智能交通和智能驾驶，滴滴和无人驾驶车的发明者对谈会擦出怎样的火花？
（本文转载自 Xtecher，作者卡卡）2017 年 3 月 30 日下午，前 Google 院士、无人驾驶车的发明者、优达学城（Udacity）创始人 Sebastian Thrun 来到中关村创业大街，与滴滴出行高级副总裁章文嵩进行了一场关于「 智能驾驶」 和「 智能交通」 的对话，探讨如何运用二者改善城市交通，构建互联网＋交通大数据的智慧出行网络体系。 其中，开源代码项目对于智能驾驶的重要作用也是议题之一。「 开源代码代表着互联网开放性思维」，滴滴出行高级副总裁、智慧交通项目负责人章文嵩表示很难想象如果没有开源代码的软件，世界会怎样。 「 任何想拥有自动驾驶车辆的公司都可以下载开源软件」，优达学城创始人 Sebastian 说，我们不仅给自动驾驶工程师授课，而且鼓励开发更多开源软件。软件可以找到正确的道路、发现信号灯、调整驾驶速度，这些功能的实现都源自开源代码。 据了解，近日滴滴和 Udacity 合作举办的「 滴滴一 Udacity 无人驾驶大挑战」 是全球首个智能驾驶开源项目。比赛选手将以真实数据为基础，创建自动化安全和感知处理栈系统 (ASAPS)，提升人类和智能驾驶的普遍安全性。排名前五的团队的代码将在 Udacity 的无人驾驶车上实验运行，争夺 10 万美元奖金，并有机会加入滴滴智能驾驶技术团队。 Sebastian 在回答 Xtecher 记者提问时表示，两家合作的智能驾驶开源项目不光可以在全球合作的大环境下开发更优质的软件，同时可以帮助滴滴发现人才，对人们进行教育，鼓励他们学习新鲜事物。 智慧交通，始于大数据开源 「 智慧交通」 是滴滴 2017 年五大战略关键词之一。目前，滴滴在深圳、贵阳、武汉、济南等城市落地了智慧诱导屏、智慧代驾热力图、智慧公交、智慧交通度量报告、互联网+信号灯” 等多个智慧交通项目，已经取得了一定的成效。 从最新数据可以看到，当前滴滴日完成订单已经超过 2000 万单、每日处理数据超过 2000T8，相当于 200 万部电影，每日路径规划也超过 90 亿次，约相当于 600 万次/分钟。 「 如果出行不顺畅的话，说明我们根本没利用好街道，那么我们最好就别要街道了。」Sebastian 认为滴滴可以提升城市出行效率的原因之一是，滴滴使用了开源数据来探讨这个问题——我们是否可以让出行更加高效？ 以贵阳为例，滴滴已经将交管局与滴滴出行收集的交通大数据融合，应用在城市道路的智慧交通诱导屏上。该诱导屏不仅可以实时显示前方道路的通行状况，还能通过滴滴的 ETA(预估到达时间) 技术预测去往前方路段所需时间，让城市交通诱导系统变得更加智慧。而在武汉，滴滴已经开始利用海量的出行大数据与交管局数据结合，通过数据分析发布城市交通度量报告，实现对整体交通运行情况的清晰判断，帮助决策者制定相关交通策略。 2017 年，滴滴将与各地政府一起携手打造基于「 互联网+交通大数据」 的智慧出行、智慧监管、智慧运营、智慧决策的体系，让整个城市的交通效率更高，公众出行体验更好。 「 通过政企合作，可以把公共交通的数据和共享出行的数据搭桥、激活」，Sebastian 认为这样的合作能让公众整体受益。 未来，滴滴希望将公交系统也搬上网，同时，未来的出行将作为服务而不再是作为单个的产品——当你要去往目的地，整体的智能交通体系将提供给你一整套的可选方案，整个的空港车道、高速公路等基础设施都可能被大数据预测能力调配下变得通达，这就是章文嵩说的滴滴要努力到达的智慧城市交通网络建设方向。 当我们在说智慧驾驶安全，其实是在说大数据能力 「 自动驾驶汽车行业现在还处于早期阶段，只有类似概念产物，产品尚未商业化。」Sebastian 认为科技本身可以让自动驾驶与人类驾驶相媲美。 未来，自动驾驶车辆要比人工驾驶更为安全。Sebastian 说，在自动驾驶车中，我们从一辆车所犯错误中学到的经验可以应用到所有车辆之上。在这个过程当中，预计每 18 个月自动驾驶技术的革新就会让驾驶质量提升十倍。 哪个城市的人们最有希望优先使用自动驾驶技术？Sebastian 说，加州是学习新技术的中心，但如果要说到交通实测，可能以中国、埃及和印度作为目标会好一点——那里的数据资源会更加丰富复杂。 如何保证自动驾驶汽车的安全性？Sebastian 提到几个关键点，首先是自动驾驶车辆可以精准反应。其次自动驾驶车辆行驶中速度较慢，这样会更安全。 为了达到这个目标，章文嵩认为拥有像滴滴这么巨大数量和复杂度的数据是非常关键的。无论如何，自动驾驶的前提是保证出行安全，而大数据能力则是安全的基本保障。自动驾驶程度的大数据技术依赖的不是有限的规则，而是无限的模式。「 因为我们面对的驾驶世界比 AlphaGo 面对的，要复杂百倍千倍。」 自动驾驶会在何时进入成熟阶段？Sebastian 称两年内希望有测试版，但是大规模量产可能性不大。未来预计 8-10 年内会推出大多数人能使用的自动驾驶车辆。 目前，滴滴已经使用 app 来监测司机的驾驶行为。「 观察司机如何处理紧急状况，再把这些应用到自动驾驶车辆之中。」 章文嵩认为，从短期来看，这可以用来有效提升驾驶安全和服务质量。同时，这些手段也可以帮助提升无人驾驶的精度和应急能力。 「 我们的血管是全世界最高效的运输系统，它是一个 3D 的系统，它的设计可以最大程度地提高传送效率，减少无谓的耗损和拥堵和能源的浪费。为什么我们的城市，我们的北京不能是这样的呢？」 章文嵩认为这是因为现在我们的城市交通是 2D 的，未来则希望是立体的，变得高效而灵活。同时由于新的技术包括智能驾驶技术，减少了我们每个人拥有车辆的必要，我们可以利用共享出行的网络，让城市更多空间留给绿地公园。 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）。
有了 EnLighten 这款应用，就可以在车里实时查看红绿灯状态
等红灯时，难免低头看看手机或者看看路边的姑娘，因此，被后面司机摁喇叭的事儿相信很多人都有所经历，这指向一个很大的痛点：红灯到底什么时候结束？ 有的城市里，红绿灯是读秒设计，可以多多少少解决这个问题，但仍然需要抬头去看红绿灯。 美国的 Connected Signals 的公司开发了一款手机 App，叫做 Enlighten，就是为了解决这个问题的。在这个 App 里，可以通过手机 GPS 进行定位，在 App 界面里显示出前方红绿灯的状况，比如是红是绿，还有多少秒结束，可以具体到每条车道。 另外，这个 App 还可以用声音的方式把信息传达给驾驶员。在一开始我们设想的那个场景里，这个功能会很好用，你不用时不时的抬头看红绿灯，可以专心干别的，红灯变绿时，App 就给你声音提示。 这个 App 吸引了车厂的关注，最近宝马就宣布和 Enlighten 合作，在宝马车的互联驾驶功能里，接入这款 App。车主开车时，可以直接通过车机屏幕获取红绿灯信息，免除了查看手机的操作。 和车厂合作，解决了这款 App 很致命的一个问题：仅仅通过手机 GPS，不能总是很精准的定位，比如处于左转车道还是直行车道，而信息准确度又是这款 App 的关键。具体的解决方法是，这款 App 会实时获取宝马车的行车数据，比如转向信息，油门刹车的状态等，综合分析出车辆所处的状态，来让 App 变得更准确，当然，车辆搭载的 GPS 也会被 App 所「 征用」。另外，开车时总看手机毕竟是不好的，把内容投射到车机上，相对来说更安全一些。 虽然这款应用实现的功能和在红绿灯旁边加一个倒计时屏幕的效果很相似，但在原理上是有本质区别的。它其实就是传说中 V2I（汽车与基础设施通讯）技术的实际应用。 实现这种功能对硬件的要求是非常高的。除了车辆或手机之外，还需要你所在的城市具备智能交通信号系统。也就是说，V2I 的「V」 和「I」，都需要变得智能。 所以，目前在美国，只有俄勒冈，盐湖城等四座城市里可以正常的使用这款 App。不过，长远的来看，这种智能交通的解决方案，一定会越来越普及的。 对了，最重要的一点，其实我们并不提倡开车时玩手机这种行为…… 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！ 同时欢迎关注 GeekCar 微信公众号： GeekCar 极客汽车 （微信号：GeekCar）& 极市 （微信号：geeket）。
在这辆可变形的小车背后，有一个「智能交通」的构想
德国是现代汽车的发源地，自从 1885 年卡尔·奔驰发明了世界上第一辆汽车以来，德国汽车工业已经走过了 120 多年的发展历史。在经历过二战的洗礼后，以内燃机为动力来源的机车得到了迅猛的发展。但在电动车领域，「 汽车之父」 的脚步似乎稍稍有些落后了。 卖油的婆娘总不能水洗头，这不，德国不来梅机器人技术创新中心（Bremer Robotics Innovation Center）现在正在研究一款电动智能车——eo smart connecting car 2（EO2）。一款从设计初衷就非常贴近生活的车，它可以分别从以下几点改善现代都市拥挤的交通现象。 一，路上车太多 交通拥堵？ EO2 设计非常小巧，长和宽分别只有 2.5 米和 1.57 米，这样两辆连起来都比一辆 5 系还要短的车长，相信在等红灯的时候，你再也不会有放眼望去却看不到红绿灯的情景了吧。 二，车位太小了 臣妾停不进去？ 虽然 2.5×1.57 的尺寸比 smart 都要小巧，可是在路边发现的车位比这还小怎莫办？而且女司机车感不太好，侧方什么的简直就是噩梦啊，没事儿还往石头上撞哪，何况着急去买菜啊，买完菜还去要接孩子哪好不好！ 没关系，EO2 的四个车轮可以实现原地横向转动 90 度，直接硬生生的走出一个直角来，侧方停车什么的完全不需要啊。而且它的底盘还可以收缩，把原本就只有 2.5 米的车身进一步缩短到 2 米。这样就可以停进更小的车位啦。不过底盘可不是平白无故缩短的，车身高度会从原先的 1.6 米升高到 2.25 米，小心别磕着「 脑袋」。 三，开着开着没电了怎么办？ 电动车嘛，要在充电桩上充电这是肯定的了。可我要是开着开着发现快没电了呢？这点设计师也替我们想到了，一辆 EO2 的电源被设计成可以与其他多辆 EO2 的电源耦合到一起，就像蓄电池一样，可以一节一节的链接到一起，这样就实现了在移动中多辆 smart connecting car 的信息与能源共享，像个小火车。可以在移动中充电，很酷吧。 四，把发动机藏到轮子里 EO2 采用了轮毂电机的设计，这样直接省去了变速器、传动轴、差速器等传统驱动方式必须的部件，减轻了车身重量的同时能量也不会在被机械传递中损耗。而且该车还采用了剪刀式车门的设计，是不是帅爆啦？ 相比于 EO1，EO2 已经把最高速度由 50 公里/小时提升到 65 公里/小时，相信这样的速度在市中心使用已经足够了。况且研究人员当初也没将提高速度作为研发目标。更可贵的是，EO2 能像机器人那样完全不依赖驾驶员操纵，遇到路口就可以自己转弯，将来也许连方向盘也不再是必需品了。样品车上已经具备自动泊车和充电站对接功能。这样高度智能化的交通工具，有什么不期待的理由呢？ 不过从视频里来看，驾驶这辆车应该会很容易晕头转向…… 而在这辆车背后，这个团队的设计理念也值得一提，也就是他们对于智能交通的理解。下面这个视频可能会让你了解他们的想法：
假如城市也能像人类一样思考
去年 8 月，MIT Technology Review 颁布了他们评比的 35 Innovators under 35，也即 35 个 35 岁以下的创新者。毫无疑问，这些人的所从事的研究或者项目，都是当前所热门的研究方向，是对于未来可能有重大影响的项目。其中有一位微软亚洲研究院的郑宇博士，他的研究方向，叫 Urban Computing（城市计算）。 城市计算到底是什么？ 城市化的过程让人们享受现代化生活的同时，也带来一些新的挑战，比如空气污染、交通拥堵、能源过度消费，在大城市这些问题尤其突出。过去，这些过于复杂的动态化问题很难用一种通用的方法被解决。随着海量计算和传感器技术的进步，实现这种方法已经变得可能。城市计算就是其中可行的一种方法。它利用城市中所有可用的传感器感受城市动态，并利用所得数据进行分析计算，解决城市存在的问题（主要是交通问题）。城市计算同样也可以帮助我们了解城市现象的本质，甚至预测城市发展的未来。 城市计算的基础有两个：一个是大数据（Big data)，另一个是建立的模型以及核心算法。 大数据由数以万计的传感器产生，一般单位是 PB（1PB=1024TB）级别。如此海量的数据需要一个足够能容纳它的存储空间。而且光有存储空间还不够，还需要强大的数据库做支撑。这些数据类型包括交通信息、地理信息、环境监测信息等。怎么将这些信息整合在一起？这需要先进的算法与模型设计。 大数据与能源消耗 城市汽车油耗和尾气排放实时计算 城市交通流跟能耗和污染排放这两个重大问题都紧密相关。准确理解整个城市的汽车油耗和尾气排放情况有助于节能减排，对一个城市的持续发展和保护人们的健康至关重要。先通过出租车的 GPS 轨迹数据计算已有数据路段上的车辆行驶速度，然后再结合兴趣点和路网结构等其它数据源，将有限的速度信息，利用协同过滤的机制传播到整个路网。然后，利用图模型将每条到路上的速度信息转化为车流量信息。最后，通过环境学理论，根据车速、流量和平均排量计算出能耗和尾气排放情况。这项研究不但可以向用户建议最低油耗路线，还可以做到细粒度的空气污染预警。对于长期数据的分析，还可以发现城市中高能耗路段（建议改进城市规划），并帮助分析汽车尾气排放的 PM2.5 占空气中总量的比重，从而为政府决策提供参考建议，如限制交通流量是否真的能够减缓污染情况 。 大数据与智能交通 实时大规模动态拼车服务 打车难是很多大城市都面临的一个问题。本项目通过出租车实时动态拼车的方案来解决这一难题。用户通过手机提交打车请求，表明上、下车地点、乘客人数和期望到达目的地间。后台系统实时维护着所有出租车的状态，在接收到一个用户请求后，搜索出满足新用户条件和车上已有乘客条件的最优的车。这里的最优是指出租车去接一个新的用户所增加的里程最小。该研究成果可以为城市节约大量的燃油、减少污染物排放量，大大提高整个出租车系统的运送能力，缩短乘客的等待时间，降低乘客的打车费用并提高司机的收入。 基于出租车 GPS 轨迹的最快行车路线设计 装有 GPS 的出租车可以看作是移动传感器来帮助我们不断感知路面的交通流量，而且出租车司机是相对有经验的司机。所以，出租车的 GPS 轨迹既体现了交通流量的变化规律，也蕴含了人们选择道路的智能。此项目（T-Drive）利用北京 3 万多辆装有 GPS 传感器的出租车来感知交通流量，并为普通用户设计真正意义上的最快驾车线路。T-Drive 的改进版进一步考虑了天气以及个人驾车习惯、技能和道路熟悉程度等因素，提出了个性化最快线路设计。这个系统不仅可以为每 30 分钟驾车路程节约 5 分钟时间，也可以通过让不同用户选择不同的道路来缓解可能出现的拥堵。 交通异常分析 城市中总是会有一些突发事件，比如自然灾害（地震和洪水等）、大型赛事和商业促销、交通事故和临时管制、以及一些群体性事件。如果能及时感知、甚至预警这些事情，将能极大的帮助城市管理，提高政府对突发事件的应对能力，保障城市安全、减少悲剧的发生。 通过分析北京 3 万多辆出租车的轨迹来发现城市中的异常事件。其主要思想是当异常事件发生时，附近的交通流将出现一定程度的紊乱。试图用具体的交通线路来进一步解释异常出现的原因。有时候，两个区域之间出现了交通流异常，但问题本身可能并不在这两个区域，而在于远处的车流必须通过这两个区域前往另一个目的地。这些车流才是问题的根源。根据司机们路线选择方式的改变来捕捉交通异常，并进一步从相关的微博中提取关键词来解释异常的原因，如婚博会、道路坍塌。 结束语 这是微软亚洲研究院从 2011 年开始的项目，至今已经做了 4 年。本文仅仅对城市计算在城市交通方面应用做了引述，当然城市计算远不止这些。在未来，城市将构成一个类似神经网络（neural network ) 的系统，所有信息可以很快的传导到各个「 神经元」。未来的城市将变得更加美好。（本文节选自微软亚洲研究院 城市计算项目 ，感谢知乎陈然专栏提供部分内容。）
智能交通近在咫尺 V2X 技术到底还面临哪些障碍
在上一篇「自动驾驶」横评的文章末尾，我提到了 V2X，一项对真正的自动驾驶有着关键推动作用的通讯技术。借此机会，我们详细聊下这项技术的原理，讨论下其目前发展所面临的阻碍。