過馬路是參與交通路權的重要交通場景之一。車輛駕駛員和行人之前通常使用非語言交流來相互判斷協商人行橫道是否可以通行，而沒有駕駛員的自動駕駛汽車很難将車輛的駕駛意圖傳達給十字路口的行人，這可能會使行人和其他道路使用者的安全性降低。

解決自動駕駛汽車準确識别紅綠燈的問題對于所有車輛安全都至關重要，與人類駕駛的汽車不同，自動駕駛汽車僅依靠其計算機視覺系統及導航數據來識别紅綠燈。

目前，最好的自動駕駛輔助系統每隔數萬小時就會出現對環境感知的偏差，如果對紅綠燈感知錯誤，乘客與行人都将處于危險中。下面從三個角度來看自動駕駛汽車的紅綠燈問題。

1. 紅綠燈告訴道路使用者什麼時候停下來，但隻有在每個人都遵守規則的情況下才會起作用。

紅綠燈通過計時模式指揮交通，自動駕駛車輛可通過學習知曉交通規則，但在真實道路場景中，往往會出現很多突發事件，如道路上行人及非機動車輛闖紅燈、其他機動車輛在綠燈時沒有正常行進等問題，正因沒有物理障礙迫使道路使用者遵守交通信号，使得道路行駛不确定性因素提高，加大自動駕駛落地的難度。

因此，現階段自動駕駛汽車應具備的基礎能力便是學會準确識别信号燈變化，遵守交通規則出行，而确保自動駕駛汽車學習正确的規則需要一系列駕駛場景的高質量訓練數據來支撐。

2.紅綠燈對開發視覺系統及算法團隊的挑戰。

識别紅綠燈并不能依靠距離檢測完成，因此，自動駕駛汽車不能使用雷達來導航交通信号，必須完全依靠計算機視覺系統來了解何時停止和離開。

這無疑給研發視覺系統及算法的團隊增大了難度，因為交通信号燈的能見度可能會根據天氣條件(如明亮的陽光、雨、雪或霧)而變化。諸如點頭或手勢之類的溝通可幫助人類駕駛員處理低能見度或沒有交通信号燈的情況，但自動駕駛汽車無法記錄這些來補充視覺信息，且并非所有的十字路口都有紅綠燈，因此，如果自動駕駛汽車沒有檢測到紅綠燈，原因很可能來自多方面，機器學習和計算機視覺工程師必須就此類場景對自動駕駛進行持續訓練。

3. 庫存數據集不足以幫助自動駕駛汽車安全地通過紅綠燈。

數據是汽車不斷增強識别能力和判斷能力的基礎，也是發展自動駕駛技術的關鍵。自動駕駛技術需要大規模的數據訓練其自動駕駛能力，教會汽車認知駕駛環境，正确駕駛，其對數據質量要求高且種類繁多，而庫存數據集無法涵蓋所有用例。

據悉，每個 ADAS 功能大約需10,000至100,000張圖像。由于自動駕駛汽車數據采集通常來自特定攝像頭或傳感器，通用庫存數據不足以幫助自動駕駛汽車安全地通過交通信号燈。因此，需要使用持續的優質訓練數據來不斷更新模型。

曼孚科技作為數據服務頭部企業，深刻理解智能駕駛場景數據需求，在數據标注方面，曼孚科技始終緻力于為AI企業提供高質量、場景化訓練數據集，憑借從戰略到技術落地的一站式通用AI解決方案，全面覆蓋數據層至算法層，輔助自動駕駛技術在複雜多樣的環境下更好地感知實際道路、車輛位置和障礙物信息等，實時感知駕駛風險，賦能行業數字化與智能化。