日立汽車系統和歌樂股份有限公司近日宣布已經開發了基本的碰撞預警技術該技術可根據行人的移動實時地快速預判計算優化速度模式從而保證安全兩家公司已經證實了該技術的可行性他們在測試車上的試驗證明該技術可以在實際行駛速度下保證安全日立將會繼續反復測試加快科技的開發為自動化駕駛地商業化運行做出貢獻

自動駕駛的需求在不斷增大是為了更好地解決社會問題比如減少交通事故解決/減緩交通擁堵輔助老化的交通系統等等日立已經引領一些科技的發展為大規模實現包括城市道路停車場高速路的自動駕駛做貢獻

相比高速在城市道路實現自動駕駛會更加復雜因為這需要識辨各種各樣的障礙物和移動物體比如穿梭的汽車和行人對他們的運動進行預判從而決定實施與當時環境相應的駕駛方式自動駕駛包括高水平的識別判斷和實施就像人一樣地去實現對將要發生的變化的反應這些反應都是實時的基于這樣的預判才可以避免碰撞以及行駛在安全和實際的速度下

日立開發了能夠解決上述問題的技術并在測試車上得到證實以下是這個技術的主要特征

1.速度控制是基于對物體移動的預判

根據之前使用于機器人路徑規劃的方法日立集團開發的用于自動駕駛的防碰撞技術是利用對移動物體和障礙物之間的位置關系對將來的運動進行預判尤其是他們模擬位移的變化比如如果一個行人為了避開停著的車輛和障礙物那么他通過某些空間方向的概率會很低如果系統預判有撞到行人或者汽車的可能性該技術可以使用最佳的降速方式緩慢降低速度當系統預判一切是安全的將保持某一個速度不減速通過

2.用高速的計算優化行駛速度

在有些環境中車周圍有很對移動物體或者障礙物同時考慮駕駛的安全性和保持最佳的速度是很重要的這需要實時規劃最佳的速度模式以降低碰撞發生并保持舒適的駕駛速度因此用高速計算獲取最佳行駛速度是很有必要的過去由于用來計算最優速度時電腦負荷過高所以很難能在短時間內計算出最優結果因此需要通過快速獲取記憶這個記憶存儲了碰撞可能性的數據圖以減少優化速度的運算量傳統的方法是將基于運動方向和路寬的碰撞可能性表達在一個2D地圖上在自動駕駛汽車上使用更先進的方法1D路線圖它省去了路寬信息目的是為了更快獲得記憶信息將來利用多路線平行計算來優化行駛速度可能會更顯著加快計算速度這個技術的效果已經在一個新的現場可編輯邏輯門陣列（FPGA）測試電路上得到測試結果表示計算速度比一般的嵌入式系統快了將近200倍這技術可以實現實時計算最優行駛速度

在測試車上的測試證明新技術的有效性結果顯示在實際行駛過程中用舒適的加速（低于2.2m/s2）和加速度變化范圍（低于2.0m/s3）穿過行人是可以實現的

將來日立將會對測試車輛在不同的駕駛環境下進行測試包括在2015年7月開放的米城（Mcity）測試這是一個專門測試自動駕駛車輛和車聯網車輛的測試場所