無人駕駛汽車，終於跟駕照SayGoodbye
導讀
從統計上來說，汽車上最不可靠的部分是駕駛員。在無人駕駛地鐵都要來臨的現在，無人駕駛汽車已經不再稀奇~~~那麼，你知道無人駕駛汽車是如何分析路況以及如何自動做出下一步抉擇的嗎？或許，將來的我們再也不需要考駕照了……
在1885年，卡爾本茨發明了汽車。那年年末，他把車開出去進行第一次戶外測試, 然後，他撞牆了。在過去的130年里，我們一直在為汽車的最薄弱環節——駕駛員，做著努力。我們把車做得更堅固，我們增加了安全帶、安全氣囊。在過去十年里，我們開始讓車變得更智能，這也是為了彌補駕駛員方面的缺陷……
那麼，用駕駛員輔助系統解決問題和真正使用全面自動駕駛汽車的區別是什麼呢？
每年全世界都有120萬人因交通事故喪命。僅僅在美國，每年就有3萬3千人死於車禍。換個方式說,，等同於每天都有一架737飛機失事。這可真有點不可思議~事實上，駕駛過程通常是這樣：除了開車，你還想做點別的事情。因為交通狀況變得越來越糟……
在美國，從1990年~2010年，交通工具的里程數增加了38%。但只增修了6%的路。所以不單單是你的感覺如此，交通狀況的確比以前糟糕得多。所有的這一切也都伴隨著人力成本。如果你把在美的平均通勤時間，約50分鐘，乘以我們的1億2000萬工作者，結果就是60億分鐘。每天有這麼長時間會被浪費在路上。我們換個方式，把這60億分鐘，除以人均壽命，得出數字是162個生命周期。僅僅從A地到B地，每天就有這麼多生命白白浪費掉，簡直太難以置信了。
當然，我們當中還有一些人無法享有坐到車流中來的權利——盲人。這意味著本來早上上班路上的30分鐘，變成了兩個小時的各種轉乘公共交通的折磨，或者是請求朋友或家人載他一程。他們並沒有像你我一樣想去哪兒就去哪兒的自由。而我們應該改變這種現狀。
駕駛員輔助駕駛VS自動駕駛
傳統觀點認為，我們應該使用駕駛員輔助系統。然後不停改進它們，總有一天，它們能夠實現自動駕駛。事實上，這就跟如果我們努力練習彈跳，有一天就能飛翔一樣不現實。我們需要做點不同的東西。
第一次自動駕駛測試始於2013年，由普通人來操作。算是普通人吧—— 他們是100名谷歌員工，但他們沒有參與開發這個項目。與真的自動駕駛汽車不同，這一輛得加個星號上去。他們得留多個心眼兒，因為這只是一輛試驗車。雖然進行了很多測試，但還是有風險。經過兩個小時的訓練，讓他們進行實際操作，然後得到了一些很好的反饋，因為有人把產品帶到現實中來了。每個人都對它讚不絕口！
一位先生低頭看手機，發現手機快沒電了。然後他在車裡轉過身，在背包里四處摸索著，拿出他的筆記本電腦，放到副駕駛座位上，再轉過身，又摸了一通，拿出手機充電線，理一下線，插進電腦里，連上手機。棒極了，手機有電了。而他那時正行駛在時速65英里的高速上 (約104公里每小時)。 能想像到嗎？太難以置信了。所以，科技越來越發達，駕駛員就不需要太負責任。只是把車變得更加智能，並沒法讓我們看到真正需要的成功。
把駕駛員輔助系統裝進車裡，比如說撞擊緩衝剎車系統。導入一系列的科技，也就是這條曲線，它有了一些操作屬性，但也不會完全規避事故，因為它沒有這個能力。在曲線上取某個點，也許它可以避免一半因駕駛員失誤引起的事故。聽起來還不錯，對吧？
但如果我們想要一輛自動駕駛汽車，我們需要一條這樣的曲線。我們得在車裡加裝更多的感測器，然後在這裡挑某個操作點，在這個點上基本永遠不會有事故發生。
調查發現人類駕駛員因為自身錯誤導致的交通事故，在美國是每10萬英里(約16萬公里) 發生一次。對比之下，自動駕駛系統約在每秒會自行做10次決定。所以就數量級而言，約是每英里(1.6公里)1000次。如果你對比一下兩者的差距，就是10的八次方。8個數量級，這就像拿我們跑步的速度和光速比較，即便我們再刻苦訓練，也永遠達不到光速。所以這個跨度非常大。
最後，就是這個系統如何處理不確定性。那麼這個行人可能會走到路上，也可能不會。不確定，也沒有任何演算法能確定。但對於駕駛員輔助系統來說，這意味著它無法採取措施，因為如果它在預期之外採取制動，是完全不合適的。但自動駕駛系統則會觀察行人，然後說我不知道他們要做什麼，於是減速，再仔細觀察，然後採取適當措施。這就比駕駛員輔助系統要安全得多。
無人駕駛汽車是如何觀察周圍環境的？
從識別自己的位置開始，通過將它的地圖和感測器數據進行疊加，然後再加上它當時看到的東西，所以在這裡所有你能看到的紫色盒子是路上的其他車輛，旁邊紅色的物體則是一位騎單車的人，如果你再仔細點看，在遠處，你能看到一些錐形路障。這樣我們就能知道汽車現在的位置了，但我們還得再改善，我們得預測將發生的事情。
在社區和城市道路上行駛時，問題又上升到了一個新的難度。你能看到行人在我們面前穿梭，還有汽車，橫縱交錯。還有紅綠燈、人行橫道……相比之下問題變得極度複雜。當你把這個問題解決後，接下來汽車還得能應付建築施工。所以左邊的錐形路障會迫使汽車開到右邊，當然不僅需要避開施工區域，它還得應付在其間走動的其他人。當然，如果有人違規了，有警察在那裡，汽車就得明白車上閃著燈意味著這不僅僅是一輛車，還有一位警官。
當我們在路上時，其他人會表達各種意圖：當騎單車的人舉起他們的手臂，這就意味著他們希望有車能讓給他們點空間以便進行換道。當路中間站著一位警官，我們的車得明白這手勢是要你停下來，當他們示意我們可以走了，我們才能繼續。
如何達成這些目標？先通過和其他車輛分享數據。首先，最簡單粗製的模型，就是當一輛車看到建築施工地帶時，告知另一輛車，讓它駛上正確的車道以避免麻煩。但我們對此有更深的認識，我們可以搜集車輛在一段時間內看到的數據，數以千計在路上的行人、騎單車的人，以及其他車輛，了解他們的外形，再用之去推理其他車輛以及其他行人的外形。
然後，更重要的是，我們可以從中得出一個模型，預測所有交通參與者的去向。當然，你還會遇見很多之前沒見過的東西，還得應付其他駕駛員，甚至那些幼齡的……
如何才能實現自動駕駛
我們多久能實現自動駕駛這個目標呢？很難說，因為這是個很複雜的問題。並不是說駕駛員輔助系統作用不大，它能在這個過渡階段拯救很多生命。但為了抓住這一變革性的機會，能幫助更多人行動自如，為了終結安全事故，為了有機會改變我們的城市，解決停車問題，擺脫我們稱為停車場的城市大坑，這是唯一的辦法了。
關注我們：搜索微信號「科普中國」（ID：Science_China)
轉載文章請註明來源公眾號ID及作者
TAG:知識百科 |