Car-to-Car Injury Risk Functions for Real-Time Emergency Decision-Making in Highly Automated Vehicles
本研究提出了一种针对高度自动化车辆的实时伤害风险框架，该框架利用碰撞前运动学变量来推导全向风险函数，从而在不依赖计算密集型碰撞阶段模拟的情况下，实现能够最大限度降低乘员伤害的即时转向与制动决策。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一辆汽车正行驶在繁忙的街道上，它的传感器不断扫描着前方的世界。在碰撞变得不可避免前的千分之一秒，车辆的计算机必须做出一个关乎生死的抉择。多年来，这些安全系统的首要目标一直很简单：完全避免碰撞。如果碰撞似乎迫在眉睫，汽车就会猛踩刹车。但现实往往更加复杂。有时，无论刹车踩得有多快或转向有多急，碰撞都无法避免。当这种情况发生时，目标就从“规避”转向了“缓解”。问题不再是汽车是否会撞上某个物体，而是如何以最小程度地伤害车内人员的方式进行碰撞。这就是现代汽车安全的尖端领域：超越仅仅是让汽车停下来，而是主动管理碰撞中的能量，以保护乘客。
为了有效地做到这一点，汽车需要预知碰撞可能产生的结果，而无需等到碰撞真正发生。传统上，工程师通过收集碰撞后的数据来衡量碰撞严重程度，例如车辆速度的变化量或金属变形吸收了多少能量。这些测量数据对于理解已经发生的事情非常有用，但对于试图进行实时决策的计算机来说却毫无用处。当汽车能够计算出这些碰撞后的数值时，事故已经发生了。研究人员面临的挑战在于，如何仅利用在两车接触前的几毫秒内可获得的信息，来预测受伤的严重程度。这需要一种新型的数学地图，能够将接近威胁的速度和角度直接转化为受伤概率，而无需进行碰撞模拟。
来自意大利、法国的研究人员以及汽车工业界的一个团队开发了一个新框架来解决这个问题。他们创建了一套工具，使车辆能够仅利用碰撞前的数据来评估乘客的受伤风险。该系统不是等待碰撞发生后再测量损伤，而是观察接触瞬间的初始条件。它考虑了诸如两车接近的速度、车辆重量以及它们将发生碰撞的具体角度等因素。通过专注于这些碰撞前变量，该系统可以瞬间运行其计算，从而适应汽车计算机在决定是刹车还是转向时所拥有的极短时间。
研究人员使用来自世界各地三个大规模、独立的真实交通事故数据库测试了他们的方法：一个来自欧洲，一个来自美国，还有一个是国际综合数据集。他们训练模型来预测三种级别的伤害结果：轻伤、重伤和死亡。结果清楚地显示了系统在预测每种类型时的表现差异。对于轻伤，该系统表现挣扎。研究人员发现，预测轻微的碰撞和擦伤非常困难，因为这些结果往往取决于汽车无法察觉的细节，例如乘客的年龄或性别。由于汽车的传感器无法了解这些个人信息，模型预测轻伤的能力仍然有限。
然而，当研究人员观察重伤和死亡情况时，该系统的表现非常出色。基于重伤数据训练的模型能够准确预测所有三个不同事故数据库中的严重伤害风险，即使这些数据库来自不同的国家，拥有不同的车型和报告风格。这表明，严重碰撞的物理特性具有普适性，因此无论汽车行驶在何处，都能学会识别危险信号。该系统成功识别出，两车接近的速度结合碰撞的结构特征，足以提供估算严重后果可能性的信息。预测死亡情况的情况也是如此，尽管研究人员指出，由于致命事故较为罕见，导致这些事件的数据较为稀疏，使得预测的稳定性略低于重伤预测。
为了证明这一理论在现实世界中可行，团队将他们的模型应用于一次涉及两辆特定汽车的前向侧碰历史碰撞测试。他们运行了两次数据：一次假设汽车了解对手的所有信息，另一次假设它必须根据通用知识对对方的结构强度进行推测。即使在汽车必须对另一辆车的刚度进行合理推测的情况下，模型对受伤风险的预测仍与实际结果接近。这证明了该系统具有足够的鲁棒性，即使在无法获得关于另一辆车的完美信息（这是当今交通中的常见情况）时也能正常运作。
这项工作的意义对于自动驾驶的未来至关重要。目前，当汽车面临不可避免的碰撞时，它通常默认采取刹车措施。但刹车并不总是能降低严重受伤的风险；在某些情况下，它甚至可能改变碰撞角度，从而使结果变得更糟。这个新框架允许汽车评估不同的操作，例如转向侧方，并瞬间计算出哪种选择能最大限度地降低乘客遭受严重伤害的风险。通过消除对复杂、耗时的碰撞模拟的需求，这种方法使车辆能够在转瞬之间做出复杂的、挽救生命的决策。虽然这项技术在收集关于道路上其他车辆的完美数据方面仍面临挑战，但这项研究为新一代安全系统提供了坚实的基础——这类系统不仅试图避免事故，而且在最坏情况发生时，通过主动管理事故来保障人们的安全。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。