根據當地警方的聲明，一輛沿著錢德勒大街直行行駛的本田轎車為了躲避路口試圖拐彎的黑色轎車撞向了對面行駛的Waymo汽車，事故發生時，Waymo汽車正處于自動駕駛模式，行駛速度不超過45英里每小時，車內配有安全員，事故導致安全員受輕傷。

    這已經是今年內第二起嚴重的自動駕駛車輛事故了，今年3月，一輛無人駕駛Uber汽車在美國亞利桑那州坦佩市發生交通事故，并致一名行人死亡，這是2018年第一起無人駕駛汽車致人死亡的交通事故。事故發生后，Uber停止了在全球范圍內的無人駕駛測試。

    如今，自動駕駛技術恰逢多事之秋，事故頻發導致人們對它的信任度下降，進而影響市場表現和政策落地，導致企業對于自動駕駛技術的研發更是舉步維艱。但是，事故的責任人也不能全部推給汽車廠商。

    據Waymo聲明，此次車禍事發的時候，Waymo的車處在于手動模式，也就是安全駕駛員在駕駛汽車，并不是Alphabet的系統在接管汽車。顯然，在事故發生時，司機沒有來得及采取任何緊急機動措施，以避免迎面駛來的車輛，因此司機也受了輕傷。因此，這起事故，對于Waymo來說，完全就是一個飛來橫禍。

    Waymo的聲明是真是假尚不可知，不過也無須在意，反正咱們今天要討論的也不是這個問題。眾所周知，在駕駛車輛時，自己遵守規則是一回事，運氣也是一回事，交通路況瞬息萬變，緊急情況時有發生。自動駕駛技術能否應對類似的公路突發情況，有哪些技術可以仰仗呢？

    對于自動駕駛汽車來說，它感知行駛環境所依靠的系統主要為以下兩種：一個是激光雷達系統，該系統使用范圍廣，可在各種路況下使用，但成本太高，推廣不易；一個是視頻監控分析系統，該技術較為成熟，成本低，易推廣，發展大有可期。

    當前攝像頭的價格較低，隨著攝像傳感器性能的突破、芯片價格的下降，在不久的將來，預計會有至少8到10個攝像頭將在智能汽車的后視/環視和夜視攝像頭、先進駕駛輔助系統、視鏡替代和行車記錄儀、駕駛/車輛接口等應用中使用。在智能汽車所有的技術當中，基于視像的技術是比較突出的，通過視頻監控，可以實時分析路況、車輛及行人信息，基于分析的結果汽車可以做出有效的、及時的反饋，而圖像傳感器的性能也決定了傳輸圖像質量的高低，沒有高質量的圖像獲取與傳輸，就很難保證視頻分析的的準確性，這兩點對于智能汽車來說非常重要。而安防行業在視頻監控、傳輸和分析方面均處于領先地位。

    同時，在前端設備越來越智能化的今天。以海康威視、大華股份為首的眾多安防企業也推出了加持視頻分析的前端攝像頭，可以判斷人的運動軌跡，可以判斷識別出高矮胖瘦、穿著不同的人物模型，也可以分辨出公路上的障礙物。這也是海康威視、大華入局自動駕駛汽車行業的技術優勢。

    另一方面，自動駕駛汽車處理數據的時效性也很關鍵。緊急情況發生的時候，越能及早采取措施就越能減少損失，一次提前零點幾秒的緊急制動就有可能挽回一條人命。

    自動駕駛系統中，環境感知技術使汽車能夠獲得道路、車輛位置和障礙物的信息，并將這些信息傳輸給車載中心電腦，從而使汽車根據行駛目標及途中情況，規劃、修改行車路線。車輛控制技術是在環境感知技術基礎之上，通過自動轉向控制系統的配合使汽車能夠按照規定路線準確穩定行駛，同時使汽車在行駛過程中能夠實現車速調節、車距保持、換道、超車等各種必要基本操作。而智能無人駕駛汽車要真正實現智能和安全，就必須存儲和運算海量的大數據，而且相當一部分數據與圖形圖像有關。數據和計算量是如此的巨大，以至于普通服務器和CPU都無法勝任，而只能依靠GPU才能完成。將海量的大數據部署在車載電腦上并實現高速運算，根本不可能實現。其次，智能無人駕駛汽車要在高速行駛過程中，通過無線網絡與云端進行大量超低時延、超大流量的數據交互，現有網絡沒有能力支撐。

    2017年，海康威視著重強調了邊緣計算的趨勢。移動邊緣計算側重在移動網邊緣提供IT服務、云計算能力和智能服務，強調靠近移動用戶以減少網絡操作和服務交付的時延。移動邊緣計算使傳統無線網具備了業務本地化和近距離部署的條件，其技術特征主要體現為：鄰近性、低時延、高帶寬和位置認知。隨著無人駕駛車數量的增多，車聯網的數據量也將越來越大，對于時延和可靠性的要求也將越來越高。應用移動邊緣計算后，由于移動邊緣計算的位置特征，數據可以就近存儲于車輛附近位置，因此可以降低時延，非常適合無人駕駛汽車防碰撞、事故警告等時延標準要求極高的業務類型。

    以上兩點對于自動駕駛汽車的發展極為重要，而這兩點和安防行業的重合度極高。自動駕駛汽車的萬億市場，安防行業注定能分得一杯羹。

    總結

    自動駕駛汽車當下的困境，未免有些“三人成虎”的意味。人們對新技術的不信任導致自動駕駛汽車的一舉一動都被放在了顯微鏡下，人們巴不得它出點兒事讓大家批判一下，以彰顯自己的高瞻遠矚。其實，自動駕駛就只是一個技術而已，你看或不看，它都在那兒發展，有時間攻擊不如真提點兒技術上的建議。據外媒報道，當地時間5月4日下午，Waymo公司旗下一輛自動駕駛車輛在亞利桑那州度假勝地錢德勒發生車禍。

    根據當地警方的聲明，一輛沿著錢德勒大街直行行駛的本田轎車為了躲避路口試圖拐彎的黑色轎車撞向了對面行駛的Waymo汽車，事故發生時，Waymo汽車正處于自動駕駛模式，行駛速度不超過45英里每小時，車內配有安全員，事故導致安全員受輕傷。

    這已經是今年內第二起嚴重的自動駕駛車輛事故了，今年3月，一輛無人駕駛Uber汽車在美國亞利桑那州坦佩市發生交通事故，并致一名行人死亡，這是2018年第一起無人駕駛汽車致人死亡的交通事故。事故發生后，Uber停止了在全球范圍內的無人駕駛測試。

    如今，自動駕駛技術恰逢多事之秋，事故頻發導致人們對它的信任度下降，進而影響市場表現和政策落地，導致企業對于自動駕駛技術的研發更是舉步維艱。但是，事故的責任人也不能全部推給汽車廠商。

    據Waymo聲明，此次車禍事發的時候，Waymo的車處在于手動模式，也就是安全駕駛員在駕駛汽車，并不是Alphabet的系統在接管汽車。顯然，在事故發生時，司機沒有來得及采取任何緊急機動措施，以避免迎面駛來的車輛，因此司機也受了輕傷。因此，這起事故，對于Waymo來說，完全就是一個飛來橫禍。

    Waymo的聲明是真是假尚不可知，不過也無須在意，反正咱們今天要討論的也不是這個問題。眾所周知，在駕駛車輛時，自己遵守規則是一回事，運氣也是一回事，交通路況瞬息萬變，緊急情況時有發生。自動駕駛技術能否應對類似的公路突發情況，有哪些技術可以仰仗呢？

    對于自動駕駛汽車來說，它感知行駛環境所依靠的系統主要為以下兩種：一個是激光雷達系統，該系統使用范圍廣，可在各種路況下使用，但成本太高，推廣不易；一個是視頻監控分析系統，該技術較為成熟，成本低，易推廣，發展大有可期。

    當前攝像頭的價格較低，隨著攝像傳感器性能的突破、芯片價格的下降，在不久的將來，預計會有至少8到10個攝像頭將在智能汽車的后視/環視和夜視攝像頭、先進駕駛輔助系統、視鏡替代和行車記錄儀、駕駛/車輛接口等應用中使用。在智能汽車所有的技術當中，基于視像的技術是比較突出的，通過視頻監控，可以實時分析路況、車輛及行人信息，基于分析的結果汽車可以做出有效的、及時的反饋，而圖像傳感器的性能也決定了傳輸圖像質量的高低，沒有高質量的圖像獲取與傳輸，就很難保證視頻分析的的準確性，這兩點對于智能汽車來說非常重要。而安防行業在視頻監控、傳輸和分析方面均處于領先地位。

    同時，在前端設備越來越智能化的今天。以海康威視、大華股份為首的眾多安防企業也推出了加持視頻分析的前端攝像頭，可以判斷人的運動軌跡，可以判斷識別出高矮胖瘦、穿著不同的人物模型，也可以分辨出公路上的障礙物。這也是海康威視、大華入局自動駕駛汽車行業的技術優勢。

    另一方面，自動駕駛汽車處理數據的時效性也很關鍵。緊急情況發生的時候，越能及早采取措施就越能減少損失，一次提前零點幾秒的緊急制動就有可能挽回一條人命。

    自動駕駛系統中，環境感知技術使汽車能夠獲得道路、車輛位置和障礙物的信息，并將這些信息傳輸給車載中心電腦，從而使汽車根據行駛目標及途中情況，規劃、修改行車路線。車輛控制技術是在環境感知技術基礎之上，通過自動轉向控制系統的配合使汽車能夠按照規定路線準確穩定行駛，同時使汽車在行駛過程中能夠實現車速調節、車距保持、換道、超車等各種必要基本操作。而智能無人駕駛汽車要真正實現智能和安全，就必須存儲和運算海量的大數據，而且相當一部分數據與圖形圖像有關。數據和計算量是如此的巨大，以至于普通服務器和CPU都無法勝任，而只能依靠GPU才能完成。將海量的大數據部署在車載電腦上并實現高速運算，根本不可能實現。其次，智能無人駕駛汽車要在高速行駛過程中，通過無線網絡與云端進行大量超低時延、超大流量的數據交互，現有網絡沒有能力支撐。

    2017年，海康威視著重強調了邊緣計算的趨勢。移動邊緣計算側重在移動網邊緣提供IT服務、云計算能力和智能服務，強調靠近移動用戶以減少網絡操作和服務交付的時延。移動邊緣計算使傳統無線網具備了業務本地化和近距離部署的條件，其技術特征主要體現為：鄰近性、低時延、高帶寬和位置認知。隨著無人駕駛車數量的增多，車聯網的數據量也將越來越大，對于時延和可靠性的要求也將越來越高。應用移動邊緣計算后，由于移動邊緣計算的位置特征，數據可以就近存儲于車輛附近位置，因此可以降低時延，非常適合無人駕駛汽車防碰撞、事故警告等時延標準要求極高的業務類型。

    以上兩點對于自動駕駛汽車的發展極為重要，而這兩點和安防行業的重合度極高。自動駕駛汽車的萬億市場，安防行業注定能分得一杯羹。

    總結

    自動駕駛汽車當下的困境，未免有些“三人成虎”的意味。人們對新技術的不信任導致自動駕駛汽車的一舉一動都被放在了顯微鏡下，人們巴不得它出點兒事讓大家批判一下，以彰顯自己的高瞻遠矚。其實，自動駕駛就只是一個技術而已，你看或不看，它都在那兒發展，有時間攻擊不如真提點兒技術上的建議。