自主學習道路基礎設施將為降低道路事故提供早期預警

德國的道路上，每兩分鐘就會發生一起由于野生動物引發的交通事故。僅2015年，就給德國的保險行業造成了超過6億歐元的損失。為了解決這一難題，烏爾姆應用科技大學、海爾布隆應用科學大學以及工業合作伙伴共同創建了“SALUS”。通過雷達、光學相機、紅外傳感器和神經網絡的組合，打造出了一個能夠區分行人、汽車、自行車騎行者、摩托車騎行者、鹿、狐貍和野豬等物體的機器學習系統。該系統能夠向汽車司機和其它道路使用者發出預警，避免交通事故的發生。微多普勒雷達的數據是由Spectrum儀器生產的M2p.5926-x4型號PCIe數字化儀卡采集，并完美滿足該應用所需的通道數量及位寬。

烏爾姆應用科技大學教授Hubert Mantz博士是該項目的負責人之一。他表示：“汽車制造商正嘗試為高端車型安裝車輛輔助駕駛系統(DAS)，但這需要很長的時間才能普及到其他車型。無獨有偶，高端摩托車也開始嘗試添加此功能。但由于安裝空間受限，使其功能永遠無法與汽車的報警系統相匹敵。我們項目的目標就是通過在路邊安裝小型裝置探測危險，并在車輛接近時向其傳遞信號。此外，對于車內沒有安裝報警系統的道路使用者，路燈將照向危險區域或發出警報。SALUS項目將檢測難以發現的危險并發出預警，最終顯著提升道路安全系數。”

該技術演示系統將能夠測量來自雷達、光學相機和紅外相機的實時數據。此外，該系統還能集成額外的傳感器用以測量污染水平。目前，該項目已經引起了很多企業的商業合作意向。試想，將這些獨立的設備安裝在德國各地的公路旁。這就意味著它們必須要滿足價格低廉并能夠以太陽能驅動。由于農村地區的電力供應不足，且預警系統極度依賴街燈的照明，因此太陽能驅動就愈發重要。

這也意味著智能交通基礎設施的設備通信系統必須滿足低功耗。因此，能夠達到40公里的長距離廣域網絡(LoRaWAN)成為了農村地區的首選。其特點是低能耗并基于非授權頻段(Unlicensed Frequency Bands)，因此成本較低。

Mantz教授補充道：“我們正利用神經網絡對機器學習進行開發，使系統能夠區分騎自行車的人、汽車或鹿。這遠遠超越了純粹的運動檢測。目前，這個項目正處于探測物體并對物體進行分類的關鍵階段，這也是此前從未嘗試過的。基于此功能，系統將能夠預測物體的運動。這為系統的預判增加了可信度和實時智能化，使其對即將到來的危險做出反應。此次，我們選擇了Spectrum儀器的M2p.5926-x4型號PICe數字化儀，具有16位分辨率、4個差分通道和10MHz帶寬。該設備所采集的數據對指導系統運作產生了積極的效果，因為我們可以實時處理所需的數據。我們發現這款設備用起來非常簡便且直觀，這意味著我們可以將更多的時間用于項目研究而無需不必要的編程。最重要的是，Spectrum儀器的產品都享受五年質保，所以我們無需擔心任何維修和維護的問題，而其他公司只有1年質保，一旦產品出現問題就意味著我們需要付出更多的額外成本。”

高質量的數字化儀

Spectrum儀器首席技術官Oliver Rovini表示:“大學和研究院的項目和實驗通常需要數年時間。因此他們深知需要依靠每一個部件的完美運作才能確保項目最終的成功。Spectrum旗下產品的生命周期都很長，這也是我們提供五年質保的原因。此外，我們還提供免費的軟件及固件更新，客戶也能夠在產品整個生命周期內獲得設計工程師的支持。”