建议
    直接转至
      新闻
      2018年10月24日

      PRORETA项目第四阶段:大陆集团与达姆施塔特工业大学联合研制基于机器学习的高级驾驶员辅助系统

      • 三个使用案例:当车辆左转、进入环形路口或位于右侧先行路口时,辅助系统将为驾驶员提供帮助。
      • 系统会自行适应驾驶员的驾驶风格,并能够评估驾驶员的行为和注意力水平,再给出适当的建议

      德国缅因河畔法兰克福,2018年10月24日。在PRORETA研究项目的第四阶段,科技公司大陆集团与达姆施塔特工业大学联合研制出一套具有机器学习能力的车辆系统。新系统旨在为穿梭于城市车流中的驾驶员提供辅助,目前我们已能够在原型车上体验其效果。当车辆左转、进入环形路口或位于右侧先行路口时,来自雷达传感器的数据可帮助驾驶员评估当前的交通状况。在这项为期三年半的研究项目中,机器学习发挥着关键作用。系统所用的算法会根据一系列车辆数据创建一个驾驶员配置文件并保持实时更新,以便对城市辅助系统提供的驾驶操控建议进行调整,使其符合驾驶员的驾驶风格。

      运用机器学习评估车辆数据

      PRORETA项目的任务非常复杂。达姆施塔特工业大学汽车工程研究院院长Hermann Winner教授表示:“达姆施塔特工业大学与大陆集团在PRORETA项目第四阶段的合作旨在运用自适应系统研制过去因自适应性上的局限而无法实现的解决方案。我们的工作成果将有助于进一步提升车内驾乘者和其他道路使用者的安全。”高级驾驶员辅助系统就像一名优秀的乘客,它必须能够分析驾驶员的驾驶风格,进而分析他们的主观安全感或风险,以便在复杂的交通情况下给驾驶员提出受高度认可的驾驶建议。凭借机器学习能力,系统将评估在行程中记录下的一系列数据,快速、准确地创建驾驶配置文件。车辆的加速度、横摆角速度、制动加速度和横向加速度会告诉算法驾驶员偏爱的是什么样的驾驶风格。

      人工智能之于汽车的意义越来越重要

      无数次的试驾证明,城市辅助系统所用的算法能够仅凭三到五次的驾驶操作总结出当前的驾驶风格。城市辅助系统可以为驾驶员分配一组或多组驾驶配置文件,据此提出高度个性化的驾驶建议。

      机器学习算法在车辆系统中越来越普遍。2015年,使用人工智能的车辆系统单元数量就已达700万,预计到2025年,这一数字将攀升到2.25亿。高效的机器学习算法大多是高度复杂的模型,其原始形态就像一个黑盒子,人类往往难以解释或根本无法解释。这对确保高级驾驶员辅助系统的可靠性提出了特殊挑战,先行开发安全审核策略,将之作为高级驾驶员辅助系统算法选择过程的一部分,其原因就在这里。在PRORETA项目第四阶段中,研发人员找到了许多用于减少已知算法测试工作量的方法,这些方法将成为进一步研究的课题。

      运用城市辅助系统探测车间距是否足够转弯车辆通过

      大陆集团底盘及安全事业群系统与技术负责人Ralph Lauxmann表示:“驾驶员要对城市辅助系统及其提出的建议有信心。高级驾驶员辅助系统是无事故驾驶的重要组成部分,要使其获得驾驶员的接纳,就必须先取得驾驶员的信任。”根据驾驶配置文件,系统会使用左转助手等工具监控提出驾驶建议的时间窗口。左转弯时,本车与对向车流之间要保持多远的距离取决于本车位置、对向车流的速度及其车间距。物体探测功能依靠安装在汽车两侧的长距雷达和短距雷达来实现。目前,这些技术已经在许多辅助系统中得到应用,比如自适应巡航控制系统或盲点检测系统。

      如果对向车流的车间距非常大,驾驶员完全可以独立完成转弯操作。只有当转弯的时间窗口极为关键或者驾驶员难以准确估算出时间窗口时,驾驶员才需要帮助。这种情况常常发生在夜间或能见度低的环境下,以及经验不足或上了年纪的驾驶员身上。在繁忙的交通中,城市辅助系统可缓解驾驶员寻找转弯时机的压力,并在发现两车间距离足以让本车切入转弯时提前提醒驾驶员。PRORETA 项目第四阶段的试驾确定了一个5-7秒的时间窗口,这是系统提出建议的时段。面对迎面驶来的拥挤车流,偏激进的驾驶风格所需的时间窗口较短,极具防御性的驾驶风格所需的时间窗口较长。但是,系统可以保证这两类驾驶员都能安全地完成转弯。

      ​​​​​​​

      进入环形路口时的原理大致相同。系统会利用车辆和环境传感器来确定车流的车间距是否足够转弯车辆通过,再从驾驶员的角度进行判断,是应该建议其马上驶入环形路口,还是等看到更大的车间距再驶入环形路口。

      驾驶建议可以用不同方式提出。大陆集团车身电子事业群系统与技术负责人Karsten Michels表示:“如果驾车人觉得辅助系统发出的警示一点都不实用,他们会把辅助系统视作是一种干扰,甚至会无视或关闭系统。这就是我们支持采用具有特殊交互概念的自适应高级驾驶员辅助系统的原因。系统使用视觉、听觉和触觉信号尽可能直观地向驾驶员展示建议。” 用绿色或红色箭头进行直观视觉显示的效果最为明显,不过,在座椅边缘配置振动装置或在车上安装其他能够发出触觉信号的装置,也不失为一种好方法。

      运用车内摄像头侦测驾驶员是否已掌握交通状况

      城市辅助系统执行的另一项复杂任务是处理右侧先行路口的车辆通行情况。首先,系统通过地图、GPS和自主测定的位置数据来确定有驾驶员正在接近交叉路口。在车内摄像头的帮助下,系统会分析驾驶员是否已察觉右侧路口有需要先行的车流。下一步,系统会检查驾驶员是否确实转头观察过交叉路口右侧并已注意到其他道路使用者,注意到其他道路使用者的过程需要250到500毫秒。如果情况较危急,系统可发出信号警示驾驶员。系统还可以判定驾驶员的行为是否正确,并将判断结果传达给驾驶员。此外,即将量产的城市辅助系统版本还新增了紧急制动功能。

      自主判定地标,实现准确定位

      在复杂的交通情况下,车辆获得的本车位置数据越准确,高级驾驶员辅助系统做出的决策就越可靠。因此,PRORETA项目第四阶段的一项重要工作是研发一套基于摄像头的系统,用于自动绘制地标(例如建筑物或基础设施的独特标志)。这些地标稍后将被汽车摄像头识别,从而获得比GPS或导航数据更准确的车辆位置。在同步定位与地图构建(SLAM)法中,系统会探测和评估车辆经常行驶的路线上的沿途地标,并将其存储在车辆的数据存储器中。这样做可以让这些路线上的位置探测精确度达到一米以内。

      PRORETA项目历史

      PRORETA项目第一阶段(2002年至2006年)侧重于紧急制动和紧急转向辅助系统,这两套系统主要在前方车辆行驶或静止时发挥作用。PRORETA项目第二阶段(2006年至2009年)的研发重点是超车辅助系统,该系统用于避免乡村道路上的交通事故。PRORETA项目第三阶段(2011年至2014年)旨在开发自动化和事故预防的整体概念。

      可用文档

      Cookie 政策

      我们使用 Cookie 为您提供出色的网站访问体验。单击“全部接受”以允许所有 Cookie,或单击“更改 Cookie 设置”单独作出决定。

      Cookie 是存储在您设备上的小型数据文件。我们使用 Cookie 来提供基本和便利的功能,衡量网站性能并分析网站上的用户行为。

      必需的 Cookie 始终处于启用状态,因为它们对于网站的运行和存储您的 Cookie 同意声明是必不可少的。功能和性能 Cookie 是可选的。默认情况下,所有可选 Cookie 均处于禁用状态。

      您可以随时通过访问我们的 Cookie 政策或清除浏览器中的缓存来更改 Cookie 设置。 

      展开 收起
      返回
      必需的 Cookie 必需

      需要这些 Cookie 才能为您提供基本的网站功能,并确保可靠、一致的交付。

      功能 Cookie

      这些 Cookie 用于提供某些便利功能。

      性能 Cookie

      这些 Cookie 用于衡量网站性能并分析用户行为。