就在本周四凌晨,湾区发生了4.4级地震,当时一些正在开车的朋友也略有震感。今天的自动驾驶还无法处理地震、台风、暴雪这些特殊情境。然而特殊情境距离我们并不遥远。现在各个公司都声称有能力做到在安全环境下自动驾驶,但要真正脱颖而出,还是要看处理特殊情景的能力。谷歌等公司已经在密歇根州测试雪天路况。也许用不了几年,自动驾驶车就会成为人类的诺亚方舟,帮助我们躲避所有灾害。
下面总结一下大部分自动驾驶公司挑选环境的策略。
第一步实现环境:晴天、阴天驾驶,并且没有日出日落时候斜照的强光。地理位置上偏向车少、人少的地段,主要是高速路或郊区。
第二步实现环境:夜间驾驶,可以处理小雨、雾、雾霾。开始转移到车多、人多的地段,主要是市中心。
第三步实现环境:雪。积雪会将整个路面遮盖,难度比下雨要高很多。
在有能力处理基本天气和城市环境之后,就要考虑一些特殊情况了,例如地震和台风。这些情况其实在很多国家地区经常出现,尽管是小地震、小台风,也会影响自动驾驶车的性能。
灾难发生前
预警:日本已经可以做到地震之前几秒钟预警。如果一辆自动驾驶车能够接收到预警,就会在最短时间内传达给所有其他自动驾驶车,保证迁移尽可能多的乘客到安全地带。空闲的自动驾驶车也会自动行驶到安全地带,避免财产损失。
视觉:自动驾驶车不但要会探测行人和车辆,也必须探测特殊天气和特殊情景,比如海啸、洪水。被积水覆盖的路面就不能再行驶。一旦探测,就必须反方向行驶。部分自动驾驶车会有双向行驶的功能,不用倒车就可以反方向行驶。
灾难发生后
平衡需求:灾难发生后往往有大批的人需要被转移,但是现有交通往往不够用。2017年拉斯维加斯枪击事件发生后,有大量游客需要被安全转移。当时没有人类司机愿意去拉斯维加斯,这样的差事正好由自动驾驶车承担。普通车一般不会坐满,造成资源浪费。但自动驾驶车可以保证载尽可能多的乘客,在最短时间里疏散更多的人。
信号中断:大的灾难往往伴随着断电。没有了信号,自动驾驶车精确定位就会比较困难。但还可以依靠线下地图,做出粗略定位。
路线重设:灾难会阻拦道路甚至毁坏道路,这就要求自动驾驶车及时调整路线。车与车之间分享路况信息。视觉系统需要探测出被阻拦的路段或是鸿沟。
想成功探测这些少有的天气,就需要设计仿真情景,在仿真环境里训练车辆。以下是一些场景示例,欢迎大家补充。
特殊天气识别。比如积水、积雪、路面震动、鸿沟。
遇到因特殊情况被迫移动的车辆。比如因为地震摇晃而移动、不受人类控制的车辆。
被强风吹起或是被积水冲出的物体。
被毁坏的路面。强烈天气后,房屋部分倒塌,或是路面部分凹陷。
领取专属 10元无门槛券
私享最新 技术干货