文远知行WeRide自动驾驶开进城中村 有哪些法宝？

【TechWeb】9月10日消息，城中村里交通规则几乎完全退化，对于人类司机们来说，进入城中村开车也是需要打 起12分精神。今天，文远知行的自动驾驶汽车开进城中村，做到全程安全无接管。

在进入城中村之前，文远知行就对其路况特征进行了研究。

在文远知行团队看来，中国部分城中村的建筑密度高，最高可达70%。城中村中往往只有一两处宽度仅为 7 米的对外联系道路, 村内部道路多以房屋间距作为步道, 大多只有 2 ~ 4米宽, 不仅行人，也行车，不设车道线和交通灯，各类私家车辆、路边小摊档直接停放在马路边，供车辆通行的空间极为狭窄。而一旦出村，地铁站、繁华商区的宽敞大路又会突然显现，村内外交通场景差异显著。

而上述城中村路况特征在自动驾驶汽车眼中就是一片充斥着海量的动态障碍物数据、没有可识别的交通标志、无法事先定义的极限挑战场景。

在城中村中，自动驾驶车辆经常遇到的典型长尾场景包括三种情况。

一是，周围障碍物行进路径不确定：由于交通规则缺位，没有车道线和交通灯，路面上充斥着随时变化行进方向、速度的汽车、自行车、电动车和行人。

二是，近距离交互，与车辆行人擦肩而过：由于道路极其狭窄，可供通行空间不足，再加上密集的人群流动，自动驾驶车辆要与周围车辆和行人在厘米级的距离内产生交互，会车经常需要与对面车辆擦肩而过。

三是，小型障碍物挑战自动驾驶车辆盲区：随处可见的小型障碍物突然闯入，如小狗、散落在路上的货品，这些大大增加了自动驾驶车辆的盲区风险。

一直以来，文远知行以一套通用的自动驾驶算法WeRide ONE解决所有不同应用场景的问题，并在不断的学习中，进行自我进化。目前，WeRide ONE在感知、预测、规划、决策、控制的线性逻辑的基础上，加入了环境观察、双向交涉、达成共识、形成默契的算法，最终实现安全而且稳定的自动驾驶。

在破解城中村复杂交通的问题上，文远知行团队表示，WeRide ONE有三大法宝：拥抱不确定性、达成共识、克服盲区。

拥抱不确定性：越不确定，越稳定

城中村内车多人杂，随时变化行进方向，对自动驾驶的预测算法造成了极大的挑战。对此，文远知行WeRide ONE采取的应对方式是：拥抱预测的不确定性。

文远知行在预测算法中强化了机器学习的模型。机器学习模型是基于大数据提取障碍物行进特征，反复进行模型训练，提升算法，提高预测准确率。

文远知行机器学习模型更突出的一个特点是，调整系统的交互思维。在自动驾驶车辆跟周围的车辆、行人动态互动时，会根据每一步的互动，在短时间内实时调整预测结果，而非死板地依赖于某一固定时刻的预测数据。同时，通过将预测与规划、决策和控制环节更好地衔接，提升了整个系统的稳定性，让车辆行驶更平稳。

达成共识：提高机器在人机博弈中的主动性

城中村交通规则退化，缺乏统一的交通规范，需要靠行人、车辆的“共识”来维持交通运转。机器如何与周围的障碍物和场景“达成共识”？自动驾驶车辆不会讲话，是通过动作来传递信息。

在安全第一的准则下，文远知行的自动驾驶车辆会以礼让行人、车辆为优先考虑，在会车时，首先选择主动靠边让行。但是，在拥挤、繁忙的城中村街道，让行也可能导致车辆始终无法行进、卡死在原地的情况发生，适当地采取主动交互，以调整方向、速度等方式，给周围行人、车辆以信息，寻求新的共识。

达成共识是破解城中村交通的重中之重，是文远知行WeRide ONE最关注的技术提升点。

克服盲区：远处看得见，近处看得清

文远知行自主研发的自动驾驶传感器套件，能检测到远至250米范围内的所有道路和交通信息，360度全覆盖四周各种障碍物，比人眼更精准、可靠地“看”到周围的物体，对障碍物进行检测、分辨、跟踪，最终形成对场景的正确理解。

但是在城中村拥挤的交通环境下，自动驾驶车辆在近距离检测方面面临巨大的挑战。自动驾驶车辆与周围物体的距离可以低至几厘米，“贴着”障碍物行进的情况时有发生，需要自动驾驶车辆的最近检测距离几乎为0时，做到没有盲区。

针对城中村，文远知行将传感器套件进行升级，增加了高线束的侧翼激光雷达，加强贴身障碍物的精细化检测，大大提高检测的精度。

文远知行方面表示，解决在城中村实现自动驾驶的问题，不仅可以在城市开放道路中更安全、自如、稳定地提供出行服务，还将有助去掉安全员，更快实现全无人驾驶运营服务的目标。