智能驾驶的产业化探索从未来挑战赛启程探索商

随着国家智能驾驶相关政策法规逐渐成型、行业内技术不断完善，以及中国智能驾驶企业积极推动应用落地的情况下，中国智能驾驶市场规模呈现出持续扩大趋势。据悉，2020年中国智能驾驶产业市场规模预计将达到1214亿元人民币，前景可期。

探索智能驾驶商业化之路

智能驾驶实现商业化需要在以下三个方面做出努力。首先需要前沿技术做支撑；其次是企业家精神，即创新、冒险、协作；最后是复杂系统的管理经验。汽车本身是一个非常复杂的系统，需要管理者具有丰富的管理经验。只有同时具备这三个条件，才可能实现智能驾驶的商业化。

驭势科技于2016年3月开始探索、研究智能驾驶相关技术的发展，不断加强与学术界的沟通交流，提升自身的创新水平和研发技术，目前已具有前沿的无人驾驶技术、人工智能技术、系统工程技术和汽车电子技术。首先，开发软件，重构智能驾驶的软件系统，包括算法、中间件、操作系统，尤其是中间件。经过深入考虑，驭势科技放弃了如今广为使用的ROS操作系统，改用美国军方在武器中使用的轻量实时系统RCS。接着4月份，驭势科技着手硬件的开发，包括摄像头、控制器等。5月，算法开始在模拟器上进行测试，同时开始半闭环测试（半闭环，即感知设备已经在车上开始运行，但还没有控制车辆）。直到7、8月，研发出第一辆可以线控的车，并进行了长时间的测试。并在此基础上开始进行全闭环测试，也就是真正的路测。在这个过程中，我们遇到了很多困难和挑战，也获得了诸多成长经验。

困惑之后来者的定位

当前的智能驾驶，主要包括五类。第一类是驾驶辅助系统（driving assistant system），即人开汽车，机器起一定的辅助作用。第二类是自动辅助驾驶，像特斯拉的AutoPilot，它有两个要素，（1）在封闭的结构化的高速路上，机器持续地实现自动驾驶；（2）驾驶员仍然需要把注意力放在路上，甚至把手放在方向盘上。第三类是高度自动驾驶。指不再局限于封闭的高速公路，能够开到大街小巷。驾驶员可以做其他事情，只要能够在5秒内重新回到决策化，这是比当前辅助驾驶更有用的一种自动驾驶技术。第四类是限定场地的无人驾驶，能够在城市区域里实现无人驾驶。没有驾驶员，没有方向盘、油门、刹车，限定在固定场景，最高时速在40公里以内。第五类是全天候全区域的无人驾驶，我们相信在2030年，可能会出现。如图1所示。

图1 智能驾驶的分类

为此，驭势科技也面临着定位选择。2016年，工信部发布的智能网联汽车发展技术路线图指出，到2020年，我国每年将有1500万辆车具备驾驶辅助或者辅助驾驶系统，同时在目前的辅助驾驶形态中，技术还有很多可改进的地方，国内能够有商业化技术的供应商还很欠缺，因此我们决定将第二类辅助驾驶作为公司研发的切入点。

差异化发展策略

驭势科技作为智能驾驶领域的新兴企业，一直在探索属于自己的差异化发展之路，主要表现在技术、服务、成本三个方面。

1 视觉识别技术

今年五月，一辆开启了Autopilot自动驾驶功能的特斯拉Model S被卷入了一场严重的事故中，车内的驾驶员在车祸中不幸身亡。这起事故发生在佛罗里达州中部的一段公路，当时一辆拖拉机挂车正在横穿高速公路，疾驰而来的特斯拉Model S迎头撞上了挂车。自动驾驶的过程中多种传感器失效、未能发现挂车，导致悲剧。

这场事故更加突出了自动驾驶在技术上存在一些缺陷。首先是视觉缺陷，事故发生时，正处于典型的逆光状态，实际上从目前Autopilot的系统来看，它具备动态曝光和自动增益的能力，理论上在强逆光或微光情况下，仍旧能够识别前车尾部。但是案发当场，卡车是横在路上的，它的截面并不符合这套视觉系统识别的特征，因此当时的视觉系统是失效的。或许有人会问，毫米波雷达为什么没有起作用？雷达在远距离发现了横在路面上的一排反射点，但是为了避免误刹车，它做了一个比较保守的分类，将障碍物分类为横跨路面的一个交通标志牌，并希望随着距离的缩减能够有更准确的分类。但是，根据当时的情况判断，事故发生时毫米波雷达是放空的。

针对以上提及的视觉缺陷，首先可以改进雷达的算法，这也是特斯拉正在做的。特拉斯通过与博世合作，挖掘更多的数据，得到六倍之多的object，每个object也有更多的信息，同时实现了将3D的雷达影像在时间维度对object进行correlation，这样可以更好地区分动态和静态object，以及虚假反射。此外，还可以采取一种众包的方式区别永久和临时的障碍物。如果很多车经过一个场景时，都判定前方有一个静态障碍物，那么就可以断定确实存在一个障碍物；如果并不是所有车都能判定有障碍物，那么就可以将其称之为临时障碍物。

上一篇：开发使用前置性学习资源的思考以初中道德与法
下一篇：没有了