棋類模擬

我們不妨來(lái)做個(gè)模擬,把城市道路做虛擬的網(wǎng)格化處理,那么其勾連出來(lái)的交通網(wǎng)就如同棋盤一般,道路之上正在行進(jìn)中的全自動(dòng)駕駛車輛,則是棋子。

不妨我們?cè)侔训缆飞闲旭偟母鞣N型號(hào)的無(wú)人駕駛汽車的加權(quán)屬性抹掉,抽象為一個(gè)個(gè)的點(diǎn),那么這個(gè)局面就很像下圍棋了。

這種模擬下圍棋的算法應(yīng)用到全自動(dòng)駕駛行業(yè)中,會(huì)給人以無(wú)限的樂(lè)觀感,因?yàn)?年前圍棋界的人工智能AlphaGo通過(guò)價(jià)值網(wǎng)絡(luò)的精確估值,避免了海量終局模擬和窮舉法,實(shí)現(xiàn)了吊打一切人類高手的突破。

與圍棋人工智能類似的是,現(xiàn)實(shí)世界的全自動(dòng)人工駕駛模擬,是建立在一個(gè)“準(zhǔn)虛擬空間”中的,目前還無(wú)法實(shí)現(xiàn)全方位的現(xiàn)實(shí)模擬,有高度精確的地圖指引,相對(duì)健全和經(jīng)過(guò)優(yōu)化的路標(biāo)路面,以及較為同質(zhì)化的行駛規(guī)則為前提,某一段精選的高速公路或者園區(qū)路況成為國(guó)內(nèi)外測(cè)試無(wú)人駕駛技術(shù)的主要試驗(yàn)田。

在美版知乎quora上一個(gè)高贊無(wú)人駕駛的用戶體驗(yàn):當(dāng)綠燈亮起,車需要右轉(zhuǎn)的時(shí)候,右側(cè)的行人和無(wú)人駕駛車輛出現(xiàn)了同時(shí)等待對(duì)方發(fā)出指令的情況,雙方都需要對(duì)方的反應(yīng)才能做出走或者停的判斷,一下子尬住了。

但由于不同車輛潛在的造成交通事故的概率而論,我們不能像圍棋那樣對(duì)子力做平均化的模塊化處理,而是必須采用“圍棋+象棋”的推演模式:對(duì)不同子力進(jìn)行加權(quán)評(píng)估。

2019年上半年,上�！皟煽鸵晃！避嚲�事故率0．32起,萬(wàn)車死亡率達(dá)21．4人,是家用小轎車的4倍左右,那么,一旦發(fā)生擁堵,當(dāng)然無(wú)人駕駛汽車前面的若是一輛渣土車,那么系統(tǒng)評(píng)估下來(lái)危險(xiǎn)系數(shù)起評(píng)分乘以4,應(yīng)該并不過(guò)分。所以,無(wú)人駕駛技術(shù)所依靠的傳感器、雷達(dá)等必須要有精準(zhǔn)識(shí)別“路障”的功能。

安全第一,但安全并不是終極目的

對(duì)于剛學(xué)會(huì)開(kāi)車的新手來(lái)說(shuō),安全第一是一條黃金法則,但老司機(jī)們會(huì)對(duì)通行效率有深刻體會(huì),他們會(huì)在保持安全,并且在豐富的預(yù)判危險(xiǎn)的經(jīng)驗(yàn)基礎(chǔ)上盡可能提升通行效率。

車距感、后視鏡的寬度,如果遇到路面上不經(jīng)意出現(xiàn)的石子、樹(shù)枝,采取何種時(shí)速選擇碾壓還是避讓,危險(xiǎn)來(lái)臨之時(shí),到底加速避讓還是剎車避讓……這一系列的精準(zhǔn)判斷,都建立在長(zhǎng)時(shí)間對(duì)復(fù)雜路況實(shí)操的基礎(chǔ)上。

小黑之前報(bào)道過(guò),前一段時(shí)間,特斯拉無(wú)人駕駛車在臺(tái)灣發(fā)生了交通事故,傳感器未能及時(shí)識(shí)別路障,剎車時(shí)已經(jīng)晚了

最后,小黑還需自我辯解一下,本文絕無(wú)抨擊大貨車和電動(dòng)車扯了城市交通后腿的意思,他們是城市交通中“乘風(fēng)破浪的姐姐”,生命力極其頑強(qiáng),本文只是想借此對(duì)一線城市路況復(fù)雜度做一個(gè)切片式的樣本分析。

總之,全自動(dòng)駕駛技術(shù)若想從農(nóng)機(jī)產(chǎn)品應(yīng)用(其應(yīng)用原理和無(wú)人駕駛軌道交通很類似)或者某些特定商用中走出來(lái),朝著有真正煙火氣的方向前進(jìn),必須要從“識(shí)車而不識(shí)路”的窠臼中走出來(lái)。