智能汽车

文远知行WeRide自动驾驶开进城中村

在退化的交通规则下进化的自动驾驶算法

  (2020年09月10日 中国 广州)一直以来,对于司机来说,城中村是城市里最难开的路,让车寸步难移。对于机器来说,城中村里交通规则几乎完全退化,让系统算不过来。今天,文远知行的自动驾驶汽车开进城中村,做到全程安全无接管。

  文远知行自动驾驶路测超过900多天,积累了280万公里的自动驾驶里程,接待乘客近9万人次,并在黄埔区、广州开发区全对外开放运营Robotaxi(自动驾驶出租车)超过200多天,零主动安全事故。接下来,集中处理最复杂、罕见的长尾场景,是实现全无人驾驶的关键。而在城中村,这种长尾场景随处可见。

  建筑密度超70%,人山人海 道路宽度仅4米,车水马龙

  城中村散落在高楼林立的市中心和商务区附近,这里随处可见小吃、饭馆、超市、杂货店。商铺门口堆满货物、客人围着卖烧烤的三轮车、摆地摊的小贩一个比一个霸“道”、开着电瓶车的外卖小哥穿街过巷……在城中村里开车,这些都是最熟悉不过的场景。夜晚的城中村更是热闹非凡,路边摊灯火通明直到深夜。

  归纳起来,城中村有几个典型特征:

  1. 两高一低:人口密度高、建筑密度高、容积率低

  2. 自成一格的交通体系:缺乏内部道路交通网,没有规则就是唯一的规则

  3. 麻雀虽小,五脏俱全:每个城中村都是一个完整的迷你生活圈和商圈

  4. 内外差异巨大:大多位处繁华CBD周边,村内村外交通形成巨大差异

  中国城市的商业区建筑密度一般不会超过40%-50%,而部分城中村的建筑密度最高可达70%。城中村中往往只有一两处宽度仅为 7 米的对外联系道路, 村内部道路多以房屋间距作为步道, 大多只有 2 ~ 4米宽, 不仅行人,也行车,不设车道线和交通灯,各类私家车辆、路边小摊档直接停放在马路边,供车辆通行的空间极为狭窄。而一旦出村,地铁站、繁华商区的宽敞大路又会突然显现,村内外交通场景差异显著。

  自动驾驶眼中的城中村:交通规则退化,每一米都是长尾场景

  在自动驾驶汽车眼中,城中村是一片充斥着海量的动态障碍物数据、没有可识别的交通标志、无法事先定义的极限挑战场景。在城中村中,自动驾驶车辆经常遇到的典型长尾场景包括:

  1. 周围障碍物行进路径不确定:

  由于交通规则缺位,没有车道线和交通灯,路面上充斥着随时变化行进方向、速度的汽车、自行车、电动车和行人。

  2. 近距离交互,与车辆行人擦肩而过:

  由于道路极其狭窄,可供通行空间不足,再加上密集的人群流动,自动驾驶车辆要与周围车辆和行人在厘米级的距离内产生交互,会车经常需要与对面车辆擦肩而过。

  3. 小型障碍物挑战自动驾驶车辆盲区:

  随处可见的小型障碍物突然闯入,如小狗、散落在路上的货品,这些大大增加了自动驾驶车辆的盲区风险。

  文远知行一直以一套通用的自动驾驶算法WeRide ONE解决所有不同应用场景的问题,并在不断的学习中,进行自我进化。到现在,WeRide ONE在感知、预测、规划、决策、控制的线性逻辑的基础上,加入了环境观察、双向交涉、达成共识、形成默契的算法,最终实现安全而且稳定的自动驾驶。在破解城中村复杂交通的问题上,WeRide ONE有三大法宝:拥抱不确定性、达成共识、克服盲区。

  拥抱不确定性:越不确定,越稳定

  城中村内车多人杂,随时变化行进方向,对自动驾驶的预测算法造成了极大的挑战。对此,文远知行WeRide ONE采取的应对方式是:拥抱预测的不确定性。

  文远知行在预测算法中强化了机器学习的模型。机器学习模型是基于大数据提取障碍物行进特征,反复进行模型训练,提升算法,提高预测准确率。

  文远知行机器学习模型更突出的一个特点是,调整系统的交互思维。在自动驾驶车辆跟周围的车辆、行人动态互动时,会根据每一步的互动,在短时间内实时调整预测结果,而非死板地依赖于某一固定时刻的预测数据。同时,通过将预测与规划、决策和控制环节更好地衔接,提升了整个系统的稳定性,让车辆行驶更平稳。

  达成共识:提高机器在人机博弈中的主动性

  城中村交通规则退化,缺乏统一的交通规范,需要靠行人、车辆的“共识”来维持交通运转。机器如何与周围的障碍物和场景“达成共识”?自动驾驶车辆不会讲话,是通过动作来传递信息。

  在安全第一的准则下,文远知行的自动驾驶车辆会以礼让行人、车辆为优先考虑,在会车时,首先选择主动靠边让行。但是,在拥挤、繁忙的城中村街道,让行也可能导致车辆始终无法行进、卡死在原地的情况发生,适当地采取主动交互,以调整方向、速度等方式,给周围行人、车辆以信息,寻求新的共识。

  达成共识是破解城中村交通的重中之重,是文远知行WeRide ONE最关注的技术提升点。

  克服盲区:远处看得见,近处看得清

  文远知行自主研发的自动驾驶传感器套件,能检测到远至250米范围内的所有道路和交通信息,360度全覆盖四周各种障碍物,比人眼更精准、可靠地“看”到周围的物体,对障碍物进行检测、分辨、跟踪,最终形成对场景的正确理解。

  但是在城中村拥挤的交通环境下,自动驾驶车辆在近距离检测方面面临巨大的挑战。自动驾驶车辆与周围物体的距离可以低至几厘米,“贴着”障碍物行进的情况时有发生,需要自动驾驶车辆的最近检测距离几乎为0时,做到没有盲区。

  针对城中村,文远知行将传感器套件进行升级,增加了高线束的侧翼激光雷达,加强贴身障碍物的精细化检测,大大提高检测的精度。

  迈向全无人驾驶

  为城市交通打造Robotaxi服务,需要具备在城市开放道路上灵活处理各类复杂交通问题的能力。这其中,对自动驾驶产生最大挑战的是违反交通规则、不按常理出招的车辆或行人,构成了自动驾驶技术发展至今,最难攻克的长尾场景。文远知行通过高强度、高密度的长尾场景训练,迭代算法,可以加速推进自动驾驶技术的成熟。

  文远知行解决在城中村实现自动驾驶的问题,不仅可以在城市开放道路中更安全、自如、稳定地提供出行服务,还将有助去掉安全员,更快实现全无人驾驶运营服务的目标。

[!--page.stats—]