最近,Uber的无人驾驶汽车发生了一起撞到行人导致其死亡的事故,使得大众对无人驾驶汽车技术产生了“信任危机”。不过,负责对该起交通意外进行调查的警方表示,事故的过错很可能源于受害者本人,而非Uber的无人驾驶汽车。
总体来说,无人驾驶汽车的安全性还是有一定保障的。根据谷歌公布的报告显示,自2009年测试无人驾驶汽车以来,谷歌旗下的无人驾驶汽车总计发生事故14次,包括11起追尾事故。但在所有事故中,无人驾驶汽车都是无过错一方。
其实,任何技术的发展都需要经历一个成长过程
无人驾驶是AI和大数据时代的产物
无人驾驶汽车的实用化也是大势所趋
尽管其间过程会较为曲折……但终会变的成熟
从原理来看,无人驾驶汽车的安全驾驶
主要依赖于正确的驾驶程序算法
而这种算法又依赖于对数据的及时搜集
只有掌握了足够数量的路况信息
车载AI才能实现行驶轨迹分析、路况障碍分析
以及潜在事故风险预判等功能
并且在这个采集学习的过程中不断进化
因此,作为无人驾驶发展成熟的重要支撑
高精度、全方位的路况大数据采集不可或缺
详尽的路况记录、车辆标注数据和交通标识
能够让车载AI深度学习人的驾驶行为
所采集的数据越新越全
就越能创建更安全的自动驾驶环境
当然,这往往需要投入大量的人力
进行相应的数据采集和场景调查
除了无人驾驶汽车生产商自身
可以依靠车载雷达和传感器来实现以外
他们还需要依赖地图供应商所提供的众包数据
来辅助并扩展自己的基础路况信息数据库
那么,具体都有哪些收集渠道呢?
让我们一起来盘点下
路况大数据的收集渠道
很显然,无人驾驶汽车本身具有丰富的路况收集能力。它自带的传感器能帮助汽车“看见”的四周环境,在相关数据传输到云端后,还能惠及所有连接在云端的车辆。当无人驾驶汽车在未来日渐普及之时,它们甚至可以创造一个交互网络系统。单个车辆可以“相互交谈”,交换各自所接触的路况信息。
对于无人驾驶汽车尚未行驶过的路段,可以以采集车的形式对交通状况进行收集。采集车集成了CCD相机、激光仪、GPS天线等设备,能实地对车辆行进路线上的场景予以精确测绘,记录每一间房屋的位置和每一个需要被注意的交通标识。
我们在安装APP软件时,经常会收到“是否开通GPS定位”的软件权限提示。实际上不仅是地图软件,任何使用LBS(位置服务)业务的软件等都能利用手机本身的GPS定位功能,主动或被动地发送用户位置信息。当用户处于GPS卫星的监测区域时,通过其手机信号即可获知该用户的位置和移动速度,而足够样本数量的GPS信息反馈能实时反映当地的车流人流拥堵状况。例如,2016年时高德的实时交通大数据就已经有78%是UGC众包数据,其来源主要为相应的GPS信息。
很多公共车辆上安装有车载GPS定位系统(例如公交车、出租车等等),通过分析其系统每天的位置和时间数据,就能预测出大致的城市公交出行状况。此外,大多数运输车辆都会与GPS卫星连接,根据它们反馈的数据也能收集到很多有用的路况信息。
不过对GPS信号的捕捉有事也会遇到障碍,例如在地下隧道和高架桥下,用户经常会遇到GPS信号丢失的问题。不过这对交通数据采集来说倒不是难以解决的问题,例如可利用安装在电子警察杆上或者交通信号杆上的摄像头、地面线圈微采集器以及卡口监控等设备进行路况及时跟踪,并采集相关数据。
对于部分人迹罕至的地方,就只能采取卫星遥测、,来确认道路通行状况了。
以上便是目前获取基础路况大数据的主要手段
当然这其中也会包括一部分无效数据
例如非移动车辆数据、重复数据等
需要AI对所收集的路况大数据进行深度的筛选分析
并且有时候,普通的路况信息
已不能满足无人驾驶汽车的采集需求
只有更深一步的数据挖掘和分析
才能让它快速成长
例如通过交通大数据采集
来了解普通驾驶员的驾驶习惯
以及非机动车和行人的交通行为模式
以便在遇到突发状况时
能让无人驾驶汽车迅速做出反应
减少Uber这次所遭遇的意外事故的发生概率
长|按|二|维|码|关|注
获取更多产品介绍及业界动态
研·发·云