交通風險降低26%！港科大開發(fā)擬人化自駕系統(tǒng)
交通風險降低26%！港科大開發(fā)「擬人化」自駕系統(tǒng)
香港科技大學（港科大）工學院的跨學科研究團隊最近成功開發(fā)了一套「擬人化認知編碼系統(tǒng)」，讓自動駕駛車（自駕車）能像人類司機般「思考」，綜合判斷復雜路況。這項嶄新技術可將整體交通風險降低26.3%，而對于行人及騎行者等高風險群體來說，潛在意外更大幅減少51.7%。與此同時，自駕車的自身風險也下降了8.3%，為自動駕駛技術的安全性邁進一大步。
港科大土木及環(huán)境工程學系講座教授楊海（右）與港科大（廣州）智能交通學域博士生魯洪良（左）融合神經科學、認知科學和倫理學，開發(fā)出一套新系統(tǒng)，使自駕車能像真人司機般「思考」。
現行自動駕駛系統(tǒng)的一大局限，在于其「單對單」風險評估機制，即每次只能比較兩個選項，無法像人類司機那樣全面考慮道路上的多方互動，例如在十字路口優(yōu)先讓路予行人，再適度調整與附近車輛距離；一旦確定行人安全，再迅速將注意力轉向其他車輛。這種動態(tài)決策能力，稱為「社會敏感度 (social sensitivity)」。
本研究提出的「社會敏感型」自動駕駛汽車擬議編程框架
為了讓自駕車可「學習」人類的社會敏感度，港科大土木及環(huán)境工程學系講座教授楊海牽頭的研究團隊借鑒了神經科學、認知科學和倫理學概念，開發(fā)出符合人類認知邏輯的編碼方案，為自動駕駛系統(tǒng)配備接近真人司機的感知、評估與行動能力。
楊海教授（右）與論文第一作者魯洪良（左）在探討研究框架。
該系統(tǒng)結合了三項關鍵創(chuàng)新：
一、個體風險評估模組 (Individual Risk Assessment)：評估每位道路使用者（包括行人、單車、電單車與鄰近車輛）的潛在風險，包括分析其速度、相對距離和行為規(guī)律，例如，在路邊行走的小孩會被歸類為高風險群體。
二、社會權重風險映射模組 (Socially Weighted Risk Mapping)：在決策過程中引入倫理權重，優(yōu)先保護弱勢群體，例如在實際應用上，自駕車即使在規(guī)則允許前進的情況下，亦可能會主動禮讓行人。
三、行為信念編碼模組 (Behavioral Belief Encoding)：能預判自駕車決策對整體交通狀況的影響，舉例說突然變道會否導致周邊司機急剎，或者加劇路面擠塞。
為了驗證安全性能，研究團隊采用了2,000種不同的模擬交通場景進行測試，結果顯示，使用新系統(tǒng)后，整體交通風險降低了26.3%。值得留意的是，在安全性提升的同時，行車效率亦得到改善。搭配新系統(tǒng)的自駕車完成駕駛任務的時間平均縮短了13.9%，顯示出道德駕駛與高效運作可以并行不悖。
楊教授說：「我們模擬了人類在整體風險評估與道德判斷方面的能力，使自駕車在面對涉及重大道德責任的交通情景，例如學校周邊或繁忙路口時，能作出更審慎且負責任的決策。」
楊教授補充：「我們的系統(tǒng)設計靈活，可因應不同國家或地區(qū)的法規(guī)與社會價值觀作調整。例如，有些地域注重保護弱勢道路使用者，亦有些則著重于提升交通流暢度；此外，各地對于交通事故責任的法律詮釋也存在差異。透過調整系統(tǒng)設定，自駕車能夠如地道司機般融入各地交通環(huán)境，極具潛力于全球廣泛應用?！?/div>
本研究由港科大清水灣與廣州兩個校區(qū)合作，并聯同東南大學、北京理工大學、清華大學、同濟大學及華盛頓大學共同完成。論文題為「Empowering Safer Socially Sensitive Autonomous Vehicles Using Human-Plausible Cognitive Encoding」，近期發(fā)表于《美國國家科學院院刊》(PNAS)。
至于下一步，團隊正著手構建一個大規(guī)模的數據集，涵蓋多個地域的駕駛行為特征與社會期望，并與潛在合作伙伴商討，以推進該系統(tǒng)的集成與實地測試工作。
我要收藏
點個贊吧
轉發(fā)分享
微信"掃一掃"，分享轉發(fā)
咨詢詳情：如需咨詢文中涉及的相關產品或解決方案詳情，請加微信：ZiDongHuaX 。
微信聯盟：自動駕駛微信群、智能交通微信群，各細分行業(yè)微信群：點擊這里進入。
鴻達安視：水文水利在線監(jiān)測儀器、智慧農業(yè)在線監(jiān)測儀器 查看各品牌在細分領域的定位宣傳語
微信聯盟：自動駕駛微信群、智能交通微信群，各細分行業(yè)微信群：點擊這里進入。
鴻達安視：水文水利在線監(jiān)測儀器、智慧農業(yè)在線監(jiān)測儀器 查看各品牌在細分領域的定位宣傳語
評論排行