第一篇综述-无人车简介（二）
第一篇综述-无人车简介（一）
目录
正面影响
巨大经济效益
增加驾驶安全
缓解交通拥堵
降低环境污染
负面影响
大量人员失业
泄露隐私
公共安全威胁
面临的挑战
伦理道德
责任归属
技术障碍
正面影响
进入21世纪，科技巨头如Google、百度、阿里巴巴、腾讯、华为等都或高调或低调地投入自动驾驶汽车的研究，众多的传统汽车制造商如宝马、奔驰、通用等也不甘落后，纷纷加入自动驾驶汽车的研究领域，新兴公司如特斯拉、蔚来汽车、小鹏汽车等，更是集自动驾驶和造车于一体。这说明自动驾驶，是众多企业的战略高地，在AI时代如果失去了这块领域，在未来将丧失一份大蛋糕的分成，下面来分析自动驾驶所带来的巨大优势和社会变革。
巨大经济效益
据世界经济论坛估计，汽车行业的数字化变革将创造 670 亿美元的价值，带来 3.1 万亿美元的社会效益，其中包括无人车的改进、乘客互联及整个交通行业生态系统的完善。据预测，到 2035 年，仅中国就将有约 860 万辆自动驾驶汽车，其中约 340 万辆为全自动无人驾驶，520 万辆为半自动驾驶。有行业主管部门人士认为，“中国轿车的销售，巴士、出租车和相关交通服务年收入有望超过 1.5 万亿美元。”
无人车能够应用在物流、载客运营、高危物品运输、园区接驳、交通巡逻等各种场景，能够保持24小时行驶，能够极大地降低人力成本，提高车辆运输能力，创造巨大的经济收益。
增加驾驶安全
世界卫生组织提供的数据显示，全世界每年因道路交通事故死亡人数约有125万，相当于全球每天有3500人因交通事故死亡。数据显示，每年还有几千万人因此而受伤或致残。在美国，每年估计有 35000 人死于车祸，印度为238000人，中国为 260000 人。中国是世界上交通事故死亡人数最多的国家之一，跟我国人口基数大有直接关系，中国以世界3%的汽车保有量，达到了全球16%的死亡人数。
据安全专家预测，一旦无人驾驶技术得到充分发展，由人为失误所造成的交通事故（以及由此造成的伤亡和费用），如缓慢的反应时间、尾随、橡胶颈、酒驾、违反交通规则、视野盲区、操作不当、以及其他形式的分心或侵略性驾驶都可避免。据咨询公司麦肯锡估计，无人车的广泛使用可“消除美国所有汽车事故的90%，每年可防止高达1900亿美元的损害和医疗费用，并挽救数千人的生命”。
自动驾驶汽车由于采用计算机控制，外加多种传感器感知周边环境，几乎360度无死角，遵守交通规则，永远不会疲劳驾驶或酒驾，在驾驶安全性上比人类驾驶具有先天优势。
缓解交通拥堵
交通拥堵几乎是每个大都市都面临的问题。以美国为例，每位司机每年平均遇到 40 小时的交通堵塞，年均成本为 1210 亿美元。在莫斯科、伊斯坦布尔、墨西哥城或里约热内卢，浪费的时间更长，每位司机每年将在交通拥堵中度过超过 100 小时。在中国，汽车数量超过 100 万辆的城市有 35 个，超过 200 万辆的城市有 10 个。在最繁忙的市区，约有 75% 的道路会出现高峰拥堵。中国私家车总数已达 1.26 亿辆，仅北京就有 560 万辆汽车。
Donald Shoup 的研究发现，都市区 30% 的交通拥堵是由于司机为了寻找附近的停车场而在商务区绕圈造成的。另外，根据估算，在都市中有 23%~45% 的交通拥堵中发生在道路交叉处。 交通灯和停车标志不能发挥作用，因为它们是静止的，绿灯或红灯是按照固定间隔提前设定好的，不管某个方向的车流量有多大。
而无人车搭载的车载感应器，通过V2X（Vehicle To Everything）的方式能够与智能交通系统联合工作，通过对实时交通信息的分析，自动选择路况最佳的行驶路线，从而大大缓解交通堵塞。并且红绿灯的间隔也将是动态的，根据道路车流量实时变动，这样可以通过提高车辆通行效率，缓解拥堵。
降低环境污染
汽车是造成城市空气污染的主要原因之一。兰德公司的研究表明，“无人驾驶技术能提高燃料效率，通过更顺畅的加速、减速，能比手动驾驶提高 4%~10% 的燃料效率。”一项 2016 年的研究估计，“等红灯或交通拥堵时汽车造成的污染比车辆行驶时高 40%。” Uber 在旧金山和洛杉矶的车辆出行中分别有 50% 和 30% 是多乘客拼车。在全球范围内，这一数字为 20%。无论是传统车，还是无人车，拼车的乘客越多，对环境越好，也越能缓解交通拥堵。
而无人车集共享、绿色能源（一般是电动）、节能于一体，不仅能缓解交通拥堵，更能够有效降低汽车对空气的污染。
负面影响
前面从经济效益、驾驶安全、缓解交通拥堵、降低环境污染等方面，列举了自动驾驶积极的一面。但凡是都有双面性，无人车也不例外。
大量人员失业
广泛普及的无人车，将会造成道路运输业中与驾驶相关的工作的损失，比如出租车司机、货运司机、公交司机等，无人配送，将导致目前炙手可热的快递员大量失业。汽车保险理赔员、4S店汽车维修员、甚至交警都会在无人车浪潮的冲击下，大量失业。
泄露隐私
由于无人车在车内部和外部，都搭载了各种传感器（如定位器、摄像头、激光雷达、超声波雷达、毫米波雷达、通话录音设备等）， 以及车联网在通过V2V（Vehicle to Vehicle）和V2I（Vehicle to Infrastructure）等多种通信方式，车辆与云端的升级交互等，使得参与交通中的车辆、乘客、行人的隐私或多或少受到泄露。
公共安全威胁
无人车一般都会通过OTA（Over the Air） 进行软件或数据升级，通过无线通讯传递数据或收发控制命令，以及车辆所搭载的娱乐系统、传感器设备或互联网系统，都将成为黑客攻击点，从而遭到黑客挟持。如果大量的无人车被恐怖份子所控制，那将会造成灾难性的后果。
面临的挑战
曾经的自动驾驶汽车，只出现在科幻小说或影视作品中。随着科技的飞速发展和进步，无人车不再是科幻作品，而是实实在在走进了普通百姓的生活中。Google旗下的Waymo汽车、Uber自动驾驶汽车、特斯拉汽车、搭载百度Apollo系统的金龙客车，都已量产，在特定场景下甚至比人类驾驶员操纵还熟练，活脱脱一个“老司机”的模样。
但从目前技术方案来看，现有的无人车，说到底就是搭载了传感器、软件和计算机的汽车而已，缺乏人类的综合判断、经验常识和逻辑推理能力，面临一些技术难题有待攻克。同时，也涉及到人工智能所不可避免的伦理道德、责任划分等议题。
伦理道德
道德和道义的推理在设计自动驾驶软件时应该考虑到，因为它决定了汽车在不可避免的碰撞中所采取的行动。但这是个备受争议的话题。例如，无人车在预料到不可避免地发生碰撞时，是选择撞上一辆公共汽车，但可能会造成公共汽车里面的乘客死亡，还是选择转向其他地方，但可能会杀死自己的乘客或是附近的人。AI（Artificial Intelligence）程序员发现难以回答这个问题（就像普通人和伦理学家一样）： “汽车需要做出什么样的决定，才能对人们生活的造成最小伤害”？
程序员需要更密切地考虑人类伦理的可变性、情境依赖性、复杂性和非确定性等性质。不同的人类驾驶者在驾驶时，会做出各种各样的伦理决策，例如避免伤害自己，或使自己处于危险中以保护他人。这些决策的范围从极端的自我牺牲或过失犯罪，到常规的以保护自我为目标的决策，不能通过一种统一的方式来控制人们的决策。基于概率论的机器学习，其判断逻辑和决策也具有一定的随机性和不透明性，即使按照一定的规则对其进行干预，人类也难以对无人车的最终伦理道德决策进行评估或测试。
责任归属
当发生交通事故时，事故责任方是车辆制造者，还是车辆运营方，亦或是提供自动驾驶系统的软件开发公司？由于一辆完整的自动驾驶汽车，内部必须有一套自动驾驶软件系统，而软件系统依赖于外部传感器设备所传输的数据，通过无线网络从云端服务器获取控制命令或升级数据，通过CAN 总线下发各种控制命令来控制车辆行驶。不可避免地涉及到车辆制造商、传感器设备提供商、软件开发公司，其特定的行驶场景，会将车辆运营方也牵涉进来。
这种错综复杂的相互依赖关系，造成事故责任归属难题，目前业界也没有明确的答案。最经典的案例就是特斯拉的事故。
2016年5月7日，一位名叫Joshua Brown的前美军海豹突击队队员驾驶一辆特斯拉Model S，在美国佛罗里达州的高速公路上，驶入一辆18轮拖挂卡车的底盘下面，Joshua Brown当场死亡。出事时车辆的Autopilot自动驾驶模式处于激活状态，卡车司机称死者当时可能在车内看电影。事后NHTSA(美国高速公路安全管理局)宣布对25000台特斯拉Model S展开调查，尤其是Autopilot的设计和性能。
这是第一起自动驾驶交通死亡事故，其发生和处置势必将对自动驾驶技术的未来发生重要影响。最核心的一个问题是，谁来承担责任？驾驶员还是汽车厂商？这是自动驾驶技术问世到现在，一直笼罩在整个行业上空的阴影。
谁犯的错误，谁来承担责任，这是最朴素的正义观。因此有专家早就提出，当计算机代替人类驾驶汽车时，该负法律责任的既不是车主也不是车主的保险公司，而是汽车的软件和硬件公司。2015年10月，沃尔沃公司宣布，对其全自动驾驶系统造成的人员、财产损伤，公司将承担责任。汽车制造商愿意承担责任，是为了消除人们对自动驾驶的疑虑。但事先的表态是一回事，真正发生事故后是另一回事。至少目前看起来不太情愿为这起事故承担全部责任，特斯拉辩解它的Autopilot只是半自动驾驶，而不是全自动驾驶，不为该起事故承担全部责任。
技术障碍
抛却伦理道德、法律法规等各方面，单纯地从技术角度来看，自动驾驶汽车仍面临如下几大技术挑战：
- 无人车在混乱的城市内部环境中仍然无法正常行驶。
- 无人车的计算机、汽车之间的通信系统易受到黑客攻击，如何确保信息的绝对安全？
- 汽车的传感器和导航系统对不同类型天气（如雪、雾、黑夜）或故意干扰的敏感性，包括干扰和欺骗。
- 基于深度机器学习的模型，缺乏普适性。例如沃尔沃发现适合驯鹿、鹿和麋鹿的识别跟踪软件对袋鼠没有效果。
- 无人车可能需要非常高质量的专业地图才能正常运行，在地图过时时，如何保证合理性？
- 无人车对社会经验常识的综合判断和逻辑推理，比如行人的手势、语言、神态的理解等。
第一篇综述-无人车简介（一）