在自動駕駛汽車參與道路交通之前，他們必須最終證明自己不會對他人構(gòu)成危險。慕尼黑工業(yè)大學（TUM）開發(fā)的新軟件通過每毫秒預(yù)測交通狀況的不同變化來防止事故發(fā)生。

汽車接近十字路口。另一輛車從十字路口噴出，但尚不清楚它會向右轉(zhuǎn)還是向左轉(zhuǎn)。同時，行人直接進入汽車前方的車道，而在街道的另一側(cè)有一個騎自行車的人。具有道路交通經(jīng)驗的人通常會正確評估其他交通參與者的活動。

TUM的網(wǎng)絡(luò)物理系統(tǒng)教授Matthias Althoff解釋說：“這種情況對于由計算機程序控制的自動駕駛汽車提出了巨大的挑戰(zhàn)?！薄暗?a target="_blank">無人駕駛汽車只有在確保交通狀況不會令人困惑的前提下，確保車輛不會危害其他道路使用者的情況下，才能獲得公眾的認可?！?/p>

開發(fā)用于自動駕駛汽車的軟件的最終目標是確保它們不會引起事故。TUM慕尼黑機器人與機器智能學院的成員Althoff和他的團隊現(xiàn)在已經(jīng)開發(fā)了一個軟件模塊，該模塊可以在駕駛時永久性地分析和預(yù)測事件。車輛傳感器數(shù)據(jù)每毫秒記錄和評估一次。該軟件可以為每個交通參與者計算所有可能的移動-只要他們遵守道路交通法規(guī)-允許該系統(tǒng)在未來三到六秒鐘內(nèi)進行觀察。

基于這些將來的場景，系統(tǒng)確定車輛的各種運動選項。同時，程序會計算潛在的緊急情況演習，在這種情況下，可以通過加速或制動而不會危害他人的情況下，將車輛移出危害區(qū)域。無人駕駛車輛只能遵循沒有可預(yù)見的碰撞并且已經(jīng)識別出緊急操作選項的路線。

以前認為這種詳細的交通狀況預(yù)測太耗時，因此不切實際。但是現(xiàn)在，慕尼黑研究團隊不僅展示了實時數(shù)據(jù)分析的理論可行性，還同時模擬了未來的交通事件：他們還證明了它提供了可靠的結(jié)果。

簡化的動態(tài)模型使快速計算成為可能。所謂的可達性分析用于計算汽車或行人可能承擔的未來潛在位置。當考慮到道路使用者的所有特征時，計算變得非常耗時。這就是Althoff和他的團隊使用簡化模型的原因。就運動范圍而言，它們比真實的要好-但在數(shù)學上更易于處理。增強的移動自由度允許模型描繪更多可能的位置，但包括實際道路使用者期望的位置子集。

為了進行評估，計算機科學家根據(jù)他們在慕尼黑的自動駕駛汽車進行試駕期間收集的真實數(shù)據(jù)，創(chuàng)建了一個虛擬模型。這樣一來，他們就可以設(shè)計出一個能夠緊密反映日常流量情況的測試環(huán)境?！巴ㄟ^仿真，我們能夠確定安全模塊不會導致駕駛行為方面的任何性能損失，預(yù)測計算是正確的，預(yù)防了事故，并且在緊急情況下，車輛已被證明可以安全行駛。停止?！?Althoff總結(jié)道。

這位計算機科學家強調(diào)，新的安全軟件可以簡化自動駕駛汽車的開發(fā)，因為它可以與所有標準運動控制程序結(jié)合使用。