211service.com
Wie zukünftige Autos Ihre Fahrmanöver vorhersagen, bevor Sie sie ausführen
Wenn Sie heutzutage ein neues Auto kaufen, stehen die Chancen gut, dass es mit einer Reihe von Fahrerassistenztechnologien ausgestattet ist. Diese können sich an die Geschwindigkeit eines vorausfahrenden Autos anpassen, den Spurwechsel sicher bewältigen und sogar die Bremsen betätigen, um eine Kollision zu verhindern. Eine interessante Frage ist also, wie viel besser diese Sicherheitssysteme werden können, bevor das Unvermeidliche eintritt und das Auto vollständig übernimmt.
Heute erhalten wir eine teilweise Antwort dank der Arbeit von Ashesh Jain von der Cornell University und einigen Freunden, die ein System entwickelt haben, das das nächste Manöver eines menschlichen Fahrers etwa drei Sekunden vorhersagen kann, bevor er oder sie es macht. Diese Informationen können dann verwendet werden, um potenzielle Unfälle zu erkennen und zu verhindern.
Der Ansatz ist theoretisch einfach. Jain und Co. weisen darauf hin, dass ein umfassendes Wissen über die Fahrumgebung sowohl innerhalb als auch außerhalb des Autos verwendet werden kann, um die unmittelbaren Absichten des Fahrers ziemlich gut abzuschätzen. Beispielsweise prüfen Fahrer normalerweise die Fahrspuren neben ihnen, bevor sie die Spur wechseln. Die Überwachung der Kopfbewegungen des Fahrers hilft also vorherzusagen, ob der Fahrer beabsichtigt, in den nächsten Sekunden die Spur zu wechseln.
Ebenso zeigen GPS- und Straßenkarteninformationen, wenn sich ein Auto einer Kreuzung nähert, an der ein Links- oder Rechtsabbiegen möglich wird. Und die Geschwindigkeit ist auch ein wichtiger Indikator, da die Fahrer normalerweise langsamer werden, bevor sie abbiegen.
Aber diese Daten sind unterschiedlich. Kopfbewegungsdaten sind völlig anders als Geschwindigkeitsdaten oder Kartendaten. Die Schwierigkeit besteht darin, diese Informationsströme so zu kombinieren und zu analysieren, dass gute Vorhersagen möglich sind.
Die Lösung, die Jain und Co. gefunden haben, besteht darin, diese Ströme gemeinsam mit fortschrittlichen Algorithmen der künstlichen Intelligenz zu analysieren, die lernen, die verräterischen Anzeichen dafür zu erkennen, dass ein Manöver bevorsteht.
Der erste Teil ihrer Arbeit bestand darin, die Daten zu sammeln, die zum Trainieren ihrer Maschine erforderlich sind. Jain und Co rüsteten ein Auto mit einer Kamera zur Überwachung des Fahrers und einer anderen zur Überwachung des Straßenkopfes aus. Sie verwendeten auch GPS-Daten zusammen mit Straßenkarten und einem Geschwindigkeitslogger, um die Geschwindigkeit des Fahrzeugs zu verfolgen.
Anschließend sammelten sie Daten von 10 verschiedenen Fahrern, die in zwei Monaten über 1.000 Meilen auf Autobahnen und in der Stadt gefahren sind. Sie kommentierten die Daten von Hand, um anzuzeigen, welche Manöver auftraten. Insgesamt identifizierten sie 700 Ereignisse: etwa 300 Spurwechsel, 130 Abbiegevorgänge und fast 300 zufällig ausgewählte Geradeausfahrten.
Sie verwendeten diese Daten, um eine Reihe verschiedener Rechenmaschinen zu trainieren, um die Bedingungen zu identifizieren, unter denen ein Fahrer nach links oder rechts abbiegen, die Spur nach links oder rechts wechseln oder einfach geradeaus weiterfahren würde.
Die Ergebnisse sorgen für eine interessante Lektüre. Der leistungsstärkste Algorithmus war meistens in der Lage, ein zukünftiges Manöver korrekt zu bestimmen – etwa 90 Prozent seiner Vorhersagen waren korrekt. Und im Durchschnitt konnte es seine Vorhersage 3,5 Sekunden vor dem tatsächlichen Manöver treffen.
Natürlich steht noch mehr Arbeit bevor. Ein potenzielles Problem besteht darin, zu bestimmen, wie gut der Algorithmus unter den gefährlichsten Fahrbedingungen funktioniert, insbesondere nachts oder wenn die Sicht aufgrund von Schnee oder Regenstürmen schlecht ist oder wenn die Sonne tief am Himmel steht.
Unfälle sind unter diesen Bedingungen wahrscheinlicher, sodass ein prädiktiver Algorithmus den größten Nutzen haben könnte. Aber wie sich das System unter diesen Bedingungen verhält, ist nicht klar.
Eine andere Frage ist, was mit diesen Informationen geschehen soll, nachdem sie gesammelt wurden. Wie kann es eingesetzt werden, um Unfälle zu vermeiden? Auch hier ist nicht klar, wie Autohersteller die Daten verwerten können.
Dennoch könnte der neue Ansatz eine interessante Änderung in der Herangehensweise an die Fahrsicherheit einleiten. Die genaue Vorhersage von Fahrermanövern wird sicherlich dazu beitragen, Autos in naher Zukunft sicherer zu machen. Es sei denn natürlich, die selbstfahrende Autotechnologie macht Menschen – und die Technologie, um vorherzusagen, was sie in Zukunft tun werden – schneller überflüssig, als irgendjemand erwartet.
Ref: http://arxiv.org/abs/1601.00740 : Brain4Cars: Auto, das dank Sensory-Fusion Deep Learning Architecture alles weiß, bevor Sie es tun