研究人员开发路边预警装置 可区分多种物体并预测运动

据外媒报道，德国乌尔姆应用科学大学、海尔布隆应用技术大学（The Universities of Applied Sciences of Ulm and Heilbronn）与合作伙伴宣布开发了Salus系统，集成雷达、光学摄像头、红外传感器和机器学习神经网络，能够区分行人、汽车、自行车、摩托车、鹿、狐狸、野猪等，并预测其行为。

（图片来源：www.traffictechnologytoday.com）

该系统能够向驾驶员和其它道路使用者发出预警，避免交通事故的发生。微多普勒雷达的数据由Spectrum Instrumentation的PCIe数字化仪卡M2p.5926-x4采集，满足该应用所需的通道数量及位宽。

该项目的领导者之一、乌尔姆应用科学大学Hubert Mantz教授表示，“我们项目的目标是在路边安装一些小型装置来探测危险，并在车辆接近时将其发送给车辆。此外，对于车内没有安装报警系统的道路使用者，将会接通路灯照亮危险区域，或照亮警告标志。SALUS项目将检测难以发现的危险并发出预警，最终显著提升道路安全系数。”

该技术演示系统将能够同时测量来自雷达、光学摄像头和红外摄像头的数据。此外，该系统还可以集成其他传感器来测量污染水平。

Hubert Mantz补充道，“我们正在利用神经网络开发机器学习，使系统能够区分骑自行车的人、汽车或鹿，这远远超出了纯粹的运动检测。我们正处于该项目的关键阶段，即对探测到的物体进行分类。基于此项功能，系统将能够预测物体的运动，从而预测潜在的危险情况。”

该项目设想将这些独立单元广泛部署在德国各地的道路旁。由于农村地区电力供应和街道照明不足，对此种预警系统的需求最大，因此必须保证价格低廉并使用太阳能。

同时，这也意味着组成智能交通基础设施的各单元之间的通信系统必须具备低功耗的特性。因此覆盖范围达40公里的远程广域网络（LoRaWAN）是农村地区的首选。其特点是能耗低，并基于非授权频段（Unlicensed Frequency Bands），因此成本较低。