人工智能改变了驾驶员的安全和舒适:这4件事将永远不会相同

简介

人工智能正越来越多地成为我们日常生活的一部分，跨越不同的领域。您是否考虑过根据您独特的个人需求定制驾驶员和乘客体验的可能性?人工智能会完全消除我们开车的需求吗?它会为我们所有的“在路上的烦恼”提供一个方便的选择吗?

从鲁莽/分心驾驶和驾驶员困倦的驾驶员提醒形式的提示，到确保驾驶过程中机舱内偏好的动态个性化，再到预测系统不一致，人工智能正在接管拥有汽车体验的多个方面，从驾驶的基本知识到车内乘客的舒适性。这一切都始于为乘用车和商用车提供驾驶辅助，然后发展到其他领域，正如我们将在这篇博客中看到的那样。

让我们闭上眼睛，想象自己在一个普通的驾驶场景。你正在高速公路上换车道，突然，侧视镜上闪烁的橙色灯和一声响亮的哔哔声提醒你有一辆车正驶来。这是盲点检测功能的一个例子，它是高整流水平车辆的标准配置。

汽车行业已经开始更多地采用这种技术，以保持驾驶员的警觉，避免发生事故。由于大多数事故都是由人为失误造成的，因此许多传感器和警报系统被用来提醒司机可能发生的危险，从而帮助他们预防车祸。SAE的驾驶自动化等级，01级和02级-驾驶自动化的全球标准列出了其他功能，如停车辅助，车道保持辅助和自适应巡航控制。

然而，人工智能技术还没有发展到完全自动化的水平。相反，司机负责监控环境并对环境做出反应，因此我们需要一个系统来检查司机的自我意识水平。让我们来看看一些基于人工智能和深度学习的汽车应用程序。

驾驶员困倦和分心检测

由于我们手中的电子设备和汽车里增加的娱乐系统，现在越来越普遍的那些分散司机注意力的活动是怎么回事?我们经常看到司机发短信、打电话、与乘客交谈或忙着摆弄音乐。当他们专注于这些任务时，他们的注意力往往会离开道路。在这里，基于机器学习的司机监控系统(DMS)应用程序可以用于在检测到困倦和上述其他干扰的情况下向司机发出警报。

这是通过一个面向司机的单摄像头实现的，该摄像头将视频传输到一个ai边缘设备上，该设备运行多个卷积神经网络(cnn)，用于面部检测、头部姿势估计、凝视估计和眼睛状态分析。

随着自动驾驶(AD)功能的出现，大多数高端配件都可以使用，只需点击一个按钮，汽车就可以在高速公路上自动行驶。

一旦启动，司机的手就会离开方向盘。在这种自动驾驶模式下，当突然需要时，仅凭面部表情特征无法判断驾驶员是否无法控制车辆。此外，驾驶员在长途行驶过程中使用转向行为也是驾驶员疲劳程度和睡意发作的一个指标。

在上述情况下，用于车身关键点跟踪的CNN模型也被考虑用于关注驾驶员如何与物体或车辆接口进行交互。

前向碰撞预警(FCW)雷达的多模态数据流与车内DMS摄像头的后期融合是一种更有效的解决方案，可以提高驾驶员对不同危险级别的反应时间，相比之下，只有DMS检测而没有FCW。

在驾驶员座椅上嵌入毫米波雷达还有助于检测呼吸频率(RR)、心率(HR)和心率变化率(HRV)等生命体征。如果系统从司机的心率变化中识别出无意识的迹象，它就会提醒车内人员，同时AD功能也会启动，使车辆安全。

舱内占用率检测

随着自动化程度的提高和更好的连通性，安全系统将在未来继续发挥重要作用。提高汽车和商用车辆安全性的一种方法是在机舱内安装雷达系统，即使是最微弱的呼吸运动也能探测到人类。

一个关键的用例是儿童占用检测，儿童被无意中困在车辆中或无人看管，这可能导致中暑和其他此类伤亡。有了适当的安全系统，如果孩子落在了后面，系统就会通知车辆，然后车辆发出警告信号，以引起车主的注意，及时采取紧急行动。

另一个应用领域是扩展乘员检测，以优化乘员在包括车辆翻车在内的碰撞中的伤害，其中传感器发出的信号检测碰撞的强度和方向，并可以激活车辆中的约束机制，例如安全带预紧器和安全气囊，以最大限度地保护乘员。这些系统可以在发生碰撞时尽可能降低加速度和外力，从而挽救生命，保护车内人员免受伤害。

舱内噪声抑制

在车队中，驾驶员的语音必须被记录或用于控制设备，环境噪声(来自ICE发动机或HVAC或风)可能会导致语音退化。对于对抗静止和非静止噪声的实时噪声抑制，传统的ANC方法依赖于产生抗噪声，不符合要求。

在这里，在音频处理中使用AI有助于创建一个解决方案，显著提高语音噪声比(SNR)。该深度学习模型在多种条件下的多个噪声剖面上进行训练，得到的模型在不同环境下能够很好地抑制噪声，提高语音质量。

借助智能公共基础设施分析道路状况，促进道路安全

连通性已经改变了人类互动的方式。互联网还使人们能够与机器进行更密切的合作，智能公共基础设施系统有助于实现高效、智能、安全的城市总体目标。

为了让城市更智能，车辆和基础设施都有智能系统，可以在高度动态的环境中监控、测量和分析数据。这些数据被用于实现顺畅的交通流、基础设施管理(例如停车)、行人安全、人员安全等。3D激光雷达正在测试，以取代摄像头，以感知交通流并将数据发送到云端的多个汇聚点，以帮助提高整体精度。例如，动态交通信号管理可实现顺畅的交通流，预测路况可作为一项向车辆提供预警的服务，从而帮助汽车/司机预测路况并重新规划行程。

在此基础上，来自云端的数据通过蜂窝V2X(车对一切)流到车辆上，由于其低延迟，目前正在测试5G连接。这使得分析路况在实时模式。

路况实时检测为司机提供了持续更新的道路建设，车辆碰撞，监测车速限制和道路封闭在他们的旅程之前。这是另一个领域，基于人工智能的预测技术可能被证明是极其关键的，因为司机能够衡量他们的路线，并计划避免拥堵或危险。

此外，随着市场上联网车辆数量的增加，车辆数据被传输到云端，供汽车制造商用于各种目的，包括数据集收集和预测性维护。

结论:

从上面列出的一些用例中可以明显看出，与安全运输、安全和故障警告相关的汽车人工智能已经成熟，并将持续下去。
欧洲新车评估计划(Euro NCAP)*一直根据安全协助协议奖励乘员状态监测(OSM)，以帮助减少与驾驶员损伤相关的行为和状态。为了在OSM领域获得满分，根据欧洲NCAP路线图，从2023年起将要求安装直接驾驶员监测系统(DMS)。在这里阅读)．当然，DMS是“下一个安全带”。随着欧洲NCAP的5星评级，从“可选功能付费”到标准化技术的周期缩短了。因此，汽车行业被鼓励在提供这些功能作为标准时进入更高的档位。驾驶辅助和其他安全系统已经让驾驶变得更安全、更轻松。在人工智能(AI)的帮助下，汽车行业“无事故出行”的愿景正在成为现实。

Ignitarium在产品工程服务方面拥有深厚的影响力，目前的工作涉及将AI硬件、软件和服务结合起来，以创建自上而下的自动化移动解决方案，这使Ignitarium成为该领域的强大参与者和合作伙伴。

* Euro NCAP的五星安全评级系统可以帮助消费者和企业更容易地对车辆进行比较，并帮助他们确定最安全的选择，从而在可能的情况下，促进在欧共体销售的所有汽车的标准配置，并结合这些系统的良好功能。