|
作者：于三人 物联网智库 原创 转载请注明来源和出处
北京时间3月20日凌晨，美国亚利桑那州坦佩市，一辆优步的自动驾驶汽车与一名行人相撞，该行人在送往医院后不治身亡。值得注意的是，这是世界上首起自动驾驶车辆在公共道路上撞击行人并致死的事件。 事件发生后，优步立即中止了一切实地测试活动。显然，此次事故中，优步自动驾驶汽车未能精确识过马路的行人。事故产生的具体原因尚在调查中。 这不得不令我们重新关注两年前的特斯拉事件，2016年5月7日在美国佛罗里达州，特斯拉生产的S型电动轿车在自动驾驶模式下发生撞车事故，导致司机身亡。这是美国首例涉及汽车自动驾驶功能的交通死亡事故。在这次事故中，特斯拉的自动驾驶汽车未能准确识别前方的汽车。 对比两起事故，一个未能识别出人，另一个未能识别出车！自动驾驶的安全性问题再次暴露在人们的视野中。 诚然，科技的进程是在不断试错的过程中徘徊前进的，这是一个不断优化调整的过程。然而这两起典型的自动驾驶事故，无疑给无人车的商用化进程蒙上了一层阴影。 面对此况，人们不得不提出疑问，自动驾驶的安全性真的能彻底解决么？何时才能商用？ 要弄清楚这个问题，需要从自动驾驶几个关键的技术核心中去寻找答案。而这些技术的核心中，无论哪个环节出现问题都能导致无法识别“人或者车”的情况出现。 本文将从“传感器准确率、通讯时延、路测试错成本”等方面探寻自动驾驶的商用化进程。 自动驾驶的技术原理 当前，自动驾驶主要有两种类型： 一种是基于模仿人类驾驶习惯，在车上装上各种探测仪器和行车逻辑程序，用来模拟人类开车时具有的“环境感知、分析决策、行动控制”等功能，也是目前绝大多数厂家研究的模式。 另一种是基于轨道交通，使路面上的所有汽车信息共享，由系统自动控制所有车辆，并能自动规划各种路线，应对交通拥堵等问题。但这种模式对路面基础设施要求较高，建设周期长，对车辆和国家道路驾驶的智能化要求较高，不过这是未来智能交通的理想模式之一。 单从技术层面来看，自动驾驶的原理并不复杂，核心在于传感器与自动驾驶计算平台（人工智能）以及各种通讯设施的完美配合。 传感器是自动驾驶车的眼睛，用于监测汽车周围的信息，确保汽车感应到物体能够及时反应。 当前，主流的自动驾驶汽车主要使用了三种传感器：激光雷达、摄像头、传统雷达。 1.传统雷达具有成本较低，穿透性强且不受雨雾等环境影响的优点，弱点在于精准性差、覆盖范围较小。这对于自动驾驶高精准性、大范围的监测需求就有些力不从心了，不过可以在正面和背面增加多个雷达单元，提供360度的覆盖范围等方式，增加监测范围。 2.激光雷达具备通过旋转的激光射线束，构建车辆周围的3D影像图的优点，并且可以在白天或夜晚非常详细地检测物体，监测精度高、立体全面范围广。但是，缺点也很明显，激光雷达受限于当前加工难的问题，售价居高不下，成本高昂。而且因为激光的特性，易受到雨、尘埃、雾的影响，降低监测效果。 3.激光雷达和雷达非常适用于鉴别形状，但它们不适合阅读标志。此时就需要摄像头出马了，摄像头与前述两种雷达最大的不同是，它需要光线且没有任何穿透能力，但能清晰的阅读标志。摄像头主要通过图像识别功能采集自动驾驶数据。不过摄像头也是最容易受到干扰的一种自动驾驶传感器，一旦获取的图像有误差，对最终的识别结果就会产生极大的影响。唯一的好处在于成本低，且目前视觉识别的方案相对来说发展得比较成熟，做无人驾驶汽车可用的也比较多。 采集了这些数据之后，就需要通过超低时延的通讯技术传输到车载电脑中进行分析和处理，最终做出决策。此时，具备大连接、高速率、低时延的5G通讯技术将发挥巨大作用。 5G的应用加速自动驾驶的商用化进程 5G技术的目标可以被归结为几个数字：1000x的容量提升、1000亿+的连接支持、10GB/s的最高速度、1ms以下的延迟。 当前的4G技术存在一定的信息延迟问题，信息延迟对自动驾驶汽车而言十分危险，也许一个刹车信号晚发出半秒就可能造成一次严重的事故。随着5G技术的发展，信号延迟问题有望得到解决。 一方面，5G技术能根据数据的优先级来分配网络，从而保证自动驾驶汽车的控制信号传输保持较快的响应速度。 另一方面，两车在行驶过程中，近距离直接数据连接的效率远高于绕道基站进行通信的效率。5G技术将允许近距离设备直接通信，这样，可大大降低网络整体压力并降低平均延迟。 解决了网络延迟问题，自动驾驶汽车技术难题也将得到进一步解决。 不过，当前的自动驾驶还是采取模仿人类驾驶习惯来进行路测的，就像人们需要考取驾照一样，自动驾驶要想达到老司机水平，也需要通过采集大量数据进行训练。 高昂的自动驾驶试错成本 在人工智能技术的训练上，试错是极为重要的方式之一，人工智能通过不断的试错与纠正得到进步。但这一方式换到了自动驾驶上却不一定行得通，行车时只要犯了错、出了意外，轻则损失数千元，重则导致人员伤亡。这种高昂的试错成本是无法被接受的。 由始至终，自动驾驶的关键绝不仅仅是“做得到”的问题，而是是否达到百分之百“做得好”的问题；所以目前的自动驾驶技术，大部份都是用来降低犯错机率，减少隐患。然而少量的测试则隐藏着巨大的安全隐患。 根据 Google 最近的资料，他们的 58 辆无人驾驶汽车合计跑了223万英里才犯了一点小错，看上去出错的几率微乎其微，但乘上一个极大的基数，出现事故的数量仍是我们不能承受的。 根据调查机构 RAND 的数据，全美汽车行驶里数约3万亿英里，我们假设自动驾驶汽车，每跑 223万英里就会发生小错，那每年3万亿英里的话，就是一年之内犯了超过130万次错误。哪怕这这些错误只有极小的一部分会导致交通事故，也是无法接受的结果。 因此，面对高昂的试错成本，只有通过各种手段无限接近100%准确率，以期达到商用化标准。 可喜的是，伴随着5G的商用化进程，人工智能技术以及图像识别技术的进步，自动驾驶商用化进程必然会加快脚步。 对于此例自动驾驶事故中的逝者，人们都无比痛心。这也警醒国内外自动驾驶汽车厂商，不要为了一味地抢占市场先机，在技术并没有被验证完全成熟的情况下，进行大量路测，甚至是上路行驶，这是一种漠视生命的行为。噱头也好，抢占市场也罢，是时候放慢脚步，去审视技术问题了。 总之，自动驾驶技术已经给了人们一个足够美好的希望，那就是经过训练的自动驾驶车的驾驶技巧要比人类更好、更符合规定、反应更快，很多目前交通系统上存在的顽疾也可能因为自动驾驶的到来迎刃而解。可喜的是，据权威机构预测，2020年无人车将初步商用化。 最后，有必要捋一捋我国的“无人车”进程，没准2020年有你乘坐的一款。 1992年：中国第一辆真正意义上的无人驾驶汽车ATB-1诞生。 2011年：一汽红旗HQ3无人驾驶车完成从长沙至武汉286公里的路测。 2015年8月：国内首辆无人驾驶客车宇通大型客车路测完成。 2015年12月：百度无人驾驶车完成路测。 2016年4月：长安汽车成功完成2000公里超级无人驾驶测试。 2016年6月：首个国家智能网联汽车试点（上海）示范区成立。 2017年12月：自动驾驶客运巴士—阿尔法巴（Alphabus）正式在深圳试运行。 …… LPWAN监管相关文章（点击文章标题即可直接阅读）：
|
|
|
