無(wú)人駕駛技術(shù)綜述

汪榆程

摘 要 隨著當(dāng)今世界科學(xué)的進(jìn)步，人工智能也在迅速發(fā)展。目前，傳統(tǒng)汽車產(chǎn)業(yè)以人工智能的發(fā)展為依托，正在大力研發(fā)無(wú)人駕駛技術(shù)。文章以此為背景，介紹無(wú)人駕駛技術(shù)的應(yīng)用以及實(shí)現(xiàn)無(wú)人駕駛所使用到的人工智能技術(shù)。同時(shí)，分析在無(wú)人駕駛技術(shù)中還存在的問題，并對(duì)這項(xiàng)技術(shù)在未來(lái)的發(fā)展趨勢(shì)進(jìn)行了展望。

關(guān)鍵詞 無(wú)人駕駛；智能感知；人工智能

中圖分類號(hào) TP3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2019）231-0147-02

無(wú)人駕駛技術(shù)源于20世紀(jì)70年代的歐美，現(xiàn)在許多科技公司對(duì)無(wú)人駕駛技術(shù)的開發(fā)力度越來(lái)越大，可以說無(wú)人駕駛將是未來(lái)人工智能發(fā)展的一個(gè)重要領(lǐng)域。文章對(duì)無(wú)人駕駛技術(shù)的優(yōu)缺點(diǎn)、基于人工智能的無(wú)人駕駛技術(shù)及無(wú)人駕駛技術(shù)的未來(lái)展望進(jìn)行簡(jiǎn)要介紹。

1 無(wú)人駕駛技術(shù)的優(yōu)點(diǎn)與缺點(diǎn)

1.1 優(yōu)點(diǎn)

1）減少交通事故發(fā)生率。據(jù)統(tǒng)計(jì)，在美國(guó)每10萬(wàn)英里（約16萬(wàn)公里）就會(huì)發(fā)生一起交通事故。而在中國(guó)道路交通設(shè)施日漸完善、汽車保有量及駕駛員數(shù)量持續(xù)增長(zhǎng)的背景下，道路交通事故發(fā)生率雖趨于平穩(wěn)，但事故的嚴(yán)重程度相較于往年來(lái)說卻有所增長(zhǎng)[1]。目前，絕大部分的交通事故都是由于駕駛?cè)藛T操作不當(dāng)造成的，而不是因?yàn)槠囎陨碛布颉ＴS多司機(jī)的駕駛技術(shù)不高，再加上部分人遇到緊急事故無(wú)法采取正確的處理方式而釀成了交通事故。但是配備有無(wú)人駕駛系統(tǒng)的智能車輛比人的反應(yīng)處理速度要快得多，因此無(wú)人駕駛車輛具有更高的防范和規(guī)避風(fēng)險(xiǎn)的能力。2）減緩城市交通擁堵問題。根據(jù)高德地圖和阿里云等單位聯(lián)合發(fā)布的《2018年度中國(guó)主要城市交通分析報(bào)告》指出，北京公路網(wǎng)高峰出行延時(shí)指數(shù)達(dá)2.032，人均每天擁堵時(shí)長(zhǎng)達(dá)44.97分鐘，人均年通勤擁堵長(zhǎng)達(dá)174小時(shí)，經(jīng)濟(jì)損失約為8？400元人民幣。而根據(jù)美國(guó)德克薩斯州調(diào)查統(tǒng)計(jì)得出，美國(guó)每年因交通堵塞浪費(fèi)的燃料和時(shí)間總計(jì)的損失達(dá)到了驚人的720億美元[2]。可以看出，交通擁堵不僅會(huì)增加居民的出行負(fù)擔(dān)，還會(huì)限制一個(gè)城市的發(fā)展。如果大力推進(jìn)無(wú)人駕駛技術(shù)在城市的發(fā)展應(yīng)用，那么將會(huì)使現(xiàn)在的交通得到有效的規(guī)范，智能車輛能夠井然有序地行駛在既定的軌道上，從而大大地減緩城市的交通擁堵問題。Google公司的無(wú)人駕駛研發(fā)部門前負(fù)責(zé)人 Sebastian？Thrun指出，當(dāng)無(wú)人駕駛汽車被廣泛地投入日常生活使用后，只需要當(dāng)前汽車總量的30%便可以滿足大眾的出行需要，屆時(shí)交通擁堵問題將會(huì)得到真正有效的解決。3）解放人們的雙手。如今生活在城市里面的上班族每天會(huì)浪費(fèi)大量的時(shí)間在上班通勤這件事情上面。根據(jù)2018年調(diào)查顯示，北京市平均通勤距離為19.20千米、平均單程用時(shí)達(dá)52分鐘之久，若按年計(jì)算，平均每個(gè)北京人在工作日通勤這件事情上就會(huì)花費(fèi)掉驚人的18天。如果人們使用無(wú)人駕駛汽車進(jìn)行通勤，那么這被浪費(fèi)掉的時(shí)間便可以得到利用。上班族可利用這段時(shí)間進(jìn)行工作或是用來(lái)休息，完全不需要雙手的介入。

1.2 缺點(diǎn)

1）信息安全問題。無(wú)人駕駛依托于網(wǎng)絡(luò)平臺(tái)，無(wú)人駕駛系統(tǒng)的防火墻一旦被不法分子攻破，車輛及車主信息就可能失竊。更為嚴(yán)重的是，不法分子攻破了無(wú)人汽車的系統(tǒng)后，就可以獲得車輛管理員的權(quán)限，這樣便可以遠(yuǎn)程操控車輛，威脅乘車人的安全。2）應(yīng)用場(chǎng)景有所限制。現(xiàn)在無(wú)人駕駛車輛研發(fā)雖有突破，但是其應(yīng)用場(chǎng)景還是太少。Google的Waymo無(wú)人車項(xiàng)目、特斯拉電動(dòng)汽車以及其他許多汽車廠商都是在特定的環(huán)境下進(jìn)行的測(cè)試，若遇到交通混亂、天氣惡劣等特殊情況，或是行駛在非鋪裝路面上時(shí)，無(wú)人駕駛車輛就可能會(huì)有些力不從心。因此在目前的軟硬件技術(shù)基礎(chǔ)之上，無(wú)人駕駛車輛會(huì)受到諸多的限制。3）無(wú)人駕駛汽車的民事責(zé)任劃分不明確。作為一種新型交通工具，無(wú)人駕駛汽車在法律層面具有雙重性質(zhì)，當(dāng)其出現(xiàn)交通事故時(shí)責(zé)任劃分十分模糊，這將給當(dāng)前的交通法規(guī)提出許多挑戰(zhàn)。雖然現(xiàn)在中國(guó)各地正逐漸針對(duì)無(wú)人駕駛的測(cè)試車輛出臺(tái)相關(guān)的管理政策，但國(guó)內(nèi)目前還未正式頒布有關(guān)無(wú)人駕駛汽車監(jiān)管、責(zé)任承擔(dān)等方面的法律法規(guī)，這也就意味著在國(guó)內(nèi)還無(wú)法真正使用無(wú)人駕駛車輛上路[3]。

2 人工智能背景下的無(wú)人駕駛技術(shù)

2.1 智能感知：傳感技術(shù)及信號(hào)處理

無(wú)人駕駛車輛的傳感器有視覺（高清攝像頭）、激光測(cè)距雷達(dá)和高精度毫米波雷達(dá)，它們各有優(yōu)勢(shì)，可混合使用在無(wú)人駕駛車輛上。在實(shí)際應(yīng)用上，特斯拉電動(dòng)汽車公司提出了一種以視覺攝像頭加上毫米波雷達(dá)進(jìn)行混合使用的解決方案，而以谷歌、百度為代表的公司則采用激光雷達(dá)來(lái)實(shí)現(xiàn)車輛的無(wú)人駕駛。激光雷達(dá)測(cè)距遠(yuǎn)并且測(cè)量精度很高，利用其優(yōu)勢(shì)通過3D點(diǎn)云算法能夠?qū)囕v所行駛的道路及障礙物、行人進(jìn)行有效的識(shí)別。不過在目前的技術(shù)條件下，激光雷達(dá)體積比較龐大，此外，激光雷達(dá)還有其致命的缺點(diǎn)—它無(wú)法應(yīng)對(duì)雨雪、大霧等惡劣天氣，并且它也無(wú)法對(duì)路標(biāo)、街景進(jìn)行識(shí)別。而與激光雷達(dá)相比，毫米波雷達(dá)在無(wú)人駕駛車輛的應(yīng)用上面則更要有優(yōu)勢(shì)。毫米波雷達(dá)起源于20世紀(jì)40年代，經(jīng)過多次迭代更新已經(jīng)發(fā)展得十分成熟。無(wú)人駕駛車輛所使用的毫米波雷達(dá)主要為77GHz波段的毫米波，其在云、霧、煙塵中傳播損失較小，故能全天候使用。此外，毫米波雷達(dá)具有更小的天線孔徑和組件體積，比較適合安裝在家用車輛上面。因而，毫米波雷達(dá)是未來(lái)無(wú)人車的首選傳感器。視覺（高清攝像頭）是無(wú)人駕駛系統(tǒng)中不可或缺的一環(huán)，它能夠?qū)志皥D像和交通信號(hào)標(biāo)志進(jìn)行采集和識(shí)別，幫助車輛做出正確決策。車輛的處理器從傳感器采集的圖像信息中能提取目標(biāo)的相應(yīng)特征，通過進(jìn)一步融合算法計(jì)算，便能夠?qū)?dòng)態(tài)物體進(jìn)行實(shí)時(shí)的監(jiān)測(cè)，這樣就可以為車輛的指令下達(dá)提供依據(jù)[4-5]。

2.2 智能處理：神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)感知

人類識(shí)別物體雖然很簡(jiǎn)單，但要讓無(wú)人駕駛系統(tǒng)識(shí)別圖像卻是一件難事。目前，無(wú)人駕駛系統(tǒng)主要利用神經(jīng)網(wǎng)絡(luò)（ANNS）進(jìn)行圖像的識(shí)別。神經(jīng)網(wǎng)絡(luò)是一種簡(jiǎn)單可訓(xùn)練數(shù)字單元所構(gòu)成的集合，具有自學(xué)習(xí)和自適應(yīng)的能力。但無(wú)人駕駛所進(jìn)行的圖像識(shí)別并不是使用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)，而是其經(jīng)過變化后的卷積神經(jīng)網(wǎng)絡(luò)（CNN）。CNN作為一種深度前饋的神經(jīng)網(wǎng)絡(luò)，可以運(yùn)用于大型的圖像處理。也就是說通過CNN就可以讓無(wú)人駕駛車輛對(duì)街景進(jìn)行智能識(shí)別，讓其對(duì)行人、車輛、交通標(biāo)志等進(jìn)行檢測(cè)和分類，方便后臺(tái)進(jìn)行運(yùn)算處理[6]。人工神經(jīng)網(wǎng)絡(luò)作為負(fù)責(zé)處理駕駛數(shù)據(jù)的核心算法，雖然可以在無(wú)人駕駛車輛上搭載CPU（中央處理器）進(jìn)行運(yùn)行，但最佳方案還是在GPU（圖形處理器）上運(yùn)行。目前GPU已經(jīng)成為無(wú)人駕駛技術(shù)最核心組件，相較于CPU來(lái)說具有預(yù)測(cè)精度高、運(yùn)算速度更快、內(nèi)存足跡更小和成本更低等特點(diǎn)。目前，英偉達(dá)（NVIDIA）公司正在大力開發(fā)AI自動(dòng)駕駛平臺(tái)—Nvidia？Drive無(wú)人駕駛計(jì)算機(jī)。該架構(gòu)擁有4個(gè)高性能AI處理器的多芯片配置，每秒可執(zhí)行320萬(wàn)億次深度學(xué)習(xí)運(yùn)行。并且該系統(tǒng)可以融合車輛上的多個(gè)傳感器中的數(shù)據(jù)來(lái)讓算法更加理解車輛周圍的環(huán)境，進(jìn)而實(shí)現(xiàn)對(duì)車輛周圍的動(dòng)態(tài)環(huán)境變化實(shí)現(xiàn)實(shí)時(shí)監(jiān)控和規(guī)劃車輛的安全路線。當(dāng)前，嵌入式人工智能芯片運(yùn)用于無(wú)人駕駛車輛較為廣泛，為無(wú)人駕駛車輛打造一個(gè)嵌入式人工智能平臺(tái)，讓機(jī)器逐漸進(jìn)化到自主學(xué)習(xí)階段或許是將來(lái)無(wú)人車輛發(fā)展的一個(gè)主流趨勢(shì)。

3 無(wú)人駕駛技術(shù)未來(lái)展望

目前的無(wú)人駕駛技術(shù)還不成熟，被安全和穩(wěn)定兩大難題所制約，而即將普及的5G（5-Generation）網(wǎng)絡(luò)或許是解決無(wú)人車網(wǎng)絡(luò)穩(wěn)定性差的最好辦法。5G網(wǎng)絡(luò)是第五代移動(dòng)通信技術(shù)的簡(jiǎn)稱，其理論傳輸速度的峰值可達(dá)到10Gbs，這將是4G網(wǎng)絡(luò)的數(shù)百倍以上。在5G網(wǎng)絡(luò)普及以后，無(wú)人駕駛車輛便可以采用將實(shí)時(shí)路況上傳到云端進(jìn)行云計(jì)算的方法來(lái)對(duì)車輛實(shí)現(xiàn)精確的實(shí)時(shí)導(dǎo)航。這樣便可以大大提高無(wú)人車應(yīng)對(duì)復(fù)雜路況的能力[3]。無(wú)人駕駛汽車對(duì)網(wǎng)絡(luò)的要求很高，其需要低時(shí)延服務(wù)，而5G的云平臺(tái)和物聯(lián)網(wǎng)技術(shù)可以為車聯(lián)網(wǎng)提供有力的支撐。未來(lái)是信息時(shí)代，若研發(fā)無(wú)人駕駛技術(shù)的公司能夠與移動(dòng)運(yùn)營(yíng)商、地圖測(cè)繪公司以及嵌入式軟件開發(fā)商進(jìn)行深入的合作，那么無(wú)人駕駛技術(shù)在未來(lái)的發(fā)展前景將會(huì)非常可觀。無(wú)人駕駛車輛現(xiàn)在正處于開發(fā)實(shí)驗(yàn)階段，還有許多技術(shù)上的問題需要被攻克。并且無(wú)人駕駛車輛的成本相較于傳統(tǒng)車輛要大得多，主要是由于目前車輛所使用的傳感器造價(jià)昂貴并且難以實(shí)現(xiàn)量產(chǎn)。另一方面這項(xiàng)技術(shù)并不成熟，在法律與安全上它還無(wú)法被大部分人認(rèn)可。但筆者認(rèn)為隨著無(wú)人駕駛技術(shù)的不斷完善，這項(xiàng)技術(shù)會(huì)被越來(lái)越多的人所接受。

4 結(jié)論

本文對(duì)無(wú)人駕駛技術(shù)的優(yōu)缺點(diǎn)、基于人工智能的無(wú)人駕駛技術(shù)及無(wú)人駕駛技術(shù)的未來(lái)展望進(jìn)行了簡(jiǎn)要概述。立足于國(guó)家5G通信產(chǎn)業(yè)的發(fā)展以及物聯(lián)網(wǎng)浪潮的不斷影響，以及新能源汽車技術(shù)正在不斷的成熟，我們有理由相信，無(wú)人駕駛技術(shù)勢(shì)必會(huì)對(duì)未來(lái)交通發(fā)展格局產(chǎn)生重大影響。

參考文獻(xiàn)

[1]王遠(yuǎn)強(qiáng).面向交通數(shù)據(jù)的事故分析與預(yù)測(cè)[D].天津：天津大學(xué)，2017.

[2]宋淑運(yùn).智能交通系統(tǒng)與智能汽車[J].上海汽車，2003（10）：44-45.

[3]張玉金.人工智能背景下無(wú)人駕駛技術(shù)的研究與展望[J].數(shù)字通信世界，2018（2）：56，85.

[4]高青.多傳感器數(shù)據(jù)融合算法研究[D].西安：西安電子科技大學(xué)，2008.

[5]丁紅杰，康軍標(biāo)，歐陽(yáng)勁志，等.智能無(wú)人駕駛汽車概述[C]//河南省汽車工程科技學(xué)術(shù)研討會(huì)，2016.

[6]許可.卷積神經(jīng)網(wǎng)絡(luò)在圖像識(shí)別上的應(yīng)用的研究[D].杭州：浙江大學(xué)，2012.