MotoSafety: l'Edge-AI raggiunge il 94,97% di precisione nella valutazione del rischio di collisione per veicoli a due ruote in condizioni di pressione temporale

MotoSafety, un nuovo framework di edge-AI, prevede la probabilità di collisioni per veicoli a due ruote con una precisione impressionante del 94,97%. Questo sistema innovativo utilizza un dataset completo che include oltre 129.000 sequenze temporali multivariate etichettate, derivate da 153 corse su simulatore, coinvolgendo 51 partecipanti in diversi scenari di pressione temporale—nessuna, bassa e alta. Analizza 64 caratteristiche relative alla dinamica del veicolo, agli input di controllo, alla prossimità e alle infrazioni comportamentali. MotoSafety supera dieci modelli di riferimento, come TimesNet e LLM4TS, raggiungendo un ROC AUC del 99,33% e un errore di previsione di 0,039 MSE e 0,094 MAE, che è 4,4 volte inferiore rispetto a Time-LLM e iTransformer. Con un'architettura compatta di soli 1,15 milioni di parametri e una latenza di 0,135 ms, è ideale per l'implementazione su hardware CPU a basso costo, affrontando questioni di sicurezza essenziali per i conducenti di veicoli a due ruote motorizzati nei paesi a basso e medio reddito.