AI ダッシュビデオで車両の安全性を強化
AI ダッシュビデオで車両の安全性を高めましょう。
米国道路交通安全局（NHTSA）は、 2022年には50万台を超える大型トラックが事故に巻き込まれました。そして 事故1件あたりの平均費用オートモーティブ・フリートによると、16,000ドルから75,000ドルの間です。怪我や死亡事故が発生すると、そのコストは大幅に上昇します。
運輸業界は従来、運転違反を検出するためにトリガーベースのカメラシステムと手動による確認方法に頼ってきました。しかし、テクノロジーが進歩するにつれ、トリガーベースのシステムでは得られる洞察が限られており、手動によるレビューは持続不可能であり、信頼性も低いことがわかりました。この課題に対処するために、一部のビデオテレマティクスシステムは、人工知能（AI）とHDカメラを組み合わせてスマートなデータ分析を実現しています。トリガーベースのイベントのみを記録するのではなく、運転時間を 100% キャプチャするものもあります。
このリソースでは、AIが道路データを分析して学習する方法と、企業が事故や費用のかかる訴訟に対して企業を脆弱にする安全上の課題に取り組む際に、AIがどのように役立つかを調べています。
イノベーションは、ドライバーの安全や定着からリスク軽減や車両性能に至るまで、車両運用のあらゆる分野を変革しています。
すでに発生したイベントにのみ反応する従来のトリガーベースのカメラシステムは時代遅れです。AIベースのテクノロジーの急速な発展により、車両が運転実績や企業方針の遵守状況を追跡し、実施するためのより高度な方法が提供されています。
AIには、従来の「人間」のタスクをより速く、より効率的に実行するようにコンピューターをトレーニングすることが含まれます。たとえば、交通機関以外では、SpotifyやYouTubeなどのプラットフォームがAIを使用して、ユーザーの以前のリスニングや視聴習慣に基づいてコンテンツを推奨します。高度なチャットボットはAIを使用して人間と通信します。AppleのSiri、AmazonのAlexa、OpenAIのChatGPTなど、便利なアシスタントになるように改造されているチャットボットもあります。
より広範な輸送業界では、AIはより機能的になる傾向があります。たとえば、テスラやウェイモの車両には自動操縦システムが搭載されており、道路状況、一時停止の標識、曲がり角、その他の車両の変化に合わせながら、車が自律的に運転できます。
AI と HD カメラの連携方法
HD カメラは、トリガーされた道路状況や運転中のイベントの様子をそのまま高画質で撮影します。この映像は後で手動で分析できます。
ビジョンベースのAIと組み合わせると、カメラシステムは物体を認識し、ビジョンのみに基づいてアラートを作成できます。たとえば、一部のAIカメラは速度制限標識の数字を識別できます。そして、スピードメーターに接続して別の車両までの距離を計算することで、テクノロジーは警告が正当であるかどうかを判断し、その警告の重大度レベルを判断できます。ビジョンベースのAIとエッジコンピューティング（カメラデバイスでの即時データ分析）により、ドライバーの行動や道路状況に関連する可聴キャブ内アラートが生成され、リアルタイムでリスクを軽減します。
AIは機械学習を通じてトレーニングされます。機械学習とは、コンピューターが経験から学び、時間の経過とともに改善できるようにするプロセスであり、すべてを明示的にプログラムする必要はありません。
たとえば、カメラのみに依存する従来のトリガーベースのシステムは、一対の人間の目だと仮定しましょう。この場合、目は道路上で起こっていることをすべて見て、後でそれらの出来事を思い出します。この記憶に基づいて、艦隊は運用上のいくつかの改善を行っています。
カメラシステムの上にAIとエッジコンピューティングを重ねると、神経中枢全体が加わります。カメラは人間の目のように、センサーは感覚器官のように機能し、AIは脳のように機能します。人体では、感覚器官があらゆる形の刺激を検出すると、画像とともにメッセージが脳に送られます。脳はすぐにこのデータを処理し、刺激に対する即時の反応を考え出します。
人工知能についても同じです。AI カメラシステムでは、カメラとセンサーは AI システムに情報を送信するデータコレクターおよびメッセンジャーとして機能します。このシステムは、収集されたデータを分析し、取るべき最善の行動についてドライバーにリアルタイムでアドバイスします。
ただし、データはすべての学習プロセスの基盤であるため、AIの性能はトレーニングの対象となるデータによって決まります。強固なデータ収集システムがないと、機能が制限されます。良いデータを得るには、まず、高いフレームレートと広い視野を組み合わせた高精細レンズなど、優れたハードウェアから始める必要があります。そして、マシンにできるだけ多くのデータを供給することで、トリガーに基づいてデータのスライスのみが供給されるマシンよりも、指数関数的に速い速度でよりスマートになります。最後に、さまざまな道路で訓練されている現場のデバイスの数は、マシンのより迅速な学習能力に影響を及ぼし、したがってAIの精度をより速く向上させます。
ドライバー管理ソフトウェアの普及により、このテクノロジーを使用する車両の運転行動とパフォーマンスが大幅に向上しました。
ビジョンベースのAIは、主に高度な分析を通じてドライバーの安全性を高めます。上記のようにさまざまなデータを収集して分析することで、車両は運転や安全の問題に対する新しい解決策を開発すると同時に、前向きな運転行動を特定して認識することができます。また、ビジョンベースのシステムは特定のイベントを取り巻く状況を理解するため、行動分析が正しいという確信も持てるようになります。たとえば、トリガーベースのシステムはハードブレーキを記録し、そのドライバーのパフォーマンススコアにポイントをドッキングします。しかし、ビジョンベースのシステムでは、ドライバーが別の車両に切断されたため、ハードブレーキが正当かつ必要であったことを理解でき、それが「安全運転」と見なされ、ドライバーには安全スコアでポイントが与えられます。このようなコンテキストが追加されたことで、ドライバーマネージャーは、危険な運転や懲罰的な行動変容だけでなく、良い運転を見極めることに集中できます。
AI によって改善された運転パフォーマンスと行動の最も注目すべき分野は次のとおりです。
交通法の遵守
違法なUターン、車線変更、左折、テールゲートなどの交通違反は、米国の道路での事故の主な原因です。ただし、スピード違反は依然として最も危険な要因です。
2022年には、 スピード違反により12,151人が死亡し、全交通事故死亡者数の29％を占める、米国道路交通安全局（NHTSA）によると。
厳格な交通法の遵守を求める政策は必要な第一歩ですが、できることは限られています。どのドライバーが捕まることなく一時停止の標識を走ったか、またその行動がどれほど深刻かを追跡することは、ビジョンベースのAIを使用しなければ不可能です。AIはドライバーの行動を追跡して理解するプロセスを合理化し、あらゆる規模の車両に対して持続可能でスケーラブルなものにします。
注意散漫で眠気のある運転
NHTSAによると、 注意散漫な運転による死亡者数は3,000人を超えました 2022年に。注意散漫な運転には、携帯電話の使用、食事、睡眠、ラジオなどの物体の操作、さらには飲酒運転など、さまざまな行動が伴います。
従来のカメラシステムを使用して注意散漫な運転や居眠り運転を検出するのは簡単な解決策のように思えるかもしれませんが、レガシーシステムではアクティビティを記録して後で確認することしかできません。その後、映像を手動で分析する必要があります。これはしばらくの間は管理可能かもしれませんが、艦隊が増えるにつれてすぐに持続不可能になります。
大規模な車両では、このようなビデオ再生を管理すると数百時間の分析が必要になることがあります。これは面倒で非効率的であるだけでなく、エラーが発生しやすく、イベントが既に発生した後にしか修正できません。
ビジョンベースのAIカメラは、ビデオをキャプチャしてリアルタイムで分析することで、より効率的で積極的なアプローチを実現します。注意散漫なドライバーの場合、高度なAIが目や頭の動き、手にある物体、その他の注意散漫な運転の兆候を検出し、運転中のアラートを瞬時に送信します。眠気を示す指標には、頭の動き、あくび、まばたき率などがあります。高度な眠気検知システムにより、サングラスや夜間でも目の詳細を確認できます。キャブ内の即時アラートは、事故が発生する可能性を減らし、ドライバーの意識を高め、行動をリアルタイムで修正します。
道路状況への適応
道路状況は常に変化しており、これらの変化の中には、ドライバーが交通法をどれだけ順守するかに影響するものもあります。たとえば、雨の中ではドライバーが追いつきすぎたり、雪が降っている状態でスピードを上げたり、濃い霧の中をナビゲートするのに苦労したりすることがあります。
AIは、このような危険な状況をドライバーに警告し、その瞬間にガイダンスを提供できます。コーチを乗せることは、ドライバーの安全とパフォーマンスにプラスの影響を与え、自信を高め、意思決定を改善することができます。
AIコーチは、周囲のデータをリアルタイムで収集して分析し、最も可能性の高い行動方針を決定することで作業を行います。これらの計算は、データをローカルに保存して処理を高速化し、より迅速な意思決定を可能にするエッジコンピューティングのおかげで、数秒で行われます。
高度な AI 対応カメラと安全システムにより、車両は次のことが可能になります。
事故や衝突の数を大幅に減らす
ドライバーの安全が最優先事項であることを伝え、リスクの軽減に役立てる
請求や訴訟の軽減による経費の節約
早期和解が賢明かどうかを判断するのに役立ちます
あまり積極的でない運転方法で燃料を節約
インセンティブと報酬によってドライバーに優しい環境を作りましょう
公正なドライバースコアを通じてドライバーの士気を高めることで、ドライバーの定着率を高めましょう
ドライバーがより多くのトレーニングを必要とする分野を正確にターゲットにし、全員に合わせてトレーニングをカスタマイズします
パートナーに安全を最優先にするよう求める顧客からより多くのビジネスを獲得できる
より具体的な企業安全方針の起草
NetradyneのAIベースの車両安全管理ソリューションでリスクを軽減
NetradyneのビジョンベースのAIカメラシステムであるDriver•iは、包括的で信頼性の高いデータと分析を提供し、ドライバーと車両を保護するのに役立ちます。トリガーベースのイベントだけでなく、パーソナライズされたコーチング、運転室内の安全警告、運転時間の 100% の把握と分析を行います。プラスとマイナスの習慣や出来事の両方を考慮したNetradyne独自のGreenZoneドライバースコアリングシステムと組み合わせることで、車両はリスクを軽減すると同時に、報酬と積極的な強化に基づく文化を育むことができます。
研究に裏打ちされたネトラダイン ROI モデルは、13億マイルの運転データの分析に基づいており、GreenZoneスコアが高いほど安全な運転が事故の減少にどの程度つながるかを相関させる唯一の方法です。実際、車両のGreenZone Score が50ポイント向上するごとに、100万マイルあたりの事故数（APMM）が約13〜15％減少します。2つの異なる艦隊グループ（1つのグループは100艦隊、もう1つは50艦隊）の調査に基づくと、Netradyneの顧客は初年度に平均してグリーンゾーンのスコアを150ポイント向上させたことがわかりました。言い換えれば、Driver•Iプラットフォームを使用する車両では、初年度だけで100万マイルあたりの事故数（APMM）が30％以上減少する可能性があります。
事故の軽減以外にも、Driver•iには他にもさまざまなメリットがあります。例えば:
プラットフォームが最近観測した停止標識の数は1,000万件で、ノンストップイベントでは61％、ローリングストップでは51％の改善が見られました。
Netradyneの顧客の中には、GreenZone Score を給与システムに組み込んで、特定のスコアに達するとドライバーにボーナスを与える人もいます。その結果、安全なドライバーは、自信を高め、エンゲージメントを高め、全体的なドライバーの定着率を高める総合的なアプローチでふさわしい評価を受けることができます。Netradyneのお客様の中には、ドライバーの定着率が前年比で15％向上したことに気付いたお客様もいます。
