本文為【新智駕會員計(jì)劃】第 10 期內(nèi)容。
隨著自動駕駛技術(shù)的發(fā)展，新的交通形式將會出現(xiàn)，并被所運(yùn)輸?shù)娜嘶蛭铮囕v所有權(quán)的形式、及使用地點(diǎn)等因素影響。交通形式又會影響商業(yè)模式、價(jià)值鏈和企業(yè)戰(zhàn)略。最先進(jìn)的自動駕駛形式將會如何發(fā)展，以幫助企業(yè)推行戰(zhàn)略，并在即將到來的變革中保持領(lǐng)先地位？
來自麥肯錫芝加哥辦公室的高級合伙人Asutosh Padhi和休斯頓辦公室的合伙人Philipp Kampshoff分享了麥肯錫未來出行研究中心的觀點(diǎn)。其中，Asutosh Padhi是麥肯錫未來出行研究中心的創(chuàng)始人之一。
他們通過回答7個(gè)問題，討論了自動駕駛的技術(shù)、應(yīng)用和機(jī)會。這7個(gè)問題分別是：
自動駕駛技術(shù)什么時(shí)候能夠真正落地？
為什么檢測和驗(yàn)證如此重要？
車到基礎(chǔ)設(shè)施（V2I）技術(shù)是有必要的還是只是錦上添花？
預(yù)計(jì)未來會看到哪種類型的自動駕駛應(yīng)用？
自動駕駛出租車會給現(xiàn)有的出行模式帶來什么改變？
成為自動駕駛出租車市場的領(lǐng)導(dǎo)者需要些什么？
ADAS（高級輔助駕駛系統(tǒng)）是否仍然有用？
自動駕駛技術(shù)什么時(shí)候能夠真正落地？
Asutosh Padhi：我們預(yù)計(jì)，真正的L5級的自動駕駛落地還要等十年以上。但是在未來三到五年內(nèi)，我們可能會看到自動駕駛車輛在地理圍欄內(nèi)的應(yīng)用。
硬件的進(jìn)步實(shí)際上起了很大的作用。例如，激光雷達(dá)的成本在過去五年中下降了十倍。同樣，GPU能提供的計(jì)算容量也大幅增加。
但目前仍然存在兩個(gè)挑戰(zhàn)。第一個(gè)挑戰(zhàn)是物體的檢測和分類，識別行人的能力。例如，在行人推著嬰兒車，或者撐著傘，又或者捧著一些植物，看起來不像行人的時(shí)候，系統(tǒng)能否識別出行人？
第二個(gè)挑戰(zhàn)是決策。人類在駕駛時(shí)，會向其他司機(jī)傳達(dá)一些細(xì)小的信號，比如誰先走等等，這些信號通常是自動駕駛車輛無法解讀的。
讓自動駕駛車輛去學(xué)習(xí)如何識別和處理這兩種挑戰(zhàn)同時(shí)存在的邊緣情況，還需要很長的時(shí)間。
Philipp Kampshoff：這就是為什么自動駕駛出租車還沒有那么快到來的原因。自動駕駛的決策步驟是由車內(nèi)的神經(jīng)網(wǎng)絡(luò)完成的，至少大部分是。有95％的情況，是可以相對快速地訓(xùn)練的。但是，想要使神經(jīng)網(wǎng)絡(luò)的決策能夠達(dá)到99％的正確率，需要進(jìn)行更多的訓(xùn)練，還需要更多的測試?yán)锍獭?strong>邊緣情況是關(guān)鍵所在。
*Uber 測試車發(fā)生事故
人類駕駛員，平均每行駛16.5萬英里會出一次事故，這意味著，在99％情況下，人類開車是安全的。然而，對于自動駕駛車輛，監(jiān)管機(jī)構(gòu)的安全要求會比人類的高得多。而這些安全要求最終會歸結(jié)為處理一些邊緣情況，例如在一段施工道路上，路口亮起了紅燈，自動駕駛車離路口越來越近，但有一位工人正在路口指揮行人和車輛通行。自動駕駛車輛如何知道此時(shí)紅燈可以忽略？這些都是自動駕駛在大規(guī)模應(yīng)用之前必須解決的邊緣情況。
未登錄