机器学习算法

　　当然，在有步行者和骑行者的情况下，要在虚拟和现实结合的山景城道路上行驶就不是那么容易的事了：汽车需要在道路上不断地规划路线，避免发生交通事故。

　　无人驾驶汽车顶上的摄像头和激光记录仪

　　谷歌汽车并不是傻瓜。它们有自己的感应设备：雷达、雷克萨斯SUV车顶的激光旋转装置以及一系列摄像头。它们的车载系统会分析数据并决定采取哪条路线，以避免撞车。

　　这是一个非常棘手的问题，但是谷歌使用了“台式电脑”级别的计算能力。(大型计算和数据处理工作由谷歌服务器中心团队完成。)

　　车载电脑首先要做的事情就是整合传感器数据。它会从激光装置、摄像头那里收集数据，并将它们整合形成周围环境的实况图，并据此在虚拟山景城地图中确定自己的位置。

　　“我们能够将我们看到的周围景象与地图中说明的路况进行对比，从而精确地确定我们在地图中的位置——精确到几厘米。”无人驾驶汽车的软件主管迪米特里-多尔戈夫(Dmitri Dolgov)说，“一旦我们知道自己的确切位置，我们就会把地图中存储的相关路况信息提供给汽车。”

　　一旦了解自己的位置所在，无人驾驶汽车就能够监测和模拟周围动态物体(如其他车辆、自行车和行人)的行为。

　　这里，谷歌用到了另一个方法。多尔戈夫的团队利用机器学习算法来创造路上行人的模型。无人驾驶汽车行驶的每一英里路程的情况都会被记录下来，汽车电脑就会保持这些数据，并分析各种不同的对象在不同的环境中如何表现。有些司机的行为可能会被设置为固定变量(如“绿灯亮，汽车行”)，但是汽车电脑不会死搬硬套这种逻辑，而是从实际的司机行为中进行学习。

　　这样一来，跟在一辆垃圾运输卡车后面行驶的汽车，如果卡车停止行进，那么汽车可能会选择变道绕过去，而不是也跟着停下来。谷歌已建立了70万英里的行驶数据，这有助于谷歌汽车根据自己的学习经验来调整自己的行为。

关键词：无人驾驶,谷歌