“城市套路深，我要回農村！”
—— 可當真回了農村就安全了麼？
鄉村交通，這個常被我們忽略的領域已躍升為交通事故的高發地——經過多年基礎建設，尤其是浩大的“村村通”工程後，道路基本已經達到所謂四通八達；但隨之而來的除了方便之外便是躍升的事故率，不僅大有奮起直追城市及高速交通事故率之勢，甚至在不少地區還已經實現了大比分超越。
究其原因，除了通常報告中提到的“交通參與者安全法制意識淡薄”、“交通設施不完善”、“警力薄弱”、“道路管理手段和方法滯後”、“通行條件差”等多項顯性原因外，其實在我們看來無論在國內還是國外都高發的鄉村事故率還有一大誘因是由於鄉村出行的獨有條件和方式。
舉例：城市中的你和朋友聚會喝兩杯，之後你有代駕、出租、拼車……甚至更多的解決方案保障回程安全。而若同樣的事情發生在鄉村：你去隔壁村翠花兒家蹭豬肉燉粉條的時候高興貪了兩口二鍋頭，待到“舉頭望明月，低頭思回家”之時，你大概就只有在【酒駕】和【月光下和大黃相擁入眠】兩者之間徘徊了。
那麼，如果拋開用戶量、用戶粘度以及使用頻次等等關於成本的考慮，單從安全角度來看，自動駕駛共享車輛也許是鄉村交通高發事故率的一個可行的解決方案，只不過這個方案的複雜程度有點超乎想象：
我們之前多次聊到，哪怕先進如Waymo都暫時只會在主要城市測試或運行Ta們的自動駕駛車隊，其最重要的原因是在車隊啟程之前需要工程師們花費無數時間準備城市車道、道路邊緣、坡道、交通標誌等參數詳盡的城市三維地圖。就像麻省理工學院計算機科學與人工智能實驗室（CSAIL）主任Daniela Rus所說：“汽車通過這些地圖知道它們在哪裡，以及當行人和其他汽車出現時該怎麼辦。”
雖然之前我們也曾解析過個別可部分脫離精密三維地圖而使用機器視覺運行的自動駕駛技術方案，但似乎一年過去了也遲遲未見擴大範圍推廣應用，想來進展不是想象中那麼順利。
然而，就在本月澳大利亞布里斯班舉行的機器人與自動化國際會議上，麻省理工學院計算機科學與人工智能實驗室（CSAIL）發佈了題目為“農村環境中沒有詳細的預先映射的自動車輛導航”的論文將自動駕駛車輛駛進鄉村範圍向前推進了一大步。
CSAIL團隊為自動駕駛汽車開發了一個名為MapLite的系統框架，該框架使用的簡單的GPS數據和一組觀察道路狀況的傳感器共同工作，允許自動駕駛汽車在Ta們從未去過的陌生領域並且缺乏3D高精地圖的道路上運行。
如視頻中所示，CSAIL團隊僅僅使用Google導航的GPS數據和一系列觀測路況的傳感器（激光雷達、雷達、IMU測量單元等），提前探測100英尺以上的道路，使這臺豐田普銳斯實現了安全可靠的自動駕駛。
說起來，這套系統框架的意義遠不止實現了鄉村道路上的自動駕駛這麼簡單。要知道現有系統嚴重依賴精密3維地圖，而傳感器和視覺算法的主要功能是用來避免行人和其他汽車或非機動車車輛等動態物體。而MapLite框架則在某種程度上模擬了人類的駕駛模式——依靠GPS導航獲取汽車位置的粗略估計，並根據最終目的地位置確定導航目標，生成一條通往目的地位置的路徑，並使用激光雷達監測評估道路的邊緣位置……而且根據MapLite的極簡設計原則，其分辨道路的標準也十分簡單直接：道路應是比周圍區域更平坦的基本假設。
雖然現在的MapLite還達不到目標中的精準和可靠，比如現在還無法應付有海拔差的山路，自然也無法進入動不動有上下好幾層立體橋或者複雜路口、無數行人車輛交織的城市，但CSAIL團隊為MapLite開發了一個“參數化”模型系統，使其可以在依靠機器學習時能夠舉一反三，將各種數據物盡其用，通過學習實現快速的自我進化。
不過，MapLite也不用惦記“農村包圍城市”，如果能夠讓自動駕駛在城市和鄉村之間無縫銜接，已經是大功一件。
閱讀更多 極車製造 的文章
