Predicting Time Pressure of Powered Two-Wheeler Riders for Proactive Safety Interventions
Dit artikel introduceert MotoTimePressure (MTPS), een lichtgewicht deep learning-model dat accuraat de tijdsdruk van bestuurders van gemotoriseerde tweewielers voorspelt met behulp van een nieuwe dataset van 129.209 feature windows, waarbij wordt aangetoond dat het integreren van deze voorspellingen de voorspelling van botsingsrisico's aanzienlijk verbetert en proactieve veiligheidsinterventies binnen intelligente transportsystemen mogelijk maakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Elke dag navigeren miljoenen mensen op twee wielen door de wereld, van de drukke straten in India tot de rustige buitenwijken. Deze rijders worden geconfronteerd met een unieke reeks gevaren; in tegenstelling tot degenen in auto's, hebben zij geen metalen kooi om hen te beschermen, en hun evenwicht hangt volledig af van hun eigen fysieke controle. Wanneer een rijder een fout maakt, zijn de gevolgen vaak ernstig. Hoewel factoren zoals snelheid en slechte wegomstandigheden bekende oorzaken van ongelukken zijn, is er een verborgen kracht die de veiligheid stilletjes ondermijnt: het gevoel van tijdgebrek. Dit gevoel van tijdsdruk, de dringende noodzaak om een bestemming te bereiken vóór een deadline, verandert hoe een persoon denkt en beweegt. Het vernauwt hun focus, versnelt hun beslissingen en leidt hen vaak tot het nemen van risico's die ze nooit zouden overwegen wanneer ze kalm zijn. Jarenlang begrepen onderzoekers dat deze mentale staat gevaarlijk is, maar zij misten een manier om dit in realtime te detecteren. Zonder een sensor die de stress van een rijder kan "voelen", kunnen veiligheidssystemen alleen reageren nadat een fout al is gemaakt, in plaats van het te voorkomen voordat het gebeurt.
Een team van onderzoekers aan het Indian Institute of Technology Indore heeft een belangrijke stap gezet naar de oplossing van dit probleem door een systeem te creëren dat de tijdsdruk van een rijder kan voorspellen voordat dit tot een crash leidt. Om te begrijpen hoe dit werkt, moesten ze eerst gegevens verzamelen die simpelweg niet bestaan in de echte wereld, omdat het vragen aan mensen om gevaarlijk te rijden op openbare wegen om stress te bestuderen onmogelijk is. In plaats daarvan bouwden ze een hoogwaardige motorfietsimulator, een stationaire machine die er precies uitziet en aanvoelt als een echte motor, maar die wordt omringd door gigantische schermen die een virtuele stad tonen. Ze nodigden 51 ervaren mannelijke rijders uit, die de grote meerderheid van de motorrijderssterfgevallen in de regio vertegenwoordigen, om deze simulator te besturen onder drie verschillende omstandigheden. In het eerste scenario hadden de rijders voldoende tijd om hun reis te voltooien. In het tweede scenario werd hen verteld dat ze probeerden niet te laat te komen. In het derde scenario werd hen verteld dat de poort bij hun bestemming mogelijk zou sluiten, wat een omgeving met hoge stress creëerde waarin zij het gevoel hadden dat ze moesten haasten.
Terwijl de rijders door de virtuele straten navigeerden, registreerde de machine elke beweging die ze maakten, van hoe hard ze de remhendel inknepen tot hoe ze van versnelling wisselden. De onderzoekers analyseerden meer dan 129.000 momentopnames van deze gegevens om te zien hoe de rijders veranderden wanneer ze tijdsdruk ervoeren. De resultaten waren treffend. Wanneer de rijders de meeste urgente druk voelden, steeg hun gemiddelde snelheid met bijna 50 procent vergeleken met wanneer ze kalm waren. Ze remden veel heftiger, waarbij de krachten op de voorrem met meer dan zes keer toenamen, en ze maakten veel vaker plotselinge, schokkerige stops. Ze namen ook risicovolle bochten bij kruispunten en gaven hun intenties niet aan. Misschien wel het meest veelzeggend was dat zelfs wanneer de rijders probeerden hun stress te compenseren door voorzichtiger te zijn, ze nog steeds meer fouten maakten. De studie toonde aan dat rijders onder hoge druk 10 procent meer gevaarlijke fouten maakten en 21 procent minder controle over hun voertuig hadden, wat bewijst dat menselijk instinct alleen niet genoeg is om de effecten van een gejaagde geest te overwinnen.
Met dit gedetailleerde beeld van hoe stress het gedrag verandert, bouwden de onderzoekers een nieuw computermodel dat ontworpen is om deze patronen te herkennen. Ze noemden het MotoTimePressure. Dit model fungeert als een digitale waarnemer die het stroom van gegevens van de sensoren van de motor in de gaten houdt — snelheid, remmen, sturen en versnellingswisselingen — en direct berekent of de rijder kalm, licht gestrest of in een staat van hoge druk verkeert. Het model werd getraind om de subtiele tekenen van urgentie te herkennen, zoals snelle gasinputs of onregelmatig sturen, die vaak voorkomen voordat een rijder zelfs maar beseft dat hij de controle verliest. In tests bleek het systeem ongelooflijk nauwkeurig; het identificeerde de staat van de rijder in meer dan 91 procent van de gevallen. Het is ook opmerkelijk efficiënt, klein genoeg om op een standaard computerchip te draaien en snel genoeg om een beslissing te nemen in minder dan een milliseconde, wat snel genoeg is om te worden gebruikt in realtime veiligheidsapparatuur op een bewegende motorfiets.
De ware kracht van deze ontdekking ligt in wat er gebeurt nadat het systeem stress detecteert. De onderzoekers lieten zien dat door deze voorspelling in te voeren in andere veiligheidstools, zij de mogelijkheid om een crash te voorspellen drastisch konden verbeteren. Wanneer ze het "tijdsdruk"-signaal toevoegden aan bestaande botsingsvoorspellingssystemen, steeg de nauwkeurigheid van die systemen aanzienlijk, waardoor ze bijna net zo dicht bij een perfecte voorspelling kwamen als wanneer het systeem magisch de gedachten van de rijder zou kunnen lezen. Dit opent de deur naar een nieuw soort veiligheidsinterventie. In plaats van te wachten tot een rijder uitwijkt of te hard remt, zou een slimme motorfiets de stijgende stress kunnen detecteren en de rijder voorzichtig waarschuwen, bijvoorbeeld met een subtiele trilling of een rustige stemmelding, die suggereert dat ze moeten vertragen of een ademteug moeten nemen. Deze aanpak verschuift veiligheid van een reactieve maatregel, die plaatsvindt na een ongeluk, naar een proactieve maatregel die het ongeluk voorkomt voordat het plaatsvindt. Door de onzichtbare last van tijdsdruk te begrijpen en te voorspellen, biedt dit werk een pad om het reizen op twee wielen veiliger te maken voor iedereen, door een vluchtig gevoel van urgentie te veranderen in een signaal dat een leven kan redden.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.