当前位置:主页 > 行业指南 >

十字路口视线被挡,自动驾驶汽车是停还是行?

发布时间:19-11-09 阅读:495

盖世汽车讯 无论是自动驾驶汽车照样人类驾驶的车辆,在十字路口行驶都十分危险。根据2018年美国交通部的一项钻研,2016年,大年夜约23%的致命交通变乱和32%的非致命交通事都故发生在十字路口。赞助自动驾驶汽车和人类驾驶员在十字路口驾驶的自动系统,必要直接看到必须避开的物体。当视线被相近的修建物或其他障碍物遮挡时,这些系统就会掉灵。针对此环境,麻省理工学院(MIT)和丰田钻研职员设计了一种新模型,可在视线受阻的十字路口,赞助自动驾驶汽车判断何时安然并入车流。

(图片滥觞:麻省理工学院官网)

据报道,该模型使用其自身的不确定性,评估在十字路口潜在的碰撞或其他风险。该模型衡量几个关键身分,包括相近的视线遮挡、传感器噪音和掉误、其他车辆的速率,以及其他驾驶员的留意力。视评估环境,系统可能会建议汽车停下来,或驶入车流,或往前挪动以网络更多的数据。

钻研职员对该系统进行了100多次测试,在模拟城市中远程遥控汽车,使车辆在忙碌、堵塞的十字路口左转,而其他汽车则赓续穿过十字路口。实验涉及全自动驾驶汽车和由人类驾驶并由系统帮助的汽车。在所有场景中,该系统根据不合的身分,能够在70%到100%的环境下,成功地赞助汽车避免碰撞。而其他安装在相同遥控车上的类似模型,无意偶尔在测试行驶时无法避免碰撞。

建模蹊径路段

该模型专门为十字路口而设计,汽车在进入车流前必须先让路,例如经由过程多车道或环形路左转。钻研职员将蹊径分成多段,有助于模型确定给定路段是否被占用,从而预计碰撞风险。

自动驾驶汽车装有传感器,可以丈量路上其他车辆的速率。当传感器记录一辆颠末的汽车行驶到一段可见的路段时,该模型应用该速率猜测其经由过程其他路段的进程。同时,概率贝叶斯收集(Bayesian network)会斟酌不确定性,比如传感器噪音或弗成猜测的速率变更,从而确定每段蹊径被过往车辆盘踞的可能性。

然而,因为视线被遮挡,此种单一的丈量可能不充分。假如传感器不能看到指定的路段,那么该模型就会觉得其视线很可能受限。假云云时汽车快速驶进车流,碰撞的风险就会增添。是以汽车应向前挪动,以得到更好的视图。假如汽车向前挪动,模型就会低落其不确定性,进而低落碰撞风险。

然则,纵然该模型操作精确,仍旧存在工资掉误,是以,该模型会预计其他驾驶员的意识。钻研职员McGill表示,“驾驶员可能在发短信,或做其他工作,而导致分心,以是反映的光阴可能更长。我们也对此种前提风险进行了建模。”这取决于驾驶员看到自动驾驶汽车驶入十字路口的概率。该模型会查看行驶的车辆在十字路口之前经由过程的路段数量。该车辆在到达十字路口之前经由过程的路段越多,其发明自动驾驶汽车的可能性就越大年夜,碰撞的风险也就越低。

该模型根据交通速率、视线遮挡、传感器噪音,以及驾驶员意识进行风险评估。此外,它还会斟酌自动驾驶汽车按预定路线经由过程十字路口所必要的光阴,以及十字路口的安然泊车点。两者天生综合风险预计。

风险评估会随时赓续更新。例如,假如多处视线被遮挡,车辆会逐步向前推进,以削减不确定性。当风险很低时,模型会奉告汽车直接经由过程十字路口。钻研职员发明,在十字路口勾留过久也会增添撞车风险。

赞助和干预

钻研职员表示,在远程节制汽车上实时运行该模型,发明其效率高、速率快,未来可大年夜规模在自动驾驶汽车中支配。而其他模型过于粗笨,而无法在这些车辆上运行。在实际用于量产车之前,该模型还必要更严格的测试。该模型将作为弥补的风险度量对象,可以赞助自动驾驶系统进行判断,从而安然经由过程十字路口。该模型也可用于某些人类和系统合营节制的ADAS。接下来,钻研职员计划在模型中加入其他具有寻衅性的风险身分,如蹊径交叉口及其周围的行人。

试读已停止

如需涉猎整个内容,请登录查看

*版权声明:本文为盖世汽车原创文章,如欲转载请遵守 转载阐明相关规定。违反转载阐明者,盖世汽车将依法穷究其司法责任!



上一篇:女童神似福原爱,首次乒乓球比赛获冠军
下一篇:​ (2019)粤0118民初4966号原告陈细平与被告周智