全球最大非營利專業技術學會“國際電氣與電子工程師協會”(The Institute of Electrical and Electronics Engineers，以下簡稱“IEEE”)日前似乎找到了通過人工智能神經網絡判斷汽車當前行駛道路是否安全的全新方法，而這一方法則有望使未來自動駕駛汽車在糟糕天氣下行駛時變得更為安全。

據美國交通局（US Department of Transportation）此前公布的數據顯示，在2002-2012的十年期間，因為道路濕滑而引起的交通事故達到了96萬起，超過4700人因此喪生，道路濕滑也占到了全美因天氣原因引發交通事故中高達74%的比例。美國交通局的數據還顯示，因天氣原因而引發的交通意外占據了所有交通意外事故23%的比例。因此，有無數的工程師和科研人員都希望找到一種能夠幫助駕駛員判斷道路是否濕滑、安全的駕駛系統。

對此,IEEE研發人員則在日前嘗試通過分析車輛輪胎噪音反饋的方式判斷道路是否過于濕滑。比如，IEEE曾在2014款梅賽德斯-奔馳CLA車型的后胎部位安置了一個麥克風來收集輪胎噪音反饋，并在波士頓地區的多種路面、多種行駛速度下展開了測試。

雖然這一研究尚處于早期階段，但從早期測試結果來看，這一系統在各個行駛速度下的加權平均查全率（unweighted average recall）達到了93.2%。而且，即便是車輛在靜止不動的狀態下都能夠收集到一些反饋數據，這主要是因為該麥克風同時也會收集其他過往車輛的聲音信息所致。

“事實證明，這一方法能夠通過音頻信息有效判斷道路狀況，且相比‘支持向量機算法’（Support Vector Machines，一種機器學習方法）的實際表現更出色。而且，這一方法甚至能夠在車輛靜止不動或者在行駛速度低于每小時2.9英里的極限速度下作出準確判斷。”IEEE在自己的研究報告中寫道。

事實上，IEEE并不是首家希望通過聲音來幫助駕駛員判斷道路狀況的機構。因為西班牙馬德里理工大學（Technical University of Madrid）早在2014年就嘗試利用支持向量機來分析輪胎在行駛時產生的聲音，并以此來判斷道路的行駛狀態。

然而，西班牙馬德里理工大學的研究人員當時發現這一方法能夠準確檢測到的道路類型非常有限，同時也無法準確區分諸如砂石掉落到道路上這些沒有關聯的聲音信息。

與此同時，日本富山大學(University of Toyama)研究人員曾在2012年對外展示過一個類似的道路情況判斷系統，只不過該系統是通過圖像，而不是聲音反饋的方式進行判斷。具體來說，該系統要求在汽車上安裝監控攝像頭，并通過查看其他車輛車燈在道路表面的反光情況來判斷路況。不過，該系統要求道路中必須有其他車輛經過才能夠正常工作，且在大霧、低能見度和大雪天氣的表現非常糟糕。