Як автомобіль майбутнього зможе заздалегідь прогнозувати свої маневри
Купіть сьогодні новий автомобіль - і велика ймовірність, що він буде оснащений різноманітним набором технологій допомоги в керуванні. З їх допомогою можна підлаштуватися під швидкість автомобіля, що їде попереду, справлятися зі зміною смуг без особливих проблем і навіть активувати гальмування автоматично, щоб запобігти зіткненню. І тепер найцікавіше запитання: наскільки більш розвиненими стануть ці системи з плином часу, поки не трапиться неминуче і автомобіль майбутнього не почне контролювати себе самостійно?
Содержание
новаторський підхід
На сьогоднішній день можна вже отримати часткову відповідь на це питання, так як групі дослідників вдалося розробити систему, здатну прогнозувати наступний маневр водія приблизно за три секунди до його скоєння. Ця інформація згодом може бути використана для того, щоб визначити потенційну небезпеку і її ліквідувати. Підхід досить простий і прямолінійний в теорії. Дослідники підкреслюють, що всебічне розуміння водійських навколишнього середовища, як зовні, так і всередині автомобіля, може бути використано для того, щоб зробити цілком слушного припущення щодо найближчих намірів водія. Наприклад, що знаходяться за кермом зазвичай перевіряють сусідні смуги, перш ніж провести зміну смуги. Тому стеження за рухом голови водія може передбачити, чи збирається він змінювати смугу в найближчі кілька секунд. Точно так само можна відстежувати, як GPS-навігація показує наближення, наприклад, до перехрестя, де є можливість повернути ліворуч або праворуч. І швидкість також є важливим показником, тому що водії зазвичай скидають її, перш ніж зробити поворот.
непорівнянні дані
Однак ці дані є несумісними. Рух голови - це абсолютно інший вид інформації в порівнянні з даними спідометра або GPS-навігатора. Тому головна складність полягає в тому, щоб зібрати воєдино всі ці різноманітні шматочки інформації і грамотно їх проаналізувати, отримавши можливість робити точні прогнози. В якості вирішення дослідники використовували просунуті алгоритми штучного інтелекту, які можуть аналізувати потоки даних і визначати серед них вірні ознаки того, що належить той чи інший маневр.
Перший етап - збір даних
Першим етапом роботи став збір даних, необхідних для того, щоб «навчити» нову машину. Для цього в автомобілі були встановлені дві камери: одна стежила за рухам голови водія, а інша - за дорогий попереду. Крім того, були використані дані, отримані від GPS-навігатора, а також від реєстратора швидкості, який контролював цей параметр руху автомобіля. Після цього вони зібрали дані у десяти різних водіїв, які наїздили по півтори тисячі кілометрів протягом двох місяців. Потім вони опрацювали всі отримані дані вручну, щоб визначити, які водійські маневри проводилися в тому чи іншому випадку. В сумі вони визначили 700 «подій» - близько 300 змін смуг, 130 поворотів і 300 випадків їзди безпосередньо.
результати експерименту
Вони використовували отримані дані, щоб «натренувати» свою систему так, щоб вона розуміла умови, при яких водій повернув би наліво або направо, змінив смугу руху або просто продовжив їхати прямо. І результати виявилися досить цікавими. Природно, було "навчено" відразу кілька машин, запрограмованих різними алгоритмами, і найкращий серед них показав значний результат. Він зміг передбачити практично всі маневри, які збирався зробити водій, - більше 90 відсотків його пророкувань виявилися вірними. І в середньому система здатна була зробити подібне пророцтво за 3.5 секунди до того, як відбувався маневр.
питання
Природно, попереду ще достатньо роботи. Наприклад, однією з потенційних проблем є визначення того, як алгоритм буде працювати в найбільш небезпечних умовах, зокрема в нічний час або під час проливних дощів або снігопаду, коли видимість на дорозі сильно знижується. Дорожні пригоди набагато частіше трапляються саме при таких обставинах, тому алгоритм став би в нагоді найбільше саме тоді. Але як система буде діяти в подібних умовах, поки що неясно. Інше питання - що робити з інформацією, коли вона зібрана? Як її використовувати, щоб запобігти дорожню пригоду? Знову ж таки, поки що не зовсім зрозуміло, як саме можна буде використовувати отриману інформацію на практиці.
перспективи
Проте дане дослідження може викликати цікаві зміни в підході до безпеки водія. Точні прогнози водійських маневрів, безсумнівно, допоможуть зробити машини набагато безпечнішими в найближчому майбутньому. Якщо, звичайно ж, автомобілі з автоматичним управлінням не зроблять людей марними при водінні набагато раніше.
