基于人工智能的早期预警系统从真实交通情况中学习

由慕尼黑工业大学（TUM）的一组研究人员开发的新型车辆早期预警系统利用人工智能从成千上万的真实交通情况中学习。该系统的研究是在与宝马集团的合作下进行的，表明该系统将有利于当前的自动驾驶车辆。如果使用，它可以提供七秒的预警时间，以应对可能出现的危急情况，这些情况是汽车无法独自处理的。准确率达到85%。

当前的自动驾驶车辆开发使用复杂的模型，使得车辆能够分析所有交通参与者的行为。然而，大多数这些模型仍然无法处理复杂或不可预测的情况。

新型早期预警系统的开发团队与慕尼黑工业大学媒体技术系主任、慕尼黑机器人和智能技术学院董事会成员埃克哈德·施泰因巴赫（Eckehard Steinbach）合作。

研究论文《使用状态和摄像头信息的晚期融合进行自主驾驶的内省故障预测》发表在《IEEE智能交通系统杂志》上。

新方法使用人工智能使系统能够从过去的情况中学习。更具体地说，这些过去的情况是自动驾驶汽车在现实交通中达到极限的情况。这发生在人类驾驶员必须控制车辆时，无论是因为汽车发出信号还是人类驾驶员认为这是最安全的选择。

RNN和七秒预警

新系统依赖于传感器和摄像头来捕捉周围环境，并记录状态数据，如方向盘角度、道路状况和天气。人工智能系统使用循环神经网络（RNN），可以处理数据以识别模式。每当系统检测到以前无法处理的新驾驶情况时，驾驶员都会提前被警告。

“为了使车辆更加自动化，许多现有的方法研究汽车当前对交通的理解，然后尝试改进它们使用的模型。我们的技术的最大优势在于：我们完全忽略汽车的想法。相反，我们仅限于基于实际发生的事情的数据，并寻找模式，”施泰因巴赫说。“通过这种方式，人工智能发现了可能的危急情况，这些情况可能是模型无法识别的，或者尚未发现。因此，我们的系统提供了一个安全功能，知道汽车在哪里有弱点。”

该技术与宝马集团一起进行了测试，公共道路上的自动驾驶汽车被分析。测试期间，人类驾驶员干预了2500次情况，研究表明该系统的准确率为85%，可以提前七秒预警。

该技术依赖于大量数据，因为它受到系统已见过的情况数量的限制。数据基本上是由当前道路上的开发车辆自动生成的。

“每当潜在的危急情况在测试驾驶中出现时，我们都会得到一个新的训练示例。”

由于数据存储在中央，因此整个车队都可以从中学习。