低能见度和大雪天气的表现非常糟糕

全球较大非营利专业技术学会“国际电气与电子工程师协会”(The Institute of Electrical and Electronics Engineers，以下简称“IEEE”)日前似乎找到了通过人工智能神经网络判断汽车当前行驶路线是否平安的全新办法，而这一办法则有望使将来自动驾驶汽车在蹩脚天气下行驶时变得更为平安。

据美国交通局（US Department of Transportation）此前颁布的数据显示，在2002-2012的十年期间，因为路线湿滑而引起的交通事故抵达了96万起，超越4700人因而丧生，路线湿滑也占到了全美因天气起因引发交通事故中高达74%的比例。美国交通局的数据还显示，因天气起因而引发的交通意外占据了所有交通意外事故23%的比例。因而，有无数的工程师和科研人员都希望找到一种可以帮忙驾驶员判断路线是否湿滑、平安的驾驶系统。

对此,IEEE研发人员则在日前尝试通过剖析车辆轮胎噪音反响的方式判断路线是否过于湿滑。比如，IEEE曾在2014款梅赛德斯-奔驰CLA车型的后胎部位安顿了一个麦克风来搜集轮胎噪音反响，并在波士顿地域的多种路面、多种行驶速度下展开了测试。

尽管这一钻研尚处于早期阶段，但从早期测试结果来看，这一系统在各个行驶速度下的加权均匀查全率（unweighted average recall）抵达了93.2%。而且，即便是车辆在静止不动的状态下都可以搜集到一些反响数据，这主要是因为该麦克风同时也会搜集其他过往车辆的声音信息所致。

“事实证明，这一办法可以通过音频信息有效判断路线情况，且相比‘支持向量机算法’（Support Vector Machines，一种机器学习办法）的实际表现更杰出。而且，这一办法甚至可以在车辆静止不动或者在行驶速度低于每小时2.9英里的极限速度下作出精确判断。”IEEE在自己的钻研报告中写道。

事实上，IEEE并不是首家希望通过声音来帮忙驾驶员判断路线情况的机构。因为西班牙马德里理工大学（Technical University of Madrid）早在2014年就尝试利用支持向量机来剖析轮胎在行驶时产生的声音，并以此来判断路线的行驶状态。

然而，西班牙马德里理工大学的钻研人员当时发现这一办法可以精确检测到的路线类型十分有限，同时也无法精确辨别诸如砂石掉落到路线上这些没有关联的声音信息。

与此同时，日本富山大学(University of Toyama)钻研人员曾在2012年对外展示过一个相似的路线情况判断系统，只不过该系统是通过图像，而不是声音反响的方式停止判断。详细来说，该系统要求在汽车上安装监控摄像头，并通过查看其他车辆车灯在路线外表的反光情况来判断路况。不过，该系统要求路线中必需有其他车辆经过才可以正常工作，且在大雾、低能见度和大雪天气的表现十分蹩脚。
 

 

充气芯模|桥梁充气芯模|橡胶充气芯模|芯模_重庆君正新型复合材料有限公司

来源：腾讯科技

注：转载文章，仅供参考