日本教授想通过监控驾驶数据 用软件算法来预报交通拥堵

本篇文章1307字，读完约3分钟

在人口稠密的城市里，每天都有一场暴风雨将城市封锁。如果你想让司机在进入车流前换到空自由道路，你需要提前了解周围的路况。常见的做法之一是在每条道路上安装摄像头，以实时控制路面上的交通密度。这种技术受地域和成本的限制，尚未得到推广。最近，在日本，一种低成本的报告和阻止方法即将出现。

伊藤俊夫是芝浦科技大学工程与科学系统学院的教授。他开发了一种预测交通拥堵和监控驾驶行为的方法来判断路况。教授传授的新思想只需要车内现有的传感器设备，其成本低且独立于道路基础设施是该技术的核心竞争力。

这位科学与工程教授就像一位非常了解人类行为的圣人。他注意到当交通堵塞时，车辆会在路上空转。司机会频繁地执行刹车和其他动作，后面的车辆在看到前刹车灯后会减速。这一系列的执行行为都有规则可循，所以它们被教授们纳入了评估体系。如果检测到跟随速度没有降低，但是道路前方的驾驶员以高频率踩下制动器，则可以预测拥堵将很快发生。

为了遵循这个逻辑并预测拥堵，我们只需要依靠车内传感器来检测驾驶员在无意识状态下的行为变化。教授引用的三个行为判断参数是:方向盘转角、油门踏板踩下范围和车速。当然，这三个参数并不是唯一真正关心的。传感器检测到这些变化后，根据上述原理，通过量化和分析，发现堵塞的先兆。

整个项目团队制作了一个类似游戏设备的驾驶模拟器，并在学校课程中测试了这项新技术。研究人员模拟了各种路况，如空闲时间、繁忙时间和拥堵，一个由该校20多名学生组成的体验小组参加了测试。最后，项目组发现，在交通流量较少和道路拥堵的情况下，每个驾驶员的驾驶行为都有明显的差异。

模拟器的外部视图和内部视图

你可能会问，区分单个样本的行为差异可能并不困难，但是软件判断在不同的个体之间是准确的吗？事实上，在实验中，教授们发现在不同的路况下，高频行为数据确实因人而异。因此，该项目成立了一个小组，研究更准确的评估方法。它们依靠被称为神经网络系统(nns)的机器学习来处理、分类和分类看似不同的行为数据，从而优化整个系统。这样，依靠分析驾驶员行为来检测路面状态差异的整套软件的准确率提高到了80%。

综上所述，项目组主要依靠方向盘转角、油门踏板踩下范围和车速等各种数据来预测拥堵情况，所需要做的就是开发一个分析驾驶员行为的软件。因此，整个技术可被视为智能交通的低成本解决方案，无需增加道路基础设施或在车辆上安装额外的传感器。

此外，这种新方法不仅可以用于拥堵提醒，还可以识别由生理和心理因素引起的异常驾驶行为。传感器可以接收驾驶时的睡眠或分心，软件可以向司机发出警告。如果将来连接了更多的主动安全功能，在突发疾病或失去驾驶控制能力时，可以紧急制动车辆或切换到自动驾驶功能。

目前，这位教授正在申请这项新技术的专利，但他还没有决定何时将这项技术商业化。仔细想想，这是一个依靠数据赚钱的行业。要获得这些数据，就必须打开汽车线路接口，而这次是汽车企业牢牢掌握了主动权。此时，如果你发现教授的另一个身份是大发汽车公司的总经理，你可能不会感到惊讶。

回顾中国，似乎教授们使用的几种数据都可以从obd获得。因此，如果车载诊断硬件公司也能开发合适的软件算法，就有可能预测流量。