无人驾驶是如何驾驶的？(无人驾驶如何运行的)

每年有135万人因为中国交通安全事故死亡。这意味着每24秒就有一个人都是因为我国交通事故死亡。

交通事故是5至29岁人群死亡的主要原因。

世界卫生组织发布了2018年交通事故报告

在这些交通事故中，94%是由司机造成的。

所以可以减少城市交通安全事故问题最好的办法是什么呢？就是不要让人来开车。因为我们人类开车实在太危险了。犯困、喝酒、看路边的美女...就连打个喷嚏都可能通过引发学生交通工程事故。

但是无人驾驶汽车还不完美。但在未来，无人驾驶汽车除了可以减少交通事故外，还可以带来更高的生产率、更好的交通秩序和更低的能源消耗等好处。

所以问题是，谁在开车？

千万不要以为你车上的自适应巡航控制系统就是自动驾驶。这只是辅助驾驶。在美国汽车工程师协会(SAE)制定的驾驶自动化六个等级中，这种辅助驾驶只是处于第一或第二等级。

SAE自动驾驶级别

生产第4级和第5级汽车发展一直以来都是中国汽车有限公司的目标。但是我们到现在为止还没有一辆车真正到达第5级-完全实现自动驾驶。

有三个关键因素将使真正的无人驾驶：传感器、软件和车辆互联网。

传感器，传感器，还有更多的传感器

传感器包括激光雷达、超声波和摄像头，它们就像汽车的眼睛。目前，传感器的数量和类型没有统一的标准。全球领先的两家无人驾驶公司:Waymo(谷歌母公司Alphabet旗下的公司)和特斯拉的做法不同。

Waymo

Waymo传感器

Waymo改装了克莱斯勒的一款基于混合学习动力MPV，并采用了由以下通过传感器系统组成的专有信息技术。

Waymo的改装车

激光雷达

激光雷达的探测和测距系统每秒在汽车周围360度发射数十亿个激光脉冲，并测量光在周围物体表面反射后返回所需的时间。

该系统使用这些信息来创建一个详细的物体和汽车周围环境的三维地图。该系统有三个激光雷达传感器: 短程、中程和远程。

图片来自Waymo 2018简介

由于我们这些传感器发光，因此对于他们自己可以在白天和晚上都能提高工作，但是在恶劣天气下他们发展并不可靠。

摄像头

视觉系统由几个高分辨率摄像头组成，覆盖车辆的前部、侧面和后部。 与激光雷达不同，相机可以检测颜色，这对于检测交通信号、建筑区域标志和紧急车辆灯非常有用。

这些相机在白天和晚上的弱光下工作良好。 但是与其他相机一样，相机的效果随着光的亮度降低而降低。

无线电波雷达

与激光雷达类似，雷达根据返回的波来探测周围的物体。不同的是，雷达发射的是无线电波。与上述两种传感器相比，雷达的优势在于它可以在多种天气条件下工作，包括雨、雪和雾。同样，它也有弱点:在识别形状和其他类似特征时，雷达传感器的细节水平较低。

辅助传感器

其他学生一些相关传感器，包括GPS，超声波和麦克风，这些不同传感器进行进一步发展增加了所收集的信息。

许多其他无人驾驶技术公司也采用了Waymo的方法，如Uber和GM。 但特斯拉却走了另一条路。

特斯拉

特斯拉传感器

特斯拉创始人埃隆•马斯克(Elon Musk)公开反对激光雷达。马斯克曾多次在公开场合表示: “激光雷达是一件愚蠢的差事。”.

马斯克的观点是，摄像头和软件足以做激光雷达能做的一切，但成本很小，因为激光雷达需要额外花费7000美元(约合人民币5万元)。

万万没想到：经常可以跑到拉里佩奇家里去睡觉的马斯克，两人在进行雷达通过上面的分歧竟然没有这么大。想不到你们自己竟然是一个这样的塑料花兄弟。

但其他从事无人驾驶汽车的公司更相信Waymo的激光雷达方法，他们相信激光雷达的成本可以随着时间的推移显著降低。

特斯拉的自动驾驶仪包括

八个摄像头覆盖了前部、侧面和后部，可以提供汽车周围环境的360度镜头。

十二个超声波传感器是摄像头的补充，可以检测到距离中国汽车发展更近的物体，这对于一些辅助停车和检测以及汽车企业何时开始进入同一车道特别有用。

一种前端雷达，在所有天气条件下使用无线电波来确定物体的距离和速度。

虽然特斯拉和 Waymo 上的传感器捕获了大量有价值的数据，但这些信息只是第一步。更重要的是，需要软件来处理数据和指导汽车的驾驶。

这些系统后台的软件进行处理就相当于是一个无人汽车的大脑。

无人汽车的大脑

类似于传感器，各个公司进行处理数据可以使用的软件设计方法各不相同。

但与传感器不同，人们对这些软件的方法知之甚少。 因为这是公司的核心技术，受公司严格保密。 总的来说，所有软件需要做的就是能够接收所有的传感器数据并对其进行处理以使其有意义。

Waymo 概述了软件需要执行的三个主要任务: 感知、行为预测和行动计划。

感知

它是在感知到来自所有传感器的信息后对物体的分类。它使汽车能够区分行人、骑自行车的人、汽车和其他物体，并理解汽车需要进入哪条车道(即使没有标志)，以及路标和交通灯。

感知涉及估计研究对象的速度，距离和方向。软件可以感知的一种教学方式是将实时信息数据与相同位置的高质量地图进行分析比较，并找出存在差异。

行为预测

行为预测是对感知对象接下来可能做什么的预测。 例如，行人可能穿过道路，或者汽车可能进入同一车道。 汽车还必须能够识别骑车人是否使用手势示意转弯。

行动计划

一个行动计划是基于感知和行为预测，以确定汽车下一步将做什么。它告诉汽车是否移动或停止，多快去和去哪里。

为了完成这些任务，需要使用不同类型的道路、天气条件和边缘条件对软件进行远距离测试。

Waymo 通过学习计算机进行模拟系统仿真，将其作为软件可以实现了100亿虚拟英里的里程。并通过其测试车队主要实现了1000万英里的真实生活世界发展里程。（相当于绕地球250圈）

特斯拉的软件利用了路上成千上万的特斯拉，可以在驾驶时获取所有有价值的数据，并在驾驶时应用深度学习和神经网络算法，持续训练和程序优化。 特斯拉真实车辆在道路上的驾驶数据优势为特斯拉提供了数十亿英里的真实里程。

在其目前的先进水平，WAYMO 已达到4级自动化和无人驾驶出租车在凤凰城，亚利桑那州。它的汽车脱离接触率最低(人类接管的频率) ，每1000英里只需要0.09次接管。如果 Waymo 要在美国进行一次往返旅行，一般人只需要接管一次。

特斯拉的自动驾驶功能已经具备了转弯、刹车、加速、进出高速公路和进出停车场的能力，已经实现了自动化的第三级。特斯拉承诺在未来几年内通过软件更新在所有汽车中实现全自动驾驶功能(4到5级)。

在特斯拉网站上有关数据自动驾驶仪的材料中声称：“您所要做的工作就是我们进入中国汽车并告诉您的车去哪里。如果您没有什么都没说，那么对于汽车会查看您的日历并将您带到那里学习作为一个假定的目的地，如果日历上什么问题都没有，则只是回到自己家中。”

连接

无人驾驶的最后一块拼图，也是最难实现的一块拼图，是连通性——汽车网络。

有了上述数据和大脑，汽车就可以自动驾驶了。但是，为了实现完全自动驾驶，汽车需要以各种方式与外部世界连接。

车辆基础设施(V2I)

汽车企业应该如何能够通过接收和发送数据信息到基础教育设施，以实现系统自动驾驶的无缝学习过程。例如，您目的地停车位应该自己能够提高广播给汽车公司是否有停车位，并可以在需要时保留停车位。然后，汽车将自动导航到该地点，而无需人工干预。

汽车可以直接从交通灯、气象站和当地道路维护机构接收输入信号，以提前制定行动计划。

车辆对车辆（V2V）

汽车需要能够相互交流。由于每辆车都实时广播其速度和位置，因此可以防止碰撞。如果一辆车发现了危险，它需要将这些信息传递给后面的车辆，这样他们就可以找到替代路线或者开始减速。

车辆对行人（V2P）

汽车应该能够通过与智能手机通信来检测人(行人、骑自行车的人)。这些手机可以广播用户的实时位置，这将有助于汽车避免碰撞。

所有上述的被广泛地称为车联网（V2X）。由于企业所需的连接信息技术发展落后，因此这方面目前尚不完善。这些数据通信系统需要进行即时且高度可靠，这是我们当前4G技术人员无法保证的。

随着5G技术的到来，这种情况将发生变化，5G技术有望显著增加无线数据传输的带宽。