自动驾驶汽车的“引擎盖下”是什么？

众所周知，汽车行业已经进入了一个创新的新时代，专注于提供全自动驾驶汽车，以实现便利性、可持续性和安全性。尽管我们似乎已经进入了这个时代，有20% 的美国、英国和德国消费者认为全自动驾驶汽车可供公众操作或出行，但许多汽车制造商和科技巨头现在已经意识到兑现这一承诺实际上可能比预期更具挑战性。

2015 年，卫报宣布到 2020 年，人们将成为永久性的后座司机，让他们可以灵活地阅读新闻或拨打工作电话，而不是盯着路看。现在，2020 年已经过去了，我们最接近自动驾驶汽车 (AV) 的是 Waymo、Motional 和 Cruise 的有限自动驾驶出租车服务。虽然这个想法似乎相对简单——只需为模型配备几个摄像头以了解周围物体并让车轮转向以避免行人——但许多人并不知道自动驾驶汽车的实际运行方式。毫不奇怪，驾驶是人类经常进行的更复杂的活动之一。仅计算机无法像人类那样做出判断，但需要先进的软件来确认谁拥有通行权或对不可预测的天气条件做出反应。

谈到自动驾驶，您可能很难将注意力集中在所有复杂的技术和系统上。然而，随着这个行业的不断发展，有必要通过深入了解它是如何实施和验证的。

AV的构成

自动驾驶汽车依赖于传感器和执行器系统、软件、计算、决策算法、机器学习和人工智能，以确保它们能够在道路上导航并了解周围环境。每一次安全高效的运营背后，都需要整合几个关键的组件，而它们都依赖于数据。必须在纳秒级内收集、存储和分析大量数据，以实现安全的自动驾驶 (AD)。AD 的数据是从传感器（即无线电探测和测距（雷达）、光探测和测距 (LiDAR) 以及摄像头）收集的，这些传感器使自动驾驶车辆能够 360 度地查看车辆周围发生的情况。AD 系统 (ADS) 不断计算周围物体的类型，例如行人、骑自行车的人、障碍物、距离、和条件，预测接下来会发生什么。它的行为类似于人类开车穿过繁忙的城市街道的方式，下意识地注意其他道路使用者的活动。在一瞬间，纠正性驾驶决策是基于不可预测的动作做出的。

AV 中的 360˚ 可见性

LiDAR 传感器和配套软件使用激光扫描车辆环境，并从车辆周围反射光脉冲以计算距离、检测物体和障碍物（即路缘石和路肩）并识别车道标记。然后这些脉冲在空间中创建一组数据点，代表光的 3D 形状。简而言之，激光雷达利用光速计算出物体之间的距离，使车辆能够更准确地了解周围的事物。雷达技术使用无线电波直接测量物体的速度，并且可以在不同的天气条件下安全运行。

此外，通常情况下，汽车上还安装了一个多摄像头系统，可提供 360° 视图以随时记录车辆周围的情况，以确保安全操作。这样做可以避免可能导致事故的盲点。高分辨率图像使车辆能够“看到”和理解其环境的细节，并通过计算机视觉创建 3D 地图，以帮助发现道路上的情况并在必要时发现替代路线。因此，为了成功骑行，车辆的计算机、传感器和摄像头将需要完成人类驾驶员本能地执行的四项任务：检测其路径中的物体，确定这些物体是什么（无论是行人还是骑自行车的人），预测预期路径对象，并计划适当的响应。

数据：安全自动驾驶的油

虽然从车外收集道路数据很重要，但从车内收集同样多的数据也很重要。为了满足并超越消费者对安全的期望，AV 开发人员需要持续监控车辆运行和态势感知。随着基于数据的证据法规不断发展，AV 数据收集和分析对于满足法规遵从性至关重要，更重要的是，对于不断发展的安全和预测算法而言。

传感器和自动化组件将收集有关车辆的数据，包括其在精确时刻的位置、驾驶员行为和车辆性能。然后，收集的数据用于通知从基本导航到其他更复杂功能的所有内容，包括交通管理和限速执法。自动驾驶车辆和系统依赖于训练数据来了解他们可能遇到的情况以及如何应对。通过将真实世界的 AV 数据传递到模拟环境中，AV 开发人员正在加速行驶数百万英里，以增强安全性和乘客体验。在这样做的过程中，计算机将学会良好的驾驶行为，因为今天的机器学习系统在拥有大量数据时表现出色。

数据收集的问题在于它不仅耗时而且非常昂贵。除了人工智能和传感器阵列，原始设备制造商将需要越来越多的数据存储，以确保符合不断发展的监管标准。为了让全自动驾驶汽车做好上路准备并达到汽车自动化的 4 级或 5 级，科技公司必须能够继续采用现代、全面、高耐用性和可靠的数据存储解决方案。

通过验证建立消费者信心

汽车制造商正在利用测试车辆中的高性能计算来收集、处理和分析大量数据，并允许快速有效地做出关键决策。边缘计算允许数据处理在靠近源头的地方进行，而不是依赖可能在数百或数千英里之外的中心位置。由于数据存储在本地，AV 开发人员可以收集数百 TB 的数据，从而最大限度地延长测试车辆体验真实世界条件的时间。

众多挑战之一包括测试和验证硬件和软件系统，以确保 AV 比人类驾驶员更可靠。但借助开放式架构平台，开发人员可以测试 ADS 和高级驾驶辅助系统 (ADAS) 的各种功能。软件在环和硬件在环仿真使开发人员能够测试 AV 的关键交通情况，例如天气条件和镜头效果。然后将结果传输到功能强大的计算机，该计算机生成周围环境的 3D 表示。测试系统创建的场景可用于准确测试和验证自动驾驶功能。

 

用于现场道路测试的示例 AV 验证平台

在存储收集到的数据时，大多数开发人员所依赖的当前解决方案包括一个装满设备的主干，并将各种硬件拼凑在一起。通常，现成的中央处理单元和硬件需要大量功率，并且通常不是为大规模数据存储而构建的。数据存储需要支持整个车载功能，包括强大的信息娱乐系统和更好的 ADAS 等。

联网车辆和自动驾驶汽车使用的驾驶系统传输和接收的数据量是惊人的。在幕后，需要将云服务与本地计算能力相结合的存储、连接和计算基础设施，以处理联网车辆收集的大量数据。

安全自主地上路

成功地让 AV 为公众做好准备将需要一个开放式架构平台，以使数据存储行业能够像汽车行业一样快速发展，尤其是在未来几年将实施新的安全和安保功能时。开放式架构平台减少了技术蔓延、潜在的安全漏洞和风险以及成本。

必须信任 AV 能够在任何和所有道路条件下运行，并与不断发展的法规保持同步。因此，获得监管机构和消费者的信任将取决于大规模收集基于证据的测试数据。

审核编辑 黄昊宇