A Cambridge-i Egyetem kutatói az egyik brit autógyártóval együttműködve a közúti kísérletekben a gépi tanulást alkalmazták a járművezető terhelhetőségének megbízható és folyamatos mérésére - írja a kozlekedesbiztonsag.kti.hu.
Az eredmény szerint az ismeretlen környéken való vezetés és a csúcsforgalom nagy munkaterhelést, míg a megszokott napi ingázás alacsonyabb munkaterhelést jelenthet.
Az eredményül kapott algoritmus alkalmazkodó, és közel valós időben képes reagálni a vezető viselkedésében és állapotában, az útviszonyokban, az úttípusban vagy a vezető jellemzőiben bekövetkezett változásokra. Ezt az információt azután beépíthetik a járműbe épített olyan rendszerekbe, mint az infotainment és a navigáció, a kijelzők, a fejlett vezetőtámogató rendszerek (ADAS).
A lényeg,
a sofőröket csak alacsony terhelés esetén figyelmeztetik, azért, hogy a vezető teljes koncentrációját az úton tarthassa a stresszesebb vezetési helyzetekben.
Bashar Ahmad, a Cambridge-i Műszaki Tanszék munkatársa szerint "rengeteg információ áll rendelkezésre, amelyet egy jármű a vezető rendelkezésére bocsáthat, de nem biztonságos vagy praktikus az információt át is adni, ha nem ismerjük a vezető állapotát. Ha a sofőr stresszes vezetési helyzetben van, akkor nem ez a megfelelő idő arra, hogy újabb üzenet jelenjen meg a képernyőn" – mondta Ahmad az IEEE Transactions on Intelligent Vehicles című folyóiratban.
Az autógyártók számára az a probléma, hogy miként mérjék fel a sofőr befogadóképességét, és csak akkor kezdeményezzenek interakciót vagy küldjenek üzeneteket vagy felszólításokat, ha a vezető képes feldolgozni azokat.