Accident prevention, detection, and early response: Using machine learning and data analysis to improve driver and pedestrian safety

I benefici della mobilita personale sono indiscutibili. Tuttavia, dato il gran numero di morti ogni anno, gli incidenti stradali sono ancora una delle principali cause di morte mondiale. Nonostante lo sforzo enorme della comunita scientifica e delle aziende per rendere i veicoli piu sicuri, il tradizionale sviluppo tecnologico ha dimostrato di non saper far fronte con questo problema. Studi dimostrano che fattori umani, anziche relativi alle prestazioni del veicolo, contribuiscono al gran numero di morti sulle strade. Ora piu che mai, i conducenti dei propri veicoli sono distratti da fattori esterni e dispositivi elettronici, i quali riducono la capacita dei guidatori di far fronte a situazioni impreviste, aumentando la probabilita d’incidente. Per di piu, le chiamate d’emergenza sono spesso ritardate quando non vi sono testimoni dell’incidente, aumentando il rischio di infortuni gravi e morte se la persona/le persone coinvolte non riescono a chiamare i soccorsi autonomamente. Ispirata dalle pratiche mediche piu comuni, questa tesi presenta un insieme di metodi che ambisce a ridurre il numero d’incidenti, sia per conducenti di veicoli a motore che pedoni, riducendo le conseguenze di un infortunio. La strategia proposta puo essere divisa in tre fasi principali: prevenzione, pronta diagnosi e terapia immediata. In primo luogo, in questa tesi si discute un algoritmo che promuove pratiche di guida sicura tramite l’aumento di consapevolezza del conducente, mediante l’analisi dello stile di guida. In questo contesto, si e studiato come tenere in considerazione l’uso del cellulare alla guida, la cui pratica e considerata particolarmente rischiosa. In secondo luogo, nello sfortunata occorrenza di un incidente, proponiamo un metodo per il riconoscimento e la classificazione dell’evento stesso, chiamando automaticamente i soccorsi qualora la persona risultasse infortunata o avesse bisogno di rapida assistenza. Allo stesso modo, presentiamo una strategia simile per pedoni, la quale riconosce quando la persona perde i sensi e risulta impossibilitata a chiamare i soccorsi. In aggiunta, per alcune tipologie d’incidente, proponiamo una metodologia per l’attivazione di un airbag, posizionato all’interno di un indumento, al fine di minimizzare la gravita degli infortuni. Grazie all’aumento dei dispositivi considerati intelligenti, abbiamo scelto di sfruttare le recenti tecniche di machine learning e d’analisi dei dati per affrontare le sfide appena menzionate. Particolare attenzione e stata dedicata alla progettazione di algoritmi flessibili e metodologicamente solidi, il cui output possa essere facilmente interpretato e riadattato a differenti problemi. La struttura proposta e stata progettata considerando anche le limitate risorse delle scatole telematiche, gia utilizzate da un gran numero di automobilisti grazie al crescente uso da parte delle compagnie assicurative. Tutti i metodi qui presentati sono stati validati sperimentalmente tramite campagne sperimentali dedicate, le quali includono automobilisti, motociclisti, pedoni, piloti e stuntman professionisti per caratterizzare le dinamiche piu pericolose.