站内公告: 欢迎光临外围足球汽车零件有限公司网站!
4006-825-836
>> 当前位置:主页 > 配件分类 > 行驶系配件 >

交通设施|蔚来事故重要一问:辅助驾驶车辆为

文章来源:admin 更新时间:2021-08-23

  不过,从驾驶场景来看,这些并不连续的新功能,至多在一些碎片化场景中有效,即便再多,也不能满足驾驶需求。譬如,自动泊车是在停车位置确定的情况下,需运行几十秒钟完成;紧急制动只在不可避免的碰撞前一两秒起效;而汽车偏离车道时,车道警告装置会短暂发出警报,前提是在有清晰车道线月,上海华山路,等候红绿灯的车辆。澎湃新闻记者 周平浪 图如上所述,当前付诸使用的所有驾驶辅助系统,都只能在很短的时间内在极其有限的环境中运行。

  这些“碎片化”功能,无法连接起连续的驾驶需求,只能在断断续续有限的场景下起辅助作用。而人们对汽车的使用,往往连续几十分钟或几小时,驾驶场景也千变万化。也就是说,当汽车行驶的那一刻起,场景就是连续的,不会碎片化,也不会留容错余地,开车人需要应对所有可能出现的短期意外事件。而在特定场景下有神奇表现的辅助驾驶,在连续驾驶条件下,并不值一提。这就如同即便认识几千个字,即便认识甲骨文,也不意味着能读懂文章,更不代表能写出文章。

  也有一些研究者提出,这些辅助驾驶的车,仍然可以连续自动行驶,只是在不能覆盖的场景下,要求驾驶人能及时接手,来弥补缺陷。而现实中,已出现一次又一次的事故,证明这样的观点是无稽之谈,是书斋里的异想天开。

  8月12日,在沈海高速福建莆田段发生了一起交通事故。一辆被认为具有自动驾驶分类中L2级的车辆,在其辅助驾驶系统开启的情况下,撞上一辆正在低速行驶的路政车辆。在网上流传的视频中,路上的雪糕筒(路锥)洒满了一地。

  前方有施工作业,这个场景在人眼中显而易见,自动驾驶车辆却看不见,这让公众很惊讶。但这种情况,在L2这个级别的自动驾驶车辆里却不新鲜,早期的特斯拉也发生过类似事故。2019年,特斯拉声称,更新的系统已弥补了这个缺陷。

  不能发现临时摆放的路锥,或无法理解其表达的含义,是这类自动驾驶车辆设计中必然存在的问题。其实,即便当前最为领先的自动技术车辆,对施工作业区有时也会迷惑。这是由自动驾驶车辆本身的运行机制而导致的。

  自动驾驶,或现有声称的达到L2、L3的辅助驾驶系统,其车辆行驶的轨迹决策通常基于地图,通常是自动驾驶高清地图,精度要精确到厘米甚至毫米,且要能整合实时数据和自身定位。

  然而,大部分厂商做不出实时的自动驾驶高清地图,至多只能做出高清地图,标识出道路边缘和车道分界,识别出标志标线信号灯。道路上许多实时场景,譬如施工作业区,由于在路上存在的周期过短,往往不会出现在厂商现成的高清地图里,需要由车辆自带的摄像头、雷达等检测器来探测并融合到自动驾驶地图里。

  连续行驶过程中,自动驾驶或辅助驾驶系统,需要迅速融合摄像头、雷达等检测器探测到的信息,判断当前场景,预测下一步趋势并决策。对人类来讲,这个过程非常自然。千百年的进化,已让人类能轻松地在几秒内完成发现、判断、预测、反应、行动这一系列工作。然而,对机器来讲,这其中有难以克服的困难。

  原因之一是,场景实在太多。即便在同一个城市,同一处地方,也会因天气、光照、沿街装修、绿植生长等,产生许许多多机器认为不一样的场景。更不用说行人、路边停车等动态变化。外围足球机器需要认识并识别这些场景的含义,才能做出判断、预测和动作。这是艰难且耗时耗力的工作。这个工作,当前的辅助驾驶系统会用机器学习这样的技术完成。

  而且,这些自动驾驶或辅助驾驶系统的车辆,还不能为满足计算识别一幅一幅场景的充足时间,而像乌龟一样在路上慢吞吞行驶。在现有技术条件下,为满足速度要求,这些车辆不得不严重依赖自动驾驶地图,重点识别移动的物体和人。

  这个意思是,只有抛弃或简化一些信息,才能在车速要求的时间内完成识别。这个过程叫“多源数据融合”。然而,“融合”是非常有难度的工作。摄像头、雷达等检测器得来的数据,有时相互冲突,与自动驾驶地图也会有矛盾,而检测器本身也会因天气、光照、灰尘的原因失效或犯错。但机器不知这些设备的数据,哪个是对的,哪个是错的。因此,在融合过程中,算法的好坏很关键,要会做决策,判断对错。在许多企业的判断、决策的算法里,地图总是被假定是正确的,融合基于假定正确的地图上完成。自动驾驶或辅助驾驶,需要先小心探测出自动驾驶地图,才能正常运行,没有地图,就无法正常的运行,视频中显示了这一过程。

  因此,沈海高速这起事故中,施工作业区放的这些路锥,并不在当时行驶的这辆车子的自动驾驶地图里,在融合这些数据过程中,路锥即便被拍到,在这短暂的融合过程中,可能被算法抛弃,也许是当作检测器的错误数据,也许只是认为数据不重要而忽视。无论哪种原因,这辆车子最终融合的地图里,并没有告诉汽车应避让或停下,于是,事故就这么发生了。

  机器的逻辑,是由数据和算法决定的。数据和算法的质量决定了机器的行为。这与人类的逻辑完全不同。机器如果犯错,说明其数据和算法的质量不足以应付当时场景。而如果导致严重的事故,则说明其决策逻辑可能有明显错误。因此,需要调查的是,这类事故中,是没检测到路锥,还是没识别出路锥,或是有障碍物数据,却被忽视而做出了冒险决策。这些可能性都有,需要细细深究。

  一辆具有自动驾驶概念的车辆,一旦发生严重事故,总会引起舆论波澜。车企或辩解只是辅助驾驶,并非自动驾驶车辆,或声称同类车辆已多次发生严重事故,也有许多方家提供惊奇解说,争夺流量。

  众说纷纭是常事。而作为监管部门,应以科学专业的态度来对待这类事故,也应发声来解释问题,消除公众过度担心,同时能保护产业发展。

  作为监管部门,首先应该考虑,采取必要行动来探查究竟。譬如启动事故的技术调查,或者事故的深度调查。

  这些具有先进科技概念的车辆,交通事故的技术调查,并不能局限在责任认定和分摊上,也不应简单推导技术与责任的关系,更不应坐视地方管理部门处在虽没有足够专业能力却硬要下结论的困境。比较担心的是,当前普遍采用的以责任为导向的事故调查方式,有可能会拖累产业长期发展,将责任凌驾于技术之上,会分不清是技术发展必然存在的犯错,还是已知问题却不愿改进的恶意行为,等等。

  汽车发展的历史,是安全改进的历史。安全带、安全气囊、防抱死系统等,无不是以发生事故然后改进的方式推动。从经验来看,无论声称如何安全或智能,这类车辆必然存在安全缺陷。专业的技术调查,才能对此发现和改进。同样,专业的技术调查,也能找出证据发现故意隐瞒缺陷,维护消费者权益和社会公平。唯有以专业、公开且经得起质疑的技术调查,才能让这个产业走的更远更健康。

  其次,监管部门还要用专业可靠简单的结论,回答公众提出的简单的、常识性的问题。用户唯有知情,才能理解,才能达成消费意愿。难以听懂的结论,不足以化解质疑,也会让这个市场被怀疑拖垮。

  --如果检测器的数据里没有路锥和施工车辆,是什么原因?如果检测器的数据里,可以识别---出路锥和施工车辆,是什么样的机制将这些信息纳入决策的?

  最后,监管部门应该用好用足现有的交通事故处理手段和汽车管理制度,譬如汽车召回制度,并改进现有的制度。

  舆论通常将调查等同于追责,而忽视其专业程度的重要性,也忽视宽容包容的长远好处。事故的技术调查结论,可以提供追究刑责的证据,也可形成针对同类车辆召回的结论,还可以形成是无心犯错的结论。推动交通安全进步,问责并不是唯一的办法,重大事故也不应成为安全改进的唯一动力。历史证明,还有更多的路径。比如海恩法则。

  按照海恩法则,每一起严重事故的背后,必然有29起轻微事故和300起未遂先兆以及1000起事故隐患。以海恩法则的逻辑来看,这类车辆应该曾发生过很多小事故和微不足道的意外。如果希望避免大事故,那就必须形成对小事故、小意外的跟踪和调查机制。因此,监管部门应建立全国性的上报平台,让厂商、用户能对具有自动驾驶概念车辆发生的事故或意外自主上报,对小事故、小意外进行跟踪、统计并向社会公开,形成全方位的监督和促进机制。

  汽车安全的历史上,总有以个体牺牲推动整体安全进步这样的循环。如果,外围足球这种牺牲不能引起监管部门和产业界的行动,下一次类似事件出现并不会等很久。

上一篇:女子驾驶悬挂军牌外围足球的私家车上高速公路

下一篇:货车在行驶 号牌却没了外围足球

返回列表



Copyright © 2014-2021 外围足球汽车配件有限公司 版权所有电话:4006-825-836手机:0536-2082255转8017

地址:山东潍坊市北海路财富国际商务大厦23层网站地图