作者 | Radhika Madhavan
編譯 | CDA數據分析師
在美國國家公路交通安全管理局美國運輸部（NHTSA）近日發佈了對自駕車技術的當前狀態的概覽報告。
根據該報告，自動駕駛汽車技術仍處於研發階段。下面給出的地圖描繪了美國的受控測試地點，這些地點使用建模，仿真和道路上的自動駕駛汽車組件和系統。
資料來源：美國國家公路交通安全管理局
本文旨在提供有關自動駕駛和自動駕駛汽車目前在現實世界中的運行方式（從硬件到軟件）的基本信息和入門信息。
我們將本文分為三個部分：
- 什麼構成無人駕駛汽車（自動駕駛級別）
- 自動駕駛汽車如何與彼此及其周圍環境互動
- Google的Waymo和Tesla的Autopilot如何運作的最新示例
我們將從檢查自治級別開始：
無人駕駛汽車的自主程度
根據SAE International的說法，自動駕駛汽車具有五個級別的自主權：
資料來源：SAE International
級別1：這是系統和操作員共享控制權的低級別自動化。例如，自適應巡航控制功能控制發動機和制動功率，以實現速度變化和維護，而駕駛員則控制轉向。1級系統可能需要隨時進行全面的人為控制。
級別2 ：在此級別上，雖然系統控制著車輛操作（例如加速，制動和轉向），但需要駕駛員對自動駕駛系統進行持續監控。許多2級車輛要求駕駛員握住方向盤，以使自動駕駛系統持續運行。
級別3 ：屬於此類別的自動駕駛汽車允許駕駛員執行其他任務（例如發短信或看電影），而系統則控制了大多數汽車的運行。但是，對於車輛製造商指定的某些操作，該系統需要駕駛員在有限的時間內進行干預。
級別4 ：該級別支持自動駕駛，而駕駛員的干預最少，但它僅在選定的，稱為地理圍欄區域的地圖位置中支持。
級別5 ：不需要人工干預。
儘管5級自治是許多自動駕駛汽車公司的共同夢想，但它們各自達到5級自治的途徑卻大不相同。一些公司認為3級和4級自治太危險了，因為從機器到人的交接可能是不可預測的並且是危險的（從發短信或看電影轉向擺脫事故可能是不切實際的期望）。
無人駕駛汽車如何與周圍環境互動
根據美國運輸部的說法，互聯和自動駕駛車輛可以通過三種方式相互通信及其周圍環境：
車對車（V2V）交互
自動駕駛汽車之間的V2V交互允許在路線，擁堵，障礙物和危險方面進行信息交換。
例如，如果自動駕駛汽車遇到事故或交通流量大但行駛緩慢的情況，它可以將信息中繼到其他自動駕駛汽車，後者可以根據接收到的數據調整其路線，並有可能避免事故和交通。
車輛到基礎架構（V2I）交互
自動駕駛汽車可以與基礎設施組件（例如智能停車系統）進行通信，以計劃路線並在旅程開始之前預留停車位。
該信息在自動駕駛汽車必須確定到達目的地（平行，垂直或成角度）時如何停車時特別有用。此外，其他無人駕駛汽車會提前“知道”特定的停車位是否已經預留或開放。
車輛到行人（V2P）交互
該V2P相互作用主要是進行自駕車和行人的智能手機應用程序之間。
據明尼蘇達大學（University of Minnesota）稱，它資助了一個名為“移動無障礙行人信號”（MAPS）的V2P原型。視覺受損的行人可以使用MAPS分別接收和提供有關交叉路口和行人位置的信息。然後，自動駕駛汽車將使用這些數據以及汽車傳感器和LiDAR提供的數據，以更準確地定位行人並可能避免碰撞。
當前無人駕駛汽車和工作部件的例子
谷歌和特斯拉是當前自動駕駛汽車領域最大的參與者。為了更好地瞭解自動駕駛汽車的實時工作原理，本文詳細介紹了Google的Waymo和特斯拉的Autopilot的運作方式。
谷歌的Waymo
根據Google的說法，Waymo是4級自治系統，需要最少的人工干預。
Waymo的硬件基礎架構
下面提供了Waymo硬件的描述性圖像：
Waymo的基礎設施包括各種傳感器，雷達和攝像頭系統。
激光雷達傳感器
根據Google的說法，Waymo具有能夠在不同照明條件下運行的多層傳感器套件。該傳感器套件本質上是一種全向LiDAR系統，包括短距離，高分辨率中距離和遠程LiDAR。這些激光雷達每秒投射數百萬個激光脈衝，並計算光束從表面或人身上反射並返回自動駕駛汽車所需的時間。
據報道，Waymo基於從LiDAR光束接收的數據，創建了周圍環境的3D地圖，識別了移動和不固定的物體，包括其他車輛，騎自行車的人，行人，交通信號燈和各種道路特徵。
視覺系統
Waymo的視覺系統是另一套全向高分辨率相機套件，據稱能夠在弱光條件下識別顏色。這有助於檢測不同的交通信號燈，其他車輛，建築區域和應急燈。
雷達
Google稱Waymo使用雷達系統通過波長在不同的光和天氣條件（例如雨，雪和霧）周圍“行進”來感知物體和運動。該雷達系統也是全向的，可以在自動駕駛汽車周圍360度跟蹤行人和其他車輛的速度。
輔助傳感器
Waymo還補充了額外的傳感器，這些傳感器包括用於檢測緊急警報的音頻檢測系統和用於跟蹤物理位置的GPS。
Waymo的自動駕駛軟件
谷歌聲稱Waymo的自動駕駛軟件已經基於“ 50億英里的模擬駕駛和500萬英里的公路駕駛體驗”進行了培訓和測試。它由機器學習算法提供支持。
根據Google的說法，Waymo的4級技術可以檢測和“理解”物體及其行為，並通過三方面的過程來調整自動駕駛汽車的行為。
感知
據報道，Waymo可以檢測，識別和分類道路上的物體（包括行人和其他車輛），同時隨時間測量其速度，方向和加速度。
例如，Waymo的感知軟件從傳感器和雷達收集數據，並創建周圍環境的模擬“視圖”。由於此功能，Waymo能夠確定路燈變綠時，路燈變綠時是否可以繼續通過交通，或通過交通錐指示的阻塞車道來調整路線。
行為預測
根據Google的說法，Waymo可以根據物體的分類來預測物體在道路上的行為，方法是從使用“數百萬英里的駕駛經驗”構建的訓練模型中推斷數據。
例如，自動駕駛軟件“理解”，儘管行人看上去與騎自行車的人相似，但他們的行進速度比騎行者慢，並且方向變化更為突然。
規劃
據報道，規劃器軟件使用感知和行為預測軟件捕獲的信息來規劃Waymo的適當路線。谷歌稱，Waymo的計劃者的運作就像一個“防禦性駕駛員”，他選擇遠離盲區，併為騎自行車的人和行人留出餘地。
特斯拉的自動駕駛儀
根據特斯拉的說法，自動駕駛儀是2級自動駕駛汽車的功能。與大多數2級系統一樣，自動駕駛儀要求駕駛員始終握住方向盤，以接管控制權。
特斯拉還警告說，駕駛員在自動駕駛過程中必須具有充分的功能和意識。
自動駕駛儀硬件
下圖顯示了自動駕駛儀的硬件組件。
據特斯拉稱，其2014年至2016年10月之間生產的自動駕駛汽車包括有限的超聲波傳感器，低功率雷達和僅一個攝像頭。
自2016年以來建造的設備包括12個用於附近物體和行人識別的超聲波傳感器，能夠“感應”不同天氣條件的前置雷達，八個用作特斯拉內部神經網絡饋送信號的外部攝像頭以及處理輸入的計算機系統以毫秒為單位。
特斯拉聯網汽車軟件不斷進行“空中更新”。
自動駕駛軟件
- 交通感知巡航控制系統，可根據周圍交通情況保持速度。
- 駕駛員在標記清晰的車道內進行“自動轉向”
- 自動車道變更，可在車道之間轉換
- 駕駛員輔助的“自動駕駛導航”，用於指導車輛從高速公路的匝道駛入匝道，包括建議和更改車道，導航高速公路交匯處和駛出出口。
- 自動停車，可自動平行或垂直停車
- 召喚從停車位“呼喚”汽車
下面簡要說明了上述功能的工作原理：
在自動駕駛儀上導航
“自動駕駛導航”功能使駕駛員可以將目的地輸入到車輛的導航系統中，從而啟動顯示計劃路線的“ 360度可視化”。出於安全原因，每次旅行都必須啟用此功能。據特斯拉稱，它無法在默認模式下運行。
自動換道
“在自動駕駛儀上導航”功能包括兩種類型的車道變更：基於路線和基於速度。前者允許車輛不顧速度而堅持導航路線。後者基於一些設置，建議以設定的巡航速度為參考，將車輛過渡到比自動駕駛儀更快或更慢的車道。
當駕駛員選擇退出換道確認通知時，自動換道進入模式。但是，特斯拉警告駕駛員，此功能不是完全自動的，需要全神貫注並按住方向盤。Tesla聲稱駕駛員可以隨時手動覆蓋此功能。
停車和召喚
當汽車以低速行駛時，駕駛員可以啟動自動停車，以檢測合適的停車位。這需要手動干預，使汽車倒退並按啟動，但是，在汽車開始獨立控制速度，改變檔位和轉向角之前。
當乘客想要“呼叫”汽車並通過一系列前進和後退按鈕單擊來引導汽車時，自動駕駛儀還具有通過應用程序觸發的召喚按鈕。
自治的障礙
在過去的五年中，無人駕駛汽車投資激增，但仍然存在許多重要挑戰，難以實現5級自動駕駛：
- 發展中國家的道路規則 –加州的高速公路不同於開羅或班加羅爾的交通。除非開發出能夠處理其獨特情況和道路規範的自動駕駛系統，否則在自動駕駛汽車的採用方面（因此在安全性，更低的排放量和提高的工人生產率方面）可能會落後於發展中國家。在這些國家或“測試區域”中，這可能涉及對駕駛習慣和規範的重大改變，在這些區域中適用不同的道路規則並且可以對自動駕駛技術進行測試。
- 統一標準 –為了使車輛與自身或與基礎設施進行通信，必須開發新的通信渠道。這些渠道應允許不同品牌和型號的車輛進行通信，並且應儘可能防止黑客入侵和欺騙。在美國和其他國家/地區努力推進這些標準的同時，還有許多工作要做，以確保安全並在車輛和基礎設施之間建立統一的智能層。
- 安全閾值 – 2000年至2010年間，美國商業航空公司每乘客英里死亡人數約為每100億乘客英里死亡人數0.2（維基百科）。可以肯定地說，自動駕駛汽車的標準將更加嚴格，但目前尚不清楚界限在哪裡。不同國家的政府將必須確定可接受的死亡率，以及各種自動駕駛汽車的安全標準和指南。
天氣和災難 -暴風雪，洪水或街道標誌和“ V2”技術損壞可能會使自動駕駛汽車面臨嚴重錯誤和致命危險的風險。與在加利福尼亞州山景城在晴天將汽車停放在道路上相比，建設道路基礎設施來應對災難以及建造車輛來應對異常或不太理想的條件（可見性，輪胎牽引力等）要更具挑戰性。
閱讀更多 CDA數據分析師 的文章
