Автомобильная промышленность переживает переходный период от интеллектуальной помощи при вождении L2 к автономному вождению L3. Наступает эра интеллектуального вождения. Хотя каждое дорожно-транспортное происшествие с умным вождением приводит к обширным дискуссиям и опасениям по поводу автономного вождения, цифры не лгут, автономное вождение значительно снизило количество дорожно-транспортных происшествий. Он вступает в критическую точку зрелости в технологиях, тестировании, законах и правилах. Автомобильные державы, представленные Китаем, Соединенными Штатами, Европой, Японией и Южной Кореей, соревнуются за то, чтобы захватить командные высоты в отрасли и продвигать друг друга, чтобы сформировать существующую модель социального управления с автономным вождением с национальными особенностями и взаимной терпимостью. День, когда люди официально передадут управление транспортными средствами машинам, не за горами.

"Автономные транспортные средства могут эффективно предотвращать 80 % автомобильных аварий".

16 декабря Китайский автомобильный центр, Университет Тунцзи и Baidu совместно выпустили «Белую книгу по безопасности движения транспортных средств с автономным управлением», и вышеуказанные выводы были сделаны на основе сравнительного анализа авторитетных технических демонстраций и реальных аварий с автономным вождением.

В публикации этого документа используются данные, чтобы сообщить общественности об основном факте, что, хотя автономное вождение на данном этапе не является на 100% безаварийным, автономное вождение намного безопаснее, чем вождение человека, и имеет достаточную поддержку данных.

С другой стороны, с появлением лидара на серийных легковых автомобилях камеры становятся четче, а алгоритмы вождения непрерывно развиваются каждый день. По сравнению с индивидуальными вариациями они подвержены различным неопределенным факторам, таким как эмоции и состояния. Преимущества автономного вождения перед человеком будут становиться все более заметными.

Согласно «Статистическому годовому отчету о дорожно-транспортных происшествиях» Управления дорожного движения Министерства общественной безопасности Китая, с 2017 по 2019 год дорожно-транспортные происшествия в стране происходили в среднем 231 900 раз в год, при этом среднегодовое число погибших 63 000 и еще 240 000 несмертельных травм. Дорожно-транспортные происшествия стали второй основной причиной смерти среди детей в стране, и как единственный фактор, не связанный с болезнью, они входят в десятку основных причин смерти в Китае.

Риск дорожно-транспортных происшествий в основном исходит от водителей-людей.

Дорожно-транспортные происшествия, вызванные субъективными ошибками человека, составили 79,9%.

Согласно данным Китайского автомобильного центра Института безопасности и технологии оценки транспортных средств (CIDAS) о дорожно-транспортных происшествиях с 2011 по 2021 год, автономные автомобили могут эффективно избежать 80% аварий, вызванных управлением людьми.

Поэтому в технической документации делается вывод о том, что функция восприятия автономного вождения может заблаговременно обнаруживать более 90 % аварий по сравнению с ограниченными возможностями человека.

Беспилотные автомобили могут эффективно предотвращать аварии, вызванные превышением скорости, задним ходом, нарушением правил дорожного движения и человеческими дефектами. Это может эффективно снизить количество несчастных случаев более чем на одну треть.

Другими словами, автономное вождение будет строго следовать правилам дорожного движения, обеспечивать раннее восприятие и процесс принятия решений по данным.

Вполне возможно, что в ночное время на высокой скорости автономное вождение заблаговременно обнаружит впереди идущее транспортное средство и будет поддерживать дистанцию ​​между автомобилями в строгом соответствии со стандартами безопасности. Вероятность аварии будет намного ниже, чем у человека-водителя.

Таким образом, беспилотные автомобили могут максимально осознавать других участников дорожного движения и разумно сохранять безопасное расстояние от других транспортных средств. В это время можно эффективно улучшить человеческую неспособность обращать внимание на других участников и поддерживать безопасную дистанцию ​​​​в причине аварии.

Данные имеют смысл только в том случае, если они хорошо помечены

Основная модель алгоритма автономного вождения в основном основана на контролируемом глубоком обучении. Это модель алгоритма, которая выводит функциональную связь между известными переменными и зависимыми переменными. Для обучения и настройки модели требуется большой объем структурированных размеченных данных.

Исходя из этого, если вы хотите сделать беспилотные автомобили более «интеллектуальными» и сформировать замкнутый цикл бизнес-модели для приложений беспилотного вождения, который можно воспроизвести в различных сценариях вертикальной посадки, модель должна поддерживаться массивными и высококачественные данные о реальных дорогах.

В области автономного вождения сцены аннотации данных обычно включают смену полосы движения и обгон, прохождение перекрестков, незащищенный левый и правый поворот без управления светофором, а также некоторые сложные сцены с длинным хвостом, такие как автомобили, едущие на красный свет, пешеходы, переходящие дорогу и т. д. обочины дорог, а также неправильно припаркованные транспортные средства и т. д.

Текущий искусственный интеллект также называют интеллектом данных. На данном этапе разработки, чем больше слоев нейронной сети, тем больший объем размеченных данных необходим.

Конец

Передайте свои задачи по маркировке данных на аутсорсинг в ByteBridge, и вы сможете получать высококачественные обучающие наборы данных машинного обучения дешевле и быстрее!

  • Бесплатная пробная версия без кредитной карты: вы можете быстро получить образец результата, проверить результат и оставить отзыв непосредственно нашему менеджеру проекта.
  • 100% подтверждено людьми
  • Прозрачное и стандартное ценообразование: доступны четкие цены (работа включена)

Почему бы не попробовать?

Источник: https://aikahao.xcar.com.cn/item/1069969.html