美国研究机构通过车辆轮胎噪音判断路面状况

全球最大非营利专业技术学会“国际电气与电子工程师协会”(The Institute of Electrical and Electronics Engineers，以下简称“IEEE”)日前似乎找到了通过人工智能神经网络判断汽车当前行驶道路是否安全的全新方法，而这一方法则有望使未来自动驾驶汽车在糟糕天气下行驶时变得更为安全。

据美国交通局（US Department of Transportation）此前公布的数据显示，在2002-2012的十年期间，因为道路湿滑而引起的交通事故达到了96万起，超过4700人因此丧生，道路湿滑也占到了全美因天气原因引发交通事故中高达74%的比例。美国交通局的数据还显示，因天气原因而引发的交通意外占据了所有交通意外事故23%的比例。因此，有无数的工程师和科研人员都希望找到一种能够帮助驾驶员判断道路是否湿滑、安全的驾驶系统。

对此，IEEE研发人员则在日前尝试通过分析车辆轮胎噪音反馈的方式判断道路是否过于湿滑。比如，IEEE曾在2014款梅赛德斯-奔驰CLA车型的后胎部位安置了一个麦克风来收集轮胎噪音反馈，并在波士顿地区的多种路面、多种行驶速度下展开了测试。

虽然这一研究尚处于早期阶段，但从早期测试结果来看，这一系统在各个行驶速度下的加权平均查全率（unweighted average recall）达到了93.2%。而且，即便是车辆在静止不动的状态下都能够收集到一些反馈数据，这主要是因为该麦克风同时也会收集其他过往车辆的声音信息所致。

“事实证明，这一方法能够通过音频信息有效判断道路状况，且相比‘支持向量机算法’（Support Vector Machines，一种机器学习方法）的实际表现更出色。而且，这一方法甚至能够在车辆静止不动或者在行驶速度低于每小时2.9英里的极限速度下作出准确判断。”IEEE在自己的研究报告中写道。

事实上，IEEE并不是首家希望通过声音来帮助驾驶员判断道路状况的机构。因为西班牙马德里理工大学（Technical University of Madrid）早在2014年就尝试利用支持向量机来分析轮胎在行驶时产生的声音，并以此来判断道路的行驶状态。

然而，西班牙马德里理工大学的研究人员当时发现这一方法能够准确检测到的道路类型非常有限，同时也无法准确区分诸如砂石掉落到道路上这些没有关联的声音信息。

与此同时，日本富山大学(University of Toyama)研究人员曾在2012年对外展示过一个类似的道路情况判断系统，只不过该系统是通过图像，而不是声音反馈的方式进行判断。具体来说，该系统要求在汽车上安装监控摄像头，并通过查看其他车辆车灯在道路表面的反光情况来判断路况。不过，该系统要求道路中必须有其他车辆经过才能够正常工作，且在大雾、低能见度和大雪天气的表现非常糟糕。