1700046000
1700046001
1700046002
1700046003
图10.1 使用即时定位与地图构建（SLAM）技术得出的3D地图
1700046004
1700046005
来源：Jakob Engel, Jorg Stuckler和Daniel Cremers合著的论文《立体相机的大规模直接SLAM技术》（Large-Scale Direct SLAM with Stereo Cameras），2015年国际智能机器人和系统大会，1935~1942页。
1700046006
1700046007
Andreas Geiger，Philip Lenz和Raquel Urtasun合著的论文《自动驾驶，我们准备好了吗？KITTI视觉基准测试套件》（Are We Ready for Autonomous Driving? The KITTI Vision Benchmark Suite），2012年国际计算机视觉与模式识别会议，3354~3361页
1700046008
1700046009
SLAM技术赋予机器人自主提升地图准确性的能力。由于移动机器人使用SLAM技术来收集传感信息，机器人储存的地图质量不断攀升。良性循环开始了。当机器人存储的地图精确度与详尽程度提升到了一个新高度，机器人就成了一个更好的导航者，从而能更好地出发，去收集更多的数据来更新地图。
1700046010
1700046011
如今，移动机器人把SLAM技术应用在各个领域，从军事领域到家用扫地机器人。与车队学习相类似，也出现了团队型SLAM。在这个过程中，几名机器人通力合作，把视觉数据进行汇合。SLAM另一个分支技术是3D SLAM，这项技术可以使自动潜水艇绘制出海底地图，使空中无人机描绘出探测过的洞穴的内部情况。
1700046012
1700046013
如果有无人驾驶车队使用Booststrap框架来提升高清地图和深度学习的准确性，它们将会采用类似团体型SLAM和3D SLAM的工作过程，反复拍摄每个街景，仔细查看每个路面上的裂痕、颠簸之处和道路标志。当无人驾驶车队获取的图片信息形成平稳的即时数据流并输入软件，就能形成一个不断成长和更新的数据模型，内容将覆盖路上行人的举止行为和该地区路面街道的详细情况。当车队把它们各自驾驶的经验都汇集成机器人认知的合集时，综合起来的经历将等同于一个人类司机几千年积累的驾驶经验。
1700046014
1700046015
无人驾驶：人工智能将从颠覆驾驶开始，全面重构人类生活 [:1700043831]
1700046016
预测交通情况
1700046017
1700046018
当无人驾驶汽车进一步地开展其地图业务，它们的位置、速度和选择路径会生成非常实用的副产品：交通数据。今天我们使用路径规划软件来提供有限的导航来避开交通拥挤。几乎每个人手机上都有一款APP是用来指导我们到达特定的目的地，这些APP较为先进的版本会把交通信息也加入到运算当中。
1700046019
1700046020
无人驾驶汽车将包含复杂的交通预测软件，它使用机器学习软件从实时以及历史交通数据中学习。经过学习此前数小时、几周甚至几年的交通模型，机器学习软件将学会识别造成交通拥挤的原因，例如交通事故或是道路维修。其他影响因素包括节假日、学校放学、举行运动会和大型社会活动；天气和冬季的积雪是另一个破坏性极大的因素。
1700046021
1700046022
交通预测和计划软件的性能提升曲线与深度学习软件的类似。可用的交通数据越多，交通预测的机器学习模型将变得越准确。一辆车行驶时间越长，它就越了解交通状况——就像经验丰富的老司机遇上交通拥堵时会选择其他路线——交通预测软件的性能越好，就越容易找到最佳路径。
1700046023
1700046024
从今往后的几十年内，交通预测软件能够达到我们今天梦寐以求的高水平。当无人驾驶汽车对好几年的交通数据进行分析，我们会发现预测软件揭示了看起来毫不相干的交通状况之间的关系。城市规划者将发现一个交通状况将会间接引起了另一个交通状况，这就是我们熟悉的“蝴蝶效应”。一起不起眼的交通封锁会引起几条相距甚远的道路发生10小时的交通延误。
1700046025
1700046026
道路规划与交通预测软件所能做的，远远不止路线规划和指引车辆绕行交通拥堵区域。这种软件将拥有整个城市的交通模式的全景图。然而在某些状况中会用到微观地图，在这种情况下需要在短时间规划出较短路径，规划出到达附近目的地的最佳路线。当无人驾驶汽车综合考虑效率最高的路线时，它能创造出一系列的短期预测模型。例如，如果你在一辆前往杂货店的无人驾驶汽车上，没有指定去哪里购物，这时汽车将会综合附近的交通模式，将你送到能最快抵达的杂货店。
1700046027
1700046028
交通系统是科学家口中的典型的“非线性系统（Nonlinear System）”。它是一种由多种相互依赖和制约的因素，用难以预测的方式作用于彼此的系统。对于许多学科的科学家和工程师来说，在非线性系统中分析这些微妙而复杂的共存关系是一个非常热门的研究领域。股市是另一个复杂系统，很多情况下受到人类投资者的影响，其平衡性会不断偏离中心；热带雨林中的生态系统出现物种波动时也是类型的例子，其中包含了上百种独立或非独立的关系，分别以难以预计的方式彼此影响。
1700046029
1700046030
我们都经历过“交通非线性效应”，那就是每次遇上早高峰的时候：8点前出门，你将早一小时到达办公室；晚半小时后出门，你将会迟到。在过早抵达和迟到之间有一个理想的时间点，可是我们很难找准理想的出门时间。早晨的交通用时难以计算，因为能让你9点准时抵达办公室的出门时间不是固定的，它受到许多因素的影响。
1700046031
1700046032
交通模式非线性的一个原因是群体行为决定了人们的路线选择。当司机听到交通广播播放交通延误的消息，他会想：“慢着，如果人人都选择了别的路线，那么我继续走交通事故发生的路线岂不是更好？”无人驾驶汽车也会留意到交通延误，但是与人类不同，它们的反应与处理方式更为理性客观。先进的路线规划软件将通过假设场景形成方案，迅速搭建出几种不同的交通状况模型。无人驾驶汽车相互告知所规划的路径，监管软件将根据各车辆情况合理分配不同路线，实现真正的高效出行。
1700046033
1700046034
当无人驾驶汽车得到普及后，车辆所采集的交通数据量将持续增长，机器学习的模型质量不断攀升。因此，路径规划软件能提前数小时，甚至几天对复杂的交通状况进行预测和维护。对于未来的政府决策者和汽车制造商而言，有一个问题悬而未决，那就是该如何定义交通预测软件的精确度。
1700046035
1700046036
载人的无人驾驶汽车并不是高效的路径规划软件交通预测软件的唯一受益者。商务货运以及快递行业也是这当中的受益者。为商业配送车辆进行路线规划可比家用轿车的难度大得多。受以下几项物流因素的影响，路线规划的难度大大增加。
1700046037
1700046038
每天穿梭于城市内家家户户的自动配送车队需要不时在公路停车进行配送服务，大量的停车需求使路线规划变得棘手繁杂，绝对可以媲美气象预测的高难度。个人汽车的路程较短，通常少于30英里。而配送车辆可能持续驾驶一整天。因此，路径规划软件在规划时，必须在一整天或一整个星期的路线中考虑到多个停车点的存在。
1700046039
1700046040
然而，复杂的事情还在后头。如果无人驾驶配送车需要在好几处不同地点多次停车，会产生将近5亿种可能的路线排序。这项工作的难度在于卡车和配送车辆进行路径规划时，受“有时间窗的车辆路径问题（vehicle routing problems with time windows，VRPTW）”的影响非常大。如何计算出理想的配送次序方案是复杂系统研究中的一个经典操作顺序问题。最佳路线不仅指距离最短的路径，还要求顾及当天配送车辆最佳的停车卸货次序安排。
1700046041
1700046042
路径规划机器学习软件将成为驾驶经验丰富的司机。当无人驾驶汽车和无人驾驶卡车普及后，高清地图信息将完整覆盖路面的每个细节，包括准确的地点、状态和变化情况。而随着路面详细情况结合全景智能路径规划分析，无人驾驶汽车的水平甚至还能更上一层楼。
1700046043
1700046044
由于人类司机不在考虑范围之内，那么道路上也不需要实体标志，它将被汽车3D模型中的虚拟“标记”替代。无人驾驶汽车不需要查看道路标志也能清楚知道限速的要求。软件将持续追踪危险地段的情况，比方说，遇上气温急剧下降，某座桥面冰封路滑时。当无人驾驶汽车被普及后，今天单一的限速将会被灵活的、适应性高的速度限制所取代。新型的速度限制将考虑道路和交通状况因素，同时也考虑照顾一些无人驾驶车辆的特别性能。
1700046045
1700046046
当大部分的道路车辆都走上全自动化时，无人驾驶汽车的一些优势才会真正显现出来。其中的一个优势就是自动化“交通优先权”系统的实现，它能在紧急救护的需求下暂缓交通压力，把需要急救的乘客尽快送往医院。由于人类司机不完全自律，也没有交通全景的大视野，不会完全按照所规划的路线行驶，所以如此环环相扣的交通优先等级权，必须要求所有的车辆都已经全自动化。
1700046047
1700046048
自动交通优先权系统的优先等级可能会划分好几种不同的优先等级。最高优先级别模式当然是急救车辆，或是车上有急需帮助的乘客。其次是监护人不在身边的儿童。下一个级别是去上班或是日常出行的成年人。最后的等级是商用配送车辆，它们被归为速度较慢、效率要求不高的类型，应让道给更高级别的车辆。然而这个系统的潜在争议问题是城市规划者可能设立会“有偿优先市场”，对交通优先权利进行买卖，情形类似于当某航班的预定超额时，航空公司会鼓励购买折扣票价的乘客搭乘其他航班，给他们补偿退款。
1700046049