Um novo algoritmo desenvolvido por pesquisadores da Universidade de Cambridge, pode ajudar a prevenir acidentes de trânsito, ao prever quando os motoristas estão aptos a interagir com sistemas dentro do veículo ou receber mensagens, como alertas de trânsito, chamadas ou direções de navegação.
O algoritmo se baseia em técnicas de aprendizado de máquina e filtragem bayesiana, que permitem medir de forma confiável e contínua o nível de demanda mental que o motorista enfrenta ao dirigir, chamado de carga de trabalho. A carga de trabalho pode variar de acordo com o comportamento e o status do motorista, as condições da estrada, o tipo de estrada ou as características do motorista. Por exemplo, dirigir em uma área desconhecida pode significar uma alta carga de trabalho, enquanto um trajeto diário pode significar uma carga de trabalho menor.
O algoritmo é altamente adaptável e pode responder em tempo real às mudanças na situação de condução. Essa informação pode ser usada para personalizar a interação entre o motorista e o veículo, de forma a priorizar a segurança e melhorar a experiência do usuário. Por exemplo, os motoristas só são alertados em momentos de baixa carga de trabalho, para que possam manter sua total concentração na estrada em cenários de condução mais estressantes. Além disso, o algoritmo pode ajustar o nível de intervenção dos sistemas avançados de assistência ao motorista (ADAS), que podem auxiliar o motorista em tarefas como frenagem, aceleração ou mudança de faixa.
Os resultados do estudo foram publicados na revista IEEE Transactions on Intelligent Vehicles. Os pesquisadores trabalharam em parceria com a JLR, uma empresa líder em inovação automotiva, que tem interesse em aplicar o algoritmo em seus veículos, sejam eles autônomos, híbridos ou convencionais. O objetivo é aumentar a segurança e o conforto dos motoristas e passageiros, ao mesmo tempo em que se reduz o consumo de combustível e as emissões de poluentes.
“Com o aumento da quantidade de dados disponíveis para os motoristas, é preciso garantir que eles não se distraiam ou se sobrecarreguem com informações irrelevantes ou inoportunas”, disse o Dr. Bashar Ahmad, co-primeiro autor do estudo e pesquisador do Departamento de Engenharia da Universidade de Cambridge. “Nosso algoritmo permite que os sistemas dentro do veículo se adaptem ao status do motorista, de forma a fornecer apenas as informações necessárias e no momento adequado.”
O algoritmo se baseia em técnicas de aprendizado de máquina e filtragem bayesiana, que permitem medir de forma confiável e contínua o nível de demanda mental que o motorista enfrenta ao dirigir, chamado de carga de trabalho. A carga de trabalho pode variar de acordo com o comportamento e o status do motorista, as condições da estrada, o tipo de estrada ou as características do motorista. Por exemplo, dirigir em uma área desconhecida pode significar uma alta carga de trabalho, enquanto um trajeto diário pode significar uma carga de trabalho menor.
O algoritmo é altamente adaptável e pode responder em tempo real às mudanças na situação de condução. Essa informação pode ser usada para personalizar a interação entre o motorista e o veículo, de forma a priorizar a segurança e melhorar a experiência do usuário. Por exemplo, os motoristas só são alertados em momentos de baixa carga de trabalho, para que possam manter sua total concentração na estrada em cenários de condução mais estressantes. Além disso, o algoritmo pode ajustar o nível de intervenção dos sistemas avançados de assistência ao motorista (ADAS), que podem auxiliar o motorista em tarefas como frenagem, aceleração ou mudança de faixa.
Os resultados do estudo foram publicados na revista IEEE Transactions on Intelligent Vehicles. Os pesquisadores trabalharam em parceria com a JLR, uma empresa líder em inovação automotiva, que tem interesse em aplicar o algoritmo em seus veículos, sejam eles autônomos, híbridos ou convencionais. O objetivo é aumentar a segurança e o conforto dos motoristas e passageiros, ao mesmo tempo em que se reduz o consumo de combustível e as emissões de poluentes.
“Com o aumento da quantidade de dados disponíveis para os motoristas, é preciso garantir que eles não se distraiam ou se sobrecarreguem com informações irrelevantes ou inoportunas”, disse o Dr. Bashar Ahmad, co-primeiro autor do estudo e pesquisador do Departamento de Engenharia da Universidade de Cambridge. “Nosso algoritmo permite que os sistemas dentro do veículo se adaptem ao status do motorista, de forma a fornecer apenas as informações necessárias e no momento adequado.”
