汽車行業(yè)一直有著一個宏偉目標，其重要性甚至遠超自動駕駛汽車的開發(fā)，那就是零死亡與零事故。整個行業(yè)都在朝這個目標努力。要實現(xiàn)這個目標，就需要將人為錯誤減少到最低程度，甚至使之完全杜絕，這反過來又說明，網(wǎng)聯(lián)全自動或半自動駕駛汽車必須能夠?qū)W習和分析當前的駕駛狀況和以前的駕駛行為。自適應機器學習應用有助于評估駕駛狀況，將這些狀況與之前發(fā)生過的狀況進行比較，并使行之有效的行為模式適應新的環(huán)境。

網(wǎng)聯(lián)汽車的自適應應用

自適應應用是指高精度 GNSS、轉(zhuǎn)向、制動、加速和減速之類的應用，這類應用可通過車載傳感器進行快速調(diào)整，從而控制車輛的位置或?qū)崿F(xiàn)其他一些期望的結(jié)果。它們可以從傳感器數(shù)據(jù)中得出結(jié)論，以便對特定情況進行學習，然后在將來做出適當響應，這一過程就像駕校教練指導學員開車一樣，這樣一來，它們最終就可以自己做出決策而實現(xiàn)自動駕駛。

在自適應應用中，就像在工業(yè)市場中采用機器學習技術(shù)一樣，車輛會從高計算能力的資源豐富的后臺那里接收人工智能 (AI) 信息。當將這些數(shù)據(jù)與來自車輛傳感器的數(shù)據(jù)結(jié)合起來時，車輛就會學習如何快速適應并運轉(zhuǎn)。在這種情況下，網(wǎng)絡(luò)就好比是駕校教練，將知識傳授給車輛。如果車輛以后再遇到類似情況，它就會知道該怎樣做——例如，在接近道路施工位置時自動減速。根據(jù)這些經(jīng)驗和后臺AI通信的支持，就可以構(gòu)建起一個智能數(shù)據(jù)庫，并與其他車輛共享，這樣就可以改善駕駛員的人體反應時間，并使車輛迅速采取措施。

機器學習之所以重要，是因為車輛必須具有適應能力。它們不可能始終都對所有的傳感器數(shù)據(jù)進行監(jiān)控和計算，然后將其用作預測的依據(jù)，因此駕駛行為和環(huán)境條件的變化有一部分必須從學習到的情況識別出來。

自適應應用的要求

如果要在網(wǎng)聯(lián)汽車的自適應應用中采用機器學習，那么有幾項要求就必須符合。最重要的就是通過遠程信息控制單元 (TCU) 發(fā)送衛(wèi)星數(shù)據(jù)的高精度GNSS導航系統(tǒng)。換句話說，如果要使車輛能從其環(huán)境中進行學習，那它就需要知道自己的確切位置。盡管許多汽車都已經(jīng)配備了導航系統(tǒng)，但是要運行各種新功能，例如車道保持輔助技術(shù)，那么這類系統(tǒng)中的大多數(shù)對未來的ADAS/AD應用來說都還不夠精確。例如，如果由于為建筑工程騰出空間而發(fā)生了變道，那么當前的GNSS系統(tǒng)不一定會將這一信息發(fā)送給車輛。

在全自動或半自動駕駛汽車中，這種不一致是不可接受的。將高精度GNSS或其他衛(wèi)星的信息與IVN傳感器融合及后臺AI所提供的通知相結(jié)合，就可以讓汽車清楚地了解自己的位置，以及即將發(fā)生的情況。它必須要能測量另外兩輛車之間的確切距離，從而確定是否可以從它們之間安全通過，也就是說不僅要知道自己的位置，還要能確定別的車輛的位置。

因此，自適應應用還將在傳感器共享方面發(fā)揮重要作用，在這方面，汽車會學習從其他車輛獲取數(shù)據(jù)，然后使用“后臺”來得出自己的結(jié)論并做出預測。

后臺是網(wǎng)聯(lián)汽車的“外部大腦”

汽車本身不可能加入太多算力。由于它會獲得新知識，因此就必須讓它將這些知識通過TCU反饋給所謂的后臺，同時，這個后臺也會從許多別的汽車那里收集大量數(shù)據(jù)，這樣就能告訴汽車有諸如新的施工或交通規(guī)則變更之類的事情發(fā)生。

反過來，汽車則可以驗證或者拒絕此類信息，這本身就是一個學習的過程。谷歌地圖在一定程度上就已經(jīng)在做這項工作了，那就是通過采集手機用戶的位置數(shù)據(jù)來識別交通擁堵狀況，然后實時地將這一信息添加到地圖中。汽車必須具有適應能力，它們并沒有充分的算力來持續(xù)不斷的監(jiān)控并處理傳感器數(shù)據(jù)以及變化中的環(huán)境數(shù)據(jù)、從過去或者預測的場景中學習，然后再做出預測。反過來必須不斷適應轉(zhuǎn)向、制動和加減速上的變化。

為了從后臺獲得數(shù)據(jù)，車輛就需要經(jīng)過安全認證的、快速而又可靠的數(shù)據(jù)連接，使其整合起車載的傳感器并根據(jù)這些傳感器提供的數(shù)據(jù)來驗證轉(zhuǎn)向運動。汽車以太網(wǎng)提供了充分的帶寬，在適當?shù)臅r機將數(shù)據(jù)送達正確的位置。然而，對于是否只有汽車以太網(wǎng)才能勝任這項工作，目前尚不明了。大致說來，只要提供一條快速可靠的通信鏈路，類型不限，就可以讓系統(tǒng)來監(jiān)控交通狀況并縮短延遲時間，這樣就可以根據(jù)需要來快速的傳輸數(shù)據(jù)。以太網(wǎng)配備了許多標準化的先進工具，可以做到這一點。

目前的每一家OEM都設(shè)置了自己的后臺，但以后制造商可能會相互合作，并與谷歌、亞馬遜和微軟之類的外部提供商一起來提供新的SaaS應用，帶來更好的駕駛體驗。企業(yè)的發(fā)展環(huán)境仍處于不斷變化之中，還需要數(shù)年的時間才會最終敲定下來。

改善人體的反應——一些范例

機器學習和自適應應用并不是什么科學幻想；現(xiàn)在的許多應用都可以增進駕駛員的安全性與舒適度（圖1）。

圖1可以采用自適應應用的應用范例：停放的卡車遮擋了其他道路使用者的視線。在這類情況下，防碰撞系統(tǒng)可以減輕人體反應時間上的局限。（圖片：莫仕）

這些應用可以執(zhí)行一些簡單的任務(wù)，例如識別并避免發(fā)生事故及其他危險、提供備選路線，以及自動泊車。車道偏離預警技術(shù)之類更加先進的應用業(yè)已存在，但對于更快的速度、以及在雨雪和視線或視野 (FOV)受遮擋之類的眾多環(huán)境因素下，這些應用還未成熟或者精確到足以為駕駛員提供全面的保護。隨著我們不斷開發(fā)出更加精確并且可以識別的絕對定位數(shù)據(jù)，這種情況未來會發(fā)生改變。

高精度定位和車道保持技術(shù)在許多情況下都會發(fā)揮重要的作用。如果大雨或大雪使道路能見度降低，那么駕駛員或許就不能根據(jù)路標或其他環(huán)境因素來認路，而機器學習則會發(fā)揮重要的作用，幫助駕駛員正常行駛。以后，后臺以及網(wǎng)聯(lián)汽車傳感器提供的絕對定位數(shù)據(jù)將使汽車能夠分析并適應道路狀況、了解自身所在的具體位置，并且穩(wěn)穩(wěn)的保持好車道。

其他自適應應用還包括對道路標志的識別與學習。例如，車輛可以檢測到道路施工造成的限速的變化，然后加以回應。為了做到這一點，汽車必須懂得相應標志上數(shù)字的含義，以及如何對這些數(shù)字做出響應——也就是調(diào)整最大車速，或者從后臺獲得人工智能的預測信息，這類信息會告訴汽車限速已經(jīng)發(fā)生變化，并且“記下”之前存在的限速。

自適應技術(shù)還可用于車輛的照明。駕駛員往往會忘記正確設(shè)置好大燈。此外，如果車燈并沒有正確的照亮路面，造成駕駛員難以看清迎面而來的車輛和其他物體，那么轉(zhuǎn)向也會存在問題，而且這也會使道路上的其他駕駛員暫時失明，或者產(chǎn)生其他與車燈有關(guān)的不利影響。

自適應應用可以確保始終根據(jù)變化中的環(huán)境狀況和車輛的物理條件，來相應的對大燈進行調(diào)整，而且車燈的光束也會一直指向車輛的運動方向，避免干擾到其他車輛以及導致道路照明不佳。這樣就提高了駕駛員的能見度，因而增進了安全性。

隨著車輛的自動化程度日益提高，我們正在探索的高級應用也會愈發(fā)的重要起來。當今全自動駕駛汽車的行駛速度相對較低，在提供了地理圍欄、車輛已經(jīng)熟悉的區(qū)域中，最高車速要低于每小時56-73公里（35-45英里）。這當然需要進一步的提高，但是在高速行駛過程中，如同駕駛員一樣，軟件的反應時間也會縮短，而當前的響應速度并沒有快到足以保證安全。例如，目前在更高的車速下，IVN攝像頭的傳輸速度和相關(guān)數(shù)據(jù)的處理速度可能并不足夠保證安全。

車艙內(nèi)傳感這種高級應用適合駕駛員遇到健康問題、身體疲勞或者精力不能夠集中的情況；傳感器激活后，汽車就可以限制駕駛員對方向盤或其他必要駕駛功能的操作。在較低級別的自動駕駛中（3級），駕駛員仍被看作是自動駕駛系統(tǒng)“可以依靠的選項”，因而這一功能意義重大。然而，駕駛員的分心卻會影響到安全性。這樣一來，傳感器就會阻止駕駛員接管方向盤及進行其他有關(guān)的駕駛操作。

自適應應用當前面臨的挑戰(zhàn)

在為網(wǎng)聯(lián)汽車及全自動或半自動駕駛汽車開發(fā)并集成自適應應用的過程中，成本是最大的問題。這些應用極為復雜，因而無法實現(xiàn)成本效益。即使是現(xiàn)有的應用也非常昂貴，所以，如果要使機器學習和自適應應用發(fā)揮作用，重要的一點就是要降低價格。

另一個挑戰(zhàn)在于缺少通信標準。DSRC、Wi-Fi、5G還是其他系統(tǒng)的組合——對于會有哪些國際頻帶來實現(xiàn)網(wǎng)聯(lián)汽車之間的通信，目前尚不明朗。這場競賽中還存在著許多的可能性，而新冠病毒病和日益惡化的經(jīng)濟形勢也使大家對達成協(xié)議不那么重視了。

我們下一步走向何方？

對于包括OEM、供應商、駕駛員和乘客在內(nèi)的每個相關(guān)方來說，安全性都至關(guān)重要。在實現(xiàn)零死亡與零事故這個目標的過程中，人人都要起到一定的作用，而且我們要盡快實現(xiàn)這一點。單單在德國，2019年就有3,059人死于道路交通事故，而在美國，同一年則有38,800人失去了生命。非常重要的一點就是要確定好我們對安全性、自適應應用和機器學習的重視程度。

在自動駕駛汽車上安裝這些系統(tǒng)代價不低，但卻物有所值。我們必須與其他行業(yè)部門合作，例如航空、物流、防務(wù)，甚至還有游戲和無人機的制造商，這樣才會有機會來相互學習，一起來分享經(jīng)驗并分攤開發(fā)成本。為了實現(xiàn)共同的目標、采用技術(shù)來彌補人為錯誤并使道路事故和傷亡不再發(fā)生，OEM和供應商就必須跳出常規(guī)思維的桎梏，開展合作，或許在其他行業(yè)中也要做到這一點。

編輯：hfy