關(guān)于無人駕駛的過去、現(xiàn)在以及未來
2017-12-06
無人駕駛：正在開始的未來
我們已經(jīng)拉開了全自動(dòng)無人駕駛的序幕，在幕布之后精彩的未來將如何，讓我們先回顧一下硅谷的發(fā)展歷史，再以此展望無人駕駛的未來。
現(xiàn)代信息技術(shù)始于 20 世紀(jì) 60 年代，仙童電子和 Intel 通過硅晶體微處理器技術(shù)的創(chuàng)新開創(chuàng)了信息技術(shù)的新時(shí)代，這也是硅谷的起源。微處理器技術(shù)極大地提高了工業(yè)化生產(chǎn)力，推進(jìn)了現(xiàn)代工業(yè)的發(fā)展。20 世紀(jì) 80 年代，隨著 Xerox Alto、Apple Lisa 及 Microsoft Windows 等軟件系統(tǒng)的發(fā)展，圖形界面被廣泛應(yīng)用，個(gè)人電腦的概念出現(xiàn)并開始普及，現(xiàn)代信息技術(shù)以此為基礎(chǔ)普惠眾人。
21 世紀(jì)初，在個(gè)人電腦逐步普及并被大規(guī)模應(yīng)用的背景下，Google 的出現(xiàn)通過互聯(lián)網(wǎng)和搜索引擎的方式將人與浩瀚如星海的信息互聯(lián)起來了，至此，現(xiàn)代信息技術(shù)發(fā)展到了第三階段。始于 2004 年的 Facebook 通過革新的社交網(wǎng)絡(luò)模式將現(xiàn)代信息技術(shù)推進(jìn)到了第四階段。至此，人類的交往互聯(lián)方式從線下擴(kuò)展到了線上，人類社會(huì)在萬維網(wǎng)上有了初始的遷移并逐步地成熟完善。
隨著互聯(lián)網(wǎng)人口規(guī)模的膨脹，Airbnb 與 Uber 等公司通過共享經(jīng)濟(jì)的思維把人類社會(huì)的經(jīng)濟(jì)模式直接推廣到了互聯(lián)網(wǎng)社會(huì)，利用互聯(lián)網(wǎng) + 移動(dòng)設(shè)備等直接連接不同用戶的經(jīng)濟(jì)行為，得到了大范圍的成功。信息技術(shù)每一階段的發(fā)展及其隨后驅(qū)動(dòng)的革新，都極大地改變了人類對(duì)信息的訪問需求和獲取方式。尤其對(duì)后幾個(gè)階段而言，互聯(lián)網(wǎng)是一個(gè)基礎(chǔ)性條件，大多數(shù)的服務(wù)是通過互聯(lián)網(wǎng)傳達(dá)給終端用戶的。
現(xiàn)在，我們走到了信息技術(shù)發(fā)展的第六階段，機(jī)器人開始作為服務(wù)的承載體出現(xiàn)，其中的一個(gè)具體事例就是無人駕駛的產(chǎn)品化。無人駕駛并不是一個(gè)單一的新技術(shù)，而是一系列技術(shù)的整合，通過眾多技術(shù)的有效融合，在無人駕車的情況下安全地送達(dá)乘客。本章會(huì)介紹無人駕駛的分級(jí)、ADAS 中的關(guān)鍵應(yīng)用、無人駕駛中涉及的多項(xiàng)技術(shù)并討論如何安全高效地在無人駕駛系統(tǒng)中完成技術(shù)的整合。
正在走來的無人駕駛
預(yù)計(jì)到 2021 年，無人車將進(jìn)入市場(chǎng)，從此開啟一個(gè)嶄新的階段。世界經(jīng)濟(jì)論壇估計(jì)，汽車行業(yè)的數(shù)字化變革將創(chuàng)造 670 億美元的價(jià)值，帶來 3.1 萬億美元的社會(huì)效益，其中包括無人車的改進(jìn)、乘客互聯(lián)及整個(gè)交通行業(yè)生態(tài)系統(tǒng)的完善。
據(jù)估計(jì)，半自動(dòng)駕駛和全自動(dòng)駕駛汽車在未來幾十年的市場(chǎng)潛力相當(dāng)大。例如，到 2035 年，僅中國(guó)就將有約 860 萬輛自動(dòng)駕駛汽車，其中約 340 萬輛為全自動(dòng)無人駕駛，520 萬輛為半自動(dòng)駕駛。
有行業(yè)主管部門人士認(rèn)為，“中國(guó)轎車的銷售，巴士、出租車和相關(guān)交通服務(wù)年收入有望超過 1.5 萬億美元。”波士頓咨詢集團(tuán)預(yù)測(cè)，“無人車的全球市場(chǎng)份額要達(dá)到 25%，需要花 15~20 年的時(shí)間。”由于無人車預(yù)計(jì)到 2021 年才上市，這意味著 2035—2040 年，無人車將占全球市場(chǎng) 25% 的份額。
無人駕駛之所以會(huì)給汽車行業(yè)帶來如此大的變革，是因?yàn)闊o人車帶來的影響是空前的。研究表明，在增強(qiáng)高速公路安全、緩解交通擁堵、減少空氣污染等領(lǐng)域，無人駕駛會(huì)帶來顛覆性的改善。
增強(qiáng)高速公路安全
高速公路事故是全世界面臨的重大問題。在美國(guó)，每年估計(jì)有 35000 人死于車禍，在中國(guó)這一數(shù)字約為 260000 人。 日本每年高速公路事故死亡人數(shù)為 4000 左右。 根據(jù)世界衛(wèi)生組織統(tǒng)計(jì)，全世界每年有 124 萬人死于高速公路事故。
據(jù)估計(jì)，致命車禍每年會(huì)造成 2600 億美元的損失，而車禍致傷會(huì)帶來 3650 億美元的損失。高速公路事故每年導(dǎo)致 6250 億美元的損失。 美國(guó)蘭德公司研究顯示，“在 2011 年車禍死亡事故中 39% 涉及酒駕。” 幾乎可以肯定，在這方面，無人車將帶來大幅改善，避免車禍傷亡。在中國(guó)，約有 60% 的交通事故和騎車人、行人或電動(dòng)自行車與小轎車和卡車相撞有關(guān)。在美國(guó)的機(jī)動(dòng)車事故中，有 94% 與人為失誤有關(guān)。
美國(guó)高速公路安全保險(xiǎn)研究所的一項(xiàng)研究表明，全部安裝自動(dòng)安全裝置能使高速公路事故死亡數(shù)量減少 31%，每年將挽救 11000 條生命。這類裝置包括前部碰撞警告體系、碰撞制動(dòng)、車道偏離警告和盲點(diǎn)探測(cè)。
緩解交通擁堵
交通擁堵幾乎是每個(gè)大都市都面臨的問題。以美國(guó)為例，每位司機(jī)每年平均遇到 40 小時(shí)的交通堵塞，年均成本為 1210 億美元。在莫斯科、伊斯坦布爾、墨西哥城或里約熱內(nèi)盧，浪費(fèi)的時(shí)間更長(zhǎng)，“每位司機(jī)每年將在交通擁堵中度過超過 100 小時(shí)。在中國(guó)，汽車數(shù)量超過 100 萬輛的城市有 35 個(gè)，超過 200 萬輛的城市有 10 個(gè)。在最繁忙的市區(qū)，約有 75% 的道路會(huì)出現(xiàn)高峰擁堵。”中國(guó)私家車總數(shù)已達(dá) 1.26 億輛，同比增加 15%，僅北京就有 560 萬輛汽車。
Donald Shoup 的研究發(fā)現(xiàn)，都市區(qū) 30% 的交通擁堵是由于司機(jī)為了尋找附近的停車場(chǎng)而在商務(wù)區(qū)繞圈造成的。 這是交通擁擠、空氣污染和環(huán)境惡化的重要原因。“在造成氣候變化的二氧化碳排放中約有 30% 來自汽車”。 另外，根據(jù)估算，在都市中有 23%~45% 的交通擁堵中發(fā)生在道路交叉處。 交通燈和停車標(biāo)志不能發(fā)揮作用，因?yàn)樗鼈兪庆o止的，無法將交通流量考慮其中。綠燈或紅燈是按照固定間隔提前設(shè)定好的，不管某個(gè)方向的車流量有多大。
一旦無人車逐漸投入使用，并占到車流量比較大的比例，車載感應(yīng)器將能夠與智能交通系統(tǒng)聯(lián)合工作，優(yōu)化道路交叉口的車流量。紅綠燈的間隔也將是動(dòng)態(tài)的，根據(jù)道路車流量實(shí)時(shí)變動(dòng)。這樣可以通過提高車輛通行效率，緩解擁堵。
減少空氣污染
汽車是造成空氣質(zhì)量下降的主要原因之一。蘭德公司的研究表明，“無人駕駛技術(shù)能提高燃料效率，通過更順暢的加速、減速，能比手動(dòng)駕駛提高 4%~10% 的燃料效率。”由于工業(yè)區(qū)的煙霧與汽車數(shù)量有關(guān)，增加無人車的數(shù)量能減少空氣污染。一項(xiàng) 2016 年的研究估計(jì)，“等紅燈或交通擁堵時(shí)汽車造成的污染比車輛行駛時(shí)高 40%。”
無人車共享系統(tǒng)也能帶來減排和節(jié)能的好處。德克薩斯大學(xué)奧斯汀分校的研究人員研究了二氧化硫、一氧化碳、氮氧化物、揮發(fā)性有機(jī)化合物、溫室氣體和細(xì)小顆粒物。結(jié)果發(fā)現(xiàn)，“使用無人車共享系統(tǒng)不僅節(jié)省能源，還能減少各種污染物的排放。”
約車公司 Uber 發(fā)現(xiàn)，該公司在舊金山和洛杉磯的車輛出行中分別有 50% 和 30% 是多乘客拼車。在全球范圍內(nèi)，這一數(shù)字為 20%。無論是傳統(tǒng)車，還是無人車，拼車的乘客越多，對(duì)環(huán)境越好，也越能緩解交通擁堵。改變一車一人的模式將能大大改善空氣質(zhì)量。
自動(dòng)駕駛的分級(jí)
2013 年，美國(guó)國(guó)家公路交通安全管理局（NHTSA，制定各種監(jiān)管和標(biāo)準(zhǔn)）發(fā)布了汽車自動(dòng)化的五級(jí)標(biāo)準(zhǔn)，將自動(dòng)駕駛功能分為 5 個(gè)級(jí)別：0~4 級(jí)，以應(yīng)對(duì)汽車主動(dòng)安全技術(shù)的爆發(fā)增長(zhǎng)。先看 NHTSA 下的定義，如圖所示。
Level 0：無自動(dòng)化
沒有任何自動(dòng)駕駛功能、技術(shù)，司機(jī)對(duì)汽車所有功能擁有絕對(duì)控制權(quán)。駕駛員需要負(fù)責(zé)啟動(dòng)、制動(dòng)、操作和觀察道路狀況。任何駕駛輔助技術(shù)，只要仍需要人控制汽車，都屬于 Level 0。所以現(xiàn)有的前向碰撞預(yù)警、車道偏離預(yù)警，以及自動(dòng)雨刷和自動(dòng)前燈控制，雖然有一定的智能化，但是都仍屬于 Level 0。
Level 1：?jiǎn)我还δ芗?jí)的自動(dòng)化
駕駛員仍然對(duì)行車安全負(fù)責(zé)，不過可以放棄部分控制權(quán)給系統(tǒng)管理，某些功能已經(jīng)自動(dòng)進(jìn)行，比如常見的自適應(yīng)巡航（Adaptive Cruise Control，ACC）、應(yīng)急剎車輔助（Emergency Brake Assist，EBA）和車道保持（Lane-Keep Support，LKS）。Level 1 的特點(diǎn)是只有單一功能，駕駛員無法做到手和腳同時(shí)不操控。
Level 2：部分自動(dòng)化
司機(jī)和汽車來分享控制權(quán)，駕駛員在某些預(yù)設(shè)環(huán)境下可以不操作汽車，即手腳同時(shí)離開控制，但駕駛員仍需要隨時(shí)待命，對(duì)駕駛安全負(fù)責(zé)，并隨時(shí)準(zhǔn)備在短時(shí)間內(nèi)接管汽車駕駛權(quán)。比如結(jié)合了 ACC 和 LKS 形成的跟車功能。Level 2 的核心不在于要有兩個(gè)以上的功能，而在于駕駛員可以不再作為主要操作者。Tesla 推送的 autopilot 也是 Level 2 的功能。
Level 3：有條件自動(dòng)化
在有限情況下實(shí)現(xiàn)自動(dòng)控制，比如在預(yù)設(shè)的路段（如高速和人流較少的城市路段），汽車自動(dòng)駕駛可以完全負(fù)責(zé)整個(gè)車輛的操控，但是當(dāng)遇到緊急情況，駕駛員仍需要在某些時(shí)候接管汽車，但有足夠的預(yù)警時(shí)間，如即將進(jìn)入修路的路段（Road work ahead）。Level 3 將解放駕駛員，即對(duì)行車安全不再負(fù)責(zé)，不必監(jiān)視道路狀況。
Level 4：完全自動(dòng)化（無人駕駛），無須司機(jī)或乘客的干預(yù)
在無須人協(xié)助的情況下由出發(fā)地駛向目的地。僅需起點(diǎn)和終點(diǎn)信息，汽車將全程負(fù)責(zé)行車安全，并完全不依賴駕駛員干涉。行車時(shí)可以沒有人乘坐（如空車貨運(yùn)）。
另一個(gè)對(duì)自動(dòng)駕駛的分級(jí)來自美國(guó)機(jī)動(dòng)工程師協(xié)會(huì)（SAE），其定義自動(dòng)駕駛技術(shù)共分為 0~5 級(jí)。SAE 的定義在自動(dòng)駕駛 0~3 級(jí)與 NHTSA 一致，分別強(qiáng)調(diào)的是無自動(dòng)化、駕駛支持、部分自動(dòng)化與條件下的自動(dòng)化。
唯一的區(qū)別在于 SAE 對(duì) NHTSA 的完全自動(dòng)化進(jìn)行了進(jìn)一步細(xì)分，強(qiáng)調(diào)了行車對(duì)環(huán)境與道路的要求。SAE-Level4 下的自動(dòng)駕駛需要在特定的道路條件下進(jìn)行，比如封閉的園區(qū)或者固定的行車線路等，可以說是面向特定場(chǎng)景下的高度自動(dòng)化駕駛。SAE-Level5 則對(duì)行車環(huán)境不加限制，可以自動(dòng)地應(yīng)對(duì)各種復(fù)雜的車輛、新人和道路環(huán)境。
綜上所述，不同 Level 所實(shí)現(xiàn)的自動(dòng)駕駛功能也是逐層遞增的，ADAS（Advanced Driving Assistant System）即高級(jí)駕駛輔助系統(tǒng)，屬于自動(dòng)駕駛 0~2 級(jí)。如表 1-1 所示，L0 中實(shí)現(xiàn)的功能僅能夠進(jìn)行傳感探測(cè)和決策報(bào)警，比如夜視系統(tǒng)、交通標(biāo)識(shí)識(shí)別、行人檢測(cè)、車道偏離警告等。
L1 實(shí)現(xiàn)單一控制類功能，如支持主動(dòng)緊急制動(dòng)、自適應(yīng)巡航控制系統(tǒng)等，只要實(shí)現(xiàn)其中之一就可達(dá)到 L1。
L2 實(shí)現(xiàn)了多種控制類功能，如具有 AEB 和 LKA 等功能的車輛。
L3 實(shí)現(xiàn)了特定條件下的自動(dòng)駕駛，當(dāng)超出特定條件時(shí)將由人類駕駛員接管駕駛。
SAE 中的 L4 是指在特定條件下的無人駕駛，如封閉園區(qū)固定線路的無人駕駛等，例如百度在烏鎮(zhèn)景區(qū)運(yùn)營(yíng)的無人駕駛服務(wù)。
而 SAE 中的 L5 就是終極目標(biāo)，完全無人駕駛。無人駕駛就是自動(dòng)駕駛的最高級(jí)，它是自動(dòng)駕駛的最終形態(tài)。
全自動(dòng)無人車可能比半自動(dòng)駕駛汽車更安全，因?yàn)槠淇梢栽谲囕v行駛時(shí)排除人為錯(cuò)誤和不明智的判斷。例如，弗吉尼亞理工大學(xué)交通學(xué)院的調(diào)查表明，“L3 級(jí)自動(dòng)駕駛車輛的司機(jī)回應(yīng)接管車輛的請(qǐng)求平均需要 17 秒，而在這個(gè)時(shí)間內(nèi)，一輛時(shí)速 65 英里（105 千米）的汽車已經(jīng)開出 1621 英尺（494 米）——超過 5 個(gè)足球場(chǎng)的長(zhǎng)度。”百度的工程師也發(fā)現(xiàn)了類似的結(jié)果。
司機(jī)從看到路面物體到踩剎車需要 1.2 秒，遠(yuǎn)遠(yuǎn)長(zhǎng)于車載計(jì)算機(jī)所用的 0.2 秒。這一時(shí)間差意味著，如果汽車時(shí)速是 120 千米（75 英里），等到司機(jī)停車時(shí)， 車子已經(jīng)開出了 40 米（44 碼），而如果是車載計(jì)算機(jī)做判斷，則開出的距離只有 6.7 米（7 碼）。在很多事故中，這一差距將決定乘客的生死。由此可見，站在自動(dòng)駕駛最高級(jí)的無人駕駛才是汽車行業(yè)未來發(fā)展的“終極目標(biāo)”。
無人駕駛系統(tǒng)簡(jiǎn)介
無人駕駛系統(tǒng)是一個(gè)復(fù)雜的系統(tǒng)，如圖所示，系統(tǒng)主要由三部分組成：算法端、Client 端和云端。其中算法端包括面向傳感、感知和決策等關(guān)鍵步驟的算法；Client 端包括機(jī)器人操作系統(tǒng)及硬件平臺(tái)；云端包括數(shù)據(jù)存儲(chǔ)、模擬、高精度地圖繪制及深度學(xué)習(xí)模型訓(xùn)練。
算法端從傳感器原始數(shù)據(jù)中提取有意義的信息以了解周遭的環(huán)境情況，并根據(jù)環(huán)境變化做出決策。Client 端融合多種算法以滿足實(shí)時(shí)性與可靠性的要求。舉例來說，傳感器以 60Hz 的速度產(chǎn)生原始數(shù)據(jù)，Client 端需要保證最長(zhǎng)的流水線處理周期也能在 16ms 內(nèi)完成。云平臺(tái)為無人車提供離線計(jì)算及存儲(chǔ)功能。通過云平臺(tái)，我們能夠測(cè)試新的算法、更新高精度地圖并訓(xùn)練更加有效的識(shí)別、追蹤和決策模型。
無人駕駛算法
算法系統(tǒng)由幾部分組成：第一，傳感，并從傳感器原始數(shù)據(jù)中提取有意義信息；第二，感知，以定位無人車所在位置及感知現(xiàn)在所處的環(huán)境；第三，決策，以便可靠、安全地抵達(dá)目的地。
傳感
通常來說，一輛無人車裝備有許多不同類型的主傳感器。每一種類型的傳感器各自有不同的優(yōu)劣，因此，來自不同傳感器的傳感數(shù)據(jù)應(yīng)該有效地進(jìn)行融合?，F(xiàn)在無人駕駛中普遍使用的傳感器包括以下幾種。
?。?）GPS/IMU：
GPS/IMU 傳感系統(tǒng)通過高達(dá) 200 Hz 頻率的全球定位和慣性更新數(shù)據(jù)，以幫助無人車完成自我定位。GPS 是一個(gè)相對(duì)準(zhǔn)確的定位用傳感器，但是它的更新頻率過低，僅有 10Hz，不足以提供足夠?qū)崟r(shí)的位置更新。IMU 的準(zhǔn)確度隨著時(shí)間降低，因此在長(zhǎng)時(shí)間距離內(nèi)并不能保證位置更新的準(zhǔn)確性；但是，它有著 GPS 所欠缺的實(shí)時(shí)性，IMU 的更新頻率可以達(dá)到 200Hz 或者更高。通過整合 GPS 與 IMU，我們可以為車輛定位提供既準(zhǔn)確又足夠?qū)崟r(shí)的位置更新。
?。?）LIDAR：
激光雷達(dá)可被用來繪制地圖、定位及避障。雷達(dá)的準(zhǔn)確率非常高，因此在無人車設(shè)計(jì)中雷達(dá)通常被作為主傳感器使用。激光雷達(dá)是以激光為光源，通過探測(cè)激光與被探測(cè)物相互作用的光波信號(hào)來完成遙感測(cè)量。激光雷達(dá)可以用來產(chǎn)生高精度地圖，并針對(duì)高精地圖完成移動(dòng)車輛的定位，以及滿足避障的要求。以 Velodyne 64- 束激光雷達(dá)為例，它可以完成 10Hz 旋轉(zhuǎn)并且每秒可達(dá)到 130 萬次讀數(shù)。
?。?）攝像頭：
攝像頭被廣泛使用在物體識(shí)別及物體追蹤等場(chǎng)景中，在車道線檢測(cè)、交通燈偵測(cè)、人行道檢測(cè)中都以攝像頭為主要解決方案。為了加強(qiáng)安全性，現(xiàn)有的無人車實(shí)現(xiàn)通常在車身周圍使用至少八個(gè)攝像頭，分別從前、后、左、右四個(gè)維度完成物體發(fā)現(xiàn)、識(shí)別、追蹤等任務(wù)。這些攝像頭通常以 60Hz 的頻率工作，當(dāng)多個(gè)攝像頭同時(shí)工作時(shí)，將產(chǎn)生高達(dá) 1.8GB 每秒的巨額數(shù)據(jù)量。
?。?）雷達(dá)和聲吶：
雷達(dá)把電磁波的能量發(fā)射至空間中某一方向，處在此方向上的物體反射該電磁波，雷達(dá)通過接收此反射波，以提取該物體的某些有關(guān)信息，包括目標(biāo)物體至雷達(dá)的距離、距離變化率或徑向速度、方位、高度等。雷達(dá)和聲吶系統(tǒng)是避障的最后一道保障。雷達(dá)和聲吶產(chǎn)生的數(shù)據(jù)用來表示在車的前進(jìn)方向上最近障礙物的距離。一旦系統(tǒng)檢測(cè)到前方不遠(yuǎn)有障礙物出現(xiàn)，則有極大的相撞危險(xiǎn)，無人車會(huì)啟動(dòng)緊急剎車以完成避障。因此，雷達(dá)和聲吶系統(tǒng)產(chǎn)生的數(shù)據(jù)不需要過多的處理，通?？芍苯颖豢刂铺幚砥鞑捎茫⒉恍枰饔?jì)算流水線的介入，因此可實(shí)現(xiàn)轉(zhuǎn)向、剎車或預(yù)張緊安全帶等緊急功能。
感知
在獲得傳感信息之后，數(shù)據(jù)將被推送至感知子系統(tǒng)以充分了解無人車所處的周遭環(huán)境。在這里感知子系統(tǒng)主要做的是三件事：定位、物體識(shí)別與追蹤。
1）定位
GPS 以較低的更新頻率提供相對(duì)準(zhǔn)確的位置信息，IMU 則以較高的更新頻率提供準(zhǔn)確性偏低的位置信息。我們可以使用卡爾曼濾波整合兩類數(shù)據(jù)各自的優(yōu)勢(shì)，合并提供準(zhǔn)確且實(shí)時(shí)的位置信息更新。
如圖 1-4 所示，IMU 每 5ms 更新一次，但是期間誤差不斷累積精度不斷降低。所幸的是，每 100ms，我們可以得到一次 GPS 數(shù)據(jù)更新，以幫助我們校正 IMU 積累的誤差。因此，我們最終可以獲得實(shí)時(shí)并準(zhǔn)確的位置信息。
然而，我們不能僅僅依靠這樣的數(shù)據(jù)組合完成定位工作。原因有三：其一，這樣的定位精度僅在一米之內(nèi)；其二，GPS 信號(hào)有著天然的多路徑問題將引入噪聲干擾；其三，GPS 必須在非封閉的環(huán)境下工作，因此在諸如隧道等場(chǎng)景中 GPS 都不適用。
因此作為補(bǔ)充方案，攝像頭也被用于定位。簡(jiǎn)化來說，如圖 1-5 所示，基于視覺的定位由三個(gè)基本步驟組成：
① 通過對(duì)立體圖像的三角剖分，首先獲得視差圖用以計(jì)算每個(gè)點(diǎn)的深度信息；
?、?通過匹配連續(xù)立體圖像幀之間的顯著特征，可以通過不同幀之間的特征建立相關(guān)性，并由此估計(jì)這兩幀之間的運(yùn)動(dòng)情況；
③ 通過比較捕捉到的顯著特征和已知地圖上的點(diǎn)計(jì)算車輛的當(dāng)前位置。然而，基于視覺的定位方法對(duì)照明條件非常敏感，因此其使用受限且可靠性有限。
因此，借助于大量粒子濾波的激光雷達(dá)通常被用作車輛定位的主傳感器。由激光雷達(dá)產(chǎn)生的點(diǎn)云對(duì)環(huán)境進(jìn)行了“形狀化描述”，但并不足以區(qū)分各自不同的點(diǎn)。通過粒子濾波，系統(tǒng)可將已知地圖與觀測(cè)到的具體形狀進(jìn)行比較以減少位置的不確定性。
為了在地圖中定位運(yùn)動(dòng)的車輛，可以使用粒子濾波的方法關(guān)聯(lián)已知地圖和激光雷達(dá)測(cè)量過程。粒子濾波可以在 10cm 的精度內(nèi)達(dá)到實(shí)時(shí)定位的效果，在城市的復(fù)雜環(huán)境中尤為有效。然而，激光雷達(dá)也有其固有的缺點(diǎn)：如果空氣中有懸浮的顆粒（比如雨滴或者灰塵），那么測(cè)量結(jié)果將受到極大的擾動(dòng)。
因此，如圖 1-6 所示，我們需要利用多種傳感器融合技術(shù)進(jìn)行多類型傳感數(shù)據(jù)融合，處理以整合所有傳感器的優(yōu)點(diǎn)，完成可靠并精準(zhǔn)的定位。
2）物體識(shí)別與跟蹤
激光雷達(dá)可提供精準(zhǔn)的深度信息，因此常被用于在無人駕駛中執(zhí)行物體識(shí)別和追蹤的任務(wù)。近年來，深度學(xué)習(xí)技術(shù)得到了快速的發(fā)展，通過深度學(xué)習(xí)可達(dá)到較顯著的物體識(shí)別和追蹤精度。
卷積神經(jīng)網(wǎng)絡(luò)（CNN）是一類在物體識(shí)別中被廣泛應(yīng)用的深度神經(jīng)網(wǎng)絡(luò)。通常，CNN 由三個(gè)階段組成：
?、?卷積層使用不同的濾波器從輸入圖像中提取不同的特征，并且每個(gè)過濾器在完成訓(xùn)練階段后都將抽取出一套“可供學(xué)習(xí)”的參數(shù)；
?、?激活層決定是否啟動(dòng)目標(biāo)神經(jīng)元；
?、?匯聚層壓縮特征映射圖所占用的空間以減少參數(shù)的數(shù)目，并由此降低所需的計(jì)算量；
?、?一旦某物體被 CNN 識(shí)別出來，下一步將自動(dòng)預(yù)測(cè)它的運(yùn)行軌跡或進(jìn)行物體追蹤，如圖所示。
物體追蹤可以被用來追蹤?quán)徑旭偟能囕v或者路上的行人，以保證無人車在駕駛的過程中不會(huì)與其他移動(dòng)的物體發(fā)生碰撞。近年來，相比傳統(tǒng)的計(jì)算機(jī)視覺技術(shù)，深度學(xué)習(xí)技術(shù)已經(jīng)展露出極大的優(yōu)勢(shì)，通過使用輔助的自然圖像，離線的訓(xùn)練過程可以從中學(xué)習(xí)圖像的共有屬性以避免視點(diǎn)及車輛位置變化造成的偏移，離線訓(xùn)練好的模型直接應(yīng)用在在線的物體追蹤中。
決策
在決策階段，行為預(yù)測(cè)、路徑規(guī)劃及避障機(jī)制三者結(jié)合起來實(shí)時(shí)地完成無人駕駛動(dòng)作規(guī)劃。
1）行為預(yù)測(cè)
在車輛駕駛中主要考驗(yàn)的是司機(jī)如何應(yīng)對(duì)其他行駛車輛的可能行為，這種預(yù)判斷直接影響司機(jī)本人的駕駛決策，特別是在多車道環(huán)境或者交通燈變燈的情況下，司機(jī)的預(yù)測(cè)決定了下一秒行車的安全。因此，過渡到無人駕駛系統(tǒng)中，決策模塊如何根據(jù)周圍車輛的行駛狀況決策下一秒的行駛行為顯得至關(guān)重要。
為了預(yù)測(cè)其他車輛的行駛行為，可以使用隨機(jī)模型產(chǎn)生這些車輛的可達(dá)位置集合，并采用概率分布的方法預(yù)測(cè)每一個(gè)可達(dá)位置集的相關(guān)概率，如圖所示。
2）路徑規(guī)劃
為無人駕駛在動(dòng)態(tài)環(huán)境中進(jìn)行路徑規(guī)劃是一件非常復(fù)雜的事情，尤其是在車輛全速行駛的過程中，不當(dāng)?shù)穆窂揭?guī)劃有可能造成致命的傷害。路徑規(guī)劃中采取的一個(gè)方法是使用完全確定模型，它搜索所有可能的路徑并利用代價(jià)函數(shù)的方式確定最佳路徑。然后，完全確定模型對(duì)計(jì)算性能有著非常高的要求，因此很難在導(dǎo)航過程中達(dá)到實(shí)時(shí)的效果。為了避免計(jì)算復(fù)雜性并提供實(shí)時(shí)的路徑規(guī)劃，使用概率性模型成為了主要的優(yōu)化方向。
3）避障
安全性是無人駕駛中最重要的考量，我們將使用至少兩層級(jí)的避障機(jī)制來保證車輛不會(huì)在行駛過程中與障礙物發(fā)生碰撞。第一層級(jí)是基于交通情況預(yù)測(cè)的前瞻層級(jí)。交通情況預(yù)測(cè)機(jī)制根據(jù)現(xiàn)有的交通狀況如擁堵、車速等，估計(jì)出碰撞發(fā)生時(shí)間與最短預(yù)測(cè)距離等參數(shù)?；谶@些估計(jì)，避障機(jī)制將被啟動(dòng)以執(zhí)行本地路徑重規(guī)劃。如果前瞻層級(jí)預(yù)測(cè)失效，則第二級(jí)實(shí)時(shí)反應(yīng)層將使用雷達(dá)數(shù)據(jù)再次進(jìn)行本地路徑重規(guī)劃。一旦雷達(dá)偵測(cè)到路徑前方出現(xiàn)障礙物，則立即執(zhí)行避障操作。
云平臺(tái)
無人車是移動(dòng)系統(tǒng)，因此需要云平臺(tái)的支持。云平臺(tái)主要從分布式計(jì)算及分布式存儲(chǔ)兩方面對(duì)無人駕駛系統(tǒng)提供支持。無人駕駛系統(tǒng)中很多的應(yīng)用，包括用于驗(yàn)證新算法的仿真應(yīng)用、高精度地圖產(chǎn)生和深度學(xué)習(xí)模型訓(xùn)練都需要云平臺(tái)的支持。我們使用 Spark 構(gòu)建了分布式計(jì)算平臺(tái)，使用 OpenCL 構(gòu)建了異構(gòu)計(jì)算平臺(tái)，使用 Alluxio 作為內(nèi)存存儲(chǔ)平臺(tái)。通過這三個(gè)平臺(tái)的整合，可以為無人駕駛提供高可靠、低延遲及高吞吐的云端支持。
仿真
當(dāng)我們?yōu)闊o人駕駛開發(fā)出新算法時(shí)，需要先通過仿真對(duì)此算法進(jìn)行全面測(cè)試，測(cè)試通過之后才進(jìn)入真車測(cè)試環(huán)節(jié)。真車測(cè)試的成本非常高昂并且迭代周期異常漫長(zhǎng)，因此仿真測(cè)試的全面性和正確性對(duì)降低生產(chǎn)成本和生產(chǎn)周期尤為重要。在仿真測(cè)試環(huán)節(jié)，我們通過在 ROS 節(jié)點(diǎn)回放真實(shí)采集的道路交通情況，模擬真實(shí)的駕駛場(chǎng)景，完成對(duì)算法的測(cè)試。如果沒有云平臺(tái)的幫助，單機(jī)系統(tǒng)耗費(fèi)數(shù)小時(shí)才能完成一個(gè)場(chǎng)景下的模擬測(cè)試，既耗時(shí)測(cè)試覆蓋面又有限。
在云平臺(tái)中，Spark 管理著分布式的多個(gè)計(jì)算節(jié)點(diǎn)，在每一個(gè)計(jì)算節(jié)點(diǎn)中，都可以部署一個(gè)場(chǎng)景下的 ROS 回訪模擬。在無人駕駛物體識(shí)別測(cè)試中，單服務(wù)器需耗時(shí) 3 小時(shí)完成算法測(cè)試，如果使用 8 機(jī) Spark 機(jī)群，則時(shí)間可以縮短至 25 分鐘，如圖所示。
高精度地圖生成
如圖 1-13 所示，高精度地圖的產(chǎn)生過程非常復(fù)雜，涉及原始數(shù)據(jù)處理、點(diǎn)云生成、點(diǎn)云對(duì)齊、2D 反射地圖生成、高精地圖標(biāo)注、地圖生成等階段。使用 Spark 可以將所有這些階段整合成一個(gè) Spark 作業(yè)。由于 Spark 天然的內(nèi)存計(jì)算的特性，在作業(yè)運(yùn)行過程中產(chǎn)生的中間數(shù)據(jù)都存儲(chǔ)在內(nèi)存中。當(dāng)整個(gè)地圖生產(chǎn)作業(yè)提交之后，不同階段之間產(chǎn)生的大量數(shù)據(jù)不需要使用磁盤存儲(chǔ)，數(shù)據(jù)訪問速度加快，從而極大提高精度了高地圖產(chǎn)生的性能。
序幕剛啟
無人駕駛作為人工智能的一個(gè)重大應(yīng)用發(fā)現(xiàn)從來就不是某一項(xiàng)單一的技術(shù)，它是眾多技術(shù)的整合。它需要有算法上的創(chuàng)新、系統(tǒng)上的融合，以及來自云平臺(tái)的支持。無人駕駛序幕剛啟，其中有著千千萬萬的機(jī)會(huì)亟待發(fā)掘。在此背景之下，過去的幾年中，自動(dòng)駕駛產(chǎn)業(yè)化在多個(gè)方面取得了很大進(jìn)步，其中合作共享已成為共識(shí)，產(chǎn)業(yè)鏈不斷整合，業(yè)界企業(yè)相繼開展合作，傳感器價(jià)格將不斷下降，預(yù)計(jì)在 2020 年，將有真正意義上的無人車面市，讓我們拭目以待。
無人駕駛的未來
我們可以預(yù)測(cè)一個(gè)不遠(yuǎn)的未來，屆時(shí)所有行駛的汽車都是無人車，我們將迎來一個(gè)更加安全、更加清潔環(huán)保的世界。得益于無人駕駛技術(shù)，未來我們的交通工具、行駛的道路，甚至是未來的世界都將變得更安全、更高效，極大地降低對(duì)石油燃料的消耗，減輕對(duì)環(huán)境的污染。
本章，我們先從無人駕駛的商業(yè)前景、無人駕駛面臨的發(fā)展障礙、無人車行業(yè)發(fā)展、全球化下的無人駕駛四個(gè)方面出發(fā)，分析未來無人駕駛的發(fā)展和即將面臨的問題。最后，將給出無人駕駛發(fā)展的時(shí)間線，揭示在即將到來的未來二十年內(nèi)無人駕駛的走勢(shì)。
無人駕駛的商業(yè)前景
無人駕駛帶來的商業(yè)潛力有多大？從本質(zhì)上講，無人駕駛和互聯(lián)網(wǎng)的共同之處在于：它們都通過去人力化，降低了傳輸成本?；ヂ?lián)網(wǎng)降低的是信息的傳輸成本，而無人駕駛則降低有形的物和人的運(yùn)輸成本。對(duì)比互聯(lián)網(wǎng)已經(jīng)產(chǎn)生的商業(yè)影響力，就可以想象無人駕駛的商業(yè)潛力。
隨著谷歌、Uber 和特斯拉這樣的公司用事實(shí)不斷展示技術(shù)上的進(jìn)步，傳統(tǒng)車廠已經(jīng)越來越清晰地意識(shí)到，無人駕駛技術(shù)即將為汽車商業(yè)模式帶來顛覆式的改變，這可能是自內(nèi)燃機(jī)發(fā)明以來，汽車行業(yè)最重大的變化。
新的運(yùn)輸模式：TaaS 2.0
基于無人駕駛的發(fā)展，TaaS 2.0（運(yùn)輸即服務(wù)，Transportation as a Service）正在成為業(yè)界探討的熱點(diǎn)，這里將 TaaS1.0 定義為有人駕駛，而無人駕駛則是 TaaS 2.0 時(shí)代。
摩根士丹利公司在最近的一份報(bào)告中表示，實(shí)現(xiàn)汽車完全無人駕駛將極大地降低拼車成本，每輛車從目前的 1.50 美元一英里降至 20 美分一英里。借助無人駕駛，一箱德國(guó)啤酒從工廠出廠到中國(guó)的超市，在運(yùn)輸過程中可以不需要任何人工干預(yù)，全程自動(dòng)化運(yùn)輸，中間會(huì)經(jīng)過輪船運(yùn)輸、海關(guān)通關(guān)、高速公路運(yùn)輸和抵達(dá)城市等多個(gè)環(huán)節(jié)，其中的任務(wù)調(diào)度都可以在云端完成，這提供了端到端的運(yùn)輸解決方案。
同樣借助無人駕駛，從首都機(jī)場(chǎng)到上海的淮海路可以提前預(yù)約服務(wù)，中間也許會(huì)經(jīng)過幾次拼車，以實(shí)現(xiàn)運(yùn)算效率最大化，就像手機(jī)基站切換那樣，全程依然是無縫連接的。這一運(yùn)輸模式的變化對(duì)于傳統(tǒng)車廠的影響是巨大的，一旦汽車從私人擁有變?yōu)楣蚕磉\(yùn)輸工具，傳統(tǒng)車廠的目標(biāo)客戶就將由個(gè)人消費(fèi)者轉(zhuǎn)變?yōu)?TaaS 運(yùn)營(yíng)商，正如華為和中國(guó)移動(dòng)的關(guān)系一樣。隨之而來的是汽車的設(shè)計(jì)、銷售都將發(fā)生根本性的改變是汽車廠商很難維持原來的強(qiáng)勢(shì)地位。
無人駕駛的商業(yè)發(fā)展方向
因?yàn)榘惭b了攝像頭、雷達(dá)、激光雷達(dá)和人工智能系統(tǒng)，無人車的最初成本會(huì)很高，普通消費(fèi)者難以接受。無人車可能會(huì)先進(jìn)入特殊群體，比如企業(yè)和某些特殊行業(yè)將是早期消費(fèi)群體。最有可能采納無人車的行業(yè)包括約車、巴士、出租車、快遞車輛、工業(yè)應(yīng)用，以及為出行的老年人和殘疾人士提供服務(wù)的行業(yè)。
公共交通
無人車將成為公共交通系統(tǒng)的重要選擇。百度計(jì)劃幾年后商業(yè)推廣無人駕駛汽 車，將首先在中國(guó)城市試運(yùn)行。百度目前已經(jīng)獲得幾個(gè)地方監(jiān)管部門的批準(zhǔn)，在事先確定的路線進(jìn)行試驗(yàn)，希望在不遠(yuǎn)的將來推出這類車輛。一些城市還在考慮將某些街區(qū)劃定為無人駕駛專區(qū)。在 30 或 40 個(gè)街區(qū)將不再出現(xiàn)人駕汽車和無人車同時(shí)存在的現(xiàn)象，無人駕駛出租車和共享出行車輛將提供全部交通服務(wù)。城市規(guī)劃部門將進(jìn)行區(qū)域優(yōu)化，為無人車服務(wù)。
一項(xiàng)來自德克薩斯大學(xué)奧斯汀分校的關(guān)于分享無人車（SAV）的研究表明，“每輛 SAV 可以取代約 11 輛常規(guī)汽車，運(yùn)營(yíng)里程可以增加 10% 以上”。這意味著，基于車輛分享的約車或出租車將緩解擁堵，大幅減少交通擁堵和環(huán)境惡化，因其方便性將廣受消費(fèi)者歡迎。
快遞用車和工業(yè)應(yīng)用
快遞用車和“列隊(duì)”卡車將是另一個(gè)可能較快采用無人車的領(lǐng)域。在線購物和電子商務(wù)網(wǎng)站快速興起，給快遞公司帶來利好。人們喜歡在網(wǎng)上訂購物品（如食品、貨物和服務(wù)），幾小時(shí)就能送貨上門。中國(guó)電商 2015 年銷售總額達(dá)到 5900 億美元，很多產(chǎn)品承諾同日送達(dá)。這促進(jìn)了電動(dòng)車和卡車快遞。
2015 年，中國(guó)電商規(guī)模比 2014 年增長(zhǎng) 33%?？ㄜ囌济绹?guó)機(jī)動(dòng)車行駛里程的 5.6%，但是卻占交通死亡事故的 9.5%。因此，在經(jīng)濟(jì)效益和避免人員傷亡方面，無人車可以創(chuàng)造不少增加值。大型卡車成本通常超過 150000 美元，安裝攝像頭和感應(yīng)器成本效益比較高，因?yàn)橄啾戎拢∞I車的自身成本原本就很低，在無人駕駛初期因?yàn)槌杀镜南拗齐y以實(shí)現(xiàn)大規(guī)模推廣。
老年人和殘疾人
在老年人和殘疾人這兩個(gè)消費(fèi)群體中，無人車已經(jīng)開始大規(guī)模應(yīng)用。由于身體條件的限制和視力原因，這兩類人都面臨出行困難，因此智能車輛能給他們帶來不少好處。美國(guó)老齡人口到 2050 年預(yù)計(jì)超過 8000 萬，占總?cè)丝诘?20%。屆時(shí)，老齡人口將是目前的兩倍，他們中有三分之一將面臨出行困難。
中國(guó)也面臨同樣的情況。到 2050 年，中國(guó)老齡人口預(yù)計(jì)將占總?cè)丝诘?33%。 而在日本，到 2060 年，65 歲及以上人群將占總?cè)丝诩s 40%。 殘疾人的市場(chǎng)也很龐大。例如，在美國(guó)，約 5300 萬成年人有殘疾，占成年人人口的 22% 左右。約 13% 的美國(guó)成年人有出行障礙，約 4.6% 的成年人有視力障礙。
這些有關(guān)老年人和殘疾人士的龐大數(shù)據(jù)為無人車提供了現(xiàn)成的市場(chǎng)。這兩類群體都 重視獨(dú)立，無人車可以讓他們自由出行，無須依靠朋友、家人。因此，老年人和殘疾人對(duì)無人車的問世持積極態(tài)度。
無人駕駛產(chǎn)業(yè)
產(chǎn)業(yè)現(xiàn)狀
自從無人駕駛進(jìn)入公眾視野，各大傳統(tǒng)汽車廠商和高科技企業(yè)相繼發(fā)布其在無人駕駛領(lǐng)域的研究成果，也相繼推出了各自的（半）自動(dòng)駕駛原型車，如圖所示。某些尚未動(dòng)作的廠商，也展開了針對(duì)無人駕駛領(lǐng)域的大幅投入和行業(yè)合作，不得不說，現(xiàn)在正是無人駕駛產(chǎn)業(yè)蓬勃發(fā)展的時(shí)期。
1、Uber
Uber 的無人駕駛原型車采用了毫米波雷達(dá)、攝像頭、激光雷達(dá)等傳感器，并輔助以高精度地圖。作為 2016 年 9 月公布的匹茲堡測(cè)試計(jì)劃的一部分，Uber 推出了利用其無人駕駛技術(shù)改裝的福特 Fusion 汽車，為了保證安全，每輛 Uber 無人駕駛專車上配備兩名 Uber 工程師，一人坐在駕駛座上，隨時(shí)準(zhǔn)備在緊急情況下控制車輛，另外一人監(jiān)控汽車的動(dòng)態(tài)。
Uber 收購了自動(dòng)駕駛卡車創(chuàng)業(yè)公司 Otto。Otto 的自動(dòng)駕駛卡車 10 月份行駛 120 英里（約合 193 公里），運(yùn)送了 5 萬罐啤酒。Uber 和沃爾沃還聯(lián)合投資 3 億美元開發(fā)自動(dòng)駕駛汽車。
2、谷歌
谷歌采取了不同于其他廠商的策略，將直接推出全自動(dòng)無人車，而非逐步過渡的半自動(dòng)駕駛功能。谷歌無人車所使用的傳感器包括了毫米波雷達(dá)、激光雷達(dá)、攝像頭，并且大量使用高精度地圖。谷歌表示將努力在 2020 年完成無人駕駛的技術(shù)開發(fā)。
截至 2016 年 11 月，谷歌的 60 輛無人車已經(jīng)行駛超過 200 萬英里。該公司每月事故報(bào)告透明數(shù)據(jù)顯示，7 年間只發(fā)生過 17 次小事故，沒出現(xiàn)一例重傷。多數(shù)事故的原因是其他車輛的行駛難以預(yù)測(cè)，或者后方車輛追尾。
為了保證行車安全，谷歌開發(fā)了備用的制動(dòng)、轉(zhuǎn)向和計(jì)算系統(tǒng)，以防備主系統(tǒng)失靈。另外還設(shè)計(jì)了軟件，確保谷歌汽車“在其他司機(jī)的盲區(qū)之外”，遠(yuǎn)離車道上的摩托車，并且在綠燈亮起后停頓 1.5 秒，以避開闖紅燈的車輛和行人。
現(xiàn)在谷歌無人駕駛項(xiàng)目已經(jīng)拆分為單獨(dú)的子公司 Waymo，Waymo 將和本田合作，雙方計(jì)劃在 2020 年前后實(shí)現(xiàn)高速公路上無人駕駛的實(shí)際運(yùn)用。
3、寶馬
寶馬以高精度地圖結(jié)合激光雷達(dá)作為無人駕駛的研究方案，以“激光探測(cè)器＋雙目攝像頭”作為量產(chǎn)方案。在上海車展上，寶馬自動(dòng)駕駛汽車配置了 4 個(gè)激光雷達(dá)，4 個(gè)短距離 77G 毫米波雷達(dá)位于四個(gè)角保險(xiǎn)杠；還有 4 個(gè)長(zhǎng)距離 77G，前面 2 個(gè)后前面 2 個(gè)；1 個(gè)雙目 CAM 在前，單目前 4 后 1，4 個(gè) Surrouding View CAM，都挨著短距 77G 毫米波雷達(dá)。
寶馬在 2015 年 7 月上海創(chuàng)新日上曾以 0~210km／h 的車速實(shí)現(xiàn)了車速車道跟蹤駕駛系統(tǒng)、全自動(dòng)遙控泊車、防碰撞系統(tǒng)的演示。寶馬與百度合作，以寶馬 3 系作為平臺(tái)，采用百度自動(dòng)駕駛技術(shù)于 2015 年底實(shí)現(xiàn)了北京混合路測(cè)，從百度大廈－G7－五環(huán)路－奧林匹克森林公園往返，完成了途中的自動(dòng)并線、超車、掉頭、左轉(zhuǎn)等操作。
2016 年，寶馬、Intel 和 MobilEye 將合作開發(fā)高度自動(dòng)無人駕駛和全自動(dòng)駕駛的解決方案和創(chuàng)新系統(tǒng)，預(yù)計(jì)在 2021 年量產(chǎn)無人駕駛電動(dòng)車 iNext，并最終以非獨(dú)家協(xié)議的方式，將該無人駕駛系統(tǒng)提供給業(yè)界，包括其他車廠。
4、奧迪
奧迪的自動(dòng)駕駛原型車傳感器包括了激光雷達(dá)、ACC 自適應(yīng)雷達(dá)、超聲雷達(dá)、Mobileye 前置 3D 攝像頭、前置紅外攝像頭，使用 zFAS（TTTech+NVIDIA Tegra K1）作為中央駕駛輔助控制器。在 2016 年 2 月的柏林電影節(jié)上，奧迪已經(jīng)實(shí)現(xiàn)了短距離的城市非封閉道路試驗(yàn)性的自動(dòng)駕駛。奧迪計(jì)劃 2017 年或者 2018 年量產(chǎn)可達(dá)到或接近達(dá)到 L3 的自動(dòng)駕駛車輛。2021 年推出 L4 無人駕駛車型。
5、百度
百度無人車所使用的傳感器包括了激光雷達(dá)、毫米波雷達(dá)、攝像頭、紅外、慣導(dǎo)，以及高精度地圖。百度在 2015 年年底完成了城市環(huán)路及高速混合路況的全自動(dòng)駕駛。在 2016 年 7 月，在烏鎮(zhèn)景區(qū)推出了 L4 級(jí)別的無人駕駛服務(wù)。百度已經(jīng)獲批在加利福尼亞州測(cè)試其無人車，將于 2021 年開始大規(guī)模生產(chǎn)無人車。關(guān)于合作方面，百度與福特公司 1.5 億美元共同投資激光雷達(dá)公司 Velodyne LiDAR；百度與英偉達(dá)聯(lián)合開發(fā)無人車平臺(tái)。
6、長(zhǎng)安汽車
長(zhǎng)安汽車現(xiàn)在有高速環(huán)境版和城區(qū)低速版兩類無人駕駛原型車，使用的是“傳感融合 + 高精地圖”的技術(shù)路線。原型車上采用了激光雷達(dá)、毫米波雷達(dá)、單目攝像頭等傳感器。長(zhǎng)安汽車已實(shí)現(xiàn)了從重慶到北京的 2000 公里實(shí)際道路無人駕駛。長(zhǎng)安計(jì)劃 2020 年量產(chǎn) L3 車型。
7、特斯拉
特斯拉首席執(zhí)行官埃隆•馬斯克（Elon Musk）于 2016 年 10 月末宣布，目前生產(chǎn)的車型包括 Model S、Model X 和未來的 Model 3，在生產(chǎn)時(shí)采用了新硬件，支持全自動(dòng)無人駕駛技術(shù)，一旦美國(guó)聯(lián)邦政府開綠燈后，這些汽車就可以升級(jí)無人駕駛功能了。
此前，特斯拉一直承諾到 2018 年推出具有全自動(dòng)無人駕駛功能的汽車。值得注意的是，2016 年 5 月特斯拉 S 型轎車在佛羅里達(dá)州發(fā)生致命車禍，這是首起自動(dòng)駕駛汽車致命車禍。事發(fā)時(shí)，自動(dòng)制動(dòng)系統(tǒng)軟件錯(cuò)把貨車的白色車身當(dāng)成晴朗的天空，在卡車左轉(zhuǎn)彎時(shí)未能識(shí)別。司機(jī)沒有控制半自動(dòng)裝置，結(jié)果轎車高速撞上了卡車，沖向路燈桿，司機(jī)當(dāng)場(chǎng)死亡。
8、沃爾沃
除與 Uber 在匹茲堡合作外，沃爾沃還計(jì)劃在中國(guó)提供“先進(jìn)的自動(dòng)駕駛體驗(yàn)”，100 名志愿者將在公路上測(cè)試沃爾沃 XC90，這是其 DriveMe 項(xiàng)目的一部分，該項(xiàng)目計(jì)劃于 2017 年在瑞典哥德堡和英國(guó)倫敦完成對(duì) 100 輛自動(dòng)駕駛汽車進(jìn)行的測(cè)試。
9、尼桑
2016 年 7 月，尼桑在日本發(fā)布了 ProPILOT——使汽車能在公路上自動(dòng)行駛的自動(dòng)駕駛功能。這一系統(tǒng)最終將登陸歐洲、中國(guó)和美國(guó)。尼桑將繼續(xù)為 ProPILOT 增添自動(dòng)駕駛功能，直至 2020 年推出一款全自動(dòng)無人車。
10、福特
福特計(jì)劃 2021 年將無人車用于汽車共享或打車服務(wù)。與谷歌的無人車相似，福特?zé)o人車也沒有方向盤、剎車或油門。福特計(jì)劃 2017 年在歐洲測(cè)試其無人車，把測(cè)試汽車數(shù)量由目前的 30 輛增加到 100 輛。福特 2016 年聯(lián)合百度對(duì)激光雷達(dá)廠商 Velodyne 投資了 1.5 億美元。
11、通用汽車
通用汽車 2016 年宣布對(duì) Lyft 投資 5 億美元，聯(lián)合開發(fā)采用無人車的打車服務(wù)。通用汽車 2016 年 3 月還以 10 億美元收購了自動(dòng)駕駛汽車創(chuàng)業(yè)公司 Cruise Automation，增強(qiáng)在自動(dòng)駕駛汽車開發(fā)方面的實(shí)力。
12、豐田汽車
豐田宣布正在密歇根大學(xué)建立“自動(dòng)駕駛汽車研究基地”，幫助豐田建設(shè)原始模型實(shí)驗(yàn)室，在模擬路況中進(jìn)行低速車輛測(cè)試。
產(chǎn)業(yè)發(fā)展
目前，無人駕駛發(fā)展的格局呈現(xiàn)兩種趨勢(shì)，如圖所示，傳統(tǒng)汽車公司更傾向于漸進(jìn)式自動(dòng)化，而以特斯拉、Google、Baidu 等為代表的科技公司是以人工智能進(jìn)入完全自動(dòng)無人駕駛，具有顛覆式的色彩。他們短期內(nèi)發(fā)展的目標(biāo)也各有側(cè)重，傳統(tǒng)車企以漸進(jìn)自動(dòng)駕駛的方式逐步提升駕駛體驗(yàn)，而科技類公司直接跨越到以無人駕駛完全替代傳統(tǒng)駕駛。
前者依靠的是長(zhǎng)期積累的整車經(jīng)驗(yàn)和在自動(dòng)控制領(lǐng)域的核心優(yōu)勢(shì)，后者則是借由人工智能的大力發(fā)展整合傳感器、感知算法、計(jì)算平臺(tái)等技術(shù)以實(shí)現(xiàn)跨越式的發(fā)展。他們?cè)跔I(yíng)利模式上也有所區(qū)別，傳統(tǒng)汽車公司依然著重整車銷售和售后市場(chǎng)的服務(wù)，而科技公司更注重內(nèi)容資源、平臺(tái)服務(wù)和共享經(jīng)濟(jì)帶來的新商業(yè)模式。
來自中信證券的報(bào)告顯示，預(yù)計(jì)至 2025 年，科技型公司將在智能汽車領(lǐng)域分得 40% 的市場(chǎng)，而傳統(tǒng)車企將堅(jiān)持 60% 的市場(chǎng)?？萍夹凸局苯涌缭降礁咦詣?dòng)化無人駕駛，作為行業(yè)新進(jìn)入者并無歷史“包袱”，可以實(shí)現(xiàn)跨越式發(fā)展。
此外，科技型公司在數(shù)據(jù)融合、高精地圖等方面具有技術(shù)優(yōu)勢(shì)，這些既有的優(yōu)勢(shì)將助力高速發(fā)展。通過實(shí)現(xiàn)布局無人駕駛，科技型公司可以將汽車變成下一個(gè)“互聯(lián)網(wǎng)入口”。
也有預(yù)測(cè)認(rèn)為，中短期科技型企業(yè)依然無法撼動(dòng)傳統(tǒng)車企占據(jù)的過半市場(chǎng)份額。傳統(tǒng)車企從輔助駕駛開始逐步提升，既有品牌與用戶優(yōu)勢(shì)，且造車門檻較高，因此傳統(tǒng)整車廠仍保有全產(chǎn)業(yè)鏈優(yōu)勢(shì)，產(chǎn)品安全可靠性更高，且消費(fèi)者對(duì)傳統(tǒng)品牌認(rèn)可度較高，汽車產(chǎn)業(yè)不會(huì)被科技型公司完全顛覆。當(dāng)然，科技企業(yè)與傳統(tǒng)車企的合作越來越多，他們之間的聯(lián)姻，包括合作與投資，也許會(huì)是激烈競(jìng)爭(zhēng)的另外一個(gè)結(jié)果。
全球化下的無人駕駛
本節(jié)將探討在全球化的背景下無人駕駛在各個(gè)國(guó)家和地區(qū)帶來的預(yù)算、政策和監(jiān)管等具體問題和相應(yīng)對(duì)策。
無人駕駛在中國(guó)
世界經(jīng)濟(jì)論壇的一項(xiàng)調(diào)查發(fā)現(xiàn)，“75% 的中國(guó)人愿意乘坐無人車。” 這種觀點(diǎn)也得到了羅蘭貝格公司單獨(dú)調(diào)查的印證。后一項(xiàng)調(diào)查顯示，“96% 的中國(guó)人愿意考慮每天都乘坐無人車，遠(yuǎn)高于美國(guó)和德國(guó)的 58%。
相比其他國(guó)家和地區(qū)，中國(guó)對(duì)無人駕駛的接受程度非常高，因此大規(guī)模商業(yè)化之后，無人駕駛的推廣也將更加迅速。另一方面，在中國(guó)大部分無人車的監(jiān)管規(guī)范的制定都在國(guó)家一級(jí)，其自上而下的做法也能簡(jiǎn)化監(jiān)管規(guī)則和程序。這也是無人駕駛將在中國(guó)得到領(lǐng)先發(fā)展的一大優(yōu)勢(shì)。
因此，無人駕駛在中國(guó)的關(guān)鍵是要制定國(guó)家層面的無人車政策框架。中國(guó)有多個(gè)部委負(fù)責(zé)無人駕駛技術(shù)的監(jiān)管（其中存在責(zé)任交叉和重復(fù)，以及碎片化的問題）。國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局（負(fù)責(zé)產(chǎn)品召回）、工業(yè)和信息化部（負(fù)責(zé)制定產(chǎn)業(yè)政策）、交通部（制定交通行業(yè)發(fā)展規(guī)劃）、公安部（負(fù)責(zé)車輛登記、牌照管理和交通安全監(jiān)督）、國(guó)家測(cè)繪地理信息局（負(fù)責(zé)執(zhí)行地圖信息采集規(guī)定）都有管轄權(quán)。還有其他部門負(fù)責(zé)環(huán)境保護(hù)、回收利用、商務(wù)和金融。因此需要進(jìn)一步明確監(jiān)管部門和監(jiān)管方式。
目前，中國(guó)已經(jīng)啟動(dòng)了 LTE-V 無線技術(shù)和頻率劃分研究試驗(yàn)工作，華為主推的 Polar 碼也被選為 5G eMBB（增強(qiáng)移動(dòng)寬帶）場(chǎng)景的控制信道編碼方案，這表明，中國(guó)已經(jīng)開始全面布局基于 5G 的自主車車通信技術(shù)，以此推動(dòng)無人駕駛的發(fā)展。
無人駕駛在歐洲
歐洲國(guó)家發(fā)展無人駕駛乏力的原因之一是沒有很多實(shí)力雄厚的本土技術(shù)公司。歐洲在無人駕駛相關(guān)的人工智能、網(wǎng)絡(luò)、繪圖、芯片、感應(yīng)器、設(shè)備和服務(wù)方面需要依靠外部企業(yè)。美國(guó)的谷歌和中國(guó)的百度等大型技術(shù)企業(yè)之所以能快速進(jìn)軍交通領(lǐng)域，其中一個(gè)原因是，它們有機(jī)會(huì)將搜索引擎技術(shù)開發(fā)獲取的信息處理專長(zhǎng)和快速學(xué)習(xí)能力應(yīng)用到無人駕駛領(lǐng)域。
若想獲得無人車領(lǐng)域的競(jìng)爭(zhēng)能力，奧迪、寶馬（與英特爾合作）、大眾、戴姆勒、奔馳和沃爾沃等歐洲車企應(yīng)該培養(yǎng)人工智能、深度學(xué)習(xí)、大數(shù)據(jù)分析、高精度測(cè)繪等領(lǐng)域的人才，這些技術(shù)對(duì)未來汽車發(fā)展至關(guān)重要。
另一反面，歐盟還應(yīng)確保其數(shù)據(jù)保護(hù)規(guī)定不會(huì)對(duì)車輛和行人的移動(dòng)和位置信息帶來過分限制，從而抑制無人駕駛所需的高精度地圖的繪制。歐盟一貫在數(shù)據(jù)收集和分析領(lǐng)域采取限制性立場(chǎng)。例如，歐盟法規(guī)限制谷歌等企業(yè)收集路況數(shù)據(jù)和繪制街景地圖。就此，歐盟已經(jīng)多次因此處罰谷歌，索要谷歌的數(shù)據(jù)，并對(duì)收集的資料進(jìn)行限制。
最近通過的《歐盟數(shù)據(jù)保護(hù)總則》嚴(yán)格限制人工智能和機(jī)器學(xué)習(xí)的使用。這些規(guī)定導(dǎo)致很難將人工智能和高精度測(cè)繪納入無人駕駛汽車之中，沒有包含地理編碼數(shù)據(jù)和利用此類信息的深度學(xué)習(xí)，無人駕駛技術(shù)很有可能將在歐洲停滯。
無人車在日韓
相比中美，日韓政府和車企一直對(duì)無人車持謹(jǐn)慎態(tài)度。日韓車企投入了大量資源，它們關(guān)注其他國(guó)家的情況，也在實(shí)施試點(diǎn)項(xiàng)目。但是它們對(duì)是否將無人車列為發(fā)展重點(diǎn)一直持謹(jǐn)慎態(tài)度。2016 年 4 月，豐田公司宣布正在密歇根大學(xué)建立“自動(dòng)駕駛汽車研究基地”，其目標(biāo)是建設(shè)原始模型實(shí)驗(yàn)室，在模擬路況中進(jìn)行低速車輛測(cè)試，幫助公司在人工智能和高清數(shù)據(jù)繪圖領(lǐng)域迎頭趕上。
雖然做了這筆投資，公司領(lǐng)導(dǎo)卻宣布“豐田相信豐田汽車絕不會(huì)發(fā)展到司機(jī)無須手握方向盤的無人駕駛狀態(tài)”。
日本政府 2015 年發(fā)布指南，確定 2020 年在車內(nèi)安裝半自動(dòng)裝置，2025 年啟動(dòng)全自動(dòng)無人車。100 韓國(guó)車企起亞和現(xiàn)代已確定于 2030 年完成全自動(dòng)無人車運(yùn)行的目標(biāo)。但是它們的計(jì)劃遠(yuǎn)遠(yuǎn)慢于美國(guó)和中國(guó)，在這兩國(guó)，半自動(dòng)駕駛汽車已經(jīng)上路運(yùn)行，全自動(dòng)無人車也將于 2020 年投入使用。
無人駕駛在美國(guó)
無人駕駛在美國(guó)的主要挑戰(zhàn)在于解決監(jiān)管碎片化的問題，因?yàn)槲迨畟€(gè)州在許可、車輛標(biāo)準(zhǔn)、監(jiān)管和隱私保護(hù)等領(lǐng)域的政策不同。目前，車企（如福特和通用）和軟件開發(fā)商在多個(gè)州都面臨規(guī)則和監(jiān)管相沖突的問題。這會(huì)影響創(chuàng)新，因?yàn)槠髽I(yè)在制造無人車時(shí)，要滿足全國(guó)或國(guó)際市場(chǎng)的需要。
可預(yù)見的未來
無人駕駛的黎明：現(xiàn)在—2020 年
現(xiàn)今已有無數(shù)人投身于無人車領(lǐng)域，長(zhǎng)期積累的科研結(jié)果及工程進(jìn)步都致力于將無人駕駛在 2020 年成為現(xiàn)實(shí)。人工智能是無人駕駛的核心，但是無人車是一個(gè)相當(dāng)復(fù)雜的工程系統(tǒng)，需要眾多技術(shù)的融合與精確配合，其中包括以下幾方面。
?。?）算法：
算法部分包括傳感，用來從采集到的傳感器原始數(shù)據(jù)中提取有意義的信息；定位，用來精確地控制無人車的行駛方向；感知，用來理解車輛的周邊環(huán)境，并為車輛的出行與到達(dá)提供安全可靠的規(guī)劃。
?。?）客戶端系統(tǒng)：
這部分由操作系統(tǒng)和硬件系統(tǒng)組成，將配合算法部分以滿足實(shí)時(shí)、可靠、安全、綠色能耗的要求。
（3）云平臺(tái)：
這部分提供離線的計(jì)算和存儲(chǔ)功能以支持測(cè)試不斷更新的算法、產(chǎn)生高精度的地圖及大規(guī)模的深度學(xué)習(xí)模型訓(xùn)練。
混合模式的時(shí)代：2020—2040 年
我們即將進(jìn)入混合模式的時(shí)代：2020—2040 年。
在這 20 年間，傳統(tǒng)的人為操控汽車及無人車將共存?？紤]到每一輛機(jī)動(dòng)車的使用壽命是 10~15 年，我們可以預(yù)見這一人為駕駛 / 無人駕駛的情況將持續(xù)至少 20 年。早期的無人車被設(shè)計(jì)為能夠理解并能處理傳統(tǒng)的面向人為駕駛的交通系統(tǒng)。
隨著無人駕駛的普及，交通系統(tǒng)將逐漸演化為對(duì)無人車更友好的模式，交通燈、Lanes 及 Stop Sign 將進(jìn)一步裝備在路感應(yīng)器，以更好地輔助無人駕駛。此外，無人車之間的通信將急劇增加，因此能夠更好地完成行駛過程中車輛的動(dòng)態(tài)協(xié)調(diào)。在這一背景下，持續(xù)產(chǎn)生的大量數(shù)據(jù)將推進(jìn) AI 算法的持續(xù)修正與進(jìn)步。
無人駕駛時(shí)代：始于 2040 年
到 2040 年，預(yù)計(jì)所有的汽車將完全轉(zhuǎn)變?yōu)闊o人駕駛模式，今后人為駕駛會(huì)成為一件罕有的事情，甚至于由于缺乏足夠的安全性被判定為非法行為。屆時(shí)，我們將迎來全新的交通生態(tài)系統(tǒng)，在這個(gè)生態(tài)下，所有的車輛都是集中控制模式。基于無人駕駛的自動(dòng)交通運(yùn)輸將像供電、供水一樣，成為日常生活中的基礎(chǔ)設(shè)施。得益于改進(jìn)的導(dǎo)航系統(tǒng)及傳感器對(duì)路面和車輛老化狀況的檢測(cè)，傳統(tǒng)汽車行駛中的交通事故由現(xiàn)在的每年超過百萬起降低至幾乎零事故。
當(dāng)然，正是因?yàn)闊o人駕駛驅(qū)動(dòng)的公共交通對(duì)資源的有效共享與分配，整個(gè)城市的交通系統(tǒng)只需要較少量的汽車便可以正常運(yùn)行。一方面能源的使用效率將被極大程度地提高，另一方面將大規(guī)模地替代使用新能源，因此，傳統(tǒng)化石燃料造成的空氣污染將被大規(guī)模地降低。我們迫切地期待著無人駕駛的到來。
