W 2024 roku na hiszpańskich drogach odnotowano ponad tysiąc wypadków, nie licząc licznych drobnych kolizji i incydentów. Oprócz oczywistych przyczyn, takich jak nadmierna prędkość czy złe warunki pogodowe, dużą rolę w powstawaniu niebezpiecznych sytuacji odgrywa stres kierowcy.
Nowe badania prowadzone przez Universitat Oberta de Catalunya (UOC) we współpracy z MIT pokazują, iż sztuczna inteligencja potrafi zidentyfikować czynniki wizualne na drodze, które podnoszą poziom stresu.
Badanie, które skupia się tylko na obrazie
Opublikowane w czasopiśmie „IEEE Transactions on Affective Computing” badanie pt. „Analyzing the Visual Road Scene for Driver Stress Estimation” koncentruje się wyłącznie na wizualnym aspekcie prowadzenia pojazdu. Zamiast analizować sygnały fizjologiczne kierowcy, nagrania z kamery samochodowej czy manewry pojazdu, naukowcy skupili się na tym, co widzi kierowca. Zespół badawczy wykorzystał modele uczenia maszynowego, w tym konwolucyjne sieci neuronowe (CNN) oraz sieci analizujące dane czasowe (TSN), by określić, jakie elementy obrazu drogowego zwiększają stres.

Co powoduje stres za kierownicą?
Z analizy wynika, iż obecność pieszych i pojazdów (zwłaszcza ciężarówek) istotnie podnosi poziom stresu kierowcy. Do tego dochodzą elementy miejskiego krajobrazu, takie jak reklamy, znaki drogowe czy przejścia dla pieszych, które rozpraszają uwagę i zwiększają obciążenie poznawcze osoby prowadzącej pojazd. „To pierwszy raz, gdy środowisko wizualne zostało potraktowane jako niezależne źródło danych do oceny stresu” – mówi Cristina Bustos, liderka projektu z UOC.
Zebrane dane mogą mieć praktyczne zastosowanie w planowaniu infrastruktury miejskiej. Wiedza o tym, co na drodze generuje stres, może pomóc w projektowaniu mniej stresogennych przestrzeni. Przykładowo: usprawnienie sygnalizacji świetlnej, ograniczenie liczby rozpraszających reklam lub lepsze oznakowanie przejść. Ponadto takie modele AI mogą stanowić podstawę dla inteligentnych asystentów kierowcy, którzy monitorują sytuację na drodze i ostrzegają o potencjalnie stresogennych sytuacjach w czasie rzeczywistym. Możliwe jest też automatyczne uruchamianie systemów wspomagania kierowcy, gdy wzrasta poziom napięcia.
Kolejne kroki: więcej danych i nowe modele
Na razie badania przeprowadzono na ograniczonej grupie kierowców, ale ich wyniki otwierają drzwi do dalszego rozwoju. Kolejnym krokiem będzie poszerzenie bazy danych oraz integracja modeli multimodalnych – łączących obraz z informacjami z pojazdu, np. z GPS czy czujników ruchu.
Celem długofalowym jest stworzenie ekosystemu, w którym samochód będzie aktywnie wspierać kierowcę w redukowaniu stresu, poprawiając nie tylko komfort, ale i bezpieczeństwo na drogach.