“研究人员开发新模型 可帮助预测车辆变道”

据盖亚克报道，内布拉斯加州交通中心( nebraska transportation center )的研究人员开发了一种新模型，以读取车道间的新闻，预测车辆何时改变方向。 这项研究有助于adas系统预测威胁，纠正人为错误，争取越来越多的反应时间。 该中心的博士后研究员zhao说:“如果知道其他车辆的意图，如果突然插队的话，为了不发生追尾事故，可能会采取减速和变更行进路线等应对措施。”

(图片来源: news.unl.edu/)

这个小组根据装有前置摄像头和各种传感器的约3000辆车辆的数据制作了这个模型。 为了给模型提供新闻，赵浩开始收集各种情况的数据。 一辆车在高速公路上跟着另一辆车行驶，间隔400英尺(不超过3.5秒)。 在某些情况下，前车和后车在同一车道上，其中一辆将并入相邻车道； 否则，一辆车将从相邻车道合并，两辆车最终进入同一车道。

Zao标记了多个变量，作为驾驶员计划变更路线的征兆，包括车间距离、相对速度、横向位置、前车头的微小转弯等。 之后，zhao为6秒跨度，即从变道前的5秒到变道后的1秒，训练模型每10分之1秒分解这些变量的值。 在这60个增量中，模型将比较每个变量的值(例如，车辆之间的距离减少10英尺)及其值在更改道路之前出现的可能性。 当所有这些变量达到指示车道转换可能性最高的值时，模型将标记车道转换即将发生。

虽然这个模型会根据条件稍有变化，但在车辆中心通过边界线，到另一条车道前约1秒钟就能预测车道的变化。 Zao说:“提前1秒对人类司机来说可能没有什么意义，但我们在谈论自动驾驶车和adas系统。 我们可以利用这个时间改进系统，设计碰撞报警系统等附加安全预防措施，自动降低车辆速度，帮助驾驶员做出决定。 ”

该小组还发现了其他略有兴趣的趋势，如平均改道时间在0.55秒至0.86秒之间。 司机与其他车辆合流时( 0.55秒)，比变更行进路线) 0.86秒)要花更多的时间。 变更路线的速度越快，adas系统早期反应的时间就越长。

Zao先生表示，通过获得自然驾驶数据，可以对模型的比较有效性有信心。 她认为，这种模型也可以应用于装有越来越多的传感器和照相机的车辆更丰富的数据集。 Zao还说:“我认为这些研究结果可以为adas系统和自动驾驶技术开发者提供背景知识、技术数据或支持。 这有助于在发生极端情况时，提高司机的安全。 ”