据外媒报道，期刊《International Journal of Vehicle Design》报道了一种用于自动驾驶汽车避障的新型数据驱动技术。该方法或可克服自动驾驶导航发展过程中许多长期存在的挑战。

图片来源： 期刊《International Journal of Vehicle Design》

避障是指车辆探测并绕过其行驶路径上障碍物的能力。尽管经过多年的发展，许多系统仍然难以实现这一核心功能，常常导致路线效率低下、对突发变化反应迟缓，甚至在复杂或不可预测的环境中完全失效。新方法通过将先进的数据挖掘和优化算法集成到车辆导航过程中，解决了这些缺陷。

研究人员解释说，多维数据挖掘是该方法的关键。这涉及从各种数据源中提取模式，包括来自摄像头的视觉输入、来自激光雷达（LIDAR，一种基于激光的测距系统）的空间测量数据、来自GPS（全球定位系统）的位置数据以及实时交通信息。

这些数据使用K均值聚类进行处理，这是一种机器学习算法，无需预先标记即可将相似的数据点分组。其目的是使车辆能够更智能地解读周围环境，识别障碍物类型、道路特征或附近物体的移动等模式。

一旦处理完环境信息，车辆就会构建研究人员所谓的目标函数。这是一个平衡安全性、速度和效率目标的数学模型。为了优化该函数，团队应用了鲸鱼优化算法（WOA），这种方法的灵感来自虎鲸（Orcinus orca）的觅食行为。WOA擅长在复杂空间中快速识别最优解，非常适合高速行驶的道路决策需求。

在模拟中，研究团队展示了近99%的避障成功率，反应时间最快仅为0.44秒。这些结果比许多现有技术有了显著的改进，因为现有技术通常需要更长的处理时间，并且生成的路径不够直接或较为保守。