Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

王宇欣编译

无人车、无人机、超级高铁、智慧城市......这是一份来自未来的出行报告

有关技术与运输业未来的文章比比皆是,但却很少有提及喷气背包的。

自 1920 年以来,喷气式背包就一直是科幻小说中必不可少的一个元素。1960 年代,喷气背包正式以 Bell Rocket Belt(比尔系火箭包)的形式从科幻走进了现实。人们做出了许多类似的努力,然而城市的天空却拒绝了喷气式飞行器的存在。

如果一种新兴的交通工具想要真正走进人们的生活,它必须满足一些关键的条件。首先要足够安全,并且要能在合适的监管框架中运作。

另外,如果要将一个新颖的想法搬出实验室、经历测试并被人们所广泛接受,那么产品的公众接受度以及商业模式的稳健程度也至关重要。

不可否认的一点是,有很多关于未来交通方式的讨论存在大量炒作,但其中也包含了一些实质内容。毕竟,很多大型投资都是由那些对行业产生颠覆性影响的科技公司和现任业内人士做出来的。

那么,技术能够更快、更安全、更环保地帮助人们运送货物吗?

具有互联功能的自动驾驶汽车(CAVs)Waymo 的全自动驾驶商务车在公路上行驶

无人驾驶汽车,或者说具备互联功能的自动驾驶汽车,正逐渐成为世界关注的焦点。与此同时,人们也在探讨着自动驾驶汽车和其它新型交通工具的更广泛应用,例如,更智能、更环保、更高效地实现货物配送等。

要想更加全面地了解这一领域的内容,可以参考 Gartner 公司推出的 Hype Cycle 模型和 ZDNet 发布的 2017 年度互联车辆以及智能移动相关技术现状。Gartner(上方),ZDNet(下方)

根据 Gartner 的报告来看,里面列出的大部分技术仍处于迈向主流市场接纳阶段的过程中,其中仅有五分之三抗过了幻想破灭期。

毫无意外的是,互联自动驾驶汽车领域一片火热。

针对 2014 年 8 月到 2017 年 10 月「自动驾驶汽车或其核心技术的投资和交易」,布鲁金斯学会进行收集整理并发布了一份报告。他们发现,这期间总共完成了 160 余笔、总额达 800 亿美元的交易。

在列的交易覆盖面极广,包括汽车电子、微芯片、拼车应用、人工智能/深度学习、数字地图、非人工智能软件、物理系统和传感器等。

作者总结说道:「2018 年,对互联自动驾驶汽车的投资会远超 2014 年至 2017 年间披露的 800 亿美元,并且会随着技术前进的步伐呈一定程度的上涨。」

同一时间,公众对自动驾驶汽车安全问题的看法似乎正在向积极的方向发展。

Gartner 去年的一项调查显示,尽管在美国和德国的受调者中有 55 % 的人表示不会在旅行中考虑搭乘完全自动驾驶汽车,但仍然有 71 % 的人表示会乘坐部分自动化的车辆。

德勤 2018 年度全球汽车消费者调查也验证了 Gartner 的调查结果。

德勤的调查显示,认为全自动驾驶车辆不安全的受访者比例从 57%(日本)到 22%(墨西哥)不等。在去年的调查中,这一比例更高,范围从 81%(韩国)到 54%(巴西):

德勤 2018 年度全球汽车消费者调查

尽管如此,正如德勤指出的那样,人们距离全自动驾驶汽车仍然有很长的一段路要走。原因在于,几乎有一半的消费者对这项技术的安全性还心存疑虑。

显然,自动驾驶汽车的「自动」程度很重要,美国汽车工程师学会将自动驾驶汽车分为了 6 个不同的等级,从无自动化(L 0)到全自动(L 5)。美国汽车工程师学会划分的自动驾驶汽车等级

只有 L3 以上的车辆才被认为是「自动驾驶系统」。在这个等级的汽车中,系统会自主处理转向、加速、减速等任务并监控驾驶环境。在需要的时候,人类也可以随时干预系统。

L5 的全自动驾驶车辆不需要方向盘、刹车油门之类任何控制设备——人类仅仅扮演乘客的角色。

眼下,世界各地都在竞相进行自动驾驶汽车的测试,其中以加州的试验密度最高,这也为人们提供了自动驾驶汽车交通事故的最佳统计数据。

自 2014 年以来,加州机动车辆管理局(DMV)记录在案的自动车辆事故报告一共有 54 起(截止到 2018 年 1 月 18 日为止)。

从这些报告中可以发现,其中仅有 4 起事故(占总体的 7.4%)的责任可以「怪罪」在自动驾驶汽车上,而且这 4 起事故中的车辆都曾在发生事故的过程中有一段时间受到人类的手动控制。

几乎所有的事故都是低速的轻微碰撞,没有造成人员伤害,大部分事故(56%)是人类手动驾驶时由于疏忽导致的车辆追尾。

加州车辆管理局目前正在修改相关规定,允许在没有驾驶员随行的情况下进行全自动驾驶车辆的测试(即 L5)。当然,这也会给人们带来一些全新的事故报告。

事实上,保障自动驾驶汽车性能以及安全性的关键,在于底层车对车(V2V)、车对基础设施(V2I)的通信以及实时数据处理系统等技术的成熟度。

随着时间的推移,这其中涉及到的组件价格也会更加亲民,例如激光雷达系统等,有助于消除技术大规模应用的障碍。同时,各类组件将会在未来变得更加节能,与环保的电动车辆更加相配。

其实,自动驾驶车辆可能会比传统汽车的安全性更高,一旦这一情况被证实,公众对自动驾驶车辆的信心肯定会随之上涨。

但受到传统车辆淘汰缓慢的影响,即使在最佳的情况下,互联自动驾驶汽车的部署不可避免地会存在时间滞后的问题。例如,2014 年美国轻型车辆平均使用年龄为 11.4 年。这一过渡过程可能会持续十年之上,在这期间,人们会看到公路上混杂运行着自动驾驶和人工驾驶的车辆,这一现象可能会对司机、乘客、监管机构和执法机构形成挑战。

当然,一旦自动驾驶车辆成为人们出行的标配,就必然要应对好驾驶环境中行人以及其他不可预测的非车辆因素。

送货无人机亚马逊无人机

相信大多数人都对电视里经常出现的的无人机很熟悉。事实上,低端无人机的亲民价格已经足够让消费者收入囊中并研究一番。

在商业方面,亚马逊、DHL 和 UPS 等物流公司已经在调研将无人机用于包裹寄送等方面的使用情况,尤其是郊区「最后一公里」的交付过程。「最后一公里」常常是传统货车和卡车难以啃下的一块硬骨头。

Google X 的登月工厂(moonshot factory)同样在项目 Wing Project 下进行无人机的研发。

就公众的接受度而言,企业对无人机交付虽然有兴趣但仍持谨慎态度。

美国邮政服务公司在 2016 年 6 月进行的一项在线调查发现,虽然在 1465 名受访者中,有四分之三认为预计到 2021 年可以实现无人机送货,但是仅有不到一半(44%)的人喜欢这个想法。

无人机出现故障是公众最担心的问题(46%),除此以外还有对偷窃(16%)、故意滥用(14%)等较轻问题的担忧。

快速送货以及紧急送货是资本市场对无人机送货技术抱有期待的主要原因。

根据英国 IMRG 2016 年度消费者家庭交付调查,在 1280 名受访者中,有四分之一的人(25.6%)接纳用无人机寄送包裹,比前一年的调查结果(23.8%)略有提升。NASA 提出的空中交通管制系统(UTM)将会安全地管控郊区以及城市地区建筑物上空约 400 英尺进行的机载作业

监管是送货无人机未来发展的关键。

在美国,这属于美国联邦航空管理局的管理范围。美国法律允许经过认证的飞行员操作整个系统重量低于 55 磅(25 公斤)的无人机无人机的飞行需要时刻保持在操作员的视线范围内,并且不得越过国家或州际边界。此外,法规还限制无人机必须在白天运行,并且保持在 G 级的飞行空域内(不受管制,低空),不得坐在行驶车辆内对其进行操作。

在实际应用中,美国联邦航空管理局会根据情况对违规操作进行免责判定,并且仍在修改和扩充这些规则。这使得亚马逊的 Prime Air 选择在英国完成首次展示并非巧合,原因在于英国对无人机方面的条例限制较少。 Starship Technologies

考虑到送货无人机和大型无人机的监管问题,Starship Technologies 公司采取了一种更加稳妥的路线:Starship 的小型六轮自动驾驶机器人在半径 3 公里(2 英里)范围内运行,在 15 到 30 分钟内递送包裹、杂货食品等商品。

截止去年十月,Starship 的机器人共计运行了 100000 公里,其中包括与 Domino 合作的一项披萨递送试点项目。

飞行出租车Volocopter

Volocopter 2X 可以看作是在送货无人机基础上的一次飞跃。

它由 9 个高容量电池供电,配备 18 枚旋转叶片的 VTOL(垂直起飞降落),拥有有人和无人两种模式,即可在允许区域内由操控员控制飞行,也可自主飞行。

290 公斤的 Volocopter 2X 最大有效载荷为 160 公斤,27 公里(17 英里)范围内巡航速度为 70 公里/小时(43 英里/小时);巡航速度 50 公里/小时(31 英里/小时)下的最大飞行时间为 27 分钟。

安全功能包括旋叶、电机、电源、电子设备、飞行控制和显示器等关键部件的多份备余机制,还有一个制造商声称「你永远用不到」的紧急降落伞。

去年 9 月,Volocopter 在迪拜举行了飞行出租车的首次试飞。其德国制造商认为,飞行出租车是一种按需变化的智能召唤服务。在此活动中,Volocopter 的 CEO Florian Reuter 宣布 5 年内将启动这项飞行服务。

在美国,Uber 和 NASA 正在合作开展一项名为 Uber Elevate 的 VTOL 出租车方案,计划在 2020 年之前展示,并在 2023 年前启动服务。

超级高铁

在所有新型运输技术中,最具未来感的当属超级高铁——磁悬浮列车和(部分)真空钢管的组合。这是一种能够以接近声速推进乘客及货物的「胶囊」,或者说是「货仓」。

尽管是建立在已有想法的基础上,但是超级高铁的推进还要归功于企业家 Elon Musk。他在 2013 年发布了白皮书《Hyperloop Alpha》,对技术进行了概述的同时,表明了超级高铁在连接「相距 1500 公里(约 900 英里)大流量城市」上的适用性。

Musk 认为,除了超级高铁之外,人们也应该开发出更经济、更迅捷的超音速航空旅行。

迄今为止,超级高铁的测试时速达 240 英里/小时(387 公里/小时),这仅仅达到 Musk 在白皮书中提出的 760 英里/小时(1200 公里/小时)的三分之一。

超级高铁最终可能会达到这个速度,但是就公众接受度、监管制度以及商业可行性来看,超级高铁仍然存在很多问题。

2017 年 2 月的在线调查显示,在 1346 名成年美国人中,有 17% 的受访者表示比起一次太空之旅,他们更愿意选择进行一次超级高铁旅行。这可能会鼓舞这项技术的支持者,但是调查还显示有 43% 的人怀疑是否能在有生之年看到超级高铁的真正运营。如果现在实现运营,有 37% 的人表示愿意乘坐,但是有 8% 的人则彻底拒绝。

搭建超级高铁系统是一件大工程,无论是地面上的真空管道部分,还是更加昂贵的地下隧道工程都很棘手。

Elon Musk 已经建立了自己的隧道挖掘公司 Boring Company,其目标是降低隧道施工的成本——目前每英里的造价高达 10 亿美元。

除了建设成本之外,超级高铁还在面对其他令人头疼的问题,例如土地征用、隧道工程的权利、环境影响、安全标准、安防措施等。Virgin Hyperloop One

 不过,眼下存在的障碍并没有阻止初创公司们推进和实施超级高铁技术。

除了 Elon Musk 的 SpaceX/Tesla 之外,超级高铁技术的领跑者还包括 Hyperloop One,最近更名为 Virgin Hyperloop One。

此外,在这个新兴的生态系统中,还有 Hyperloop Transportation Technologies(HTT)、 Transpod 和 Arrivo 等其他参与者。

智慧城市

未来,主流的新型运输技术将会在更智能的互联世界中运行。

这将对城市的设计(二次设计)和管理方式产生深远的影响,也将改变人们在城市内部或是城对城的移动方式。不过,这一切还言之过早。

今年 1 月在 CES 举办的研讨会主题就围绕智慧城市,尤其关注自动驾驶汽车在智慧城市中的运行,一些业内专家就当前的发展情况发表了见解。

通用汽车全球战略副总裁 Mike Abelson 表示:「从我们在旧金山的测试中可以看出,我们目前仍在学习车辆与周围环境交互的方式,包括行人、骑自行车的人还有其他的交通工具。至于自动驾驶汽车如何颠覆城市,重构我们对城市的设计和构想,我们还没有走到这个阶段。要想实现这一点,你需要部署相当数量的自动驾驶车队,与城市交互,尝试做一些实验。我们期待这种互动,也认为自动驾驶汽车将对城市的运作方式以及物理布局产生重大的影响。」

在 Mobileye 高级开发与战略副总裁 Erez Dragan 看来,绘图是一个关键因素。「自动驾驶的一个非常关键的推动因素就是动态更新的环境地图。我们实现这一目标的方式就是使用单目摄像头、低自主性车辆的众包方案。」

这显然要求地图具有高度的连通性,高通公司产品管理副总裁 Nakul Duggal 强调:「我们近 15 个月一直在关注的就是『V2x』技术。如果你开始在城市中的基础设施上配备传感器,例如交通信号灯、建筑区等。这一举措基本上可以让汽车拥有能够准确『听辨』环境的传感器。随着未来城市在连通性方面更加现代化,交通网络也需要变得更加智能。」

动态地图、配备传感器的基础设施以及智能的互联网络,这些都让智慧城市可以实现更高效的路径和停车指示。伴随着共享汽车和和电动汽车的推进,这样的发展有助于节省时间、节约土地,减少未来城市中的污染和拥堵。

经济形势

2017 年 7 月,一份名为《自动驾驶汽车将重塑全球经济》的报告显示,六个关键领域被认为有望进行「深刻变革」:汽车、运输物流、保险、政府、媒体以及数据安全和隐私。

Forrester 表示,「在我们看到自动驾驶汽车真正为广大的消费者所接纳之前,像亚马逊、DHL 和 UPS 这样的物流运输公司将开创自动驾驶汽车的商业化应用。实际上,每次采访中我们都在这样一个观点上达成一致:运输物流是汽车自主性最能在近期展示出其潜力的一个领域。」

市场情报公司 Tractica 最新的研究也支持了这一观点,预测自动驾驶卡车、自动驾驶巴士的销售额和收入将从 2017 年的 343 和 8400 万美元增加到 2022 年的 188000 和 350 亿美元:自动驾驶卡车和自动驾驶巴士,Tractica 2018

Tractica 研究分析师 Manoj Sahi 在一份声明中表示:「自动驾驶卡车和自动驾驶巴士的潜力巨大,市场增长正在加速,前方不断传来试点项目成功的捷报。」

「考虑到未来 2 到 3 年将会是成败关键的时期,多家知名公司正在优先考虑对那些可以大规模开发的应用进行投资。」他补充道。

以下是 Forrester 对接下来十年自动驾驶卡车和自动驾驶巴士的发展预测:

在新兴技术的驱动下,运输业即将迎来第二春。考虑到现有运输方法的事故倾向性、污染、资源浪费以及耗时巨大等特性,也是时候改变了。

目前,许多新型的交通技术正在试行,许多既得利益者也争先恐后地想要在这发展中的生态系统中谋的一席之地。

虽然个中细节还需打磨,但未来的运输系统必然会实现数据驱动、彼此相关联、高度自动化。

也许不久的将来,运输、通勤都将成为迷人的词汇。

产业自动驾驶智慧城市无人机超级高铁
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

自动驾驶技术技术

从 20 世纪 80 年代首次成功演示以来(Dickmanns & Mysliwetz (1992); Dickmanns & Graefe (1988); Thorpe et al. (1988)),自动驾驶汽车领域已经取得了巨大进展。尽管有了这些进展,但在任意复杂环境中实现完全自动驾驶导航仍被认为还需要数十年的发展。原因有两个:首先,在复杂的动态环境中运行的自动驾驶系统需要人工智能归纳不可预测的情境,从而进行实时推论。第二,信息性决策需要准确的感知,目前大部分已有的计算机视觉系统有一定的错误率,这是自动驾驶导航所无法接受的。

机器人技术技术

机器人学(Robotics)研究的是「机器人的设计、制造、运作和应用,以及控制它们的计算机系统、传感反馈和信息处理」 [25] 。 机器人可以分成两大类:固定机器人和移动机器人。固定机器人通常被用于工业生产(比如用于装配线)。常见的移动机器人应用有货运机器人、空中机器人和自动载具。机器人需要不同部件和系统的协作才能实现最优的作业。其中在硬件上包含传感器、反应器和控制器;另外还有能够实现感知能力的软件,比如定位、地图测绘和目标识别。之前章节中提及的技术都可以在机器人上得到应用和集成,这也是人工智能领域最早的终极目标之一。

无人机技术

无人机(Uncrewed vehicle、Unmanned vehicle、Drone)或称无人载具是一种无搭载人员的载具。通常使用遥控、导引或自动驾驶来控制。可在科学研究、军事、休闲娱乐用途上使用。

暂无评论
暂无评论~