据交通热门新闻报道，上周六，Google无人驾驶测试车在美国山景城与一辆巴士相撞，测试车紧急受损，近日，Google已经发布声明，称其无人车在这起事故中无责。但车祸就是车祸，消费者期待的回话无非是“绝不会有下次”。Google们可以给出这种承诺吗？
无人驾驶车能否吃一堑长一智？
车祸中传感器及其他部分的数据，可以大大提升无人车的性能。近期的一个例子就是，一辆特斯拉Model S电动汽车用户乔舒亚-布朗今年5月曾用自动驾驶系统行驶在一条州际公路上，在行驶至一个没安装红绿灯的十字路口时一辆大型牵挂型卡车忽然左转横在布朗特斯拉车前。但汽车传感器却将白色卡车误判为“天空”而没进行制动从而致使了事故的发生，特斯拉驾驶员、用户布朗当场毙命，62岁的卡车司机弗兰克-巴尔塞则没受伤。
事故之后，特斯拉工程师便仔细研究了视频录像及汽车各个传感器采集到的数据，包括雷达及声呐记录，并非常快推出了软件更新包以防止其他特斯拉汽车发生类似问题。该更新包立刻被推送到各种车型的特斯拉无人车上，理论上，但凡安装了更新包的特斯拉无人车，目前都可以准确无误地分辨“白色卡车”与“天空”。
“车队学习”怎么样较大化数据价值？
无人驾驶车上的软件随时随地都在从现实世界提供的数据中学习，在此过程中，无人驾驶车对道路、其他汽车、树木等周围事物的辨别会愈加精准，做出转向、制动等决策的反应也会愈加准确和灵敏。最后，所有这部分信息都会传送到一个“中央大脑”，从而对其他无人车的“智能”进行全方位更新，这种被成为“车队学习”的信息共享技术，就好比你的手指被滚烫的炉子烫到时，你的胳膊、脚、膝盖都会知晓滚烫的炉子是碰不能的。
特斯拉曾在官方博客中举了一个例子：当汽车马上通过置于坡度路面的横跨路牌或钻入桥洞时，无人驾驶系统需要判断路牌或桥洞的高度是不是安全。但因为道路忽然升高或减少，导航数据和GPS提供的高度数据总是不足以使得系统做出准确判断，而当汽车行驶到与路牌或桥洞等高的路面时，即便应该制动也已为时过晚。
这就是“车队学习”发挥用途的一个经典案例。第一，所有遇见类似情况的汽车都不会轻举妄动，而是先依据雷达记录下路牌、桥梁等周围静物的信息。随后，计算机会悄悄将无人驾驶系统做出的制动决策和人类驾驶员的反应进行比较，并将这一数据上传到特斯拉数据库。假如有少量的车安全通过障碍物，那样无论这部分车是不是处于无人驾驶模式，这一障碍物的地理信息都会被移入白名单。
而当数据显示系统做出错误制动的状况极少时（也就是人类驾驶员认同汽车做出的制动决策时），即便此时摄像头并没辨别到障碍物，系统也会对汽车进行轻微制动。伴随系统信心度的上升，制动力度也会加强，直到系统断定99.9%会装上障碍物，汽车就会进行完全制动。这种策略可能不可以彻底预防相撞，但至少行车速度会大大放缓，从而减少车内职员受伤的可能性。
“车队学习”恰恰是机器胜过人类的地方。人类驾驶员的学习过程就不是如此，不一样的驾驶员天天都再一遍遍犯同样的错误，这也是为何大家生活的城市里常常有一些地方被称作“危险路段”。不幸的是，现在为止并没什么容易的方法能被人类驾驶员也能通过其他人的经验进行学习（不过近期在虚拟现实范围已有类似的尝试）。年复一年，小白上路的司机一直要从零学起，而老司机的经验并非挨驾校师傅几句骂就可以获得。而对无人驾驶车来讲，只须有一辆车学会了一种经验，那样整个车队就都学会了。
数据是“车队学习”的无价之宝，但数据也恰恰是这种办法的痛点所在。撞车事件后，特斯拉并没同Google、Uber、通用等推荐这一数据。理论上，这就意味着这部分企业的无人驾驶车非常可能都要犯一遍同样的错误。
最近新车上市较多，想要二手车评估的朋友可以来山东选车网二手车交易市场进行免费评估，也可以通过二手车在线评估网进行在线评估，更多行业资讯，关注济南二手车买卖网知道。
有关文章推荐：
1、“网络+中国汽车”有什么化学反应
2、百度无人驾驶获全球测试牌照，狗做司机考驾照
3、高德地图与宝马达成合作，塑造车载交通信息管理软件
