基于大數據與區塊鏈背景下的自動駕駛技術

楊逸群

摘 要：伴隨著我國經濟的飛速發展，汽車保有率不斷提高，隨之也涌現出了大量的環境問題，空間問題，以及至關重要的安全問題。數量龐大的汽車和復雜的駕駛環境為人工智能的應用提供了海量數據，通過布置于車輛上的傳感器收集路面路況信息，利用算法挖掘出有效數據，分析駕駛員的駕駛習慣，將其運用到自動駕駛之中可以實現安全高效的通行。此外，針對傳統車企研發自動駕駛系統難度大、更新慢、以及各自壟斷的情況，本文提出將去中心化的區塊鏈技術引入到自動駕駛系統，使得數據共享更加便捷，可以實現點對點分配服務。

關鍵詞：人工智能;自動駕駛;大數據;區塊鏈

1 傳統車輛通行存在的問題

隨著我國經濟條件的優越發展，我國的機動車產量和保有量已經連年高居世界第一。根據我國公安部發布的汽車保有量相關報告，顯示截至2016年底，全國機動車保有量達到2.9億輛，其中汽車1.94億輛。機動車駕駛人3.6億人，其中汽車駕駛人超過3.1億。私家車總量達1.46億輛，平均每百戶家庭擁有私家車36輛，與2015年相比，私家車增加2208萬輛，增長15.8%[1]。近幾年更是增長迅速，道路交通擁堵、交通事故頻發、環境污染嚴重、資源稀缺等等一系列問題層出不窮。傳統車輛通行已經漸漸不能滿足人們日常生活的需要，因此我們急需進一步找出新的出行方式替代傳統交通。

1.1 環境污染問題

城市交通作為一個經濟部門，因其發展產生溫室氣體排放強度一直處于較高水平，交通碳排放量每年都有大幅度的增加，根據IPCC報告，全球溫室氣體排放中，城市交通占13.1%，是僅次于能源供應和工業生產的第3大排放部門（IPCC，2007）[2]。汽車尾氣排放一直是環境問題的最大毒瘤，雖然新能源的出現暫時緩解了這一問題，但是目前道路上新能源汽車并不多見，常見車輛還是以石油為主要能源的汽車。隨之帶來的能源消耗量也一直高居不下，國內的交通能源消耗在國內的能源結構消耗中將從2000年的11.1%提高到2020年的16.3—17%，到2020年，交通部門將成為中國最大的石油消耗部門，約占石油消耗量的55—60%，交通在整個國民經濟中的能源消耗明顯加快。新能源汽車和自動駕駛結合起來將有望解決這一問題。

1.2 空間占用問題

車輛的保有量逐年增加，帶來的空間占用問題也成為現在傳統交通的一大難題。現有交通線路不能夠滿足需要，城市交通擁堵嚴重，造成了城市活動效率的急劇下降，社會資源和自然資源的巨大浪費。根據分析報告數據顯示：全國50個主要城市中，長三角地區除上海外大部分城市“交通健康指數”相對較高，處于相對健康狀態，珠三角的大部分城市指數較低，相對處于亞健康;而多數一線城市及省會城市的“交通健康指數”相對普遍較低，其指數與城市均值線差距較遠，處于亞健康狀態[3]。

北京2008年中秋節的“首堵”讓人記憶猶新，當時北京的所有街道都停滿了車，所有的車輛都在街道上停留幾個小時，這種現象迅速的蔓延到了全國幾乎所有百萬人口以上的城市。大大小小車輛的涌入，出行問題不僅有交通擁堵，車輛停放也成為一大問題。停車空位稀缺、車位難找、停車場系統不規范等一系列問題對于傳統車輛通行都是難以解決的問題。

1.3 安全問題

與此同時，傳統出行最嚴重的問題在于安全問題，然而對于傳統車輛出行交通事故的發生不可預測，因其原因眾多不可避免。車輛的增多，駕駛人員的增加導致交通事故發生概率增大。2000年，我國面臨著有史以來最為嚴峻的道路交通安全形勢：全年發生道路交通事故77.3萬起，與1995年27.2萬起相比，增長近3倍;死亡人數約占當年全球道路交通事故死亡總人數的10%;平均每天有300人死于道路交通事故[4]。交通事故引起的經濟損失已經嚴重影響現在社會的可持續發展。據統計，70%交通事故的發生是由于駕駛員操作不當，因此，本文提出使用自動駕駛技術代替傳統駕駛員，利用人工智能體系減少事故發生;同時，將去中心化的區塊鏈技術引入到自動駕駛系統，使得數據共享更加便捷，可以實現點對點分配服務，優化空間和資源問題。

2 自動駕駛技術

現在自動駕駛成為時事熱點，不論是國際還是國內，對于自動駕駛技術發展階段的分類已經有著較為統一的認識。美國高速公路安全管理局（NHTSA）將汽車自動化分為五個階段，其中包括了零階段的“非自動駕駛”，因此實際將自動駕駛技術分為了四個階段。此種階段的劃分受到了我國學者和日本學者的重視[5]。按照此階段分類，第一階段為（單獨型）駕駛支援系統，其加速、操控、轉彎變線等其中之一有系統完成，駕駛人員必須隨時監控系統，以備特殊情況隨時介入重新操控系統，目前已經實現的有自動巡航系統、自動停車系統、自動剎車系統等;第二階段為系統的組合（部分自動駕駛），一定時期內或者特定情況下，加速、操控、轉彎變線等多項操作都可由系統完成，駕駛人員必須隨時監控系統，以備特殊情況隨時介入重新操控系統，目前已經有的自動跟車系統就是基于這一階段;第三階段為系統的高度化（高度自動駕駛），），一定時期內或者特定情況下，加速、操控、轉彎變線等多項操作均由系統完成，駕駛人員無須隨時監控系統，僅僅需要在必要情況下介入重新操控系統;第四階段就為完全自動駕駛，其一：在規定的使用情況下，汽車的駕駛完全有系統完成，其二：運輸任務完全有系統完成，車內所有人均為乘客，完成無駕駛人自動駕駛。

2.1 利用傳感器收集數據

現在廣泛應用于各類高級駕駛員輔助系統ADAS使用的各類傳感器已經基本實現了相應的輔助駕駛功能，達到了自動駕駛的第二階段，為下面完全自動駕駛奠定了良好的基礎;介于現在ADAS系統主要采用的單一傳感器獲取周圍環境信息，其安全性、穩定性、整體性都達不到理想化的程度。信息時代的爆炸性發展讓不同傳感器信息在時間和空間維度上的高精度數據交合成為可能，多傳感器技術逐漸趨于成熟，較目前單一傳感器而言，它的精度更為準確，安全性更好，對于障礙物的檢測和避開方案預判更為合理。目前，參與歐盟PROTECTOR計劃的主要汽車廠商已開始研究雷達傳感器（激光雷達、微波雷達）和光學傳感器（普通光學攝像頭、紅外攝像頭）的融合技術，開發了行人安全檢測系統[6]。多傳感器的融合技術已經成為未來發展的一個研發重點，特別是在人工智能自動駕駛方向。

2.2 應用區塊鏈技術解決傳統車企研發難點

（1）區塊鏈是分布式數據存儲、點對點傳輸、共識機制、加密算法等計算機技術的新型應用模式，其本質是一個去中心化的數據庫。起源于比特幣，是一串使用密碼學方法相關聯產生的數據塊，每一個數據塊中包含了一批次比特幣網絡交易的信息，用于驗證其信息的有效性（防偽）和生成下一個區塊[7]。

（2）由于自動駕駛系統定義場景為復雜的交通路線，需要實時監控周圍環境并及時作出相應決策，因其環境復雜多變，人為因素影響較多，普通的互聯網技術不能滿足其需要，所以需要將區塊鏈技術應用進自動駕駛系統。

（3）根據區塊鏈技術將自動駕駛系統分為云端與車端，云端系統架構設計滿足模塊化、分層化、可持續發展等設計原則[8]。車端感應周圍環境因素傳遞給云端，云端根據車端反映信息構建出車輛形態和周圍環境情況，同時生成對車輛的控制指令傳達至車端，這樣車端與云端形成一個雙向的反饋系統，將大量信息和計算都交到云端處理，車端僅需實時更新車輛運行信息和周圍環境情況。

2.3 基于人工智能技術的數據分析

自動駕駛云端系統核心部分就是云平臺AI算法，結合機器人、語言識別、圖像識別、自然語言處理和專家系統等相關技術，對車端系統傳感器傳遞過來的信息進行分析計算，為車輛控制規劃提供決策依據。利用虛擬化技術及網絡技術整合大規模可擴展的計算、存儲、數據、應用等分布式計算資源完成AI模型算法的學習訓練，能實現在云端訓練AI模型，通過車云協同技術將其部署到車載嵌入式平臺，使AI算法在車端自動駕駛系統上得到深度應用[10]。

3 自動駕駛技術的現狀與前景

傳統車輛通行有諸多問題，在全面實現自動駕駛后這些問題就迎刃而解，對于自動駕駛技術，目前已經沒有太大的科技難題和計算難題，在解決云端系統的問題后，我們將迎來人工智能化的交通出行方式。智能化交通將大大降低事故發生的概率，道路利用率增大，出行更加方便-快捷。新能源汽車與自動駕駛結合起來，將解決環境污染和資源短缺等諸多問題。

參考文獻：

[1]汽車工業協會統計信息網【EB/OL】. http：//www.auto-stats.org.cn/

[2]李保華.低碳交通引導下的城市空間布局模式及優化策略研究[D].西安建筑科技大學，2013.

[3]覃永明.淺談如何在大數據背景下改善城市交通[J].建材與裝飾，2019（27）：280-281.

[4]馮潔語.人工智能技術與責任法的變遷——以自動駕駛技術為考察[J].比較法研究，2018（02）：143-155.

[5]孫軼軒. 基于數據挖掘的道路交通事故分析研究[D].北京交通大學，2014.

[6]王藝帆.自動駕駛汽車感知系統關鍵技術綜述[J].汽車電器，2016（12）：12-16.

[7]楊熳.基于區塊鏈技術的會計模式淺探[J]. 新會計，2017（9）：57-58

[8]王文琴.區塊鏈技術在網聯云控自動駕駛系統中的應用研究和實現[D].浙江大學，2018.

[9]井泉.淺談人工智能在自動駕駛汽車中的應用[J].輕型汽車技術，2018（Z1）：51-54.

[10]晏欣煒，朱政澤，周奎，彭彬.人工智能在汽車自動駕駛系統中的應用分析[J].湖北汽車工業學院學報，2018，32（01）：40-46.