美國人經(jīng)常用短語“Elephant inThe Room”來指代那些每個人都知道但沒人想討論的重要問題，因為這些問題會讓他們很難受。而在自動駕駛領(lǐng)域，就有三個“elephant in the room”值得深入思考。

一、目前的AI引擎架構(gòu)是否正確?

自從DARPA挑戰(zhàn)賽以來，數(shù)十億美元的投資已經(jīng)投入到AV技術(shù)的商業(yè)化上。該系統(tǒng)的總體結(jié)構(gòu)由雷達、激光雷達和攝像頭三種傳感器組成，其中，激光雷達提供精確的距離計算，雷達提供準確的速度信息，攝像頭提供目標識別中心的像素點。這三種傳感器向感知系統(tǒng)提供信息，以建立對外部環(huán)境的精確視圖。基于這一觀點和運動目標，實現(xiàn)自動駕駛汽車在交通基礎(chǔ)設(shè)施中自主導(dǎo)航。

傳統(tǒng)的人工智能算法選擇了一種類似于知識甲骨文的模型。在這種模型中，自動駕駛車輛不斷地、詳盡地觀察其整個環(huán)境。事實上，這是自動駕駛汽車為解決分心駕駛問題而提出的安全價值聲明的關(guān)鍵部分。傳統(tǒng)的自動駕駛車輛的方法是訓(xùn)練人工智能引擎，在不斷增長的數(shù)據(jù)庫中識別有標記的物體。當然，在像素(或激光雷達點云或成像雷達)地圖中識別一個對象的所有潛在方向是一個非常困難的問題。不可避免地，會有一些物體“誤導(dǎo)”系統(tǒng)，比如一輛印著人形照片的車，或者一個騎自行車的行人(參考菲尼克斯Uber事故)。這種解決問題的數(shù)據(jù)積累方法有嚴重的魯棒性問題，因為核心識別系統(tǒng)對像素級細節(jié)很敏感。

關(guān)鍵的問題是：這種方法會收斂嗎?還是它在工程魯棒性方面是否存在根本缺陷?是否需要一種新的結(jié)構(gòu)，減少對訓(xùn)練的依賴和高精度傳感器的依賴?

二、DSRC不可行？

DSRC已經(jīng)有20多年的歷史了。在此期間，運輸行業(yè)的大部分人都認為它將成為下一代運輸基礎(chǔ)設(shè)施的基礎(chǔ)。關(guān)于各種公共機構(gòu)對DSRC所推動的即將到來的技術(shù)浪潮的“準備程度”，已經(jīng)進行了無數(shù)的咨詢研究。然而，隨著5G技術(shù)的發(fā)展，是否有理由在技術(shù)和商業(yè)層面對這一浪潮持懷疑態(tài)度呢?

在技術(shù)層面上，從自動駕駛供應(yīng)商的角度來看，不能指望DSRC基礎(chǔ)設(shè)施隨處可用。在這種約束下，我們必須假設(shè)DSRC將不可用來構(gòu)建解決方案。此外，相比之下DSRC(延遲)的獨特技術(shù)優(yōu)勢也并不令人完全信服。為了更全面地看待技術(shù)問題，BradTempleton的文章“V2V andthe challenge of cooperating technology”值得一讀。

在商業(yè)層面上，目前還不清楚誰將為DSRC的基礎(chǔ)設(shè)施投資所需的數(shù)十億美元(或更多)買單。正如“Did The FCC Expose AFundamental Flaw In The Public Transportation Sector’s Ability To AbsorbDisruptive Technology?”一文中指出：5G有商業(yè)盈利模式，但DSRC沒有。

三、顛覆者有沒有可能是Zoom ?

Zoom是自主的運輸庫存控制技術(shù)。也就是說，在庫存和計費等方面它非常有用，但目前Zoom以虛擬會議廣為人知。教育、工作、娛樂、醫(yī)療和購物等主要經(jīng)濟功能正在轉(zhuǎn)移到網(wǎng)上。這對傳統(tǒng)交通的影響是深遠的。如果這一趨勢持續(xù)下去，傳統(tǒng)交通運輸?shù)慕裹c將從個人擁有的乘用車轉(zhuǎn)向：

加速電子商務(wù)推動的自動化物流
最后一公里通過公共交通或MAAS共享解決方案
最后100米解決方案與送貨機器人

更重要的是，美國聯(lián)邦通信委員會將DSRC頻譜轉(zhuǎn)移到WiFI的使用上，這似乎使最安全的交通方式成為可能。

誰動了我的奶酪?是一個著名的勵志寓言，它的本質(zhì)是關(guān)于管理變化。交通正處在一個巨大變化的時代，大象大小的奶酪正在到處移動。