科大推出擬人化自動駕駛系統　有效降低交通風險逾26%

香港文匯報訊(記者高鈺)香港科技大學工學院的跨學科研究團隊最近成功開發了一套「擬人化認知編碼系統」，讓自動駕駛車能像人類司機一般「思考」，綜合判斷複雜的路況。新技術可將整體交通風險降低26.3%；對於行人及騎行者等高風險群體而言，潛在意外更大幅減少51.7%；自駕車的自身風險則下降了8.3%，為自動駕駛技術的安全性邁進一大步。

現行自動駕駛系統無法像人類司機那樣全面考慮道路上的多方互動，例如在十字路口優先讓路予行人，再適度調整與附近車輛距離；一旦確定行人安全，再迅速將注意力轉向其他車輛。這種動態決策能力，稱為「社會敏感度」。為了讓自駕車可「學習」人類的社會敏感度，科大土木及環境工程學系講座教授楊海牽頭的團隊借鑒了神經科學、認知科學和倫理學概念，開發出符合人類認知邏輯的編碼方案，為自動駕駛系統配備接近真人司機的感知、評估與行動能力。

該系統結合了三項關鍵創新元素：一是其個體風險評估模組可評估行人、單車、電單車與鄰近車輛等道路使用者的潛在風險，可分析其速度、相對距離和行為規律，例如在路邊行走的小孩會被歸類為高風險群體。此外，其社會權重風險映射模組在決策過程中引入倫理權重，優先保護弱勢群體，例如自駕車即使在規則允許前進下，亦可能會主動禮讓行人。最後，其行為信念編碼模組能預判自駕車決策對整體交通狀況的影響，例如突然改道會否導致周邊司機急剎，或加劇路面擠塞。

為驗證安全性，團隊採用了2,000種不同模擬交通場景進行測試。結果顯示，整體交通風險降低了26.3%，而在安全性提升的同時，搭配新系統的自駕車完成駕駛任務的時間平均縮短了13.9%。楊海表示，系統設計可因應不同地方的法規與社會價值觀作調整，「有些地域注重保護弱勢道路使用者，有些則著重於提升交通流暢度；此外，各地對於交通事故責任的法律詮釋也存在差異。透過調整系統設定，自駕車能也可如地道的司機一般，融入各地交通環境，極具潛力於全球廣泛應用。」團隊正著手構建大規模的數據集，涵蓋多個地域的駕駛行為特徵與社會期望，並與潛在合作夥伴商討，以推進該系統的集成與實地測試工作。