iDriveSafe: un nuovo progetto per la sicurezza stradale

iDriveSafe è un progetto pilota realizzato dall’Ing. Coscia Vito Donato per l’assistenza alla mobilità su strada, in grado di offrire servizi avanzati di supporto alle decisioni al conducente di un autoveicolo durante la guida, direttamente attraverso il proprio iPhone. Il progetto, realizzato per una tesi di Laurea Specialistica in Ingegneria Informatica, ha portato alla realizzazione del prototipo di un innovativo sistema di guida assistita su base semantica, capace di stimare le condizioni di sicurezza nello scenario corrente in tempo reale e di suggerire al conducente opportune azioni da compiere per eliminare o minimizzare i fattori di rischio.

Introduzione

I dispositivi per la sicurezza stradale, con cui sono equipaggiati gli autoveicoli più recenti, sono principalmente orientati al recupero della stabilità del veicolo o alla protezione dei passeggeri in seguito ad un evento critico. Alla prima categoria appartengono dispositivi come ABS (Antilock Braking System)che impedisce il blocco delle ruote in frenata, ESP (Electronic Stability Program) che interviene quando il veicolo mostra cenni di sbandamento laterale regolandone dinamicamente la marcia, ASR (Anti Schlupf Regierung) che controlla lo slittamento delle ruote in fase di accelerazione per governare al meglio la trazione durante la partenza e la crociera, o infine il sistema ABC (Activity Body Control), sistema di sospensioni attive in grado di regolare dinamicamente l’assetto del veicolo. Alla seconda categoria, invece, appartengono dispositivi più largamente conosciuti come airbag, cinture di sicurezza, pretensionatori, poggiatesta attivi, carrozzerie in grado di attutire gli urti e cristalli anti-sfondamento.

La sfida attuale nel settore della sicurezza stradale è però orientata alla prevenzione. L’obiettivo più ricercato riguarda la possibilità di prevenire eventi rischiosi ed agire prima che essi si possano verificare, piuttosto che intervenire sulle conseguenze. Questo approccio, come è ovvio, è potenzialmente di gran lunga più benefico del precedente. Le soluzioni attualmente disponibili sul mercato applicano il principio in modo statico e passivo. Ad esempio, i più moderni sistemi di navigazione assistita offrono all’utente servizi intelligenti per il calcolo delle rotte più sicure in funzione del traffico e delle condizioni meteorologiche. Sebbene questa strategia sia di grande ausilio, non consente di determinare in tempo reale l’insorgere di situazioni di pericolo. D’altro lato, la previsione di un evento critico rappresenta un’operazione molto complessa a causa di numerose variabili, spesso casuali ed imprevedibili. Tuttavia, monitorando l’ambiente esterno, lo stile di guida dell’utente e la dotazione di sicurezza della vettura, è possibile controllare i fattori di rischio che potrebbero innescare l’evento stesso. L’idea alla base del progetto parte proprio da questo principio: attraverso una rappresentazione su base logica dell’ambiente esterno, della vettura e dello stile di guida dell’utente, adoperando tecniche di Knowledge Representation e di Reasoning, è possibile stimare i fattori di rischio che potrebbero generare una situazione di pericolo e fornire all’utente suggerimenti mirati per rientrare in condizioni di sicurezza accettabili.

Obiettivi

L’aumento del traffico stradale genera problemi i cui costi sociali ed economici sono ampiamente riconosciuti: congestione delle reti viarie urbane e extraurbane, inquinamento dell’ambiente, danni per la salute, spreco di risorse energetiche, frequenza e severità degli incidenti stradali. Al fine di ridurne l’incidenza, la letteratura ha identificato tre elementi principali:

  1. educare i guidatori a un comportamento più prudente e responsabile;
  2. migliorare le condizioni delle strade e i sistemi di controllo del traffico;
  3. migliorare i sistemi di protezione a bordo dei veicoli.

Recenti studi hanno mostrato che l’investimento di risorse in ognuno di questi campi può portare ad una diminuzione della pericolosità del traffico veicolare. L’approccio sviluppato nel progetto iDriveSafe di Vito Donato Coscia si propone come un valido contributo in questa direzione, effettuando la raccolta e l’aggregazione di informazioni riguardanti i parametri di funzionamento delle principali componenti dell’ automobile, lo stile di guida del conducente, le condizioni meteorologiche e la situazione del traffico producendone una caratterizzazione ad alto livello, al fine di offrire un servizio di diagnostica ed assistenza in tempo reale, in modo da determinare eventuali fattori di pericolo e suggerire al conducente i correttivi da apportare allo stile di guida e/o all’assetto del veicolo.

I benefici, in termini di ricadute economiche e di concrete innovazioni di processo/prodotto derivanti dallo sfruttamento industriale dei risultati di ricerca, sono potenzialmente molteplici, potendo contribuire al raggiungimento e al potenziamento del vantaggio competitivo nel settore dell’infomobilità. In particolare, le tecniche sviluppate possono fornire le giuste competenze per la progettazione e l’implementazione di sistemi innovativi per: la gestione del traffico e della mobilità; l’informazione all’utenza; la gestione del trasporto pubblico; la gestione delle flotte e del trasporto di merci su gomma; il controllo avanzato del veicolo e la navigazione; la gestione delle emergenze e degli incidenti.

Il sistema

Il sistema si basa su un’architettura hardware e software costituita da diverse tecnologie. Un ruolo di primo piano assume lo standard di autodiagnosi OBD-II (On Board Diagnostics II), di cui sono dotate per obbligo di legge le autovetture più recenti. Grazie all’autodiagnosi OBD, è possibile ottenere informazioni in tempo reale come velocità, carico e giri del motore, temperatura esterna, consumo di carburante, guasti e avarie della vettura. Adoperando questi dati, acquisiti in modalità wireless mediante un opportuno dispositivo collegato alla porta OBD della vettura, il sistema sviluppato è in grado di caratterizzare con elevata affidabilità lo stato della vettura e lo stile di guida adottato dall’utente.
Le operazioni di aggregazione, interpretazione ed elaborazione dei dati rilevati via OBD sono effettuate attraverso specifici algoritmi di data fusion e mining, la cui esecuzione viene affidata ad uno smartphone di ultima generazione. In particolare, si è scelto di utilizzare il diffuso Apple iPhone come piattaforma di riferimento per la realizzazione del prototipo. La scelta di tale terminale è motivata soprattutto dalla sua dotazione hardware, che vanta la presenza di sensori quali accelerometro, magnetometro e GPS, nonché di connettività Wi-Fi e UMTS. I sensori integrati vengono utilizzati per caratterizzare l’ambiente esterno con elevata precisione. Ad esempio, l’accelerometro è utilizzato per rilevare le oscillazioni della vettura e dedurre le condizioni della superficie stradale. La connettività viene utilizzata per interrogare specifici servizi Web e ricavare informazioni georeferenziate sulle condizioni ambientali che possono influenzare la sicurezza alla guida (meteo e vento), la tipologia di strada ed i limiti stradali.

Le tecniche di rappresentazione della conoscenza costituiscono una componente fondamentale del progetto. L’annotazione semantica dello scenario, mediante linguaggi logici formali ereditati dal Semantic Web, consente di modellare il dominio di riferimento in una base di conoscenza costituita da concetti, proprietà ed individui. I dati elaborati diventano informazioni adatte all’interpretazione ad alto livello e soprattutto all’elaborazione automatica mediante algoritmi di ragionamento deduttivo. Attraverso un processo di matchmaking semantico, il sistema è in grado di individuare i fattori di rischio relativi allo scenario corrente. Al termine di questo procedimento, i risultati vengono utilizzati per suggerire al conducente opportune azioni da compiere al fine di eliminare o ridurre i fattori di rischio e per inviare segnalazioni di alert via e-mail/sms a destinatari conosciuti.

In sintesi, il funzionamento dell’applicazione si basa su tre fasi distinte: data gathering, post-process e matchmaking semantico.

La fase di data gathering consiste nel raccogliere i dati di basso livello necessari per descrivere lo scenario corrente a livello semantico. Questa fase è eseguita ciclicamente per un periodo di osservazione fissato a 60 secondi. Lo scopo della fase di post-process è quello di elaborare i dati di basso livello raccolti e calcolare dei parametri necessari alla caratterizzare semantica, secondo opportuni valori di soglia determinati in modo sperimentale. La fase dimatchmaking semantico ha come obiettivo l’analisi dello scenario corrente in riferimento all’ontologia progettata.

Risultati

Di seguito si presentano due screenshot esemplificativi che mostrano il funzionamento del sistema in uno scenario di testing su strada dissestata a bassa percorrenza.

Il primo screenshot si riferisce al caso in cui è stato adottato uno stile di guida pericoloso contraddistinto da alta velocità e andamento nervoso (repentine accelerazioni e brusche frenate). In una prima fase di aggregazione ed elaborazione dei dati acquisti via OBD, dai sensori integrati nello smartphone e da servizi Web esterni, il prototipo è in grado di classificare in completa autonomia e senza alcun intervento dell’utente lo scenario corrente: località Grumo Appula (BA) SP 71, strada dissestata a scorrimento lento, traffico scorrevole, vento debole e cielo nuvoloso, velocità elevata e andamento nervoso, dispositivi ESP e ABS non presenti o disattivati.

Le descrizioni ottenute sono sottoposte al processo di matchmaking attraverso servizi di ragionamento automatico, in grado di individuare tutti i possibili fattori di rischio per il conducente alla guida. Il risultato del matchmaking è utilizzato per suggerire le azioni e i comportamenti correttivi che l’autista può adottare per minimizzare i rischi. Nell’esempio specifico, il sistema suggerisce di moderare la velocità, di assumere un andamento meno brusco ed attivare i dispositivi di sicurezza ESP e ABS.

Nel secondo screenshot, è mostrato il risultato di un ulteriore test nello stesso scenario, in cui però il conducente ha adottato uno stile di guida prudente, come dovrebbe essere su una strada in tali condizioni affinché non vi siano pericoli di sbandate. Come si può osservare, il sistema non ha rilevato pericoli per l’utente. Sebbene la strada sia sconnessa ed a bassa percorrenza, infatti, l’utente ha adottato uno stile di guida adeguato a tali condizioni.

Test su strada

Sono stati condotti test su strada in scenari differenti, distinti fondamentalmente da diverse condizioni dell’ambiente esterno. Nel seguito saranno presentati tre video che dimostrano il funzionamento del sistema in tre scenari differenti: 1) strada dissestata 2) traffico intenso 3) pioggia.
Tutte le prove sono state realizzate a bordo di una Mercedes C220 CDI immatricolata nel 2003. Per simulare reali situazioni di pericolo per l’utente alla guida, in ogni scenario sono stati adottati opportuni stili di guida e configurazioni dei dispositivi di sicurezza tali da creare dei fattori di rischio. Al termine di ogni test sarà mostrato il risultato del sistema con i suggerimenti all’utente.

Test #1 – Strada dissestata

Il primo test è stato effettuato su una strada dissestata, sulla SP1 a Toritto (BA). Lo scenario è costituito da una strada sterrata con buone condizioni meteorologiche (cielo sereno e vento debole). Prima di avviare il sistema è necessario che l’adattatore OBD sia collegato alla porta di autodiagnosi della vettura, collocata sotto la colonna dello sterzo dietro un apposito sportellino. L’adattatore crea una rete ad-hoc mediante la quale l’iPhone può accedere ai dati della centralina. Per massimizzare il livello di rischio in fase di test, vengono disabilitati tutti i dispositivi di sicurezza sulla vettura. Inoltre sarà adottato uno stile di guida inappropriato all’ambiente specifico, caratterizzato da velocità elevata e andamento nervoso, con brusche frenate, sterzate e accelerazioni.

In questo test la dotazione hardware dell’iPhone gioca un ruolo fondamentale. L’accelerometro integrato risulta di grande utilità per la caratterizzazione dell’ambiente esterno, in particolare della superficie stradale.
L’idea di base è quella di considerare il dispositivo come elemento solidale con la vettura, in modo da trascurare i movimenti relativi dovuti all’inerzia e adoperare le misure dell’accelerometro in riferimento alle oscillazioni prodotte dal manto stradale sul veicolo.
Mediante un accurato processo di elaborazione e filtraggio dei valori di accelerazione generati dalle oscillazioni della vettura, è stato possibile distinguere una strada dissestata da una strada in buone condizioni.

Si può osservare come la strada sia stata correttamente rilevata come “Dissestata” e a “Lenta Percorrenza”. Il traffico viene ovviamente stimato come “Scorrevole”, il meteo “Sereno” ed il vento “Debole”. Lo stile di guida viene caratterizzato come ad Alta Velocità e Andamento Nervoso. Sulla base di queste premesse il sistema suggerisce all’utente di Moderare la VelocitàModerare l’andamento ed attivare i dispositivi di sicurezza ESP e ABS affinché possa rientrare in livelli di sicurezza accettabili.

Test #2 – Traffico intenso

Il secondo test è stato realizzato in condizioni di traffico intenso su una strada a basso scorrimento. Tutti i dispositivi di sicurezza sono stati disabilitati dalla schermata Settings. Lo scenario è rappresentato da una strada principale della città di Bari con un’alta densità di veicoli in coda. Le condizioni meteorologiche sono ottime ed il manto stradale è piano. Per creare delle situazioni di pericolo, nel corso del test è stato adottato uno stile di guida con andamento nervoso, caratterizzato da brusche frenate e accelerazioni in coda agli altri veicoli.
In questo test i parametri acquisiti attraverso lo standard OBD (On-Board Diagnostics) sono particolarmente utili per determinare le condizioni della viabilità stradale, attraverso una stima delle condizioni del traffico. Generalmente, in una situazione di traffico congestionato, il conducente assume uno stile di guida caratterizzato da frequenti e rapide accelerazioni/frenate, alternate a periodi di sosta. Analizzando i dati rilevati dalla centralina della vettura, è stato possibile distinguere la situazione di traffico intenso da quella di traffico scorrevole con sufficiente accuratezza.

I risultati mostrano come il traffico venga correttamente rilevato come “Intenso”, la strada è a “Lenta Percorrenza” essendo una strada urbana, e presenta una superficie “Piana”. Il meteo è “Sereno” ed il vento “Debole”. A causa delle brusche frenate ed accelerazioni, lo stile di guida viene classificato con andamento “Nervoso”, mentre la velocità non può che essere “Bassa” in tali condizioni. Sulla base di queste premesse il sistema suggerisce all’utente dimoderare l’andamento e la necessità di disporre dell’ABS, affinché non vi siano pericoli di tamponamento ed incidente.

Test #3 – Pioggia

Il terzo ed ultimo test è stato eseguito in condizioni di pioggia. Lo scenario è costituito da pioggia su strada a bassa percorrenza, con traffico scorrevole e manto stradale in buone condizioni. Il dispositivo di sicurezza ESP, è stato disattivato dall’apposito tasto sulla plancia della vettura, e di conseguenza anche nella configurazione dell’applicazione sul dispositivo. ABS e Fendinebbia, invece, sono stati attivati.
Per massimizzare i fattori di rischio, è stato adottato uno stile di guida caratterizzato da velocità elevata, decisamente controindicato su strada bagnata per evitare sbandate e ridurre il fenomeno di aquaplaning.

Per ricavare le informazioni sulle condizioni meteorologiche e sulla tipologia di strada, il sistema utilizza un elaborato algoritmo che sfrutta diversi servizi avanzati offerti da Google Maps, TWC (The Weather Channel) e CloudMade. L’algoritmo segue diverse fasi che vanno dal reverse-Geocoding per deteriminare la località corrente, al parsing XML e JSON dei dati ricavati sfruttando le API di TWC e CloudMade.

I risultati mostrano come la strada sia stata correttamente rilavata come a Lenta Percorrenza e superficie piana; il traffico è stato classificato come scorrevole e le condizioni meteorologiche sono Pioggia e vento Debole. L’andamento è stato rilevato come Costante e la velocità elevata. In questa situazione, a causa dell’alta velocità su strada bagnata a bassa percorrenza, il sistema rileva delle situazioni di pericolo. Per ridurre questi fattori di rischio, il sistema suggerisce all’utente la necessità di moderare la velocità di guida ed attivare il dispositivo ESP.

Conclusioni

In definitiva, l’utilizzo congiunto di diverse tecnologie hardware e software ha reso possibile la progettazione e la realizzazione di una soluzione innovativa ed affidabile per assistere l’utente nella guida sicura dell’autovettura. L’affidabilità di tale soluzione è garantita in particolare dalla comunicazione diretta con la centralina elettronica del veicolo attraverso lo standard OBD-II, mediante il quale è possibile accedere ai parametri reali sulle performance del mezzo e caratterizzare il comportamento dell’utente alla guida con elevata precisione. In un contesto ricco di scenari così complessi e molteplici variabili, le tecniche di rappresentazione della conoscenza consentono di modellare la realtà con descrizioni semantiche di alto livello, separando l’informazione dall’implementazione di basso livello e garantendo un’elevata flessibilità. Grazie all’integrazione dei servizi di ragionamento automatico, il sistema è capace di dedurre nuova conoscenza a partire dall’annotazione semantica dello scenario corrente e di eseguire complessi processi di inferenza a supporto delle decisioni del conducente alla guida.
Il mercato non offre attualmente prodotti paragonabili a quello progettato. Soluzioni simili sono in fase di sviluppo presso i dipartimenti di ricerca e sviluppo delle maggiori case automobilistiche, con l’obiettivo di prevenire situazioni di pericolo e assistere l’utente nelle manovre di guida senza invadere le sue competenze. Questi sistemi integrati, però, rappresentano un valore aggiunto che non può essere alla portata di tutti a causa dei costi troppo elevati. La soluzione proposta, invece, si basa su una dotazione hardware di basso costo, facilmente accessibile, già largamente diffusa nelle autovetture attualmente in commercio.

Per maggiori informazioni è possibile contattare l’Ing. Coscia Vito Donato.

HotAcquista iPhone 15 su Amazon!
News