無人駕駛汽車上路，還有多久？
出品:科普中國
製作:中國科學院自動化研究所 黃武陵
監製:中國科學院計算機網路信息中心
2016年5月23-25日， 2016中國國際智能交通展覽會在北京舉辦。說到智能交通，大家關注的焦點之一就是「無人駕駛」，尤其是近兩年，不斷聽到無人駕駛汽車路測的消息，也不斷有朋友問我，路上是不是很快要出現無人駕駛汽車的身影了？ 今天我們就一起聊聊這個問題。
1 無人駕駛汽車上路?有希望,也有困難
無人駕駛汽車以前只出現在007等科幻電影中，但現在,它已經不只存在於幻想。未來的幾年內，你可能就會買得起一輛能載著你自動穿梭在城市道路上的智能汽車。但是，要想讓一輛無人駕駛汽車能夠安全、舒適、高效、智能地混入到現有交通中跑起來，這中間還有一段艱難的道路要走。
2 無人駕駛汽車技術現狀
圖1. 典型無人駕駛汽車的結構圖
典型無人駕駛汽車結構如圖1所示，無人駕駛汽車的「眼睛」——「即感知系統」，負責感知道路周邊的環境，包括相機、微波雷達和激光雷達等感測器。
無人駕駛汽車的「小腦」——即導航定位系統,負責感覺車輛自身的運行姿態，包括輪速、GPS定位、慣導和指南/北等感測器。
無人駕駛汽車的「大腦」——即決策系統，通過複雜的計算軟體，選擇短距離的軌跡和長距的駕駛路線。
無人駕駛汽車的「四肢」——即控制系統，負責控制剎車、油門及方向等，包括相應的電機控制或汽車匯流排控制模塊。
在國家基金委「視聽覺信息的認知計算」重大研究計劃推動下，國內多家無人車輛研究單位也與車企合作，研製了各具特色的原型車輛，在每年都參加中國智能車未來挑戰賽，部分車輛如圖2所示。
圖2. 中國智能車未來挑戰賽中的無人駕駛車輛 3 無人駕駛汽車上路的難點 1 精確環境感知
無人駕駛汽車的「即感知系統」主要由相機、微波雷達和激光雷達等感測器組成。
圖3. 無人駕駛汽車看到的景象
無人駕駛汽車的「眼睛」必須能夠感知和識別行駛車道的周邊的物體，如圖3所示，攝像頭能夠看到實際場景，可以辨識車道線和交通信號，檢測運動目標等；激光雷達則通過激光點雲來建立周邊環境的3D模型，檢測出包括車輛、行人、樹木、路緣等；微波雷達用於檢測運動目標，感應車身周圍的移動障礙物等。最後融合成一幅如圖3的車輛「眼睛」看到的場景。
為什麼說無人駕駛車輛環境感知那麼難？
畢竟計算機視覺還在不斷發展中，要理解複雜的交通環境，存在不少挑戰。例如我們人類司機開車過程中，看到前方漂浮的塑料袋就不會剎車或者躲避，而無人駕駛汽車就需要複雜的演算法，才能理解和識別這個場景。
對於每個地方的交通基礎設施，不同標誌的表示形式有所差異，需要進行本土化對待，計算機視覺系統才能辨識。
另外就是不同天氣和氣候情況下，針對複雜的交通環境，克服感測器各自物理限制和車輛運動干擾，提高環境感知精確程度，也存在很大難度。
2 精確狀態感知
圖4. 無人駕駛汽車運行姿態
圖5. 無人駕駛汽車定位
無人駕駛汽車通過「小腦」知道自己的姿態和確切位置。如圖4所示，車載的高精度IMU慣性單元能夠知道車輛傾斜角、橫擺角和滾動角，相應軸向上的角速度、加速度等，通過車身控制系統實現車輛穩定性控制，確保車輛「穩當」行駛。
要想實現無人駕駛，就需要通過「小腦」進行精確定位，這樣才知道自己確切位置，以便執行下一步駕駛任務。在這方面, 無人駕駛汽車正面臨挑戰，現有的GPS捷聯慣導等車載定位設備不能滿足擁堵交通流中的高精度定位要求。特別是隧道和高架橋下等交通場景中，會出現接收不到GPS信號等情況，這時，無人駕駛汽車就需要通過其他途徑來進行定位，例如輔以SLAM、視覺導航等技術，在複雜交通環境中增強無人駕駛車輛的定位能力。
3 精確控制人類駕駛員開車的時候，往往會基於經驗操控車輛，結合實際道路情況對車輛方向、速度進行微調。由於具備了精確的感知系統，無人駕駛汽車通過「四肢」可以實現更加精確的控制。
圖6. 結構化道路無人駕駛汽車換道超車典型場景
如圖6所示典型場景中，無人駕駛汽車準備執行右側超車時，能夠精確感知前車距離、速度和加速度以及臨近車道車輛運動情況，併合理控制自身速度和方向，進行換道操作。而人類駕駛員由於受限於視野等因素，在這種情況下往往容易出現事故。
但是，無人駕駛汽車要具備發達的「四肢」，還需要汽車廠商進一步將智能化功能與車身匯流排進行集成，將無人駕駛汽車的控制系統中剎車、油門及方向等控制模塊通過汽車匯流排進行控制。
4 智能導航與決策無人駕駛汽車的「大腦」負責進行導航和決策。
在給定了目標任務地點之後，無人駕駛汽車要能夠在路網中找到最經濟、最快捷的路徑，將乘客送到地點。但是在實際中，交通環境常是部分已知，可能還有障礙物臨時出現/發現，必須重新規劃路徑。
圖7. 無人駕駛汽車重新規劃路線
如圖7所示，從A點到B點最短的道路被隔斷之後，無人駕駛汽車能夠重新規劃路徑，到達目的地。
此外，道路擁堵情況不斷在發生變化，如何正確判斷道路擁堵並進行正確的通行決策，對無人駕駛汽車的「大腦」智能性提出了更高要求。
由於不同國情決定了交通參與者不同行為，使得無人駕駛汽車要具備學習與自適應能力，這一點最具挑戰性。無人駕駛汽車發達的「大腦」，要能遵守交通規則，在複雜交通場景下實現安全的、與人類駕駛行為類似的自主駕駛，使其不會對正常交通流造成影響，同時還要保障車輛自主行駛的安全性。
此外，無人駕駛汽車需要推斷前後左右其他車輛的意圖、處理不同駕駛員的異常行為，處理不遵守交通法規的行人、自行車和電動車等突發情況。通過將機器學習的研究成果應用於自主駕駛，將使得智能車輛能夠處理複雜的交通環境，併產生自適應行為。
4 無人駕駛汽車上路的對策
1. 更好的軟體
無人駕駛汽車需要更安全的軟體，車載軟體要足夠棒。
2. 需要更加精細的地圖
Google無人駕駛汽車對試駕場地地圖進行了強化，這樣汽車就知道街道具體情況，如果碰到障礙可以輕鬆應對。但要輕鬆的應對目前城市道路情況，就需要更多的細緻地圖。
3. 更加廉價和性能優秀的感測器
需要優秀的感測器，最好能讓無人駕駛汽車識別對它造成威脅的面上上的釘子和坑洞，快速判斷路邊行人或者汽車是否突然進入自己的車道。而且感測器價格要控制在合理的區間，為廣大消費者接受。
4. 汽車之間能否進行有效溝通
無人駕駛汽車要做到面對各種路況都能夠行駛自如，甚至能夠智能規劃路線，車與車之間的溝通是少不了的。這樣每個汽車在開啟的時候，都可以共享數據，然後再重新繪製自己的駕駛路線，避免擁堵的產生。但現在如何做到汽車之間有效溝通，技術上還有待突破。我們能夠預想到的是，需要V2X無線網路、接入服務中心獲得多種智能服務。
5. 基於大數據和雲計算來實現智能的共享
數據與無人駕駛技術的高度關聯性。「谷歌無人車藉助於高精度導航地圖開發無人駕駛軟體，提高自主駕駛安全性、可靠性，已經在路上安全開展了大量無人駕駛測試。但要實現在複雜多變的交通環境下的安全駕駛，還有待機器學習等人工智慧技術的進步，特別是基於大數據和雲計算來實現智能的共享。」
6. 人工智慧技術突破人工智慧技術最新突破要能儘快應用到無人駕駛上面，特別是圖像識別和深度學習技術取得了突破能夠用在交通環境的感知。能夠用人工智慧來擴展駕駛智能，使得自主駕駛系統自適應調整優化，學習駕駛員行為和適應駕駛環境。
7. 需要開展自主等級和安全測評，解決自動駕駛存在的問題
通過分析自主駕駛功能組成與測評指標，開展功能測評；研究自主駕駛綜合測評規範與體系，在複雜交通場景下開展測試；通過自主駕駛測評，分析存在的技術問題、技術可靠和成熟程度，隨後有針對性得開展研究。
我們在駕駛汽車的時候，碰到突發情況，有時候是需要做出抉擇的。在無人駕駛車輛設計中，需要無人駕駛軟體衡量不同的結果並得出一個有道德抉擇。這也許是無人駕駛技術上一個很重要的突破，需要制定適應無人駕駛車輛的交通法規，從法理和道德上加以約束。
5 無人駕駛汽車美好的前景無人駕駛汽車通過提供智能倉儲和物流運輸，將提高運輸效率；通過智能的士服務，將減少路網中的車輛，減少對停車場的需求。例如最近ITF（國際交通論壇）基於嚴謹的數學建模和實踐，報告探討了兩種自動駕駛共享車服務模式，最關鍵是定量預測了車隊規模，用以滿足目標城市所有人的出行需求。其研究得出的理想化結果表明：輔以大容量公共交通（地鐵、快軌等）的情況下，路面上只需要現有數量10%的轎車就能滿足一個中型歐洲城市的出行需求。
此外，蘭德公司也對無人駕駛車輛的應用對現有交通系統的影響進行了評估，認為將會產生以下潛在影響：
（1）無人車輛可以充分調度，極大減少對停車場地的需求。
（2）自動駕駛汽車由於輕量級設計，智能和節能地操控汽車，從而節省燃料。此外，採用新能源汽車可以減少排放。
（3）由於無人駕駛車輛可以通過合理調度共享出行，減少了車輛數目；安全操控減少了交通事故；列隊出行，加快行駛速度等，從而可以緩解交通擁堵。
（4）由於機器不會分心很少犯錯誤，從而減少了人為因素引起的交通事故，從而提高了交通安全。
圖8. Google的無人駕駛汽車
如圖8，Google的無人駕駛汽車已經在道路上測試了240多萬公里。此外，還有許多汽車產商和IT公司加入無人駕駛汽車研發隊伍，並且正在取得日新月異的進展。
在可以預見的幾年之內，將會有成熟的無人駕駛汽車產品入市。期待無人駕駛汽車在未來改善我們擁堵的交通，給我們交通出行帶來安全與便利。
「科普中國」是中國科協攜同社會各方利用信息化手段開展科學傳播的科學權威品牌。
本文由科普中國融合創作出品，轉載請註明出處。
推薦閱讀：