《百面机器学习》试读 | AI热门应用之自动驾驶

小编提示

又到了一周一次的学习时间，本周我们将奉上《百面机器学习》人工智能领域热门应用相关章节连载第三期????

在上一期的连载中，我们精心挑选了对本书深有学习体悟的小伙伴 @镇亮 送上签名珍藏版《百面机器学习》，相信其他同学也可以从中获益匪浅，得奖的小伙伴请后台联系我们，我们会将奖品尽快寄出????

⚠️【福利依旧】留言写下你的阅读感想，我们将会继续选取第五位留言的幸运同学，送上有主创团队“签名开光”的《百面机器学习》书籍一本。福利剩余不多，大家抓住机会积极参与噢～

AI热门应用之“自动驾驶”

“自动驾驶”自上世纪初被雄心勃勃的汽车工业巨头提出以来，就一直是人们梦寐以求的出行技术。从2005年DARPA挑战赛以来，基于车辆智能化的自动驾驶进入快速发展期。从互联网巨头到传统汽车企业纷纷投入巨资，试图引领这场出行技术的革命。而这场革命的核心，便是人工智能。

1

为什么要无人驾驶？

安全：根据统计，仅在美国平均每天就有103人死于交通事故。超过94%的碰撞事故都是由于驾驶员的失误而造成的。从理论上说，一个完美的自动驾驶方案，每年可以挽救一百二十万人的生命。当然，目前自动驾驶还远远没有达到完美。但是随着算法和传感器技术的进步，人们相信在不久的将来，自动驾驶将超过人类司机的驾驶安全率。

方便：自动驾驶可以将驾驶员从方向盘后面解放出来，在乘车时进行工作和娱乐。美国有近1.4亿上班族，除去节假日，平均每天花近一个小时在上下班的路上。如果把所有人一年中的这些时间加起来，将有三百多万年，足以完成300部*全书，或者26座埃及金字塔。

高效共享：Uber, Lyft和滴滴这些共享出行的巨头，都在积极研究自动驾驶，因为共享出行最大的成本来自于司机的时间。如果能够实现自动驾驶，那么人们可以不再买车和养车，完全依赖于共享出行。这将为每个美国家庭节约$5600美元，约合他们平均年收入的10%。

减少拥堵：如果说前面这些优点还有赖于自动驾驶的大范围普及的话，那么减少拥堵这个优点，就可以说是立竿见影了。根据伊利诺伊大学沃克教授的一项研究，在一个人工驾驶的车队中，只要加入一辆自动驾驶汽车，就可以将车队行驶车速的标准差减少50%，使得行驶更加稳定和省油。如果大家在路上看到车顶安装着雷达的自动驾驶汽车，请感谢它，因为它正在帮你减少你面前的拥堵。

为了更加直观地衡量以上这些好处，我们不妨把这些益处能给美国出行市场带来的价值做一个预估。总共节约的成本约合每年5.3万亿美元，为美国GDP的29%。它们的分布如图1所示。

图1：个人出行的财政角度分析（美国市场）

2

自动驾驶的定义

自动驾驶这个词最早来自于飞机、列车、航运领域的辅助驾驶系统。它的广义的定义为：自动驾驶是无需人工的持续干预下，用于自动控制交通工具行驶轨迹的系统。按照自动化程度和驾驶员的参与度，国际汽车工程师协会将自动驾驶分为5级，如图2所示。以现在已经发布的量产车为例，奥迪A8处于L3，特斯拉处于L2.5。L2等级的汽车就很多了，凯迪拉克、沃尔沃、尼桑、宝马、奔驰的高端新款车都属于这一等级。一般来说，如果一个车辆能同时做到ACC（自适应巡航）和LKA（车道保持辅助），那这款车就跨进了L2的门槛。比如2018版的凯迪拉克CT6的半自动驾驶系统“Super Cruise”就是典型的L2级别。

图2：国际汽车工程师协会将自动驾驶分为5级

3

自动驾驶与人工智能

自动驾驶的支撑技术可以分为以下3层：

（1）上层控制：路线规划，交通分析，交通安排；

（2）中层控制：物体识别，路障监测，遵守交规；

（3）底层控制：巡航控制，防抱死，电子系统控制牵引力，燃油喷射系统，引擎调谐；

其中每一层都可以用到人工智能技术。图3将人工智能的算法，与其在自动驾驶中的应用场景做了一个映射。

图3：人工智能算法在自动驾驶中的应用场景

以下简要介绍中层控制中，路障监测用到的两个重要的工具：“占据栅格（Occupancy grid）”和“不确定性锥(cone of uncertainty)”。

占据栅格是一个存储了汽车周围实体对象信息的数字存储库。占据栅格中的实体，一些是源于已经存储的高清地图的静止物体，另一些是汽车根据传感器的实时信号识别出的移动物体。通常使用彩色编码和图标来可视化那些经常出现的物体所对应的占据栅格。

左图即为谷歌无人车在一个十字路口，根据传感器数据进行物体识别所得到的占据栅格，叠加显示在高精度地图上。

有了占据栅格，我们知道物体当前时刻的位置。显然这还不够，自动驾驶汽车还需要知道物体在未来t时间可能出现在哪些位置。不确定性锥就是用来预测汽车附近物体的位置和移动速度的工具。一旦基于深度学习的物体识别模块标记了一个物体，占据栅格就会显示出它的存在，不确定性锥就会预测物体下一步的运动方向。

不确定性锥为无人驾驶汽车提供了人工智能版的场景理解能力。当人类司机看到行人站得离汽车太近，他就会在脑海中思考要转向避开；在无人驾驶汽车中，利用不确定性锥技术也会进行类似的“脑海思考”。像是消防栓这样静止的物体，会用一个瘦小的圆锥体表示，因为它基本不大可能会移动。相比之下，快速移动的物体会用一个宽大的圆锥体表示，因为它可能运动到的地方比较多，所以它将来的位置是不确定的。人类驾驶员并不会在脑海中将附近的每一个物体清晰地标记成椭圆锥体，然而不确定性锥与人类潜意识中的处理过程大致是相同的。我们的大脑不断记录更新着周围出现的人和物体，结合以往的经验和眼前事物的状态，我们能猜测出这些周边事物的意图并预测出它们下一步会做什么。

中层控制软件按照如下方法创建不确定性锥：首先，在平面上画出一个物体，在物体周围画一个小圆圈，我们称它为“当前活动圈（current circle）”；然后，再画一个大圆圈，标记出未来十秒钟后物体可能会到达的所有位置，我们叫它“未来活动圈（future circle）”。最后，用两条线把小圆和大圆的边缘连接起来。这就是不确定性锥。

不确定性锥替代了人类驾驶员与行人之间的眼神交流作用。从无人驾驶汽车的视角来看，一个站在路边面向街道的行人会用稍微向前倾斜的锥体表示，表明她随时可能穿过街道。如果她的眼睛不是盯着前方，而是盯着手机，她的锥体图标则是另一种形状，或许更加窄小，因为她并没有准备好继续前进。如果她扫视了一眼无人驾驶汽车，她的锥体图标将进一步缩小，因为汽车的软件会识别到她看见了这辆车，也就不太可能挡在汽车的前进路线上。越不可预知的行人，锥体的形状就越大。摇摆不定的自行车骑行者比静止的行人有更大的不确定性，相应的锥体也就更大。四处乱撞的小狗或追着球跑的孩子，则会用更大的锥体表示。

有时，即使一个静态的目标也可能会用一个大号锥体表示其不确定性——具有遮蔽性的建筑——虽然它们本身不大可能移动，但是可能会遮蔽一些移动的物体。对于死胡同、转弯处，或随时可能会有乘客下车的一辆停在路边敞开车门的汽车，无人驾驶汽车的中层软件系统都会标记一个大号的不确定性锥。静止的校车也可能会产生不确定的大圆锥，虽然校车本身或许不动，但是随时都可能有孩子从车后跑出来。

当汽车附近的物体都被标记并表示成了大小不一的不确定性锥，一个称为”轨迹规划器”的模块，就能据此计算出最佳行进路线（如右图所示），并保证遵守交通规则，减少行程时间和碰撞风险。

关于自动驾驶技术路线的演进、自动驾驶的商业化及自动驾驶算法工程师需要具备的技能等相关知识我们在书籍中有更为详细的讲解，现在也有不少专门的自动驾驶培训班或慕课作为辅助，欢迎广大读者们继续深入、系统地进行学习。

《百面机器学习》

《百面机器学习》业已上市

首日荣登京东计算机新书榜第1名

15位一线算法工程师的鼎力佳作

124道基于真实场景的原创面试题

内容丰富，讲解详实

无论是求职面试还是在职学习

这都是一本值得珍藏的技术宝典

现在入手，赢在起跑线

点击原文链接了解书籍详细情况及购买方式

现在下单还可以领券优惠～

点击阅读原文，了解更多