深度學習-84:自動駕駛技術(L0-L5級別)
深度學習-84:自動駕駛技術(L0-L5級別)
深度學習原理與實踐(開源圖書)-總目錄, 建議收藏，告別碎片閱讀！
人工智慧在駕駛領域的應用最為深入。通過依靠人工智慧、視覺計算、雷達、監控裝置和全球定位系統協同合作，讓電腦可以在無人類主動的操作下，自動安全進行操作。自動駕駛系統主要由環境感知、決策協同、控制執行組成。
加入我們，一起閱讀和完善: 機器學習&深度學習原理與實踐(開源圖書)。告別碎片閱讀，構成知識譜系。
目前自動駕駛在人工智慧的應用領域中主要應用場景包括智慧汽車、公共交通、快遞用車、工業應用等。目前領先的企業主要有谷歌、特斯拉、百度、Uber、賓士、京東、亞馬孫等。
1 汽車工業的演進和進化
- 在1886年，汽車誕生以來。
- 在1913年，汽車開始採用流水線生產。汽車工業已經逐步實現了平民化，使汽車作為交通工具真正被普及。
- 在1932年，高速公路誕生。
- 在1950年，被動安全系統(如安全帶、安全氣囊)。汽車普及過程中，被動式與主動式的安全系統逐步配套。
- 在1970年，福特開始使用ABS主動安全系統。汽車普及過程中，被動式與主動式的安全系統逐步配套。
- 在1995年，賓士率先配備電子穩定系統(ESP)。汽車普及過程中，被動式與主動式的安全系統逐步配套。
- 在2009年，谷歌開始自動駕駛專案。
- 進入21世紀，汽車逐步向智慧化、輕量化、電動化、網聯化、出行方式共享化等方向發展；自動駕駛作為重要的發展趨勢之一，將再次徹底改變出行方式。
- 我國汽車工業起步較晚，但在新能源汽車等領域進展較快，並率先趕上自動駕駛研發熱潮，有望在汽車產業發揮引領作用。
資料來源: 億歐智庫[2]
2 自動駕駛技術的挑戰
類似於人腦的運作，自動駕駛汽車的感測器感知到的資料會每隔一段時間形成駕駛態勢圖簇，構成車輛的工作記憶；長期記憶包含了駕駛地圖以及各類駕駛先驗知識；動機則是智慧駕駛的某個路徑要求，可通過人機互動傳達給車輛。通過短期記憶、長期記憶以及動機相互作用，車輛形成了自主決策，傳遞控制指令給執行機構，完成整個自動駕駛的過程。自動駕駛的技術體系如下，如下圖。
資料、共享經濟和人工智慧技術正在打破過去成熟的金字塔式的汽車產業鏈結構。不同環節的企業相互合作，以實現最佳的經濟效益為目標，使得資料、技術、資本得以在整個自動駕駛產業生態之中流動、迴圈。當然，目前這一生態結構尚處於不穩定的發展變化狀態中。自動駕駛技術的生態系統，如下圖。
資料來源: 億歐智庫[2]
2.1 高精度感測器
目前自動駕駛汽車使用的高精度感測器還沒有標準化，處於百家爭鳴的狀態。正是因為感測器感知缺陷這種客觀因素的存在，整車廠做自動駕駛時就顯得尤為保守，要麼增加感測器以加強感知能力，比如全新奧迪A8加的四線鐳射雷達；要麼就通過監視駕駛員的面部狀態，確保駕駛員實時觀測著前方路況，比如凱迪拉克CT6。
2.2 AI智慧軟硬體
目前自動駕駛汽車還沒有通用的硬體和通用的作業系統。雖然頂級晶片公司和網際網路公司有這方面的野心。自動駕駛軟體服務，是面向汽車企業提供包括感知、自定位和決策在內的應用級自動駕駛輔助軟體服務。L3級HMI人機互動產品是基於百度地圖的基礎架構和資料採集能力，充分利用地圖、導航、私有云、語音、安全 等產品的優勢，為車主搭建的更為完善的人車互聯服務平臺。為了更好的使用者體驗，目前已有四種解決方案。
2.3 通訊
自動駕駛汽車會產生海量的感測器資料，多媒體資料和控制資料等，這些海量資料部分通過自動駕駛汽車自身的硬體系統就可以處理完畢。但是也有相當的資料需要上傳到雲伺服器做進一步處理，雲伺服器處理的結果在反饋給自動駕駛汽車。對於實時控制系統，中低的網路延時都會造成難以預測的結果。目前的3G/4G無線通訊網路還無法承載這麼巨量的資料並保持超低的網路時延。
1.4 大資料處理
百度汽車大資料是一款基於百度智慧汽車生態的大資料服務產品。結合百度資料及車企資料，完成人、車、路的聯動分析， 為車企提供精準營銷，整車設計，使用者管理，輿情分析等多方面的資料和服務支援，拉近車企與車主距離，最大化車企價值和利益。
2.4 立法問題
- 加入高等級自動駕駛汽車，出了交通事故，是車主負責，保險公司負責，汽車商負責還是政府負責？
- 人類主動破壞高等級自動駕駛系統，造成故意交通事故，責任如何認定？
- 行動通訊網路不穩定，導致自動駕駛系統相應時間變長，造成故意交通事故，責任如何認定？
3 自動駕駛分級標準
目前被國內外廣為接受的是SAE分級(www.sae.org)，從Level-0~Level-5總計6個級別,Level-0為最低級別，Level-5為最高級別。汽車自動駕駛技術包括視訊攝像頭、雷達感測器以及鐳射測距器來了解周圍的交通狀況，並通過一個詳盡的地圖(通過有人駕駛汽車採集的地圖)對前方的道路進行導航。沃爾沃根據自動化水平的高低區分了四個無人駕駛的階段：駕駛輔助、部分自動化、高度自動化、完全自動化:
3.1 SAE自動駕駛分級標準
SAE(國際汽車工程學會)的J3016檔案提出的五級自動駕駛分級方案是當前被普遍採用接受的標準。SAE J3016™提供了一種五級自動駕駛分級方案，描述了在公路行駛的各種駕駛自動化水平車輛，包括高階駕駛自動化及相關術語和定義的功能定義。這個推薦標準由AdaptIVe Consortium和Crash Avoidance在歐洲和美國開展的研究專案
Metrics Partnership(CAMP)自動車輛研究(AVR)聯盟的技術積累和經驗教訓總結而成，為推動自動化規範和技術要求提供有用的框架。SAE自動駕駛定義和分級標準-v2016，如下圖。
資料來源: 億歐智庫[2]
-
無自動駕駛(Level-0)
SAE定義： 由人類駕駛者全時操作汽車，在行駛過程中可以得到警告和保護系統的輔助。目前沒有輔助駕駛的車輛，認為是Level-0，Level-0車輛可能包含一些主動安全裝置。 -
駕駛支援(Level-1)
SAE定義： 通過駕駛環境資訊對方向盤和加減速中的一項操作提供駕駛支援，其他的駕駛操作由人類駕駛者完成。目前輔助駕駛技術如車道保持、定速巡航、ACC自適應巡航和ESP等，中高階轎車這已經是標配了，但是輔助駕駛技術總體舒適性還存在差異。 -
部分自動化(Level-2)
SAE定義： 通過駕駛環境資訊對方向盤和加減速中的多項操作提供駕駛支援，其他的駕駛操作由人類駕駛者完成。Level2的系統僅能處理少數高頻通用駕駛場景，超出能力自動駕駛系統將控制權交給人類駕駛員，人類駕駛員需要實時監控並做好接管車輛的準備。Level-2和Level-1最明顯的區別是系統能否同時在車輛橫向和縱向上進行控制。 -
有條件自動化(Level-3)
SAE定義： 通過駕駛環境資訊對方向盤和加減速中的多項操作提供駕駛支援，其他的駕駛操作由人類駕駛者完成。有條件自動駕駛是指在某些特定場景下(高速公路/道路擁塞等)進行自動駕駛，人類駕駛員還是需要監控駕駛活動。Level-3現在是2018-2020的研發重點。 -
高度自動化(Level-4)
SAE定義： 由無人駕駛系統完成全時駕駛操作，根據系統請求，人類駕駛者不一定需要對所有的系統請求做出應答，限定道路和環境條件。Level-3還未成熟，相關車型極少；Level-4預計2020-2023將成為研發重點。。Level-4的自動駕駛演算法準確性和精確性需要達到，甚至超過人類的認知水平，這就需要的是極具魯棒性的演算法和穩定的計算平臺。目前自動駕駛使用的高精度感測器(鐳射雷達等)和自動駕駛控制芯片價格極其昂貴，離普及還有相當的距離。 -
部分自動化(Level-5)
可無人駕駛車輛、允許車內所有乘員從事其他活動且無需進行監控的系統。這種自動化水平允許乘從事計算機工作、休息和睡眠以及其他娛樂等活動。Level-4/Level-5逐漸普及之後，百年的汽車行業，將發生重大變革，我們的出行模式也將鉅變。
3.2 SAE標準的指標解讀
資料來源: 億歐智庫[2]
- DDT（Dynamic Driving Task，動態駕駛任務）：指在道路上駕駛車輛需要做的實時操作和決策行為，操作包括轉向、加速和減速，決策包括路徑規劃等。
- DDT Fallback（動態駕駛任務支援）：自動駕駛在設計時，需考慮發生系統失效或者出現超出系統設計的使用範圍之外的情況，當該情形發生時，駕駛員或自動駕駛系統需做出最小化風險的解決響應。
- OEDR（Object and Event Detection and Response，物體和事件的探測和響應）：指駕駛員或自動駕駛系統對突發情況的探測和應對，在自動駕駛模式下，系統負責OEDR，應對可能影響安全操作的其他事物，進行檢測響應。
- ODD（Operational Design Domain，設計的適用範圍）：將已知的天氣環境、道路情況、車速、車流量等資訊作出測定，給定自動駕駛系統具體的條件，以確保系統能力在安全適用的環境之內。
系列文章
參考文獻
- [1] SAE J3016™. 標準道路機動車駕駛自動化系統分類與定義. 2016.
- [2] 億歐智庫. 2017年中國自動駕駛產業研究報告. 2017.
- [3] 焦李成等. 深度學習、優化與識別. 清華大學出版社. 2017.
- [4] 佩德羅·多明戈斯. 終極演算法-機器學習和人工智慧如何重塑世界. 中信出版社. 2018.
- [5] 雷.庫茲韋爾. 人工智慧的未來-揭示人類思維的奧祕. 浙江人民出版社. 2016.