Progetti

IA e Sicurezza Stradale: LIM rileva e segnala i comportamenti rischiosi alla guida

LIM è un dispositivo elettronico brevettato che, a partire dal flusso video di una telecamera posta all’interno dell’abitacolo e grazie all’intelligenza artificiale, rileva in tempo reale 10 categorie di comportamenti rischiosi alla guida e avverte il conducente del comportamento scorretto tramite led e segnale acustico

Pubblicato il 13 Ott 2022

driving-407181_1920

Ogni anno circa 33 mila persone sono coinvolte in incidenti stradali causati dall’utilizzo del cellulare alla guida (fonte: Istat anno 2019). Non a caso la violazione al Codice della Strada più sanzionata è proprio da questa distrazione che in alcuni casi può essere fatale. È stato calcolato, inoltre, che tale comportamento aumenta il rischio di sinistri di ben 4 volte rispetto a quando non si fa uso di dispositivi elettronici alla guida. I controlli a campione delle autorità forniscono un primo elemento di dissuasione, ma per ovvi motivi non permettono di effettuare un monitoraggio costante e capillare. Contrastare il rischio di una guida pericolosa perché distratta dall’utilizzo del cellulare o da altre abitudini sbagliate è l’obiettivo con cui il laboratorio R&D di Key to Business – società specializzata in Consulenza IT, Sviluppo Software, Systems Integration e servizi di apprendimento – ha realizzato un sistema di monitoraggio dei comportamenti rischiosi alla guida per la startup LIM (Life Is More).

LIM è un dispositivo elettronico brevettato – di dimensioni contenute, simili a quelle dei comuni trasponder per il pagamento dei pedaggi (Telepass, Ez-Pass, ecc.) – che, una volta fissato in auto (integrato nello specchietto o installato nelle immediate vicinanze), grazie ad un sistema combinato di software e hardware dotato di Intelligenza Artificiale, permette di rilevare in tempo reale 10 categorie di comportamenti rischiosi alla guida e di avvertire il conducente del comportamento scorretto tramite un led e un segnale acustico (incorporati nella telecamera). Il progetto AI & Sicurezza Stradale. LIM: il sistema di monitoraggio dei comportamenti rischiosi alla guida è risultato vincitore ai Digital Awards 2022 per la categoria Internet of Things.

Digital360 Awards & CIOsummIT 2022-Il sistema di monitoraggio dei comportamenti rischiosi alla guida

Digital360 Awards & CIOsummIT 2022-Il sistema di monitoraggio dei comportamenti rischiosi alla guida

Guarda questo video su YouTube

Il deep learning rileva e segnala in tempo reale il rischio alla guida

Nello specifico, sono state individuate 10 categorie di azioni rischiose messe in atto dal guidatore: conversazione telefonica all’orecchio; messaggistica con il cellulare in mano; uso del telefono in posizione fissa sul cruscotto; conversazione distratta con i passeggeri; consumazione bevande/cibo al volante; guidatore che si volta all’indietro durante la marcia; make-up alla guida; occlusione volontaria o meno della telecamera stessa.

LIM riesce a rilevare queste attività a partire dal flusso video di una telecamera RGB posta all’interno dell’abitacolo e grazie ad algoritmi di riconoscimento facciale capaci di determinare posizione delle mani, presenza del cellulare all’orecchio, trasmissione/ricezione dati, distoglimento dello sguardo dalla strada, ecc. Lo scopo è avvertire il conducente del comportamento scorretto tramite un led e un segnale acustico (anch’essi incorporati nella telecamera) e poi inviare una notifica con tutti i dati del conducente (sottoscrittore del contratto, vettura, data, ora, posizione, durata utilizzo) a una piattaforma centralizzata preposta al controllo, qualora non venga ripristinata una guida corretta entro un determinato tempo limite di 5 secondi. Intervallo temporale sufficiente affinché il conducente attivi il vivavoce, si fermi sul margine della strada o riponga nuovamente il telefono nell’alloggiamento.

Gran parte dell’impegno di Key to Business è stato orientato alla ricerca delle migliori architetture neurali disponibili e allo sviluppo dell’architettura custom, come anche alla raccolta e all’annotazione delle immagini di training utilizzate per l’addestramento del modello. Un’altra parte fondamentale del progetto è stato l’adattamento dell’intera software pipeline e del modello AI alle logiche di Edge Computing. Rilevamenti e verifiche vengono, infatti, eseguite in loco su device opportunamente installati nelle autovetture. Non vi è alcuna trasmissione di video stream verso la piattaforma e le uniche informazioni inviate riguardano le eventuali infrazioni rilevate.

La possibilità di monitorare in tempo reale i comportamenti alla guida apre molte strade sia per il miglioramento della sicurezza stradale che per la creazione di nuove opportunità di business, dove ritorno di investimento e benessere collettivo vanno nella stessa direzione. I destinatari della soluzione possono essere: compagnie assicurative, aziende di autonoleggio e traporto merci, aziende di trasporto pubblico, oltre naturalmente agli utenti privati.

Che cos’è LIM, l’apparecchio che vigila sui comportamenti del guidatore

LIM è un dispositivo compatto, a basso consumo energetico, dotato di Fotocamera 5mpx, connessione LTE, GPS, Led, Buzzer e accelerazione hardware per eseguire modelli AI. Montato su supporto a ventosa nella versione prototipale, può essere collegato a una semplice presa USB-A 5V-3A o a un adattatore USB per accendisigari. Il dispositivo è predisposto per avviarsi automaticamente in presenza di alimentazione e viene costantemente monitorato per conservare lo storico delle accensioni e delle posizioni GPS, onde evitare che possa essere volontariamente spento durante la marcia.

Il progetto si sviluppa su due ambienti: l’ambiente Edge e l’ambiente Server. Nel primo concorrono tutte le componenti software che vengono eseguite nei dispositivi, le quali elaborano i dati provenienti dai sensori (camera, GPS), inviano segnali agli attuatori (LED, Buzzer) e notificano eventuali comportamenti scorretti alla piattaforma; il secondo è costituito dalla piattaforma stessa che gestisce le segnalazioni in arrivo permettendone la consultazione e la storicizzazione.

In più, tramite la piattaforma è possibile effettuare il deploy di nuove versioni software containerizzate verso i dispositivi. Tra i due ambienti la comunicazione avviene mediante web services in rete privata VPN e trasmettendo contenuto crittografato. Gli stack tecnologici utilizzati comprendono Docker e Portainer (per il deploy del software verso i device), Python e le sue librerie per il software containerizzato all’interno dei device (Tensorflow Lite, OpenCV, Scikit-Learn, Numpy).

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 5