开车经济学txt电子书免费阅读-第9节-五福电子书

　　奈特先生，这正如你所愿。不过，我认为因为疲惫我们都有点焦躁，为了安全起见，我可以建议你把车设定为自由驾驶状态吗？　　　

　　…霹雳车基特，电影《霹雳游侠》　　　

　　因为我们不是脑外科医生，所以驾驶可能是每天我们所做的最复杂的一件事。这种技能中包括至少1　500个小技能。无论何时，只要我们在陆地上行驶，就会仔细检查周围是否存在危险或者有没有其他信息，留意不要将车开到其他车道上，判断速度，做出决定（研究发现，每英里我们做出的决定有20个），计算危险，调整仪器，设想他人下一步会做出什么行动，即便在喝牛奶，我们也会想想昨晚的《美国偶像》剧情，安抚牙牙学语的孩子，检查语音留言。在马里兰州某一路段上进行的一项调查发现，车速达到时速30英里时，每2英尺处就显示一条信息。调查推断，司机每分钟可接受1　320条信息，或者大约440个字。这相当于阅读过程中的三段话，同时还可以欣赏一些漂亮景象，更不要说前面提到的其他事也要完成。在驾驶过程中的每一分钟，你都在重复这样的事。　　　

　　因为这些事情看起来很容易，所以我们不太专注于此。驾驶就像呼吸，或者像不经意的自我放松。我们不过做完这些事情，仅此而已。不过再想一想，人类这种能力确实令人震惊，仔细考虑一下：让一个非人类去驾驶，它需要做些什么？塞巴斯蒂安·特伦（Sebastian　Thrun），斯坦福大学的人工智能实验室的负责人，他和队友过去几年一直致力于此项研究。在2005年，特伦和同事们赢得了〃国防部高级研究计划局挑战赛〃（Defense　Advanced　Research　Project　Agency）大奖，他们的车在崎岖的莫哈维沙漠中行驶了132英里，使用的大众途锐轿车名为　〃斯坦利〃（Stanley），这是辆无人驾驶汽车。仅仅依靠全球定位系统，摄像头，和很多传感器的协作，车辆用了不到7小时的时间就走完了这一路程，平均速度很快，时速达到了19。1英里。　　　

　　特伦和他的团队在经历了一系列挫折之后，改变了驾驶指挥方法，使　〃斯坦利〃最终获得了胜利。〃我们教会〃斯坦利〃要像个学徒，而不要像电脑，〃特伦这样告诉我。〃我们不告诉〃斯坦利〃怎么做，〃如果接下来有情况发生，它就会相应的采取下一步行动　〃，我们通过举例来对它进行训练。比如说，如果仅仅告诉〃斯坦利〃如何限速行驶，这种做法并不会有效果。人开到凹凸不平的车道上会减速，〃特伦说道，〃但是机器人没那么聪明，它会一直以时速30英里的速度驾驶，直到报废。〃不过，特伦亲自驾车，让〃斯坦利〃记录驾驶的轨迹，记好驾驶的速度和车辆的震动情况。在路段变窄，或者是车身震动异常的情况下，〃斯坦利〃观察了塞巴斯蒂安做出的反应。　　　

　　我们把多数人学习的驾驶方式教给〃斯坦利〃，不是让它在课堂上死记硬背交通规则，也不让它观看充斥血腥场面的安全教育影片，而是实战观察，让它坐在家长车的后座上。对于特伦来说，这一过程使他开始〃质疑什么是真正的规则〃。虽然基本规则很简单：在一条路上从一处到另一处要限速行驶，不过，如果教会〃斯坦利〃严格的规则，会让他产生过激反应，就像达斯汀·霍夫曼在《雨人》中饰演的自闭角色，他在过马路时停在路中间，因为路灯显示〃禁止通行〃。但如果常规都被打破，就像他们驾驶时经常遇到的情况那样，事情又会怎么样？〃没有规定说风滚草一定要长在车道之外，〃特伦解释道。换句话说，还会有其他事发生。各种各样的变故或者〃噪声〃都存在。看到闪着灯的警车时，我们要判断是不是有什么人被抓；同样，〃斯坦利〃也需要破解困扰他的道路环境：在路中间有没有石块或者纸盒？路上有没有限速障碍，或者是否有人从车上摔下来？单单纽约市〃禁止停车〃的限制标志就可以让〃斯坦利〃败下阵来。　　　　　　　　　

BOOK。▲红桥▲书吧▲　　

第31节：为什么你车开得不像你想的那么好？（2）　　　　　　　　　

　　如果这些情形已经很复杂，那么再思考一下通常在驾驶时，多数人所处的各种环境：不仅仅是杳无人烟的沙漠通道，还要考虑到闹市和乡下街道。理解了特伦的想法之后，我明白这正是他在思考的问题。特伦现在正处于国防部高级研究计划局城市挑战赛下一赛季的试验阶段。这一次道路选在城市，所以越野的〃斯坦利〃被淘汰，取而代之的是辆灵敏度高的晚辈〃佐尼〃（Junior）。〃佐尼〃是2006年生产的一款大众帕萨特车型。按照国防部高级研究计划局（DARPA）的规定，汽车应该在〃时速达到20英里时，能够实现安全准确的无人驾驶，〃包括〃并入运行中的道路、在环道上行驶、顺利通过车辆繁多的十字路口以及绕过障碍。〃　　　

　　这些要求连我们人类也不一定做得到，不过很多司机每天都能顺利地进行多次演习。教会一部机器学会这些就要处理好基本问题：对没有规律可循的交通场景进行分析（我们经常如此），这已经是件大事。这不仅需要识别物体，还要理解物体之间的相互联系，不仅仅要考虑当下，还要考虑到以后。特伦举了一个实例：当一个人驾车行驶到安全岛或者看见静止的车辆时，他会做出不同的反应。〃基本上你能够对静止的车辆做出反应，你可以排在车后面等候，〃他说道，〃如果是安全岛，你只需绕着开过去。人类在看到物体后能够立即识别，这是理所当然的。但是，想要通过分析图像数据，让车来理解前面出现的是一个安全岛，还不存在这样的技术。〃在40米左右的位置以外，按照特伦的说法，〃佐尼〃也不知道正在靠近的物体是什么，它只把这个物体看成一个障碍。　　　

　　和人比起来，〃佐尼〃在某些方面更有优势，这就是为什么有些像自适应巡航控制的机器设备（可以通过雷达信号来判断与前面车辆的距离，同时做出适当反应）已经开始在车内使用的原因。当计算其与前面车辆的距离时，就像ACC（自适应巡航控制系统）一样，〃佐尼〃比我们更加准确。斯坦福大学的研究员迈克尔·蒙特莫罗（Michael　Montemerlo）说〃佐尼〃可精确到1米内的车距。〃人们总会问：是否〃佐尼〃可以感觉到其他人的刹车灯，〃蒙特莫罗说道。〃我们的答案是〃不需要〃。〃佐尼〃可以精确计算另外一辆车的速度，由此判断这辆车是否会刹车。它可以直接确定对方的速度，而不是通过十分有限的信息了解到对方即将停车。〃它比人类获取的信息还要多。　　　

　　驾车不仅要考虑感觉的可信度，还要知道如何处理信息。对〃斯坦利〃来说，这种任务相对简单。〃不过是机器人独自行驶在沙漠里，〃蒙特莫罗说。〃〃斯坦利〃〃对外界的认识是基础性的，实际上外界在〃斯坦利〃眼里完全是几何图形。〃斯坦利〃的目标不过是选择平坦的道路而避免走崎岖的路。由于〃斯坦利〃对外界的了解很有限，它无法在市区环境下行驶。要在这种环境下行驶就一定要理解你看到的情形，还要对此理解得很透彻。〃比如说，当我们接近一处刚刚变黄的交通灯时，我们会立刻开始一系列复杂的分析：黄灯会亮多久？我有时间（或者空间）刹车吗？如果加速我可以穿过去吗，要开多快才能成功？如果突然踩刹车，后挡板会不会被撞？有没有冲红灯摄像机？路面是不是湿的？我在岔路口会不会被抓，会不会妨碍交通？然后我们再做出决定。　　　　　　　　　

▲BOOK。▲虹桥▲书吧▲　　

第32节：为什么你车开得不像你想的那么好？（3）　　　　　　　　　

　　我们有时距离黄灯很近时才停下来，但有时距离黄灯还很远，红灯还没亮时停下来，到底该什么时候停，工程师们将此称为〃进退两难地带〃（dilemma　zone）。这的确是个麻烦。通过撞车率可以知道，很多司机因为要在黄灯时停车而汽车的尾部被撞。不过更严重的撞车是司机继续行驶，从路口开过来的车辆撞到了车身侧面。要么撞车事故不严重，但是撞车几率很高，要么撞车事故很严重，但是发生这种事的几率很小，这两种情形该如何选择？工程师们延长了黄灯等待时间，不过因此降低了路口的道路通过量。一旦信号灯的等待时间放宽松，这相当于又在鼓励司机提高车速去冒险。　　　

　　有些人甚至提议使用提示司机交通灯即将变黄的标志牌，以此提前警告司机。这是一种〃小心再小心〃的策略，扩大了〃犹豫区〃（indecision　zone）的范围。然而，在澳大利亚的十字路口处进行的一次调查却并不让人乐观，调查者研究了绿灯刚刚开始闪烁，还没有变成黄灯时发生的情形。调查结果多种多样：绿灯闪烁时，穿马路的司机数量很多，但是直接闯红灯的司机并不多；然而多数司机都停车过早。以色列的一项路口研究显示，后一种做法会造成危险后果，这里使用的也是〃绿灯闪烁〃的办法。在十字路口处，使用这种指示灯造成了更多追尾事故。犹豫区范围越大，车辆数量就越多，于是有更多人需要决定是开走还是立即停车，撞车的几率也更大。　　　

　　在路上，这种麻烦区域一直都存在。在挑战大奖赛进行时，路上没有行人（蒙特莫罗说〃谢天谢地〃）；这对汽车〃佐尼〃来说是个大问题。〃我想过很多，要是〃佐尼〃在实战中不成功会怎样，〃蒙特莫罗说道。它在斯坦福驾车就比较稳定，可是如果有行人站在路边，站在人行道旁边怎么办？因为这时行人不在路上，他不算障碍。可是他要是在等着过马路，或者仅仅站在那呢？为了认识这个问题，机器人还需要理解路人的肢体语言，或者通过训练可以进行眼神交流和对行人的面部表情进行分析。即使机器驾驶员停下车，路人仍需获得更进一步的信息。〃行人有时很警惕，即使走在已经停下来的车面前也会比较小心，〃蒙特莫罗说，〃通常他们会等司机挥手，示意〃你先过〃。〃但如果在无人驾驶的〃终结者〃面前通过，你会面不改色吗？　　　

　　不过在某些方面，城市的环境实际上比满是沙尘的沙漠车道更容易通行。〃在市区驾驶的确受到很多限制，你对此无能为力，〃蒙特莫罗说道（他从没在纽约的罗斯福路上开过车），〃这实际上关系到我们驾驶的能力，我们根据道路规则和路上的标志来推算可能发生的事。〃　　　

　　道路上充满各种假设：绿灯亮时我们全速驾驶，因为我们认为其他司机已经停车；每次对面车道上开来一辆车，我们都不想和它迎面相撞；我们直接冲过一个小土丘，因为我们认为对面不会刚好停着一辆油罐车。〃如果我们不做任何设想就会驾驶得更快，〃蒙特莫罗如是说。斯坦福的整个团队将这些设想编成100　000行左右的代码，用这些行代码做〃佐尼〃的大脑。但又不能过于死板，一旦发生怪事时，要避免汽车失灵。　　　

　　路上会发生很多怪事，比如路灯坏了。大卫·莱特曼（David　Letterman）曾开玩笑说纽约的路灯〃只是些模糊的指南〃，不过大家开车都遇到过交通信号卡住一直显示红灯的情况。犹豫一下，然后你可能小心翼翼地从红灯下开过去。或者你开到一辆停下来的车后面，打算绕过去，这意味着你得穿过两条黄线，正常情况下，这是违法行为，可你即使违规了，交通法还是常常允许特殊情况发生。那么四车道上的车辆其中哪一辆应该先通过？如果清楚哪辆车先到红灯，那么四个车道都可能会陷入僵局。假设四个机器人驾驶车辆同时到达，就有两种可能：它们争着先过，结果撞在一起，或者是都停车不通过，全部机器人都拥挤在路口。所以斯坦福一行人使用了复杂的算法来让〃佐尼〃的二元逻辑更人性化。蒙特莫罗说〃〃佐尼〃会努力计算出通过的合适时间，而且会按次序等候。〃〃不过要是有人不按次序先后，浪费很多时间，机器人就会只身离开队伍。〃　　　　　　　　　

虫工木桥◇。◇欢◇迎访◇问◇　　

第33节：为什么你车开得不像你想的那么好？（4）　　　　　　　　　

　　斯坦福的团队发现，教会〃斯坦利〃和〃佐尼〃驾车的最好的办法就是研究人类如何驾驶。可是机器人有没有什么可以教给我们呢？蒙特莫罗说在第一次挑战大赛上，特伦〃总是抱怨机器人转弯时速度太慢。〃可是一个研究生对比赛结果进行了分析，他得出的结论是：在7小时的比赛过程中，机器人可能〃像走投无路的法拉利一样〃，虽然只是浪费几分钟，但却提高了撞车的危险性。因为在比赛中，多数路段都是直路，与其在少数几个转弯（路上最危险的地段）处以最快速度行驶，不如在这些笔直的路上保持最高的平均速度。　　　

　　蒙特莫罗称〃佐尼〃为〃驾驶小精灵〃。这是他对城市挑战赛思考了很多的问题。〃你可能最先想，〃要让它拥有一切，尽可能开得快。要让它在停车标志处最及时地加速，等待时间越少越好〃，结果这样做效果微乎其微。在路上我们都知道这一点。在路上你看到身边有人加速然后超过你，然后你再见到他…在下一处红灯，这辆车就停在你前面。道路的随机性超出这些数量不多的优化方案。同时，一些所谓的优化方案，其实就像停车标志处的傻子，给每个人都造成了麻烦，减慢了每个人的速度。〃　　　

　　世界机器人研究方面的一组领军人物花了几年时间，希望设计出一种无人驾驶汽车，它可以聪明灵巧地完成驾驶任务，能够在现实道路上处理很多麻烦。这既是对人类卓越能力的一个检验，也会惩戒人们想当然的驾驶行为。长途驾驶过程中机器人的优势在于软硬件可以很好地协调，而人类只能凭借与生俱来的能力。人类的认知机制好比一种功能强大的设备，比如可以进行试验，教会〃斯坦利〃和〃佐尼〃驾驶，但是如果我们仔细探究，就会发现，机器人的这种能力并不是无可挑剔的，即便是提升一个层次，也难以完善。　　　

　　我的车开得如何？可我怎么知道？为什么缺少了反馈信息，我们在路上就发挥不�

《开车经济学》

下载本书

开车经济学- 第9部分