2021年10月12日 | 福特“ROADSAFE”方案：利用智能网联技术避开潜在的交通风险

经常在城区开车的老司机们可以熟知哪些路段在什么时候会拥堵，哪些路段容易发生交通事故，比如早晚高峰期的学校周边，周末晚上的购物商业中心附近，和道路突然变窄的特殊路段。一般情况下，司机们会选择避开这些地点，以确保安全准时到达目的地。

近日，欧洲福特（以下简称为福特）对外发布了“ROADSAFE”技术方案（以下翻译为“道路安全”技术）。该技术方案可以预先提醒驾驶员注意高拥堵及事故多发路段位置，另外离线模式下也可以为地方交通部门提供数据和分析结果，以支持道路和基础设施不断改进。

“道路安全”数字工具是福特经过四年研究得到的成果。该项目为期20个月，是一个政府资助项目，由牛津郡议会、拉夫伯勒大学和人工智能传感器专家Vivacity实验室共同开展研究。

福特的“道路安全”技术使用新研发的智能算法处理来自智能网联车辆、路测感知设备和事故报告等多源的匿名数据，以确定哪里发生交通事故的可能性更高。然后，这些信息将被显示在地图上，用于识别风险等级。结合GPS定位系统，当驾驶员驶入这些事故多发区域时，系统可以给出警告信息。该数字工具旨在通过利用数据和复杂算法帮助改善道路通行安全。目前该技术正在英国牛津郡和伦敦的200多辆汽车上进行测试。

细节

福特汽车公司City Insights项目负责人Jon Scott表示：“每个城市都有发生事故的可能性相对更高的地区，无论是由于路标位置不佳、道路破损而未及时修复，还是交通流量过于饱和的交叉路口。现在，福特可以精确定位这些位置，以便驾驶员可以提前注意到这些特殊路段，同时地方交通部门也可以利用这些数据及分析结果，对道路和基础设施改进提供帮助。

该研究首先对大伦敦地区收集到的数据进行分析，辨别出存在道路安全隐患的热点路段，并分析得到可能的原因和解决措施。在过去的15个月里，这项研究扩展到了牛津郡。在伦敦和牛津郡超过200多辆客车和商用车自愿加入该项目，提供车辆方面的行驶数据。基于上述所有数据，团队制作出了“路段风险评级热图”（“Road Segment Risk Rating Heat Map”），该热图确定了存在安全隐患的重点路段。

该热点地图集成了多层次的内容，包括历史交通事故数据，和一种“道路风险预测”评级算法。该算法需要一系列的道路分段数据作为输入，然后使用高级数据分析技术得到风险预测结果。“路段风险预测”评级系统( “Road Segment Risk Prediction” ) 使用不同颜色表示某一位置发生事故的概率，其中红色的风险级别最高，黄色的风险级别最低。

为了得到这些数据， 智能网联车辆需要记录在不同驾驶动作下（包括制动、转向和加速等）的车辆数据，比如车身转角，车辆速度、加速度等。与此同时，路测感知单元需要以不同的视角，跟踪并记录不同运动模式下，交通参与者的运动特征。传感器收集的所有数据都做过匿名化处理，原始视频素材将丢弃，从而在不侵犯个人隐私的情况下获取数据。

这些传感器采用机器学习的算法来识别出几乎发生交通事故的场景（即”差一点“就发生了交通事故的场景），并分析在这些场景下VRU（vulnerable road-users，弱势道路使用者，如骑自行车者、行人）和其他未联网车辆的的运动模式（特征）。

效用

结合自车和路测传感器数据有助于识别出各种各样的危险，例如：

车辆驶过的地方离骑行者距离过近；
位置设置不当的公交车站导致的交通拥挤；
设计拙劣的基础设施，如环形交叉口和交叉口，造成交通流混乱和险情。

对于企业和车队，“道路安全”算法可用于优化驾驶员路线，以避开特定问题区域，或在驾驶员驶入危险区域时发出警告，减少事故导致的潜在停工时间。“道路安全”在大城市到小城镇等地区普遍适用且易于扩展。当该技术规模化部署后，将有助于降低事故率。

在未来，这种技术还可以使乘坐自动驾驶汽车的乘客受益。将车辆的车载传感器与数字工具相结合，可以帮助他们更早地预测危险情况，从而相应地调整操作。

后记

与目前国内大热的车路协同，或者基于数据驱动的AD/ADAS研究方向相比， 福特的“道路安全”技术 更强调了结合车辆运动模式的数据（即车辆个体行为数据，制动、转向和加速）和道路交通流的数据（即车辆个体与其他道路参与者之间的相互作用）进行分析与建模。数据分析的结果用来生成“路段风险评级热图”。该热图对驾驶员可提供警告及建议信息，并对地方交通管理者还可以提供更为合理的交通道路布局建议。

过去传统的道路设计，是以经济性、安全性、及社会方便程度作为出发点，用设计规范和以往的经验教训作为准则来进行道路设计建设。而设计是否最为合理，是否达到最优，并没有非常完善的“反馈机制”来验证。福特的技术方向也为我们的道路建设提供了一条新的思路：把车和路看成一个有机整体，在这个系统中，道路参与者的状态，及道路状态，可通过路端及车端的传感器实时测量，并通过后台进行数据分析，识别出潜在的风险及拥堵路段，反过来对道路设计提供改进及优化方案，从而设计出更懂“车”的“路”。