人口密集的城市里，每天都會上演“堵城風(fēng)云”。想要讓司機(jī)在匯入車流前，變更至一條空閑道路，需要提前對周邊路況了如指掌。常規(guī)做法之一，就是在每條道路安裝攝像頭，實時掌控路面的車流密度。這項技術(shù)受到地域和成本制約，遲遲未能普及。最近在日本，一種低成本的報堵方法呼之欲出。

伊藤俊雄(Toshio Ito)是芝浦工業(yè)大學(xué)工程和科學(xué)系統(tǒng)學(xué)院的一位教授。他研發(fā)了一種預(yù)測交通擁堵的方式——監(jiān)控駕車行為，以此判斷路況。教授的新點子只需借助車內(nèi)已有的傳感器裝置，成本低，不依賴道路基礎(chǔ)設(shè)施是這項技術(shù)的核心競爭力。

這位理工科教授好似一位深諳人類行為學(xué)的雜家。他注意到，發(fā)生交通擁堵時，車輛會在路上怠速行駛。司機(jī)會頻繁執(zhí)行制動等動作，后方的車輛看到前方剎車燈后，也會相繼減速。這一系列執(zhí)行動作有規(guī)律可循，因此被教授納入了評判體系。如果檢測到后方跟車速度沒有下降，但是道路前方的車內(nèi)司機(jī)卻在高頻踩踏剎車，那么便可以預(yù)測，一場擁堵即將發(fā)生。

遵循這個邏輯，預(yù)測擁堵，只需要依靠車內(nèi)傳感器，檢測司機(jī)無意識狀態(tài)下做出的行為改變。教授例舉的三個行為判斷參數(shù)是：方向盤轉(zhuǎn)動角度，油門踏板被踩下的幅度，還有車輛行駛速度。當(dāng)然，實際關(guān)注的參數(shù)并不止這三個。傳感器檢測這些變化后，通過量化和分析，根據(jù)上述原理發(fā)現(xiàn)擁堵前奏。

整個項目組制造了一臺酷似游戲裝置的駕駛模擬器，在學(xué)校的一次課程上測試了這項新技術(shù)。研究人員模擬了道路閑時、忙時、擁堵等多種路況，由學(xué)校的20多名學(xué)生組成的體驗團(tuán)參與了測試。最后項目組發(fā)現(xiàn)，每個駕車者在車流較少和道路擁堵兩種情況下，駕駛行為存在明顯差異。

模擬器的外視圖和內(nèi)視圖

你也許會問，單獨樣本的行為差異或許不難分清，但是在不同個體間，軟件判斷還能準(zhǔn)確無誤嗎?事實上在實驗中，教授他們發(fā)現(xiàn)不同路況下，高頻行為數(shù)據(jù)的確會因人而異。所以項目設(shè)立了一個小組，專門研究更加精準(zhǔn)的評判方式。他們依賴于名為“神經(jīng)網(wǎng)絡(luò)系統(tǒng)”(NNS)的機(jī)器學(xué)習(xí)，對看似不同的行為數(shù)據(jù)加工、分類、整理，從而優(yōu)化整個系統(tǒng)。這樣，整套軟件依靠分析司機(jī)行為，檢測路面狀態(tài)差異的精準(zhǔn)率，就提升到了80%。

總結(jié)起來，項目組主要靠包含方向盤轉(zhuǎn)動角度，油門踏板被踩下的幅度，車輛行駛速度在內(nèi)的多種數(shù)據(jù)預(yù)測擁堵，要做的只要開發(fā)一款分析司機(jī)行為的軟件。所以整個技術(shù)可以看作是智能交通的低成本解決方案，無需增加路面基礎(chǔ)設(shè)施或者在車上安裝額外的傳感器。

另外，這個新方法除了在擁堵提醒方面有所應(yīng)用，還可以識別因身理和心理導(dǎo)致的駕駛行為異常。開車打盹或者分心可以被傳感器接收，由軟件向司機(jī)發(fā)出警告提醒。如果未來與更多主動安全功能連接，遇到突發(fā)疾病或失去駕駛掌控能力的狀況，車輛都可以緊急制動或切換為自動駕駛功能。

目前，教授正在為這項新技術(shù)申請專利，不過他還沒有決定何時將這項技術(shù)商業(yè)化。細(xì)細(xì)想來，這是一門依靠數(shù)據(jù)來賺錢的生意。獲取這些數(shù)據(jù)，需要打開汽車線路接口，而這次牢牢把握主動權(quán)的正是車企。這時候如果發(fā)現(xiàn)教授的另一個身份——大發(fā)汽車公司的總經(jīng)理，你也許就不會感到奇怪了。

回眼國內(nèi)，教授所使用的幾種數(shù)據(jù)，通過OBD似乎也能獲取個八九不離十，所以，如果OBD硬件公司也能夠研發(fā)出合適的軟件算法，預(yù)測交通也成為一種可能。