“城市套路深，我要回农村！”
—— 可当真回了农村就安全了么？
乡村交通，这个常被我们忽略的领域已跃升为交通事故的高发地——经过多年基础建设，尤其是浩大的“村村通”工程后，道路基本已经达到所谓四通八达；但随之而来的除了方便之外便是跃升的事故率，不仅大有奋起直追城市及高速交通事故率之势，甚至在不少地区还已经实现了大比分超越。
究其原因，除了通常报告中提到的“交通参与者安全法制意识淡薄”、“交通设施不完善”、“警力薄弱”、“道路管理手段和方法滞后”、“通行条件差”等多项显性原因外，其实在我们看来无论在国内还是国外都高发的乡村事故率还有一大诱因是由于乡村出行的独有条件和方式。
举例：城市中的你和朋友聚会喝两杯，之后你有代驾、出租、拼车……甚至更多的解决方案保障回程安全。而若同样的事情发生在乡村：你去隔壁村翠花儿家蹭猪肉炖粉条的时候高兴贪了两口二锅头，待到“举头望明月，低头思回家”之时，你大概就只有在【酒驾】和【月光下和大黄相拥入眠】两者之间徘徊了。
那么，如果抛开用户量、用户粘度以及使用频次等等关于成本的考虑，单从安全角度来看，自动驾驶共享车辆也许是乡村交通高发事故率的一个可行的解决方案，只不过这个方案的复杂程度有点超乎想象：
我们之前多次聊到，哪怕先进如Waymo都暂时只会在主要城市测试或运行Ta们的自动驾驶车队，其最重要的原因是在车队启程之前需要工程师们花费无数时间准备城市车道、道路边缘、坡道、交通标志等参数详尽的城市三维地图。就像麻省理工学院计算机科学与人工智能实验室（CSAIL）主任Daniela Rus所说：“汽车通过这些地图知道它们在哪里，以及当行人和其他汽车出现时该怎么办。”
虽然之前我们也曾解析过个别可部分脱离精密三维地图而使用机器视觉运行的自动驾驶技术方案，但似乎一年过去了也迟迟未见扩大范围推广应用，想来进展不是想象中那么顺利。
然而，就在本月澳大利亚布里斯班举行的机器人与自动化国际会议上，麻省理工学院计算机科学与人工智能实验室（CSAIL）发布了题目为“农村环境中没有详细的预先映射的自动车辆导航”的论文将自动驾驶车辆驶进乡村范围向前推进了一大步。
CSAIL团队为自动驾驶汽车开发了一个名为MapLite的系统框架，该框架使用的简单的GPS数据和一组观察道路状况的传感器共同工作，允许自动驾驶汽车在Ta们从未去过的陌生领域并且缺乏3D高精地图的道路上运行。
如视频中所示，CSAIL团队仅仅使用Google导航的GPS数据和一系列观测路况的传感器（激光雷达、雷达、IMU测量单元等），提前探测100英尺以上的道路，使这台丰田普锐斯实现了安全可靠的自动驾驶。
说起来，这套系统框架的意义远不止实现了乡村道路上的自动驾驶这么简单。要知道现有系统严重依赖精密3维地图，而传感器和视觉算法的主要功能是用来避免行人和其他汽车或非机动车车辆等动态物体。而MapLite框架则在某种程度上模拟了人类的驾驶模式——依靠GPS导航获取汽车位置的粗略估计，并根据最终目的地位置确定导航目标，生成一条通往目的地位置的路径，并使用激光雷达监测评估道路的边缘位置……而且根据MapLite的极简设计原则，其分辨道路的标准也十分简单直接：道路应是比周围区域更平坦的基本假设。
虽然现在的MapLite还达不到目标中的精准和可靠，比如现在还无法应付有海拔差的山路，自然也无法进入动不动有上下好几层立体桥或者复杂路口、无数行人车辆交织的城市，但CSAIL团队为MapLite开发了一个“参数化”模型系统，使其可以在依靠机器学习时能够举一反三，将各种数据物尽其用，通过学习实现快速的自我进化。
不过，MapLite也不用惦记“农村包围城市”，如果能够让自动驾驶在城市和乡村之间无缝衔接，已经是大功一件。
閱讀更多 極車製造 的文章
