哥伦比亚大学的工程师们学习轿车用防磕碰传感器，设计出可以提示运用者留意来车的降噪耳机，现在设备还在原型阶段。
图片来自：Pixabay
来历 IEEE Spectrum
翻译 王曌
修改 戚译引
戴着耳机走路虽然可以屏蔽掉周围的喧嚣，但也是一种风险的行为。怎么提示马路耳机族们留意过往的车辆呢？一种办法是给行人装上和轿车类似的防磕碰预警体系，依据周围的轿车声判别路况。
智能耳机体系运用机器学习算法解析周围的轿车声，提示行人留意方圆 60 米内的来车。现在的行人音频预警体系（Pedestrian Audio Warning System，PAWS）原型机尚处于初级阶段，它只能检测单辆来车的方位，无法确认来车的详细路途，更无法区别一起有多辆来车的状况。可是考虑到在 2018 年，美国的行人逝世数量到达 30 年来之最，在这样的布景下，PAWS 可以说是向着以行人为中心的安全帮助方针迈出的第一步。
哥伦比亚大学电子工程系助理教授、数据科学研讨所成员蒋小凡（音，Xiaofan Jiang）说：“虽然有的新车配有专门的传感器检测行人，但行人一般没有设备可以检测来车的轨道会不会撞上自己。”
蒋小凡创造 PAWS 的创意来历于一次亲身经历，他发现在马路上佩带降噪耳机会涣散他对周围环境的留意力。这促进他和他在哥伦比亚大学、北卡罗莱纳大学教堂山分校和巴纳德学院的搭档们开宣布了 PAWS，并在 2019 年 10 月出书的IEEE Internet of Things Journal宣布了他们的研讨成果。
虽然许多车用防磕碰预警体系都运用摄像机、雷达或激光雷达来勘探邻近的物体，可是蒋小凡和他的搭档很快意识到，“人用防磕碰预警体系”有必要运用低功耗传感器，以便能在标准电池供电状况下续航 6 个小时以上。“因而，咱们决议选用低成本、低功耗的麦克风阵列（作为传感器），” 蒋小凡说。
这款可穿戴预警体系的四个麦克风散布在耳机的不同方位，它的首要硬件都坐落商用耳机的左耳壳内部，运用可充电锂电池供电。出于省电的考虑，它运用定制的集成电路，只从捕获的音频中提取最相关的声响特征，并将这些特征传输到配套的手机APP中做处理。
手机 APP 内嵌了机器学习算法，以解析声响特征。这些算法的练习数据集是在不同环境中收集到的 60 多种轿车的声响，比方毗连学校和住宅区的大街、飓风时节里劲风暴虐的高速高路、曼哈顿繁忙的商业街等。
可是，只是依托轿车声来勘探车辆是十分困难的。首要，体系往往会定位出声响最大的车辆，但它或许并不是离行人最近的车辆；一起，体系也无法定位多辆车，乃至无法估量有多少辆车。
现在，PAWS 可以定位 60 米外的单辆来车，并依据来车的速度宣布持续几秒的正告。可是，一个真实有用的预警体系应该可以追寻邻近车辆的行进轨道，并只在车辆有或许撞到行人时才宣布警报。这需求研讨人员找到更好的办法，以便可以一起确认行人和车辆的方位和轨道信息。
“假如你幻想一个人在街上行走的场景，你会发现或许会有许多车从他身边通过，但没有一辆会撞到他，” 蒋小凡解释道，“为了使防磕碰预警更有用，咱们一定要考虑其他的信息。”
PAWS 能否从噪音或其他信号中解分出更多的有用信息来提示马路耳机族呢？相关的研讨工作仍在持续。巴纳德学院的行为心理学家乔舒亚 纽（Joshua New）计划在试验中研讨什么样的正告声最能有用引起留意。现在，研讨小组倾向于在立体声耳机的一侧宣布正告音，或许模仿 3D 正告音，以供给更具空间相关性的信息。
“除一般的行人外，在拥堵的马路上执勤的差人或戴着护耳器的建筑工人也或许从这项技能中获益，”蒋小凡说。现在，PAWS 项目现已从美国国家科学基金委（NSF）获得了 120 万美元的赞助，他们团队还将尽力改善这项技能，并终究交给一家公司进行商业化。
当然，仅靠一项技能来保证行人的安满是不行的。在 2019 年的陈述中，州长公路安全协会（Governors Highway Safety Association）将日益升高的行人逝世率归咎于许多要素，比方缺少安全的路途交叉口，以及超速、分神或喝酒等不安全的驾驭行为。装备PAWS的耳机不太或许大幅度下降行人逝世率，但提早几秒钟的正告足以抢救一些生命。
论文信息
【 标题】Improving Pedestrian Safety in Cities Using Intelligent Wearable Systems
【作者】Stephen Xia et al.
【期刊】IEEE Internet of Things Journal
【DOI】10.1109/JIOT.2019.2903519
【链接】https://ieeexplore.ieee.org/document/8662658
【摘要】With the prevalence of smartphones, pedestrians and joggers today often walk or run while listening to music. Since they are deprived of their auditory senses that would have provided important cues to dangers, they are at a much greater risk of being hit by cars or other vehicles. In this paper, we build a wearable system that uses multichannel audio sensors embedded in a headset to help detect and locate cars from their honks, engine, and tire noises, and warn pedestrians of imminent dangers of approaching cars. We demonstrate that using a segmented architecture consisting of headset-mounted audio sensors, a front-end hardware platform that performs signal processing and feature extraction, and machine learning-based classification on a smartphone, we are able to provide early danger detection in real time, from up to 60 m away, and alert the user with low latency and high accuracy. To further reduce power consumption of the battery-powered wearable headset, we implement a custom-designed integrated circuit that is able to compute delays between multiple channels of audio with nW power consumption. A regression-based method for sound source localization, angle via polygonal regression, is proposed and used in combination with the IC to improve the granularity and robustness of localization.
