近年來，隨著政策和市場的賦能推動，自動駕駛產(chǎn)業(yè)加速落地，產(chǎn)業(yè)鏈基礎(chǔ)配套和市場開發(fā)也越來越成熟。自2020年開始，自動駕駛行業(yè)就正式邁入“黃金十年”，預(yù)計到2030年，我國無人駕駛汽車的市場占有率有望超過50%，無人車服務(wù)市場規(guī)模有望達(dá)1.3萬億。從技術(shù)發(fā)展趨勢來看，目前我國自動駕駛技術(shù)產(chǎn)業(yè)正由單車智能向車路協(xié)同時代演進(jìn)，而支撐這種進(jìn)化的正是AI（人工智能）技術(shù)。由深度學(xué)習(xí)而興起的第3次AI熱潮，推動了AI時代的到來。

 作者：北斗（10年智能座艙及導(dǎo)航娛樂系統(tǒng)開發(fā)管理經(jīng)驗、3年自動駕駛產(chǎn)品化經(jīng)驗、5年自動駕駛模擬仿真測試環(huán)境構(gòu)建經(jīng)驗）

 出品：汽車測試網(wǎng)

本文重點分析介紹在AI時代下AI技術(shù)應(yīng)用對自動駕駛領(lǐng)域的進(jìn)化推動。

圖1  自動駕駛進(jìn)化內(nèi)容思維導(dǎo)圖

■自動駕駛系統(tǒng)的進(jìn)化

自動駕駛圖像分析中的AI

在自動駕駛系統(tǒng)中，車輛搭載了多種感知傳感器如攝像頭、毫米波雷達(dá)、激光雷達(dá)等，系統(tǒng)會對感知獲取到的數(shù)據(jù)進(jìn)行分析，基于AI數(shù)據(jù)分析結(jié)果，進(jìn)行車輛控制的判斷。

對于攝像頭等感知傳感器獲取到的原始數(shù)據(jù)，自動駕駛系統(tǒng)是無法直接進(jìn)行判斷的，因為系統(tǒng)初期就像嬰兒一樣對事物缺乏分類認(rèn)知能力。所以首先要對數(shù)據(jù)進(jìn)行逐一的目標(biāo)分類區(qū)分，這項工作就是數(shù)據(jù)標(biāo)注。對各種交通設(shè)施（車道線、道路標(biāo)牌、交通信號燈等）、各種交通參與者（行人、自行車、乘用車、商用車、特種車輛等）一切交通道路相關(guān)的要素進(jìn)行分類標(biāo)記。

圖2 交通實景的數(shù)據(jù)標(biāo)注圖

自動駕駛系統(tǒng)處理單元會以這些標(biāo)注分類結(jié)果為基礎(chǔ)，AI會各種分類對象的特征進(jìn)行學(xué)習(xí)?；A(chǔ)數(shù)據(jù)越多，特征越突出，對象判別的精度越高。AI就像自動駕駛系統(tǒng)的大腦，對每一個對象進(jìn)行特征分析，一點一點地學(xué)習(xí)對象的外觀特征和動作習(xí)慣等。AI頭腦通過這樣反復(fù)的學(xué)習(xí)工作逐漸變得更加聰明，在識別圖像中物體是什么類別的同時，還可以掌握物體的整體狀況。這就是我們所熟知的計算機(jī)視覺相關(guān)技術(shù)領(lǐng)域的應(yīng)用。另外，將分類、區(qū)分標(biāo)注工作讓AI自動化完成，也是可以實現(xiàn)的。

自動駕駛決策判斷中的AI

系統(tǒng)通過計算機(jī)視覺可以實現(xiàn)對感知傳感器獲取數(shù)據(jù)進(jìn)行狀態(tài)整體把握，并以此為基礎(chǔ)，對車輛控制進(jìn)行判斷決策。這正是AI推進(jìn)自動駕駛技術(shù)的進(jìn)化。

基于感知數(shù)據(jù)，AI會在盡可能短的是時間內(nèi)，做出與人類駕駛習(xí)慣相同的判斷。為了實現(xiàn)圖像處理的實時性、判斷決策的瞬時性，基于強大數(shù)據(jù)處理能力的高精度AI的開發(fā)，在領(lǐng)域內(nèi)有著強烈的需求。

自動駕駛預(yù)測控制中的AI

判斷決策的要素之一是“預(yù)測”。在前方行駛的車輛或者行人接下來將怎樣運動，AI需要對對交通環(huán)境中所有對象進(jìn)行可能發(fā)生動作的事前預(yù)判，并在預(yù)測的基礎(chǔ)上實施車輛控制。

AI眼中的“電車難題”

假設(shè)自動駕駛車輛行駛在一條兩邊都是樹木的單向單車道道路中，剎車突然失靈，前方是有一位正在馬路的老人，還有一個過馬路的嬰兒，我們應(yīng)該則應(yīng)抉擇，這其實就是“電車難題”一個變形場景。在超出系統(tǒng)預(yù)測能力范疇的情況下，自動駕駛汽車無法在極端情況下做出決策和判斷，決策沖突狀態(tài)將成為系統(tǒng)安全性的致命弱點?；诔ＷR性判斷邏輯，為了避免危及人員安全，只能急轉(zhuǎn)彎，把自動駕駛車輛撞到樹上。系統(tǒng)在被迫做出無法避免行車或乘員受傷的終極選擇時，AI應(yīng)該做出怎樣的決定，其實反映開發(fā)者的部分意向，到底是應(yīng)該保護(hù)自車以外的人員，還是應(yīng)該保護(hù)自車的駕乘人員呢。抑或是應(yīng)該根據(jù)人數(shù)的多少來判斷，又或者應(yīng)該盡最大努力踩急剎車，順其自然。

圖3  “電車難題”變形版卡通圖

其實這個問題一直以來都存在爭議，即便是對人類來說得出準(zhǔn)確的結(jié)論也并不簡單。但在有些地區(qū)，政府通過立法，對類似問題做出了規(guī)定。例如德國通過并實施的《自動駕駛法（修正道路交通法）》中規(guī)定：“在不可避免地存在人身損害風(fēng)險的情況下，事故預(yù)防系統(tǒng)應(yīng)具備不根據(jù)個人特征進(jìn)行人命加權(quán)的決策能力?！边@也給AI針對此類問題提供了一個明確的決策方向。

■自動駕駛系統(tǒng)路徑規(guī)劃的進(jìn)化

對途徑地和目的地的綜合判斷，規(guī)劃出最合適的路徑，是自動駕駛車輛必備技能之一。在規(guī)劃路徑時，不但需要考慮目的地之間存在的交通堵塞預(yù)測和道路施工等情況，還要選擇出最合適的車道級的路線規(guī)劃，以及在確保多名乘客路線便捷性的同時，系統(tǒng)必須瞬間判斷以怎樣的順序執(zhí)行路徑，才能實現(xiàn)最有效且最短的路徑規(guī)劃。

為了不斷完善系統(tǒng)能力，需要對規(guī)劃路徑的實際事故發(fā)生率進(jìn)行風(fēng)險分析，基于規(guī)劃路徑中途徑道路的路況、拐彎次數(shù)、信號燈次數(shù)等信息進(jìn)行數(shù)據(jù)分析，逐漸優(yōu)化路徑規(guī)劃策略，最終完善系統(tǒng)規(guī)劃能力。

圖4  自動駕駛多途徑點路徑規(guī)劃示意圖

在自動駕駛出租車應(yīng)用的時候，同一區(qū)域內(nèi)多車同時運行，可能會同時提出用車需求，車輛調(diào)度調(diào)配也需要自動駕駛系統(tǒng)規(guī)劃出相對全體出租車的最合適的路徑。而且，針對于在何時何地將要發(fā)生用車需求的預(yù)測，也是后續(xù)自動駕駛系統(tǒng)針對車輛調(diào)度功能需要實現(xiàn)的基礎(chǔ)功能。在復(fù)雜應(yīng)用場景中加入對未來發(fā)生需求的預(yù)測，并且可以在瞬間給出相應(yīng)決策結(jié)果的技術(shù)，目前也只有AI能勝任了。

■自動駕駛系統(tǒng)人機(jī)交互的進(jìn)化

在沒有配備駕駛員或者安全員的自動駕駛車輛中，最重要的是要準(zhǔn)確把握乘客的狀態(tài)和需求。那么系統(tǒng)將替代駕駛員完成目前車輛行駛狀態(tài)信息的回復(fù)或是上報，以及完成與乘客在行駛過程中發(fā)生的必要交流。這些要求恰恰是AI比較擅長的。

圖5  自動駕駛車輛與乘客交互示意圖

乘客與自動駕駛車輛之間的交流，也會使用目前廣泛應(yīng)用手機(jī)、平板電腦上的語音識別技術(shù)。雖然人類語言往往除了表面意思之外，還會有更難領(lǐng)悟的引申含義，由于AI的介入，系統(tǒng)理解能力也會從基礎(chǔ)的明確指令“我要去飯店”，逐漸提升到理解需要進(jìn)一步理解乘客真正需求的模糊指令“我要吃好吃的”，而也其實也是AI所擅長的。

除了理解乘客的各種指令之外，AI還可以根據(jù)車內(nèi)攝像頭等傳感器采集的信息，分析乘客處于怎樣的狀態(tài)，實現(xiàn)獨立思考并自主執(zhí)行相對應(yīng)的措施。例如，當(dāng)AI判定乘員正在睡覺的情況下，可以考慮調(diào)暗車內(nèi)的燈光亮度，播放輕松助眠的音樂。在乘客連續(xù)咳嗽、體溫升高的情況下，主動提示路徑中附近的藥店和診所等。

未來的自動駕駛汽車，AI對待乘客就像對待尊貴的VIP客戶一樣，提供無微不至的服務(wù)。特別是2023年，ChatGPT的發(fā)布又掀起了一波AI熱潮。在自動駕駛車輛中，AI用語音回答別人的問題已經(jīng)是必然要實現(xiàn)的功能進(jìn)化了。

■自動駕駛系統(tǒng)云端與邊緣計算的進(jìn)化

隨著自動駕駛車輛需要處理的數(shù)據(jù)逐漸持續(xù)增加，單純車輛終端逐漸無法滿足數(shù)據(jù)處理的運算能力需求。為了滿足處理需求，將數(shù)據(jù)發(fā)送給云端，并在云端AI進(jìn)行數(shù)據(jù)處理、分析，AI分析結(jié)果可以隨時回傳給自動駕駛車輛終端，這樣的數(shù)據(jù)處理方式也隨著AI的發(fā)展，成為了自動駕駛的標(biāo)準(zhǔn)架構(gòu)之一。

圖5  云端學(xué)習(xí)與邊緣計算預(yù)測示意圖

而在整個數(shù)據(jù)傳輸?shù)倪^程中肯定會存在數(shù)據(jù)延長，數(shù)據(jù)實時性可能受到損害。解決這一問題，一方面需要對無線通信的通信速率和通信數(shù)據(jù)量進(jìn)行優(yōu)化提升，另一方面AI也推動了自動駕駛車端邊緣計算技術(shù)的發(fā)展應(yīng)用，使車端的數(shù)據(jù)預(yù)處理能力水平得到深層進(jìn)化。

■【總結(jié)】

總體而言，自進(jìn)入數(shù)字化時代以來，AI已深度賦能各行各業(yè)，“大模型”時代的到來，更讓AI產(chǎn)業(yè)與包括汽車在內(nèi)更多的傳統(tǒng)行業(yè)產(chǎn)生交集，并對其產(chǎn)生了進(jìn)化及推動作用。AI已逐步替代駕駛員，在行駛環(huán)境感知、路徑規(guī)劃、車輛控制、乘客交互等諸多方面進(jìn)行了安全性、準(zhǔn)確性以及舒適性的提升與進(jìn)化。期待AI時代中，自動駕駛技術(shù)保持高速進(jìn)化態(tài)勢，推動自動駕駛車輛全面應(yīng)用。