型进行建模,而是采用相对简单的树模型作为判断依据,这主要是由于业务和产品决定的。目前危险驾驶行为AI智能识别系统有两个要求,一是模型要在数据断点、噪音严重的情况下有较好的效果,另一种则是,当行程结束后,系统需要即时做出识别,并及时向车主反馈驾驶情况,对模型在处理速度上要求更加快捷。基于此,百姓车联的工程师们选择了对数据噪音容忍度较大,数据处理速度较快的树模型。

  在模型识别阶段,司机驾车时,后台算法模型会根据加速度计、GPS等数据信息,判断出车主是否处于驾驶状态,并根据手机内置的传感器数据,判断出车主在何时、何地,出现何种形式的危险驾驶行为。目前,危险驾驶行为AI智能识别系统已经能够识别出急加速、急减速、急刹车、急转弯、玩手机、打电话、疲劳驾驶、超速等危险驾驶行为,并且经过此前的三次版本升级,目前在判断的准确度上,误判率已经趋于零。

  在前端反馈阶段,得益于树模型的高效处理速度,危险驾驶行为AI智能识别系统能够做到实时识别、记录司机的危险驾驶动作,并在行程结束后,自动对该段行程进行量化评分,让司机对危险驾驶习惯有所警觉,提高安全驾驶意识。

  目前危险驾驶AI智能识别系统经过三次迭代,系统对司机驾驶行为习惯的改变已经有了显著效果,在对296名高活跃用户的跟踪中发现,使用三个月后,这些用户危险驾驶行为次数下降幅度超过六成。

发表评论

邮箱地址不会被公开。 必填项已用*标注