自动驾驶汽车依靠人工智能来预测附近的汽车将要行驶的方向。但是，当这些预测与现实不符时，这种差异可能会导致撞车事故和道路安全性降低。

据外媒报道，佐治亚大学（University of Georgia）最近的一项研究开发了一种新的人工智能模型，以使自动驾驶汽车更安全。相关论文发表在期刊《Transportation Research Part E: Logistics and Transportation Review》。

图片来源：佐治亚大学

该研究引入了一种自动驾驶汽车的人工智能模型，旨在预测附近交通的动向，并融入创新功能以规划安全的车辆行驶。

研究人员利用佛罗里达州I-75高速公路的数据来预测其他车辆的行驶路径，并确定自动驾驶汽车在跟随另一辆车时的运动。

之前的研究主要是预测周围的交通状况，然后规划自动驾驶汽车的行驶。然而，这种单独的方法更容易发生碰撞和险些相撞。“这就是为什么我们想把这两个步骤结合起来——让自动驾驶汽车的运行更安全，”这项研究的主要作者、佐治亚大学工程学院助理教授Qianwen Li表示。“正如我们的实验所表明的那样，这种方法确实有助于提高安全性能。”

AI需要做的不仅仅是预测交通状况

为了保证驾驶员的安全，自动驾驶汽车必须能够准确预测周围交通的动向。然而，很难知道其他驾驶员在路上会做什么。

“预测和现实总是有差异的，”Li表示。“自动驾驶汽车的计划轨迹可能会与另一辆车的实际轨迹相撞。”

新模型的设计考虑了预测误差，因为消除这些误差是不可能的。研究团队还在开发更复杂的自动驾驶汽车操作人工智能模型，比如ChatGPT这样的大型学习模型。交通场景可以输入到这些模型中，然后它们会确定最佳行动方案。

然而，大型语言模型也有局限性。虽然它们能够有效地做出与如何应对不同情况相关的高层决策，但它们的设计初衷并不是规划汽车的移动。

“我们如何才能完美地变道，既安全又高效？”Li表示。“我们如何让行人平稳停车，而不会引起任何不适？基本上，我们如何设计具体的轨迹？这部分我们没有要求ChatGPT或大型语言模型去做，因为它们没有能力这样做。根据我们迄今为止的实验，传统的轨迹优化模型可以做得更好。”

平衡车辆人工智能中的安全性和机动性

为自动驾驶汽车设计人工智能是一种平衡行为。最大限度地提高安全性往往以牺牲机动性为代价。例如，如果一辆自动驾驶汽车被教导尽可能安全地驾驶，它就会远远地落后于前面的汽车。虽然这是一种更安全的选择，但这种距离可能会减少在给定时间内道路上可容纳的汽车数量。

同样，过于关注移动性可能会导致汽车驾驶过于激进，从而增加发生事故的风险。“我们仍在研究如何训练模型，以平衡安全性和移动性性能，”Li补充道。