據估計，在所有摩托車事故中，近五分之一的事故是由于轉彎過快或過于急轉彎造成的。這也表明，在彎道上判斷錯誤是造成15%騎車者死亡的原因。
幸運的是，蘇黎世聯邦理工學院(ETH Zurich)和庫魯汶大學(KU Leuven)的研究人員最近在預印版服務器Arxiv.org上發表了一篇論文，提出了一個解決方案。他們的道路曲率預警系統利用計算機視覺和地圖數據來預測車道位置和摩托車側傾角，以及未來道路的幾何形狀。
合著者寫道:“駕駛摩托車中最難的動作是轉彎，因為這涉及到車手在進入彎道前調整速度和車道位置，然后調整車把，使摩托車正確地側傾。”
“最微小的錯誤都可能導致事故，因此，研究表明，許多摩托車事故(25- 30%)發生在車手在彎道上行駛時，這并不奇怪。”
研究小組指出，道路彎道警告系統并不完全是個新穎的想法，但之前的系統在很大程度上依賴于對摩托車車道位置的假設，使用了昂貴的傳感器，而且沒有考慮道路坡度。
相比之下，這次研究人員的方法利用了地圖數據庫技術和卷積神經網絡(通常用于視覺分析的人工智能體系結構)來預測車道內的位置和估計當前的傾斜角，并獲得了橫跨美洲、亞洲和歐洲的道路幾何形狀的數據。
該團隊訓練了兩個人工智能網絡——LNet和RNet——在車道內的不同位置提供圖像記錄，其中一些圖像通過旋轉得到增強，以模擬摩托車的側傾(從-90度到90度)。
研究人員用特制的相機架收集了這些照片，相機架上有7臺GoPro Hero 5黑色相機，它能同時捕捉到不同車道位置的鏡頭，這些鏡頭在車道內以特定的間隔分布。隨后，研究人員將大約200萬張圖像分成訓練、驗證和測試集，組成一個語料庫(也稱為學習數據集)。
接下來，研究人員模擬了高達10度的側傾和俯仰角變化，以提高系統的整體性能，并編制了第二組數據集(摩托車數據集)，其中包含由前置攝像頭記錄的四個小時的真實摩托車駕駛過程。他們提取了帶有GPS坐標的圖像，并使用路徑匹配算法來預測記錄過程中摩托車行駛的最可能路徑。這使得他們能夠為每個同步視頻獲取與地圖匹配的GPS坐標，他們利用這些坐標查詢地圖數據庫，以獲得道路曲率、坡度和限速數據。
為了驗證他們的方法，研究人員進行了兩項測試:一項測試涉及人工智能系統在訓練期間沒有遇到的圖像，另一項測試是根據GoPro相機捕捉的真實數據對模型進行評估。
他們報告,在Nvidia Titan X GPU上用150萬張學習數據集的圖像訓練了24小時的網絡，在模擬中表現“非常好”。而在用真實世界的數據進行的測試中，該系統可以預測出一個平均絕對誤差為3.7度的側傾角度，物理傳感器測量值和車道位置則與真實數據相差22.4厘米。
“我們在不同的現實場景中測試我們的系統，并提供詳細的案例研究。我們的研究表明，我們的系統能夠預測更準確、更安全的曲線軌跡，從而警告和提高摩托車手的安全性。”
“大量的實驗表明，我們的系統能夠在野外表現良好，從而產生了一個更完整的摩托車彎道預警系統。”
早在2018年，德國汽車制造商寶馬也發布過一款自動駕駛摩托車。它不僅可以自己行駛，還能自己轉彎、加速、傾斜車身和剎車。不過，寶馬聲稱，這款車不是為消費者制造的，而是為了更多地了解如何在其摩托車系列中使用的新的安全功能。
責任編輯：Rex_07
