据外媒报道，由密苏里大学（University of Missouri）工程学院副教授Yaw Adu-Gyamfi和研究生Linlin Zhang领导的研究团队创建出一种新技术，以了解行人、骑自行车的人和车辆如何互动，尤其是在交通信号灯处。该技术可帮助提高驾驶员意识、减少事故并更好地了解工作区的行为，旨在提高道路安全性。相关研究发表在期刊《Journal of Transportation Engineering, Part A: Systems》。

图片来源：密苏里大学

这种创新方法结合了光检测和测距（lidar，激光雷达）和人工智能（AI），旨在解决交通安全和移动性方面的关键问题。

激光雷达使用摄像头和激光系统来创建物体的3D视图，使专家能够测量不同物体（例如自行车、汽车和人）的距离和速度。

“通过更好地了解行人和骑车人在道路上的互动方式，这项研究将帮助我们设计先进的系统，使车辆能够更好地了解和避开其他道路使用者。这一点很重要，尤其是在自动驾驶汽车越来越普遍的情况下，”Adu-Gyamfi表示。

所提供的信息有助于解决交通信号灯处缺乏有关骑车人、行人和车辆之间互动的行业数据的问题。

实际用途

该技术可以帮助发现汽车和行人之间的密切接触，让专家更好地了解如何预防事故。随着该技术越来越普及，它可以跟踪人和汽车如何接近十字路口，并与车辆共享数据以提高安全性。

“这种方法需要与汽车制造商合作，将该技术融入车辆，”Adu-Gyamfi表示。“事实上，一些汽车已经使用蜂窝车联网（C-V2X）等网络与交通系统连接。”

该系统收集的数据还可以用于其他方式来改善交通，例如帮助专家确定行人需要绿灯多长时间才能安全通过。它还可以跟踪进入施工区的车辆，抓捕超速或分心的司机。此外，它还可以发现路面问题，例如坑洼的深度。

工作原理

对于这个项目，研究人员在十字路口设置了一个联合摄像头和激光雷达系统来监控交通流量。他们成功地优化了该技术，使其仅使用一个单元即可工作，而不是使用需要使用两个激光雷达单元的传统方法。此外，通过应用一种称为点云补全的方法，研究人员能够比现有方法提高行人和其他物体的可见性。

“我们没有重新训练机器学习模型来检测物体，而是使用预先训练的模型并创建了一种新算法来估计物体的高度和宽度，”Adu-Gyamfi表示。“这帮助我们比为同一任务设计的其他AI模型更准确地对物体（例如公共汽车、行人和骑自行车的人）进行分类。”

在该技术广泛应用于道路和高速公路之前，研究人员需要解决数据处理、电源稳定性和天气条件方面的挑战。