技術論壇
發文時間 2020/03/23 作者 slipknot
瀏覽次數 2125 留言數量 7 按讚 0
IoT數據資料蒐集/分析/預測類 智慧交通
馬路如虎口!國內常會看到行人或騎士因位於駕駛的視線死角進而釀成悲劇的新聞,如今AI不斷進步,有沒有辦法用來避免交通事故的發生呢?
發文時間 2020/03/23 作者 warehouse
按讚 0
如何做到自動又安全的「智慧交通」,正是全球政府及廠商努力的方向,這又可分成車與車、車與人、車與道路等「車聯網」的不同關係,其中的關鍵技術包含安裝在車子或道路上的各種攝影機、感測器、通訊技術及資料分析、影像辨識等,學問很大。 要避免因駕駛視覺死角造成的意外,在車體加裝影像感測器及警示功能是可行的作法,而警示功能要靠快速的影像分析辨識,這正是AI可以發揮的地方,但前提是要分析的夠快,而且準確。
發文時間 2020/03/24 作者 omnixri
按讚 0
減少因駕駛人疏忽而導致事故發生一直是大家關心的重點。以自駕車為例,車上必須裝滿一堆高科技感測器(如光達、攝影機、超音波、雷達波等等)加上超級複雜的運算才能接近人類開車時所需具備的感知能力,可想而知所費不貲,因此從較簡易、不涉及自動駕駛的先進駕駛輔助系統(ADAS:Advanced Driver Assistance Systems)來減少駕駛疏忽的機會,變成較容易達成且推廣的方式。
以ADAS這類的系統來說,包括的範圍還滿廣的,如胎壓偵測系統、煞車電子輔助系統、停車輔助系統、適路性車燈系統、夜視系統、主動車距控制巡航系統、車道偏離警示系統、汽車防撞系統、盲點偵測系統…,另外有一些是和駕駛者相關技術,如疲勞駕駛偵測、講電話或低頭偵測之類的,這些都是為了保障駕駛人及用路人安全而產生的。
雖然目前有許多車輛已加裝多個攝影鏡頭來輔助駕駛觀察視線死角工作,但必竟人會疏忽,所以利用攝影鏡頭取得影像,加上人工智慧中最常用的物件偵測(如行人、車輛、腳踏車等)技術,如此便能輕易提前提醒駕駛注意行車安全,而這項技術所需耗費的硬體單價及算力需求相對是較低的。相信未來在相關產官學研的努力下應很有機會發展起來,就像胎壓計、衛星導航(GPS)以前是選配,現在幾乎都是標配,而死角偵測或許也會變成主流產品。
發文時間 2020/03/24 作者 omnixri
按讚 0
就國內發展而言,去(2019)年交大電子郭峻因教授的團隊(交大智慧視覺系統設計實驗室)及衍生新創公司魁達智慧國際(creDa)就榮獲車廠Audi舉辦的AUDI Innovation Award獎項。其中為解決資料收集及標註問題,更開發出一套快速視訊資料自動化標記工具ezLabel 2.0,大幅提升標註效率十倍以上,除此之外更推出NCTU SSD lite則號稱比起全球AI領域當紅YOLO v2演算法準確度更高,且模型更小、運算複雜度更低。另外結合物件偵測與分割的深度學習技術(Multi-Task CNN)發展出ADAS相關應用如防車道偏離、盲點偵測、自動緊急煞車、前方/後方碰撞警示…等等功能,並可提前3秒預警後方超車。希望不久的將來有更多相關單位投入。
發文時間 2020/03/24 作者 laisan86
按讚 0
其實這方面的問題國內外不少有在做各式各樣的研究,比方說透過毫米波雷達感測車輛週遭的變化: https://www.youtube.com/watch?v=KjdHs3CNf3Q
或者是利用之前提到的自動駕駛裝置,甚至高級輔助駕駛系統(Advanced Driver Assistance Systems, ADAS),這些系統還包括諸如自適應巡航、偏離行駛車道警告、行人偵測...等,主要目的不外乎就是希望輔助車輛的駕駛可以更安全舒適
不過,每家的做法不同,訴求也不一樣!甚至有不少車禍發生的原因,事後調查主因是車輛故障,像是車上診斷系統(On-Board Diagnostics, OBD)就是監控車輛運轉狀態和異常回報的系統,現在已經有第二代,以美國來說幾乎現有車輛都有這樣的系統
發文時間 2020/03/24 作者 laisan86
按讚 0
可是,這交通安全也不見得就是駕駛者才需要注重吧!?所有的安全裝置設計,其實最大的挑戰就是:人類
我記得2017年當時由於不少機車追撞汽車車門導致傷亡的新聞,就跟我們學校國立台北科技大學的蔡國隆教授一起做了一個能架設在車門上,利用毫米波感測週遭物體的專案,去參加通訊大賽,不過當年似乎主軸在比做NB-IoT、機器視覺,所以就只打進決賽,然後在中油大樓展出當天大吃一頓他們大樓的自助餐 XXD: https://www.youtube.com/watch?v=Ooq5wElScCU
但這比賽裡面評審提到的一點很重要:可是問題撞都給他撞了,你感測後喇叭又吱吱叫,是能幹嘛?所以啦~交通安全需要靠大家守法囉!
發文時間 2020/03/29 作者 bioasura
按讚 0
記憶中過去這個問題,許多路上的交通事故類型,以及發生的時間、位置等資料,警政相關單位會花一些時間每個月檢討事故的類型,以及是否道路設計的方式,或者是用路人本身的疏忽造成。
可以透過描述性統計歸納一些可能的原因,如路口偏心、用路人特定路段與時間容易超速、轉角路口是否有死角,路口的紅綠燈秒差設計等,以及不同形式的路口通過速度而造成可能的行駛判斷的差異(例如同個路口同時有行人、腳踏車、 滑板、下雨天撐傘的行人等不同的條件)。這些參考過程應該可以幫忙讓用路人與通過路口的駕駛者,有機會製造防衛性的駕駛,錯開可能的危險發生的機率。
因此,似乎如何有機會可以透過路口的一些即時情境感知的技術或是設備,應該有機會讓路口附近的駕駛者或是各種行人通過者(腳踏車、機車、行人、視障者), 有機會多一些些通過路口的危險事前的參考資訊,應該有機會避免許多路口資訊不足而產生的憾事。
發文時間 2020/03/29 作者 bioasura
按讚 0
如果可以在路口處增加攝影機(或者在台灣很多路口其實已經有攝影機的設備), 增加人體物件辨識的AI技術,進行即時的辨識, 能夠了解目前每個路口搭配紅綠 燈的時間,還有哪些形式的路人準備通過(行走、腳踏車、撐傘,以及年邁者是否即將緩慢通過路口), 同時在路口轉角處增加一個燈柱,上面顯示行人通過的狀 態,紅色代表目前有人即將通過,黃色代表有腳踏車要來了,綠色代表目前路口已經沒有行人準備通過。
搭配路口的情境感知的狀態, 未來甚至如果可以提供雙向的告知, 很像現在的大卡車要轉彎的時候, 車子會主動通報要轉彎了, 提醒路人小心,而同時透過上述 的描述, 路口的即時顯示行人通過的設備可以用燈號顯示,或者更進一步未來可以用無線的方式,提醒附近的車子提早注意有行人在附近,提早減速或是車子可 以即時收到警示而主動告知附近的路人有車子要通過,相信這些透過AI的雙向互動機制,將可以讓路口以及車輛提早一些足夠反應的時間。
部份的功能似乎可以透過OpenVINO提供的AI模型套件來進行,例如person-detection-retail-0013(https://docs.openvinotoolkit.org/2018_R5/_docs_Retail_object_detection_pedestrian_rmnet_ssd_0013_caffe_desc_person_detection_retail_0013.html)模型,以及OpenPOSE的模型, human-pose-estimation-0001 (https://docs.openvinotoolkit.org/2018_R5/_docs_Transportation_human_pose_estimation_mobilenet_v1_caffe_desc_human_pose_estimation_0001.html), 這個模型很厲害, 曾經在路上對著路口的行人拍攝並進行即時的觀察,發現騎腳踏車也可以看出姿態的差異,並且正確的找出人體物件的特徵點。
當然最後如果是撐傘所產生的狀態,或許要搭配Yolo其他的訓練方式,來進行多種辨識方式的合併,以增加實際應用的效果。