Top.Mail.Ru
Заказать обратный звонок
Я соглашаюсь на обработку персональных данных и ознакомлен(а) с Политикой конфиденциальности.


Кейс NORDCLAN

Разработка системы оценки качества вождения водителя для новой схемы страхования

Чем безопаснее вождение, тем дешевле страховка.

Цель проекта:

В нашу компанию обратился стартап, который планирует начать продавать страховки в зависимости от стиля вождения водителя. Подобная система уже запущена у Tesla.

Реализация данного проекта позволит для страховой компании повысить качество оценки водителя при выдаче страхового полиса и улучшить прогнозирование наступления страхового случая. Для клиента - это возможность снизить стоимость полиса и перейти на новую схему оплаты по факту вождения автомобиля. Если ранее страховка приобреталась на год и только после этого можно было управлять автомобилем, то по новой схеме стоимость страхового полиса формируется в момент вождения и оплачивается по факту.

Задачи проекта:


С нашей стороны требовалась разработка технической части проекта. Вместе с Заказчиком, были определены задачи, которые должна решать система оценки качества вождения водителя. Они были поделены на два основных блока.

Оценка качества вождения водителя:
  • Фиксировать количество резких торможений и "агрессивных" поворотов
  • Контролировать и фиксировать соблюдение безопасного интервала до движущейся впереди машины
  • Контролировать соблюдение ПДД
    • проезд на красный свет;
    • превышение разрешенной скорости движения;
    • пропуск пешехода на пешеходном переходе;
    • фиксировать другие нарушения правил дорожного движения.

Оценка поведения самого водителя за рулем:
  • Наличие признаков у водителя алкогольного или наркотического опьянения, неадекватного или "болезненного" состояния
  • Оценка усталости водителя за рулем (например, закрытие глаз на продолжительный промежуток времени во время движения автомобиля и т.п.)

Разработка пилотной системы оценки качества вождения водителя.

В ходе работ над проектом команда разработки собрала датасет для обучения нейросети. Использованы сотни тысяч фотоматериалов, которые легли в основу обучения алгоритма.

Возможности обученной нейросети:
  • Распознавание участников дорожного движения (виды транспорта: автомобиль, грузовик, автобус, мотоцикл, велосипед);
  • Определение дистанции до объектов на дороге;
  • Распознавание сигналов светофора и дорожных знаков;
  • Отслеживание нарушений правил дорожного движения
    • проезд на красный свет;
    • превышение разрешенной скорости движения;
    • контроль соблюдения безопасной дистанции;
    • распознавание резкого ускорения/торможения;
    • и другие правила дорожного движения.
Также мы провели обучение нейросети для контроля за состоянием водителя за рулем.

Обучаем нейросеть контролировать эмоции водителя.

Разработанное нами решение можно использовать как на мобильных телефонах (Android, iOS), в видеорегистраторах и ARM-устройствах .