上海公布第二阶段自动驾驶开放测试道路,近90家企业申请牌照

安妮 发自 凹非寺
量子位 出品 | 公众号 QbitAI

640?wx_fmt=png

距离第一阶段自动驾驶开放测试道路发布半年后,上海在自动驾驶路测方面又有了新进展。

昨天,上海进一步发布第二阶段智能网联汽车开放测试道路,新增了自动驾驶路测开放道路。

测试道路总长度达37.2公里

上海现阶段的智能网联汽车开放测试道路位于嘉定和临港两区。今年3月开放的第一阶段路测道路只位于嘉定区,共计5.6公里。

640?wx_fmt=png

 上海开放的第一阶段测试道路 | 来源:上海发布

第二阶段开放后,嘉定区开放公里数达到11.1公里,全部为新开放的临港区路测道路总计26.1公里。届时,上海市开放测试道路总共达37.2公里。

640?wx_fmt=png

 上海开放的第二阶段测试道路

据上海发布介绍,嘉定区和临港区的开放道路的定位略有不同,嘉定区的测试道路将聚焦于推进乘用车自动驾驶技术的研发测试,临港地区的测试道路将聚焦于推进商用车自动驾驶技术的研发测试。

申请机构数量惊人

第二批申请牌照的公司有多少家?答:超乎想象。

据第一财经报道,此次路测委托的监管机构上海国际汽车城集团董事长荣文伟透露,超过90家企业报名申请路测,包括整车厂商和一部分专注智能网联驾驶系统的企业。

虽然目前国内关于自动驾驶的报道始终局限于几家第一梯队的公司,但从申请数量可以看出,后来者确实不在少数。

荣文伟进一步透露,近期将有两家企业通过封闭式路测获得自动驾驶牌照,到今年年末将有10家左右企业获得。

640?wx_fmt=jpeg

各地开放

自去年年底开始,各省市陆续颁布了自动驾驶路测新规,各地路测一事开始逐渐完善。

最先打响第一枪的还是首都北京。

2017年12月,北京发布《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见(试行)》和《北京市自动驾驶车辆道路测试管理实施细则(试行)》,率先规范自动驾驶上路测试。

据新华社报道,截至今年7月份,北京开放测试道路共105公里,百度、蔚来、北汽、戴姆勒、pony.ai五家公司获路测资格。

640?wx_fmt=jpeg

今年3月1日,上海发布了《上海市智能网联汽车道路测试管理办法(试行)》,并向上海汽车和蔚来汽车颁发了第一批开放道路测试牌照。

也是3月,重庆成为第三个支持自动驾驶汽车开展合法路测的城市,总共开放测试道路为9.6公里。此外,重庆一口气为长安、百度、一汽、东风、广汽、吉利、北汽福田等企业发放了8张测试拍照。

随后,深圳、长沙、长春、保定、平潭等多地先后出台自动驾驶路测法规,为企业发放了路测拍照。

无论城市属于一线还是三线,也无所谓地势平坦抑或山路盘旋,各地拥抱自动驾驶的姿势越来越热烈了。

作者系网易新闻·网易号“各有态度”签约作者


加入社群

量子位AI社群28群开始招募啦,欢迎对AI感兴趣的同学,在量子位公众号(QbitAI)对话界面回复关键字“交流群”,获取入群方式;


此外,量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募,面向正在从事相关领域的工程师及研究人员。


进专业群请在量子位公众号(QbitAI)对话界面回复关键字“专业群”,获取入群方式。(专业群审核较严,敬请谅解)

诚挚招聘

量子位正在招募编辑/记者,工作地点在北京中关村。期待有才气、有热情的同学加入我们!相关细节,请在量子位公众号(QbitAI)对话界面,回复“招聘”两个字。

640?wx_fmt=jpeg

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值