cookieOptions = {...}; ‧ 無人駕駛技術新進展:車輛可自主判斷道路狀況 - 3S Market「全球智慧科技應用」市場資訊網

智慧生活設計事務所


2018年8月15日 星期三



Compilation of Ridiculous Car Crash and Slip & Slide Winter Weather






騰訊科技 湯姆

无人驾驶技术新进展:车辆可自主判断道路状况



全球最大非營利專業技術學會「國際電氣與電子工程師協會」(The Institute of Electrical and Electronics Engineers,以下簡稱「IEEE」),日前似乎找到了,透過人工智慧神經網路,判斷汽車當前行駛道路,是否安全的全新方法,而這一方法則有望使未來自動駕駛汽車,在糟糕天氣下行駛時,變得更為安全。

據美國交通局(US Department of Transportation)此前公佈的資料顯示,在2002-2012的十年期間,因為道路濕滑,而引起的交通事故達到了96萬起,超過4700人因此喪生,道路濕滑也佔到了全美因天氣原因,引發交通事故中高達74%的比例。

美國交通局的資料還顯示,因天氣原因而引發的交通意外,佔據了所有交通意外事故23%的比例。因此,有無數的工程師和科研人員,都希望找到一種能夠幫助駕駛員,判斷道路是否濕滑、安全的駕駛系統。

對此,IEEE研發人員則在日前,嘗試透過分析車輛輪胎噪音回饋的方式,判斷道路是否過於濕滑。比如,IEEE曾在2014款梅賽德斯-賓士CLA車型的後胎部位,安置了一個麥克風,來收集輪胎噪音回饋,並在波士頓地區的多種路面、多種行駛速度下展開了測試。

雖然這一研究尚處於早期階段,但從早期測試結果來看,這一系統,在各個行駛速度下的加權平均查全率(unweighted average recall)達到了93.2%。

而且,即便是車輛在靜止不動的狀態下,都能夠收集到一些回饋資料,這主要是因為該麥克風,同時也會收集其他過往車輛的聲音資訊所致。

「事實證明,這一方法能夠透過音訊資訊,有效判斷道路狀況,且相比‘支援向量機演算法’(Support Vector Machines,一種機器學習方法)的實際表現更出色。而且,這一方法甚至能夠在車輛靜止不動,或者在行駛速度低於每小時2.9英里的極限速度下,作出準確判斷。」IEEE在自己的研究報告中寫道。

事實上,IEEE並不是首家希望透過聲音,來幫助駕駛員判斷道路狀況的機構。因為西班牙馬德里理工大學(Technical University of Madrid)早在2014年就嘗試利用支持向量機,來分析輪胎在行駛時產生的聲音,並以此來判斷道路的行駛狀態。

然而,西班牙馬德里理工大學的研究人員,當時發現這一方法,能夠準確檢測到的道路類型非常有限,同時也無法準確區分,諸如砂石掉落到道路上,這些沒有關聯的聲音資訊。

與此同時,日本富山大學(University of Toyama)研究人員,曾在2012年對外展示過,一個類似的道路情況判斷系統,只不過該系統是透過圖像,而不是聲音回饋的方式進行判斷。具體來說,該系統要求在汽車上安裝監控攝影機,並透過查看其他車輛車燈,在道路表面的反光情況來判斷路況。

不過,該系統要求道路中,必須有其他車輛經過,才能夠正常工作,且在大霧、低能見度和大雪天氣的表現非常糟糕。

需要指出的是,IEEE發佈的《透過音訊探測路面濕度:一種深層學習方法》(Detecting Road Surface Wetness From Audio: A Deep Learning Approach)研究報告,已經被刊登在了康乃爾大學圖書館 (Cornell University Library)的開來源資料庫中。82151211

0 意見: