感知 Perception
识别汽车、自行车、行人、道路边界和交通信号，估计它们当前的位置与速度。
WHAT IS AROUND ME?LUMI LAB · EXPERIMENT 05 / TRAFFIC INTELLIGENCE 01
一个路口
会发生什么？
一辆汽车、一辆电动自行车、一个交叉路口。改变速度和距离，观察它们什么时候到达同一个位置。我们从一个简单问题开始：AI 怎样提前发现潜在的交通冲突？
OBSERVE → MODEL → TEST → REFLECT
本实验为教学演示，不用于真实道路驾驶或安全决策。
本实验为教学演示，不用于真实道路驾驶或安全决策。
SCENE / INTERSECTION-001● CONCEPT MODEL
TWO ROAD USERS / ONE CONFLICT ZONE
CAR / MOTOR VEHICLEBIKE / NON-MOTOR
01个交叉路口场景
02类交通参与者
04个可调整参数
0 AI真实模型调用 · 先学原理
01 / INTERACTIVE SIMULATION
01改变条件，看看会发生什么
选择一个场景，调整汽车和电动自行车的速度、距离。系统会计算双方到达交叉点的预计时间，并展示时间差。
LIVE SCENE / TOP-DOWN VIEWREADY · 0.0 S
机动车非机动车共同交叉区域
等待开始
观察重点：两名交通参与者是否在相近时间抵达共同交叉区域？注意：时间接近只是一个简化的冲突线索，不等于已经计算出碰撞概率；分级阈值仅用于教学演示，不是安全标准。
02 / LEARN THE SYSTEM
02从一个路口理解自动驾驶
刚才看到的只是运动学时间估算。真实自动驾驶还需要感知、行为预测、轨迹规划和运动控制等多个环节。
预测 Prediction
根据历史运动与场景信息，估计其他交通参与者未来可能出现的轨迹及不确定性。
WHAT MAY HAPPEN NEXT?规划 Planning
比较减速、停车、等待或通过等候选动作，生成满足安全和道路约束的轨迹。
WHAT SHOULD I DO?控制 Control
将规划轨迹转化为转向、加速和制动指令，并根据车辆实际状态持续修正。
HOW DO I EXECUTE IT?03 / MODEL BOUNDARIES
03这个小实验能说明什么？
模型越简单，越需要知道它遗漏了什么。先理解匀速直线运动能解释什么，再看真实交通还需要哪些条件。
WHAT WE CALCULATE
预计到达时间（ETA）
假设参与者沿直线、以当前速度匀速前进，用距离除以速度，估计到达交叉点的时间。
ETA(s) = distance(m) ÷ [speed(km/h) ÷ 3.6]
WHAT WE DO NOT CLAIM
不是碰撞概率
本实验没有建模加减速、转弯半径、车辆长度、制动性能、道路优先权、传感器误差或人的临场反应，因此不能判断真实道路是否安全。
Δt = |ETA car − ETA bike|
NEXT RESEARCH QUESTION
加入行为不确定性
骑行者可能突然减速、变道或绕开障碍物。下一步需要用多条候选轨迹，而不是只预测一条固定直线。
future state ≠ one certain path
WORLD MODEL CONNECTION
从预测走向反事实推演
更进一步，可以比较“汽车保持速度”“汽车减速”“骑行者改变方向”等不同动作下，交通场景可能如何演变。
action → predicted future → evaluate
04 / CHECK YOUR UNDERSTANDING
04确认你真的理解了
不是考试。试着判断下面的问题，看看自己是否能区分感知、预测、规划与控制。
Q1. 摄像头识别到一辆电动自行车，这属于哪个环节？
选择一个答案，查看解释。
Q2. 预测骑行者未来 3 秒可能向左变道，属于哪个环节？
选择一个答案，查看解释。
Q3. 汽车比较减速等待和加速通过两种动作，属于哪个环节？
选择一个答案，查看解释。
Q4. 世界模型在这里最可能提供什么帮助？
选择一个答案，查看解释。
05 / FIELD NOTES
05留下你的观察
记录你调整了什么、看到了什么、还有什么不明白。实验记录保存在当前浏览器，不会自动上传。
我的实验笔记
建议记录：哪个参数最明显地改变了到达时间差？视线遮挡改变了什么？这个模型还遗漏了哪些现实因素？
尚未保存
实验完成检查
勾选项由你自行标记，用来回顾这次观察。
0 / 5 项完成
06 / OPEN SOURCE REFERENCES
06下一步可以研究什么？
本实验是概念级交互。若要进一步研究真实交通行为、车辆动力学或规划控制，应基于成熟工具和公开基准继续验证。