在自動駕駛汽車參與道路交通之前，他們必須最終證明自己不會對他人構成危險。慕尼黑工業大學（TUM）開發的新軟件通過每毫秒預測交通狀況的不同變化來防止事故發生。

汽車接近十字路口。另一輛車從十字路口噴出，但尚不清楚它會向右轉還是向左轉。同時，行人直接進入汽車前方的車道，而在街道的另一側有一個騎自行車的人。具有道路交通經驗的人通常會正確評估其他交通參與者的活動。

TUM的網絡物理系統教授Matthias Althoff解釋說：“這種情況對于由計算機程序控制的自動駕駛汽車提出了巨大的挑戰?！薄暗?a target="_blank">無人駕駛汽車只有在確保交通狀況不會令人困惑的前提下，確保車輛不會危害其他道路使用者的情況下，才能獲得公眾的認可。”

開發用于自動駕駛汽車的軟件的最終目標是確保它們不會引起事故。TUM慕尼黑機器人與機器智能學院的成員Althoff和他的團隊現在已經開發了一個軟件模塊，該模塊可以在駕駛時永久性地分析和預測事件。車輛傳感器數據每毫秒記錄和評估一次。該軟件可以為每個交通參與者計算所有可能的移動-只要他們遵守道路交通法規-允許該系統在未來三到六秒鐘內進行觀察。

基于這些將來的場景，系統確定車輛的各種運動選項。同時，程序會計算潛在的緊急情況演習，在這種情況下，可以通過加速或制動而不會危害他人的情況下，將車輛移出危害區域。無人駕駛車輛只能遵循沒有可預見的碰撞并且已經識別出緊急操作選項的路線。

以前認為這種詳細的交通狀況預測太耗時，因此不切實際。但是現在，慕尼黑研究團隊不僅展示了實時數據分析的理論可行性，還同時模擬了未來的交通事件：他們還證明了它提供了可靠的結果。

簡化的動態模型使快速計算成為可能。所謂的可達性分析用于計算汽車或行人可能承擔的未來潛在位置。當考慮到道路使用者的所有特征時，計算變得非常耗時。這就是Althoff和他的團隊使用簡化模型的原因。就運動范圍而言，它們比真實的要好-但在數學上更易于處理。增強的移動自由度允許模型描繪更多可能的位置，但包括實際道路使用者期望的位置子集。

為了進行評估，計算機科學家根據他們在慕尼黑的自動駕駛汽車進行試駕期間收集的真實數據，創建了一個虛擬模型。這樣一來，他們就可以設計出一個能夠緊密反映日常流量情況的測試環境?！巴ㄟ^仿真，我們能夠確定安全模塊不會導致駕駛行為方面的任何性能損失，預測計算是正確的，預防了事故，并且在緊急情況下，車輛已被證明可以安全行駛。停止?！?Althoff總結道。

這位計算機科學家強調，新的安全軟件可以簡化自動駕駛汽車的開發，因為它可以與所有標準運動控制程序結合使用。