Compilation of Ridiculous Car Crash and Slip & Slide Winter Weather
 |
騰訊科技 湯姆
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 comments:
張貼留言