未来出行——智能网联汽车(2)

依靠各类传感器，无人驾驶汽车可以保证其行驶安全
Wikipedia Creative Commons Attribution 2.0 Generic
无人驾驶汽车所使用的导航地图，精度高，信息丰富，包含传统导航地图中所没有的各类道路标识线、红绿灯以及龙门架等信息。无人驾驶汽车在通过十字路口时，如果拍摄或者识别不到某个交通标线，就可能会出现误判，进而导致事故。而拥有了高精度、深加工的专用地图数据，即使十字路口缺少某些道路标线或出现了标线破损、遮盖等状况，无人驾驶汽车也可以读取地图中的引导线，安全通过十字路口。
此外，这种高精度的专用地图还包含一些的“虚拟线”，比如能够表示道路连接关系的道路中心线。这些虚拟的线可以帮助无人驾驶汽车安全行驶，并在行驶的过程中识别出它所行驶的车道，保障车辆安全换道。
如果将静态高精度地图数据与动态的交通信息数据的相融合，就可以让无人驾驶车辆拥有一些传统驾驶难以拥有的智能，例如在红灯排队时，识别出哪个车道队伍更短，智能规划路线。
无人驾驶汽车所使用的这种专用地图的精度可以达到十个厘米级，与同样精度的定位系统相配合，就可以极大的保障无人驾驶汽车的的行车安全。当无人驾驶汽车驶入导航定位信号很弱的区域，例如地库时，汽车可以通过地库内布置的室内基站及场端的激光雷达获取定位信息，再结合地库的精确地图实现安全智能行驶及停车。
目前，无人驾驶系统对于复杂路况信息的识别主要依靠人工标识。人工智能标注公司会使用传感器采集各类素材资料，并标注相关信息，用以训练机器与系统的识别智能。例如让无人驾驶汽车分辨车辆的类型，懂得区分是轿车还是卡车；识别行人的特征，确保不同外貌、着装的行人均能被正确识别。如果把人工智能比作一个孩子，这些标注好的资料就像是孩子的食物，而人工智能标注公司就是制作食物的人。因此，在这种“人海战术”的训练模式下，想要达到多少智能，就需要多少人工。
根据前期采集、搭建的道路数据场景库，科研人员可以在实验室搭建出仿真或实际场景，对真实路况中可能发生的种种突发情况进行模拟，进而测试、训练无人驾驶系统的性能。例如电动车及自行车逆行、车辆打滑、行人横穿马路、超车侧面碰撞、强行塞车等。尽管现在的无人驾驶汽车上已配备有数量可观的传感器，无人驾驶汽车也已经学会自主识别交通标志，应对突发交通事故，但真实的路况往往比实验室所能提前设想的场景要要复杂的多，无人驾驶汽车要想真正上路，单靠汽车本身的智能化是不够的。