科技日報記者 ?張曄

隨著人們生活節(jié)奏的加快，社會信息化程度的不斷提高，駕車人在行駛中分心行為的發(fā)生概率逐年提升，不僅嚴重影響著道路行車安全，還對非機動車輛、行人的生命安全帶來了極大的安全隱患。

單靠法律規(guī)定或駕車人自律，無法完全抑制分心行為的發(fā)生。那么，在各類高科技飛速發(fā)展的今天，有沒有什么技術(shù)手段可以幫助駕車人集中注意力、減少不安全的駕駛行為呢？

(資料圖片)

答案是肯定的。近日，南通大學(xué)專家團隊構(gòu)建了不完全觀測條件下的分心駕駛行為識別模型，為智能駕駛輔助系統(tǒng)以及自動駕駛中優(yōu)化駕駛員狀態(tài)監(jiān)控提供了全新思路。相關(guān)研究成果發(fā)表在國際信息領(lǐng)域權(quán)威期刊《信息融合》上，并收錄進了IEEE智能交通協(xié)會和德古意特出版社即將發(fā)行的《智能汽車與智能交通》專著中。

有了輔助駕駛也不能撒手不管

根據(jù)世界衛(wèi)生組織數(shù)據(jù)顯示，目前全世界每年道路交通事故造成大約130萬人死亡，其中近90%的致死交通事故由駕駛員不當(dāng)駕駛行為所引發(fā)，分心駕駛業(yè)已成為導(dǎo)致交通事故的主要因素之一。

隨著人工智能、視覺算法和雷達技術(shù)的發(fā)展，自動輔助駕駛已走進現(xiàn)實，市場上越來越多的量產(chǎn)車型搭載了L2或者L3級自動輔助駕駛功能。工業(yè)和信息化部數(shù)據(jù)顯示，今年上半年，具備組合駕駛輔助功能的乘用車銷量達288萬輛，滲透率升至32.4%，同比增長46.2%。行業(yè)數(shù)據(jù)顯示，L2及以上級別自動駕駛功能在乘用車市場滲透率在年底將達到36%，到2025年這一數(shù)字有望達到60%。

但是，這些L2或者L3級自動輔助駕駛車輛還不能完全識別駕駛場景，依然需要駕車人時刻觀察路況并做好隨時接管車輛的準備。但是，不少駕駛者常把汽車“輔助駕駛”功能當(dāng)作“全自動駕駛”，行車途中分心做其他事情，增加了道路安全風(fēng)險。

在這樣的前提下，車輛依然需要隨時監(jiān)控駕駛員的注意力狀態(tài)，確保駕駛員可以及時接管車輛。因此，準確識別駕駛員的分心駕駛行為，對于安全駕駛輔助系統(tǒng)的設(shè)計以及自動駕駛車輛人機切換策略的研究具有極大意義。

開車專不專心 算法來判斷

現(xiàn)有的分心駕駛行為識別主要基于以卷積神經(jīng)網(wǎng)絡(luò)為核心的深度學(xué)習(xí)模型，通過提取行為圖像的深度特征，挖掘駕駛者分心行為類型，相關(guān)方法在觀測圖像質(zhì)量較高的情況下，對于簡單的行為模式識別效果較好，但是一旦觀測圖像由于噪聲的影響而出現(xiàn)模糊、黑點、白化等局部特征稀疏，就會極大影響深度學(xué)習(xí)模型獲取行為圖像關(guān)鍵特征的能力，從而容易出現(xiàn)行為識別的錯誤。

針對上述問題，南通大學(xué)施佺教授團隊、丁衛(wèi)平教授團隊聯(lián)合日本名古屋大學(xué)武田一哉教授團隊，通過融合深度學(xué)習(xí)自注意力行為識別模型與因果推理知識模型，成功構(gòu)建了不完全觀測條件下的分心駕駛行為識別模型，證明了時空事件知識模型的加入，可以顯著加強深度學(xué)習(xí)模型的自我推理能力，從而賦予行為識別模型“執(zhí)因索果”的邏輯判別能力。

該深度學(xué)習(xí)與因果推理融合的識別模型，在駕駛員行為流識別上表現(xiàn)出了極佳的性能和穩(wěn)定性，相比傳統(tǒng)方法，在長時噪聲以及肢體遮擋情況下模型的識別準確性更好。相關(guān)的理論模型為智能駕駛輔助系統(tǒng)以及自動駕駛?cè)藱C交互系統(tǒng)對于駕駛員狀態(tài)監(jiān)控的優(yōu)化設(shè)計提供了全新思路。

據(jù)南通大學(xué)交通與土木工程學(xué)院青年教師平鵬介紹，因果推理與深度學(xué)習(xí)的融合是未來可解釋性AI的重要研究方向，是加速推進當(dāng)前人工智能由相關(guān)性分析向推理性分析飛躍發(fā)展的翅膀，對于機器視覺領(lǐng)域、模式識別領(lǐng)域等將產(chǎn)生重要的理論促進作用。

“希望我們的研究可以更廣泛地應(yīng)用在人工智能模型構(gòu)建上，為全世界人工智能的發(fā)展貢獻‘中國智慧’?！逼靳i說。

關(guān)鍵詞： 因果推理