1、浅谈未来的无人驾驶 陈浩琨 南京市第十三中学 摘 要： 本文先介绍了无人驾驶汽车的历史、发展现状以及目标, 然后讨论了无人驾驶技术相关的机器学习算法及其作用。之后将无人驾驶汽车与智能交通系统相结合, 并且结合共享汽车的概念以及大数据与云计算技术, 浅谈了对未来的无人驾驶汽车发展的看法。关键词： 无人驾驶; 机器学习; 智能交通; 车联网; 1 无人驾驶汽车的背景早在 1986 年, 美国卡内基梅隆大学就已作为先行者, 开始了对无人驾驶技术的探索。其改装的 Nav Lab1 也是第一台真正意义上的无人驾驶汽车。而随着其成果和可能性的不断发掘, 更多的高校和科技企业加入了这一研发行列。无人驾驶的魅
2、力也愈发为人所知。(1) 无人驾驶汽车的目标。无人驾驶车辆行为决策系统的设计目标是通过机器学习使无人驾驶汽车做到合理地应付各种交通场景。这是基于模仿人类驾驶员驾驶行为的决策与规划的实行, 是智能化程度相当高的近全自动驾驶, 仅仅只有在特殊情况下需要人工操作的帮助。(2) 无人驾驶汽车的发展现状。国外发展现状:在国外, 无人驾驶的发展起步很早。1995 年, 上文所提到的 Nav Lab 己经发展到了第五代, 智能化水准越来越高。而在此期间, 美国国防部亦成功研发了 DEMO 系列无人车用于完成危险地段的军事侦察任务。2014 年, Google 发布了第一代完全自主设计的无人驾驶汽车。在一年后
3、, 发布了第二代无人驾驶汽车, 该汽车完全摒弃了方向盘的设计, 并开始了路测。到目前为止, Google 研发的无人驾驶汽车己经完成了约 140 万英里的真实道路测试, 获得了两个州的道路行驶许可。后来苹果也加入了无人驾驶的研发中。如今的无人驾驶, 已离商业化的目标越来越近。国内发展现状:在中国, 国防科技大学是无人驾驶汽车研究的先驱, 2011 年, 其研制的 HQ3 无人车成功完成了高速全程无人驾驶实验, 标志着我国无人驾驶已达到世界先进水平。此外, 国内其他高校如清华大学, 也都相继开始了对于无人驾驶汽车的研究, 并取得了不错的成果。2013 年, 百度公司正式启动了无人车项目, 并且在
4、2015 年实现了在综合道路下的自主行驶。随后, 腾讯于 2016 年成立了自动驾驶实验室。Momenta、滴滴、图森未来、驭势科技等企业也先后加入了无人驾驶的研究。国内的无人驾驶起步虽晚, 但也硕果累累。2 机器学习算法在无人驾驶领域的作用机器学习算法是人工智能的核心。使得计算机模拟或实现人类的学习行为, 以获取新的知识或技能是其最终目标。而在无人驾驶领域, 机器学习算法的主要任务是持续地检测和定位周围的物象, 对其进行识别与分类, 并预测可能出现的变化。其中, 如下算法运用较为广泛:(1) 决策矩阵算法。决策矩阵算法是一类分析、识别和评估信息集和值之间关系的算法, 这类算法主要应用于决策。
5、在无人驾驶中, 通过将对所有物象的识别和预测作为一个准确程度更高的总体预测, 决策矩阵算法能够决策出无人驾驶汽车左转抑或减速等的下一系列动作。(2) 图像识别。图像识别算法在无人驾驶的视觉中起到非常重要的作用。在驾驶过程中, 无人驾驶汽车不但需要实时观察前方路况, 还需要识别相关物体:如交通标识、车道线、人、车辆等等。对于车道线可以通过一般的图像灰度化、边缘化等方式标识, 而对于人、车辆、交通标识等等则可以通过深度学习的相关算法 (如:卷积神经网络等) 进行识别。(3) 聚类。多数情况下图像识别算法足以准确定位和检测物体。但在极少数情况下, 由于系统获取的图像不清楚, 或者分类算法丢失对象而仅
6、能获得不连续或是非常少的数据点, 难以准确作出决策时。聚类算法就发挥它的作用了, 它可以通过描述分类的方法和问题 (如回归) 来从数据点发现结构。聚类方法通常通过对分层 (如:层次聚类) 和基于质心 (如:K-means 聚类) 的方法进行建模, 利用数据中的固有结构将数据组织成最大共性的组。将低分辨率图像与清晰的物像类比, 从而可以准确识别, 以确保无人驾驶汽车决策不因识别错误而酿成大祸。(4) 强化学习。强化学习是介于无监督学习和监督学习之外的另一组机器学习算法, 它同时具备着这两种算法各自的一些特性, 它包括时间延迟和稀疏标签也就是“激励”体制。通过激励训练实体不断地采取行动, 之后转到
7、下一个状态, 并且获得一个反馈, 根据反馈从而进一步更新训练实体。强化学习可以解决从人工智能的问题到控制工程或运筹学等的大量实际应用, 而这些都是与无人驾驶汽车开发相关的。3 未来的无人驾驶汽车(1) 无人驾驶存在的问题。在无限未来的光鲜背后, 无人驾驶亦面临着很多问题和相应的挑战。数据采集装置的高昂成本便是其中之一, 其次, 大量计算的需要又决定了其对于计算机性能的高要求。另一方面, 中国的交通现状仍存在严重的拥堵现象, 因不守交规而造成的汽车碰擦、追尾等事故仍时有发生, 特别是在汽车保有量过于饱和的大中城市。恐怕仅靠部分的无人驾驶并不能在很大程度上减少这些现象的发生。而无人驾驶汽车的全面普
8、及有需要比较长的时间。因此, 一条适合中国国情的无人驾驶发展之路的出现迫在眉睫。(2) 车联网。开发使用车联网是推进智能交通的重要举措。车联网是通过GPS、射频识别信号、传感器、摄像等技术, 将所有行驶车辆各种信息传输汇集到中央处理器, 在将大量信息分析处理后计算机通过无线网络发布车辆最佳路线、及时汇报路况和安排信号灯管制, 从而以车载移动信息、车际网和道路智能交通互联网, 无线通讯和信息交换系统网络, 实现动态信息服务、车辆智能化控制的一体化智能交通管理网络。(3) 未来的城市智能交通系统。未来的智能交通系统是车联网、智能交通信息网络以及无人驾驶汽车一体化的。无人驾驶汽车之间以及和智能交通网
9、络都可以通过车联网进行信息的交互, 智能交通信息网络通过采用深度学习的决策算法, 对车辆的路线有整体的规划和协调, 使得交通系统运行更有秩序, 从而从根本上解决汽车拥堵和汽车碰撞等安全性问题。我们可以设想未来的智能交通信息网络是由一个超级计算中心向下辐射为若干个中型计算中心, 中型计算中心再向下辐射为若干个计算分支 (如基础交通设施) , 基础交通设施可以通过车联网收集到附近无人汽车行驶的信号 (包括汽车速度, 汽车状态等等信息) 和行驶路线等相关信息, 将这些信息向中型计算中心传递, 中型计算中心会从中计算出汽车行驶的时间以及每条路线的汽车数量等等, 再将这些信息传递给超级计算中心通过决策算
10、法进行优化和路线规划, 再将优化的结果通过中型计算中心以及计算分支等传递给无人汽车, 这样使得每辆无人汽车都可以得到一个相对其行驶目的地的最优化的路线方案, 从而按照路线行驶即可。无人汽车的“独立行为能力”仅仅负责在道路上的避障、制动等等即可, 而不需要进行路线规划等更加复杂的计算。对于汽车安全问题, 无人驾驶汽车可以通过沿途的基础交通设施获取到其他车辆的速度、行驶方向等相关信息, 如果无人汽车判断其有可能和其他车辆相撞, 那么就可以立刻递制动, 避免交通事故的发生。同时通过智能交通系统可以及时监控汽车状态, 如果有汽车需要维修, 只需传达指令令其到最近的维修站接受维修即可。对于危险因素可以提
11、前预知并且进行预防, 无人驾驶汽车的安全性比有人驾驶更高。4 共享经济下的无人驾驶汽车现在的共享汽车是可以通过手机 APP 办理预约按小时收费的, 未来的共享汽车应是能真正为乘车出行的人们提供安全、方便、迅捷和经济服务的共享无人驾驶汽车, 这样能够实现点到点的服务。它可以在提升人们出行的便捷程度, 满足人们出行体验的最佳需求的同时, 极大程度地淡化了人们的购车欲望, 转而更加依赖于交通运营商提供的服务。使得对于汽车的管理更加系统有序, 更好的促进社会经济发展。另外, 还可以将无人驾驶和网约叫车相结合, 并且根据乘客对座位数量的需求, 提供多种无人驾驶车型 (单人座无人车、双人座无人车等) ,
12、以提高汽车座位的利用率和效率。综上所述, 通过车联网、智能交通系统和无人驾驶汽车的一体化, 可以极大程度的改善交通状况和人们的出行体验。并且, 结合共享汽车和网上约车等方式, 使得人们对购车的欲望慢慢淡化, 会极大的改善社会交通条件和促进经济发展。参考文献1孙健, 全兴.无人驾驶汽车发展现状及建议J.科技视界, 2107 (6) . 2张津平.无人驾驶技术的应用J.信息系统工程, 2017 (4) :12-13. 3 (美) 胡迪利普森 (Hod Lipson) , 梅尔芭库曼 (Melba Kurman) 著.无人驾驶M.林露茵, 金阳, 译.上海:文汇出版社, 2017. 4无人驾驶:人工智能将从颠覆驾驶开始, 全面重构人类生活M.上海:文汇出版社, 2017.
