交通規劃案例集/自動駕駛汽車的出現

建議閱讀

• 美國交通部聯網車輛研究
• 自動城市交通系統設計考慮因素
• PRT 諮詢影片關於阿聯酋的馬斯達爾城
• 多智慧體系統交通建模：群體智慧方法
• 由計算機和感測器引導，每小時 60 英里的平穩行駛

汽車的誕生與發展

早期機動車輛

現代汽車的起源可以追溯到 17 世紀，由南懷仁為中國皇帝建造的模型。從那個玩具開始，經過一個多世紀，才出現了全尺寸的蒸汽動力汽車。大約在 1800 年，隨著蒸汽動力被內燃機取代，取得了進一步的進展。儘管鐵路使用的蒸汽機和煤炭動力發動機大量增加，但直到 19 世紀末，汽車才出現。

1885 年，德國工程師卡爾·本茨推出了第一輛現代汽車，這是一輛專門設計為由發動機驅動的車輛。有趣的是，賓士專利-汽車是一輛三輪車（一輛領先，兩輛拖尾），與目前的四輪車不同。從 1885 年到 1920 年，汽車經歷了一系列的進步，包括過渡到汽油動力（大約在 1910 年）。

自動駕駛汽車的前身

1920 年之前，大多數汽車都是由手搖起動裝置啟動的。由於發動機在啟動時的執行不穩定，手動起動器經常使早期汽車的主人受傷。早在 1896 年，電動起動電機就已經開始研製，並被應用於汽車，到 1920 年，電動起動電機已成為新車的標準配置。這是自動駕駛汽車成為現實所需的多項前身技術中的第一個。

第二次世界大戰前後，自動變速器 (1930 年代) 和戰後不久的巡航控制系統 (1940 年代) 的發展，出現了更多前身技術的開發。有了這些，車輛可以在任何數量的坡度或彎道上以預先定義的速度行駛，駕駛員只需負責轉向。但是，巡航控制系統直到 1960 年代和 1970 年代才可以透過人機互動控制。隨著電子裝置變得更便宜、更小巧、更復雜，機械式巡航控制系統被能夠與其他車輛控制系統互動的計算機化版本所取代。

當前技術和進步

隨著計算機和感測器技術（聲納、雷達等）的興起，現代車輛配備了許多自動化功能來幫助駕駛員。在向自動駕駛汽車過渡方面最重要的功能包括自動剎車、車道偏離檢測、盲點警告、GPS 導航和自動平行泊車。這些型別的系統會自動檢測附近其他車輛和/或車道線的存在，以避免碰撞，並完成人類駕駛員難以快速可靠地完成的任務。

有關這些技術的更多閱讀材料可以在 這裡 找到。

科幻小說中的自動駕駛汽車

隨著汽車成為主流，作家和電影製片人擴充套件了車輛技術的界限，並提出了一些關於個人車輛未來的想法。早在 1950 年代，菲利普·K·迪克和羅伯特·海因萊因等作家就在小說和短篇故事中加入了自動駕駛出租車系統。這些虛構的系統通常類似於今天正在開發的技術：完全自動駕駛車輛、語音控制系統、自動導航

更現代的描述出現在電影和電視劇中，例如《霹靂遊俠》、《少數派報告》和《我，機器人》。

谷歌汽車

谷歌的自動駕駛汽車

谷歌的自動駕駛汽車專案涉及使用人工智慧技術使汽車自動駕駛，無需人類駕駛員的干預。該專案由塞巴斯蒂安·特倫領導，他是斯坦福人工智慧實驗室主任、谷歌工程師以及街景地圖服務的共同發明者。

技術

自動駕駛的谷歌汽車改編自傳統汽車。最初，谷歌擁有一支由 7 輛自動駕駛汽車組成的車隊，包括 6 輛豐田普銳斯混合動力車和 1 輛奧迪 TT。2012 年，谷歌將雷克薩斯 RX450h 混合動力車加入車隊。

其想法是使用人工智慧軟體來感知周圍環境，模擬人類駕駛員做出的決策。 該過程是透過汽車上配備的攝像頭、雷達感測器、雷射測距儀以及谷歌資料中心提供的詳細地圖資訊來實現的，以幫助汽車導航。

在自動駕駛過程中，汽車會發出公告，例如“正在接近人行橫道”或“前方轉彎”，如果主控系統檢測到各種感測器出現任何問題，就會提醒駕駛員。

安裝在汽車中心的感測器稱為雷射雷達，或稱光探測與測距。它提供了一個不斷更新的三維地圖，該地圖以釐米精度擴充套件到汽車周圍超過 230 英尺的範圍。

該汽車配備了 4 個標準的汽車雷達，解析度較低，範圍更大，前面有 3 個，後面有 1 個。車內有一個高解析度影片攝像頭，安裝在後視鏡旁邊，用於檢測路燈和行人、騎車人等移動障礙物。該汽車還配備了 GPS 接收器和慣性運動感測器。

人類駕駛員有三種方法可以控制汽車：按下右手附近的一個紅色按鈕，踩剎車或轉動方向盤。

測試谷歌汽車

自動駕駛汽車是從普通汽車改造而成的。谷歌為汽車配備了能夠自動駕駛的技術。最初，谷歌秘密進行自動駕駛汽車專案，並在 2010 年年底將其公佈於眾。^[4] 截至那時，所有自動駕駛汽車都行駛了 1000 英里，無需人工干預，而且行駛了超過 140,000 英里，只有偶爾的人工控制。^[1] 這些汽車行駛過金門大橋、太平洋海岸公路、太浩湖、谷歌聖莫妮卡辦公室，甚至還有倫巴第街，^[2] 這條街是美國最陡峭的街道之一，有很多急轉彎。

此後，測試仍在繼續。截至 2012 年 3 月，測試里程已達 200,000 英里。谷歌於 2012 年 8 月 7 日宣佈，自動駕駛汽車已完成超過 300,000 英里的測試，在計算機控制下從未發生過一起事故。^[5]

迄今為止，自動駕駛測試遵循以下幾個程式。在測試開始時，谷歌會向當地警方介紹其工作，然後派一名駕駛員駕駛一輛傳統汽車繪製路線和道路狀況，記錄車道標識、交通標誌等特徵。^[2] 一組軟體工程師將對繪製的資訊進行標註，以確保道路標誌、人行橫道、路燈和其他非尋常特徵都已嵌入。所有這些資訊都會由谷歌的資料中心進行處理並存儲。^[3] 之後，將沿著相同路線進行自動駕駛測試。在汽車自動駕駛時，它會記錄發生的任何變化並更新地圖。整個過程，包括手動駕駛和自動駕駛，被稱為 SLAM（同步定位與地圖構建），它可以在汽車定位在地圖內時建立和更新地圖。^[3]

自動駕駛汽車並非無人駕駛。車內將有一名受過培訓的安全駕駛員坐在方向盤後面，可以在必要時接管汽車，還有一名受過培訓的軟體操作員坐在副駕駛座上監控軟體。^[2]

關於自動駕駛汽車的法律

自動駕駛汽車的出現帶來了棘手的法律問題。現行法律要求始終有一名駕駛員坐在方向盤後面。此外，許多機動車法律都假設有一名人類操作汽車。正如加州機動車管理局高階法律顧問伯納德·魯所說，“在許多方面，技術都領先於法律。”^[6]

最初，谷歌在加州的公共道路上測試了自動駕駛汽車。雖然這在法律上沒有得到正式允許，但根據加州的機動車法規，這被認為是合法的，因為駕駛員坐在方向盤後面，可以糾正任何錯誤。^[6]

內華達州是第一個授權自動駕駛汽車在州內道路上行駛的州。該法律於 2012 年 3 月 1 日生效。^[7] 佛羅里達州於 2012 年 4 月成為第二個透過法案允許測試自動駕駛汽車的州。^[8] 加州是第三個頒佈自動駕駛汽車立法的州（2012 年 9 月）。^[9]

事故

谷歌的第一起自動駕駛汽車事故發生在 2011 年 8 月。谷歌的一輛普銳斯追尾了另一輛普銳斯。但谷歌表示，汽車在碰撞時並未處於自動駕駛模式。

成本

除了傳統汽車的成本外，谷歌的自動駕駛汽車還需要搭載價值約 150,000 美元的裝置。僅車頂上的雷射雷達就價值 70,000 美元。^[10] 顯然，目前對於消費者來說，這太昂貴了。

谷歌汽車的潛在影響

提高安全性是該專案的主要目標。谷歌認為，機器人駕駛員比人類駕駛員更具優勢，因為它們擁有 360 度感知能力，反應速度更快，而且不會感到疲勞或分心。^[1] 因此，使用自動駕駛汽車將有可能減少道路交通事故並挽救生命。谷歌汽車可以在道路上比手動駕駛汽車更近距離地行駛（“未來的高速公路列車”，用谷歌的話說）。^[2] 因此，它們可以提高道路通行能力（谷歌估計可將道路通行能力提高一倍），^[1] 提高時間效率，並緩解交通擁堵。

如果谷歌汽車減少了汽車事故，那麼汽車就可以更輕。^[1] 減少交通擁堵以及更輕的汽車可能會導致燃油消耗降低。

谷歌汽車也可能改變人們使用汽車的方式，並推動汽車共享。當汽車最終不再需要有人坐在方向盤後面時，它們就可以透過電子方式被召喚，這樣人們就可以共享它們。人們只需撥打電話，然後等待自動駕駛汽車來接他們。汽車共享將減少對汽車和停車位的需求。

需要解決的問題

目前，谷歌汽車的設計團隊尚未能夠訓練汽車識別人類交通警察或交通引導員做出的手勢。^[3] 該團隊還需要研究臨時施工訊號和其他許多駕駛員遇到的棘手情況的解釋。^[11]

為了使自動駕駛汽車真正安全，汽車中的計算機系統需要非常可靠。如今的個人計算機不夠可靠，因為它們偶爾會崩潰，而且容易感染病毒。^[1]

責任也是無人駕駛汽車的一個潛在問題。如果發生事故，誰該負責——坐在方向盤後面的人還是軟體製造商？^[6]

未來

人們正在探索許多關於未來車輛的想法。有些系統將是全自動的，而另一些系統只是創造更智慧的汽車。以下是一些目前正在研究或至少正在考慮的想法的例子。

車對車 (V2V) 通訊

V2V（車對車）系統是指在一定範圍內，車輛之間透過無線傳輸進行通訊的系統。一輛汽車會向其傳輸範圍內的其他車輛傳送“我在這裡”資訊。這個資訊是一個簡單的資料包，包含車輛的位置、速度和行駛軌跡。其他車輛的計算機接收並處理這些資料，根據收集到的資料做出決策以降低風險。最終的目標是讓所有道路上的車輛都具備V2V功能，這樣所有車輛都可以獲取大量的資料。實現該系統所需的所有技術已經成熟。GPS系統可以提供必要的資料，許多新車型已經具備可傳輸資料訊號的Wi-Fi功能，正如前面所述，一些車型還具有駕駛輔助功能，可以在發生碰撞時接管駕駛員的操作。不過，車輛即使沒有駕駛輔助功能，V2V也能正常工作。警示系統和警報也能起到輔助駕駛員的作用。美國交通部目前正在研究V2V系統的可行性及其帶來的安全效益。V2V系統的優勢在於，它能讓駕駛員依然享有與現在相同的駕駛自由，同時又能減少危險的碰撞事故。潛在的缺點是，人們可能對將自己的駕駛資料分享給他人感到擔憂。

車路協同 (V2I)

V2I（車路協同）與V2V類似，車輛依然會傳輸行駛資料，但它們會與基礎設施進行通訊，例如交通訊號燈和數字路標。V2I的目標是更有效地告知駕駛員，同時最大程度地減少基礎設施的需求。與V2V一樣，V2I的技術已經成熟，只需將其應用於車輛和基礎設施即可。V2I被視為V2V的補充系統，目前也正由美國交通部進行研究。目前，美國交通部認為該技術可用於駕駛輔助，但未來它有可能發展成為無人駕駛技術。

自動導引運輸車 (AGV) 和個人快速運輸系統 (PRT)

Masdar City PRT Pod

AGV（自動導引運輸車）是一種自動化系統，車輛在預設的路徑上行駛，通常是在軌道上或透過磁力驅動。AGV在製造業中非常常見，它們取代了人工操作的物料運輸方式，例如托盤搬運車和叉車。在科幻小說和電影中，出現了將AGV用於人員運輸的想法，近年來，一些地方嘗試在少數地方實施這種系統。在阿布扎比附近的阿拉伯聯合大公國馬斯達爾城，曾嘗試在新建成的城市中採用個人快速運輸系統 (PRT) 來代替傳統的道路系統。PRT系統使用了一系列無人駕駛的電動汽車，由道路下方的磁力引導。這些汽車的行駛路線不受限制，可以將乘客送到城市的任何地方。乘客只需到達車站，使用平臺上的電腦呼叫一輛汽車。汽車到達後，乘客輸入目的地即可。乘客還能享受公共交通帶來的額外便利，無需與公眾共享交通工具。最終，由於成本節約的考慮，馬斯達爾城的PRT系統被取消，只有一段從輕軌站到大學的線路保留下來。

群體智慧交通系統 (SITS)

SITS（群體智慧交通系統）是一個相對較新的概念。它是一種基於社會昆蟲行為的系統，例如螞蟻、蜜蜂和白蟻。有時也被稱為集體智慧，指的是每個個體都在為整體做出最優行動和移動的理念。目前對SITS的研究旨在透過改進建模和分析流程來提升現有的交通系統。群體智慧的未來潛力巨大。有人設想了一個由超級計算機組成的中央控制網路，它可以控制所有交通工具的移動並最佳化效率。這個概念還處於起步階段，但很有可能在未來得到應用。這種系統的缺點是，由於所有交通工具都實現了自動化，駕駛員將完全失去駕駛自由。但另一方面，所有交通工具都實現了自動化，因此幾乎可以消除所有的事故。