自動(dòng)駕駛走向廣泛應(yīng)用的下半場(chǎng)已然開啟。當(dāng)前，國家和各地政府正在不斷加強(qiáng)對(duì)智能網(wǎng)聯(lián)、自動(dòng)駕駛、智能公交車等智慧交通場(chǎng)景示范區(qū)的建設(shè)和投入，同時(shí)有序推動(dòng)各類相關(guān)標(biāo)準(zhǔn)的制定和實(shí)施，積極鼓勵(lì)社會(huì)企業(yè)參與其中，為相關(guān)交通技術(shù)應(yīng)用和場(chǎng)景落地營造了良好的氛圍。

近日，自動(dòng)駕駛行業(yè)發(fā)生了兩件大事，引發(fā)行業(yè)人士的關(guān)注與討論。

12月7日，Uber宣布出售虧損已久的自動(dòng)駕駛業(yè)務(wù)，Uber于2015年搭建的自動(dòng)駕駛團(tuán)隊(duì)ATG就此成為歷史，持續(xù)5年的自動(dòng)駕駛研發(fā)也走到盡頭。

12月8日，百度在廣州舉辦Apollo生態(tài)大會(huì)，發(fā)布ANP（Apollo Navigation Pilot）領(lǐng)航輔助駕駛。Apollo Lite是基于L4級(jí)純視覺自動(dòng)駕駛的城市道路閉環(huán)解決方案，將于明年搭載于量產(chǎn)車型上市。ANP聯(lián)合此前推出的AVP泊車方案，百度計(jì)劃在未來5年實(shí)現(xiàn)100萬輛車型的前裝。

自動(dòng)駕駛配套系統(tǒng)化方案的推出，對(duì)于廣大汽車用戶來說是一個(gè)好消息。在自動(dòng)駕駛相關(guān)應(yīng)用落地的過程中，算法、云計(jì)算等所起到的作用日益突出。如今，機(jī)器學(xué)習(xí)算法正大規(guī)模地用于解決自動(dòng)駕駛汽車產(chǎn)業(yè)日益增多的問題。結(jié)合ECU（電子控制單元）傳感器數(shù)據(jù)，人們必須加強(qiáng)對(duì)機(jī)器學(xué)習(xí)方法的利用以迎接新的挑戰(zhàn)。搭載了機(jī)器學(xué)習(xí)算法的潛在應(yīng)用包括利用分布在車體內(nèi)外的傳感器，例如雷達(dá)、攝像頭、激光探測(cè)。綜合各類數(shù)據(jù)之后，就可以應(yīng)用于駕駛員駕駛狀況評(píng)估、駕駛路線策劃及避開障礙物等細(xì)分場(chǎng)景。

根據(jù)車輛導(dǎo)航系統(tǒng)的研究歷程，車輛路徑規(guī)劃算法整體分為靜態(tài)路徑規(guī)劃算法和動(dòng)態(tài)路徑算法。靜態(tài)路徑規(guī)劃，是以物理地理信息和交通規(guī)則等條件為約束來尋求最短路徑，已日趨成熟，雖然相對(duì)簡單但對(duì)于實(shí)際的交通狀況來說其應(yīng)用意義不大；動(dòng)態(tài)路徑規(guī)劃，是在靜態(tài)路徑規(guī)劃的基礎(chǔ)上，結(jié)合實(shí)時(shí)的交通信息對(duì)預(yù)先規(guī)劃好的最優(yōu)行車路線進(jìn)行適時(shí)的調(diào)整，直至到達(dá)目的地得到最優(yōu)路徑。算法融入動(dòng)態(tài)路徑規(guī)劃，已經(jīng)成為自動(dòng)駕駛研究的一大分支。

在高級(jí)輔助駕駛系統(tǒng)（ADAS）中，利用感應(yīng)器獲取的圖像包含多種多樣的環(huán)境數(shù)據(jù)。此時(shí)對(duì)圖像進(jìn)行過濾變得十分必要，這樣可以剔除一些不相關(guān)的樣本得到用于分類的實(shí)例數(shù)據(jù)。而在分類前，關(guān)鍵步驟是在一個(gè)數(shù)據(jù)集上的模式識(shí)別，這類算法被稱為數(shù)據(jù)約簡算法。

由于應(yīng)用場(chǎng)景的變化，重新定義軟件的架構(gòu)，導(dǎo)致硬件架構(gòu)的變化，核心就是人工智能的計(jì)算。其實(shí)，從CPU時(shí)代的邏輯計(jì)算為主到現(xiàn)在深度深耕網(wǎng)絡(luò)計(jì)算的智能計(jì)算，實(shí)際上使得硬件處理器的架構(gòu)重新在被定義，這一點(diǎn)在智能汽車、自動(dòng)駕駛出租車方面同樣適用。

有專家指出，自動(dòng)駕駛汽車依靠雷達(dá)、監(jiān)控裝置、視覺計(jì)算、人工智能和全球定位系統(tǒng)協(xié)同合作，讓電腦可以在沒有任何人類主動(dòng)的操作下，自動(dòng)安全地操作機(jī)動(dòng)車輛。在自動(dòng)駕駛的過程中，汽車需要通過感知、策劃、控制、決策等一系列過程，從而實(shí)現(xiàn)“人工智能”。簡單來說，自動(dòng)駕駛系統(tǒng)根據(jù)從感知融合模塊得到的環(huán)境信息，如紅綠燈、行人、其他車輛等數(shù)據(jù)的反饋，才可做出停車、超車、變道等具體行為決策。

理論上講，由于自動(dòng)駕駛汽車不像人類駕駛員那樣容易注意力分散或疲勞，它們其實(shí)具有減少路面交通事故的潛力。不過，人類在遇到新狀況時(shí)，能夠基于知識(shí)范疇和理性決策盡快做出反應(yīng)。而現(xiàn)階段，人類尚無法訓(xùn)練自動(dòng)駕駛汽車熟悉所有可能的交通狀況，想要讓自動(dòng)駕駛汽車實(shí)現(xiàn)“無事故軌跡”的運(yùn)作還需要突破算法、技術(shù)、監(jiān)管等多方面的瓶頸。

隨著算法的精進(jìn)，以及物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)等各類技術(shù)的不斷成熟，相信自動(dòng)駕駛汽車的推廣應(yīng)用之路會(huì)“跑”得更為順暢。
責(zé)任編輯:tzh