在中国的五六十年代，街道上往往只能看到零星的自行车；到了七八十年代，街道上的机动车开始逐渐增多；而到了九十年代，汽车已经开始走进千家万户。科技的发展不断改变着我们的交通方式，那么，未来的出行会是什么样的呢？

　　是不是只需要动动嘴，汽车就能自动规划出一条非常合理的路线？是不是双手不用碰方向盘，就能安全抵达目的地并自动停车入库？这些功能并非幻想，无人驾驶汽车就能做到。

　　无人驾驶汽车在当下已从科幻小说中变成了现实

　　Wikipedia Creative Commons Attribution-Share Alike 4.0 International

　　对于交通出行而言，安全永远被放在第一位。在传统的车辆驾驶中，驾驶员需要“眼观六路，耳听八方”。而无人驾驶技术则是通过融合机器视觉、传感器、人工智能、导航定位、模式识别、智能控制等技术，打造数字化的指令中心，让车辆可以在脱离驾驶员的控制时安全行驶。这又是如何做到的呢？

　　无人驾驶汽车除了在正前方的挡风玻璃上配备有相机之外，它的前后左右一般也会配备广角鱼眼相机，这些相机能够保证汽车在行驶过程中360度无死角。这种配置可以很好的预防因为行驶盲区或死角造成的驾驶事故。除了用相机保障机器视觉之外，无人驾驶汽车的车顶及车身框架下，一般还会配备有感知传感器，比如说激光雷达。这种激光雷达本身既是发射器，也是接收器，它可以向外界发射激光脉冲，也可以接受物体反射回来的信号。厘米级的激光雷达与人类的感知都会受雨雪大雾等天象的影响，因此，无人驾驶汽车还配备有不受复杂天象影响的毫米波雷达，可以全天时全天候的保障无人驾驶汽车测距及测速功能的稳定运行。

　　为了保证无人驾驶的行车安全，无人驾驶汽车往往至少需要安装十几个不同种类的车载传感器。为了处理如此之多的不同信息，无人驾驶汽车采用了车载以太网的网络拓扑图技术。相较于原有的车辆网络，车载以太网的网络拓扑图技术具有高带宽、低时延的优势。它能够有效地传递各类信息，保证车辆的各种感知传感器的所得信息能够有效地、快速地传递给各需求模块。而无人驾驶汽车所搭载的智能算法会将接收到的各类数据汇总分析，构建三维的立体图像，达到优化决策的目的。

　　依靠各类传感器，无人驾驶汽车可以保证其行驶安全

　　Wikipedia Creative Commons Attribution 2.0 Generic

　　无人驾驶汽车所使用的导航地图，精度高，信息丰富，包含传统导航地图中所没有的各类道路标识线、红绿灯以及龙门架等信息。无人驾驶汽车在通过十字路口时，如果拍摄或者识别不到某个交通标线，就可能会出现误判，进而导致事故。而拥有了高精度、深加工的专用地图数据，即使十字路口缺少某些道路标线或出现了标线破损、遮盖等状况，无人驾驶汽车也可以读取地图中的引导线，安全通过十字路口。

　　此外，这种高精度的专用地图还包含一些的“虚拟线”，比如能够表示道路连接关系的道路中心线。这些虚拟的线可以帮助无人驾驶汽车安全行驶，并在行驶的过程中识别出它所行驶的车道，保障车辆安全换道。

　　如果将静态高精度地图数据与动态的交通信息数据的相融合，就可以让无人驾驶车辆拥有一些传统驾驶难以拥有的智能，例如在红灯排队时，识别出哪个车道队伍更短，智能规划路线。

　　无人驾驶汽车所使用的这种专用地图的精度可以达到十个厘米级，与同样精度的定位系统相配合，就可以极大的保障无人驾驶汽车的的行车安全。当无人驾驶汽车驶入导航定位信号很弱的区域，例如地库时，汽车可以通过地库内布置的室内基站及场端的激光雷达获取定位信息，再结合地库的精确地图实现安全智能行驶及停车。

　　目前，无人驾驶系统对于复杂路况信息的识别主要依靠人工标识。人工智能标注公司会使用传感器采集各类素材资料，并标注相关信息，用以训练机器与系统的识别智能。例如让无人驾驶汽车分辨车辆的类型，懂得区分是轿车还是卡车；识别行人的特征，确保不同外貌、着装的行人均能被正确识别。如果把人工智能比作一个孩子，这些标注好的资料就像是孩子的食物，而人工智能标注公司就是制作食物的人。因此，在这种“人海战术”的训练模式下，想要达到多少智能，就需要多少人工。

　　根据前期采集、搭建的道路数据场景库，科研人员可以在实验室搭建出仿真或实际场景，对真实路况中可能发生的种种突发情况进行模拟，进而测试、训练无人驾驶系统的性能。例如电动车及自行车逆行、车辆打滑、行人横穿马路、超车侧面碰撞、强行塞车等。尽管现在的无人驾驶汽车上已配备有数量可观的传感器，无人驾驶汽车也已经学会自主识别交通标志，应对突发交通事故，但真实的路况往往比实验室所能提前设想的场景要要复杂的多，无人驾驶汽车要想真正上路，单靠汽车本身的智能化是不够的。

　　实验中的自动驾驶汽车，实际路况原比这个要复杂

　　Wikipedia Creative Commons Attribution-Share Alike 2.0 Generic

　　目前，中国的无人驾驶汽车研发团队，正在致力于打造一张智慧的交通网，这张智慧交通网在上海已具雏形。上海洋山深水港四期工程是全球最大的全自动集装箱码头，它的码头和堆场下埋藏了61199根能够感知定位的磁钉，其中的设备可以通过这些感知磁钉获取实时的装载需求和路况，智能规划出最经济的路线，因此上海洋山深水港四期工程在24小时的吞吐量将超越同等规模码头的30%以上。

　　智慧的洋山深水港，对无人驾驶出行有一定的借鉴意义。在智能网联汽车研究院实验室，摆放着一块巨大的沙盘，这是上海正在建设中的智能互联交通网模型，未来无人驾驶汽车将不再孤独地行驶在道路上，车与车之间会形成信息沟通链。同时为满足车辆的安全行驶，公路边林立的各类传感器会通过5G网络实时为行驶中的汽车保驾护航。例如前车遇到冰面时，前车把路况反馈给后车，就能有效降低事故发生率；救护车执行紧急救援时，无人驾驶汽车自动接收到避让信息，就能快速、有序的开辟出生命通道。如果这种技术走向现实，或许在未来，红绿灯也将退出交通的历史舞台：车辆在路口的停止与前进，可以通过实际的路况信息进行传输与调配，脱离红绿灯的限制。

　　北京的亦庄从市政建设的角度，已经开始进行智慧交通基础的硬件铺设。未来的亦庄，乃至北京的很多区域，有望率先进入到智能互联的交通时代。

　　2019年2月，北京首家自动驾驶示范运行区在首钢园正式挂牌，它将成为北京市自动驾驶技术研发和应用的新场地。这块8.63平方公里的园区，在未来也会逐步聚焦于发展体育加数字智能和文化创意产业等数字领域，包括无人接驳、无人清扫、无人售卖、无人巡检、无人配送等八种应用场景。

　　智能网联的交通时代，无人驾驶汽车有没有可能被黑客控制？在实验室的模拟场景中，科研人员发现通过系统漏洞篡改无人驾驶汽车控制权的情况的确可能发生。针对这种情况，科研人员正在努力加强无人驾驶汽车的系统防护，为无人驾驶提供更多的安全预案，并进行更加严密的安全测试，用以保障无人驾驶汽车的行驶安全与乘客的生命财产及信息安全。

　　参考文献

　　[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]张朋. 以百度无人汽车为例浅析计算机科学对于汽车智能化的推动作用[J]. 中国战略新兴产业, 2017(9X):2.

　　[4]乔维高, 徐学进. 无人驾驶汽车的发展现状及方向[J]. 上海汽车, 2007(7):4.

　　[5]崔佳超. 无人驾驶智能车在动态环境中的避障方法[D]. 西安工业大学, 2015.

　　作者：张祎

　　编辑：韩越扬