智慧城市网

 

　　这已经是今年内第二起严重的自动驾驶车辆事故了，今年3月，一辆无人驾驶Uber汽车在美国亚利桑那州坦佩市发生交通事故，并致一名行人死亡，这是2018年起无人驾驶汽车致人死亡的交通事故。事故发生后，Uber停止了在范围内的无人驾驶测试。
 

　　如今，自动驾驶技术恰逢多事之秋，事故频发导致人们对它的信任度下降，进而影响市场表现和政策落地，导致企业对于自动驾驶技术的研发更是举步维艰。但是，事故的责任人也不能全部推给汽车厂商。
 

　　据Waymo声明，此次车祸事发的时候，Waymo的车处在于手动模式，也就是安全驾驶员在驾驶汽车，并不是Alphabet的系统在接管汽车。显然，在事故发生时，司机没有来得及采取任何紧急机动措施，以避免迎面驶来的车辆，因此司机也受了轻伤。因此，这起事故，对于Waymo来说，完全就是一个飞来横祸。
 

　　Waymo的声明是真是假尚不可知，不过也无须在意，反正咱们今天要讨论的也不是这个问题。*，在驾驶车辆时，自己遵守规则是一回事，运气也是一回事，交通路况瞬息万变，紧急情况时有发生。自动驾驶技术能否应对类似的公路突发情况，有哪些技术可以仰仗呢？
 

　　对于自动驾驶汽车来说，它感知行驶环境所依靠的系统主要为以下两种：一个是激光雷达系统，该系统使用范围广，可在各种路况下使用，但成本太高，推广不易；一个是视频监控分析系统，该技术较为成熟，成本低，易推广，发展大有可期。
 

　　当前摄像头的价格较低，随着摄像传感器性能的突破、芯片价格的下降，在不久的将来，预计会有至少8到10个摄像头将在智能汽车的后视/环视和夜视摄像头、先进驾驶辅助系统、视镜替代和行车记录仪、驾驶/车辆接口等应用中使用。在智能汽车所有的技术当中，基于视像的技术是比较突出的，通过视频监控，可以实时分析路况、车辆及行人信息，基于分析的结果汽车可以做出有效的、及时的反馈，而图像传感器的性能也决定了传输图像质量的高低，没有高质量的图像获取与传输，就很难保证视频分析的的准确性，这两点对于智能汽车来说非常重要。而安防行业在视频监控、传输和分析方面均处于地位。
 

　　同时，在前端设备越来越智能化的今天。以海康威视、大华股份为首的众多安防企业也推出了加持视频分析的前端摄像头，可以判断人的运动轨迹，可以判断识别出高矮胖瘦、穿着不同的人物模型，也可以分辨出公路上的障碍物。这也是海康威视、大华入局自动驾驶汽车行业的技术优势。
 

　　另一方面，自动驾驶汽车处理数据的时效性也很关键。紧急情况发生的时候，越能及早采取措施就越能减少损失，一次提前零点几秒的紧急制动就有可能挽回一条人命。
 

　　自动驾驶系统中，环境感知技术使汽车能够获得道路、车辆位置和障碍物的信息，并将这些信息传输给车载中心电脑，从而使汽车根据行驶目标及途中情况，规划、修改行车路线。车辆控制技术是在环境感知技术基础之上，通过自动转向控制系统的配合使汽车能够按照规定路线准确稳定行驶，同时使汽车在行驶过程中能够实现车速调节、车距保持、换道、超车等各种必要基本操作。而智能无人驾驶汽车要真正实现智能和安全，就必须存储和运算海量的大数据，而且相当一部分数据与图形图像有关。数据和计算量是如此的巨大，以至于普通服务器和CPU都无法胜任，而只能依靠GPU才能完成。将海量的大数据部署在车载电脑上并实现高速运算，根本不可能实现。其次，智能无人驾驶汽车要在高速行驶过程中，通过无线网络与云端进行大量超低时延、超大流量的数据交互，现有网络没有能力支撑。
 

　　2017年，海康威视着重强调了边缘计算的趋势。移动边缘计算侧重在移动网边缘提供IT服务、云计算能力和智能服务，强调靠近移动用户以减少网络操作和服务交付的时延。移动边缘计算使传统无线网具备了业务本地化和近距离部署的条件，其技术特征主要体现为：邻近性、低时延、高带宽和位置认知。随着无人驾驶车数量的增多，车联网的数据量也将越来越大，对于时延和可靠性的要求也将越来越高。应用移动边缘计算后，由于移动边缘计算的位置特征，数据可以就近存储于车辆附近位置，因此可以降低时延，非常适合无人驾驶汽车防碰撞、事故警告等时延标准要求极高的业务类型。
 

　　以上两点对于自动驾驶汽车的发展极为重要，而这两点和安防行业的重合度极高。自动驾驶汽车的万亿市场，安防行业注定能分得一杯羹。
 

　　结语：自动驾驶汽车当下的困境，未免有些“三人成虎”的意味。人们对新技术的不信任导致自动驾驶汽车的一举一动都被放在了显微镜下，人们巴不得它出点儿事让大家批判一下，以彰显自己的高瞻远瞩。其实，自动驾驶就只是一个技术而已，你看或不看，它都在那儿发展，有时间攻击不如真提点儿技术上的建议。