使用人工智能测量商用机动车司机高风险行为的普遍性,用于自然主义数据收集

科学领域:

• 交通运输安全 运输安全
• 人工智能的人工智能
• 公共卫生 公共卫生

背景情况:

• 涉及商用机动车辆 (CMV) 的车祸导致严重的伤害和死亡,事故发生率越来越高.
• 了解高速行驶,安全带不合规和电话使用等风险行为的普遍性对于有效的安全干预至关重要.
• 目前的数据收集方法不足以准确评估这些行为.

研究的目的:

• 用人工智能驱动的自然主义数据收集来衡量CMV驾驶员中超速,不遵守安全带和手持手机使用的普遍性.
• 为了确定与这些危险的驾驶行为相关的时间和道路因素.
• 为公共卫生宣传和运输安全战略提供信息.

主要方法:

• 利用了配有雷达和红外摄像头的AI技术,在16个地点连续收集7天的数据.
• 在不同的城市和农村环境中收集了超过2600小时的匿名CMV驾驶数据.
• 基于55英里/小时和65英里/小时的超速限制和人工智能识别的违规行为进行手动审查以获得准确性.

主要成果:

• 在160,671名CMV中,10.8%的人表现出至少一种危险行为 (超速,使用手机或不遵守安全带).
• 超速是最常见的违法行为 (4.9%),其次是不遵守安全带 (4.5%) 和使用电话 (2.6%).
• 所有犯罪的发生率在上午的高峰时间 (6:30-8:30 AM) 和周末达到顶峰.

结论:

• 人工智能驱动的技术方法提高了CMV运营商对危险驾驶行为的理解.
• 自然主义数据可以为安全驾驶政策,规划和干预评估提供信息,同时尊重隐私法.
• 识别高风险时期 (繁忙时间,周末) 允许有针对性的安全举措.