контроль качества вождения на основе машинного зрения и нейросети
Разработка системы оценки качества вождения водителя для новой схемы страхования. Чем безопаснее вождение, тем дешевле страховка.
Цель проекта:
В нашу компанию обратился стартап, который планирует начать продавать страховки в зависимости от стиля вождения водителя. Подобная система уже запущена у Tesla.
Реализация данного проекта позволит для страховой компании повысить качество оценки водителя при выдаче страхового полиса и улучшить прогнозирование наступления страхового случая. Для клиента - это возможность снизить стоимость полиса и перейти на новую схему оплаты по факту вождения автомобиля. Если ранее страховка приобреталась на год и только после этого можно было управлять автомобилем, то по новой схеме стоимость страхового полиса формируется в момент вождения и оплачивается по факту.
Задачи проекта:
С нашей стороны требовалась разработка технической части проекта. Вместе с Заказчиком, были определены задачи, которые должна решать система оценки качества вождения водителя. Они были поделены на два основных блока.
Оценка качества вождения водителя:
- Фиксировать количество резких торможений и "агрессивных" поворотов
- Контролировать и фиксировать соблюдение безопасного интервала до движущейся впереди машины
- Контролировать соблюдение ПДД (проезд на красный свет; превышение разрешенной скорости движения; пропуск пешехода на пешеходном переходе; фиксировать другие нарушения правил дорожного движения)
Оценка поведения самого водителя за рулем:
- Наличие признаков у водителя алкогольного или наркотического опьянения, неадекватного или "болезненного" состояния
- Оценка усталости водителя за рулем (например, закрытие глаз на продолжительный промежуток времени во время движения автомобиля и т.п.)
Разработка пилотной системы оценки качества вождения водителя.
В ходе работ над проектом команда разработки собрала датасет для обучения нейросети. Использованы сотни тысяч фотоматериалов, которые легли в основу обучения алгоритма.
Возможности обученной нейросети:
- Распознавание участников дорожного движения (виды транспорта: автомобиль, грузовик, автобус, мотоцикл, велосипед);
- Определение дистанции до объектов на дороге;
- Распознавание сигналов светофора и дорожных знаков;
- Отслеживание нарушений правил дорожного движения (проезд на красный свет; превышение разрешенной скорости движения; контроль соблюдения безопасной дистанции; распознавание резкого ускорения/торможения; и другие правила дорожного движения).
