对于司机来说，中村城一直是城市里最难走的路，汽车寸步难行。
对于机器来说，孔城的交通规则几乎完全退化，让系统无法计算。
今天，文远智行的自动驾驶汽车驶入中村城，整个过程安全、无接管。
文远智行的自动驾驶汽车驶入孔城，全程无需接管。
文远智行的自动驾驶路测持续多天，累计自动驾驶里程1万公里，接待乘客访问量近9万人次，走遍黄埔区、广州开发区。
Robotaxi（自动驾驶出租车）向公众开放多日以来，主动安全事故为零。
接下来，专注于处理最复杂和罕见的长尾场景是实现完全无人驾驶的关键。
在孔城，这种长尾景象随处可见。
建筑密度超过70%，人流拥挤。
道路宽度仅4米，交通繁忙。
中村城分布在市中心和商业区附近，高层建筑林立。
小吃店、餐馆、超市、杂货店随处可见。
商店门口堆满了商品，顾客围着卖烧烤的三轮车，摆地摊的商贩比别人霸气，开着电瓶车的外卖小哥在街上穿行……这些都是在中村开车最熟悉的事情城市。
但场景。
晚上的孔城更加热闹，路边小摊灯火通明直至深夜。
文远的自动驾驶汽车开进孔城，内部道路交通规则降级。
概括起来，孔城有几个典型特征： 1、两高一低：人口密度高、建筑密度高、容积率低 2、独具特色 交通系统：缺乏内部道路交通网络，没有规则是唯一的规则 3. 麻雀虽小，五脏俱全：每个城市都是一个完整的迷你生活圈和商圈 4. 内外差异巨大：大部分它们位于繁华的CBD周边，村内村外的交通差异巨大。
我国城市商业区的建筑密度一般不超过40%-50%，而部分城市的建筑密度可达70%。
孔城内往往只有??一两条宽度仅7米的外部道路。
村内道路多用作房屋之间的步道。
大多数宽度只有2至4米。
它们不仅适用于行人，也适用于车辆。
没有车道线和红绿灯。
各种私家车和路边摊直接停在路边，车辆通行空间极其狭窄。
一旦离开村子，繁华商圈的地铁站和宽敞的道路就会突然出现，村内和村外的交通场景明显不同。
文远智行的自动驾驶汽车驶入孔城。
路窄，车多，晚上路边摊也很多。
自动驾驶汽车眼中的中村之城：交通规则恶化，每一米都是长尾景象在自动驾驶汽车的眼中，中村城车水马龙。
海量动态障碍物数据、无法识别的交通标志、无法提前定义的极限挑战场景。
在城市中村中，自动驾驶汽车经常遇到的典型长尾场景包括： 1.周围障碍物路径不确定：由于交通规则的缺失，没有车道线和红绿灯，道路上充满了障碍物随时改变行进方向。
汽车、自行车、电动汽车和行人的速度。
2、车辆、行人近距离互动与通行：由于道路极其狭窄、通行空间不足、人流密集，自动驾驶车辆必须与周围车辆、行人在厘米级距离内进行互动。
，过往车辆往往需要超越迎面驶来的车辆。
3、小障碍物挑战自动驾驶车辆盲点：随处可见的小障碍物突然闯入，比如路上散落的小狗、货物等，大大增加了自动驾驶车辆盲点的风险。
文远的自动驾驶汽车驶入中村城。
遇到汽车时，他不得不“擦肩而过”。
文远的智行一直在使用一套通用的自动驾驶算法WeRide ONE来解决所有不同应用场景的问题，并通过不断学习进行自我进化。
。
截至目前，文远知行ONE基于感知、预测、规划、决策、控制的线性逻辑，加入了环境观测、双向协商、共识、默契等算法，最终实现安全稳定的自动驾驶。
文远知行ONE解决孔城复杂交通问题拥有三大法宝：拥抱不确定性、达成共识、克服盲点。
文远智行的自动驾驶驶入孔城。
城里汽车很多，行驶方向随时可能改变。
拥抱不确定性：越不确定，就越稳定。
孔城内汽车很多，行驶方向随时可能改变。
这给自动驾驶的预测算法带来了问题。
一个巨大的挑战。
对此，文远智行文远知行ONE的回应是拥抱预测的不确定性。
文远智行在预测算法中强化了机器学习模型。
机器学习模型基于大数据提取障碍物行驶特征，并反复训练模型，改进算法，提高预测精度。
文远智行机器学习模型比较突出的特点之一就是能够调整系统的交互思维。
当自动驾驶车辆与周围车辆和行人动态交互时，预测结果将根据交互的每一步在短时间内实时调整，而不是严格依赖固定时间的预测数据。
同时，通过更好地将预测与规划、决策、控制环节连接起来，提高整个系统的稳定性，让车辆行驶更加平稳。
达成共识：提高机器在人机博弈中的主动性。
孔城的交通规则恶化，缺乏统一的交通法规。
需要依靠行人和车辆的“共识”来维持交通运行。
机器如何与周围的障碍物和场景“达成共识”？自动驾驶汽车不会说话，而是通过动作传达信息。
在安全第一的原则下，文远智行的自动驾驶车辆将优先考虑行人和车辆。
遇到车辆时，首先会选择主动靠边停车让路。
然而，在拥挤、繁忙的城市街道上，让路也可能导致车辆无法行驶并卡在原地。
应采取适当的交互来调整方向、速度等，为周围的行人和车辆提供信息。
，寻求新的共识。
达成共识是解决城市孔交通问题的重中之重，也是文远智行文远知行ONE最关心的技术改进点。
克服盲点：远看清，近看清。
文远智行自主研发的自动驾驶传感器套件，可以检测最远10米范围内的所有道路和交通信息，并且完全覆盖周围的所有障碍物，这一点比人更好。
眼睛可以更准确、可靠地“看到”周围的物体，探测、区分和跟踪障碍物，最终形成对场景的正确认识。
然而，在城市拥挤的交通环境中，自动驾驶车辆在近距离检测方面面临着巨大的挑战。
自动驾驶车辆与周围物体之间的距离可以低至几厘米。
自动驾驶车辆经常会“靠近”障碍物行驶。
需要保证自动驾驶车辆最近检测距离几乎为0时无盲区。
文远智行自动驾驶驶入孔城，穿过一条仅允许一辆车通行的狭窄巷子。
针对城市，文远智行升级了传感器套件，增加了远光侧翼激光雷达，增强对靠近身体的障碍物的精细化探测。
大大提高检测精度。
迈向完全无人驾驶，打造城市交通的Robotaxi服务，需要能够灵活处理城市开放道路上的各种复杂交通问题。
其中，自动驾驶面临的最大挑战是车辆或行人违反交通规则、脱离常理的行为，这构成了自动驾驶技术发展以来最难克服的长尾场景。
文远智行可以通过高强度、高密度的长尾场景训练和迭代算法，加速自动驾驶技术的成熟。
文远智行解决了中村在城市中实现自动驾驶的问题。
不仅能够在城市开放道路上提供更安全、舒适、稳定的出行服务，还将有助于消除对安全人员的需求，更快地实现完全无人驾驶运营服务的目标。