AI中的“老司機”——自動駕駛

陳翰霖

TM公司產品項目發布

項目名稱：共享無人駕駛TM

項目需求：當你走在路上遇到傾盆大雨時，是不是渴望有那么—輛從天而降的無人駕駛車，拯救既沒有帶傘也不會開車的你？當無人駕駛遇上共享交通，—切將皆有可能。

項目詳情：隨著無人駕駛技術的不斷完善和大量數據的不斷采集，個人定制的共享交通服務已經到來。有了它，即使在深夜歸家的路上也可以獨自一人享受安全而舒適的自動駕駛汽車，無須擔心節外生枝的安全問題，更不會遇上被有不良企圖的人騷擾的問題。當您在向共享交通的控制中心發送無人駕駛汽車定制訂單時，可以選擇是否與他人共享無人汽車，是否介意順風車。擔心浪費資源？不用怕，控制中心的人工智能已經將—切都考慮進來了，無論是派遣車輛的選擇還是路線的選擇都考慮了能源的最大利用。當共享交通遇上無人駕駛，—種全新的出行革命即將到來！

——工程部主管：哈里

無人駕駛大事件回顧

2009年

谷歌開始秘密開發無人駕駛汽車項目，該項目后來被稱為Waymo。

2010年10月9日

谷歌公司在官方博客中宣布，正在開發自動駕駛汽車，目標是通過改變汽車的基本使用方式，協助預防交通事故，將人們從大量的駕車時間中解放出來。

2011年10月

谷歌將內華達州和加州的莫哈韋沙漠作為試驗場對汽車進行測試。同年，美國內華達立法機關允許自動駕駛車輛上路，這是在美國出現的首個類似法律。

2012年5月7日

內華達州機動車輛管理局（DMV）批準了美國首個自動駕駛車輛許可證。

2013年

美國的內華達州、佛羅里達州、加州與密歇根州4個州通過了允許自動駕駛汽車的法規。

2014年4月

中國搜索引擎、互聯網巨頭百度公司與寶馬宣布開始自動駕駛研究項目，并在北京和上海路況復雜的高速公路上進行測試。

2015年6月11日

百度公司表示，百度與德國寶馬汽車公司合作開發自動駕駛汽車，并計劃于2015年晚些時候在中國推出原型車進行路試。

2016年6月30日

美國特斯拉汽車公司證實，一輛該公司生產的S型電動轎車在自動駕駛模式下發生撞車事故，導致司機身亡。

2017年7月5日

在2017百度AI開發者大會上，百度創始人、董事長兼首席執行官李彥宏通過視頻直播展示了一段自己在北京五環乘坐公司研發的無人駕駛汽車的情景。

2018年3月18日

在亞利桑那州坦佩市，一輛自動駕駛的Uber汽車撞死一名穿越馬路的行人。這是全球首例自動駕駛汽車撞人致死事故。

“大腦”or“管家”？

無人駕駛，嚴格來說我們業內稱之為自動駕駛，即無人操控的自動化駕駛。

人工智能在車輛上的運用有兩個類別：一種是獨立于駕駛決策系統的應用，另一種則是和駕駛決策系統相結合的應用。

獨立于駕駛決策系統的人工智能通常可以幾乎不需要額外安裝硬件設備就能在車輛上正常運行并提供服務，常見的如ADAS（Advanced Driver Assistant System，駕駛輔助系統），而和駕駛決策系統相結合的應用，就是我們非常熟悉的“無人車”。

當人工智能獨立于駕駛決策系統中時，更多的是對駕駛員的駕駛行為產生間接影響。在這種情況下，人仍然是駕駛行為的主導者，人工智能在這里擔當著 “管家”的角色。通過人工智能的輔助，駕駛員能夠在更加安全地駕駛汽車的同時享受更多的駕駛樂趣。

當人工智能作為一個“大腦”而不是“管家”時，駕駛行為的主導者和決策者就是人工智能了。面對錯綜復雜的行駛環境時，人工智能能快速響應突發事件，這是擁有大量行駛經驗的人類駕駛者都很難做到的事情。

駕駛、自動駕駛與無人駕駛

在汽車駕駛應用領域，人工智能的開發復雜程度更偏向于人工智能的自動化程度。衡量一個自動駕駛AI/駕駛輔助AI的自動化程度，學術界及工業界通常用五級分類來進行界定，即SAE分類標準。

對于ADAS來說，它們的工作重心更多的是“輔助”駕駛員駕駛而不是替代駕駛員作為車輛駕駛行為的決策者，所以比較常見的應用有變道輔助系統、自適應定速巡航系統以及和車輛行駛安全息息相關的防碰撞系統。

通過雷達探測駕駛員視線盲區內是否有車輛來協助駕駛員進行變道行駛動作，就像人開車變道時會回頭通過后視鏡觀察盲區一樣，ADAS在這里做的就是替人觀察車輛側面及斜后方盲區內是否有車輛靠近，通過對附近車輛速度和位置的測量，在某種程度上預測其他車輛會不會干擾本車的變道動作。從這個角度上來講，ADAS在這里就是駕駛員眼睛的延伸。

相當于車輛油耗的“管家”。優化定速巡航系統通過對前后車輛距離的測算，預判什么時候該減速，從而給駕駛員和乘客帶來更加舒適的乘坐體驗，同時也能減少車輛單位距離上因為突然剎車和突然加速帶來的額外油耗，簡直一舉兩得。

這個大家就更加熟悉了。駕駛員從感知到危險到反應再到停下車輛的過程會產生剎車距離，隨著ADAS中防碰撞系統的介入，感知到危險的主體從駕駛員變成了人工智能。當人工智能通過傳感器檢測到的數據判斷碰撞行為有可能發生時會直接執行減速動作，這樣就大大減少了同等條件下的剎車距離，也極大地提高了行車的安全性。

自動駕駛中的子系統

當人工智能和駕駛決策系統相結合時，真正做決定接管駕駛行為的是人工智能。相比起駕駛輔助系統，自動駕駛人工智能需要注意的方面會更多，單位時間內需要處理的數據量也更大，考慮的方方面面也會更加復雜。那么，人工智能在自動駕駛車輛中的作用有哪些呢？你看到它的子系統就會知道了

我們說過，人工智能可以看作自動駕駛系統的大腦。正如人一樣，獨立的大腦并不能很好地工作，更別提駕駛汽車了。它需要和人體的其他器官配合才能對外界刺激做出相應決策和反應。自動駕駛的人工智能也一樣。在自動駕駛過程中，有不少其他系統擔當了車輛的“眼睛”和“耳朵”，真正做到了“眼觀六路，耳聽八方”。

自動駕駛汽車有兩個“眼睛”。一個“眼睛”是我們常規意義上能夠想到的“眼睛”，也就是圖像處理系統。圖像處理系統有攝像頭，負責“看到”車輛行駛路線上以及車輛附近的景象。攝像頭“看到”的東西并不是直接傳達給“大腦”的。在接收到車輛附近的圖像以后，圖像處理系統會先對傳來的信息進行甄別，識別出和駕駛直接相關的信息，比如“道路分界線”（虛白線、雙黃線等等）“行人” “其他車輛” “交通標志”等和駕駛行為決策直接相關的變量。

自動駕駛汽車的另一個“眼睛”就是。激光雷達系統（LiDAR）。LiDAR通過不間斷地掃描車輛四周的環境從而生成立體的地形圖。這樣一來，雖然汽車沒有真正的眼睛，人工智能更不可能直接知道附近的地形情況，但車輛對周圍的環境卻了如指掌。如果道路情況復雜，車輛就可以通過預判，能夠成功避開行駛路線上的雜物以及坑洼。

人工智能+車聯網

服務于自動駕駛的人工智能或多或少都會和車聯網有一定的連接關系。將獨立自動駕駛汽車和車聯網內其他汽車連接起來的系統又稱為Telematic Box （TBox）。有了TBox，車主既可以遠程控制車輛，在冬天對車輛進行預熱夏天提前打開空調，行駛過程中車輛也能通過TBox與車聯網系統內的其他車輛進行通訊，從而更好地計劃自身的速度，降低油耗的同時帶給駕駛員和乘客更佳的乘坐體驗。

自動駕駛系統大規模推廣后，對北美高速公路是一個利好消息。北美五大湖及中部地區絕大多數道路會在冬季之后出現或多或少的坑洼，這些坑洼多數是由于冬季降雪，除雪車在除雪的過程中撒播融雪劑或者鏟除凍結的冰塊而對道路造成了損傷。而由于車輛行駛速度較快，駕駛員來不及反應，經常會有車輛因為直接軋過這些道路坑而造成車輛憋胎爆胎，損壞鋼圈，以及其他更加嚴重的情況。有了自動駕駛系統，車輛既可以通過對周圍環境的掃描提前預判路坑的出現從而快速躲避路坑，也可以接入車聯網之后通過接收其他車輛的廣播優先設計好行駛路線，從而最大限度地降低可能的經濟損失。

對于耗費大量時間在通勤以及交通上的人來說，自動駕駛這位老司機無疑給他們帶來了福音。人們可以在通勤時間解放雙手，處理事務。而對于需要長途跋涉的人們來說，自動駕駛無疑給他們繁忙的日程中找出來了大塊的空閑時間。漫長而枯燥的行駛旅程變成了能自己支配的自由時間，解放了雙手和眼睛的人們可以自由地閱讀自己感興趣的文章獲取自己需要的新聞和其他信息。長途駕駛變成了另一種意義上的休息，而不再像以前一樣是周而復始的景色和道路，駕駛員也不需要在特定季節提心吊膽地提防突然從路邊竄出來的小動物。將駕駛行為交給人工智能是—件很明智的事情，畢竟人工智能不會疲勞，也有著更短的反應時間。

至于共享自動駕駛，可以讓你在隨時隨地享受這份優待，何樂而不為呢？