Camion, segnali stradali, pedoni tra gli elementi visivi che creano stress a chi guida. L'IA evidenzia cosa disturba il conducente
Tra le principali cause di incidenti sulle strada, sono ricorrenti l’eccesso di velocità, le condizioni meteorologiche avverse e l’abuso di sostanze. Ma anche distrazione e situazioni stressanti possono giocare un ruolo. Un nuovo studio realizzato dall’Universitat Oberta de Catalunya, in collaborazione con il MIT, si concentra su un aspetto spesso trascurato della sicurezza stradale. Spiegando come quello che vediamo mentre guidiamo – il contesto visivo – influisca sul nostro livello di stress e di conseguenza sul rischio di incidenti stradali.
Il paper, intitolato “Analyzing the Visual Road Scene for Driver Stress Estimation“, presenta le conclusioni di un progetto di ricerca che apre la strada allo sviluppo di assistenti di guida intelligenti. E alla pianificazione di strade cittadine, proprie per ridurre quei fattori che contribuiscono ad aumentare i livelli stressanti di chi guida.
Il paesaggio stradale come fattore di stress
Finora, studi simili sugli incidenti stradali hanno spesso utilizzato segnali fisiologici come il battito cardiaco, la sudorazione o le espressioni facciali, per rilevare lo stress. Impiegando registrazioni delle manovre del veicolo per capire il comportamento del conducente. Questo studio, invece, è il primo a sostenere che anche solo analizzando ciò che il guidatore vede è possibile stimare il suo livello di stress.
“Finora, non avevamo considerato che guidiamo in un contesto visivo e che le condizioni nell’ambiente urbano contano in quanto influenzano il livello di stress del conducente. Il nostro studio è il primo ad analizzare il contesto visivo dello scenario urbano come fonte aggiuntiva di dati per stimare lo stress“, ha affermato uno degli autori della pubblicazione.
Come è stato condotto lo studio?
I ricercatori hanno utilizzato un modello di Intelligenza Artificiale, che analizza le immagini di una telecamera che riprende la strada dal punto di vista del conducente. Il modello è stato addestrato per valutare le condizioni del traffico, rilevare la presenza di pedoni ed analizzare le caratteristiche dell’ambiente urbano.
Per valutare simultaneamente tutti questi fattori, il team ha fatto ricorso a diversi modelli di apprendimento automatico con diversi livelli di complessità. Modelli come il support vector machines (SVM) e reti neurali convoluzionali (CNN), che hanno analizzato singole immagini, e il temporal segment networks (TSN), che ha valutato i video per capire come il contesto cambi nel tempo. In pratica, l’IA ha imparato a correlare specifici elementi visivi con i livelli di stress.
“Il nostro approccio studia il contesto della strada, analizza come l’ambiente di guida influenzi lo stress del conducente e aiuta a prevederlo. Abbiamo dimostrato empiricamente che l’analisi dell’ambiente visivo fornisce preziose informazioni contestuali sull’ambiente stradale, come la densità del traffico, il paesaggio urbano e la presenza di pedoni“, hanno evidenziato i ricercatori spagnoli. L’insieme di queste informazioni si aggiunge ad altre fonti di dati che sono essenziali per una migliore comprensione dei fattori esterni alla guida.
Pedoni, camion e segnaletica stradale
Quali elementi specifici influenzano maggiormente l’esperienza di guida? L’analisi del modello AI ha rivelato che la presenza di pedoni e veicoli in movimento, soprattutto quelli più grandi come i camion, sono tra i fattori stressanti più importanti. E poi a seguire la segnaletica, manifesti pubblicitari e attraversamenti pedonali. “Tutti questi elementi influenzano significativamente gli alti livelli di stress dei conducenti studiati. Aumentando la complessità dell’esperienza e il loro carico cognitivo“, ha spiegato Bustos dell’università spagnola. Quindi più l’ambiente visivo è complesso e imprevedibile, maggiore è lo stress per il conducente.
Sistemi di guida intelligente
Questi risultati possono servire da guida per la progettazione di infrastrutture urbane e politiche volte a ridurre le potenziali distrazioni causa di incidenti stradali. Ad esempio, potrebbero essere la base per miglioramenti nella segnaletica, nei sistemi di gestione del traffico nelle aree congestionate o nella progettazione di intersezioni più sicure.
In particolare potrebbero essere elementi per sviluppare sistemi di assistenza alla guida. ADAS intelligenti che possano monitorare l’ambiente in tempo reale e allertare il conducente o attivare meccanismi di sicurezza quando vengono rilevate condizioni potenzialmente stressanti. O ancora suggerire percorsi alternativi meno stressanti..
I prossimi passi in questa linea di ricerca sono espandere e diversificare i dati, esplorare modelli che incorporino altri tipi di dati non invasivi, come le informazioni sul veicolo e perfezionare le tecniche di interpretazione dell’AI per comprendere meglio i meccanismi alla base dello stress.
