無人駕駛汽車可通過IEEE對路況進行精準判斷

無人駕駛汽車又添新技術，自主判斷路況，更安全、更可靠！

天氣不好時，不管是大霧還是下雪等，都會造成路面的濕滑，駕駛視線受阻。駕駛人員對路況不能做到精準判斷就會造成危險，特別是一到冬天，這樣的情況更是多見。于是，很多智能駕駛設備都在致力于找出一種可以幫助人們精準判斷路況的系統，無人駕駛領域似乎已有所突破。

國際電氣與電子工程師協會（IEEE）是一家全球最大的非盈利專業技術學會。目前，該協會通過對人工智能神經網絡來判斷汽車當前行駛道路是否安全的研究在方法上似乎有了突破性進展，有望提高無人駕駛汽車在糟糕天氣行駛的安全性。

據美國交通局數據顯示：2002-2012之間由于天氣不好，道路濕滑造成的汽車事故共計96萬起，至少4700人死亡，占美國因天氣原因造成交通事故的74%，而天氣原因占總數的23%。因此很多研究人員都在致力于研發一種能夠不受天氣原因，對路況進行精準判斷，提高行駛安全的智能駕駛系統。

IEEE研究人員表示：他們找到的這種方法就是通過收集到的輪胎噪音的反饋數據來對路面的濕滑情況進行分析判斷。該項技術已有具體的實驗應用，比如在2014款梅賽德斯-奔馳CLA車型的后胎上安裝了一個麥克風，專門用來收集輪胎的噪音，目前已經在波士頓多種路面上進行多種行駛速度下的噪音搜集測試。

當前，該項技術還處于初級實驗階段，但是就目前已有的實驗數據來看，任何行駛速度下的加權平均查全率達到了93.2%之高。甚至在車輛靜止的情況下也能搜集到一些數據，因為周圍的行駛車輛造成的車輪噪音也會被搜集進去，可見可行性還是非常的高。

IEEE的研究報告顯示：這種通過聲音的判別方式還是比較有效的，比使用機器學習的“支持向量機算法”表現得更好，因為它甚至能夠在車輛靜止和低于2.9公里的極限時速時也可以做出較為準確的判斷。

除了IEEE想通過聲音的判別方式對路面情況進行分析檢測，西班牙馬德里理工大學在2014年也曾嘗試過利用向量機來分析輪胎在行駛時產生的聲音，以此判斷道路行駛情況。但是他們也發現這一方法的弊端，就是能夠判斷的道路類型太少，且無法排除砂石等無關的噪聲信息；

日本富山大學也做過一個類似的系統，但是該系統主要是通過圖像來判斷。比如在車上安裝攝像頭，通過檢測其他車輛的燈光對路面的反光情況來判斷路況。這種方法的局限就是必須要有其他車輛在旁行駛，且打開了車燈，對路面有反射才行。同時，在大霧、能見度較低或是大雪天氣時該系統并不能起任何作用，可以說非常的雞肋。

另外，值得一提的是，IEEE發布的關于該項研究的《通過音頻探測路面濕度：一種深層學習方法》實驗報告已經被收錄進了康奈爾大學圖書館的開源數據庫中。如果有人或是企業對此感興趣，可以自行查閱。

智能駕駛系統的不斷進步將在更多方面彌補人工駕駛的不足，因人為因素導致的交通慘劇實在是太多了，我們急切需要一種方式來減少此類的事故。也許在未來，無人駕駛汽車可以幫助我們實現這種可能，不要再讓汽車成為最大的生命獵手。

最后，記得關注微信公眾號：鎂客網（im2maker），更多干貨在等你！