9、自动驾驶车辆的骚乱感知与安全导航

自动驾驶车辆的骚乱感知与安全导航

1. 研究背景与目标

在骚乱或紧急灾难场景中，自动驾驶车辆面临严重损害风险，可能导致重大经济损失。以2020年5月26日至6月7日明尼阿波利斯 - 圣保罗的乔治·弗洛伊德（“黑人的命也是命”抗议活动）示威活动后的骚乱为例，暴力事件造成约60辆汽车受损。在像美国和澳大利亚这样的发达国家，骚乱时有发生，自动驾驶车辆可能成为激进分子、示威者和蓄意制造混乱者的攻击目标。因此，开发安全导航系统以确保自动驾驶车辆及其乘客在骚乱环境中的安全至关重要。

本研究旨在为自动驾驶车辆提出一种骚乱环境感知框架和智能导航系统。当车辆处于停车状态时，其摄像头将检测骚乱环境中的潜在危险物体，并引导车辆前往预定的安全位置。

2. 研究贡献

• 应用深度学习算法 ：应用YOLO版本8算法检测自动驾驶车辆面临的骚乱威胁。
• 创建自定义数据集 ：从公开可用的数据集中选取高质量图像进行标注，用于识别道路物体和各种骚乱威胁。数据集还包含一些骚乱期间暴力行为的实时视频。
• 模型性能比较 ：将YOLOv8算法与YOLOv7进行性能比较，确定哪种检测模型能提供最准确的实时威胁和物体检测。

3. 相关研究综述

此前虽有诸多关于自动驾驶车辆益处及其对交通领域潜在影响的研究，但尚未有针对骚乱场景下自动驾驶车辆导航可行性的研究。以下是一些相关领域的研究：
- 人群行为分析 ：Bendali - Braham等