誰是幕后英雄？ 自動駕駛背后的技術

不久前，Google公司的AlphaGo在棋盤上血洗了韓國棋王李世石，一時間人們驚呼電腦替代人腦的時代即將到來。在這股浪潮地推動下，人們自然而然的聯想起全自動駕駛汽車普及速度加快。當然，未來還存在眾多變數，與其不切合實際的空想，不如讓我們看看在其普及背后，有哪些幕后英雄在進行著不懈的努力。

-抗干擾的“感知器官”

無論是現階段以車道保持、自適應巡航為首的輔助駕駛系統，還是已經量產的以駕駛員為核心，部分情況下自動駕駛的技術，乃至將來的全自動駕駛，其作出準確判斷的依據同我們通過器官了解這個世界的方法類似，需要收集大量信息。當然，在汽車上，這些“器官”就變成了雷達、紅外線傳感器與攝像頭。

正是由于它們獲取到的各類信息是處理系統做出判斷的根本依據，其收集到的信息數量、質量將會直接左右最終判斷的準確性。因此，近些年，傳感器作為自動駕駛技術中最重要的幕后英雄正在完成不斷的進化。

-更快捷的網絡

若干年前，當我們的溝通還僅限于打電話、發短信時，普通的2G網絡便足矣滿足我們的需求。當人們渴望獲得更多信息時，微信、視頻成為了人們溝通時新的手段，網絡也不斷升級為3G、4G。車輛對于周邊信息的需求目前也處于爆發式增長階段，這就對網絡提出更高的要求。

隨著云技術、V2V、V2C技術的研發，網絡成為車與車之間、車與環境間各類信息傳輸的紐帶。換言之，車輛與環境中其他成員的信息傳遞若因為傳輸網絡存在堵塞，那么，其勢必會影響未來全自動駕駛判斷的準確性。

-更細膩的的地圖

隨著自動駕駛技術的不斷發展，研發人員收集到的各種信息，對主動駕駛系統判斷邏輯不斷優化，從原來的根據當前路面情況進行反饋，逐漸發展為根據路況提前進行預判，這其中的轉變簡言之便是由被動接受變為主動選擇。當然，令這一切變為可能的除了穩定、高速的網絡外，其幕后英雄還有高精度地圖。

傳統的雷達、紅外線、攝像頭收集到的信息只能成為其判斷所需的部分條件，處理系統迫切的需要更廣闊的視野，或者說未來的處理系統需要對整個行車環境，乃至包括周邊建筑物在內的所有環境信息。除了實時交通信息外，高精度地圖是能夠提供更豐富交通信息的載體，也是為自動駕駛提供預判決策的基礎之一。不過由于其他因素，短時間內開放使用權限還有一定障礙。

-更強悍的硬件

當各類傳感器收集到豐富的信息后，便是處理器大顯身手的時候了。顯而易見的，這也是對處理器性能的一場考驗，當呈幾何級數增長的信息涌入之時，如何快速、準確的將這些繁雜的信息準確的分析、歸類并給下一步的執行器下達命令需要現有硬件系統進一步發展。

-更智能的邏輯程序

從收集信息到處理信息及至最終的執行，這環環相扣的過程就像開頭聊到的一樣，同我們人類認知、判斷并影響這個世界的過程十分類似。因此，研發人員的自身能力也成為了影響自動駕駛發展的因素之一。

同時，由于需要適應不同國家地區人們的駕駛習慣，收集相關信息，研發人員已開始將自動駕駛試驗車駛上開放道路進行小規模測試。以沃爾沃為例，明年其將在哥德堡挑選100名體驗者，通過他們的駕駛情況完善整個系統，未來這項測試也將在我國進行。

-更安全的系統

提及車輛安全性，人們想大多首先想到的是車輛被動安全性表現，當全自動駕駛普及后，交通事故的發生率或將大幅降低。那么，對于安全性的開發可以就此告一段落了嗎？當然不，相反的，車輛安全性開發將向著新方向發展。

另一方面，車輛的安全性還體現在軟件層面，或者說車輛安全性的開發將包含更多內容，例如以各類數據作為判斷依據的系統應對黑客攻擊的穩定性，以及整個系統在各類復雜環境下的穩定性等等問題都需要更多領域的研發人員協力配合。

全文總結：

隨著各類技術的不斷發展，近些年已經從實驗室中的理論開發模型，逐漸走向開放道路測試。它的普及不僅能解放駕駛者的雙手，降低交通事故發生的概率，同時還能起到降低燃料消耗等積極作用。為了達到全自動駕駛這一遠期目標，以傳感器、高精密度地圖、邏輯判斷為首的眾多幕后英雄早已進行著不懈的努力，我們圓夢全自動駕駛的一天為時不遠。