城市环境拥堵且充满变量，车辆和行人、自行车、公交车共用一条道路。原本并不宽阔的路边还会停着车辆，行人毫无预警穿过街道的情况也非常常见。想要避开重重障碍在城市内实现自动驾驶，难度可想而知。
    德国一个名叫UR:BAN的项目始于2012年，历时4年，正在努力把自动驾驶带入城市。项目为此成立了团体，针对城市环境，开发全新的驾驶辅助系统和交通管理系统，关注汽车和交通中「人」的因素。项目总预算为8千万欧元，其中50%由德国联邦政府的经济能源部出资。按照原计划,项目预计在2016年年初收尾,过去不久的10月7日展示了研究的最终成果。
    看看官网的合作伙伴名单，企业数量达到了31个，分别来自汽车领域和零部件供应商，电子和软件公司，以及研究机构和城市管理者，其中被我们熟知的企业有欧宝、奥迪、宝马集团、宝马技术研究、大陆、戴姆勒、TomTom、大众汽车公司等等。
    这项研究集中在三大方向：认知辅助，网络化的交通系统，交通中人的因素。车云菌结合案例，逐一进行了梳理。
    认知辅助
    “认知辅助”子项目的首要目标，是在城市复杂的行车环境下提高安全性。为这个项目拨出的资金约有4千万欧元，组团合作的企业名单里包括了所有主机厂和零部件供应商，欧宝、奥迪、宝马、大陆、戴姆勒、博世以及大众，都悉数在列。而之所以把项目命名为“认知辅助”，在于对城市道路环境的认知，是辅助系统工作前的基础工作。
    我们不妨先回想一下，城市道路环境和高速公路有何不同。有行人和自行车常常在不经意间穿街而行；公交车和路边停车挤压道路空间，给车流余下的空间十分狭窄；多数城市道路为了灵活调用车道并没有设置隔离，因此变更车道时出现对向车辆刮蹭的情况也在所难免。
    因此，这个子项目遵循 “认知城市复杂环境——分析决策——驾驶辅助系统介入”的逻辑，帮助解决城市中的驾驶问题。项目研究领域也紧贴思路分为5个方面：
    1.车辆环境的测量与建模。不仅包括对静态环境建模，还要解释道路车辆的运动轨迹。
    2.保护交通环境中最容易受伤的行人。
    3.利用制动和转向来防止碰撞。
    4.通过对车辆横向和纵向运动的控制来躲避碰撞。
    5.从产品潜力、是否有效以及法律规范等几个方面，对城市认知辅助系统进行综合评价。
    正如上文所述，第一点是在城市里使用高级驾驶辅助功能的前提条件，拥有这些技能傍身，车辆才能采取下一步的避让动作。这部分的研究背景主要利用雷达和摄像头装置在功能上互补，全面精确地探测车辆的周遭情况。不难发现，在城市环境中，认知能力强调两点：快速和全面。
    首先是快速。人类常常无法对城市中突然窜出的行人及时反应，这对驾驶辅助系统所用电脑的分析速度要求甚高。10月7日博世的研究团队现场用测试车辆展示了自己的研究成果，其中用于分析传感器数据的电脑，已经达到了每秒10次的频率。
    而且在算法上，博世引入了环境改变和物体的朝向的变量。也就是说，检测技术不仅可以检测到当下的行人和自行车位置，而且会把他们数秒后的运动考虑进去。对于行人保护而言可以做到提前预警。
    其次是全面。依靠新技术带来的360°全景感知的能力，车身周围的情况都收入电脑之中，车辆各个部位和周边物体间的空间余地也一览无余。正因为此，驾驶辅助中的“转向”动作才能在城市情境中如鱼得水。更有数据表明，转向辅助可以避免58%车辆和行人的碰撞。而且在狭窄空间行进时，驾驶辅助系统就能根据可用空间，自信地修正车辆行驶方向。这些恰是第三第四项主攻的目标。
    在成果展示会上，大众亮出的几个驾驶辅助系统，就充分利用了转向辅助。在变道辅助系统中，车辆在交通复杂的城市道路变道时，辅助系统可以从行车的纵向方向和横向方向主动修正和干预司机驾驶，帮助司机在变道的时候，挑空间宽裕的路段行驶，系统会自动激活转向灯并且辅助干预转向。
    另一个“瓶颈路段辅助系统”主要解决的是窄路上的车辆通行。对于一些车道上停了车，部分或完全阻塞的驾驶通道，驾驶辅助系统也不在话下。这种小巷中的驾驶辅助系统其实已在量产车上出现，系统会检查是否存在足够安全的宽度，在保持安全距离的前提下，协助车主主动转向通过路段。
    网络化交通系统
    网络化交通系统的子项目包含但跳出了单辆车及其周围环境，直接聚焦到城市整块地区的行车能源效率和交通效率。这个230万欧元的项目参与者包括欧宝、宝马、大陆、戴姆勒、大众和TomTom，当然还有一众软件提供商、政府机构。项目主要集中在以下4个方面寻找解决方法：
    1.把城市的路况和信息辅助系统结合起来，提升单辆车的能源和交通效率；
    2.计算城市中所需的新能源车辆比例，并不断优化调配比例；
    3. 控制红绿灯等交通基础设施，搭建联网的车辆管理系统；
    4.为了满足后化石燃料时代交通需求，进行复杂的交通网络控制。
    针对第一块内容，合作者共同参与开发了名叫“绿色协作减速”的辅助系统。路上的车辆可以利用政府机构提供的红绿灯跳转时间，结合当地前方的交通情况，帮助司机调整线路和发动机设置。这样不仅提高了燃油效率，节约了行车的时间成本，而且也可以缓解交通拥堵。尤其是对哪些混动车和电动车来说，更能够充分发挥各自优势。
    目前“绿色协作减速辅助系统”已经在宝马X5和宝马4系测试车上实现。项目展示了通过交通控制中心和移动数据市场，基础设施和车辆之间是如何通讯的。在2014年项目中期阶段进行了第一次实地测试，地点选在了在德国杜塞尔多夫和卡塞尔的测试场地。
    而各家车企参与的“交叉路口自动驾驶”功能基于V2X通讯技术，以此提高交叉口附近的交通效率，属于项目的第三块内容。这项功能可以在本地通知司机前方有哪些十字路口，不仅可以提醒司机最佳的车速、是否要制动，同时还能把车辆信息发送给交通灯，优化红绿灯的切换时长。
    还有一项“紧急情况车辆辅助”，可以通知所有的交通参与者有紧急车辆靠近。系统优化了交通灯切换，而且利用V2V通讯，可以在保证其他车辆安全的前提下，给紧急车辆让出一条快速通道。
    可以说，前三个项目把城市交通中各个参与主体的信息通路打通，用联网方式专门治疗城市的尾气排放、道路拥堵等重症顽疾。而第四项目则是把前三项基于交通信息的子项目融合，建立一个总的管理系统，并且可以扩展沿用到其他社区和地区。在整个过程中，政府机构和图商都会提供所需的外部数据和所需信息。
    交通中人的因素
    该项目被拨了1700万欧元，重点关注上述辅助系统和信息系统中的用户因素。因为城市地区的驾驶辅助系统，首要关注重点是安全性，舒适次之。针对不同驾驶员设计个性化人车交互系统，才可以实现城市安全驾驶，减少驾驶压力、提高驾驶效率。
    包括欧宝、奥迪、宝马、戴姆勒、博世以及大众在内的众多企业机构参与其中，该项目同样包含了4个子项目：
    1.人机交互。确定针对城市路况的人机交互概念以及相应的配套技术。
    2.检测和行为检测。车辆如何能够检测出驾驶员的意图，并根据驾驶者的需求做出适当的反应？
    3.模拟。确定行人与骑车人在高密度的城市交通流中如何移动。
    4.可控性。确保在城市交通中复杂的辅助系统仍然可受司机操控。
    其中的一个项目案例是，宝马联合高等教育合作伙伴和研究机构制定一个标准化、系统化的基础，用来高效、有效地验证功能和人机界面概念，在整个交互过程中“时间”是着重关注的关键因素。
    比如在人机交互项目中，用多少时间响应，在什么时间提醒车主，都是需要细致考虑的因素。其中第二项“行为预测和意图检测”子项目则关心能在早期尽可能地检测出驾驶员意图，以调整的援助系统的建议，这样驾驶辅助系统就能尽早开始配合司机计划。
    车云小结
    不少人看了这些项目，最关心的一定是这些驾驶辅助系统和管理系统有没有机会实际量产应用。细心的你一定也发现，这些研究成果都会经受有效性评估，而且在等待法律法规的跟进。在最终成果展示到2016年项目彻底完结这段时间里，还有很多内容需要整理消化，而随着最终产品被搭载量产，将成为自动驾驶汽车迈进城市的一个开端。