Autonomous smart secured interactive automobile (ASSIA). A knowledge based system for driving assistance

The term Advance Driver Assistance System generally means a system, often equipped with data processing capabilities, which is developed to offer assistance to the driver while driving. Often a system of this type is developed to improve the safety of the driver and consequently the road safety, being the vehicle itself in continuous interaction with the external environment objects positioned along its path. The safety features are designed to prevent accidents and dangerous situations, providing technologies that warn the driver of potential problems, or to avoid collisions by implementing protective measures and by taking control of the vehicle. Technology is constantly evolving and in recent years the computer industry has invested a substantial amount of resources in the research and develop- ment area concerning ADAS, developing systems with increasingly artificial intelligence capabilities which allow to not consider anymore only an utopia the so-called ”Self Driving Cars” which we will probably see on the market in a few years as a result of the current testing phase. Each driver assistance system is based on wireless sensor networks which acquire data and send them to a central processing system that takes different decisions according to the different situations encountered. The limit of these devices is that are often limited to serve a single functionality (such as the Adaptive Cruise Control for maintaining the distance from the vehicle ahead or as the systems for monitoring the health state of the driver) or are proprietary solutions and then installed only on vehicles of a given brand and often only on the most expensive models. There is no unity of purpose which allows the integration of data analyzed by the various ADAS devices, making possible the construction of a unified intelligent system that makes use of information coming from different contexts. And to our knowledge above all there is not a system of this type based on a Semantic Web technologies approach. Starting from these existing problems, the novelty that the thesis introduces is the construction of an Advance Driver Assistance System to improve driver safety through the innovative use of an intelligent Knowledge Base. The system will be able to acquire information received from networks of existing sensors storing them for the belonging context in a knowledge model based on an Ontology. In a human-vehicle interaction, we have identified three main contexts which make up the application domain: the contest of the driver, the context of the vehicle, and the context of the environment where the interaction takes place as for instance information related to the surrounding objects. The system will then combine the information received from the three different contexts, realizing the so called Data Fusion, and, through the use of logical rules SWRL of type if-> then, performed on the data of the ontology model by the help of a reasoning process, will be able to produce the correct output actions that the driver will have to perform if the data fusion process generates situations that can play an important meaning for the system. Driving rules will be produced to improve driver safety and accident prevention in many different types of situation.

Col termine Advance Driver Assistance System si intende in genere un sis-tema, spesso dotato di capacità di elaborazione dati, volto all’assistenza del guidatore durante lag uida. Spesso o un sistema di questo tipo è sviluppato per migliorare la sicurezza del conducente e conseguentemente la sicurezza stradale essendo il veicolo stesso in continua interazione con oggetti dell’ambiente esterno durante il suo tragitto. Le caratteristiche di sicurezza sono progettate per prevenire incidenti e situazioni di pericolo, offrendo tecnologie che avvisano il conducente di potenziali problemi, o per evitare le collisioni mediante l’attuazione di misure di salvaguardia e prendendo il controllo del veicolo. La tecnologia è in continuo sviluppo e negli ultimi anni il settore informatico ha investito una ingente quantità di risorse nel settore di ricerca e sviluppo riguardante gli ADAS, arrivando a sviluppare sistemi dotati di una sempre maggiore intelligenza artificiale che permettono di non considerare più come una utopia le cosidette ”self driving cars” senza conducente delle quali probabilmente vedremo la comparsa sul mercato nel giro di qualche anno a seguito della fase di testing in corso. Ogni sistema di assistenza alla guida si basa sull’utilizzo di reti di sensori che acquisiscono dati e li inviano ad un sistema centrale di elaborazione che prende decisioni diverse a seconda delle diverse situazioni riscontrate. Il limite di questi dispositivi è che spesso sono soluzioni limitate a svolgere una singola funzionalità (come ad esem pio l’Adaptive Cruise Control per il mantenimento della distanza dal veicolo che ci precede o come i sistemi per il monitoraggio dello stato di salute del conducente) o sono soluzioni proprietarie e quindi installate solamente sui veicoli di un determinato brand e spesso solamente sui modelli più costosi. Non vi è unità di intenti che permetta l’integrazione dei dati analizzati dai diversi dispositivi ADAS, rendendo possibile la costruzione di un sistema intelligente unificato che faccia uso di informazioni provenienti da più contesti. E soprattutto non vi è, a nostra conoscenza, un sistema di questo tipo che segua un approccio basato sulle tecnologie del Web Semantico. Da qui l’innovazione che la tesi offre è la costruzione di un Advance Driver Assistance System volto a migliorare la sicurezza del conducente attraverso l’uso innovativo di una base di conoscenza intelligente. Il sistema sarà in grado di acquisire le informazioni ricevute da reti di sensori esistenti memorizzandole per contesto di appartenenza in un modello di conoscenza basato sull’utilizzo di una ontologia. In una interazione uomo-macchina abbiamo individuato tre contesti principali che caratterizzano il dominio dell’applicazione: il contesto relativo ai dati del guidatore, il contesto relativo alle informazioni provenienti dal veicolo, come i suoi dati fisici e il contesto relativo all’ambiente esterno in cui l’interazione ha luogo come per esempio le informazioni relative agli oggetti circostanti. Il sistema combinerà poi le informazioni appartenenti ai tre differenti contesti effettuando quella che viene chiamata in linguaggio tecnico fusione dei dati e, attraverso l’utilizzo di regole logiche SWRL di tipo if->then eseguite da un processo di reasoning sui dati relativi al modello dell’ontologia, sarà in grado di produrre le corrette azioni in output che il guidatore dovrà intraprendere qualora il processo di fusione dei dati generi situazioni che possano assumere un significato rilevante per il sistema. Le regole di guida prodotte saranno volte a migliorare la sicurezza del conducente e la prevenzione degli incidenti in svariati tipi di situazione.