导语

在《我们为什么要发展无人驾驶车辆？》一文中，我们探讨了无人驾驶车辆的潜在效益和发展路径。然而，围绕这一主题，仍有许多问题需要进一步探讨。本文将继续讨论无人驾驶车辆如何理解和应对复杂道路情况，以及它与联网车辆等新技术的关系和未来前景。

无人驾驶车辆如何理解道路状况？

美国斯坦福大学计算机科学系终身教授、Google Cloud首席科学家李飞飞在TED演讲中介绍了计算机如何理解图像。这种技术也是无人驾驶车辆识别道路和交通状况的重要手段。

1. 算法的重要性

人工智能中的深度学习技术，通过大量学习标注过的图像，使计算机能够理解物体及其相互关系。然而，为了训练出合格的无人驾驶车辆，需要大量的里程和测试车辆。因为实际道路上的情况比图像复杂得多，不仅需要理解，还需要作出决策。例如，在行人众多且没有控制的斑马线前，人类驾驶员会等待一段时间后再慢慢前进，形成与行人的互动博弈。但是，无人驾驶车辆在这方面的算法还不够完善。同样，在混乱的环岛区域，如果无人驾驶车辆缺乏足够的博弈能力，可能会陷入长时间的等待，导致交通更加混乱。

算法是关键，这是所有企业在无人驾驶领域面临的主要瓶颈之一。

2. 无人驾驶车辆如何获取信息？

算法与信息输入密切相关，即算法获取信息的方式。辅助驾驶和自动驾驶在信息获取方式上有显著区别。辅助驾驶主要依赖视觉设备和深度学习技术，成本较低，但准确性受限。而自动驾驶则主要依靠激光雷达（Lidar）和高精度地图，辅以视觉设备和深度学习技术，可以获得高精度和全天候的信息，但成本较高且维护困难。因此，信息获取设备是辅助驾驶车辆跨越从L3到L4级别的重要障碍，这一过程将非常艰难。

尽管许多公司推出了配备自动驾驶信息获取设备的无人驾驶车辆，但由于算法不够成熟，这些车辆只能执行辅助驾驶任务。

无人驾驶车辆与联网车辆等技术的关系

无人驾驶车辆、联网车辆（Connected Cars）、协同智能运输系统（C-ITS）和出行即服务（MaaS）都在快速发展。媒体有时会混淆这些概念，认为它们是无人驾驶车辆的一部分，但实际上这些技术各有特点，应用目的也不尽相同。

联网车辆（Connected Cars）

联网车辆技术可以通过路上的各种检测设备收集信息，并将这些信息传递给途经的道路车辆。这可以弥补无人驾驶车辆的盲区问题，无论人工驾驶还是自动驾驶的车辆，都可以利用这些信息来判断周围环境，做出合理的决策。

协同智能运输系统（C-ITS）

协同智能运输系统是一种将多种先进交通系统获得的数据整合在一起的技术。通过跨平台的数据分析，可以得出更全面的结论，例如将信号灯数据、远处的交通状况、道路施工情况、事故情况等信息整合起来，提供给道路上的车辆，使它们能够更好地应对复杂路况。

无人驾驶车辆的未来前景

尽管行业内普遍看好无人驾驶车辆的发展前景，但即便是乐观的观察者也无法准确预测其具体时间表。真实道路上的复杂情况、使用者之间的互动、文化背景和交通规则的差异都是影响无人驾驶车辆发展的不利因素。

然而，即使未来存在不确定性，技术投入仍然是值得的。在自动驾驶技术的发展过程中，所产生的各种成果将逐步减少交通事故，提高社会效率。这一过程本身就是一项伟大的事业。

目前，我国正在大力推进由企业主导的无人驾驶车辆研发。只要通过脚踏实地的努力，这些国产无人驾驶车辆很快就能从试验场走向现实道路，达到行驶1000万公里和同时运营1万辆车的标准。

（本文经授权转载自微信公众号“市政厅”）