来源:人民日报 记者:赵展慧 时间:2013-11-04
核心阅读
11月3日,第五届“中国智能车未来挑战赛”在江苏常熟进行。来自11家单位的18辆无人驾驶车,在城郊和城市道路上进行角逐,最终北京理工大学车队获得总冠军。
赛场
遇行人避让,学校门前减速慢行
在3日举行的城区道路考核中,一辆辆形态与技术特征各不相同的无人汽车有序地排队,等候一试身手。比赛路线都是在赛前半个小时才告诉参赛车队,没有经过事先演练。每一辆参赛汽车身后,都紧紧跟着裁判车辆,车上装有多个摄像头和显示屏幕,对车辆进行多角度监控。
来自中科院合肥智能所的智能汽车第一个出发,27分钟跑完全程18千米,表现平稳,成为城郊道路的比赛中表现最好的无人汽车之一。而来自军事交通学院的猛狮智能车队,对交通规则的遵守和规定考点的完成犹如有人驾驶一般流畅。
记者在现场看到,与前四届比赛相比,此次比赛选择了更加复杂的道路环境,增加了拱桥、隧道匝道口等场景。城郊道路的考核点包括动态车辆干扰、交通信号灯识别、施工绕行、避障等,城区道路的考核点包括有路口通行、学校门前减速慢行和遇人停车让行等。此外,为加强“最后一公里”的考核,增加了自主进入停车场停车的测试内容。
增设重重“关卡”,是为了重点考核无人车在闯关过程中,能否像人一样对交通标志、人、车、物有智能感知能力以及自主决策和行为控制能力。猛狮智能车队负责人徐友春透露,去年他们团队的无人汽车曾成功进行了京津城际高速的全程行驶,平均时速79公里,“高速公路算法我们已经测试行驶了2万多公里,难度仍不及此次比赛”。
赛事裁判组组长王飞跃介绍,比赛的评价标准有四点,即安全性、智能、平稳性和速度。最终成绩由对无人汽车人工干预的时间和次数以及裁判对于车辆的主观评价三个环节的平均分决定。
原理
“眼”“脑”配合识别路况,否则就会翻车撞树
无人驾驶的智能汽车能够像人一样识别道路上的障碍物,并且能够在学校门口减速慢行,这是如何实现的呢?
中科院合肥智能所团队负责人梅涛介绍,雷达和摄像机等传感器,相当于智能汽车的“眼”,收集道路信息。这些信息通过车内的计算机进行分析,计算机中有事先设计好的道路模型,模拟人类理解观察路况,对环境进行分析计算,并且做出决策,这相当于是智能汽车的“大脑”。最后,智能汽车执行计算机命令做出反应。
参赛车辆中,清华大学的一辆无人汽车,头顶安装的激光雷达能进行360度快速旋转。据中国工程院院士、中国人工智能学会理事长李德毅介绍,这种雷达每100毫秒转1圈,360度扫描周围路况。
比赛中,无人车的表现令人震撼,但也不乏惊险,有翻车、撞树现象发生。有一些无人车的环境感知系统与控制系统还不够同步、匹配。在王飞跃看来,这更体现了比赛的意义,“就是要在实际驾驶中暴露更多问题,为今后的研究提供依据。”
徐友春说,“我们的识别算法与去年参赛时相比有很大的进步,比赛全程都没有轧线,并且使用的是国产长城汽车,改装设备很多都是国产仪器,比如使用了北斗导航,精度不输于GPS导航。”
未来
2030年,我国或可实现城市道路智能驾驶
据了解,智能驾驶车有很多类型,无人驾驶只是智能驾驶诸多形式之一。比如,目前有些车已经实现定速巡航、自动倒车入库等功能,这些都属于智能驾驶的范畴。
“比赛裁决中既有速度测算,也有安全考量。我们不仅仅是为了科学地评价比赛成绩,更是为了探索一套智能汽车的评价机制,推动智能汽车的应用发展。”王飞跃说。
李德毅介绍,智能汽车是云计算、物联网和智慧城市等国家战略性新兴产业的交集。未来的智能驾驶并不完全是无人驾驶。“智能驾驶的目的是让人更安全更舒适,比如刹车、换道这些比较低级、持久费神的工作就交给智能汽车去做,它能比人完成得更精确更轻松。”
据了解,目前世界各大著名汽车生产商都开始研发智能汽车。谷歌已经成为第一家被允许测试无人驾驶汽车的公司。我国的智能汽车何时能够在道路上应用,驶入老百姓的生活呢?
在专家看来,我国智能汽车发展水平与国外相比仍有差距,但在技术水平上可以说各有所长。梅涛介绍,“谷歌智能汽车的无人驾驶建立在谷歌地图和街景的基础上,而我们的智能汽车则是侧重于通过模拟人类的视听觉系统进行感知判断,可以在未知的路上行驶,边认知环境边行驶。”
李德毅介绍,我国智能汽车的科研和生产结合不够,有些方面受制于人。目前我国并不掌握进口汽车核心知识产权和内部数据,比如4个车轮在行驶中的速度等,因此只能在外部放置传感器等智能感知装置。记者在赛场也观察到,各个车队改造汽车使用的激光雷达、导航等装备硬件仍以进口产品为主。
另外,智能汽车需要攻克的难点还很多。比如,怎样让智能汽车能够识别雨雪冰雹雾霾等并不影响行驶的物体。“这对人来说非常容易,但是智能驾驶系统会误以为是障碍物而停止前进。”李德毅说。
李德毅预测我国智能汽车应用的时间表为,2020年能够实现结构化道路的智能行驶,2030年实现城市道路等半结构化道路的智能驾驶,2050年实现战场、沙漠、沼泽等非结构化道路的智能驾驶。