迎難而上 | 在舊金山測試無人駕駛汽車的挑戰與必要性

*本文編譯自Kyle Vogt文章： Why testing self-driving cars in SF is challenging but necessary??（2017年10月）@http://Medium.com，閱讀大約需要6分鐘。

Cruise無人駕駛測試車記錄下的典型舊金山街道場景

到訪過舊金山的人可能都知道，這裡駕車出行的體驗可以說是非常差了。據統計，我們的測試車在舊金山遭遇挑戰路況的頻率要比在其他測試城市高出46倍。這大概也就解釋了為什麼除了我們以外，沒有其他人選擇在舊金山進行常規性的無人駕駛路測。

雖然通常來說，我們的確喜歡迎難而上、直面挑戰，但在舊金山進行路測並不完全因為我們「想要這麼做」，而是「必須得這麼做」。因為，在我們看來，這是實現無人駕駛汽車大規模應用的最快途徑。

依照我們的計劃，無人駕駛規模化應用將最先落地於繁忙的城市環境。車輛使用率在人口稠密的城市環境中較高，因此，即使是小規模的車輛投放，也能產生可持續的單位經濟效應。

隨著投放量增加、成本降低，我們將逐漸擴展至共享出行尚未普及的郊區和鄉村區域。觸及這些區域，並為社會帶來實質性影響的前提是規模——對我們而言，任何區域的缺失都意味著失敗（而且很有可能導致業務的不可持續性）。

請參考Cruise測試車隊在舊金山城區和鳳凰城郊區獲取的一些路測數據。如下表所示，每一個單元格中記錄了一天當中，我們的測試車輛在自動駕駛狀態下每行駛1,000英里（約1,610公里）遇到特殊狀況或進行操作的次數。由此可見，城市環境與郊區環境的駕駛體驗大相徑庭。

數據來源：Cruise內部量化數據

對於無人駕駛技術規模化應用來說，「先難後易」好過「先易後難」。乍一聽，這個說法可能有點違背常理。在人口稠密的區域進行測試時，我們的軟體遇到「非常規路況」的幾率要高得多，這就意味著軟體迭代更新的速度也會快得多。根據我們的經驗，在舊金山路測一分鐘，其價值等同於在郊區路測一小時。

相反，有些觀點則認為——在郊區進行無人駕駛路測和最終應用能夠加速在路況更具挑戰的地區投放自動駕駛車輛。如果說車輛在繁忙城區所面臨挑戰路況的幾率比在郊區高出大概20%，我們有可能會同意這一觀點。但是，在某些情況下，前者所面臨的挑戰比後者整整高出4,658%！正因如此，我們認為基於郊區路況設計和測試的軟體，若要其適用於繁忙的城市環境，就必須推翻重來。

舊金山是Cruise總部所在地，它的人口密度也是目前進行無人駕駛路測的城市中最高的。

常見無人駕駛測試區域的人口密度 | 來源：美國人口調查局，2010年

城市地區人口稠密、機動車和非機動車數量更多（有時還有可能出現浣熊橫穿馬路），車輛必須保持時刻警惕。

夜間過馬路的浣熊（車輛處於自動駕駛狀態）

我們的測試車輛能夠預測其周圍每一個物體的運動軌跡，並模擬該物體與其他物體可能發生的互動。舉個例子，如果前方車輛看起來會被自行車擋住去路，或者即將左轉穿過人行橫道，那麼我們預判它即將制動。

舊金山的人口密度高達每平方英里17,246人（1平方英里≈2.6平方公里），是鳳凰城的大約5倍。然而據我們統計，平均來說，測試車隊在舊金山路測時對於可能發生互動的預測量是在鳳凰城的32倍。由於物體間發生互動的可能性呈指數級增長，隨著物體數量增加，任務難度也會大幅提升。

無人駕駛車「眼中的世界」。軟體每秒運算10次以預測前方行駛路徑以及與周遭行人、車輛和騎行者的各種互動可能性

上述還僅僅是關於物體追蹤的部分。接下來我們看看在舊金山城區和鳳凰城郊區路測期間所遇到的一些典型路況和相應操作。

1. 舊金山：交通信號燈變化莫測（並非總是紅黃綠）

六向交叉路口，交通信號燈故障（車輛處於全自動駕駛狀態）

即使在光線不理想甚至信號燈故障的情況下，無人駕駛車都必須具備正確識別交通信號燈的能力。我們的車輛需要合理判斷這類情況並決定下一步行動。在舊金山Castro區的一個六向交叉路口，所有方向的交通信號燈都在閃爍紅燈。儘管如此，我們的測試車輛仍然順利地駛過了這個路口。

2. 舊金山：違反交通規則的人們

在中國城繞行一輛廂式貨車（車輛處於全自動駕駛狀態）

有人把垃圾堆放在路上、車輛隨處停放、行人橫穿馬路。面對這些狀況，我們的無人駕駛車輛必須果斷、敏捷，有時還得有點創造力。在行駛穿過舊金山的中國城時，我們的測試車可以說是一路「過關斬將」——避開運貨人員、讓公交車先行，最後還得繞開一個正在卸貨的廂式貨車。在舊金山，測試車輛常常需要連續進行多項操作；而在郊區，車輛一般單次只會執行一項操作。

3. 舊金山：頻繁施工導致地圖信息更新不及時

施工區域人為指揮交通（車輛處於全自動駕駛狀態）

在施工區域內行車的難度相當大，因為這些區域基本上不會遵循任何交通規則慣例，而且常常會改劃車道線和道路拓撲（road topology）。這意味高度依賴預載地圖數據的軟體在此情況下是行不通的。我們的測試車輛有時必須沿著錐形路障或指示燈標記的路線行駛，有時得遵循施工人員的手勢信號。每個施工區域的情況都是獨一無二的，在舊金山，我們的測試車輛遇上道路施工的頻率是郊區的39倍。

4. 舊金山：隨處可見的騎行者

騎行者在夜間突然橫穿車輛前方道路。測試車安全員在當下接管了車輛，但後續數據分析顯示我們的測試車已經制動並能夠及時剎停以避免碰撞發生。

預判騎行者的行駛路線是個難題——他們個頭比較小、騎行速度可達30mph（≈48公里/小時）以上、有時還會違反交通規則、不總是在專用車道內行駛、在車流中穿行、轉向速度比汽車還快。我們在舊金山城區遇到騎行者的幾率比在郊區高出16倍。因此，我們投入了大量精力研究當無人駕駛車輛周遭有騎行者時應該如何反應。以上動圖記錄了測試車避開了一名身穿全黑色服裝的騎行者，他在未掌握路權的情況下沖入車流並向左急轉彎。

5. 鳳凰城：條條大道暢行無阻

包括Cruise在內的許多公司都會在鳳凰城及周邊郊區進行無人駕駛路測，因為這裡天氣狀況理想、道路維護狀態良好、交通流量小，再加上當地政府也給予了政策支持。以下動圖所記錄的「在無指示燈情況下的左轉」大概已經是在郊區路況下難度最高的駕駛操作了。

雖然我們將測試重心放在舊金山，但在鳳凰城和底特律的路測對我們來說也有其價值。在多個地區路測能夠確保我們的軟體可以適應各種人口密度、天氣狀況以及當地的駕駛習慣。

有沒有發現鳳凰城的行車記錄畫風有些不太一樣？確實如此，基本上在駕駛過程中你無須變道，不會遇到施工區域，甚至都碰不上一個騎行者。

相較而言，在路況極度複雜的舊金山進行無人駕駛路測看似是個瘋狂的行為，但卻是相當必要的。達到無人駕駛可持續及大規模應用所需的性能和可靠性水平是我們當下的工作重點，我們認為，在舊金山進行無人駕駛路測是實現這一目標的最快路徑。