在今年的 T 圈大会上,「运营」成了车联网的重点

· Dec 10, 2018 333

从 2008 年开始,每到年底,中国车联网圈的人就会聚到 TC 汽车互联网大会上,聊聊行业的变化。今年大会的主题是「 车联世界 数字运营 出行智能」。 去年,T 圈大会主题是「Mobility driven by AI」,翻译过来就是 AI 驱动出行。只从字面意义看,就能看出这是一个很形而上的概念。 而今年的主题,更多的是落在了运营这个概念上。事实上,车联网已经不仅仅被认为是一个简单的服务、应用或者概念,而是能够服务于出行领域,并且需要包括端、网、云在内的各个玩家共同努力的复杂产品。 车联网要发展落地,运营商的参与是基础。特别是由于 5G 商用在明年就会有比较成规模的落地,所以无论是在数据传输的速度、稳定性、安全性方面都会有很大的进步。因此而提升的服务能力,又会反过来促进整个车联网行业的服务能力。因此,我们也很好奇在 5G 即将落地的时候,车联网又会有哪些发展趋势。 在活动第一天,来自联通智网科技的副总经理赵亮发表了以《5G 时代的车联网运营》为主题的演讲,以下是演讲原文。 非常荣幸有机会代表联通智网科技在这里和大家汇报中国联通和联通智网科技最新成果,包括我们对 5G 时代的一些分享。 我讲一下我们 2018 年取得最新的成绩联通智网成长,我们公司化运营做了三年,我们也见证整个 T 圈包括车联网的成长,我们也得益于整个产业的繁荣,这个是我们目前的情况,我就不说了。重要的是 2018 年,既宝马、长城、吉利这样车联网呼叫中心提供之后,像捷豹、路虎我们也提供车联网呼叫服务中心,我们成为全球最大车联网最大的服务提供商这是我们重要的成绩。 第二个也是全球最多的在线商店服务商,我们在 2018 年成功进行第一个,国内第一个 5G 连接的商用服务,宝马 2021-2025MO 项目我们成功服务宝马,同时 2018 年还为沃尔沃重要客户提供了 UICC 平台的一个全球通信解决方案,这也是国内运营商第一个提供 UICC 服务的,同时 2018 年我们也建立了电信行业内首个智能网联的研究院,我相信这也为未来 5G 时代发展,助力车厂转型能够进一步打下基础。 我们耕耘产业十年,公司化三年过程中我们客户也得到翻倍增长,我们运营模式不断创新,和众多车厂建立运行模式,我们也进行体制机制改革,特别是和 12 家车厂已经建立车联网联合运营模式,我们贡献了我们 AMPS 平台能力,我们和 15 家建立 5G 未来通信联合实验室,面向未来部署智能网联的新局面,通过构建稳定的专业化运营环境,在助力车厂形成运营差异化能力和实现转型,以上我讲的第一部分,2018 年取得的成绩和大家分享,共同见证车联网产业繁荣。 第二部分我想讲,随着我们新的时代,我们如何看待未来车联网发展,在这样一个发展中,我们怎么样构筑面向一个用户运营新的基因,我们看到大会的标题是第十一年了,再次展望未来中国汽车互联网新的十年,这个新的十年我们要知道,推动这个新的十年原动力是什么,我们理解其中有四个重要的推动力将在未来车联网十年中发挥重要作用,今天上午我们多嘉宾也提到,第一个动力就是消费者变化,今天上午德勤的咨询师说未来 2025 年将有 58%人是 90 后作为购车者,消费者变化不止 90 后甚至 95 后已经成为新的变化或者新的变化因素,如何应和消费者需求,包括他们对汽车产业新的车联网体验的要求,成为每个参与这个产业的玩家的共同选择,第二个很重要的力量就是所推动,我们看到产业在 2017 年标配只有 15%左右,2020 年之前 80%甚至 100%全线标配将是大趋势,我们车联网服务已经成为汽车产业销售的重要亮点或者卖点,向中低端延伸的标配到全生命周期的标配,到我们不限量的服务,这个很可能会是这个产业最终共同的选择,竞争一定驱动这个产业,包括我们车联网迈向未来得重要因素。 第三个我们今天在 2018 年谈这个话题更有现实的意义,十年的时间中国汽车产业高速增长,2018 年我们降下来了,而且未来江苏还将长期存在,如何应对市场变化,消费者的改变还有竞争的恶劣和加剧是所有主机厂面临的共同选择,转型更加迫切,转转到哪里去怎么转,这个可能是产业一个共同的话题,有一个传统制造企业变成一个用户运营的服务运营企业说起来容易做起来难,我们作为一个脱身于车身运营商企业怎么帮助主机厂转型后面我会讲。 第五个因素,未来十年很重要的技术变革就是 5G 到来中国电信企业声称,我们 2019 年上市 5G,2020 全面商用 5G,5G 技术带来全面变化,网联驾驶变得更加可实现、商业化,这个一定会为我们今天的选择产生影响,所有人不会放弃基于网联自动驾驶给这个产联影响,我们看清未来十年驱动中国整个车联网产业驱动力我们才可以更好做出现实选择,我们主要看到 2018 年汽车产业面临很大问题产量的滑坡,包括我们的政策的退坡,整个产量市场的低迷,这个已经影响到我们产业最终的选择,如何能够转身、转型度过那个冬天能活到那个春天其实是我们所有车厂面临的重大问题。 这里面两条选择很重要,一个就是今天上午我们广汽的同事也讲到很重要的话题,第一个就是以大数据真正的驱动这个企业内部价值的打通,从一个传统产品中心制造企业,变身与大数据转型,第二个车联网是重要支点,由传统企业不支撑用户,到支撑用户运营的企业,我们寨回顾过去十年和未来十年发展中,经历了三个阶段,第一个叫车联网 3.0 用功能性车联网为用户提供服务的时代,我们是连接人的时代,连接人的需求、服务场景、体验,基于我们原车厂具备一种用户运营的能力,应用聚合的能力和产品定义能力,这个需要一种平台来提供需要一个体系支撑,需要建立数据驱动运营服务的体系,我们处在 2.0 时代,未来是什么?基于 AI、5G 通信技术展现的人、车、环境包括人、路、车、云的协同体系交连接生态,这个在我们现在已经迈进 3.0 时代或者 ITS 时代,智慧交通或者智慧城市时代,接下来讲我们怎么样构筑面向 2.0 时代,构筑面向运营服务的体系,这里面我们智网科技提供四个方面支持。 第一个我们建立一套平台,不论是 AM 的平台,包括我们筹划的平台都是具备这样的运营服务基因,刚才联友的杜总讲到这样平台支撑我们车厂从产品制造企业变成用户运营企业转型的重要支持,第二光有平台不够,整个体系要打通,要以用户为中心长期和用户联系,这里面有一套用户运营体系、产品运营体系,这个是我们长期制作企业不具备的。 第三个我们需要连接生态,需要整合资源、面向用户,如何构建一个有温度的生态让它来提升我们在车里为用户提供的服务和体验。第四个就是实现数据驱动,第一个通过一套机制一个帐户来建立一套平台最终实现数据驱动的平台运营,至于平台的具体方案如果大家有兴趣我们会后可以单独交流,我们有一套和车厂深度运营的平台,这个平台可以帮助我们车厂建立及用户运营和产品定义的一整套服务模式。 第二个就是建立一套直达用户的服务体系,我们的原车厂更多的是把车作为一个产品交付给 4S 店,我们没有跟用户直接运营的环节和手段,车联网为我们提供重要手段让我们持续运营用户,这里面依托这个平台建立用户全生命周期的管理,建立产品定义和应用聚合的体系,从而实现整个基于平台的用户运营能力的提升,这样一个服务体系是需要被建立的,我们也为很多车厂提供咨询的服务。 第三个我们面向用户整个资源,包括我们的 IFTENMT,但这些不够因为未来场景不在这当中,所以我们生态有可扩展性,第四要通过大数据让我们的车厂改变营销模式,更低成本、更高效率的获取用户,第二要以数据为驱动,打通企业内部的采购、制造、销售、服务环节,从而实现一个制造企业向服务运营企业的转型,第三就是与大数据驱动来实现车联网的持续的运营,最终变身为一个用户运营的公司,最终实现以帐号打通声带,数据驱动运营,这个就是我们如何帮助原车厂构筑服务运营的基因,这就是我给大家汇报的第二部分。 第三部分主要讲一下我们怎么样携手共创 5G 的新时代,走向车联网的 3.0 时代,我们看到目前的技术发展已经展现出三个重要的拐点,第一个拐点叫技术的拐点,我们看 L3、L4 级的这样一个无人驾驶技术,在技术上已经得到了验证,目前最大的问题是商业化的成本过高,今天上午北汽的同事、广汽的同事都已经提到这点另一方面基于 5G 技术、基于 4G 增强技术,基于 V2X 技术已经到来,这两个结合已经是技术拐点。 第二服务拐点,以前讲无处不在的链接,现在更愿意听到无处不在的技能,也是重新定义未来得基础设施是什么,国家也在建设共性化基于网联的平台,打破主机厂实现真正意义上共享攻坚平台,最大化网络基础设施价值这就是第二个,仇心定义未来智能网联的基础设施,车联网的基础设施是什么?一定是一个服务的拐点不再是网络而是智能化,而是一个平台化泛在的体现。 第三个拐点已经出现的,基于 5G 包括基于 4G … 继续阅读

汽车系统如何变得更安全?QNX 说要做到这七点

· Dec 05, 2018 333

我们不得不承认一个事实,当汽车越来越智能的时候,随之而来的风险也越来越大。 这不是一个耸人听闻的说法。早在前几年,菲亚特克莱斯勒就由于车机被黑客入侵后远程遥控而进行了大规模召回,更不用说因为「 网红效应」 而被各种破解的特斯拉,以及系统不稳定经常出现「 死机」 的新晋网红蔚来 ES8。总之,一旦汽车软件出现问题,那么就会对驾驶安全带来很大的隐患。 特别是当自动驾驶、网联化离我们越来越近的时候,车辆结构也变的更复杂。目前汽车电子架构可能是由 60~100 个 ECU 以及 6~8 个独立的系统组成。但随着智能化加快,未来汽车会由 6~10 个高性能计算平台(HPC)组成,软件系统也会实现整合,并且具有 OTA 的能力。 数据能够很直观的告诉我们可能存在的风险。卡耐基梅隆大学软件工程学院的一份报告指出,在美国开发的代码平均每个功能点会有 0.75 个缺陷,每一百万行代码就会有大约 6000 个缺陷。 而达到「 很好」 级别的代码,则要求每一百万行代码的缺陷数量为 600~1000 个;「 优异」 级别的代码要求是少与 600 个。(缺陷中大约有 1~5%的部分会成为漏洞)换句话说,即使所有代码都达到了「 很好」 的级别,按照目前汽车平均 1 亿行代码来计算,每辆车里都可能有 10 万个缺陷以及 1000~5000 个漏洞。 这些缺陷以及漏洞可能会造成什么样的风险?没有人可以预测。 「 安全白皮书」 当然,这篇文章并不是想危言耸听。既然有风险,肯定就有应对的办法。 在汽车软件以及安全领域,Blackberry QNX 是绕不开的一个参与者。 在前两天,GeekCar 有机会和 Blackberry 技术解决方案部(BTS)销售与营销高级副总裁 Kaivan Karimi 聊了聊关于智能化进程中,他们对于汽车安全的看法。 关于 Blackberry QNX,其实行业内的小伙伴都不会陌生。2010 年,Blackberry 宣布收购 QNX。Blackberry 本身在安全领域就有超过 30 年的经验,曾经很热门的手机业务就是以安全和商务为最大卖点。QNX 作为汽车领域最大的操作系统供应商,为安全认证软件提供支持已经超过 35 年。 Kaivan Karimi 告诉 GeekCar,对于汽车领域可能存在的风险,QNX 运用多年的行业经验,总结出了一套「 指导方针」。无论是主机厂还是供应商,只要遵循这份保护汽车免受网络安全威胁的建议框架,就能预防绝大多数的风险。即使出现可能影响驾驶的漏洞,也能很快进行修复。 这份《汽车网络安全——BlackBerry 的七大关键标准建议》概括了以下 7 个要点: 保障供应链安全: 通过确保汽车中的每一个芯片和电子控制单元 (ECU) 能够正确地进行身份验证并装载受信任的软件,而不受到供应商或制造商的影响,从而建立信任的根源。扫描部署的所有软件以符合标准和所需的安全状况。从漏洞和渗透测试的角度对供应链进行定期评估,以确保他们得到认证并批准交付。 使用值得信赖的组件: 使用安全的硬件、软件和应用程序,在深度体系结构中深度分层,创建一个安全体系结构。 采用隔离手法与受信通信: 使用电子系统架构来隔离安全关键和非安全关键的 ECU,并且在检测到异常时也可以保障安全运行。另外,这种方法也可以确保汽车中的电子设备和外部世界之间的通信都是安全可靠的。更为重要的是,ECU 之间相互的通信需要值得信赖和安全。 现场安全检查: 确保所有 ECU 都集成了分析和诊断软件,可以记录所发生的事件,并将结果发送至云端以进一步分析并启动预防性操作。此外,汽车制造商应该确认一系列指标定期自动扫描检测,当汽车在事件发生现场时,也能够通过安全的无线网络 (OTA) 软件更新来解决问题。 构建事件快速响应网络: 在参与的企业网络中共享常见的漏洞和风险,这样专家团队就可以相互学习,并在较短的时间内提供建议和修复方法。 使用生命周期管理系统: 一旦发现问题,自动利用安全的 OTA 更新软件。积极采取证书管理来管理安全凭证,并部署统一的端点策略管理来管理在汽车生命周期内下载的应用程序。 组织内建立安全文化: 确保汽车电子供应链中的每一个企业都接受功能安全以及安全保障最佳案例的培训,并在企业中形成安全文化。 「 未来 5 年内只剩 2~3 种系统」 对于很多人来说,我们在车里最直观能接触到的软件就是 IVI(车载信息娱乐)系统。 事实上,目前国内主机厂或者供应商在开发 IVI 系统的时候,大多数都以 Android 系统作为基础。 这么做的好处很明显,首先是开发难度。国内具有 Android 系统开发能力的工程师数量多,团队建设更容易。其次,Android 的第三方应用生态成熟。无论是通过接入 API 或者是 SDK 的方式,都能迅速把移动互联网的服务能力移植到车里。 除了 Android,还有以 Tesla 为代表的的 Linux 阵营。这两种系统本质上都是开源的系统,主机厂能够有更大的话语权来进行系统层面的定制,得到更个性化的产品。 Kaivan Karimi 告诉我,基于开源软件开发虽然在初期会有一些优势,但是在最关键的安全层面却容易出现风险。毕竟开源的背后,也代表有更多可能被入侵的风险。虽然开源软件在初期开发上费用会比 QNX 更低,但后续的维护成本会更高。 另外,我们之前在讨论自主品牌开发 Android 系统车机时就提到过,这样的策略也容易受限于 Google 的开发节奏。毕竟车机硬件没办法做到很快的迭代,对系统的持续维护也会有更高要求。 Kaivan Karimi 表示:「Linux 系统 … 继续阅读

高德的「年终总结」:一个盒子是最大亮点?

· Nov 30, 2018 333

每到年底,差不多就到了各大厂商年度「 汇报演出」 的时候了。不管是聊聊过去一年的成绩,还是展望一下未来,总之,透过这样的事件,我们很容易就能看出他们在做什么、过得好不好。 11 月 30 号,高德汽车客户大会在杭州举行。 2015 年底,高德发布 AMAP AUTO 1.0。如果把这件事情看作高德汽车战略开端的话,他们的汽车业务发展差不多经过了三年时间。 对于高德来说,这三年时间里,他们在高精度地图服务、共享出行、高德地图车机版、后装硬件等多个领域,都有了不少进展。 「 智行战略」 阿里巴巴合伙人、高德地图总裁刘振飞宣布推出「 智行战略」,主要分为智能出行、智能驾驶、共享出行三个领域,算是很好总结了高德汽车的业务布局。 换成通俗易懂的话,智能出行主要指高德车联网、导航方面的服务;智能驾驶主要是高精度地图、定位以及相关服务;共享出行则主要指对接用户需求、智慧调度的高德易行平台,服务于共享出行。 在每个领域,高德都展示了过去的成果,也找来了部分合作伙伴站台。当然,这些基本都是已知的信息,在这里不再赘述。 唯一想提的是不久前发布的 AR 导航。从现场展示的录像来看,高德的 AR 导航系统,已经很接近我想象中 AR 导航该有的样子。实景导航页面上显示的指示图标虽然看起来有些简陋,但的确做到了实时渲染。 工作人员介绍说,我看到的视频就是导航页面的直接录屏,只要升级到高德地图最新的引擎,就能实现这样的功能。另外,AR 导航对摄像头的要求并不高,200 多块的后装行车记录仪就能满足导航的视频输入要求。如果车厂允许,也支持接入车辆自带的摄像头。 虽然对这套方案在恶劣天气或夜间等场景的实际效果还有一些疑问,但我也的确感受到了高德对于导航的认真程度。 为什么「 一个盒子」 是亮点? 接下来聊聊智能出行领域的一个智能硬件,叫做「A+Box」。 之所以说它是「最大亮点」,并不完全因为奥迪是 A+Box 的首个合作伙伴,更多是因为这个硬件本身,给车联网智能化提供了一种能更快复制、更轻量化的解决方案,并且表明了高德在未来一段时间车联网的扩展模式。 根据官方介绍,A+Box 采用了车规级处理器,内置 4G 网络,集成了导航、语音交互、车载娱乐、无感支付等车内服务能力,可实时在线更新迭代。通过 USB 和车辆连接,车内已有的中控大屏只需要支持与 A+Box 的连接协议,就能在屏幕上直接使用高德的服务。 举个例子就能明白 A+Box 的产品形态。大概四五年前,T-box 被炒的火热,很多人都看好它能成为车联网的入口(当然,时间也证明了这件事并不成立)。在某种意义上,A+Box 和 T-box 在产品形态上有些类似,都是通过加装一个硬件盒子来赋予车辆智能化的能力。 之前在宝骏 E100 上,出现过在中控预留卡槽的设计,可以让用户直接使用安卓平板。A+Box 在思路上和它类似,只不过 A+Box 提供了符合车规的软硬件,依靠车内大屏把内容输出给用户(能够更好融入车内原来的交互体系),使用体验会比后装平板好很多。 在奥迪全新 A8L 上,我简单的对 A+Box 进行了体验。在视觉上,高德根据车内原生的界面风格进行了定制,一致性保持的比较好。点击桌面上「 高德车盒」 的 icon,就能进入系统,使用包括导航、语音、音乐等联网功能。当然,在 UI 设计上,也出现了「返回」和「语音触发」按钮出现在副驾驶一侧的问题。 工作人员告诉我,和奥迪合作的版本(4 核处理器版本)已经通过了车规测试。 事实上,在汽车网联化这件事上,自主品牌远远走在了合资以及进口车型的前面。特别是类似奥迪这样的豪华品牌,由于本身相对严谨的研发节奏和品牌调性需求,很难像自主品牌一样迅速把移动互联网的体验移植到车内。奥迪选择这样一个相对快速落地、且能更好满足中国用户需求的方案,不失为一个讨巧的做法。 所以从这个角度看,高德 A+box 的目标用户,就是那些在本土化、网联化上还进展不多的车企。通过简化的流程、相对低的开发成本,以加装硬件的方式完成「 智能化」。 当然,这并不是说 A+Box 就是一个完美的方案。理想情况是,只要出现一个标准的汽车端交互连接协议,那么 A+box 就能够适配所有带大屏的汽车。但高德汽车事业部总裁韦东自己也承认,在这方面,现状是虽然有公开的 Mirrorlink 协议,但是很多厂商会出于安全等考虑,要求定制连接协议,这样一来,就会对 A+Box 的可复制性提出更高的要求。 另外在我看来,尤其是在整车智能化的趋势下,A+Box 更像是一个现阶段的过渡方案。在韦东看来,A+Box 的本质是给了车厂在整车智能化之外的另一种解决方案,作为互补。 一旦主机厂通过 A+Box 使用了高德的各种服务(并且是可迭代的),那么就一定会和高德产生持续的联系,长期合作的可能性也随之产生了。或许,这才是 A+Box 在这个时间点上的历史使命。 对于高德来说,地图行业的玩家本来就有限,再加上背靠阿里在支付、云端、第三方生态等方面的资源,技术层面反而不是需要特别担忧的点。 相反,高德更需要关心的应该是如何发挥自身优势,把商业模式、产品以及服务推广给更多合作伙伴。汽车的智能化才刚刚起步,市场很大,特别是对于汽车行业来说,主机厂对供应商的选择相对谨慎,但是一但获得了主机厂的认可,那么后续合作就很容易复制延续。 从这个角度看,A+Box 成为高德今年合作伙伴大会的重点产品,就很合理了。 原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作! 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。

车联网闭环怎么实现?看看这家公司怎么做

· Nov 27, 2018 333

车联网行业发展到 2018 年,已经很少有人还会认为车联网只是一个简单的呼叫中心,或者是一个能导航的大屏这么简单。特别是当互联网的生态逐渐延续到车机端,汽车本身能够实现的功能也越来越多。 事实上,越来越多的人开始提到车联网的时候,都会把生态、闭环这样的概念加入进来。 在第二届中德汽车大会上,车联网企业博泰的业务运营副总裁张毅分享了他们的做法。熟悉车联网行业的人肯定对这家公司不会陌生。作为国内很早投入车联网行业的公司,他们的确已经有了不少的进展。 在博泰看来,他们是一家处在汽车和互联网之间的公司。这两者正在深度融合,再结合无人驾驶以及人工智能,就是未来汽车的形态,类似移动的电脑。 对于车联网公司来说,很关键的一件事就是资源整合。 现在的车已经不简单是一个互联网汽车,而是 AI 智能汽车。为了应对车联网行业的变化,博泰在各个方向上都做了研发的布局,在业务单元在上进行持续开发和投入,涵盖了车联网的四个部分,也就是汽车电子类、终端软件类、云端平台与软件类、运营服务类。 在博泰看来,车联网的核心是客户和数据,因此主机厂一定要有自己的用户 ID,这样才能享受后续带来的价值。车联网时代,用户体验要进行改变,就需要持续的更新迭代。车主不再简简单单是客户,他在车上、甚至不在车上的时候,通过车联网营造使用的环境,主机厂还是有无数的用户触点可以接触到客户,这个时候客户就变成了用户。 换句话说,主机厂、车联网供应商、CPSP(内容供应商、服务供应商)以及用户一起,才能构成整个车联网生态的闭环。博泰认为车联网必须能够完成从用户需求的产生到实现(不仅仅是移动的目的,可能是买一件东西、定一个酒店、完成一次旅行等等更复杂的认为),这样才算是有了完整车联网闭环的能力。 目前来看,这样的闭环包括了和车辆相关的刚需服务(加油、充电、洗车、保险等)、出行服务(酒店、机票、高铁票、自驾等)、日常生活服务(美食、电商、外卖等)、IOT(手机、智能家居等)、车辆自身服务(维修、保养、二手车等)。 在现场,博泰也举了一个例子,当用户日常出行时,AI 的人工智能会不断接入外界信息来提醒用户,保持和外界沟通的能力。同时,无论是航班、酒店、未来的工作安排,都能通过 AI 助手完成,并且是主动提醒而非被动使用。另外,车辆还和智能家居、手机以及电脑等设备进行连接,实现了渗透到用户生活的每个方面中。 汽车行业也不再是简单的汽车,未来会变成一个信息产品。产品研发要往用户的角度去转变,互联网通讯技术、能源、金融、保险、零售、地产等元素都会融合进来,会变成新的一种出行服务行业。 博泰创始人应宜伦把车联网看作是啤酒扳手,啤酒瓶里是未来汽车行业的整个价值。事实上,用户喝啤酒的需求一直存在,而一把好看且好用的扳手,是很有必要的。 原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作! 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。

听说上汽做了网约车平台?我们去体验了一下

· Nov 23, 2018

上汽这个「传统车企」在汽车新四化上一直有着自己的规划。最被人所津津乐道的,可能就是和阿里合资的斑马智行,以及他们在分时租赁领域的布局——EVCARD 了。 不过最近,它在转型为出行服务商的路上又有了新的动作:上汽集团正式进入网约车领域,推出了名为「享道出行」的网约车平台,在这个项目上,上汽将提供包括技术平台、运营车辆、维修保养、金融信贷、专业保险等服务在内的网约车业务整体解决方案,主要针对中高端客户群体,并且于 11 月 18 日在上海开始试运营。 我们很好奇上汽这样的大车企做的网约车平台用起来是怎样一种体验,于是下载 App 后,在上海试了一下,有了以下这篇体验报告。 关于车型、定价 享道出行的车辆有两个来源,一种是自建车队,一种是由第三方机构提供的车辆。自建车队的车型中有荣威 e950、Ei6,大众帕萨特以及别克 GL8;第三方加盟的车辆,购车年限必须小于两年半,不允许私家车加入。 在安全方面,享道出行 App 中有一键求助的设置,车内强制安装摄像头,司机需要通过线下招聘再经过培训才能上岗。 在费用方面,首先需要用车基础费 18 元,然后会有分时段的里程费和时长费,超过 12 公里后,超出里程要收取每公里 0.88 元的远途费。具体的计价规则可以看这个图。(目前,不同车型统一定价,不可选择车型)体验到底如何? 我在周一晚高峰的时候通过 App 打车,虽然页面显示没有可用车辆,不过大约等待了 10 分钟左右,平台提示有司机接单。而在晚上十点半,我再次打开 App,页面依然显示没有可用车辆。 根据司机的介绍,这是由于采取了平台派单机制,就算页面显示无车,在等待一定时间后,依然会由在附近的司机响应。换句话说,打车还是比较考验运气。 我在和司机的沟通中了解到,上线之初,和很多平台一样,享道出行也通过发放大额优惠券的方式来拉拢用户,每个新用户都有 10 张减 30 元的优惠券。 这么做直接导致了订单数的激增。司机跟我抱怨说,「昨天一天接了 25 单,连吃饭上厕所的时间都没有。」由于是派单模式,几乎都是上一单刚结束,新的一单又派了过来。第一批上线车辆大约是 500 辆左右,因此出现了明显的供不应求。 接下来说说用户比较关心的一些细节 首先是安全机制:根据司机介绍,每辆车内都需要强制安置内视摄像头,并且具有红外夜视功能,默认记录音频和视频,App 中也有明显的紧急求助按钮。另外,为了提高安全性,享道出行对司机的要求比较严格,必须是上海户口,并且有网络预约出租汽车驾驶员证,车辆也需要有营运资质。在 App 中,每辆车的实拍图、车架号以及验车时间也都有直接的展示。 服务以及价格:根据司机介绍,享道出行的定位是专车,也就是对标首汽约车以及礼橙专车。从我的实际体验来看,无论是车况还是司机的一些行为,确实要比快车要好一些。价格方面,滴滴快车、曹操专车以及美团打车接近,大约是滴滴礼橙专车价格的 2/3。价格由时长费+里程费组成,不同时段单价不同,最低消费 18 元。 总的来看,享道出行可以说做到了「快车的价格+专车的服务」,值得给个好评。 bug 和吐槽 使用 bug: App 总体来说比较简洁,没有太多层级以及广告内容。但是功能还不成熟,最直接的感受是定位功能问题很大,无法准确知道车辆的实时位置,始终卡在司机出发的状态。 而司机端的反馈是也无法准确看到乘客的实时位置,并且导航功能不好用,容易卡。另外,后台是采取了派单模式,所以司机无法选择乘客,经常出现派单乘客距离过远的问题。 来自司机的吐槽: 晚高峰来接我的师傅之前是开礼橙专车的,按照他的说法,享道出行要求签约司机每天在线 9 小时,一周工作 6 天。如果做到的话,收入超出 4000 元则按照实际收入计算,不足的话保底收入 4000 元。另外,享道出行还许诺给上线首天在线超过 9 小时的司机补贴 500 元。 最大的槽点在于享道出行并没有给司机任何补贴,考虑到客单价不高,平台还会抽取 20%,所以司机收入不是很高。特别是刚开始的优惠力度很强,出现了很多短单,只能收个 18 的起步费(扣除抽成到手 13.9 元)。 根据他的说法,相比滴滴专车平台一天 800~1000 元的收入,享道出行一天的收入大约只有 500~600 元。所以在把我送到目的地之后,司机师傅就立刻下线并且登陆了他的滴滴账号…… 总体感受 仅从我不多的体验出发,享道出行的体验还算不错。即使排除补贴,考虑到服务质量和价格,享道出行还是有不小的优势。 不过换个角度看,几乎每个出行平台在上线之初,都会和乘客有类似的「 蜜月期」。随着补贴退坡,如何维持司机数量、服务标准、用户黏性以及平衡乘客司机平台三方利益问题,依然是每个平台需要面对的最大问题,享道出行也不例外。 虽然后期随着补贴的减少,打车难的问题会有改善。但根据司机给我的反馈,如何保证足够的车辆可能会是享道出行需要面对的一个大问题。作为做一单挣一单钱的司机来说,现金流水是最直接的反馈,也是是否服务一个平台的直接标准,现有的政策显然不具有很强的吸引力。 当然,以上汽集团在上海的实力来说,无论是增加司机收入或者大量的使用自建车队,都不会很难实现。我也比较好奇享道出行之后会如何解决这个问题。 原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作! 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。

在雨天进行的这次比赛,告诉你无人驾驶其实还很遥远

· Nov 22, 2018 333

2018 年 11 月 17~18 日,第十届「 中国智能车未来挑战赛」 在常熟举行。 从 2009 年起,「 中国智能车未来挑战赛」 已连续举办了十届,在严谨科学的测试评价体系下,这项比赛在一定程度上也推动了我国无人驾驶车辆从简单封闭道路走进真实、复杂的道路交通环境过渡的进程。 本届赛事包括真实综合道路环境测试(含城市道路、城郊道路和高架快速道路)、复杂环境认知水平能力离线测试两部分。其中,真实综合道路环境测试着重考察无人驾驶车辆的交通场景识别能力以及不同道路环境的适应性和行驶机动性等 4S 性能(即安全性(Safety)、舒适性(Smoothness)、敏捷性(Sharpness)和智能性(Smartness));离线测试则在大规模真实道路交通场景数据库的基础上,通过仿真环境评估无人驾驶车辆各类交通环境感知算法的基本认知能力和水平。 真实综合道路环境测试参照国际汽车工程师学会《标准道路机动车驾驶自动化系统分类与定义》(SAE-J3016)的 L4(高度自动驾驶)及其以上级别的自动驾驶功能,分为城乡道路环境和高架快速道路环境设置不同测试内容,要求参赛车辆在规定区域内完全自主地完成相应任务。与往年相比,今年的道路测试难度继续增加:在 2017 年引入有人驾驶干扰车辆的基础上,首次开展有人驾驶与无人驾驶混行测试验证(多辆无人车与多辆有人驾驶车辆交互);在完善九宫格地区开源数字地图基础上,首次引入语义拓扑地图,开展无人车自然交互导航应用测试;首次以无人驾驶出行服务为背景,验证无人驾驶商业化应用的技术成熟度。来自高校、科研机构和企业的 27 支车队报名参加真实道路环境测试,24 支车队参加离线测试。 高架快速道路环境测试在常熟昆承大道高架真实道路上进行,其中包含交通标志标线清晰的快速路和主干路,并设置有故障车辆、施工围栏、水马、锥形标等障碍物,以及数十辆有人驾驶车辆构成的真实交通流。 来自高校和企业的 20 多支无人车队伍在匝道入口处一字排开,等待逐一发车。红灯变成绿灯后无人车缓缓驶上高架,迎接它的是故障车辆避让、施工引导路段、临检管制路段以及与有人驾驶混行测试验证等多重考验。改装各异的无人车犹如一个个身经百战的杂技演员,周身挂满了传感器,后备箱里也装满了惯导和不同的计算单元。近年来,随着传感器技术的发展,各家无人车在硬件方案上的差距越来越小。挑战赛上的比拼,逐渐从前几年拼硬件、拼方案变为现在的拼算法、拼数据。 提到无人驾驶汽车的数据,除了可以在真实道路上积累以外,越来越多人用虚拟软件训练无人车算法。中国智能车未来挑战赛自 2016 年开始增设了离线测试,希望通过「 数字化驾校」 评估无人车的智能水平。2018 年 11 月 16 日,中国智能车未来挑战赛「 复杂动态交通场景视觉认知基础能力离线测试」 在中国智能车综合技术研发与测试中心成功举办。来自上海交通大学、西安交通大学、南京理工大学、北京联合大学等在内的 23 支参赛队伍分别从「 道路区域人员监测」、「 交通信号检测」、「 前方车辆位置监测」、「 车道偏离监测」 四个方面对无人驾驶系统的视觉感知能力进行测试。 本次离线测试任务使用现实道路采集的交通场景视频,按照自动驾驶高度自动化(SAEL4+)的环境认知能力要求,从准确性和适应性方面对复杂交通环境认知的基础能力进行评测。每个任务有 100 组数据,每个参赛队伍随机从中抽取多组形成数据合集,包括:道路区域人员检测 60 组数据,每组平均 69 帧;交通信号检测 60 组数据,每组平均 34 帧;前方车辆位置监测 60 组数据,每组平均 70 帧;车道偏离监测 60 组数据,每组平均 50 帧,以确保每支队伍遇到的场景都是随机的。 四项比赛分别决出了一二三四等奖。道路区域人员监测第一名为 CyberTiggo 车队,第二名联合-威视车队,第三名中科车智车队,第四名清软智能车队;交通信号检测第一名联合-威视车队,第二名万马奔腾车队,第三名科车智车队,第四名认知与无人驾驶课题组;前方车辆位置监测第一名南理工 PCA-地平线车队,第二名 PCALab 车队,第三名安行车队,第四名 i-future2 队;车道偏离监测第一名 PCALab 车队,第二名南理工 PCA-地平线车队,第三名江大智能行车队,第四名武汉大学途友号车队。 11 月 18 日,天灰蒙蒙下着小雨,在「 中国智能车综合技术研发与测试中心」 测试场地内进行了城乡道路环境测试。九宫格测试区域内设置了交通标线与标志、交通信号灯、非机动车混行路段、避让行人路段、施工道路封闭掉头路段、施工绕行障碍物路段、模拟隧道路段、模拟雨天路段、乡村简易道路段、真实车流汇入等十余个测试场景。相比于高速道路,这要求参赛队伍将更多的无人车交互和复杂场景决策能力考虑进来。在完善九宫格地区开源数字地图基础上,首次引入语义拓扑地图,开展无人车自然交互导航应用测试。 下雨天给无人车视觉识别带来一定的困扰,很多车辆雨中都未能成功识别并礼让行人。路面积水容易形成倒影,也容易覆盖路面上的标识。降落的雨滴也会让能见度大大降低,影响车速。雨滴很容易附着在镜头上,造成图像扭曲,细小的雨滴会对激光雷达产生反射,可能会造成错误的读数,而且每个传感器造价等不菲,所以有的候场等待车队为自家传感器做了防潮措施。 去年难倒多辆无人车的「 魔鬼赛道」 乡村道路在今年并不是一个太大的难题,多数无人车都在此处平稳地完成。 纵观今年比赛,各车队无人车相比去年性能更稳定,但是在面对下雨等特殊场景,即使是最优秀的无人车,安全性仍不能保证,无人驾驶之路确实很漫长。 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。  

要把德清变成「未来之城」,千寻位置做了什么?

· Nov 19, 2018 333

今天,也就是 11 月 19 号,第一届联合国世界地理信息大会在浙江德清举行。 作为由联合国主办,国家测绘地理信息局和浙江省人民政府承办的活动,这次大会不仅是联合国主办的规模最大、级别最高、内容最丰富的地理信息大会,也是测绘地理信息领域在国内举办的层次最高、覆盖面最广的活动。 很多人可能对德清不太了解,当然也包括我。作为一个人口仅有 40 多万的县级城市,能够举办这样级别的活动,显然说明这个城市在地理信息领域有着一些特长。 就在大会举办的前一天,GeekCar 在杭州和千寻位置「 精准时空城市大脑」 德清项目负责人张磊以及 CEO 陈金培聊了聊,从他们那里了解到了一些原因。 时空大脑? 陈金培告诉我,德清目前正在打造智能城市 2.0 版本,这是这次联合国世界地理信息大会的一个重要议题。从目前来看,全球范围内德清的进度也处在领先位置。 作为位置服务公司的千寻,为这个项目提供了「 时空大脑」 的能力。结合阿里云的「ET 城市大脑」 以及具体「 应用场景」,能够实现智慧城市 2.0,也就是标题中所说的「 未来之城」。 陈金培表示,在智能城市 1.0 时代,由于缺少统一的精准时间和空间信息作为基准,海量终端信息无法进行统一管理,多方采集的数据出现割裂,直接导致城市各类终端采集的信息难以实现统一处理。虽然通过提升终端个体智能解决了很多局部问题,却始终无法构建统一时空基准下的信息协同网络,导致整个城市管理的系统难题依然无法破除。换句话说,类似之前杭州一直宣传的智慧城市,在先进程度上是落后于德清的。 而千寻位置的「 时空大脑」,利用北斗卫星系统以及地面增强基站的能力,在德清实现了全国首个覆盖主城区的车道级高精度地图(厘米级),能把整个城市的元素在时间和空间上统一起来。这样一来,无论是交通、交管、旅游、城管以及工业企业大数据等各种场景,都能在统一的数据维度下进行精准的管理。 目前,千寻位置已经联合浙大中控、海康威视等合作伙伴,推出了具有高精度定位能力的道路设施,并且推出了无人机、时空精准摄像头、智慧三脚灯、智慧锥桶等设备。 张磊举例告诉 GeekCar,精准时空摄像头与自主飞行无人机联动解决方案已经完成技术验证,正在德清县交通管理等领域开展应用推广。通过智能视频流算法进行交通事件自动检测,再由精准时空摄像头完成精准位置坐标上报,交警智慧平台就可联动执法无人机自主飞到现场进行画面采集甚至喊话处理,实现交通事故快速解决。而智能三脚架、智慧锥桶等新型终端的应用也可实现车辆抛锚、道路施工精准位置信息实时上报和导航联动。 不仅如此,在完成北斗高精度定位模块的植入后,德清县的摄像头可实现最高达 30cm 的精准定位及纳秒级的时间校准,能够帮助管理部门实时感知道路车流变化,实时进行交通智能优化。 对于未来的交通形态来说,这样的基础能力是实现车路协同的必要条件,对于自动驾驶也是至关重要的。 北斗系统的高精度定位能力 千寻位置的「 时空大脑」,背后其实就是高精度定位能力的产品化表现。 事实上,千寻位置是由阿里巴巴和中国兵器工业集团公司各占 50%股权合资成立的公司,通过北斗系统来提供精准的定位服务。 而和美国 GPS、俄罗斯格洛纳斯、欧洲伽利略这样的定位系统相比,千寻最大的优势在于地基增强系统。由于高精度的地理信息本身是相对敏感且隐私的数据,因此北斗系统就有了很大的优势,能够建立地基增强系统来实现高精度定位。 简单说一下地基增强系统的优势。 我们都知道卫星定位的原理是通过接收运行在地球轨道的卫星广播的信号(包含位置和当前时间点),根据信号到达目标的时间点计算出广播时间 T 和速度 V,这样就能确定卫星和目标的距离 L。 当同时接收到三颗卫星发出的信号时,那么理论上目标就能确定一个唯一的坐标。但是在现实中,卫星信号会受到大气层电离层的干扰产生一定误差。另外,城市中的高楼等障碍物也会对信号造成干扰,这就导致了定位偏差。因此,这时就需要第四颗卫星的数据,来消除产生的巨大误差。 因此当同时有 4 颗或更多的卫星向同一目标发出信号,那么就能通过卫星自身的空间坐标以及距离来计算出目标的坐标。换句话说,当同时接收到的卫星信号越多,那么定位的精度就会更高。理论上,定位误差问题可以通过增加卫星数量来改善,但这样的方式成本高,实现起来需要时间。 而地基增强系统则是一个更容易实现且能够提升精度的方案。通过固定的准确坐标(X,Y,Z)的基站,结合卫星定位这个基站的坐标(X1,Y1,Z1),从而通过算法得出偏差值。再之后,基站会向周围正在使用北斗系统的目标发送这个偏差值,就能很好的消除误差,实现高精度定位。 目前,千寻位置在国内已经安放了超过 2200 个地基增强站,基本实现了除无人区之外的全覆盖。就在今天,北斗三号完成了第 18 和 19 颗卫星的发射(包含北斗一号及二号,用于实现国内覆盖、亚太区域覆盖的话总数共 43 颗卫星)。按照规划,北斗三号卫星的数量将在 2020 年达到 35 颗,成为包括美国 GPS、俄罗斯格洛纳斯、欧洲伽利略在内的全球四大导航系统之一。 大概在明年底,搭载千寻和高通合作的高精度定位模组的车辆就会上市。当这些车辆驶入类似德清这类有高精度地图数据以及高精度定位设施的地区时,就能获得更丰富、精准的服务。  原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作! 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。  

苏宁和博泰战略合作,能给汽车新零售带来什么?

· Nov 07, 2018 333

11 月 6 日,苏宁在首届中国国际进口博览会「 全球采购供应峰会」 上宣布,将基于「 汽车零售」 相关业务,和车联网企业博泰进行战略合作。 根据双方的介绍,这次战略合作主要集中在这几个方面:以「 零售+车联网+智能化」 作为开端,未来还会加入酒店预订、移动支付、汽车保险、能源行业、汽车金融等更多元素,希望能够打造完整的汽车生态圈。 汽车新零售 苏宁易购集团汽车公司总裁刘东皓告诉 GeekCar,汽车作为手机、电视、PC 等渠道之后的全新用户终端,是苏宁零售业务发展的下一个重心。 事实上,苏宁在 2017 年就开始了对于汽车新零售的布局,汽车超市在全国各大城市陆续落地。这种能够被理解成「N 个汽车 4S 店+ 汽配城 + 汽车服务商 + 汽车电商巨头」 的形式,可以看作是苏宁对于汽车零售的探索。 而在去年 7 月,苏宁投资了博泰的 A+轮,成为了博泰的唯一外部股东。这也说明,苏宁在布局汽车业务时,已经考虑到了车联网对于汽车新零售的重要性。 博泰创始人兼董事长应宜伦告诉 GeekCar:「 车联网已进入商业模式阶段。博泰与苏宁的牵手,一方面将基于博泰自身车辆底层、汽车电子、通讯、软件、云端与运营服务以及苏宁渠道数千万活跃用户,创造汽车智慧零售创新模式,与车企及产业链分享;另一方面将基于苏宁触客场景,在交易与金融、移动出行与共享汽车、无人驾驶、城市运营等多方面为汽车客户提供行业一流的车联网产品及业务解决方案。」 能看到什么样的产品? 落实到产品,双方的合作主要会集中在数据、渠道等层面,作为智能化时代对于传统 4S 店模式的补充。双方将会开放 IoT、电商、CRM 等技术及服务平台接口,打通双方用户数据,为智慧零售用户优化产品体验,譬如:帮助汽车厂商开拓更多网络,利用更加完善的信息管理系统,从大数据角度帮助汽车厂商更加迅速有效地找到真正有购车意向的用户,并了解其痛点所在。 这就意味着流通与零售的传统模式将被打破:数据互通后,消费者购车不必再拘泥于传统店面或二级店面,而是转变为「 只要我想,就能实现」。把握用户服务需求,服务于产业,更服务于人。融合渠道互动与数据互通之力,实现高度协同。 从深层面看,这次合作也对传统的「 售前+售中+售后」 模式进行了升级:以往售前、售中、售后层面存在相对断档,各自独立运营,有一定联系,但不够紧密;加入智能化元素之后,三者间的联系将更加紧密,线上线下智能协同。零售将变为智慧零售,数据链、线下线上及运营平台打通,进一步提升资源配置的合理性,降低运营成本,提高整体效率。 另外,这种全新的模式也会创造出更多新的金融产品、服务产品和出行模式。举例来说,苏宁的智能家电会参与其中,打通车、手机、家庭三个场景。这也是未来车联网融入生活的重要场景。事实上,包括亚马逊、谷歌等巨头都已经看到了这个趋势并且有了一定进展。决定谁能最先实现这些场景的因素,除了技术之外,背后的生态资源也是关键。苏宁加博泰的组合,则刚好满足了这些需求。 虽然战略合作在今天宣布,但双方合作已经有了一定的进展。在今年北京车展发布的东风 windlink 3.0 系统中,博泰就已经在系统中结合了苏宁的提供的生态以及服务。 在接下来的一段时间里,会有更多双方合作的落地产品出现,更多第三方的主机厂也会加入进来。 原创声明: 本文为 GeekCar 原创作品,欢迎转载。转载时请在文章开头注明作者和「来源自 GeekCar」,并附上原文链接,不得修改原文内容,谢谢合作! 欢迎关注 GeekCar 微信公众号: GeekCar 极客汽车(微信号:GeekCar)& 极市(微信号:geeket)。  

解读 Mobileye 的 RSS 模型,对自动驾驶有什么意义?

· Jul 03, 2018 333

一提到 Mobileye,大多数人的第一反应是基于视觉方案的 ADAS 以及自动驾驶方案的芯片及算法供应商。 在被 Intel 收购之后,双方的联盟也成为了自动驾驶领域的一大阵营。 事实上,除了视觉相关的技术之外,Mobileye 还希望通过别的一些手段来使得自动驾驶能够更加安全、快速落地。他们开发了一套叫做 RSS(Responsibility Sensitive Safety 责任敏感安全模型)的体系,希望通过建立数学公式的手段,来使得自动驾驶汽车有能力判断自身的安全状态,从而尽可能避免事故的发生。 在 IEEE 智能车大会上,GeekCar 和英特尔无人驾驶解决方案首席工程师兼首席系统架构师 Jack Weast 聊了聊,从他那里,我也知道了 Intel 以及 Mobileye 对于 RSS 模型的一些详细信息。 什么是 RSS 模型? 要搞清楚 RSS 模型有什么用,首先得明白它是什么。 从本质上来看,RSS 模型是一整套数学公式,将人类对于安全驾驶的理念和概念转化成为数学公式和计算方式,用来界定什么样的驾驶行为才是安全的驾驶。 Jack Weast 告诉我,他们认为人类的驾驶虽然有很多问题,但潜意识里对安全有很强的意识。例如开车时候要和前车保持安全距离、并线的时候要留出足够的空档、有人加塞的时候要减速等等。这样的安全意识是人类的本能并且非常有效,基本上可以保障各种驾驶情况下的安全性。 因此,RSS 模型希望把这样的本能变化成一套严谨的公式算法,来指导 AI 的决策算法在特定场景下做出合理安全的判断。 在定义 RSS 模型的时候,有两个原则必须要遵守: 1. 自动驾驶汽车绝对不可以因为自身的原因引发碰撞或者事故; 2. 当别的车辆造成潜在风险、并且可能会产生交通事故的时候,自动驾驶汽车应采取怎样恰当的应对方式,来避免可能发生的交通事故。 在实际建立模型的时候,RSS 模型通过四条形式化的规则,来确保车辆在自动驾驶状态下能够保证安全以及避免成为制造车祸的一方: 1. 和前车保持安全距离; 2. 给侧边的人或车留下足够的反应时间和空间; 3. 在堵车的时候更谨慎; 4. 要合理使用路权(路权的使用应优先考虑安全)。 在不久前,Mobileye 发布的一份官方报告中,他们例举了 37 种可能发生事故的场景,包括了车辆并行状态的安全间距、安全并线的间距、避免追尾的最小安全距离、路边有行人闯入机动车道时的安全车速等等。 从官方给出的数据来看,这 37 种状况基本覆盖了 99.4%的车祸可能性,也说明 RSS 模型目前已经达到了一个相当健全可用的状态。当然,RSS 模型肯定还没有覆盖所有意外的可能性,还需要 Intel 以及 Mobileye 不断去完善。 以下是部分官方列举的场景: RSS 模型的意义在哪? 要搞清楚这个问题,首先得明白 RSS 模型和自动驾驶系统的关系。 从一般认知来看,自动驾驶可以分为感知——决策——执行三个步骤。其中感知主要依靠包括车身传感器、高精地图等部分来实现;在决策层面,更多是依赖一套经过 AI 训练的算法来判断当前状况下,车辆应该做出什么反应;最后通过包括控制转向、刹车、加速等各种动作的车身电子部件实现对应操作。 而 Mobileye 在创建 RSS 模型的时候,则是把 RSS 定位在决策之后、执行之前。 Jack Weast 告诉我,RSS 模型本质是一套科学的算法,是在车辆本身通过 AI 算法做出判断之后,把这个指令输入到 RSS 的模型中,来验证对应的结果。用他的话来说,RSS 模型就是决策算法的「 安全封条」。 比如说,如果决策算法在某个状态下做出了刹车的判断,那么这个判断就会输入到 RSS 模型中,得出刹车操作是否能在当前状况下保证车辆的安全。 如果结果显示安全,那么这个命令会直接执行;如果结果显示有危险,那么 RSS 模型会把这个指令返回到决策算法,进行二次决策直到得到最安全的结果。 用下面这张图简单说明 RSS 模型和决策算法以及执行的关系: 由于决策算法是通过不断学习各种状况,来使得算法能够判断出各种场景下做出对应的决策,本质上还是一个概率学的问题。因此,人工智能算法还不能 100%保证做出决策的安全,特别是随着路况、车辆性能、传感器配置等各种外界因素的影响,现阶段下很容易做出不够正确的判断。 另外, Jack Weast 在演讲中还谈到过这样的数据,目前人类驾驶的事故概率是 10^-6 ,无人驾驶要达到 10^-9 的事故率,也就是目前航空业的安全水平才会被外界所广泛认可。要实现这样的安全水准,大概需要 30 亿英里的里程来训练算法。而目前数据量最大的谷歌累积里程也就是百万级,远远达不到数据量。因此,这样的方式在很大程度上限制自动驾驶的发展速度。 在这个前提下,RSS 模型的介入就有了很大意义。RSS 模型属于一个严谨的数学算法,通过控制某个特定状况下,外界包括道路限速、车速、距离、天气等等各种可能存在的变量,来计算出明确的结论,指导人工智能算法像真实人类一样进行安全判断。从官方给出的数据来看,大约只需要 10^5 量级的自动驾驶里程数据,就可以保证 RSS 模型实现 10^-9 的事故率。 从这个角度看,RSS 模型对于自动驾驶的普及有着很重大的意义。 开放是关键 在采访中,Jack … 继续阅读