特斯拉制全球第一例自动驾驶命案，你还急于自动驾驶吗?

特斯拉自动驾驶人工智能

于丁一林仁翔 | 2016-07-15 11:52

【数据猿导读】近期，特斯拉创造了全球第一例自动驾驶命案，一时引起很大的轰动，不得不为自动驾驶的安全性画上一个大大的问号。这次事故是识别环境和即时决策都出错了。当机器遇到特别大的环境变化(超出已有数据积累)，难免就失灵了

当地时间5月7日，一辆特斯拉Model S车辆在自动驾驶模式下行驶在美国佛罗里达州的一个高速路口时，与前方左拐的大货车发生碰撞，Model S车主当场身亡，特斯拉制造了全球第一例自动驾驶事故致死案件。事故诱发原因有两点：一是智能系统未正确识别。由于阳光照射，挂车白色面板造成的强反光，导致自动驾驶系统和车主均未识别出前方车辆;二是安全系统未正常触发。事故发生时Model S直接撞击到挂车下部，由于挂车的高底盘导致特斯拉的撞车安全系统未能启动。

无人驾驶对智能服务的要求是识别-(计算)反馈-决策，这次事故是识别环境和即时决策都出错了。当机器遇到特别大的环境变化(超出已有数据积累)，难免就失灵了。无人驾驶的四个发展阶段为辅助驾驶、半自动驾驶、自动驾驶和高自动驾驶。传统车企仍追寻循序渐进逐步实现的思路，无人驾驶现阶段更落地的商业应用为辅助驾驶。

无人驾驶现阶段的瓶颈和问题

环境监测系统不足定。无人驾驶汽车主要使用包括人工智能摄像头、雷达等传感器对汽车内外的数据进行采集，结合联网的路况数据进行分析，对可能出现的危险作出预判。汽车只有在能触探到障碍物后才能进行合理避让，传统汽车企业在自动驾驶安全性方面强调多传感器，一般车前有64线激光雷达和高清摄像头，车身周边则有激光或者毫米波雷达。而以特斯拉为例，其传感器只有前面的毫米波雷达和车身周边的超声波雷达(倒车雷达技术)，相比之下显然不足。

机器识别系统和自动处理及决策系统不完善。业内共识的自动驾驶汽车的大车识别技术难点，特斯拉上一系统版本Autopilot 7.0时代连摩托车都无法识别，这些核心问题在于数据量不足。通过对采集的数据和事故的分析在不断进行数据库丰富，足够的数据量积累才能帮助机器快速地学习，形成更丰富的数据库，从而准确判定汽车周围情况，在识别出障碍物后通过计算决策形成及时有效的避让方案、控制车辆的方向盘和速度，最终使得汽车安全驶达目的地。

汽车驾驶系统网络安全性不足。汽车越智能，其潜在的系统安全和信息安全就越重要。目前无人驾驶汽车每辆车每秒产生1GB的数据量，这些涵盖了汽车和车主个人的各类信息的海量数据的网络传输、存储及计算本地化。目前能够本地化处理运算的芯片尚未成熟，数据的处理还需使用云计算的方式，这对网络环境要求较高， 5G网络还需5年左右实现普及，已有的4G网络对于这样量级的数据传输还不能很好满足，芯片和网络条件的欠缺仍制约无人驾驶的推广应用。另一方面在信息传递过程中每一步涉及到存储和端口的安全性，这些都有可能受到黑客的攻击，目前包括特斯拉在内的做无人驾驶汽车企业都被曝出过系统安全问题，这也成为车主们的一大忧虑。

下一阶段的目标和商业机会

传感器和芯片：无人驾驶汽车的发展，首先依赖摄像头、雷达等传感器对数据的采集，以及高性能芯片对数据的处理。没有数据和计算能力的支持，再好的算法也是空谈。未来无人驾驶汽车的广泛应用将带来对传感器和芯片的大量需求。

车联网综合运算平台：综合运算平台可对数据进行实时分析，对可能发生的情况进行预判，依赖的是高性能的算法，也是整个无人驾驶乃至智能交通实现过程中的核心环节。

各类高级辅助驾驶系统：高级辅助驾驶系统是汽车企业利用人工智能技术，提升用户驾驶便利性和驾驶安全性的过程。目前的高级辅助驾驶系统仅处于高端车向中端车过渡阶段，离普及应用还有较大距离，系统本身也还有完善空间，因此也存在较大的市场空间，也是目前企业争夺的重点。

车内服务：汽车是一个需要较长时间停留的空间，在车内缺少休闲娱乐活动，就给车内服务留下了想象空间。目前的车内服务主要还以语音识别应用为主，用语音操作代替手动操作以增加操作的便利性，如主动推送歌曲或其他娱乐内容，使得车主无需用手操作，同时通过数据分析掌握用户习惯和偏好。无人驾驶技术成熟后，车内空间和服务或许会是完全不同的景象。

来源：数据猿

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。