更准确的天气预报、更丰富的驾驶数据，这些都将加快自动驾驶和联网汽车广泛部署的进程。
尽管目前公路上已经有自动驾驶汽车行驶，但它们在恶劣天气条件下的表现仍然不尽人意。2019年1月至8月，美国科罗拉多州丹佛大都会地区运输局对一辆在当地四个通勤火车站之间按设定路线环行的无人驾驶公交车进行了测试。据该机构首席执行官兼总经理戴夫 • 热那亚（Dave Genova）发表的一篇文章披露，这辆车的传感器在下雪和暴雨期间出现过故障，并因此导致服务中断。
2019年，科罗拉多州丹佛大都会地区运输局测试了一辆与上图完全相同的、EasyMile公司（总部位于法国图卢兹）的自动驾驶公交车，该车的车载传感器因下雪和暴雨天气而发生紊乱，公交服务也因此中断
不过，自动驾驶汽车在恶劣天气条件下的性能正在改善。来自学术界、汽车行业和科技公司的科学家和工程师正在对机载摄像机、激光雷达传感器和雷达装置进行升级改造，以便自动驾驶汽车能够更好地监测天气状况。与此同时，计算机科学家也在努力，利用人工智能为安全驾驶保驾护航。目前，政府和公司提供的天气状况每15分钟更新一次，而自动驾驶汽车需要更频繁的天气和路面状况信息。其中一部分数据可能来自固定在道路两旁的传感器，它们会收集温度、压力、湿度和其他气象数据；另外一些数据则来自车载设备，如雨刮器和前灯，由汽车自行收集并互相共享。
行动如人类
许多面向公众销售的汽车都有半自动驾驶或驾驶辅助功能，其中最常见的是几十年来一直被用于控制速度的巡航控制功能。包括特斯拉、沃尔沃和奥迪某些车型在内的一些汽车，已经具备了更先进的自动停车和车道居中控制等功能。全自动汽车（或称自动驾驶汽车）仍处于研发阶段，在理想状态下，它们完全无需人工驾驶，或只有在恶劣条件下才需要人工干预。
自动驾驶汽车配备有一组机载传感器，模拟并且旨在超越人类驾驶员眼睛的视觉功能。摄像机可以探测到远近各处潜在的障碍物和环境特征。激光雷达装置可发射遇到附近物体会反弹的近红外光脉冲，而光的传播时间被用来构建周围地区的三维地图。雷达传感器测量脉冲的多普勒频移可监测行人、骑自行车者和其他车辆的移动特征。
为了收集和利用更多的数据，研究人员正在考虑将自动驾驶汽车与气象传感器无线连接，实现汽车与基础设施之间的通信。例如，美国运输部的智能路边项目的工作人员一直在研究如何通过部署在道路两旁的气象传感器向汽车提供路面和交通状况的信息。
无人驾驶汽车可以由单独一人在一个地点集中进行监控。2019年，由旧金山星空机器人公司生产的无人驾驶卡车在佛罗里达州公路上行驶了15千米，该卡车速度平稳并更换了车道。驾驶中做出的决策由控制中心的人员监控，在必要时他们可以接管。
计算机科学家们正在利用人工智能开发改良版自动驾驶汽车决策系统。机器学习和神经网络方法将算法应用于数据集，其结果用于提供可能的决策，这类算法以用于图像处理和天气预报的人工智能为基础。
总部位于芬兰赫尔辛基的维萨拉公司将环境、工业和天气数据与人工智能相结合，为客户提供路况预报和道路实况报告服务。它们每隔5至15分钟，就会更新2千米路段内的湿度、降雪和冰冻等信息。2015年，维萨拉发起了道路AI项目，使用车载摄像机来检测前方出现的裂缝、坑洞和其他可能影响自动驾驶性能的道路状况。
使用人工智能的一个难点是，它需要大量质量有保证的数据才能做出具有重大统计意义的决策。为了满足这一需求，各公司每年都让它们的自动驾驶汽车行驶数百万千米。位于科罗拉多州博尔德的美国国家大气研究中心的气象学家和自动驾驶汽车科学家柯蒂斯 • 沃克（Curtis Walker）表示，目前已经有了筛选数据的技术，它们可以判断哪些数据正确，哪些数据错误，哪些数据可能存在问题。但他同时补充道，在质量控制方面，总是会有改进的空间。
移动气象站
通过车载传感器，自动驾驶汽车可以从车辆间的通信中获益。这种相互检查也提供了一种用来测试自动驾驶汽车自身传感器是否在正常工作的方法。沃克介绍说，如果一个传感器探测到正在下雨，这辆自动驾驶汽车就会开始检查周围的车辆，如果这些车辆都没有使用雨刮器，没有打开前灯，也没有启动防抱死制动系统，那么这辆汽车可能会质疑自身的自动传感器是否失灵。
冬天，冰雪会迅速堆积在摄像机、激光雷达或普通雷达装置上，导致车辆对它应该监测的环境状况一无所知。沃克说：“如果附近车辆的前灯和雨刮器都在运行，也许这辆车也应该这么做。”车辆之间可以就其他关键信息进行交流，包括摩擦力大小，稳定性的控制，速度和行驶方向，以及是否需要紧急刹车。
2019年，德国辛克物流公司、汽车制造商曼恩卡车与巴士公司以及纽约费森尤斯应用科学大学的研究人员在德国演示了车辆之间的通信如何进行。两辆通过电子连接的卡车行驶于同一车道，之间相距20米，在纽伦堡和慕尼黑之间行驶了大约3.5万千米。人类司机平均每2 000千米干预一次，主要是因为有其他车辆进入了自动卡车所在的车道。与未采用该技术的卡车相比，这两辆卡车行驶的间距更小，燃料消耗也因此减少了3%至4%。
车辆之间的通信也具有局限性。维萨拉高级业务开发经理裴特里 • 玛加瓦（Petri Marjava）说：“自动驾驶汽车必须安装设备和传感系统才能确保始终能够安全行驶。”裴特里表示，汽车公司通常会保护自己的数据，只有通过商业交易才能获取车辆收集的数据，因为任何事情都需要付出代价。由于与自动驾驶汽车制造商签署了保密协议，研究人员往往不能将他们对安全性和性能的分析与他人共享。
2019年，在几乎没有人为干预的情况下，这两辆自动卡车往返于德国纽伦堡和慕尼黑之间，共行驶了约3.5万千米
沃克认为，自动驾驶汽车研究在很大程度上是为了推动技术进步，当然也为了生产产品并最终获取利润，而不是为了发表经过同行评议的论文。不过，这项研究仍然有发展空间。2019年8月，Alphabet公司（谷歌母公司）旗下的自动驾驶技术研发子公司Waymo在其网站上发布了自动驾驶汽车的传感器数据。对于研究诸如预测车辆性能、感知环境条件等课题的研究人员来说，这些数据可能大有裨益。开放数据集包含1 000个路段的信息，每个路段中汽车在不同天气条件、城市和郊区环境中行驶跨度20秒的数据。
一些汽车制造商正在开展合作。2019年6月，宝马、戴姆勒、福特和沃尔沃宣布，他们正与6个欧洲国家的数据服务提供商和国家交通管理局合作，共同创建一个通用服务器，为联网自动驾驶汽车接收和传送真实数据。2019年4月，欧洲议会批准了一项对欧盟汽车进行监管的修订版通用安全条例之后，该试点项目应运而生。其中的新要求是，从2022年开始，车辆必须配备最低强制性安全技术。
处处至臻至善
沃克称，天气状况只是自动驾驶汽车面临的其中一个问题，伦理考量和政治规则等问题同样需要解决。“如果碰到突发状况，车辆会选择撞一头鹿，还是会选择在可能会伤及司机的情况下驶离道路并撞上一棵树？这辆车是否总是决定杀死那头鹿呢？但是如果那不是一头鹿，而是一个正在追逐皮球或玩具之类的儿童呢？”
类似于麻省理工学院道德机器平台的人工智能软件也许可以解决这些问题。研究人员针对自动驾驶汽车可能面临的道德困境设计了思维实验，并从233个国家的数百万人那里收集了4 000万个关于汽车在这些情况下应该如何决策的观点。在受访者看来，如果攻击非人类动物是解救冲到马路上的孩子的唯一方法，那么他们强烈倾向于选择前者。他们的研究结果还表明，与挽救更少的生命相比，人们更愿意挽救更多的生命；与挽救年老的生命相比，人们更愿意挽救年轻的生命。这一研究结果可能有助于建立一套为社会所接受的全球性通用原则，供所有车辆遵守。
自动驾驶汽车还需要频繁的天气预报信息，以预测数千米或更大范围内的天气状况。美国国家气象局可以提供更准确的预报（目前可提供30千米范围内的预报）；IBM即将推出的全球高分辨率大气预报系统则旨在提供3千米分辨率的气象预报，每小时更新一次。为自动驾驶汽车提供的天气预报可以不受限于为人类提供天气预报所受到的限制，它可以利用概率并使用人工智能算法来确定最可能的环境条件。
除了更准确的预报和更多的数据，自动驾驶汽车可能还需要加强对路况特征的描述。为了确定安全驾驶所需的道路摩擦阈值，预测模型必须考虑当地的湿度、道路的材料特性、道路的修建方法以及材料应对不同天气的方式。
美国国家大气研究中心研究负责人威廉 • 马奥尼（William Mahoney）介绍说，目前，这类预测模型主要在冬季气候条件下用于维护决策支持系统。交通部门利用它们来确定暴风雨期间保持路面不结冰、不积雪的最佳方法。马奥尼说，在修复和翻新联邦和州高速公路时，路面模型应将新的道路性能考虑在内，应该优先采用能够改善收集天气和材料数据能力的设计和材料。
马奥尼说：“我们眼下经历的过程是一个建造一点点、测试一点点、完成一点点的过程。一旦自动驾驶汽车可以在预定路线上的较短路段或限制车道区域行驶，那么它们就有可能能够在更长、更复杂的路线上行驶。”汽车行业可以向航空公司学习——几十年来，在大气科学家的努力下，飞机在恶劣天气下的安全性和可靠性都得到了提高——气象界和汽车行业之间的合作对于加速自动驾驶汽车的发展和应用都是必要的。
由于风险投资的激烈竞争，汽车公司往往对它们面临的发展挑战缄口不言。为了解决这个问题，马奥尼在2018年组织了一次美国气象协会峰会，让自动驾驶汽车从业者和气象专家汇聚一堂，在位于华盛顿特区的国家运输安全委员会举行的活动中畅所欲言。马奥尼说：“我在过去几年注意到，汽车公司和气象领域并未像预期的那样密切合作。到目前为止，我们取得的成果喜忧参半，但我们正在不断努力让他们携手共进。”
资料来源Physics Today