DeepMap高深智图的联合创始人兼CTO 马克·惠勒(Mark Wheeler)发布了新的系列博客,分享他对于自动驾驶时代安全问题的看法。此系列博客讨论了L4级别自动驾驶(无需人类驾驶员监督)背景下的安全问题。
六大关键点
自动驾驶的安全性必须比人类驾驶有显著提高才可以大规模商用。
如果自动驾驶的安全性比人类驾驶高出一个数量级,那么就意味着自动驾驶车辆每10亿英里才会发生一起死亡事故。
在实践中,存在一些方法能够更方便地证明是否达到安全目标。
为了减少由受伤和财产损失带来的巨大身体和精神伤害,我们提出了自动驾驶的安全目标,不仅仅关注恶性伤亡事故,还兼顾了普通的碰撞事故。
我们提出的目标:自动驾驶车辆每行驶2000万英里无碰撞。
可扩展、完整的高精地图解决方案对达到期望的安全级别至关重要。
安全挑战
自动驾驶将为社会带来诸多好处,包括减轻交通拥堵、节省开车时间以及提高车辆安全性。自动驾驶更高的安全性是最引人注目的优势之一,但同时也是最大的挑战之一。
DeepMap认为,自动驾驶车辆相对人类驾驶车辆具有更高的安全性是它被接受和采用的必要条件。
“被接受和采用”如何理解呢?——比如父母选择让他们的孩子乘坐自动驾驶车辆而非人类驾驶车辆去上学。那么这种情况下自动驾驶车辆的安全级别如何?比人类驾驶好两倍?五倍?还是十倍?而我们又如何定义和衡量“安全”呢?
“安全”的定义
在定义“安全”时,需要考虑许多方面,包括:
数据和软件的安全性:数据和软件是否有效?它被篡改或损坏了吗?
数据准确性:用来制定行驶决策的数据是否满足准确性要求?
硬件/传感器故障模式:可能导致硬件/传感器故障的原因是什么?如何进行检测?如果出现故障,应急计划是什么?
自动驾驶车辆的功能(假设硬件和传感器运作正常):车辆能否在不伤害任何人或物的情况下良好运行其功能?
在本文中,我们将重点讨论自动驾驶车辆的功能。从功能上讲,车辆需要在乘客选择的接送点安全地接载乘客,然后根据导航将乘客送到他们要求的目的地。换句话说,车辆需要载着乘客从一个地点到另一个地点,且不发生或导致碰撞事故。
这听起来很简单,但一旦车辆开始移动就变得越来越复杂!汽车必须首先规划出从当前位置到目的地的路线,然后困难的地方来了:
车辆在开始移动之前,需要准确了解它周围的空间以及该空间中的物体。车辆需要确定在哪里它可以安全地沿着理想路线行驶,需要识别可以安全合法驶入的车道,还需要确定在多条车道中选择走哪条车道。
车辆在行驶时,需要知道相关的规则、法律和惯例,并予以遵守。出现一个错误就可能会导致自身和其它车辆陷入事故。
毋庸置疑,车辆必须避免撞到任何东西(如其它车辆、行人、骑自行车的人和动物), 以及公路上或非公路上的任何物体(树枝、遗撒物等)。
为了方便车辆以最优路线到达目的地,它可能需要沿着路线在某条特定的车道上行驶。因此车辆需要知道它在哪条车道,并且能够在必要时切换车道。
车辆需要识别其目的地,在一个安全合法的地方停车,再让乘客下车离开。
简而言之,自动驾驶车辆需要在两个或更多位置之间移动,同时:
不撞到任何东西
不违反道路规则或规范
不将他人置于风险之中
如何衡量“安全”
目前在美国,汽车每行驶1亿英里,就会出现约一起死亡事故(资料来源:美国国家公路交通安全管理局,2017)。从1980年到2008年,这一比率一直在稳步下降(见图1),并在2008年以后趋于平稳,这期间有过几次小幅上涨。
尽管在过去十年中汽车行业引入了许多安全功能,包括防撞系统、盲点警报、自适应驾驶辅助系统(ADAS)系统和车道辅助,该比率仍旧平稳,没有再出现显著下降。
出现这种情况的原因可能是驾驶员注意力不集中以及手机使用量的增长。在2015年、2016年和2017年,所有由驾驶员分心引起的车祸中,14%与手机有关(资料来源:2013-2016美国交通死亡事故分析系统(最终版),2017年年度报告文件)。
一些人认为,自动驾驶要具备可行性,其安全性须比人类驾驶高一个数量级。也就是说,在人类驾驶员每驾驶1亿里程就会造成一次死亡事故的情况下,自动驾驶要每十亿英里才能出现一次死亡事故。
自动驾驶汽车安全标准的目标是每10亿小时发生一次致命故障,也就是每300亿英里发生一起死亡事故。按照该标准,自动驾驶的安全性表现会比目前的人类驾驶好300倍。
但是,死亡事故只是一部分。
来看一下伤人事故和财产损失事故的统计数据(来源:保险信息研究所),会发现每1亿英里会发生59起人身伤害事故和141起财产损失事故。或者粗略地说,每170万英里会发生一起人身伤害事故,每70万英里会发生一起财产损失事故,每50万英里会发生约一次碰撞事故。
根据美国国家公路交通安全管理局(NHTSA)数据,这些事故带来的损失很高,仅在美国估计就高达8710亿美元,死亡、病痛以及受伤导致的生活质量下降都会产生损失。
另一种实现安全的方法是设定一个更加实际可行的可衡量目标,例如一辆自动驾驶车辆每2000万英里造成一起碰撞事故。在这些碰撞事故中,我们进一步假设几乎所有造成轻微财产损失的碰撞事故都是可以避免的(即事故不是由自动驾驶车辆造成的)。
因此,保守估计的话,我们主要考虑严重程度至少造成人身伤害的碰撞事故(也可能达到致命的严重程度)。如果每50起伤人事故中出现一起死亡事故(每起伤人事故出现死亡事故的比率略高于美国事故统计数据),要实现每2000万英里发生一起碰撞事故的目标,那么每2000万英里就会出现0.02次死亡事故(相当于每1亿英里出现0.1起死亡事故)和约一次伤人事故(相当于每1亿英里5次伤人事故)。
总的来说,自动驾驶会将人身伤害情况减少12倍,死亡情况减少10倍,比人类驾驶的安全性高出了一个数量级。同时,实现这一目标还可能会消除大多数轻微的财产损失事故。有一个可能更易于管理和可衡量的目标,安全方面会出现重大改进。
为什么是2000万英里?而不是5000万英里?不是1000万英里?
2000万英里可以使证明这种安全等级的可行性保持平衡,同时也为我们提供了一个数量级的改进目标。
尽管要证明2000万英里并非易事,但我们仍有许多事情可以做。在合理的时间范围内,通过合理规模的测试车队,在一辆量产车上累积足够的测试里程实际上是可以实现的。我将在随后的博客文章中讨论它如何在实践中发挥作用。这里的重点在于也许存在一些方法来制定在实践中方便证明的安全目标。
高精地图的角色
高精地图是实现汽车安全自动驾驶的关键技术,有助于自动驾驶的安全性,同时可帮助自动驾驶车辆在各种真实场景中实现功能目标。
高精地图包含的是自动驾驶车辆可以理解的对于世界的描述。它提供了有关道路几何形状的所有信息,以及确保车辆遵守所有交通规则和惯例的语义规则和关联。
高精地图还包含其它地理和语义信息,帮助车辆安全行驶(例如,识别其它车辆、行人或骑车的人的可能的位置)。这些信息对于车辆集中注意力,预测世界上其它参与者可能引起的问题非常重要。
如果某自动驾驶车辆违反交通法律或道路规则行驶,而其它车辆遵守交通规则,它可能会将自己和其它车辆置于危险之中。
除了确定道路规则及惯例外,高精地图还为自动驾驶车辆的感知系统提供支持。高精地图能够可靠精确地预测线路、交通标志和交通信号灯(包括具体灯泡)相对于车辆的位置,还可用于检测障碍物,包括其它车辆、行人和骑自行车的人。这些能力可以极大地提高自动驾驶车辆感知功能的可靠性。
高精地图对自动驾驶车辆而言非常具有价值,可以提供丰富的信息。然而,除非车辆始终知道自己在高精地图中的位置,否则这种地图将毫无用处。识别车辆在高精地图中位置的过程被称为“定位”。
定位对于车辆性能和安全而言十分关键。没有它,自动驾驶车辆无法决定该往哪个方向行驶才能到达目的地,也不知道具体该遵守什么规则。
自动驾驶车辆在世界范围内快速移动,在非常小的时间范围内(通常是几十毫秒)做出决策。定位过程中的任何不准确都可能导致自动驾驶车辆做出不安全的决定。
例一:定位准确的高精地图
定位准确的高精地图:这张图像来自一辆带有高精地图的汽车,且车辆的定位准确。图像显示了该车辆所理解的各个地图要素相对于自身的位置。例如,此图像显示了路缘石、人行横道、交通信号灯和交通标志。
定位不准确的高精地图:此图像显示了使用不可靠的定位系统的情况。可以注意到图中的地图要素与车辆面临的实际情况不匹配。在这种情况下,车辆认为人行横道和十字路口都比实际情况近得多。
定位与高精地图关系密切。定位不可靠会导致使用高精地图时出现不准确之处,高精地图也因此无法进行安全导航。
思考一下上面的例子。在第一个示例中,定位是准确的,因此预测的道路特征的位置相对于汽车的当前位置也是准确的。在这种情况下,车辆可以遵循地图规定的规则,做出安全的行驶决策。
当定位不准确时(如例二图示),车辆不能安全地利用地图信息,因为它可能导致错误的决定。
高精地图中包含的信息会从根本上限制定位的性能。这种深度依赖性使得定位成为了DeepMap高精地图服务的核心部分,同时定位服务也突出了我们解决方案的实用性和可扩展性,将我们的解决方案与传统地图供应商的解决方案区别开来。
在DeepMap,我们相信可扩展且完整的高清地图解决方案对于达到自动驾驶时代所需的安全水平至关重要。在随后的博客文章中,我将更详细地讨论与高精地图和定位相关的安全性的各个方面。
---
马克·惠勒博士是DeepMap的联合创始人兼首席技术官。在他的职业生涯中,他在LiDAR点云处理、计算机视觉、计算机图形学和地理信息系统(GIS)领域做出了开创性的贡献,拥有超过15项专利。在创立DeepMap之前,他曾担任谷歌的技术主管,是谷歌地理(Google Geo)企业级产品的负责人,领导创建了谷歌地图引擎(Google Maps Engine)。他还曾在徕卡地理系统(Leica Geosystems)担任首席软件工程师。马克拥有杜兰大学计算机工程学士学位,卡内基梅隆大学的计算机科学硕士学位和博士学位,在校期间曾获得美国国家科学基金会奖学金。
—————————————————————
DeepMap于2016年成立于美国硅谷,后在中国北京和广州设立了办公室,是当前世界领先的高精地图技术解决方案提供商,帮助无人驾驶车辆实现自主导航能力,是实现快速高效的无人驾驶的关键技术之一。
DeepMap拥有一支平均从业经历超过十年的工程师团队,实时处理、深度学习、大数据...我们为每一个环节找到了合适的人才,做,且只做高精地图。
北京和广州办公室招聘中,期待优秀的你加入我们。
联系方式: +86-137-7194-1495
电子邮箱: guanghui.du@goodgrid.cn
地址: 苏州工业园区东长路88号2.5产业园N1幢1803室