在中國的五六十年代，街道上往往只能看到零星的自行車；到了七八十年代，街道上的機動車開始逐漸增多；而到了九十年代，汽車已經開始走進千家萬戶。科技的發展不斷改變著我們的交通方式，那么，未來的出行會是什么樣的呢？

是不是只需要動動嘴，汽車就能自動規劃出一條非常合理的路線？是不是雙手不用碰方向盤，就能安全抵達目的地并自動停車入庫？這些功能并非幻想，無人駕駛汽車就能做到。

無人駕駛汽車在當下已從科幻小說中變成了現實

Wikipedia Creative Commons Attribution-Share Alike 4.0 International

對于交通出行而言，安全永遠被放在第一位。在傳統的車輛駕駛中，駕駛員需要“眼觀六路，耳聽八方”。而無人駕駛技術則是通過融合機器視覺、傳感器、人工智能、導航定位、模式識別、智能控制等技術，打造數字化的指令中心，讓車輛可以在脫離駕駛員的控制時安全行駛。這又是如何做到的呢？

無人駕駛汽車除了在正前方的擋風玻璃上配備有相機之外，它的前后左右一般也會配備廣角魚眼相機，這些相機能夠保證汽車在行駛過程中360度無死角。這種配置可以很好的預防因為行駛盲區或死角造成的駕駛事故。除了用相機保障機器視覺之外，無人駕駛汽車的車頂及車身框架下，一般還會配備有感知傳感器，比如說激光雷達。這種激光雷達本身既是發射器，也是接收器，它可以向外界發射激光脈沖，也可以接受物體反射回來的信號。厘米級的激光雷達與人類的感知都會受雨雪大霧等天象的影響，因此，無人駕駛汽車還配備有不受復雜天象影響的毫米波雷達，可以全天時全天候的保障無人駕駛汽車測距及測速功能的穩定運行。

為了保證無人駕駛的行車安全，無人駕駛汽車往往至少需要安裝十幾個不同種類的車載傳感器。為了處理如此之多的不同信息，無人駕駛汽車采用了車載以太網的網絡拓撲圖技術。相較于原有的車輛網絡，車載以太網的網絡拓撲圖技術具有高帶寬、低時延的優勢。它能夠有效地傳遞各類信息，保證車輛的各種感知傳感器的所得信息能夠有效地、快速地傳遞給各需求模塊。而無人駕駛汽車所搭載的智能算法會將接收到的各類數據匯總分析，構建三維的立體圖像，達到優化決策的目的。

依靠各類傳感器，無人駕駛汽車可以保證其行駛安全

Wikipedia Creative Commons Attribution 2.0 Generic

無人駕駛汽車所使用的導航地圖，精度高，信息豐富，包含傳統導航地圖中所沒有的各類道路標識線、紅綠燈以及龍門架等信息。無人駕駛汽車在通過十字路口時，如果拍攝或者識別不到某個交通標線，就可能會出現誤判，進而導致事故。而擁有了高精度、深加工的專用地圖數據，即使十字路口缺少某些道路標線或出現了標線破損、遮蓋等狀況，無人駕駛汽車也可以讀取地圖中的引導線，安全通過十字路口。

此外，這種高精度的專用地圖還包含一些的“虛擬線”，比如能夠表示道路連接關系的道路中心線。這些虛擬的線可以幫助無人駕駛汽車安全行駛，并在行駛的過程中識別出它所行駛的車道，保障車輛安全換道。

如果將靜態高精度地圖數據與動態的交通信息數據的相融合，就可以讓無人駕駛車輛擁有一些傳統駕駛難以擁有的智能，例如在紅燈排隊時，識別出哪個車道隊伍更短，智能規劃路線。

無人駕駛汽車所使用的這種專用地圖的精度可以達到十個厘米級，與同樣精度的定位系統相配合，就可以極大的保障無人駕駛汽車的的行車安全。當無人駕駛汽車駛入導航定位信號很弱的區域，例如地庫時，汽車可以通過地庫內布置的室內基站及場端的激光雷達獲取定位信息，再結合地庫的精確地圖實現安全智能行駛及停車。

目前，無人駕駛系統對于復雜路況信息的識別主要依靠人工標識。人工智能標注公司會使用傳感器采集各類素材資料，并標注相關信息，用以訓練機器與系統的識別智能。例如讓無人駕駛汽車分辨車輛的類型，懂得區分是轎車還是卡車；識別行人的特征，確保不同外貌、著裝的行人均能被正確識別。如果把人工智能比作一個孩子，這些標注好的資料就像是孩子的食物，而人工智能標注公司就是制作食物的人。因此，在這種“人海戰術”的訓練模式下，想要達到多少智能，就需要多少人工。

根據前期采集、搭建的道路數據場景庫，科研人員可以在實驗室搭建出仿真或實際場景，對真實路況中可能發生的種種突發情況進行模擬，進而測試、訓練無人駕駛系統的性能。例如電動車及自行車逆行、車輛打滑、行人橫穿馬路、超車側面碰撞、強行塞車等。盡管現在的無人駕駛汽車上已配備有數量可觀的傳感器，無人駕駛汽車也已經學會自主識別交通標志，應對突發交通事故，但真實的路況往往比實驗室所能提前設想的場景要要復雜的多，無人駕駛汽車要想真正上路，單靠汽車本身的智能化是不夠的。

實驗中的自動駕駛汽車，實際路況原比這個要復雜

Wikipedia Creative Commons Attribution-Share Alike 2.0 Generic

目前，中國的無人駕駛汽車研發團隊，正在致力于打造一張智慧的交通網，這張智慧交通網在上海已具雛形。上海洋山深水港四期工程是全球最大的全自動集裝箱碼頭，它的碼頭和堆場下埋藏了61199根能夠感知定位的磁釘，其中的設備可以通過這些感知磁釘獲取實時的裝載需求和路況，智能規劃出最經濟的路線，因此上海洋山深水港四期工程在24小時的吞吐量將超越同等規模碼頭的30%以上。

智慧的洋山深水港，對無人駕駛出行有一定的借鑒意義。在智能網聯汽車研究院實驗室，擺放著一塊巨大的沙盤，這是上海正在建設中的智能互聯交通網模型，未來無人駕駛汽車將不再孤獨地行駛在道路上，車與車之間會形成信息溝通鏈。同時為滿足車輛的安全行駛，公路邊林立的各類傳感器會通過5G網絡實時為行駛中的汽車保駕護航。例如前車遇到冰面時，前車把路況反饋給后車，就能有效降低事故發生率；救護車執行緊急救援時，無人駕駛汽車自動接收到避讓信息，就能快速、有序的開辟出生命通道。如果這種技術走向現實，或許在未來，紅綠燈也將退出交通的歷史舞臺：車輛在路口的停止與前進，可以通過實際的路況信息進行傳輸與調配，脫離紅綠燈的限制。

北京的亦莊從市政建設的角度，已經開始進行智慧交通基礎的硬件鋪設。未來的亦莊，乃至北京的很多區域，有望率先進入到智能互聯的交通時代。

2019年2月，北京首家自動駕駛示范運行區在首鋼園正式掛牌，它將成為北京市自動駕駛技術研發和應用的新場地。這塊8.63平方公里的園區，在未來也會逐步聚焦于發展體育加數字智能和文化創意產業等數字領域，包括無人接駁、無人清掃、無人售賣、無人巡檢、無人配送等八種應用場景。

智能網聯的交通時代，無人駕駛汽車有沒有可能被黑客控制？在實驗室的模擬場景中，科研人員發現通過系統漏洞篡改無人駕駛汽車控制權的情況的確可能發生。針對這種情況，科研人員正在努力加強無人駕駛汽車的系統防護，為無人駕駛提供更多的安全預案，并進行更加嚴密的安全測試，用以保障無人駕駛汽車的行駛安全與乘客的生命財產及信息安全。

參考文獻

[1] Bishop R . Intelligent Vehicle Technology and Trends[J]. civil engineering, 2005.

[2] Bishop R . Intelligent Vehicle Applications Worldwide[J]. Intelligent Systems & Their Applications IEEE, 2000, 15(1):78-81.

[3]張朋. 以百度無人汽車為例淺析計算機科學對于汽車智能化的推動作用[J]. 中國戰略新興產業, 2017(9X):2.

[4]喬維高, 徐學進. 無人駕駛汽車的發展現狀及方向[J]. 上海汽車, 2007(7):4.

[5]崔佳超. 無人駕駛智能車在動態環境中的避障方法[D]. 西安工業大學, 2015.

作者：張祎

編輯：韓越揚