無人駕駛車輛如何理解道路交通?

美國斯坦福大學(xué)計算機(jī)科學(xué)系終身教授、Google Cloud首席科學(xué)家李飛飛在TED上有一期演講，名為《如何教計算機(jī)理解圖片》(How we are teaching computers to understand picutres)，其中介紹了計算機(jī)理解圖片的方式，其實(shí)這也是無人駕駛車輛“看懂”道路和交通的一種方式。

算法是關(guān)鍵

人工智能深度學(xué)習(xí)技術(shù)的大致做法是這樣的：計算機(jī)通過對標(biāo)注過的照片的大量學(xué)習(xí)來大致了解每種物體的含義及其彼此之間的關(guān)系。那么，為什么要有1千萬公里里程數(shù)和1萬輛投放數(shù)這樣的指標(biāo)呢?因?yàn)檫@與訓(xùn)練機(jī)器理解需要的場景數(shù)量有關(guān)，達(dá)不到這樣的指標(biāo)，就無法訓(xùn)練出基本及格的機(jī)器。

然而，道路上的場景、關(guān)系要比照片豐富得多，車輛除了要理解，還要做決策，譬如，在行人眾多、缺乏控制的斑馬線前，駕駛?cè)藭�在等待一段時間后慢慢往前推進(jìn)，形成與行人的相互博弈，但無人駕駛車輛對這樣的博弈缺乏足夠的算法。在無序的環(huán)島也是如此，如果無人駕駛車輛缺乏足夠的博弈能力，會在原地長期等待，反而使得環(huán)島更為混亂。

算法是理解的關(guān)鍵，這是目前所有企業(yè)都面臨的瓶頸，企業(yè)間的差距也主要在算法上。

圖1：復(fù)雜的斑馬線前，缺乏控制的環(huán)島(來源: Self-Driving Cars:State of the Art (2019), Lex Fridman, MIT)

無人駕駛?cè)绾潍@取信息?

算法和信息輸入有關(guān)，也就是算法獲取信息的方式。在信息獲取方式方面，輔助駕駛和自動駕駛有很大區(qū)別。輔助駕駛采用的是“視覺設(shè)備+深度學(xué)習(xí)”為主體的信息獲取方式，以較低投入獲取最大效益，但存在不精確和受環(huán)境約束大的缺點(diǎn);自動駕駛采用“Lidar+自動駕駛地圖”為主，視覺輔助+深度學(xué)習(xí)輔助的方式來獲取高精度和全天候的信息，不過缺點(diǎn)是昂貴且難以維護(hù)。從搭載設(shè)備看，輔助駕駛車輛的信息獲得數(shù)量和能力要明顯弱于自動駕駛車輛。因此信息獲取設(shè)備是輔助駕駛車輛跨越L3到L4級之間鴻溝的制約因素，這個跨越過程將會異常艱難。

當(dāng)然，許多公司推出的無人駕駛車輛雖然搭載了自動駕駛信息獲取設(shè)備，但只能做輔助駕駛的工作，這應(yīng)該是算法不過關(guān)造成的。

圖2：兩種駕駛模式采用的信息獲取方式(來源：Self-Driving Cars: State of the Art , 2019, Lex Fridman, MIT)

無人駕駛車輛和網(wǎng)聯(lián)車等技術(shù)是什么關(guān)系?

和無人駕駛車輛一樣，網(wǎng)聯(lián)車(Connected Cars)、協(xié)同智能運(yùn)輸系統(tǒng)(Cooperative Intelligent Transport Systems, C-ITS)和出行即服務(wù)(Mobility as a Service, MaaS)也在迅猛發(fā)展。媒體經(jīng)常會混淆這些概念，以為是無人駕駛車輛的組成部分，其實(shí)這些技術(shù)并不相同，不僅建設(shè)主體不同，應(yīng)用目的也不同。

不過，未來這些技術(shù)會密切結(jié)合在一起，從而改變整個運(yùn)輸系統(tǒng)，甚至改變城市的運(yùn)營方式。在此簡單介紹下它們之間的關(guān)系。

無論在哪級，無人駕駛車輛都存在盲區(qū)，這和人開車一樣。Lidar用鐳射光立體掃描周邊環(huán)境來形成實(shí)時地圖和360度全景立體的地圖，把障礙物一個不漏地放進(jìn)自動駕駛地圖，這是比人類開車有優(yōu)勢的地方，但是，和人眼一樣，鐳射光會被物體遮擋而看不見，從而形成盲區(qū)，比如，鐳射光看不見建筑物后的車輛和車輛背后的行人。

視頻：Visualization of Lidar data(來源：https://www.youtube.com/watch?v=nXlqv_k4P8Q)

網(wǎng)聯(lián)車(Connected Cars)技術(shù)可以解決盲區(qū)問題。網(wǎng)聯(lián)車技術(shù)通過在路上設(shè)置的各種檢測設(shè)備，將“看到”的信息告訴途經(jīng)道路車輛。如果安裝位置合適，可以“看到”路上所有的情況，一個不漏。無論人工駕駛還是自動駕駛的車輛，都可以用這些信息補(bǔ)足自己的盲區(qū)，判斷是否會碰到建筑物后的車輛或車輛背后的行人，做出合理決策。

協(xié)同智能運(yùn)輸系統(tǒng)技術(shù)是將各種先進(jìn)交通系統(tǒng)得到的交通數(shù)據(jù)整合的技術(shù)。協(xié)同就是跨平臺整理信息、分析數(shù)據(jù)，得出更全面的結(jié)論，譬如將信號燈數(shù)據(jù)、幾公里以外交通情況、道路施工情況、事故情況、周邊服務(wù)設(shè)施和服務(wù)能力等諸如此類的“超視距”、“超能力”(超能力指能預(yù)知前方是否會擁堵，靠交通控制系統(tǒng)來預(yù)測并告知自動駕駛車輛的能力)信息整合起來告知道路上的車輛。

這些工具在與無人駕駛車輛無縫銜接后，將使其看得更多、更遠(yuǎn)，能力倍增。

無人駕駛車輛發(fā)展前景預(yù)計

雖然業(yè)內(nèi)比較看好無人駕駛車輛的未來，但即便樂觀的觀察者也只能提出輔助駕駛的明確時間表，很難確定自動駕駛的時間表。真實(shí)道路上的場景過于豐富，使用者之間的意圖和關(guān)系很難用算法描述，且不同地區(qū)之間的文化背景和交通規(guī)則差異也很大，都成為了制約無人駕駛車輛發(fā)展的不利因素。

不過，即便未來并不那么確定，技術(shù)投入仍然是值得的，在自動駕駛技術(shù)發(fā)展過程中產(chǎn)生的各項(xiàng)成果足以讓事故一點(diǎn)點(diǎn)降下來，讓社會效率一點(diǎn)點(diǎn)升上去。這個過程本身就是一個偉大的過程。

我國目前正在大力推動由企業(yè)主導(dǎo)的無人駕駛車輛研發(fā)。只要經(jīng)過實(shí)事求是的努力，這些國產(chǎn)無人駕駛車輛會很快從試驗(yàn)場地走向現(xiàn)實(shí)道路，達(dá)到行駛1千萬公里里程數(shù)和同時運(yùn)營1萬輛車的及格線。

(新媒體責(zé)編：zfy2019)