基本信息
【插图】
编辑推荐
适读人群 ：本书适合从事ICT和汽车工业这两个行业的人员阅读。
本套书由英特尔战略规划室汽车业务部、首席先进服务架构师（兼）总监、名古屋大学客座准教授野边继男编写，该书在日本出版后广受欢迎，出版3个月即重印，经多位业内专家推荐引进，由中国汽车工程学会智能交通分会秘书长、同济大学陈慧教授领衔翻译。
作者野边继男曾在NEC、软银、日产汽车、英特尔工作，涉及汽车与信息通信两个领域，作者认为自动驾驶的实现的重点并非车辆技术自身进步，而必须依赖于ICT领域的突破。
本套书从ICT领域从业专家的视角阐释了如何深入理解自动驾驶和网联汽车。
内容简介
本书以2020年前后为目标，世界各国的汽车制造商正为实现互联汽车而展开研发竞争。由先进的信息通信、传感和人工智能技术实现的移动系统将极大地改变汽车的未来。本书介绍了美国NHTSA（国家公路交通安全管理局）有关自动驾驶的建议、ICT如何为自动驾驶的实现做贡献、实现汽车自动驾驶所必需的图像技术和人工智能的必要性，以及实现自动驾驶所面临的难题。本书适合从事ICT和汽车工业这两个行业的人员阅读。
作译者
野边继男
英特尔战略规划室汽车业务部
首席先进服务架构师（兼）总监
名古屋大学 客座准教授
曾在NEC、软银、日产汽车、英特尔工作，具备汽车与信息通信两个领域融合经验。
从2004年起，在日产作为项目总监，应用ICT技术把车辆与数据中心连接在一起，实现了网联汽车(Connected Car)和物联网(IoT)。为电动汽车“聆风”开发了EV-IT，可将每辆车的实际行驶数据上传云端，在云端以环境信息和行驶信息为依据，将“当前电量下能行驶的公里数”的预测结果传递给车辆。这是与此后的自动驾驶相关联的技术。
从2012年起在英特尔开展了汽车ICT标准化的工作，此后一直沉浸在自动驾驶领域，并认为要实现自动驾驶并非靠车辆技术的延伸，而需依赖于ICT本身。
英特尔战略规划室汽车业务部
首席先进服务架构师（兼）总监
名古屋大学 客座准教授
曾在NEC、软银、日产汽车、英特尔工作，具备汽车与信息通信两个领域融合经验。
从2004年起，在日产作为项目总监，应用ICT技术把车辆与数据中心连接在一起，实现了网联汽车(Connected Car)和物联网(IoT)。为电动汽车“聆风”开发了EV-IT，可将每辆车的实际行驶数据上传云端，在云端以环境信息和行驶信息为依据，将“当前电量下能行驶的公里数”的预测结果传递给车辆。这是与此后的自动驾驶相关联的技术。
从2012年起在英特尔开展了汽车ICT标准化的工作，此后一直沉浸在自动驾驶领域，并认为要实现自动驾驶并非靠车辆技术的延伸，而需依赖于ICT本身。
目录
前言
第1 章 美国NHTSA 关于自动驾驶的提议／ ／ ００１
１ －１ 提议的定位／ ／ ００２
１ －２ ＮＨＴＳＡ 的自动化水平定义／ ／ ０１０
１ －３ ＮＨＴＳＡ 的自动化研究项目／ ／ ０１９
１ －４ 无人驾驶公开道路试验及牌照颁发的推荐原则／ ／ ０２４
１ －５ 人为因素研究的重要性（对ＮＨＴＳＡ 资料的补充） ／ ／ ０２９
第2 章 ICT 如何为自动驾驶的实现做出贡献／ ／ ０４１
２ －１ 人类视角所见“自动驾驶” 与“普通驾驶” 的本质区别／ ／ ０４２
２ －２ ＳＬＡＭ 的应用／ ／ ０６１
２ －３ 识别外部环境， 预测物体运动／ ／ ０７１
２ －４ 规划无碰撞路径／ ／ ０７３
Ⅵ
第3 章 自动驾驶所必需的图像技术及人工智能／ ／ ０７５
３ －１ 各类传感器的技术动向与未来预测／ ／ ０７６
３ －２ 图像识别技术／ ／ ０８４
３ －３ 什么是机器学习和深度学习／ ／ ０８６
３ －４ 自动驾驶的适用范围和必要的智能判断／ ／ ０９２
３ －５ 机器学习与自动驾驶／ ／ ０９４
第4 章 实现自动驾驶所面临的课题／ ／ １０１
第1 章 美国NHTSA 关于自动驾驶的提议／ ／ ００１
１ －１ 提议的定位／ ／ ００２
１ －２ ＮＨＴＳＡ 的自动化水平定义／ ／ ０１０
１ －３ ＮＨＴＳＡ 的自动化研究项目／ ／ ０１９
１ －４ 无人驾驶公开道路试验及牌照颁发的推荐原则／ ／ ０２４
１ －５ 人为因素研究的重要性（对ＮＨＴＳＡ 资料的补充） ／ ／ ０２９
第2 章 ICT 如何为自动驾驶的实现做出贡献／ ／ ０４１
２ －１ 人类视角所见“自动驾驶” 与“普通驾驶” 的本质区别／ ／ ０４２
２ －２ ＳＬＡＭ 的应用／ ／ ０６１
２ －３ 识别外部环境， 预测物体运动／ ／ ０７１
２ －４ 规划无碰撞路径／ ／ ０７３
Ⅵ
第3 章 自动驾驶所必需的图像技术及人工智能／ ／ ０７５
３ －１ 各类传感器的技术动向与未来预测／ ／ ０７６
３ －２ 图像识别技术／ ／ ０８４
３ －３ 什么是机器学习和深度学习／ ／ ０８６
３ －４ 自动驾驶的适用范围和必要的智能判断／ ／ ０９２
３ －５ 机器学习与自动驾驶／ ／ ０９４
第4 章 实现自动驾驶所面临的课题／ ／ １０１
前言
以２０２０ 年前后为目标节点， 世界各国的汽车制造商正在为实现车辆的自动驾驶而展开研发竞争。自动驾驶汽车利用摄像头以及毫米波雷达、ＬｉＤＡＲ （ 激光雷达， 英文全称为Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）、超声波雷达等多种传感器采集信息， 经计算机处理后实现对车辆周围状况的感知。
通过感知与“事故” 相关联的风险， 计算机计算出规避风险的路径， 在人不介入的情况下， 将该计算结果直接通过车内ＣＡＮ （ Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）网络通信等传递给控制系统， 以控制车辆的运动。
另一方面， 这些传感器能感知的距离范围只有１００ ～２００ｍ。对于该范围以外的距离， 则需要参照云端的三维驾驶用地图来游刃有余地实现具有计划性的自动驾驶。
进一步， 如果实际行驶所得到的信息与原地图不相符， 则将数据上传云端进行地图更新。这样， 通过将来自大量非特定车辆的各类传感器数据汇集于云端数据中心， 经统计处理以及大数据处理后， 实现了三维驾驶用地图的更新。
此外， 通过引入机器学习等人工智能技术， 可生成在一般道路十字路口也能安全通过的自动驾驶算法。因此， 每辆汽车不仅是三维驾驶用地图的使用者， 同时也是地图的绘制者。
仅凭上述车辆信息技术的开发是不足以实现自动驾驶的， 还必须对关联技术进行投入。首先需扩充数据中心等设备， 用于自动驾驶所不可或缺的数据收Ⅳ集、存储和处理。日本是数据中心“不发达国家”。据说在互联网发展较为先进的美国， 将人工智能等技术逐步应用于市场的各公司都拥有规模达１００ 万台级服务器的数据中心， 而日本即便将所有这类公司加起来， 估计也只有１００ 万台左右。这样， 要实现自动驾驶的附加价值就不得不依赖于海外。
至于通信设备， 依靠今后将进一步发展的移动电话网就足够了。很多人担心自动驾驶开始后通信量会剧增而超出通信能力， 其实这根本不用担心。对自动驾驶而言， 大数据量的通信频率不高， 而通信频率高的是小数据量数据， 所以不会造成那么多通信负担。当然， 各种数据压缩方法、通信量最优化网络管理技术等还是必须要考虑的。
此外， 地图及通信的国际通用化、更牢靠的网络安全技术的导入， 以及车辆固有的隐私问题的解决将变得越发重要。
本书介绍了大量与自动驾驶汽车相关的实际情况， 笔者在ＩＣＴ 及汽车行业均有涉足， 相信本书一定能为大家提供参考。
祝各位读者身体健康。
野边继男
通过感知与“事故” 相关联的风险， 计算机计算出规避风险的路径， 在人不介入的情况下， 将该计算结果直接通过车内ＣＡＮ （ Ｃｏｎｔｒｏｌｌｅｒ Ａｒｅａ Ｎｅｔｗｏｒｋ）网络通信等传递给控制系统， 以控制车辆的运动。
另一方面， 这些传感器能感知的距离范围只有１００ ～２００ｍ。对于该范围以外的距离， 则需要参照云端的三维驾驶用地图来游刃有余地实现具有计划性的自动驾驶。
进一步， 如果实际行驶所得到的信息与原地图不相符， 则将数据上传云端进行地图更新。这样， 通过将来自大量非特定车辆的各类传感器数据汇集于云端数据中心， 经统计处理以及大数据处理后， 实现了三维驾驶用地图的更新。
此外， 通过引入机器学习等人工智能技术， 可生成在一般道路十字路口也能安全通过的自动驾驶算法。因此， 每辆汽车不仅是三维驾驶用地图的使用者， 同时也是地图的绘制者。
仅凭上述车辆信息技术的开发是不足以实现自动驾驶的， 还必须对关联技术进行投入。首先需扩充数据中心等设备， 用于自动驾驶所不可或缺的数据收Ⅳ集、存储和处理。日本是数据中心“不发达国家”。据说在互联网发展较为先进的美国， 将人工智能等技术逐步应用于市场的各公司都拥有规模达１００ 万台级服务器的数据中心， 而日本即便将所有这类公司加起来， 估计也只有１００ 万台左右。这样， 要实现自动驾驶的附加价值就不得不依赖于海外。
至于通信设备， 依靠今后将进一步发展的移动电话网就足够了。很多人担心自动驾驶开始后通信量会剧增而超出通信能力， 其实这根本不用担心。对自动驾驶而言， 大数据量的通信频率不高， 而通信频率高的是小数据量数据， 所以不会造成那么多通信负担。当然， 各种数据压缩方法、通信量最优化网络管理技术等还是必须要考虑的。
此外， 地图及通信的国际通用化、更牢靠的网络安全技术的导入， 以及车辆固有的隐私问题的解决将变得越发重要。
本书介绍了大量与自动驾驶汽车相关的实际情况， 笔者在ＩＣＴ 及汽车行业均有涉足， 相信本书一定能为大家提供参考。
祝各位读者身体健康。
野边继男
