【兰德公司评估】无人驾驶会让交通更加安全，少侠，你怎么看？

据《读卖新闻》网站报道，日本内阁府20日在冲绳县南城市进行了巴士的自动驾驶实证试验。这是日本首次在公共道路上进行正式实验。自动驾驶有望成为游客以及老年人的新型通行方式，日本政府计划2025年实现无人驾驶的完全实用化。

另据美国媒体3月20日消息，谷歌公司旗下的自动驾驶汽车子公司Waymo当天宣布，任命eBay前全球政府关系部门主管特科德拉 马瓦卡拉(Tekedra Mawakana)负责Waymo公共政策的制定，以推动无人驾驶汽车的商业化。

近年来各大公司在无人驾驶领域的研究和实验所投入的资金与精力越来越多。这是否意味着无人驾驶距离进入我们的生活也越来越近呢？

无人驾驶汽车以前只出现在007等科幻电影中，但现在,它已经不只存在于幻想。未来的几年内，你可能就会买得起一辆能载着你自动穿梭在城市道路上的智能汽车。但是，要想让一辆无人驾驶汽车能够安全、舒适、高效、智能地混入到现有交通中跑起来，这中间还有一段艰难的道路要走。

▲图1. 典型无人驾驶汽车的结构图

典型无人驾驶汽车结构如图1所示，无人驾驶汽车的“眼睛”——“即感知系统”，负责感知道路周边的环境，包括相机、微波雷达和激光雷达等传感器。
无人驾驶汽车的“小脑”——即导航定位系统,负责感觉车辆自身的运行姿态，包括轮速、GPS定位、惯导和指南/北等传感器。
无人驾驶汽车的“大脑”——即决策系统，通过复杂的计算软件，选择短距离的轨迹和长距的驾驶路线。
无人驾驶汽车的“四肢”——即控制系统，负责控制刹车、油门及方向等，包括相应的电机控制或汽车总线控制模块。
在国家基金委“视听觉信息的认知计算”重大研究计划推动下，国内多家无人车辆研究单位也与车企合作，研制了各具特色的原型车辆，在每年都参加中国智能车未来挑战赛，部分车辆如图2所示。

▲图2. 中国智能车未来挑战赛中的无人驾驶车辆

精确环境感知
　　无人驾驶汽车的“即感知系统”主要由相机、微波雷达和激光雷达等传感器组成。

▲图3. 无人驾驶汽车看到的景象

无人驾驶汽车的“眼睛”必须能够感知和识别行驶车道的周边的物体，如图3所示，摄像头能够看到实际场景，可以辨识车道线和交通信号，检测运动目标等；激光雷达则通过激光点云来建立周边环境的3D模型，检测出包括车辆、行人、树木、路缘等；微波雷达用于检测运动目标，感应车身周围的移动障碍物等。最后融合成一幅如图3的车辆“眼睛”看到的场景。

毕竟计算机视觉还在不断发展中，要理解复杂的交通环境，存在不少挑战。例如我们人类司机开车过程中，看到前方漂浮的塑料袋就不会刹车或者躲避，而无人驾驶汽车就需要复杂的算法，才能理解和识别这个场景。
对于每个地方的交通基础设施，不同标志的表示形式有所差异，需要进行本土化对待，计算机视觉系统才能辨识。
另外就是不同天气和气候情况下，针对复杂的交通环境，克服传感器各自物理限制和车辆运动干扰，提高环境感知精确程度，也存在很大难度。
精确状态感知

 ▲图4. 无人驾驶汽车运行姿态

  ▲图5. 无人驾驶汽车定位

无人驾驶汽车通过“小脑”知道自己的姿态和确切位置。如图4所示，车载的高精度IMU惯性单元能够知道车辆倾斜角、横摆角和滚动角，相应轴向上的角速度、加速度等，通过车身控制系统实现车辆稳定性控制，确保车辆“稳当”行驶。
要想实现无人驾驶，就需要通过“小脑”进行精确定位，这样才知道自己确切位置，以便执行下一步驾驶任务。在这方面, 无人驾驶汽车正面临挑战，现有的GPS捷联惯导等车载定位设备不能满足拥堵交通流中的高精度定位要求。特别是隧道和高架桥下等交通场景中，会出现接收不到GPS信号等情况，这时，无人驾驶汽车就需要通过其他途径来进行定位，例如辅以SLAM、视觉导航等技术，在复杂交通环境中增强无人驾驶车辆的定位能力。
精确控制
人类驾驶员开车的时候，往往会基于经验操控车辆，结合实际道路情况对车辆方向、速度进行微调。由于具备了精确的感知系统，无人驾驶汽车通过“四肢”可以实现更加精确的控制。

▲图6. 结构化道路无人驾驶汽车换道超车典型场景

如图6所示典型场景中，无人驾驶汽车准备执行右侧超车时，能够精确感知前车距离、速度和加速度以及临近车道车辆运动情况，并合理控制自身速度和方向，进行换道操作。而人类驾驶员由于受限于视野等因素，在这种情况下往往容易出现事故。
但是，无人驾驶汽车要具备发达的“四肢”，还需要汽车厂商进一步将智能化功能与车身总线进行集成，将无人驾驶汽车的控制系统中刹车、油门及方向等控制模块通过汽车总线进行控制。
智能导航与决策
无人驾驶汽车的“大脑”负责进行导航和决策。
在给定了目标任务地点之后，无人驾驶汽车要能够在路网中找到最经济、最快捷的路径，将乘客送到地点。但是在实际中，交通环境常是部分已知，可能还有障碍物临时出现/发现，必须重新规划路径。

▲图7. 无人驾驶汽车重新规划路线

如图7所示，从A点到B点最短的道路被隔断之后，无人驾驶汽车能够重新规划路径，到达目的地。
此外，道路拥堵情况不断在发生变化，如何正确判断道路拥堵并进行正确的通行决策，对无人驾驶汽车的“大脑”智能性提出了更高要求。 

由于不同国情决定了交通参与者不同行为，使得无人驾驶汽车要具备学习与自适应能力，这一点最具挑战性。无人驾驶汽车发达的“大脑”，要能遵守交通规则，在复杂交通场景下实现安全的、与人类驾驶行为类似的自主驾驶，使其不会对正常交通流造成影响，同时还要保障车辆自主行驶的安全性。
此外，无人驾驶汽车需要推断前后左右其他车辆的意图、处理不同驾驶员的异常行为，处理不遵守交通法规的行人、自行车和电动车等突发情况。通过将机器学习的研究成果应用于自主驾驶，将使得智能车辆能够处理复杂的交通环境，并产生自适应行为。

（1）更好的软件
无人驾驶汽车需要更安全的软件，车载软件要足够棒。
（2）需要更加精细的地图
Google无人驾驶汽车对试驾场地地图进行了强化，这样汽车就知道街道具体情况，如果碰到障碍可以轻松应对。但要轻松的应对目前城市道路情况，就需要更多的细致地图。
（3）更加廉价和性能优秀的传感器
需要优秀的传感器，最好能让无人驾驶汽车识别对它造成威胁的面上上的钉子和坑洞，快速判断路边行人或者汽车是否突然进入自己的车道。而且传感器价格要控制在合理的区间，为广大消费者接受。
（4）汽车之间能否进行有效沟通
无人驾驶汽车要做到面对各种路况都能够行驶自如，甚至能够智能规划路线，车与车之间的沟通是少不了的。这样每个汽车在开启的时候，都可以共享数据，然后再重新绘制自己的驾驶路线，避免拥堵的产生。但现在如何做到汽车之间有效沟通，技术上还有待突破。我们能够预想到的是，需要V2X无线网络、接入服务中心获得多种智能服务。
（5）基于大数据和云计算来实现智能的共享
数据与无人驾驶技术的高度关联性。“谷歌无人车借助于高精度导航地图开发无人驾驶软件，提高自主驾驶安全性、可靠性，已经在路上安全开展了大量无人驾驶测试。但要实现在复杂多变的交通环境下的安全驾驶，还有待机器学习等人工智能技术的进步，特别是基于大数据和云计算来实现智能的共享。”
（6）人工智能技术突破

人工智能技术最新突破要能尽快应用到无人驾驶上面，特别是图像识别和深度学习技术取得了突破能够用在交通环境的感知。能够用人工智能来扩展驾驶智能，使得自主驾驶系统自适应调整优化，学习驾驶员行为和适应驾驶环境。
（7）需要开展自主等级和安全测评，解决自动驾驶存在的问题
通过分析自主驾驶功能组成与测评指标，开展功能测评；研究自主驾驶综合测评规范与体系，在复杂交通场景下开展测试；通过自主驾驶测评，分析存在的技术问题、技术可靠和成熟程度，随后有针对性得开展研究。
我们在驾驶汽车的时候，碰到突发情况，有时候是需要做出抉择的。在无人驾驶车辆设计中，需要无人驾驶软件衡量不同的结果并得出一个有道德抉择。这也许是无人驾驶技术上一个很重要的突破，需要制定适应无人驾驶车辆的交通法规，从法理和道德上加以约束。

无人驾驶汽车通过提供智能仓储和物流运输，将提高运输效率；通过智能的士服务，将减少路网中的车辆，减少对停车场的需求。例如最近ITF（国际交通论坛）基于严谨的数学建模和实践，报告探讨了两种自动驾驶共享车服务模式，最关键是定量预测了车队规模，用以满足目标城市所有人的出行需求。其研究得出的理想化结果表明：辅以大容量公共交通（地铁、快轨等）的情况下，路面上只需要现有数量10%的轿车就能满足一个中型欧洲城市的出行需求。
此外，兰德公司也对无人驾驶车辆的应用对现有交通系统的影响进行了评估，认为将会产生以下潜在影响：
　　（1）无人车辆可以充分调度，极大减少对停车场地的需求。
　　（2）自动驾驶汽车由于轻量级设计，智能和节能地操控汽车，从而节省燃料。此外，采用新能源汽车可以减少排放。
　　（3）由于无人驾驶车辆可以通过合理调度共享出行，减少了车辆数目；安全操控减少了交通事故；列队出行，加快行驶速度等，从而可以缓解交通拥堵。
　　（4）由于机器不会分心很少犯错误，从而减少了人为因素引起的交通事故，从而提高了交通安全。