通过预测高速公路上的车辆变道，内布拉斯加州交通中心(Nebraska Transportation Center)的一种新模型可以帮助司机提供必要的预警，以避免危险事故发生。图片来源：Shutterstock

研究人员表示“如果知道其他车辆的意图，遇到突然插队，我们可能会做出相应的反应，如减速或者变道，以避免追尾事故。”该团队基于大约3000辆车辆的数据创建了该模型，这些车辆配备前置摄像头和各种传感器。为了给模型提供信息，研究人员开始收集每种情况下的数据，其中一辆车在高速公路上跟随另一辆车行驶，间距不超过400英尺（3.5秒）。在某些情况下，前车与后车在同一车道，然后其中一辆并入相邻车道；在其他情况下，一辆车从相邻的车道并入，两辆车最终进入同一车道。

研究人员标记多个变量，作为驾驶员计划变道的迹象，如车距、相对速度、横向位置，以及前车车头轻微的转相，然后在6秒跨度内，即从变道前5秒到变道后1秒，训练模型每十分之一秒分析这些变量的值。在该60个增量中，模型将每个变量的值（如车辆之间距离减少10英尺）与该值在变道前出现的可能性进行比较。当所有这些变量达到指示变道可能性最大的值时，模型将标记变道即将发生。

尽管该模型在不同的条件下会有一些变化，但其能够在车辆中心穿过分界线，前往另一条车道前大约一秒钟，预测到车道变化。研究人员表示：“提前一秒对于人类驾驶员而言可能意义不大，但我们谈论的是自动驾驶车辆或ADAS系统。我们可以利用这段时间，改进系统，或者设计额外的安全预防措施，如碰撞预警系统，以自动降低车辆速度，或帮助驾驶员制定决策。”

该团队还发现了其他一些有趣的趋势，如平均变道时间在0.55到0.86秒之间。驾驶员在与其他车辆合流时（0.55秒），比变道（0.86秒）所用的时间要少。变道速度越快，ADAS系统需要提前反应的时间就越长。

获得自然驾驶数据让研究人员对模型的有效性更具信心。该模型可能也适用于配备更多传感器和摄像头的车辆的更丰富的数据集。这些研究结果可为ADAS系统和自动驾驶技术开发人员提供背景知识、技术数据或支持。这有助于在发生极端情况时，提高驾驶员的安全。