科普中國公眾號
科普中國微博
幫助出品:科普中國
制作:中國科學院自動化研究所 黃武陵
監制:中國科學院計算機網絡信息中心
2016年5月23至25日， 2016中國國際智能交通展覽會在北京舉辦。“無人駕駛”是此次大會上的一個亮點。
無人駕駛汽車上路?有希望,也有困難
以前，無人駕駛汽車只出現在007等科幻電影中，但現在它不只存在于幻想中。在未來的幾年內，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具有無人駕駛功能的智能汽車。但是，要想讓一輛無人駕駛汽車能夠安全、舒適、高效、智能地在道路上運行，這中間還有一段艱難的道路要走。
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，汽車通過“眼睛”——“即感知系統”，感知道路周邊的環境，這一系統主要包括相機、微波雷達和激光雷達等傳感器。
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/北等傳感器。
汽車的“大腦”——即決策系統，可以通過復雜的計算軟件，選擇短距離的軌跡和長距的駕駛路線。
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總線控制模塊。
在國家自然科學基金委“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與車企合作，研制了各具特色的原型車輛，并且每年都會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
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傳感器組成。
圖3. 車內看到的景象
無人駕駛汽車的“眼睛”必須能夠感知和識別行駛車道周邊的物體，如圖3所示。在攝像頭里能夠看到實際場景，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云來建立周邊環境的3D模型，檢測出車輛、行人、樹木、路緣等；微波雷達用于檢測運動目標，感應車身周圍的移動障礙物等。最后融合成一幅如圖3所示的車輛“眼睛”看到的場景。
為什么說無人駕駛車輛環境感知難度較大？
現如今計算機視覺還在不斷發展中，智能汽車要理解復雜的交通環境，存在不少挑戰。例如我們在開車過程中，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復雜的算法，才能理解和識別這個場景。而且對于每個地方的交通基礎設施，不同標志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，不同天氣和氣候情況下，針對復雜的交通環境，汽車克服傳感器各自的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
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。
汽車要想實現無人駕駛，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，在復雜交通環境中增強車輛的定位能力。
（3）精確控制
人類駕駛員開車的時候，往往會基于經驗操控車輛，結合實際道路情況對車輛方向、速度進行微調。而無人駕駛汽車具備精確的感知系統，也可以通過“四肢”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，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，并合理控制自身速度和方向，進行換道操作。而人類駕駛員由于受限于視野等因素，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總線進行集成，將汽車的控制系統中剎車、油門及方向等控制模塊通過汽車總線進行控制。
（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后，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，我們經常只知道部分交通環境狀況，在行駛過程中可能還有其他障礙物臨時出現/發現，所以必須重新規劃路徑。
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后，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并進行正確的通行決策，對汽車的“大腦”智能性提出了更高的要求。
由于不同國情決定了交通參與者的不同行為，使得無人駕駛汽車要具備學習與自適應能力，這一點是最具挑戰性的。無人駕駛汽車發達的“大腦”，要能遵守交通規則，在復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后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于自主駕駛，將使得智能車輛能夠處理復雜的交通環境，并產生自適應行為。
無人駕駛汽車上路的對策
（1）更好的軟件
無人駕駛汽車需要更安全的軟件，車載軟件要足夠棒。
（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松應對。但要輕松的應對目前城市道路情況，就需要更多的細致地圖。
（3）更加廉價和性能優秀的傳感器
需要優秀的傳感器，最好能讓無人駕駛汽車識別對它造成威脅的釘子和坑洞，快速判斷路邊行人或者汽車是否突然進入自己的車道。而且汽車的傳感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，然后再重新繪制自己的駕駛路線，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無線網絡、接入服務中心獲得多種智能服務。
（5）基于大數據和云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。谷歌無人車借助于高精度導航地圖開發無人駕駛軟件，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。但要實現在復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能技術的進步，特別是基于大數據和云計算來實現智能的共享。
（6）人工智能技術突破
最新突破的人工智能技術要能盡快應用到無人駕駛上面，特別是圖像識別和深度學習技術圖像識別和深度學習技術能夠用在交通環境的感知，能夠用人工智能來擴展駕駛智能，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范與體系，在復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，隨后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，需要無人駕駛軟件衡量不同的結果并得出一個有道德的抉擇。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。
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）基于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）自動駕駛汽車由于輕量級設計，智能和節能地操控汽車，從而節省燃料。此外，采用新能源汽車可以減少二氧化碳的排放。
（3）由于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）由于機器不會分心，犯錯誤的機率小，從而減少了人為因素引起的交通事故，提高了交通安全。
圖8. Google的無人駕駛汽車
Google的無人駕駛汽車（如圖8）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，并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，轉載請注明出處。
京公網安備11010202008423號 京ICP備 16016202號-1