【引子】在对物联网介绍的相关课件中，我经常会拿物联网冰箱和车联网来作为重要案例来说明。有关物联网冰箱的话题，我2012年曾撰写了一篇博文“畅想物联网冰箱带来的数字化生活”进行了介绍。一直也想写一篇有关无人驾驶汽车和车联网的文章，谈谈我自己的畅想，但一直被其他话题所冲淡了。前几天刚一口气读完一本书《车联网：决战第四屏》(我对该书用很大篇幅谈论在其他方面已经非常成熟应用的电子商务的内容不以为然，这并非车联网的特色和革命性变化，我觉得更多应该讨论其他方面并不具备而只有汽车连接起来才有的新特性)，昨天又看到Nature中有篇介绍无人汽车的文章。看完这些资料，发现许多其中认识与我原本遐想的许多内容相当一致。现在终于忍不住将这些在课堂上重复了多遍的遐想整理出来了，一方面算是附和一下这本书和这篇文章，另一方面也总结一下我的思考。

由于人类的固有弱点，比如容易疲劳，分心，或碰到紧急情况时因激动而导致应对失误，道路交通事故约有90%是由驾驶员的错误做引起的。如果将这种控制权交给电脑，的确是很惬意的一件事儿。多少年来，不需要人掌握方向盘、或者压根就没有方向盘的无人驾驶是人们所向往的。汽车运行过程中，乘坐人可以围坐在一起，喝茶、喝酒、聊天、上网，打瞌睡也行。

无人驾驶汽车中的惬意生活（引自Nature，2015-02-06）

几乎所有的汽车制造商和电子产品公司都想在这个领域有所作为，面对2010年10月跨界进入汽车领域的谷歌公司，他们感觉充满了挑战。目前，谷歌的无人驾驶测试车已行驶了20多万公里。由于公众对此充满了期盼，许多汽车制造商和各国政府都在这个领域注入了大量资金，希望能加速这个进程。连美国运输部的官员Richard Bishop都感叹“我从来没有见过从概念到产品发展如此迅速的”。尽管许多技术挑战依然存在，但开发商都信心满满地说他们可以清晰地看到光明的前途，大部分问题或全部问题都有了解决途径。

如今的谷歌无人驾驶汽车，工作中需要配备全球定位系统（GPS）接收器和电子地图，即导航系统。同时还需安装一些雷达侦测障碍物、激光三维扫描对周边环境的测距的设备，还有能识别红绿灯、施工信号、行人和其他车辆等对象的摄像机等。处理能力相当于几个桌面单元的车载电脑，能集成所有的信息，决定汽车在不同条件下采取何种行为。为了减少驾驶算法的负载，谷歌汽车还装备极其详细的地图，有助于汽车进行非常精确的控制。有人对这个问题提出质疑，也就是说这样的地图要求曾经对这个地方进行过高精度的勘测，限制了其适用范围。但谷歌似乎对此充满了信心，谷歌地图在2013年的汽车项目中就开始了这方面的努力，扩展到世界公路并不是很难的事儿。

对于汽车驾驶中非常明确的问题来说，似乎容易解决。比如汽车在十字路口的问题，雨后路面变滑的问题，这些明显的挑战现在已经都很好地得到了解决。但是，汽车在实际驾驶过程中，还有诸多不太常见或不大可能的事件所组成的“长尾”。谷歌汽车测试过程中，记录下了许多古怪而罕见的事件，如塑料袋吹过高速公路或横亘在道路中央的沙发。显然，类似的事件是无法穷尽的。目前，处理这些罕见事件的唯一办法是尽量进行记录，在高性能机器学习算法的帮助下设计应对措施，然后进行模拟测试，或者实际进行路测。这样的工作做得越彻底，软件就越会变得像优秀驾驶员一样安全，而且最后会更安全。这需要花多长时间仍然是一个悬而未决的问题。谷歌估计约需要5年时间。

上述这些努力，似乎是致力于让车本身变得更聪明，但如何与实际的场景结合仍然存在许多困难。比如，地图数据采集不完整，汽车无法及时对当下的路况做出自己的判断。谷歌在2012年就表示无人驾驶在技术上已没有什么难度，然而离实现真正的安全、高效的无人驾驶还需要更多的突破。

别忘了，我们已经进入了从互联网发展到物联网的时代，是大数据、云计算和物联网三驾马车并进的时代。如果在汽车自身智能的基础上再加上网络互联，让这些交通工具相互之间能沟通交流，那又将是何种情形呢？可以预测，这将会像其他物联网设备一样，让1+1的功能远远大于2，只怕你的想象力不够了。不过，本文还是想尽力想象一下。这种让车与车、车与路、车与基站、车与人、车与传感设备等交互，实现车辆与公众网络进行移动通讯的系统，泛称为车联网（Internet of Vehicle，IOV）。具体到汽车的通讯上，按照与汽车交互的对象，一般分为V2X（Vehicle to X），Vehicle to Infrastructure（V2I）和V2V（Vehicle to Vehicle）。

V2X，即车与外界信息的交流，目前成熟的导航系统（包括GPS接受器、路况信息和最佳道路选择等）就是一个重要的雏形。但这个技术目前只是单向接受并独立分析信息，并不存在于其他设备的交互。如果汽车智能终端能将最后决策的行驶计划传递给其他设备，那么就演变成V2I或者V2V了。先来说说V2I吧，这是汽车与交通基础设施之间的交流。由于是双向通讯，汽车不再是仅仅被动接受交通信号灯的指示，也可以主动向智能交通信号灯发布请求，要求调整不同道路的交通密度和红灯的等待时间。

V2V技术最早在2006年在通用汽车公司的凯迪拉克上做了展示。那个时候的概念只是想让V2V做驾驶员的第二双“眼睛”，这从理论上可降低驾驶员因注意力分散或能见度低时所造成的交通事故。现在，人们对这个技术提出了更高的要求。如果整个道路系统都安装了这些装置，车辆与车辆之间实现通讯交互，就为汽车行驶带来主动安全性，而且还弥补了像谷歌无人驾驶汽车这类依赖视频分析技术和地图资源的局限。这一技术概念已经在欧盟进行了实测，汽车连接成一串，就像小鸭跟踪它们的母亲一样。前面的车辆在侦测到红灯或行人时能及时通知后面的车辆降速。遇到紧急情况，由于每辆车都几乎在同一时间接受到了这个信号，并几乎在同一时间踩下刹车，就避免了导致灾难的滑行。

在许多道路上，我们都会看到一个安全提示牌：“保持距离，注意刹车”，在高速公路上以100公里的速度行驶，就要保持至少100米的距离，下雨的时候还要降低速度或者保持更长的距离。这是因为汽车之间没有连接，相互之间并不知道对方的意图，后者总是要花去不少时间完全理解前车的意图后，才能采取后续的措施，这在很大程度上降低了道路的通行效率，并减少了无端刹车的能耗。相反，如果汽车互联了，那么就能统一部署，不管是从启动到停车，还是从停顿状态再次进入开动状态，它们几乎可以同时进行，就像汽车组成的列车同步进行。再看一个例子，交通拥堵的时候，汽车行驶缓慢，平均每辆车占用道路的时间增加，让拥堵雪上加霜，通行效率越来越低。如果汽车速度加快了，将极大地缓解这个矛盾；如果汽车之间都能够相互通讯，那么它们就不必再开开停停了，几乎总能以最佳的运行速度行驶。如果再考虑汽车行驶的空气动力学问题，可以节省至少10%的燃料消耗。去年9月，通用汽车宣布将在未来的型号中支持V2V技术。美国国家公路交通安全管理局也准备在近10年发布的新汽车中安装V2V的规定。

可见，无人驾驶汽车的真正智能，是体现在连接之中的。如果我们将这个连接，特别是V2I再进一步畅想开来：在云的时代，应该有一个云端服务器（这里我们可以称之为“交通调度总管家”），道路上都安装了通讯性能极佳的基站，可以随时与汽车进行高速网络的连接。那么，汽车的运行状况随时受总管家的支配和调度，很明显可以让道路交通更加优化，甚至有没有红绿灯都是次要的。当然，在这种全网络覆盖的道路还没有完全建成之前，上述的V2X和V2V技术应该还有一段时间的过渡期，而且只是过渡期。

【BTW】别奇怪了，我的专业是生态学，但一直对计算机和信息技术，特别是新型技术的发展充满了浓厚的兴趣，花费的时间甚至比本专业还多。写作此文，虽然我是从科普角度出发来组织文字的，但同时也想接受专业人士的批评，及时改正我认识上的误区。文中的许多内容，主要来自我的“生态学大数据与公民科学”相关课件的内容。