论文部分内容阅读
2018年初，全球首条无人驾驶公交线路在深圳福田区开始试运行。
2018年12月，广东肇庆市颁发了首张无人驾驶汽车路测牌照。获得牌照的无人驾驶汽车不但可以在总长40千米的封闭道路上行驶，还能驶上33条公共道路。我们终于有机会在路上看到无人驾驶汽车了。
日本近期宣布：2020年东京奥运会将提供无人驾驶出租车服务。
美国街头已经出现无人驾驶快递车。
看来，无人驾驶汽车已经跳出概念，它们正悄然向我们走来……
2018年3月23日，美国加州山景城的一段高速公路上，一辆汽车突然撞上混凝土隔离带，当场起火燃烧，驾驶员送医后不治身亡。据悉，这辆汽车当时处于“自动驾驶模式”。
这起车祸引发了一场关于无人驾驶汽车安全性的大讨论。该车的生产厂家辩解说，该车的自动驾驶系统只是一种“驾驶辅助系统”，汽车无法完全代替人的驾驶行为。从行车电脑记录的数据来看，在撞击发生前6秒，传感器检测到驾驶员没有把握方向盘。虽然这次车祸中，驾驶员的责任更大，但人们只知道驾驶员死了，而且他开的是一辆能够自动驾驶的汽车。
国际汽车工程师协会将无人驾驶汽车划分了6个等级：0级为没有任何辅助设备的车辆，5级为能100%替代人类驾驶员的车辆。而此次事故中的车属于3级，属于过渡阶段产品，还无法完全自动驾驶。
开启新纪元的比赛
无人驾驶这个概念不是近几年才诞生的。20世纪40年代，美国军方为了尽可能减少战区路边炸弹等袭击导致的军人伤亡，最先提出了军用车辆“无人驾驶化”的概念。几十年间，美国国防部高级研究计划局（英文缩写DARPA）投入超过5亿美元资金资助无人驾驶技术相关研究，但无人驾驶进展始终缓慢。鉴于这种情况，DARPA想到筹办一场无人汽车大挑战赛，并为第一个到达终点的车辆团队提供百万美元奖金。
2004年3月，15支参赛队伍带着他们各自的无人驾驶汽车，共同挑战242千米的沙漠穿越赛。不过，最后没有一辆车跑完全程，成绩最好的赛车也只完成了11.8千米赛程。参赛车辆有的撞上了栅栏，有的从高处坠落，还有的陷入沙地中无法移动。虽然比赛结果让人失望，但这次比赛让工程师、科学家、大学生和企业家们坚信在不远的未来，无人驾驶汽车是可以实现的。
2005年，DARPA举办了第二届无人驾驶汽车比赛，进入决赛的23支队伍中，5支队伍完成了全部赛程。此后，无人驾驶汽车技术飞速发展。2013年，美国第一台民用无人驾驶汽车被批准上路测试。这台车采用了当时的最新装置：“差分全球定位系统”（定位精度可达到厘米级）;12台超声波雷达实时扫描前方路况：四台摄像机能够获取道路标记、行人、物体和其他车辆的图像;一台每秒能发出约10万个光脉冲的激光雷达，能够描绘出汽车前进方向145°视野范围内的3D模型：内置强大的中央处理器和人工智能算法，负责识别所有传感器传回的信息并控制车辆运动。人们突然发现，无人驾驶汽车已经来到了我们身边。
人类和自动驾驶系统，孰强孰弱？
许多人害怕无人驾驶汽车，指责它们不安全。但人类其实并没资格批评无人驾驶汽车，因为人类开车毛病真的不少：如果不借助导航系统，我们经常走错路，或者开错车道;我们有时打左转向灯却向右拐;我们有些人会酒驾：我们有视觉盲点，偶尔腿抽筋，还可能突发心脏病或癫痫;我们人类是被情绪左右的动物，工作不顺、家庭琐事、交通拥堵等随时可能让我们情绪决堤：我们开车时会接听电话、查看社交网络动态，用手机购物……
据世界卫生组织发布《全球交通事故死亡调查数据》显示，近十年来全球每年约有120万人死于交通事故，排名前三的肇事原因依次为超速驾驶、酒后驾驶和疲劳驾驶。从理论上讲，人类的危险驾驶行为都可以通过无人驾驶技术来完全避免。
自动驾驶系统为什么比人类更可靠？首先，人类身体和机器的“硬件配置”就决定了后者更加可靠。人类双眼水平视角最大可达188°，但是在注意力集中的状态下，视野急剧收缩为25°，而自动驾驶系统的视角可始终保持360°;人类驾驶员坐在驾駛座时，车头、车身和车尾都有很大的盲区，但自动驾驶系统的摄像头和雷达一般位于车顶，四周皆无盲区;一般人很难将注意力时刻保持在道路上，而自动驾驶系统不会分心，每秒能根据路况做出10次决策;人类会酒后驾驶、疲劳驾驶，或者边接听电话边驾驶，而自动驾驶系统不会出现这些问题。
两者的学习模式也有很大不同。一个有10万千米驾驶里程的驾驶员已经算是老驾驶员，但谷歌的无人驾驶虚拟引擎已经模拟行驶了430亿千米，真实道路测试里程超过800万千米。任何一台刚下线的无人驾驶汽车本身已经是一个拥有百万千米驾驶经验的“老驾驶员”，更何况它还内置了实时更新的地图信息和路况信息，熟知全部已有道路交通法律法规。此外，无人驾驶汽车之间可以相互通信，车辆可以将转弯、变道、急刹等行为提前通知周围其他车辆。不仅如此，未来的智能道路还会将实时路况信息通知车辆，方便车辆选择最快捷的通行路径。总之，从各方面看，自动驾驶系统的可靠性都远超人类驾驶员。
无人驾驶汽车怎么看路？
无人驾驶汽车要想看清楚周围，就要有摄像头。摄像头的优点是直观，而且获取的信息量极大（道路、行人、车辆、障碍物和交通标识等），使用成本低。如果采用多摄像头，系统还能获取景深（距离）信息;但如遇到夜间或大雾，摄像头的成像能力会大打折扣。这时候就需要能够发现周围障碍物并测距的雷达，其中精度最高的当属激光雷达。激光雷达的工作原理是发射脉冲激光持续扫描目标物，得到目标物上全部目标点的数据，处理后就可得到精确的三维立体图像。激光雷达不仅能测定车辆和物体之间的距离，还能同时知道物体在哪个方向、有多高、运动速度多快等信息，最关键的是能够描绘物体的形状，便于自动驾驶系统判断物体是行人、车辆还是障碍物。
激光雷达也有天生缺陷。其一是“看天干活”，大雨、浓雾或雾霾天气会让激光衰减，大大影响探测距离：其二是价格，目前单台激光雷达的价格和一台普通轿车的价格不相上下，大大影响其普及。和高高在上的激光雷达相比，毫米波雷达和超声波雷达的价格就更低，而且发展也更成熟。所有这些感知设备能够互相弥补彼此的短板，自动驾驶系统收集到的信息越充分，种类越丰富，行车也就越安全。
人工智能的出现，让无人驾驶汽车更趋完善，明白看到的是什么。在人工智能术出现前，为汽车赋予视觉是一项艰巨的任务：识别道路依靠边缘检测技术，识别行人和车辆依靠纹理特征技术，识别红绿灯依靠色彩空间技术。这套综合方案的局限性是需要人类预先设定所有条件，且每种识别系统都是独立的，而道路情况何其复杂，我们根本不可能设计出覆盖所有情况的系统。幸运的是，人工智能可以自动完成所有类型图像的识别，人类只需要给它提供大量学习材料。
此外，高精度地图可充当无人驾驶自带的知识库。高精度地图比普通数字地图的信息量更大，数据更精准，甚至连坡道坡度和道路限高数据都做了精准标注。如果自动驾驶系统发现探测到的数据和高精度地图不匹配，会及时矫正。
遇到危险，能及时刹停吗？
传统观点认为，我们应该不断完善驾驶员辅助系统（例如主动刹车和车道偏离提醒），然后不停改进它们。总有一天，汽车能够实现无人驾驶。事实上，这就和努力练习弹跳，然后梦想有一天能飞翔一样不现实，因为自动驾驶系统和驾驶员辅助系统对不确定性的判断有质的不同。
如果汽车前方人行道上有一位行人，那么他有可能会突然横穿机动车道，也可能不会。这是一种不确定性。一个合格的驾驶员必须具备预判能力。有经验的驾驶员能够通过前方骑车人回头判断他要拐弯，甚至看到右侧车道拥堵就能预判可能有车要向左变道，从而减缓车速。
之前的驾驶员辅助系统就不具备预判能力，而自动驾驶系统发现行人后，会和数据库中行人的行为模式进行比对，知道行人接下来可能会做出哪几种行为。汽车会减慢行车速度，边观察边做决定。
要让无人驾驶汽车学会预判，就需要给它们“上课”。来自美国斯坦福大学的计算机科学家朵萨负责培训自动驾驶系统。她专门用人类的不文明交通行为去“折磨”自动驾驶系统。她是尽可能还原真实的道路交通的复杂情况，让计算机明白人类在道路上可能的失误或危险行为。
在朵萨负责的实验室中，一台无人驾驶汽车模拟装置被固定在平台上，它的周围是模拟现实路况的360°环形屏幕。汽车在固定平台上做出转向、加速和刹车等行为，就像我们在电玩城玩赛车游戏机一样。这个培训系统最与众不同的地方是人类也能坐进来体验一把虚拟驾驶。人类驾驶员在玩这个大型‘游戏’耐，相当于给自动驾驶系统上课。驾驶员佩戴的智能眼镜能捕捉驾驶员的眼球动作，从而确定驾驶员是在注意前方急刹车的汽车、从路口冲出的自行车，还是远处路口即将亮起的红灯。这些信息会被计算机收集，用于培训自动驾驶系统，遇到相同情况时，优先扫描这些重点区域。尽管人类驾驶员可能不遵守交通规则，但是经过大量模拟训练，自动驾驶系统能够预判人类和车辆在道路上的大多数危险行为。
3种已经实现的无人驾驶技术
自动泊车辅助
有了它你就不用担心侧方位停车了。
侧方位停车一向是令新手司机头疼的任务。现在，有了自动泊车辅助功能。你可以将侧方位停车的工作交给汽车。拥有该配置的汽车能够在关键时间点让汽车做出正确动作，让汽车停入车位。
主动制动
在自动制动技术的帮助下，駕驶员也能够轻松应对繁忙道路。
要在拥挤的城市道路上行驶，驾驶员不得不随时提放大量潜在危险。不过，一些车辆配备的主动制动系统能够帮助驾驶员探测路况。如果系统检测到异常情况（时速低于50千米/时）.但驾驶员没有及时采取制动措施，那么系统就会自动制动，避免碰撞。
自适应巡航
我们终于不会再追尾前车了？
如今一些汽车都配置了自适应巡航功能。驾驶员只要设定一个巡航速度，车辆就能够根据前车的速度，自动调整车速，始终保持安全车距。这一定程度上解放了驾驶员的双脚。
无人驾驶如何面对特殊情况？
对面驶来一辆失控车辆，为了避免相撞，无人驾驶系统急转方向盘，冲出路旁护栏，一头栽下悬崖。这种情况是所有人都不想看到的，但我们也不希望无人驾驶汽车不采取任何措施，任由两车正面碰撞。要让无人驾驶系统在危急情况下采取正确措施，就要让它们学习有经验的驾驶员在情急情况下的反应。有时候，自动驾驶汽车要在某些时候违反交通规则。比如，如果此时刚好有辆救护车需要通过窄路，其他车辆就要开上人行道，为救护车让出生命通路。再者，自动驾驶汽车能否在看到前方油罐车侧翻后，立刻掉头或冲出道路远离之？
开车绝对不能伤害他人，这是驾驶上路的人类共同遵循的道德准则。如果无人驾驶汽车前方的货车上突然掉下大量货箱，眼看就要撞上，自动驾驶系统肯定会选择变道。但此时如果左侧有另一辆汽车，右侧有一辆摩托车，自动驾驶系统会怎么判断？是撞左还是撞右？类似的道德选择困境我们还能想出很多，目的只是想知道无人驾驶汽车会如何抉择。许多人担心无人驾驶汽车无法在这种情况下采取正确行动。
其实，从历史经验来看，自动化能提高可靠性和安全性。换句话说，无人驾驶时代意味着更少的交通事故死亡人数。
我们在老电影中能看到电梯操作员这个职业，这是因为当时的电梯操作复杂，需要经过培训的人来操作。随着电梯自动化程度逐渐提高，电梯操作员逐渐减少。但是在初期，人们很害怕乘坐没有电梯操作员的电梯。为此，许多电梯公司在电梯操作面板上安装了一个红色的紧急制动按钮。这招效果很好，乘客们纷纷表示，能控制电梯停止让自己觉得安全有保障。随着人人都习惯了无人操作电梯后，人们再也不担心电梯自动运行了。其实，研究发现，不仅是电梯，飞机处于无人驾驶模式时，也比手动驾驶模式更加安全。
无人驾驶汽车遭遇的风险
无人驾驶汽车是一个高度复杂的系统，而越复杂的系统越容易出错。摄像头这个关键的“眼睛”看着就不太可靠，目前的摄像头性能也无法和人眼相媲美。摄像头面向太阳时会形成眩光，干扰成像，这是光学镜头无法完全绕开的短板。如果在黎明或者黄昏，位于地平线附近的太阳就好像一个特别晃眼的远光灯，会让汽车摄像头无法识别前方的路面情况，而人眼就不存在眩光的烦恼。另一个问题是雨水。在水的表面张力作用下，雨滴会在镜头表面形成一个个小小的凸透镜，会折射并反射激光雷达发出和接收的光线，降低其准确率。如果汽车长年行驶，又维护不当，某些传感器或摄像头出现故障的风险更大。
无人驾驶汽车面临的第二大安全问题是遭受黑客攻击。谁都不想在高速公路上行驶时，被黑客远程夺取自己车辆的控制权。这可不是科幻电影剧情，而是现实。2013年在美国举办的黑客大会上，黑客展示了如何通过远程操控手段，让一辆以128千米/时高速行驶的汽车突然猛打方向盘，车辆当即失控翻车。2015年，切诺基的車辆操作系统被黑客远程攻破，黑客遥控降低车速、关闭引擎、紧急制动，甚至令其刹车失灵，致使上百万辆车被召回。
如果一辆无人驾驶汽车能够在99.99%的情况下自动驾驶，但如果0.01%的险况突然发生，人类驾驶员能够及时接过驾驶权，做出正确操作吗？2016年美国一项研究让参与者在无人驾驶中看书或使用手机，但他们需要在汽车警报响后迅速进入驾驶状态。结果让人大吃一惊，在警报响起后，参与者进入驾驶状态的平均耗时为40秒。随着汽车的自动化程度越高，这类问题就越严重：如果一辆正常行驶了5年的无人驾驶汽车有一天突然响起警报，要求人类接过驾驶权，乘客多半会不知所措。
无人驾驶技术面临的技术问题还有许多。如果道路标线磨损，路口标识缺失，就可能影响车辆决策。人类驾驶员能及时发现车辆损伤，但如果路边飞来的一个石块在车辆后排侧玻璃上砸出一个洞，自动驾驶系统就很难发现这个车损。在路口等待绿灯亮起时，交警有时会提前让车辆通过路口，无人驾驶汽车是否能正确识别交警的手势？车辆外围安装的昂贵感知设备如何保证不被偷走？因此，要让无人驾驶汽车在路上安全行驶，还有许多问题要解决。
无人驾驶汽车倒逼智能交通
自动驾驶车辆目前通过从一系列传感器收集数据来工作，然后通过各种算法进行解释。这些算法告诉车辆目前所处位置、速度以及何时停车，但这些传感器收集的数据局限性很大。摄像头和雷达探测距离有限，无法获取更远距离的路况信息。为了克服这个问题，未来的无人驾驶汽车将不断和周围车辆和路边单元（为过往车辆提供连接支持的计算设备）交换消息。由此，车辆能够获取关于路面、天气、交通状况、其他车辆信息和预期控制动作的大量附加信息。城市机动车完全无人驾驶化后，还能实现路口机动车自动排队通行，相同的绿灯时间段里，路口将可以放行更多车辆。
由于需要共享如此多的数据，因此拥有高带宽和快速无线通信技术至关重要。基于更快的5G技术的下一代无线通信系统就可以满足无人驾驶汽车的数据交换需求。要实现这一目标，城市就需要开始普及5G移动基础设施。此外，无人驾驶汽车也在倒逼一些交通基础设施落后的国家和地区升级相应设施。
无人驾驶汽车的出现，就像一块巨石落入水中。它带起的涟漪会逐渐蔓延到交通的各个领域和层面。无人驾驶的出现会影响客、货运格局，倒逼交通管控等基础设施升级，促使传感硬件在传统汽车中的普及，更改售车、用车模式，影响车辆保险政策和相关法律法规……
虽然目前无人驾驶技术还远称不上完美，但已经在某些领域超越了人类驾驶员。眼前发生的一切和以往的经验告诉我们，汽车完全无人驾驶化实现的那一天已经离我们不远。毕竟，我们已经见证了计算机、互联网和人工智能等种种“神话”成为现实。
（责任编辑王川）
无人驾驶汽车的构造
①神经网络
无人驾驶系统配备的一系列软硬件能让车辆和外界系统沟通。例如：无线网络能够让汽车内部设备之间相互通信，也能将车辆信息发送至用户手机。一些公司的无人驾驶汽车能将油箱剩余油量、平均时速、行车路线、当前位置、驾驶习惯等数据发送到用户的智能手机。也有公司正在研发车与车之间交换数据的技术。
②感知系统
摄像头、雷达、激光雷达、全球定位系统等硬件将车辆收集到的外界信息交给人工智能软件进行分析、归类并做出决策。其中，摄像头探测交通信号灯、道路标识和行人：雷达用于监测和前车的距离;激光雷达扫描周围，建立周围路况的3D模型;超声波雷达可以监测近距离障碍物。
③大脑
人工智能软件替代驾驶员，为车辆做出转向、加速、减速和停车等决定。通过感知系统传入人工智能的声音和图像等信号，能够让人工智能系统明白车身周围情况，使其在任何情况下做出正确决定，例如在发现前方道路有一头牛后立即减速停车。
④躯干
除了传统汽车的动力系统、底盘、轮胎、车内结构等，还包括一套控制系统。
⑤免疫系统
无人驾驶汽车和其他车辆通信时，防止系统被病毒或黑客入侵的网络安全软件。
无人驾驶解决幽灵堵车
有时我们在道路上遭遇堵车，但开了很远也找不到出事车辆。其实这是遭遇了幽灵堵车。日本名古屋大学曾经进行过一个实验，让许多车在环形道路上绕圈。车辆之间有一定间距，研究人员要求驾驶员尽可能匀速绕圈行驶。在实验初期，驾驶员们还能匀速行驶，并和前车保持适当距离。但过了不久，有一辆车和前车距离过近，于是驾驶员赶紧刹车，他后面的车辆也相继刹车。最后还是发生了交通拥堵。
造成这种诡异现象的原因是人类的反应速度不够快。人类驾驶车辆行驶时。会和前车保持一个安全距离。如果前车突然减速。紧随其后的车辆也会减速，但后车不会和前车同步刹车。后车驾驶员需要一定的反应时间。每辆车的驾驶员都需要在前车驾驶员反应时间的基础上加上自己的反应时间，如果道路上车辆过于密集，经过一辆辆汽车的传递，延迟时间会逐渐放大，最终导致拥堵。
2017年，数学家通过计算机模拟发现，无人驾驶汽车能够大大缓解幽灵堵车。在模拟中。只要车流中有2%的无人驾驶汽车，就能减少50%的幽灵堵车时间。无人驾驶汽车的优势在于快速感知路况变化。相比人类，它们的反应时间更短。而且无人驾驶汽车会通过预留足够的车间距，减少刹车次数，从而尽可能避免影响后方车辆正常行驶，因此也就阻断了幽灵堵车的传递。
随着无人驾驶汽车在道路上的数量越来越多，车与车之间、车與道路之间的交流能更有效缓解幽灵堵车。不仅如此，因为自动驾驶系统的反应快，所以，同样时间内路口放行的车辆数量也会大大增加。这将极大地提高道路的使用率，从而提高整体通行效率。
无人化程度表
0级无自动化
人类驾驶员全权操作汽车，车辆没有任何辅助驾驶系统（例如ABS防抱死系统）。
1级驾驶辅助
汽车能够根据周围路况，每次只提供一种驾驶辅助（例如纠正方向）。
2级部分自动化
汽车能同时提供多种驾驶辅助（例如发现车辆偏离车道后发出提醒并自动纠正方向，同时还能在驾驶员紧张松开油门时保持车速）。
3级有条件自动化
在例如高速公路等路况较好的情况下，汽车可以无人驾驶。但在车辆无法应对的情况下，需要人类接过驾驶权。
4级高度自动化
汽车能够在绝大多数情况下完全无人驾驶，但还有无法应对的路况，需要人类接过驾驶权。
5级完全自动化
由自动驾驶系统完成所有人类驾驶员能够完成的操作，车辆可以在所有道路和环境下自动行驶。人类可以完全解放手、脚、眼和脑。