——自学道路基础设施将提供预警，以减少道路事故

每两分钟，德国道路上会发生由野生动物引起的事故，仅在2015年，保险行业就损失了超过6亿欧元。为了解决这个问题，乌尔姆应用科技大学和海尔布隆应用科技大学与工业合作伙伴共同创建了“ SALUS”。结合雷达，光学摄像头和红外传感器以及神经网络，设计了一种机器学习系统，可以区分行人，汽车，自行车，摩托车，鹿，狐狸，野猪等，预测这些行为对象。然后，系统向汽车驾驶员和其他道路使用者发送警告，避免发生事故。微型多普勒雷达的数据由Spectrum的PCIe数字化仪M2p.5926-x4采集，提供所需的通道数和位宽。

乌尔姆应用科技大学的Hubert Mant教授是该项目的负责人之一。他表示：“汽车制造商正在从高端车型开始安装驾驶员辅助系统，但这需要很长时间普及到其他车型。同样，高端摩托车已开始添加这种功能，但是有限的安装空间意味着很难实现和汽车的警报系统一样的功能。我们项目的目的是在路边安装小型设备，以检测危险并给临近的车辆传递信号。另外，对于没有安装警报系统的道路使用者，可以打开路灯照亮危险区域或警告提示。SALUS项目可以检测那些较难发现的危险并发出警告，这会大大改善道路安全。”

技术演示系统能够同时测量雷达，光学相机和红外相机三个来源的数据。还可以集成其他传感器来测量污染程度，这已经引起了项目合作公司的商业兴趣。该项目设想将这些独立单元作为德国道路旁的哨所进行大规模部署，这意味着它们必须价格低廉且由太阳能供电。后者对于农村地区尤其重要，因为那里的电力供应不足，并且路灯稀少，因此对这种警报系统的需求最大。

这也意味着，智能交通基础设施的单元之间的通信系统必须是低功耗的，所以使用远程广域网（LoRaWAN），可以在农村地区达到40公里的距离。该标准的特点是能耗低且基于非授权频段，因此成本较低。

“我们正在使用神经网络来开发机器学习，使系统能够区分例如骑自行车的人，汽车或鹿。这远远超出了单纯的运动检测。”Mantz教授补充说，“我们正处于项目的关键部分，即对检测到的对象进行分类，这是以前从未尝试过的。借此功能，系统将能够预测物体的运动，从而为系统增加了非常有用的实时智能，使其可以预测危险情况如何发展。我们选择了具有16位，4个差分通道和10MHz带宽的数字化仪M2p.5926-x4。利用该设备采集信息来指导系统，使我们可以实时处理所需的数据。而且使用非常简单直观，这意味着我们可以专注于项目而不需要对其进行编程。”

高品质数字化仪

Spectrum的首席技术官Oliver Rovini表示：“大学和研究机构所进行的项目和实验可能需要花费数年的时间，因此他们深知在项目的整个周期中，需要依靠每一部分完美地运作才能成功。Spectrum产品经久耐用，并且我们提在产品的整个生命周期内免费提供软件和固件更新，由我们的设计工程师直接提供支持。”