自动驾驶开进城中村算法VS交规退化谁更强

9月10日，文远知行的自动驾驶汽车开进城中村、做到全程安全无接管。之前，文远知行自动驾驶路测已经超过900多条路，积累了280万公里的自动驾驶里程，接待乘客近9万人次，并在黄埔区、广州开发区全对外开放运营Robotaxi(自动驾驶出租车)超过200多天，零主动安全事故。

这是文远知行面对集中处理最复杂、罕见的长尾场景，也是实现全无人驾驶的关键。同时，这也是所有自动驾驶最终需要给出答案的必考题。

中国城市的商业区建筑密度一般不会超过40%-50%，而部分城中村的建筑密度最高可达70%。城中村中往往只有一两处宽度仅为 7 米的对外联系道路, 村内部道路多以房屋间距作为步道, 大多只有 2 ~ 4米宽, 不仅行人，也行车，不设车道线和交通灯，各类私家车辆、路边小摊档直接停放在马路边，供车辆通行的空间极为狭窄。一旦出村，地铁站、繁华商区的宽敞大路又会突然显现，村内外交通场景差异显著。

在自动驾驶汽车眼中，城中村是一片充斥着海量的动态障碍物数据、没有可识别的交通标志、无法事先定义的极限挑战场景。在城中村中，自动驾驶车辆经常遇到的典型长尾场景包括：

1. 周围障碍物行进路径不确定：

由于交通规则缺位，没有车道线和交通灯，路面上充斥着随时变化行进方向、速度的汽车、自行车、电动车和行人。

2. 近距离交互，与车辆行人擦肩而过：

由于道路极其狭窄，可供通行空间不足，再加上密集的人群流动，自动驾驶车辆要与周围车辆和行人在厘米级的距离内产生交互，会车经常需要与对面车辆擦肩而过。

3. 小型障碍物挑战自动驾驶车辆盲区：

随处可见的小型障碍物突然闯入，如小狗、散落在路上的货品，这些大大增加了自动驾驶车辆的盲区风险。

在破解城中村复杂交通的问题上，文远知行的自动驾驶算法WeRide ONE有三个应对法宝——拥抱不确定性、达成共识、克服盲区。

具体为，预测算法中强化了机器学习的模型，反复进行模型训练，提升算法，提高预测准确率;其次，在复杂环境中，适当地采取主动交互，以调整方向、速度等方式，给周围行人、车辆以信息，寻求新的共识;以及360度全覆盖四周各种障碍物，比人眼更精准、可靠地“看”到周围的物体，对障碍物进行检测、分辨、跟踪，最终形成对场景的正确理解。

文远知行表示，对自动驾驶产生最大挑战的是违反交通规则、不按常理出招的车辆或行人，构成了自动驾驶技术发展至今，最难攻克的长尾场景。文远知行通过将高强度、高密度的长尾场景训练，迭代算法，可以加速推进自动驾驶技术的成熟。