IT思维

大数据文摘作品  

作者：龙牧雪 魏子敏

上个月，硅谷神秘的自动驾驶创业公司Drive.ai进行了一场无人车的24小时马拉松，以期了解如何在小范围内，实现无人车行驶时间最大化。

之前，很多自动驾驶公司都曾尝试让无人车在一天的各个时间段和各种路况下试行。而Drive.ai 的这次尝试则希望进一步探索，在最大的消耗下，如何运营一支自动驾驶的“车队”。

Drive.ai两年前在硅谷成立，以深度学习作为切入点推进自动驾驶技术，目前其技术已经迭代到第四代，达到了L4级别，也即高度自动化的全自动驾驶。去年6月Drive.ai宣布完成 5000 万美元 B 轮融资。

去年从百度离职的前首席科学家吴恩达 (Andrew Ng) 也加入了Drive.ai 董事会。他的妻子 Carol Reiley 是公司的创始人之一，公司现任 CEO Sameep Tandon 则是他在斯坦福的学生。

Drive.ai把这个24小时的“拼体力”项目叫做“无人车马拉松”，并在海外媒体medium上发布了一篇“24小时无人车驾驶日记”，记录了整个项目从前期筹备到行驶过程的经历。大数据文摘整理如下。（原文链接：

https://medium.com/@drive.ai/what-we-learned-driving-an-autonomous-vehicle-for-24-hours-straight-587defe151bd ）

首先，我们设定了雄心勃勃的目标：

• 自动驾驶至少400英里；

• 克服各种路况和天气；

• 确保在90%时间内自主正常运行（我们定义的自主正常运行是有司机，自动系统开启，车门关闭，车辆在路上）；

• 零事故，零事故，零事故。最重要的事情说三遍！

我们在城市和郊区街道上运行的速度限制范围为25到40英里，所以400英里不是个容易达到的目标：我们无法在101-S号高速公路上设置巡航模式，然后让车子飞奔。

整个活动在加州山景城的地面街道上进行：从11月16日上午9时至2017年11月17日上午9时。

为了确保这场马拉松项目顺利进行，我们的许多员工在办公室通了个宵。

我们有一辆24小时连续行驶的自动驾驶车辆“主力“，还有一些别的车辆，构成了一个车队。自动驾驶是我们业务模式的关键组成部分，也是我们技术栈的关键部分，所以成功接送一些Drive.ai员工、朋友和家人是Drive ai马拉松的另一目标。

我们最近推出了升级版本的驾驶应用程序，Drive-a-thon为内部测试新的使用案例提供了一个很好的机会。

今天，即使是让一辆无人车连续工作24小时，也需要进行大量精心的计划。更不用说还要克服各种天气和路况。

首先，无论何时，在加州的公路上，我们都必须依法在车里安排一名训练有素的安全驾驶员。我们的安全驾驶员需要比实际道路上的普通驾驶员具有更高的注意力和驾驭力。

但是，一个司机不可能24小时保持警觉。我们此次分配了五个训练有素的无人车安全驾驶员为车队保驾护航。

除了司机之外，我们机械部门的工作人员还在Drive.ai总部待命，随时准备好处理从爆胎到传感器故障的任何问题。我们刚刚完成数据记录系统升级的基础设施团队也处于待命状态。

数据通道是无人车操作上一个被低估的问题：通过各种传感器和遥感技术，我们的无人车每分钟记录千兆字节的数据。对于典型的路测，我们有充足的车载存储。而对于耐力赛，这意味着“热切换”，即在不关闭系统的情况下也能更换记录存储器。

最后，我们希望这个活动也能很有趣。我们邀请了整个公司，还有很多朋友和家人来体验这个活动。

墨菲定律在活动开始的那天早上应验了：我们醒来后就下起了倾盆大雨，预计会持续一整天。尽管从今年初开始，我们在雨中进行了大量的雨水测试，但这是迄今为止我们被淋得最彻底的一次。尽管如此，我们也成功了。

上午9点，我们上路了。

新的安全驾驶员，同样的雨▲

一天中，我们通过内部共享乘车应用程序完成了数十次搭载，并保持了我们的90％自主正常运行时间的目标。

傍晚时分，倾盆大雨减轻了，但我们的周围变得越来越黑。从感知的角度来看，夜间驾驶更具挑战性。 然而好在越到晚上，我们在道路上遇到的车辆越少，每小时能够覆盖更远的距离。

我们办公室里的帐篷▲

午夜过后，我们决定回到办公室玩。 我们设立了一个室内营地，为我们所有的工作人员提供住宿，订购披萨，玩游戏，并为深夜工作的运营团队欢呼。

第二天早上，道路上比较平静，但我们仍面临挑战。 保持安全驾驶员的警惕是至关重要的，所以，全程我们都保证车上有另一位乘客，拍照、播放音乐，当然还有享受我们的车载系统！

夜间巡航▲

随着太阳升起，路上的车辆又多了起来，我们赶上了早高峰。

从早上七点到九点，在自动驾驶的第二十四小时，无人车仍运行顺利，真是太神奇了。对于任何车辆来说，行驶24小时（中间只为加天然气停了5分钟），都是件了不起的事。尽管面临挑战，我们仍然做到了：保持传感器、计算机、显示器和辅助系统在整个24小时的活动中保持良好状态。上午9点过一点，我们回到了总部的车库。成功完成马拉松！

先回顾一下我们的目标目标：90％的时间自主正常运行，400自动行驶里程，零事故。

在24小时内，我们的无人车处于自主模式22小时40分钟，在94%的时间里自主正常运行。我们途中停下的主要原因是更换安全驾驶员（约35分钟），更换数据驱动器和相关的软件维护（约25分钟），解决一个软件错误（约15分钟）和补充天然气（约5分钟）。当我们在11月17日上午9点通过终点时，我们已经开了410英里，这意味着我们的平均速度（途中停车时间也计算在内）是17英里/小时。最后，最重要的是，我们安全地完成了这次活动。

无人车的发展不仅改变我们的运输方式，也改变整个世界：在未来几十年里，土地使用、基础设施、保险业、无线通信等领域将随之发生根本性的变化。无人车的产业不仅仅涉及制造无人车，而且还涉及一个无人车生态系统。

让一个无人车队高效运转，需要考虑很多因素：

变停车场为维护中心：普通车辆平均每天停车时间为22小时以上，而无人车队的目标则为80％以上时间都在路上。虽然这意味着在任何给定时间停放的车辆的百分比较低，但是无人车的停车需求是不同的。无人车队将需要专门的维护中心作为充电或加油站、数据仓库、传感器校准站点、清洁设施等等。做好准备应对这些重大变化吧！

接送乘客：自动驾驶被誉为解决“最后一公里”问题的灵丹妙药，但出租车体验中有许多方面被我们认为是理所当然的。你如何确保正确的人已经进入车辆？如果一个或多个人需要帮忙搬运行李，该怎么办？如果一个人有残疾呢？这个“最后一米”的问题是无人车队应考虑的一个重要因素。找到一个安全的地方来停靠是往往被无人车忽视的问题。阻挡车道或自行车道几分钟可以接受吗？如果有停靠点，我们需要正确检测道路的边缘，理想情况下不要停靠至刷红漆的区域。但如果没有合法的停靠点，我们该怎么办？与司机探讨并制定一个应变计划是一种常见的做法（佛系出行：师傅你别动，我走过来），但是机器人“司机”对此还是很陌生的。

AV + EV（Autonomous + Electric vehicle）：电动化无疑将在未来的自动驾驶技术中扮演重要角色。我们在驾驶中使用的混合动力平台的能源成本约为0.09美元/英里，而像特斯拉Model S这样的当代电动汽车则更接近每英里0.04美元。但是，在充电和电池更换技术进一步成熟之前，混合动力汽车才是最佳选择。无人车想要达到90％利用率的话，不可能用一整个晚上充电。电动汽车还没有被完全采用，但我们认为，引进电动汽车将成为改善下一代储能技术所需基础设施的重要力量。对无人车队的真正需求来自于企业，这也是Drive.ai已经定位在ToB的另一个原因。

人员：今天，很多地区都要求无人车配备经过培训的安全驾驶员，无论是在车上，还是远程监督无人车的行为。新的工作机会也将随之诞生，例如：车辆清洁、一般硬件维护、传感器磨损更换和重新校准、客户支持等等。即使在一个更安全、更自动化的世界里，我们仍然会遇到出乎意料的情况，而许多客户在出现问题时会喜欢请人来帮忙。机器人能够对人类和意外情况产生同情和响应吗？这对我们来说是一个重要的考虑因素，因为我们想要开发能建立信任和理解的用户体验。

数据：无人车每分钟产生千兆字节的数据，所有这些数据都必须能供我们衡量乘坐质量，跟踪任何关键事件，并随着时间的推移改进技术。有些数据可以通过手机传输，但大部分数据必须存储在车上，这意味着硬盘必须定期更换。当数据离开车辆，它们将直接进入我们的多级数据管线，我们将处理数据，用于未来的回放、调试、可视化、注释和其他分析。

人机交互：无人车中的乘客选择了机器人来处理驾驶任务。在车内，我们的乘客可以直观地了解汽车所看到的信息以及如何它做出决定。然而，在车辆外部，我们的车辆与其环境之间的交互是另一回事。人类司机的离开，意味着我们不再有能力与外界进行目光接触和表达，至少不是以相同的方式。我们知道从驾驶到无人驾驶的过渡不会在一夜之间发生。我们已经设计了一套系统来建立人们对自动驾驶的未来的信任。人机交互是另一个重要的考虑因素。

这次无人车马拉松是一次很好的学习机会。在单一无人车上部署“马拉松”让我们有机会了解如何使一整队无人车保持最佳性能。而在2018年，我们的目标就是：打造无人车队！