以２０２０ 年前后為目標節(jié)點， 世界各國的汽車制造商正在為實現(xiàn)車輛的自動駕駛而展開研發(fā)競爭。自動駕駛汽車利用攝像頭以及毫米波雷達、ＬｉＤＡＲ （ 激光雷達， 英文全稱為Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）、超聲波雷達等多種傳感器采集信息， 經(jīng)計算機處理后實現(xiàn)對車輛周圍狀況的感知。
通過感知與事故 相關(guān)聯(lián)的風(fēng)險， 計算機計算出規(guī)避風(fēng)險的路徑， 在人不介入的情況下， 將該計算結(jié)果直接通過車內(nèi)ＣＡＮ （ Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）網(wǎng)絡(luò)通信等傳遞給控制系統(tǒng)， 以控制車輛的運動。
另一方面， 這些傳感器能感知的距離范圍只有１００ ～２００ｍ。對于該范圍以外的距離， 則需要參照云端的三維駕駛用地圖來游刃有余地實現(xiàn)具有計劃性的自動駕駛。
進一步， 如果實際行駛所得到的信息與原地圖不相符， 則將數(shù)據(jù)上傳云端進行地圖更新。這樣， 通過將來自大量非特定車輛的各類傳感器數(shù)據(jù)匯集于云端數(shù)據(jù)中心， 經(jīng)統(tǒng)計處理以及大數(shù)據(jù)處理后， 實現(xiàn)了三維駕駛用地圖的更新。
此外， 通過引入機器學(xué)習(xí)等人工智能技術(shù)， 可生成在一般道路十字路口也能安全通過的自動駕駛算法。因此， 每輛汽車不僅是三維駕駛用地圖的使用者， 同時也是地圖的繪制者。
僅憑上述車輛信息技術(shù)的開發(fā)是不足以實現(xiàn)自動駕駛的， 還必須對關(guān)聯(lián)技術(shù)進行投入。首先需擴充數(shù)據(jù)中心等設(shè)備， 用于自動駕駛所不可或缺的數(shù)據(jù)收Ⅳ　集、存儲和處理。日本是數(shù)據(jù)中心不發(fā)達國家。據(jù)說在互聯(lián)網(wǎng)發(fā)展較為先進的美國， 將人工智能等技術(shù)逐步應(yīng)用于市場的各公司都擁有規(guī)模達１００ 萬臺級服務(wù)器的數(shù)據(jù)中心， 而日本即便將所有這類公司加起來， 估計也只有１００ 萬臺左右。這樣， 要實現(xiàn)自動駕駛的附加價值就不得不依賴于海外。
至于通信設(shè)備， 依靠今后將進一步發(fā)展的移動電話網(wǎng)就足夠了。很多人擔(dān)心自動駕駛開始后通信量會劇增而超出通信能力， 其實這根本不用擔(dān)心。對自動駕駛而言， 大數(shù)據(jù)量的通信頻率不高， 而通信頻率高的是小數(shù)據(jù)量數(shù)據(jù)， 所以不會造成那么多通信負擔(dān)。當(dāng)然， 各種數(shù)據(jù)壓縮方法、通信量最優(yōu)化網(wǎng)絡(luò)管理技術(shù)等還是必須要考慮的。
此外， 地圖及通信的國際通用化、更牢靠的網(wǎng)絡(luò)安全技術(shù)的導(dǎo)入， 以及車輛固有的隱私問題的解決將變得越發(fā)重要。
本書介紹了大量與自動駕駛汽車相關(guān)的實際情況， 筆者在ＩＣＴ 及汽車行業(yè)均有涉足， 相信本書一定能為大家提供參考。
祝各位讀者身體健康。
野邊繼男