Până în momentul în care mașinile vor fi complet autonome ar trebui să ne concentram pe factorii care pot influenta siguranța participanților la trafic. Conducerea unui vehicul în timp ce șoferul este vizibil trist, supărat sau agitat mărește riscul de accident de aproape zece ori, potrivit unei noi cercetări de la institutul Virginia Tech's Transportation.
Momentele în care o mașină emoțională poate salva persoanele din ea de la posibile accidente sunt nenumărate, dar câteva exemple ar putea fi:
Șoferul să fie în întârziere. Mulți oameni se grăbesc spre lucru dimineața, unii fiind în întârziere se lasă acaparați de emoții care le pot afecta capacitatea de a conduce în siguranță. În momentul în care ne grăbim, emoțiile pot afecta atât stilul de condus cât și judecata anumitor situații și timpi de reacție. În multe din cazurile în care suntem în întârziere, este preferabil să oprim mașina pe marginea drumului și să ne calmăm pentru câteva minute.
Distrageri emoționale. Dacă vorbim despre grijă, supărare și anxietate, aceste sentimente pot distrage șoferul și pot pune în pericol toți participanții la trafic.
Judecata greșită a situației. Șoferii care sunt copleșiți de emoții pot lua decizii greșite în diferite situații care pot apărea în trafic și care necesită reacție pe moment.
Furie în trafic. Din păcate, episoadele de furie în trafic sunt din ce în ce mai dese în zona urbană din cauza timpului lung petrecut în trafic. La acestea se mai adaugă emoțiile de pe timpul zilei.
Analiza emoțiilor determinate în momentul vorbirii se referă la utilizarea diferitelor metode pentru a analiza comportamentul vocal ca un punct forte pentru afecțiuni (de exemplu, emoții, dispoziții și stres), concentrându-se asupra aspectelor non-verbale ale vorbirii. De regulă, se presupune că există un set de parametri de voce măsurabili care reflectă starea afectivă pe care o trăiești în prezent (sau o exprimă în scopuri strategice în interacțiunea socială). Această ipoteză pare rezonabilă având în vedere faptul că majoritatea stărilor afective implică reacții fiziologice (de exemplu, modificări ale sistemelor nervos autonom și somatic), care, la rândul lor, modifică diferite aspecte ale procesului de producere a vocii. De exemplu, excitarea simpatică asociată cu o stare de furie produce adesea modificări ale respirației și o creștere a tensiunii musculare, care influențează vibrația corzilor vocale și forma tractului vocal. Astfel, caracteristicile acustice ale vorbirii pot fi afectate, care la rândul lor pot fi utilizate de către ascultător pentru a deduce starea respectivă. Analiza emoțiilor vorbirii este complicată de faptul că expresia vocală este un sistem de semnalizare afectiv non-verbal vechi din punct de vedere al dezvoltării. Acesta este codificat într-un mod iconic și continuu, care poartă emoție și se conectează cu mesaje verbale codificate într-un mod arbitrar și categoric. Cercetătorii de voce încă dezbat în ce măsură aspectele verbale și non-verbale pot fi bine separate. Cu toate acestea, faptul că există un anumit grad de independență este ilustrat de faptul că oamenii pot percepe mesaje amestecate în enunțurile de vorbire - adică, cuvintele transmit un lucru, în timp ce indicii non-verbali transmit ceva cu totul diferit. Ca o baza de date emoțională să poată fi folosită, ea trebuie să conțină mai mulți vorbitori care spun aceași propoziție pe mai multe emoții. Aceasta baza de date trebuie să conțină multe propoziții, unele chiar asemănătoare. Pentru a înțelege mai bine, putem analiza propoziția: "Testul este pozitiv", unde, dacă emoția transmisă este una fericită, înseamnă că rezultatul se referă la un efect pozitiv în viață vorbitorului. Dacă emoția transmisă este una de tristețe, înseamnă că rezultatul testului are un efect negativ asupra vorbitorului.
Luând în considerare faptul că în domeniul de recunoaștere a vorbirii sau recunoașterea vorbitorului rata de clasificare corectă este în jurul pragului de 90%, în unele cazuri de 99%, putem spune că există loc de îmbunătățire și de optimizare. Dacă luăm în calcul zgomotele care pot interveni în timpul recepționarii mesajului din cadrul unui autovehicul cum ar fi zgomotul de fond, claxoane sau radioul, rata de clasificare corecta scade până la 70-80%. Domeniul de recunoaștere a emoțiilor, unde rata de succes este în jurul pragului de 50%, fiind relativ nou are nevoie de putere de cercetare și de investiții mai ales dacă vrem să consolidăm relația om-robot și să beneficiem de aceste caracteristici pentru a crește siguranța în domeniul automotive. Dacă pentru recunoașterea vocală, pentru diferite baze de date în diferite limbi rata de clasificare variază foarte puțin, pentru detectarea și recunoașterea emoțiilor rata de clasificare corectă folosind aceeași extragere de caracteristici și aceiași clasificatori, poate varia major de la o limbă la alta.
Când vine vorba de extragere de caracteristici și clasificare putem vorbi de o balanță între timp și rata de clasificare corectă. DNN(Depth Neural Network) necesită mai mult timp de antrenament a sistemului. Există o mulțime de grupări testate pe baze de date dar cele mai întâlnite sunt: gruparea MFCC (Mel Frequency cepstral coefficients) și Random Forrest. O altă grupare întâlnită des ar putea fi HMM (Hidden Markov Model) și SVM (Support Vector Machine) sau kNN(K Nearest Neighbor). HMM (Hidden Markov Model) este un model de extragere a caracteristicilor destul de important care poate avea diferite alternări și combinații. Pentru diferite limbi, diferite combinații de extragere de caracteristici și clasificatori au cele mai bune rate de clasificare.
Rată de clasificare mică. În momentul de față, rata de clasificare corectă a emoțiilor este destul de mică. Ținând cont că o persoană poate avea un spectru întreg de emoții care se pot schimba de la un moment la altul, este nevoie de o bază de date pentru antrenare destul de mare pentru a acapara toate aceste emoții. Cu cât avem mai multe emoții, cu atât este mai greu să distingem diferențele între ele.
Zgomot ambiental. Din câte știm, orice zgomot poate introduce date false în analiza oricărui sunet. Un autovehicul în mișcare introduce o multitudine de zgomote, de la pasageri, zgomot de fond, radio sau claxoane.
Percepția emoțiilor pasagerilor. În principiu ar trebui să captăm emoțiile șoferului, dar pot exista cazuri în care pasagerul din dreapta sau din spate poate fi confundat cu șoferul și în cazul acesta autovehiculul să ia masuri nenecesare sau să nu ia masurile necesare.
Exista mai multe baze de date emoționale în mai multe limbi: Arabă, Bască, Chineză, Daneză, Engleză, Finlandeză, Franceză, Germană, Greacă, Ebraică, Italiană, Japoneză, Coreeană, Malaeziană, Olandeză, Rusă, Slovenă, Spaniolă, Suedeză și Urdu. Din păcate, acestea nu ajung ca un autovehicul de serie să poată detecta emoțiile oricărui șofer. O altă problemă ar fi ca șoferul să fi selectat limba în care vorbește pentru ca autovehiculul să poată recunoaște corect emoțiile acestuia.
În prezent, autovehiculele pot alerta șoferul în momentul care detectează că acesta este obosit și ar avea nevoie de o pauză. Măsura autovehiculului vine doar ca o alertă către șofer și nu impune oprirea sau preluarea controlului asupra sa. Pe viitor se pot implementa diferite alerte pentru diferite "pericole emoționale" și diferite intensități ale acestora. Se poate lua în calcul chiar refuzul autovehiculului de a porni dacă șoferul prezintă un pericol din punct de vedere emoțional. Dacă șoferul se află într-o stare incipientă de emoție periculoasă, autovehiculul poate trimite atenționări pe mai multe nivele, de exemplu text sau acustic. Dacă starea șoferului se agravează, autovehiculul se poate limita la o anumită viteză pentru a nu pune în pericol participanții la trafic. Dacă starea șoferului devine critică, autovehiculul poate decide să se oprească pe marginea drumului pentru un interval de timp, pentru a lăsa șoferul să își echilibreze emoțiile. Pentru a evalua stadiul emoțiilor în care se află șoferul și pentru a minimaliza distragerile, șoferul ar trebui să vorbească sau să răspundă întrebărilor puse de autovehicul.
https://abcnews.go.com/US/emotional-driving-increases-crash-risk-tenfold-study/story?id=37133840
ttps://www.danielrrosen.com/intense-emotions-cause-auto-accidents/
M. Farhad, H. Ismail, S. Harous, "Analysis of Emotion Recognition from Cross-lingual Speech: Arabic, English, and Urdu", in 2nd International Conference on Computation, Automation and Knowledge Management (ICCAKM), 2021.
de Ovidiu Mățan
de Ovidiu Mățan
