通过人工智能驱动的系统提高道路安全,通过声音有效检测和定位紧急车辆

科学领域:

• 汽车工程 汽车工程
• 人工智能的人工智能
• 声学信号处理 声学信号处理

背景情况:

• 在城市环境中,道路安全是一个关键问题,常常受到环境噪音和无法及时检测应急车辆的影响.
• 现有的驾驶辅助系统缺乏强大的实时检测和定位警报和喇等听觉警告的能力.

研究的目的:

• 在汽车环境中设计和实施一套先进的系统,用于检测和定位紧急声音 (警报,喇).
• 通过为驾驶员提供准确的,实时的救援车辆方向和近距离信息来提高道路安全.
• 克服复杂的声学环境带来的挑战,包括城市交通和风噪声.

主要方法:

• 专用硬件与空气动力学结构的整合,以最大限度地减少风噪声和振动.
• 应用人工智能,包括基于变压器的架构和卷积神经网络 (ResNets,U-NET),用于声音分析.
• 使用滑动窗口进行实时处理,用于立即检测,定位,噪声清理和轨迹分析.

主要成果:

• 实现了高检测精度:98.86%的模拟数据和97.5%的真实世界测量.
• 精确的声音定位证明了模拟中的平均误差为5.12°,实际测试中的平均误差为10.30°.
• 在具有挑战性的声学条件下有效降低噪音和清洁声音.

结论:

• 开发的系统有效地检测和定位紧急声音,大大改善了现有的道路安全措施.
• 这种以人工智能为驱动的方法,利用先进的神经网络和实时处理,显示出集成到汽车驾驶员辅助系统的巨大潜力.
• 这项技术在减轻与紧急车辆在道路上接近相关的风险方面取得了重大进展.