Lyft收集共乘服务行车路况资料，训练自驾车漂亮过弯

共享乘车服务Lyft平台上的部分共享车辆，现在会装设低成本摄影机，拍摄人类驾驶日常所见到的场景，这些资料会被用来训练自驾车系统，学习人类驾驶遇到特殊情况时的行为。

共享乘车服务的过程，涵盖各种驾驶情境，从接乘客上车，到抵达目的地后让乘客下车，每一个步骤都需要驾驶依经验思考并做出判断。收集共乘车辆行车路况，可以扩展Lyft对人类驾驶行为的了解，并将人类驾驶经验应用到自驾车上，以解决自驾车系统棘手的问题。

这项路况资料不只能用来准确建置和更新3D地图，也能训练自驾车理解人类驾驶模式，Lyft提到，实际的行车路况影像，将可提高自驾车系统应付复杂状况的能力。

Lyft使用共乘车辆的路况资料，结合2018年并购Blue Vision Labs所获得的技术，建构出准确的3D地图，由于Lyft平台的共享乘车服务，覆盖范围相当广，因此Lyft已经绘制了数千公里的地图，并且持续地根据串流资料，更新地图资讯，这些串流资料会在每趟乘车服务结束之后，立刻被记录下来。

精确的3D地图资讯，还包含了驾驶环境相关资讯，像是车辆行驶的车道，以及交通号志资讯，Lyft应用电脑视觉以及其他机器学习技术，分析共乘车辆路况资料，自动辨识交通环境的物体，以获得驾驶环境资料，像是车道的位置，以及驾驶员必须要遵循哪些交通号志，并且了解驾驶处理危险情况的方法。

Lyft解释，虽然以常识来说，行车维持在车道中心是最安全的，但以历史纪录来看，这种假设并非总是成立，当道路上有停放车辆或是坑洞等状况，以及在部分特殊道路形状以及可见度下，车辆行驶的位置可能需要调整，而人类驾驶擅长处理各种突发情况，因此人类实际驾驶路况以及轨迹，可让自驾车学会人类驾驶经验。

除了行车道位置需要微调之外，Lyft提到，车辆行进间可能还会遇到许多不可预测的行为，像是闯红灯等情况，而行车路况资料则可以帮助自驾车系统，学习回应紧急事件的方法，像是该以什么样的减速曲线来反应闯红灯，或是其他车辆突然切换车道影响驾驶直行。Lyft认为，使用行车历史资料来训练自驾车，比传统的专家系统方法更自然舒服。