一文看懂無(wú)人駕駛：你想知道的都在這

　　通過(guò)實(shí)時(shí)共享汽車(chē)駕駛數據，在同一條道路上的汽車(chē)就能共享自己的實(shí)時(shí)位置以防止交通事故，交通信號設施也可以依據車(chē)輛的通行需求合理安排交通順序，降低車(chē)輛的等待時(shí)間，而V2P 技術(shù)則能讓行人和自行車(chē)騎行者也加入到這個(gè) V2X 的環(huán)境中來(lái)，使用他們的手機來(lái)發(fā)送和接收警示信息，保證行人的安全通行。

　　更大膽的設想是，如果汽車(chē)之間可以互相通信，并且實(shí)現了完全的自動(dòng)駕駛，那么紅綠燈便沒(méi)有理由繼續存在了。沒(méi)有了紅綠燈后，交通設施將會(huì )需要智能的調度算法和對交叉路口極嚴密的監控，但相比于交通運輸效率的提升，這些設施的成本就不是問(wèn)題。

　　另外在一些情況下車(chē)輛能夠提早的預判危險情況，如果一定會(huì )發(fā)生事故或是在車(chē)輛已經(jīng)確認遭遇撞擊后可以通過(guò)V2X系統廣播信息求助，從而極大的提升車(chē)內人員被救治的效率。

　　根據美國交通部的數據，V2X 技術(shù)能夠降低 80% 的交通事故率。僅僅在美國，這就將每年減少 59.4 萬(wàn)次交通事故并拯救多達 1321 條人命。

　　除了上述對硬件的需求外，自動(dòng)駕駛技術(shù)更離不開(kāi)軟件方面的突破。高精度地圖是實(shí)現自動(dòng)駕駛的基礎資源，而機器學(xué)習與工程算法則是使高精度地圖、傳感器與V2X設施所獲得的數據真正實(shí)現價(jià)值的手段。

　　自動(dòng)駕駛汽車(chē)在軟件方面的需求

　　1. 高精度預計算地圖，壟斷 vs 競爭

　　現在每個(gè)人出行都會(huì )用谷歌地圖、蘋(píng)果地圖、百度地圖及高德等產(chǎn)品，并且他們都有一個(gè)不錯的準確度令我們在城市中可以便捷的通行。但令人類(lèi)用戶(hù)滿(mǎn)意的地圖精度距離滿(mǎn)足自動(dòng)駕駛汽車(chē)的需求還很遠，因為他缺乏了路面上有幾條車(chē)道、車(chē)道的邊緣位置、隔離帶與路障位置等極為具體的信息。

　　因此給自動(dòng)駕駛汽車(chē)開(kāi)發(fā)其專(zhuān)用的高精度地圖便成為了必不可少的任務(wù)。國內外較大的地圖提供商目前都已經(jīng)在高清地圖領(lǐng)域展開(kāi)了積極的行動(dòng)，意圖盡快的占領(lǐng)自動(dòng)駕駛汽車(chē)用地圖市場(chǎng)更多的份額。

　　高清地圖服務(wù)商一般先要使用類(lèi)似于谷歌街景車(chē)的技術(shù)，用車(chē)頂上的高清相機、雷達等設備把周?chē)h(huán)境全部掃描記錄，再通過(guò)算法優(yōu)化最終得到厘米級別的地圖數據。

　　HERE生產(chǎn)高清地圖的策略與Google類(lèi)似，這兩家公司目前都是一次性采集一整個(gè)街區的數據。HERE通過(guò)車(chē)頂安裝的四個(gè)廣角的24 兆像素攝像頭、旋轉式的激光雷達、陀螺儀以及GPS 系統，依靠自有算法能夠生成高清地圖。按照Here的預期，用于自動(dòng)駕駛高清地圖服務(wù)預計將在2020年能夠上線(xiàn)。

　　國內的高德地圖也已經(jīng)在推進(jìn)地圖數據的高精度化，在未來(lái)高德希望能夠利用高精地圖數據支撐自動(dòng)駕駛的發(fā)展，自動(dòng)駕駛再產(chǎn)生新的數據，經(jīng)過(guò)科學(xué)自動(dòng)化的處理，變得更新更準，更能被機器電腦使用和學(xué)習的數據，最終形成高精地圖數據的生產(chǎn)閉環(huán)。地圖行業(yè)及自動(dòng)駕駛領(lǐng)域的巨頭百度也早有布局，目前高精度地圖已經(jīng)是百度最重要的戰略性業(yè)務(wù)之一。

　　A16Z的合伙人擔心高精度地圖會(huì )存在壟斷的機會(huì )，因為他認為在自動(dòng)駕駛時(shí)代人們將不得不完全依賴(lài)于這些成本高昂地圖，且這個(gè)目前沒(méi)有法律所管轄的領(lǐng)域也急需監督。

　　星河研究院認為從我國情況來(lái)看這種擔心有些多余，在國內資本充足的現狀下，多家地圖企業(yè)相互競爭才是比較現實(shí)的情況，而其高昂的成本多半要先由風(fēng)險投資商承擔，再到后期尋找合適的變現模式。目前高德已經(jīng)宣布其高精度地圖對自動(dòng)駕駛汽車(chē)免費開(kāi)放，而預計隨著(zhù)競爭的加劇，為了市場(chǎng)份額而爭相免費的情況將不可避免。

　　2. 機器學(xué)習 vs 工程算法：

　　算法是支撐自動(dòng)駕駛技術(shù)最關(guān)鍵的部分，目前主流自動(dòng)駕駛公司都采用了機器學(xué)習與人工智能算法來(lái)實(shí)現。

　　而海量的數據是機器學(xué)習以及人工智能算法的基礎，通過(guò)此前提到的傳感器、V2X設施和高精度地圖信息所獲得的數據，以及收集到的駕駛行為、駕駛經(jīng)驗、駕駛規則、案例和周邊環(huán)境的數據信息，不斷優(yōu)化的算法能夠識別并最終規劃路線(xiàn)、操縱駕駛。

　　現在面臨的主要問(wèn)題是相比于模型計算，真實(shí)行駛場(chǎng)景中的算法需要的數據過(guò)多且計算量超出了現有能力。目前已經(jīng)有了不少對機器學(xué)習進(jìn)行簡(jiǎn)化的嘗試，例如OpenAI的Universe這一項目，未來(lái)這一問(wèn)題或許能夠通過(guò)近似簡(jiǎn)化以及計算能力的提高得到解決。

　　同時(shí)在機械以及路徑規劃方面較為優(yōu)秀的工程算法也不應該被棄之不顧。這兩者最主要的區別是工程算法依靠固定的邏輯及規則運行，而機器學(xué)習能夠結合歷史經(jīng)驗與數據計算出最優(yōu)結果。

　　Boston Dynamics令人驚嘆的機器人的算法中并沒(méi)有使用機器學(xué)習技術(shù)，但依然擁有了令人印象深刻的成果。因此即使工程算法在執行效率上與基于深度學(xué)習算法的Alpha-Go并不在一個(gè)水平，但將兩者的優(yōu)點(diǎn)相結合依然能夠有效的提升機器學(xué)習的最終效果。