Surfer sur internet au volant : une appli smartphone de l’Université Ben Gourion repère les conducteurs à risque
[:fr]Pour faire face au fléau du surfing sur internet au volant, le Dr Eli Rohn à l’Université Ben Gourion du Néguev et six étudiants ont mis au point une application sophistiquée qui classe les conducteurs en fonction de leur comportement, de leur style de conduite et de leur usage du téléphone au volant. Ce système utilise les capteurs d’un smartphone pour recueillir des données en temps réel pendant la conduite et les stocke dans le cloud. Ces données sont ensuite analysées au fil du temps en utilisant des algorithmes qui mesurent plusieurs critères sur une échelle continue : style de conduite, anxiété, prudence, comportement irresponsable ou dangereux, colérique ou hostile. Le type d’utilisation et de dépendance au smartphone du conducteur durant la conduite sont aussi évalués : non-utilisateur, passif, actif. Le système permet aussi au conducteur de vérifier sa propre évaluation sur son smartphone, pour un voyage précis ou pour des voyages successifs.
Ce système peut permettre aux autorités de récompenser les jeunes conducteurs responsables par un système de points, et en même temps de renforcer le contrôle des jeunes conducteurs pour les repérer ceux qui développent un comportement à risque. L’application pourrait être utilisée par les assureurs automobiles et les enquêteurs en cas d’accidents, si le cadre législatif approprié existe.
L’équipe de chercheurs a utilisé le système trois véhicules différents, avec trois pilotes différents. Les capteurs ont recueilli plus de 10 000 événements en environnements urbain, rural et autoroutier. Les véhicules utilisés étaient une berline, un bus et une moto. La collecte de données a parfaitement fonctionné, y compris quand le réseau était inaccessible. Les systèmes d’évaluation de conduite et d’addiction au téléphone portable se sont avérés fiables et précis, ainsi que le retour de ces informations du conducteur.
L’application a été développée sousWindows et le Dr Rohn attend une subvention pour développer le système sur Android et iOS (Apple). Le Dr Rohn envisage de créer une start-up pour commercialiser cette appli.
https://www.youtube.com/watch?v=dhfT67nNCHs&feature=youtu.be[:en]Ben-Gurion University of the Negev’s Dr. Eli Rohn and six of his students have developed a sophisticated computerized system that classifies drivers based on their driving style and phone usage while driving. The computerized system uses a smartphone’s sensors to collect data in real time while driving and stores it in a cloud-based database. The data is then analyzed over time using a set of algorithms for the production of several outputs: first, classification of the driver’s driving style on a continuous scale: anxious, cautious, dangerously irresponsible, angry and hostile. Second, classification of the driver’s level of smartphone usage on a continuous scale: non-user, passive, active. The system also offers a third output: feedback for the driver on their smartphone. The feedback can be for a specific trip or for an accumulation of trips.
Additionally, the system provides the authorities a rare opportunity to reward young responsible drivers with added privileges, and at the same time better enforce “young driver” regulations. The system could be used by automobile insurers and accident investigators, assuming the proper legislative environment exists.
Identifying non-normative drivers before they develop a record of traffic violations and accidents can be life-saving. It provides an opportunity for remedial training and awareness of one’s driving style and
level of addiction to the smartphone while driving. Reducing the number of times drivers text or surf the internet while the vehicle is in motion could help in fighting a phenomenon that has become a pandemic.
To verify the proof of concept and to assess the system’s accuracy, the team from the Department of Information Systems Engineering used the system in three different vehicles, with three different drivers. Test drives collected over 10,000 driver events in urban, rural and highway environments. The vehicles used were a sedan, a bus and a motorcycle. The data collection portion worked flawlessly, including periods where data communications was interrupted. The maneuvering classifier and the cellphone addiction classifiers proved to be reliable and accurate, as did the driver’s feedback mechanism.
The app was developed for Windows phones and Dr. Rohn has applied for a research grant to continue develop the system on Android and iOS (Apple). If approved, it could provide the basis for yet another startup Dr. Rohn has initiated.
