汽车的自动驾驶系统会受到哪些外界因素的干扰？
难关1 恶劣天气
积雪覆盖道路时，会阻挡到车道的视线，但是车辆摄像头需要依靠车道才寻找道路。目前，研究人员还未找到解决该问题的方法，这也是为什么自动驾驶测试都在亚利桑那州和加利福尼亚州等气候温暖的地方进行。大雪、暴雨、大雾和沙尘暴会阻碍摄像头的视野，激光传感器发射出来的光束会被雪花反射，认为雪花是障碍物，雷达虽然不受此类天气干扰，但是其看不到自动驾驶车辆计算机所需的物体的形状，无法判断是什么物体。
密歇根大学MCity自动驾驶车辆测试实验室主任格雷·戈麦奎尔表示，研究人员正研究使用不同光束波长的激光传感器来穿过雪花看到物体。此外，研究人员也在研发各种软件，让车辆能够区分真正的障碍物、雪花、雨、雾以及其他状况。
难关2车道线和路沿
全球范围内的道路标记线都不同，有些地方甚至根本没有道路标记线，而且车道线也不是标准的，因此自动驾驶汽车需要学会如何在不同城市里驾驶。
有些地方没有路沿帮助车辆判断车道的宽度也是个麻烦，例如，有很多自动驾驶汽车在匹兹堡的工业“狭长地带”进行测试，该市在狭窄的车道上划线以标示车辆应该在何处停车。有时两条车道标记线相隔太远，而建筑物又离街道非常近，自动驾驶汽车如果停在车道线内会看不见十字路口的交通情况。
难关3 安全问题
在外界看来，自动驾驶虽然理想丰满，但却暗藏着许多安全问题，其一是数据采集问题，如碰到传感器损坏和路况信息采集困难情况，自动驾驶车辆会因决策失误造成交通事故；其二则是死亡蓝屏问题，即临时性网络中断造成系统故障，同样会造成车辆交通事故；其三则是黑客攻击问题。
此外，自动驾驶还依赖于智能汽车标准、智能交通体系和智能汽车法规成熟，其中智能汽车标准要求加快汽车行业为中心，信息、电子、交通和互联网等不同行业协同，来建设通用的软硬件接口和数据通信协议，智能交通体系则需通过智能汽车试点示范项目，铺设智能交通道路网，智能汽车法规则是要明确自动驾驶车辆事故后责任判定。
难关4 与人类驾驶员打交道
多年来，自动驾驶汽车都必须与不遵守交通规则的人类驾驶员打交道，他们会并排停车或是直接停到其他车辆前面。最近在匹兹堡发生了一起交通堵塞，当时一辆Argo自动驾驶汽车在右转时突然停下，因为它无法决定是否应该绕过一辆并排停放的送货卡车，最终被挡住了十字路口。
此外，人类驾驶员还会与其他驾驶员进行眼神接触，以确保他们看的方向是正确的，而自动驾驶汽车仍在研发该项技术。而且有些人还反感机器人，据报道，凤凰城附近的人们一直在骚扰Waymo的自动驾驶汽车。据《亚利桑那共和报》报道，在过去两年中，钱德勒郊区记录了至少21起案件，包括有人对着Waymo自动驾驶货车挥舞着枪，有人割破轮胎，向车扔石头等，甚至还有一辆Jeep车六次逼停了该货车。
全球5国自动驾驶交通事故责任如何认定？(2)
美国其他州针对自动驾驶 汽车 也推出或提出了相应的法律规定和法案。
如德州法律规定，自动驾驶 汽车 “在所有行程中完全由自动驾驶系统操作”，不受传统车辆法律或人类司机操作车辆的规定约束；在佛罗里达州，当远程操作系统启动时，自动驾驶车辆可以在没有人类驾驶员的情况下运行。
亚利桑那州立法机构去年修订了交通法，将自动驾驶车的交通事故纳入其中，因为该州允许在公共道路上测试和操作这种车辆。该地法律要求没有司机的自动驾驶 汽车 在车祸现场停车，就像人类司机被要求停车一样。自动驾驶车所有者或代表他们的人有责任向警方报告事故。
怀俄明州参议院提出一项法案，允许自动驾驶 汽车 在公开道路运行，只要它们能够在没有司机在场的情况下遵守所有交通法规，并符合州和联邦法律的所有适用安全标准、设备要求和性能要求。法案建议，配备高度自动驾驶系统的商业车辆要有500万美元的保险，并在车头、车尾和每侧都要有“适当的标志”，让公众和执法部门知道它们正在进行自动操作。
日本：可以打手机，有政府救济
允许在高速公路上使用L3级自动驾驶的《道路交通法》2020年4月在日本生效，这一度被视为最为激进的自动驾驶立法举措之一。
自2016年5月起，日本陆续出台了《自动驾驶 汽车 道路测试指南》《远程自动驾驶系统道路测试许可处理基准》《自动驾驶相关制度整备大纲》《自动驾驶 汽车 安全技术指南》等文件，为后来允许L3级自动驾驶车辆上路奠定了基础，更高级别（L4和 L5）的自动驾驶 汽车 将在之后进行讨论。
按照修订的《道路交通法》，配备自动驾驶装置的 汽车 使用者应当将操作状态记录装置所记录的数据根据相关法律进行保存。在不满足自动驾驶装置的使用条件时，驾驶人应当使用自动驾驶装置自行驾驶该自动驾驶 汽车 。
根据《自动驾驶相关制度整备大纲》，L3级（有驾驶员乘坐状态以及有条件的自动驾驶）发生事故时的责任，原则上由车辆所有者承担，即自动驾驶 汽车 和普通 汽车 同等对待，企业的责任仅限于 汽车 系统存在明确缺陷之际。
配备自动驾驶装置的 汽车 的驾驶人在驾驶该 汽车 时，无需遵守禁止使用手机等无线装置的规定。但如果发生了交通事故，也是要承担相应的法律责任。具体承担的责任是 汽车 维护不善或者无视 汽车 警告。即驾驶员不升级最新的自动驾驶系统是不行的，在恶劣天气下灰尘或者雨雪遮挡了摄像头是不行的。在路上见到明显的警告标示，而没有采取人为干预措施是不行的，要承担责任。
日本法律还规定保险公司的业务要涵盖自动驾驶 汽车 的交通事故，如果发生了交通事故，保险公司要进行赔付。
不同于普通 汽车 的驾驶是由人做决定，自动驾驶 汽车 是由人工智能系统做决定，存在系统被黑客入侵控制而导致事故的可能，这种情况适用政府的救济制度，由政府进行赔偿。
中国：车内测试员承担主要责任
中国暂无全国性的自动驾驶政策，目前北京、上海、重庆、福州等已经发布自动驾驶 汽车 测试指南，从指南中可以看到，就目前的测试阶段，中国自动驾驶发生的事故责任认定由车内测试员承担主要责任。
2021年3月份，公安部发布《道路交通安全法（修订建议稿）》，明确了具有自动驾驶功能的 汽车 进行道路测试和通行的相关要求，以及违法和事故责任分担规定。
按照其第155条的表述：具有自动驾驶功能的 汽车 开展道路测试应当在封闭道路、场地内测试合格，取得临时行驶车号牌，并按规定在指定的时间、区域、路线进行。经测试合格的，依照相关法律规定准予生产、进口、销售，需要上道路通行的，应当申领机动车号牌。
具有自动驾驶功能且具备人工直接操作模式的 汽车 开展道路测试或者上道路通行时，应当实时记录行驶数据；驾驶人应当处于车辆驾驶座位上，监控车辆运行状态及周围环境，随时准备接管车辆。发生道路交通安全违法行为或者交通事故的，应当依法确定驾驶人、自动驾驶系统开发单位的责任，并依照有关法律、法规确定损害赔偿责任。构成犯罪的，依法追究刑事责任。
这在国家立法层面尚属首次。
自动驾驶汽车问世，它的安全性怎么样？
数字智能时代已经到来，数据成为企业创新发展的稀缺资源。数据驱动智能算法形成的大规模、个性化的生产服务能力，将深刻改变社会经济的方方面面，最终在制度和文化层面奠定数字时代特有的“品牌”。在这个过程中，我们会发现很难用现有的概念和标准来理解新的数字商务、产品和规则。
以上说法有些晦涩。举个简单的例子。自驾汽车和手动挡汽车哪个更安全？研究数据表明，从事故率的统计结果来看，成熟的自驾汽车比手动挡安全得多。根据特斯拉2018年发布的数据，特斯拉，每行驶334万英里就会发生一次事故或“撞车”事故，当自动驾驶仪失灵时，每行驶192万英里就会发生一次事故。根据美国，国家公路交通安全管理局(NHTSA)的数据，美国平均每49.2万英里就有一起车祸。简单地说，2018年自动驾驶汽车的事故率将比平均水平低至少三倍。随着自主驾驶技术的不断优化和提高(智能系统会从错误中学习)，自主车辆的事故率会更低。
基于以上统计，我们能确定自驾汽车在安全性上肯定胜过手动挡汽车吗？不一定。虽然自动驾驶汽车在事故率上明显是安全的，但由于智能系统的存在，数千辆智能汽车连接在一起成为一个巨大的汽车网络，创造了巨大的价值，但同时也存在被攻击和网络瘫痪的风险。相对于单辆车的驾驶风险，这其实是一个系统性的风险。作为一个旅行的计算终端，几乎不可避免的会受到网络病毒和黑客的攻击。传统汽车系统没有这种风险，传统汽车的安全问题是驾驶过程中的各种物理风险。相比之下，自主驾驶智能车的安全管理要复杂得多，涉及驾驶安全、物理系统安全、数据安全等多个维度。
与传统的自驾汽车相比，自驾汽车不仅改变了驾驶行为，而且改变了汽车安全和风险管理的标准和维度。从这个角度来看，自驾车和自驾车哪个更安全的问题，没有一个普遍的答案。由于它们的安全标准和风险维度不同，不同的安全指标存在巨大差异，不能一概而论。可见，面对智力发展带来的挑战和问题，我们不仅可以用现有的标准和概念来应对，更好的办法是积极学习、体验，建立新的认知和行动策略。
自动驾驶的五大核心技术
自动驾驶车是一个轮式机器人。自动驾驶可以说是一个涉及了多个学科的综合领域，本文带你探寻自动驾驶的5大主要技术，看看这个轮式机器人的大脑、眼睛等都是如何工作的。
1、识别技术
和人类的眼睛一样，这个轮式机器人也有它自己的眼睛，用来识别周边的车辆、障碍物、行人等路上的情况。
我们眼睛的主要构成部分是眼球，通过调节晶状体的弯曲程度来改变晶状体焦距来获得实像。那自动驾驶的眼睛是由什么构成的呢？答案是传感器。包括摄像头、激光雷达、毫米波雷达，还有红外线、超声波雷达等。
你可能会惊讶，需要这么多眼睛？没错，它是长满了眼睛的小怪兽，通常拥有10+只眼睛。
其中，最常用的是摄像头，几乎是毫无争议地被所有开发者采用。它和人类的眼睛最接近，可以看清有颜色的标识、物体，看得懂字体，分得清红绿灯。但是缺点也不少，比如在夜晚或恶劣的天气下视力就严重下降，也不擅长远距离观察。
其次是颇富争议的LiDAR，即激光雷达。比较常见的是在车顶，像是顶不停旋转的帽子。原理很简单，就是通过计算激光束的反射时间和波长，可以完成绘制周边障碍物的3D图。而短板则是无法识别图像和颜色。
毫米波雷达也不得不提一提，因为它的全能--可以全天候工作，这使得它不可或缺，即便它无法识别高度，分辨率不高，也难以成像。但它凭借其穿透尘雾、雨雪的硬本领，站稳一席之地。
如此多各式各样的眼睛，那她的视力一定很好咯？那也未必。你以为星多天空亮，可它们之间能够互补还好，但也难免会产生矛盾。这么多只眼睛你要优先选择相信谁，这也是一个课题叫Sensor Fusion，传感器融合。根据每种传感器的优缺点来综合评判信息的准确度，得到更可靠的最终结果。传感器融合的另一个优点是，换来一定程度的冗余，即便某只眼睛暂时失明，也不会影响它安全前行。
2、决策技术
通过眼睛识别得到了周边环境，接下来就要充分利用这些信息进行理解分析，决定自己该如何走下一步。要完成这项任务的就是最强大脑。
跟人类的大脑一样，我们不是天生就会开车，也不是拿到驾照就成老司机了。需要一定的知识积累，自动驾驶机器人也同样需要。完成大脑中的知识库有两种方式：专家规则式和AI式。
专家规则式，英文叫rule-based。即提前编写好规则，当需要做决定的时候必须严格遵守这些规则。举个栗子，当准备超车变道时，需要满足以下条件（这是一个假专家，仅供参考）：道路半径大于500R（弯道不变道）；跟目标车道上的前后车的距离都在20m以上；比后车的车速慢不超过5km/h；等等等等...以上N个条件同时满足时，即可超车变道。
l IAI式，就是一直很火的人工智能Artificiantelligence。模仿人类的大脑，通过AI算法对场景进行理解。或提前通过大量的犯错积累经验，或事前听某人指点江山。通过AI式积累知识库，会让她的反应更加灵活。专家也难免有疏忽，更何况交通瞬息万变，没有灵活的大脑如何应对我大中华的路况呢？
3、定位技术
只有知道自己在哪里，才知道自己去哪里。
现今，除了主流的用GPS或GNSS（全球卫星导航系统）来定位的方式之外，也有在公路上铺设电磁诱导线等方式来实现定位。高精度GPS定位目前来说最大难题是，山区和隧道等地理因素对精度的影响，虽然可以依靠IMU（惯性测量单元）来进行推算，但GPS丢失信号时间过长的话，累计的误差就会比较大。
另外，自动驾驶专用的3D动态高清地图带给了自动驾驶更多可能性。因为有了高清地图，就可以将自己的位置轻松定位在车道上。
4、通信安全技术
试想如果被黑客入侵，控制了你的自动驾驶车，不仅可以监听到你的秘密谈话，还很可能成为杀人工具。黑客可以通过影响传感器的数据而影响决策，或直接介入判断机制进而影响行驶轨道。
先了解一个术语，V2X=Vehicle To Everything。即车辆与基础设施之间所有通信的通用简称，包括车辆与车辆之间叫V2V、车辆与行人之间V2P、车辆与交通基础设施之间V2I、车辆与网络之间V2N等。
V2X包含了汽车和我们的个人信息，因此在通信的时候对用户的身份验证和给数据加密，这些都必不可少。
5、人机交互技术
虽说我们对自动驾驶的印象大多是，不需要人们的干涉，它就能把我们送到任何想去的地方。但是很遗憾，目前的自动驾驶系统还做不到这一点。
遇到自动驾驶驾驭不了的场景，便会呼唤你接替它的工作。这时，HMI（人机界面）就发挥作用了。它的目标是，用最直观最便捷的方式通知我们，让驾驶员尽快注意到。
自动驾驶的利与弊分析
利:未来发展趋势，让驾驶更安全，解放人，愉悦人
弊:因目前的技术水平还未成熟，存在被黑客攻击，存在安全风险！同时自动驾驶需要增加汽车本身的购买成本。
0条大神的评论