实现自动驾驶的最新技术动向 (上)
关键技术及其定位：“看得见的区域”和“看不见的区域”
2015/12/08
概 要
除了各整车厂的积极展示和宣传，政府也就实现自动驾驶车发表了积极的讲话，作为实现自动驾驶手段的各配套厂是如何看待当前形势的呢？
本报告将分上下两篇，围绕TU-Automotive Japan主办的TU-Automotive Japan 2015 (The Westin Tokyo 10/20-21； 到去年为止名为Telematics Japan) 中自动驾驶相关分会上各配套厂的演讲内容，介绍各整车厂在各自专业领域所设定的发展方向、问题及解决方法、实现时间等。
上篇将介绍英特尔株式会社战略企划室Automotive Unit、Chief Advanced Service Architect 兼 Director / 名古屋大学客座副教授 野边继男以“自动驾驶技术的最新动向和今后课题”为题的演讲。作为实现自动驾驶的关键技术，野边继男强调了可看到车辆前方100m左右的“看得见的区域”的Deep Learning，以及更远处“看不见的区域”的汽车物联网 “Vehicle IoT (Internet of Things)”。
下篇将介绍博世、大陆、QNX与WIN DRIVER (都是嵌入式操作系统的供应商) 在专题讨论会上的演讲。
相关报告
实现自动驾驶的最新技术动向 (下) 博世、大陆的自动驾驶蓝图、技术课题和未来展望等 (2015年12月)
自动驾驶技术的发展蓝图：Telematics Japan 2014：梅赛德斯奔驰道路测试结果、梅赛德斯奔驰/日产/本田的实用化日程表 (2014年11月）
自动驾驶：哪些技术掌握关键 （2014年11月）
自动驾驶的对象领域及其实现时间
英特尔的野边继男表示，2020年各整车厂希望实现的应该是“Level 3”的自动驾驶，在一定条件下，无需驾驶员的监控。并以时速为横轴，周边情况预测的困难度为纵轴制作图表，绘制了自动驾驶的对象领域 (图1)。
按“高速公路”、“主干道”、“生活道路”的顺序实现自动驾驶较为困难。图中红字的时间是2014年4月14日戴姆勒公司发布的各领域的设想实现时间，与野边继男的想法基本一致。
自动驾驶的Level及一般定义
| Level | 系统 | 定义 |
|---|---|---|
| Level 1 | 安全驾驶辅助系统 | 系统进行加速、转向、制动中的一项操作 |
| Level 2 | 部分自动驾驶系统 | 系统进行加速、转向、制动中的多项操作 |
| Level 3 | 智能自动驾驶系统 | 加速、转向、制动操作均由系统进行， 系统提出请求时由驾驶员应对。 |
| Level 4 | 完全自动驾驶系统 | 加速、转向、制动操作均由系统进行，驾驶员不参与驾驶。 |
(MarkLines根据日本国土交通省等机构的定义制作)
图1) 自动驾驶的对象领域及其设想实现时间 (来自英特尔公司资料)
“看得见的区域”和“看不见的区域”
接着，野边继男提出新的概念 (图2)，将Level 3时期的自动驾驶区分为“看得见的区域 (到车辆前方100m左右为止)”和“看不见的区域 (100m之外)”，并对其必要性和技术性课题进行了解说。
图2) “看得见的区域”和“看不见的区域”的概念 (来自英特尔公司资料)
汽车最多仅需10秒就会通过“看得见的区域”，但到了Level 3，自动驾驶系统要将驾驶的主导权归还至驾驶员手中的所需时间更长 (例如数十秒)，这时车辆仍将处于自动驾驶的状态，行驶在未知的道路。
图2中，野边继男将“看得见的区域”的自动驾驶定义为利用传感技术的进步和Deep Learning提高识别精度，并逐步实现的“自律性 (小脑) 自动驾驶 (粉色)”； 将包括“看不见的区域”在内的自动驾驶定义为利用前方数公里道路信息逐步实现的“计划性 (大脑) 自动驾驶 (黄色)”。
野边继男还强调，无论在上述哪个领域，高精度地图都是必要条件。
“看得见的区域”‥自律性自动驾驶
首先对“看得见的区域”进行考察得知，对于移动的物体，需要自律性 （小脑) 的实时反应。
野边继男认为，要实现一般道路上的自动驾驶，最困难的就是判断是否能通过路口 (图3)。在这种情况下，行人、自行车、摩托车、汽车等鱼龙混杂，移动的方向也各不相同。静止物体也都朝着不同方向。信号灯是难点，单靠图像识别技术的进步，很难正确把握在路口的连续区间哪个信号灯对应哪个路口。
能获得距离信息的LIDAR (LIght Detection and Ranging) 与高精度地图信息的组合，或许是最现实的答案。
图3) 判断能否通过路口的所必须掌握的信息量案例 (来自英特尔公司资料)
谷歌已在加利福尼亚州的路面上开展试验，利用LIDAR，以“点和群”来把握路口周边的物体，利用Deep Learning提高识别精度。图4是谷歌公开的识别结果案例，将各种朝向、各种姿势的点和群识别为“人”。
图4) 利用LIDAR信息的图像，通过Deep Learning判断车辆和人
(来自英特尔公司资料)
利用Deep Learning，推进驾驶演算法的开发，或能提前实现自动驾驶。
“看不见的区域”‥计划性自动驾驶
接着，野边继男就“看不见的区域”，在Level 3的自动驾驶中，要想把驾驶主导权充分交还至驾驶员手中，需要2分钟，期间 (如在高速公路上则已行驶数千公里) 想要实现安全驾驶，“计划性 (大脑) 自动驾驶”不可或缺 (图5)。
图5) “看不见的区域”的自动驾驶 (来自英特尔公司资料)
高精度的地图信息自然是必要条件，但地图信息的更新却仍停留在地图制作时的信息。此时，如利用“Vehicle IoT”，可充分利用以往通过车辆的信息，随时更新地图信息，保持在最新状态。所以说，要实现“计划性自动驾驶”，“Vehicle IoT”可说是必须的基本技术 (图6)。
图6) 利用“Vehicle IoT”对地图进行更新 (来自英特尔公司资料)
另外，野边继男表示，地图上的数据基本是静止物体，因此无需进行实时更新。而活动物体可由上述“自律性自动驾驶”实时应对。
野边继男对今后或将进一步发展的Vehicle IoT表现出些许担忧，例如，每个国家/地区的信息种类、内容及格式都有所不同。这种情况会对自动驾驶的普及造成极大障碍，因此制定统一的国际标准尤为重要。
＜全球汽车产业平台 MarkLines＞