人工智慧–自動駕駛汽車

人工智慧之自動駕駛汽車AV

2017年，李彥宏乘坐百度研發的無人駕駛汽車，前往2017百度AI人工智慧開發者大會，可謂賺足了媒體的眼球，使得自動駕駛、無人駕駛成為了茶間熱議的話題。無論是互聯網公司Google、蘋果、百度，還是特斯拉、傳統的汽車廠商賓士、寶馬、大眾、沃爾沃、奇瑞等都在涉足自動駕駛、無人駕駛領域。無疑，自動駕駛、無人駕駛成為最最吸引眼球的黑科技。

那麼什麼是自動駕駛汽車？

自動駕駛汽車（AutonomousVehicles），又稱電腦駕駛汽車、或輪式移動機器人，是一種通過電腦系統實現輔助駕駛、半自動駕駛、全自動駕駛，直至無人駕駛的智能汽車。在20世紀已有數十年的歷史，21世紀初呈現出接近實用化的趨勢。

自動駕駛系統（AutonomousVehicles System）是一個彙集眾多高新技術的綜合複雜系統，依靠感測技術、人工智慧、視覺計算、圖像識別、雷達、監控裝置、電子和計算機和全球定位系統等協同合作，讓電腦可以在人類部分干預或沒有任何干預下，半自動、全自動安全地操作機動車輛。自動駕駛汽車發展與新型技術產業關係密切，物聯網、大數據、雲計算、人工智慧等新技術正在深刻地影響著自動駕駛汽車的變革。自動駕駛汽車要想取得長足的發展，有賴於上述高新技術的創新和突破。

自動駕駛技術分級：

當人們在談論自動駕駛時，經常會將輔助駕駛、自動駕駛和無人駕駛三個詞混淆，這裡要澄清一下輔助駕駛、自動駕駛和無人駕駛三者之間的關係。其實，它們分別代表了不同級別的自動駕駛技術。美國汽車工程師協會（SAE）將自動駕駛技術進行了分級，這是目前國際公認的術語界定。SAE的標準分為Level0~5共六個級別，如下圖所示。

Level 0--無自動駕駛，完全人類駕駛，但可以提供部分的告警功能。

Level 1--駕駛輔助，駕駛員監控駕駛環境，駕駛員和系統共同執行車輛的加減速和轉向的動作，對於動態駕駛任務的反饋，也主要是由駕駛員來完成的。

Level 2--部分自動駕駛，主要還是由駕駛員監控駕駛環境，系統通過駕駛環境信息的判斷，來執行加減速和轉向動作。但對於動態駕駛任務的反饋，也主要是由駕駛員來完成的。

Level 3--有條件自動駕駛，監控駕駛環境的主體改為自動駕駛系統，同時系統完成加減速及轉向等駕駛操作，但對於動態駕駛任務的反饋，也主要是由駕駛員來完成的，根據系統請求，駕駛員需要提供適當的干預。Level 3開始，由於自動駕駛系統起到了主要的作用，這就對自動駕駛系統的安全性提出了很高的要求，在系統架構、底層系統冗餘設計及魯棒性上的要求很高，對制動、轉向、電源及控制系統均要求冗餘設計。

Level 4--高度自動駕駛，由自動駕駛系統監控駕駛環境，並完成駕駛操作，在特定環境下系統會向駕駛員提出響應請求，駕駛員可以對系統請求不進行響應。

Level 5--完全自動駕駛，在所有的駕駛模式下，包括監控駕駛環境、執行駕駛操作、對動態駕駛任務進行反應等均為自動駕駛系統負責。

駕駛輔助或輔助駕駛處於自動駕駛技術等級的L1和L2，已在量產車上部署，通常稱為高級駕駛輔助系統（ADAS）。有效增加汽車駕駛的舒適性和安全性。

自動駕駛相比於駕駛輔助，對技術和車輛性能要求更嚴格，主要體現在以下3個方面:1）需要更好的目標識別演算法；2）加入規劃和控制；3）視覺和雷達的融合要進一步提升。基於人工智慧之深度學習的目標識別演算法能夠大大提升目標識別的精確度，但是深度學習還不夠，需要視覺雷達相結合，才能夠發揮更好的效果。

無人駕駛處於最高級，無人駕駛就等於完全的自動駕駛，也就是說在無人駕駛的技術等級下，開車這活完全交給了無人駕駛系統。無人駕駛車輛中或許只有1個啟動/關閉按鈕，當我們每天上車，點擊「啟動」按鈕，將目的地告訴系統，那麼車子就會載著乘客到達想要的目的地。至於中間行駛過程，怎麼走，開多快，都是汽車說了算。乘客只需要安心在車內睡覺、看書、視頻、思考或其他娛樂等。真正做到駕照不用考了，醉酒不用怕了^_^。

從駕駛輔助到自動駕駛，是第一次躍遷；從自動駕駛到無人駕駛，是第二次躍遷。自動駕駛不僅僅是演算法，它是一套超級複雜的系統工程，要考慮可靠性、安全性。

自動駕駛汽車技術原理：

自動駕駛汽車技術包括視頻攝像頭、雷達感測器以及激光測距器來了解周圍的交通狀況，並通過一個詳盡的地圖(比如谷歌地圖或百度地圖)對前方的道路進行導航。

自動駕駛汽車結構組成

1）激光雷達：車頂的「水桶」形裝置是自動駕駛汽車的激光雷達，它能對半徑60米的周圍環境進行掃描，並將結果以3D地圖的方式呈現出來，給予計算機最初步的判斷依據。

2）前置攝像頭：在汽車後視鏡附近安置了一個前置攝像頭，用於識別交通信號燈，並在車載電腦的輔助下辨別移動的物體，比如前方車輛、自行車或是行人。

3）左後輪感測器：自動駕駛汽車的位置感測器，幫助定位，通過測定汽車的橫向移動來幫助電腦給汽車定位，確定汽車在馬路上的正確位置。

4）前後雷達：在自動駕駛汽車上分別安裝了4個雷達感測器（前方3個，後方1個），用於測量汽車與前（和前置攝像頭一同配合測量）後左右各個物體間的距離。

5）主控電腦：自動駕駛汽車最重要的主控電腦被安排在後車廂，除了用於運算的電腦外，還有測距信息綜合器，這套核心裝備將負責汽車的行駛路線、方式的判斷和執行。

自動駕駛系統基本技術架構：由車載系統+雲端系統組成。

1.車載系統分為3個層級：感知層，決策層，執行層。

1）感知層：感知層用來完成對車輛周圍環境的感知識別。自動駕駛用到了各種各樣的感測器，包括：攝像頭、毫米波雷達、激光雷達、超聲波雷達、紅外夜視，以及用於定位和導航的GPS（全球定位系統）和IMU（慣性測量單元）。還包括協同式輔助的高精度地圖、V2X車聯網技術等。相互補充融合，最終使智能汽車達到自動駕駛場景下非常高的安全性要求。

2）決策層：決策層是人工智慧真正發揮威力的部分，和人類駕駛員一樣，機器在做駕駛決策時需要回答幾個問題，車在哪裡？周邊環境如何？接下來會發生什麼？該做什麼？決策層分為兩步:a)認知理解，根據感知層收集的信息，對車輛自身的精確定位，對車輛周圍的環境的準確理解；b)決策規劃，包含對接下來可能發生情況的準確預測，對下一步行動的準確判斷和規劃，選擇合理的路徑達到目標。

3）執行層：執行層離不開和車載控制系統的深度集成，通過線控技術完成執行機構的電控化，達到電子制動、電子驅動和電子轉向。

2.雲端系統包括四大功能：

1）數據存儲：智能汽車路測中實採的數據量非常大，需要傳輸到雲端進行分散式存儲。

2）模擬測試：開發的新演算法在部署到智能汽車上之前會在雲端的模擬器上進行測試。

3）高精度地圖生成：把每輛在路上行駛的智能汽車實時採集到的激光點或視覺數據上傳至雲端，實現高精度地圖的完善和更新。

4）深度學習模型訓練：自動駕駛的決策層使用了多種不同的深度學習模型，深度學習演算法存在「長尾」問題，對於沒見過的情況它處理不了，需要持續不斷地通過新數據進行模型訓練，來提升演算法的處理能力。由於訓練的數據量非常大，所以要在雲端完成。

自動駕駛的商業情況

自動駕駛的商業化應用有貨運和客運兩大塊。貨運的需求方比較明朗，有礦山和港口運營公司、物流公司、電商、出行服務運營商等，貨運的工況主要是高速公路、礦區、港口等相對單一封閉的區域，實現起來更容易一些。客運在開放道路上運營還是非常困難的，目前能夠落地的應用場景主要是園區低速自動駕駛，未來可能會探索給滴滴、UBER這樣的運營商提供固定區域內的自動駕駛運營服務，等各類駕駛場景都驗證成熟以後才會推向開放區域，最後才是賣給個人，這條路還是很漫長的。

初創公司NuTonomy希望能在2018年前後在新加坡提供擁有自動駕駛功能的計程車，並在2020年擴展到10座城市。Delphi和MobilEye公司則聲稱，他們可以在2019年提供滿足SAE第4級要求的自動駕駛系統。特斯拉公司宣布，目前上市的特斯拉汽車已經在硬體標準上具備了實現SAE第5級自動駕駛的能力。當前谷歌的無人駕駛車沒有方向盤，也沒有油門，就一個啟動和關閉按鈕，是真正意義上的無人駕駛車，雖然功能方面還有很長的路要走；百度的無人駕駛車（SAE第4級，基於Apollo平台），嚴格意義上來說是一輛具備高級自動駕駛功能的汽車。行業標準和技術架構都沒完善，未來還需要持續探索，百度開源演算法對推動整個行業的進步絕對是好事情。

自動駕駛在非技術領域思考：

1）現有的法律制度、政策、保險體系等，並不是為自動駕駛時代的交通量身定製的，一定存在諸多不合理之處；

2）道德問題始終是制約自動駕駛商業化和大規模普及的關鍵因素；

3）失業問題對傳統行業的衝擊是困擾自動駕駛技術商業化的重要因素；

4）基於安全的考慮，對自動駕駛的普及持謹慎態度。

自動駕駛發展的機遇和挑戰：

自動駕駛由於信息技術和人工智慧的融合，對我們來說，既是機會，也是挑戰。機會是擁有比傳統汽車產業更大的市場空間，再隨著電動化、智能化大潮到來，使中國企業可以有機會在自動駕駛汽車上「彎道超車」，還可以通過基於自動駕駛的分享經濟，中國可以大幅減少汽車的保有量，從根本上解決交通堵塞和汽車尾氣污染等問題。挑戰是中國有全球最大的交通路網（立交橋讓老司機都暈頭）、最大的人口基數（好多人不遵守交通規則），每年交通事故數量相當驚人，自動駕駛還需要不斷改進技術，不斷適應中國複雜交通路況和國情，同時也要提高大眾交通法規意識，讓自動駕駛汽車減少最終消除交通事故。

另外，還要解決「自動駕駛汽車出車禍了誰負責」的問題。

結語

隨著技術和產業的逐漸成熟，人工智慧對自動駕駛發展至關重要，不斷推動著自動駕駛級別提升。通過人工智慧，可以看到一種新型的汽車駕駛——「雲車互聯」現象。但是自動駕駛普及還存在一些關鍵技術問題需要解決，包括車輛間的通信協議規範，，通用的軟體開發平台建立、有人無人駕駛車輛共享車道、多種感測器之間信息融合以及視覺演算法對環境的適應性等以及非技術領域比如道德、法律和安全等問題。這些問題並不阻礙人們對自動駕駛充滿熱情的關注和孜孜不倦的追求。畢竟，自動駕駛是不可阻擋的必然趨勢！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！