又一例自動駕駛死亡案例，自動駕駛距離商用還有多遠？
作者：於三人
物聯網智庫 原創
轉載請註明來源和出處
------【導讀】------
本文將從「感測器準確率、通訊時延、路測試錯成本」等方面探尋自動駕駛的商用化進程。
北京時間3月20日凌晨，美國亞利桑那州坦佩市，一輛優步的自動駕駛汽車與一名行人相撞，該行人在送往醫院後不治身亡。值得注意的是，這是世界上首起自動駕駛車輛在公共道路上撞擊行人並致死的事件。
事件發生後，優步立即中止了一切實地測試活動。顯然，此次事故中，優步自動駕駛汽車未能精確識過馬路的行人。事故產生的具體原因尚在調查中。
這不得不令我們重新關注兩年前的特斯拉事件，2016年5月7日在美國佛羅里達州，特斯拉生產的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。這是美國首例涉及汽車自動駕駛功能的交通死亡事故。在這次事故中，特斯拉的自動駕駛汽車未能準確識別前方的汽車。
對比兩起事故，一個未能識別出人，另一個未能識別出車！自動駕駛的安全性問題再次暴露在人們的視野中。
誠然，科技的進程是在不斷試錯的過程中徘徊前進的，這是一個不斷優化調整的過程。然而這兩起典型的自動駕駛事故，無疑給無人車的商用化進程蒙上了一層陰影。
面對此況，人們不得不提出疑問，自動駕駛的安全性真的能徹底解決么？何時才能商用？
要弄清楚這個問題，需要從自動駕駛幾個關鍵的技術核心中去尋找答案。而這些技術的核心中，無論哪個環節出現問題都能導致無法識別「人或者車」的情況出現。
本文將從「感測器準確率、通訊時延、路測試錯成本」等方面探尋自動駕駛的商用化進程。
自動駕駛的技術原理
當前，自動駕駛主要有兩種類型：
一種是基於模仿人類駕駛習慣，在車上裝上各種探測儀器和行車邏輯程序，用來模擬人類開車時具有的「環境感知、分析決策、行動控制」等功能，也是目前絕大多數廠家研究的模式。
另一種是基於軌道交通，使路面上的所有汽車信息共享，由系統自動控制所有車輛，並能自動規劃各種路線，應對交通擁堵等問題。但這種模式對路面基礎設施要求較高，建設周期長，對車輛和國家道路駕駛的智能化要求較高，不過這是未來智能交通的理想模式之一。
單從技術層面來看，自動駕駛的原理並不複雜，核心在於感測器與自動駕駛計算平台（人工智慧）以及各種通訊設施的完美配合。
感測器是自動駕駛車的眼睛，用於監測汽車周圍的信息，確保汽車感應到物體能夠及時反應。
當前，主流的自動駕駛汽車主要使用了三種感測器：激光雷達、攝像頭、傳統雷達。
1.傳統雷達具有成本較低，穿透性強且不受雨霧等環境影響的優點，弱點在於精準性差、覆蓋範圍較小。這對於自動駕駛高精準性、大範圍的監測需求就有些力不從心了，不過可以在正面和背面增加多個雷達單元，提供360度的覆蓋範圍等方式，增加監測範圍。
2.激光雷達具備通過旋轉的激光射線束，構建車輛周圍的3D影像圖的優點，並且可以在白天或夜晚非常詳細地檢測物體，監測精度高、立體全面範圍廣。但是，缺點也很明顯，激光雷達受限於當前加工難的問題，售價居高不下，成本高昂。而且因為激光的特性，易受到雨、塵埃、霧的影響，降低監測效果。
3.激光雷達和雷達非常適用於鑒別形狀，但它們不適合閱讀標誌。此時就需要攝像頭出馬了，攝像頭與前述兩種雷達最大的不同是，它需要光線且沒有任何穿透能力，但能清晰的閱讀標誌。攝像頭主要通過圖像識別功能採集自動駕駛數據。不過攝像頭也是最容易受到干擾的一種自動駕駛感測器，一旦獲取的圖像有誤差，對最終的識別結果就會產生極大的影響。唯一的好處在於成本低，且目前視覺識別的方案相對來說發展得比較成熟，做無人駕駛汽車可用的也比較多。
採集了這些數據之後，就需要通過超低時延的通訊技術傳輸到車載電腦中進行分析和處理，最終做出決策。此時，具備大連接、高速率、低時延的5G通訊技術將發揮巨大作用。
5G的應用加速自動駕駛的商用化進程
5G技術的目標可以被歸結為幾個數字：1000x的容量提升、1000億+的連接支持、10GB/s的最高速度、1ms以下的延遲。
當前的4G技術存在一定的信息延遲問題，信息延遲對自動駕駛汽車而言十分危險，也許一個剎車信號晚發出半秒就可能造成一次嚴重的事故。隨著5G技術的發展，信號延遲問題有望得到解決。
一方面，5G技術能根據數據的優先順序來分配網路，從而保證自動駕駛汽車的控制信號傳輸保持較快的響應速度。
另一方面，兩車在行駛過程中，近距離直接數據連接的效率遠高於繞道基站進行通信的效率。5G技術將允許近距離設備直接通信，這樣，可大大降低網路整體壓力並降低平均延遲。
解決了網路延遲問題，自動駕駛汽車技術難題也將得到進一步解決。
不過，當前的自動駕駛還是採取模仿人類駕駛習慣來進行路測的，就像人們需要考取駕照一樣，自動駕駛要想達到老司機水平，也需要通過採集大量數據進行訓練。
高昂的自動駕駛試錯成本
在人工智慧技術的訓練上，試錯是極為重要的方式之一，人工智慧通過不斷的試錯與糾正得到進步。但這一方式換到了自動駕駛上卻不一定行得通，行車時只要犯了錯、出了意外，輕則損失數千元，重則導致人員傷亡。這種高昂的試錯成本是無法被接受的。
由始至終，自動駕駛的關鍵絕不僅僅是「做得到」的問題，而是是否達到百分之百「做得好」的問題；所以目前的自動駕駛技術，大部份都是用來降低犯錯機率，減少隱患。然而少量的測試則隱藏著巨大的安全隱患。
根據 Google 最近的資料，他們的 58 輛無人駕駛汽車合計跑了223萬英里才犯了一點小錯，看上去出錯的幾率微乎其微，但乘上一個極大的基數，出現事故的數量仍是我們不能承受的。
根據調查機構 RAND 的數據，全美汽車行駛里數約3萬億英里，我們假設自動駕駛汽車，每跑 223萬英里就會發生小錯，那每年3萬億英里的話，就是一年之內犯了超過130萬次錯誤。哪怕這這些錯誤只有極小的一部分會導致交通事故，也是無法接受的結果。
因此，面對高昂的試錯成本，只有通過各種手段無限接近100%準確率，以期達到商用化標準。
可喜的是，伴隨著5G的商用化進程，人工智慧技術以及圖像識別技術的進步，自動駕駛商用化進程必然會加快腳步。
對於此例自動駕駛事故中的逝者，人們都無比痛心。這也警醒國內外自動駕駛汽車廠商，不要為了一味地搶佔市場先機，在技術並沒有被驗證完全成熟的情況下，進行大量路測，甚至是上路行駛，這是一種漠視生命的行為。噱頭也好，搶佔市場也罷，是時候放慢腳步，去審視技術問題了。
總之，自動駕駛技術已經給了人們一個足夠美好的希望，那就是經過訓練的自動駕駛車的駕駛技巧要比人類更好、更符合規定、反應更快，很多目前交通系統上存在的頑疾也可能因為自動駕駛的到來迎刃而解。可喜的是，據權威機構預測，2020年無人車將初步商用化。
最後，有必要捋一捋我國的「無人車」進程，沒準2020年有你乘坐的一款。
1992年：中國第一輛真正意義上的無人駕駛汽車ATB-1誕生。
2011年：一汽紅旗HQ3無人駕駛車完成從長沙至武漢286公里的路測。
2015年8月：國內首輛無人駕駛客車宇通大型客車路測完成。
2015年12月：百度無人駕駛車完成路測。
2016年4月：長安汽車成功完成2000公里超級無人駕駛測試。
2016年6月：首個國家智能網聯汽車試點（上海）示範區成立。
2017年12月：自動駕駛客運巴士—阿爾法巴（Alphabus）正式在深圳試運行。
……
TAG:物聯網智庫 |