“无人车”自动驾驶,安全系数有几许?

发布者:脑洞飞翔最新更新时间:2016-11-16 来源: 科学网(北京)关键字:自动驾驶  无人车  安全系数 手机看文章 扫描二维码
随时随地手机看文章

目前国内外正在研制“无人车”,不同程度上都有人的参与,严格地讲,有的属于自动辅助驾驶,根据目前的人工智能技术,这类车辆有可能在短期内走向实用;而真正的无人车,特别是在开放环境(如繁忙的街道)下行驶的智能车辆,目前的人工智能技术还难以解决其面临的困难问题,短期内还难以走向实用。其中,安全性问题即是其中之一。

11月10日—13日,2016中国智能车大会暨国家智能车发展论坛在江苏常熟举行。大会同期,由国家自然科学基金委员会主办的第八届“中国智能车未来挑战赛”(IVFC)也如期举办。来自高校、科研机构和企业的23支车队前来挑战22公里的“真实高架快速道路测试”(限速60km/h)和6公里的“城区道路测试”(限速40km/h)。比赛中出现的两个插曲,颇值得深思。

挑战赛中的小插曲

先是,在12日的“真实高架快速道路测试”比赛上,为了保障不发生恶性意外,大赛允许参赛车的驾驶位上有人,同时在车内安装监控,来判断比赛中车上人员是否对车子提供了帮助。赛前,前来直播此次赛事的工作人员提出,在比赛中拍一段智能车无人行驶的镜头,以告诉电视观众这是真正的无人驾驶。这本是“露脸”的好机会,然而,排在前面的参赛队婉拒了这一请求,以技术准备不足为由掉头驶出比赛首车出发位置。

本报记者听闻此事后先是一阵错愕,但在翌日的“城区道路测试”中,接连发生的几起意外让记者感到情有可原。

先是武汉大学的“途e号”刚起步掉头就直接爆胎,汽车磕在路肩,换备胎后才得以继续比赛;再是北京理工大学“特立笃行队”在比赛起点几次发动都没有成功,只好调换比赛顺序;最惊魂一幕出现在下午两点半,长安大学“智能车队”在刚起步的短短3分钟内,两次失控驶向人行道路,观看比赛的数百名观众为之捏汗。

“理论上无人驾驶一段距离应该问题不大。但是谁又愿意冒那个风险?虽然说理论上可行,但万一呢?更何况在高架快速道路上的车速比在城区道路上还要快。”中国智能车大会上一位不愿透露姓名的学者告诉《中国科学报》记者,自动驾驶还在测试阶段,安全第一。

两层“安全”

“人具有模糊处理的能力,驾车时需要掌握10米精度就可以了;但智能驾驶没有,它需要10厘米的精度。”谈到自动驾驶的安全可靠性,驭势科技创始人兼CEO吴甘沙在国家智能车发展论坛的报告中如是说。

尽管智能驾驶自来被认为是减少交通事故发生的有效手段,但自从特斯拉无人车发生致命车祸事故以来,无人车的安全问题被无限放大。并且,自动驾驶汽车的安全问题远不止于此。

吴甘沙近期一篇刊载于《中国计算机学会通讯》上的文章,系统地分析了自动驾驶语境下的安全问题。

“‘安全’在自动驾驶语境里有两层意思。第一层是Safety(安全)。例如传感器360度无死角覆盖、多种传感器融合、感知算法精准、感知—控制反馈实时、软硬件多层冗余、温度范围大、防震、防尘等。汽车行业对功能安全也有ISO 26262标准,整个流程执行下来会让IT工程师‘易筋洗髓’‘脱一层皮’。第二层是Security(保密)。一方面,日益复杂的算法和功能要求通用操作系统能够在车上使用;另一方面,联网的需求使汽车直接暴露在网络上,黑客通过车载联网娱乐系统可以轻松攻破并控制汽车。”吴甘沙在上述文章中写道。

针对第一层安全问题,特斯拉在致命车祸的抗辩中指出,特斯拉autopilot已经行驶1.3亿英里,这是第一起致死事故,而世界范围内每行驶6000万英里就有一次致死事故,美国的平均数字是9400万英里,因此自动驾驶更加安全。

“虽然我是自动驾驶的拥趸,但必须指出,这一论据并不充分。”吴甘沙说,1.3亿英里、不到1年的上路时间、10万辆左右的数量,这仍是非常小的数据样本。“换言之,只要特斯拉明天再出一起致死事故,拿美国均值做标准就不及格了。”

著名智库兰德公司的研究报告指出,要在数学意义上证明自动驾驶比人驾驶更安全,需要测试上百亿英里、几百年的时间。

“这是全世界任何一个车厂都无法完成的任务。然而人们不会因为某家车厂没有达到理论上的低死亡率而不尝试自动驾驶。”吴甘沙说,但如果某家车厂能够用更多的里程来证明自动驾驶更安全,则毫无疑问将获得更多的青睐。

信息安全未雨绸缪

针对第二层安全,北京航空航天大学交通学院副教授余贵珍在同期举行的国家智能车发展论坛上专门以《智能汽车与信息安全》为题作了探讨。他称,智能汽车作为“四个轮子的电脑”,其使用的计算和联网系统沿袭了既有的计算和联网架构,也继承了这些系统天然的安全缺陷。

“最新汽车上至少100台车载电脑,运行6000万行代码,而无人驾驶则运营着2亿行以上的代码。”余贵珍说,智能车采用“感知—决策—控制”来代替人对机械部分直接控制,传感器和智能控制等信息设备潜在地增加了信息危险面。此外,“V2X”(车联网)无线通信将会带来新的信息安全问题,汽车的电动化也将带来更多的信息安全问题。

如何破解这些安全风险?吴甘沙建议,首先要仔细梳理和定义自动驾驶系统的安全需求,进行风险分析,建立具有可信计算基础的软硬件平台,采用分域、虚拟化等机制隔离关键模块,通过加密保护端到端的数据通路。其次,要实践全新的安全设计方法学,安全始于设计,从确认设计到验证实现,都要考量安全性;在运行时,是否足够安全,能否抵御攻击,能否在线升级、保证软件最新,系统出现单点故障是否有足够的冗余?万一系统沦陷,有没有办法强力终止攻击,或重获控制权。

“开发智能网联汽车必须要开发其他相关技术,重要的一点就是主、被动安全技术。”广汽研究院院长黄向东在国家智能车发展论坛上的报告中也称,安全是大家现在比较关心的新技术,“网络技术、电子技术的作用特别大”。

此外,吴甘沙提出,如果未来存在一个安全信息市场,安全研究人员或白帽黑客发现安全缺陷,可以通过市场将该信息卖给主机厂商或技术供应商。


关键字:自动驾驶  无人车  安全系数 引用地址:“无人车”自动驾驶,安全系数有几许?

上一篇:车厂不屑黑客?实为不舍得下血本提升安全性
下一篇:ADI收购Vescent Photonics公司激光波束转向技术

推荐阅读最新更新时间:2024-07-25 19:23

华为盘古大模型如何赋能自动驾驶
盘古大模型主要是帮助自动驾驶提升数据闭环。 华为盘古大模型开始赋能自动驾驶。 近日,华为云智能驾驶创新峰会上,基于盘古大模型,华为发布自动驾驶领域四个场景大模型。分别是,场景生成大模型、场景理解大模型、预标注大模型、多模态检索大模型。与此同时,华为方面称,基于盘古大模型3.0,华为云还可以帮助企业打造自己的自动驾驶大模型。 事实上,自2017年谷歌发布Transformer网络结构,成为大模型发展源头技术后,大模型技术在自然语言理解、计算机视觉、智能语音等方面都取得了突破。中国自2020年也进入大模型快速发展期,出现了文心一言、通义千问、星火认知等一批预训练大模型。 那么,与其他大模型相比,华为盘古大模型有什么不同
[汽车电子]
华为盘古大模型如何赋能<font color='red'>自动驾驶</font>?
福特扩大自动驾驶版图 下一城或在奥斯汀
据外媒报道,据知情人士透露,福特汽车公司(Ford)正准备在美国德克萨斯州奥斯汀(Austin)启动一个自动驾驶汽车项目,该公司将继续扩大自动驾驶汽车测试力度,以便在2021年推出自动驾驶出租车和送货服务。 福特发布了职位招新,需要招聘一位在奥斯汀工作的自动驾驶汽车“营销专家”,该招聘证实了上述消息。除底特律、迈阿密、匹兹堡和华盛顿特区之外,福特将开始在第五座城市 - 奥斯汀进行自动驾驶测试项目。但是,福特既没证实也没否认奥斯汀是其进行自动驾驶汽车测试的下一座城市。 福特与其他在美国进行自动驾驶汽车测试项目的公司不同,该汽车制造商正寻求两条平行路线,一方面,福特正在测试和瞄准自动驾驶商业模式;另一方面,福特也在单独研发自动驾驶汽车
[机器人]
小米造车预测:布局自动驾驶,打造多模交互智能座舱
互联网公司造车热潮来了!继小米宣布造车后,滴滴也开始启动造车项目。互联网公司造车仿佛给人一种“门槛越来越低,并且能够快速走向市场”的错觉。作为拥有强大供应链整合能力的小米,已申请了很多关于智能座舱的专利,同时投资了小鹏、蔚来、智行者科技等众多智能车企业,它的造车之路该如何走? 今天(4月6日)是小米公司成立11周年,也是小米一年一次答谢粉丝的米粉节。小米创办人、小米集团董事长兼CEO雷军在内部员工会议中再次重申“为什么要造车?”这一主题,更加坚定了百亿造车梦。 就在一周前的小米发布会上,雷军宣布将成立一家全资子公司,负责智能电动汽车业务,首期投资100亿元人民币,未来10年总投资100亿美元,打造“年轻人的第一辆电动
[汽车电子]
特斯拉移除超声波雷达,宣布转向纯视觉自动驾驶
正当大多数车企都在以自家产品搭载多少颗激光雷达、毫米波雷达和超声波雷达为宣传卖点时,特斯拉正逐渐扔掉这些传感器。 继取消搭载毫米波雷达后,特斯拉表示,2022年10月上旬开始将从车辆上移除超声波传感器,未来几个月特斯拉部分地区制造的所有Model 3和Model Y都不再使用超声波传感器,并于2023年开始在Model S和Model X中移除。 随着超声波雷达传感器的剔除,这意味着特斯拉将只依靠8颗摄像头来实现汽车的自动辅助驾驶(Autopilot)甚至是完全自动驾驶(FSD)。 针对自动驾驶,大多数车企采用的是“视觉+雷达”的方案,部分车企,像蔚来、小鹏还支持高精地图。尽管此前特斯拉也应用了不少雷达传感器,但
[汽车电子]
特斯拉移除超声波雷达,宣布转向纯视觉<font color='red'>自动驾驶</font>!
瑞萨电子和Cohda Wireless将V2X半导体和软件技术相结合
将在2016全球智能交通大会(ITS World Congress 2016)上展示联合开发的新型V2X参考设计方案 2016年10月7日,日本东京,澳大利亚阿德莱德讯 全球领先的半导体解决方案供应商瑞萨电子株式会社(TSE:6723)和车联网(V2X)及联网自动驾驶汽车(CAV)的领先供应商Cohda Wireless今天宣布两家公司在车车通信(V2V)和车路通信(V2I)领域展开合作。通过将瑞萨电子的V2X R-Car片上系统(SoC)和Cohda Wireless的V2X和CAV软件解决方案相结合,两家公司提供支持欧洲和北美对V2X系统开发的通信标准的参考解决方案。 2016全球智能交通大会(ITS World
[汽车电子]
瑞萨电子和Cohda Wireless将V2X半导体和软件技术相结合
特斯拉“亮剑”全自动驾驶三大杀手锏
12月30日,位于上海的特斯拉工厂将开始交付Model 3。意味着,这家工厂将在开工357天后开始向客户交付汽车,这将创下全球汽车制造商在华的新纪录。 上海工厂是特斯拉全球计划的一部分,目的是增强其在世界最大汽车市场的影响力,更重要的是本地化的工程研发团队也即将落地,目的之一就是适应中国路况的自动驾驶功能优化。 目前,特斯拉在国内的Autopilot版本更新一直落后于美国市场。而在今年9月,交通运输部部长李小鹏会见特斯拉CEO马斯克时,双方就自动驾驶技术发展交换了意见。显然,特斯拉在过去一年时间,已经频繁与中国的相关主管部门进行各种沟通,这在过去是不常见的。 彼时,交通运输部特别强调了欢迎包括特斯拉在内的各国新能源汽车
[汽车电子]
自动驾驶传感器那点事之摄像头深度学习视觉技术
引言 摄像头传统视觉技术在算法上相对容易实现,因此已被现有大部分车厂用于辅助驾驶功能。但是随着自动驾驶技术的发展,基于深度学习的算法开始兴起,本期小编就来说说深度视觉算法相关技术方面的资料,让我们一起来学习一下吧。 01、深度学习概述 深度学习(DL,Deep Learning)是一类模式分析方法的统称,属于机器学习(ML,MachineLearning)领域中一个新的研究方向。深度学习通过学习样本数据的内在规律和表示层次,能够让机器像人一样具有分析、学习能力,可识别文字、图像和声音等数据,从而实现人工智能(AI,Artificial Intelligence)。 图为:(人工智能、机器学习、深度学习)关系图
[嵌入式]
<font color='red'>自动驾驶</font>传感器那点事之摄像头深度学习视觉技术
通用汽车收购传感器公司Strobe 加速自动驾驶市场布局
   通用 汽车9日宣布,将收购高科技传感器公司Strobe。该交易若取得成功, 通用 汽车将成为自动驾驶领域巨头Alphabet和特斯拉的强大竞争对手。下面就随汽车电子小编一起来了解一下相关内容吧。   通用汽车收购传感器公司Strobe 加速自动驾驶市场布局   据悉, 通用 汽车还将收购Strobe的工程团队,为收购的Cruise汽车公司服务。通用汽车于2016年收购了这家无人车技术企业,希望借助该公司经验丰富的软件人才及快速的开发能力,加速通用汽车在自动驾驶汽车技术领域的研发。通用汽车还投资了自驾汽车初创公司Nauto。   Cruise汽车创始人官基莱·沃格特表示,“Strobe的技术将显著降低车辆成本并提升性能,
[汽车电子]
小广播
最新汽车电子文章
换一换 更多 相关热搜器件

 
EEWorld订阅号

 
EEWorld服务号

 
汽车开发圈

电子工程世界版权所有 京B2-20211791 京ICP备10001474号-1 电信业务审批[2006]字第258号函 京公网安备 11010802033920号 Copyright © 2005-2024 EEWORLD.com.cn, Inc. All rights reserved