文远知行WeRide自动驾驶开进城中村做到全程安全无接管

一直以来，对于司机来说，城中村是城市里最难开的路，让车寸步难移。对于机器来说，城中村里交通规则几乎完全退化，让系统算不过来。今天，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。

文远知行自动驾驶路测超过900多天，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。接下来，集中处理最复杂、罕见的长尾场景，是实现全无人驾驶的关键。而在城中村，这种长尾场景随处可见。

城中村散落在高楼林立的市中心和商务区附近，这里随处可见小吃、饭馆、超市、杂货店。商铺门口堆满货物、客人围着卖烧烤的三轮车、摆地摊的小贩一个比一个霸“道”、开着电瓶车的外卖小哥穿街过巷……在城中村里开车，这些都是最熟悉不过的场景。夜晚的城中村更是热闹非凡，路边摊灯火通明直到深夜。

归纳起来，城中村有几个典型特征：

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。而一旦出村，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：

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。

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。

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。

文远知行一直以一套通用的自动驾驶算法WeRide ONE解决所有不同应用场景的问题，并在不断的学习中，进行自我进化。到现在，WeRide ONE在感知、预测、规划、决策、控制的线性逻辑的基础上，加入了环境观察、双向交涉、达成共识、形成默契的算法，最终实现安全而且稳定的自动驾驶。在破解城中村复杂交通的问题上，WeRide ONE有三大法宝：拥抱不确定性、达成共识、克服盲区。

城中村内车多人杂，随时变化行进方向，对自动驾驶的预测算法造成了极大的挑战。对此，文远知行WeRide ONE采取的应对方式是：拥抱预测的不确定性。

文远知行在预测算法中强化了机器学习的模型。机器学习模型是基于大数据提取障碍物行进特征，反复进行模型训练，提升算法，提高预测准确率。

文远知行机器学习模型更突出的一个特点是，调整系统的交互思维。在自动驾驶车辆跟周围的车辆、行人动态互动时，会根据每一步的互动，在短时间内实时调整预测结果，而非死板地依赖于某一固定时刻的预测数据。同时，通过将预测与规划、决策和控制环节更好地衔接，提升了整个系统的稳定性，让车辆行驶更平稳。

在安全第一的准则下，文远知行的自动驾驶车辆会以礼让行人、车辆为优先考虑，在会车时，首先选择主动靠边让行。但是，在拥挤、繁忙的城中村街道，让行也可能导致车辆始终无法行进、卡死在原地的情况发生，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。

达成共识是破解城中村交通的重中之重，是文远知行WeRide ONE最关注的技术提升点。

文远知行自主研发的自动驾驶传感器套件，能检测到远至250米范围内的所有道路和交通信息，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。

但是在城中村拥挤的交通环境下，自动驾驶车辆在近距离检测方面面临巨大的挑战。自动驾驶车辆与周围物体的距离可以低至几厘米，“贴着”障碍物行进的情况时有发生，需要自动驾驶车辆的最近检测距离几乎为0时，做到没有盲区。

针对城中村，文远知行将传感器套件进行升级，增加了高线束的侧翼激光雷达，加强贴身障碍物的精细化检测，大大提高检测的精度。

为城市交通打造Robotaxi服务，需要具备在城市开放道路上灵活处理各类复杂交通问题的能力。这其中，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。

文远知行解决在城中村实现自动驾驶的问题，不仅可以在城市开放道路中更安全、自如、稳定地提供出行服务，还将有助去掉安全员，更快实现全无人驾驶运营服务的目标。