哎等一下，只要方向盤后面沒有司機，我們就算實現全自動駕駛夢想了？

 

 

        (注：本文所有“全自動駕駛”，都是指SAE L4-L5自動化程度。)

 

        帶著這個疑問，車云菌分別觀察了國內外的幾家典型公司，做一些分析比較。

 

        我們發現國外載客的無人駕駛汽車很多已經開上了城市公共道路。Waymo豆莢車和英國Lutz Pathfinder這樣的兩座小車現階段好像并不是特別受寵，主要原因是出于性價比考慮，保障安全的傳感器和冗余設計會增加很多額外成本(從下面表格看，一輛車還是挺貴的)。大量新聞的主角是多座小巴車，比較高調的供貨公司有法國的Navya、EasyMile，美國的Local Motors，以及日本的SB Drive。

 

 

        從左到右從上到下：Arma，EZ10，Olli，SB Drive小巴，圖片來自網絡

 

 

 

        國內無人駕駛車主要在景區、園區、停車場等限定封閉區域運營，車包括傳統車改裝車、小型兩座車和小巴士多種類型。大型互聯網公司、主機廠和研究機構已經啟動了相關項目，代表性公司是百度和北汽，主要創業公司有智行者和馭勢科技，還有一家研究機構是智能汽車技術轉化中心(IVTTC)。

 

 

        從左到右從上到下：百度、北汽、智行者、馭勢、IVTTC的無人車，部分圖片來自網絡

 

 

        還有一些企業通過安裝磁釘、磁傳感器陣列、導軌等磁引導裝置，用機電控制技術曲線實現無人駕駛。當這些汽車開始熱熱鬧鬧上路，我們就可以喜大普奔了嗎？答案當然是否定的。

 

        首先，一輛車是不是全自動駕駛，絕不是靠有沒有司機來判斷的。

 

        在SAE標準(J3016™，2016版自動駕駛汽車定義和分類)里，雖然全自動駕駛確實已經可以擺脫司機，但是一輛名副其實的“自動駕駛”汽車，必須要在實時行駛過程中，持續滿足下面所有動作：

 

        1.通過轉向對車輛橫向控制

 

        2.通過加減速對車輛縱向運動控制

 

        3.通過監測、識別、分類障礙物和事件來監控駕駛環境，并做好反應準備

 

        4.根據障礙物和道路事件給出響應

 

        5.做出車輛運動計劃

 

        6.通過光、信號、姿態等方式，對外傳遞車輛信息

 

        目前我們看到的無人駕駛車雖然都能自己監控環境、決策規劃，最后做出相應的操作，但是還做得不夠全面。這些車在技術上，仍然還不能像人類駕駛員那樣靈活自如地應對各種狀況。我們看到測試運營過程中，大家對車輛的自動駕駛技術還不夠有信心——一些車在進入新城市時，車上還要安排專人負責按下緊急制動按鈕。還有一些車在試運營時，司機會坐在駕駛位虛握方向盤以防萬一。

 

        最重要的是，全自動駕駛汽車區別于駕駛輔助的關鍵在于：在系統發生故障無法工作，或者出現超過系統原有的運行設計范圍之外的情況時，系統都會不依賴人類，用盡可能安全的方式解決。遺憾的是，這些公司在介紹產品時，都回避了系統發生故障或遇到超出能力的情況時，是否能自己化險為夷。而衡量安全的重要標準——系統魯棒性，是沒有辦法通過短暫體驗得到檢驗的。

 

        其次，我們要理解“限定環境”意味著什么。

 

因為自動駕駛系統還不夠可靠，所以會在簡單環境保證安全運行。需不需要限定環境是判斷L4和L5的分界線。這里不完全列舉一些SAE提到的限定條件，比如：

 

        Speed速度(高速、低速等)

 

        Geography地形(平原、山地等)

 

        Roadway路面情況(直路、彎路等)

 

        Environmengt環境(天氣、氣候、基礎設施等)

 

        Traffic交通情況(簡單、復雜、違規行為、路線固定等)

 

        Temporal 時段(白天、晚上)

 

        ……

        

        當然，一輛L4自動駕駛汽車可以設置多個限定環境，自由組合，比如只在白天低速行駛，且路上沒有行人，所以涌現了五花八門的限定條件自動駕駛汽車。不過，限定設計運行范圍會讓我們看清自動駕駛系統離L5還有多少距離。如果一輛L4自動駕駛汽車設置了很多限制條件，說明它本身還有很多技術問題沒有解決。

 

        比如很多無人車通過各種限制方法來簡化行車難程度。這些無人駕駛車都開得很慢很慢，所以對系統的實時計算能力不是很高。車都是在同一條路線的通勤，不需要考慮太多道路變化。車輛采取的也是比較保險的應對策略，比如大家很少超車換道，會盡量采取停車避讓的方式。

 

        上述案例中，路況簡單、環境可控，只在白天行駛，說明傳感器和算法無法勝任夜晚工作。車輛只能在一個封閉的公園行駛，高精度地圖也就沒有過多考慮高頻更新。比如始終行駛環境要無人無車，說明感知和決策都還有應對復雜路況的問題尚待解決。自動駕駛的道路還有10%沒有完成，但是余下的10%卻需要90%的時間和費用。

 

        而且我們看到，在商業化這件事上，絕不是一家公司來包攬全套。車企、交通信息公司、方案提供商、運營商都會參與到整個鏈條中來，而且為了獲得足夠大的利益空間，盡可能掌握最核心的數據資源。而數據的累積，算法的訓練，本來就是一個漫長的過程。

 

        小結

 

        自動駕駛在不同階段都能找到商業化的方式，這樣企業才能通過盈利獲得良性發展的資本。但是，當行業進入了自動駕駛發展的關鍵時期，我們不該忙著為產品打上“無人駕駛”的標簽，而是要多談一些困難的解決方法，這樣才能在現實生活中讓自動駕駛產品給我們帶來安全舒適的駕乘體驗。

車云網綜合報道