0
| 本文作者： 朱玉龍 | 2017-01-05 11:17 |
雷鋒網(wǎng)按：本文作者朱玉龍，汽車行業(yè)工程師。
我們中的大多數(shù)人可能不相信自動駕駛汽車將在很近的未來（10～15年）成為現(xiàn)實。汽車廠商和Tie 1供應(yīng)商都在一個個的整合資源，在各個層面布局。本文也想從全局，落地的角度來討論下自動駕駛是怎樣滲透到我們的實際生活中的。在驅(qū)動因素方面，主要是基于道路安全的考慮，如美國在2015年有35,092人死于車禍，94%的事故與駕駛員的決策和操作失誤有關(guān)。所以不論是交通安全管理部門，汽車制造企業(yè)還是技術(shù)供應(yīng)商，高科技企業(yè)，都從中看到了機會。
一、自動駕駛系統(tǒng)技術(shù)
自動駕駛系統(tǒng)需要進行分級，從細節(jié)上去考慮，目前美國已形成了統(tǒng)一，以SAE International關(guān)于自動化層級的定義為準(zhǔn)，如下：
L0 ：駕駛員完全掌控車輛；
L1 ：自動系統(tǒng)有時能夠輔助駕駛員完成某些駕駛?cè)蝿?wù)；
L2 ：自動系統(tǒng)能夠完成某些駕駛?cè)蝿?wù)，但駕駛員需要監(jiān)控駕駛環(huán)境，完成剩余部分，同時保證出現(xiàn)問題，隨時進行接管。在這個層級，自動系統(tǒng)的錯誤感知和判斷有駕駛員隨時糾正，大多數(shù)車企都能提供這個系統(tǒng)。L2可以通過速度和環(huán)境分割成不同的使用場景，如環(huán)路低速堵車、高速路上的快速行車和駕駛員在車內(nèi)的自動泊車；
L3 ：自動系統(tǒng)既能完成某些駕駛?cè)蝿?wù)，也能在某些情況下監(jiān)控駕駛環(huán)境，但駕駛員必須準(zhǔn)備好重新取得駕駛控制權(quán)（自動系統(tǒng)發(fā)出請求時）。所以在該層級下，駕駛者仍無法進行睡覺或者深度的休息。在L2完成以后，車企的研究領(lǐng)域是從這里延伸的。由于L3的特殊性，目前看到比較有意義的部署是在高速L2上面做升級；
L4 ：自動系統(tǒng)在某些環(huán)境和特定條件下，能夠完成駕駛?cè)蝿?wù)并監(jiān)控駕駛環(huán)境；L4的部署，目前來看多數(shù)是基于城市的使用，可以是全自動的代客泊車，也可以是直接結(jié)合打車服務(wù)來做。這個階段下，在自動駕駛可以運行的范圍內(nèi)，駕駛相關(guān)的所有任務(wù)和駕乘人已經(jīng)沒關(guān)系了，感知外界責(zé)任全在自動駕駛系統(tǒng)，這里就存在著不同的設(shè)計和部署思路了；
L5 ：自動系統(tǒng)在所有條件下都能完成的所有駕駛?cè)蝿?wù)。
我們所說的自動駕駛系統(tǒng)，通常是在3～5層級，隨著層級的提高，對系統(tǒng)的要求也隨之提高。由于目前自動駕駛的分級，特別是L3和L4處在還沒有大規(guī)模應(yīng)用在實際生活之中，我們對待這個需求就存在著一些認(rèn)知上的爭議。
分類方法：以DDT、DDT的任務(wù)支援和設(shè)計運行范圍來區(qū)分；
動態(tài)駕駛?cè)蝿?wù)（DDT）：是指在道路上駕駛車輛需要做的操作和決策類的行為；
車輛執(zhí)行：包括通過方向盤來對車輛進行橫向運動操作 、通過加速和減速來控制車輛；
感知和判斷（OEDR）：對車輛縱向運動方向操作、通過對物體和事件檢測、認(rèn)知歸類和后續(xù)響應(yīng)，達到對車輛周圍環(huán)境的監(jiān)測和執(zhí)行對應(yīng)操作、車輛運動的計劃還有對外信息的傳遞。
動態(tài)駕駛?cè)蝿?wù)支援（DDT Fallback）：自動駕駛在設(shè)計時候，需要考慮系統(tǒng)性的失效（導(dǎo)致系統(tǒng)不工作的故障）發(fā)生或者出現(xiàn)超過系統(tǒng)原有的運行設(shè)計范圍之外的情況，當(dāng)這兩者發(fā)生的時候，需給出最小化風(fēng)險的解決路徑。
設(shè)計運行范圍（ODD）就是一組參數(shù)，把我們知道的天氣環(huán)境、道路情況（直路、彎路的半徑）、車速、車流量等信息作出測定，以確保系統(tǒng)的能力在安全的環(huán)境之內(nèi)。
圖1 設(shè)計適用范圍的對比
L2 組合駕駛
駕駛員和汽車來分享控制權(quán)，系統(tǒng)同時具有縱向和側(cè)向的自動控制，且具備兩項以上。在整個開啟的過程中，駕駛員可以不操作方向盤、油門和剎車（放棄主要控制權(quán)），但需要觀察周圍情況，并提供安全操 作 。
駕駛員必須隨時待命，在系統(tǒng)退出和系統(tǒng)出錯的情況下隨時接上。
自動駕駛系統(tǒng)：我們從控制和感知進行分解
對執(zhí)行器的要求可以看出來，是需要對縱向的動力總成和剎車系統(tǒng)，橫向的轉(zhuǎn)向系統(tǒng)進行融合控制。
圖2 L2的工作方式
解析L2的感知需求，是需要把整個場景考慮清楚
低速自動泊車場景：感知車位、行人、車輛
低速環(huán)路堵車輔助場景：識別車輛、摩托車、車道線
高速封閉道路場景：識別車輛、車道線
我們在現(xiàn)實中看到的L2系統(tǒng)，既有單個攝像頭實現(xiàn)的TJA，也有很多差異化設(shè)計。這里由于有著駕駛員隨時監(jiān)控環(huán)境這條要求區(qū)分，車企可以選擇做得少也可以選擇做的多一些，因為不管是感知還是駕駛決策，完全依照車企對L2自動駕駛的需求不同來調(diào)整。
既有拿一個LRR、5個SRR、2個Camera來做的，也有拿單攝像頭來進行處理的低成本方案。
既可以僅靠車道識別來進行車輛居中保持，也可以依靠高精度定位和高速道路地圖來實現(xiàn)車道的匹配和居中，提高橫向控制特性。
這里的核心區(qū)別，就是對以下的內(nèi)容進行限制：
對不同的道路、基礎(chǔ)設(shè)施的可容忍性
車速的運行范圍
對感知錯誤（誤識別率）的容忍性
對自動駕駛系統(tǒng)在不同流量環(huán)境下的改進可行性，往L3進化可能性
對車主的使用的判研以評估綜合風(fēng)險性
我們在把這些拿出來討論的時候，其實是可以考慮做一份工程的規(guī)范，然后根據(jù)各個車企的配置情況來進行測試和對標(biāo)的。所以總的來說，這個L2是所有車企在積累和提高特性的必爭之地。
L3 有限度的自動駕駛
在某些環(huán)境允許的條件下，駕駛員可以完全放棄操控，交給自動化系統(tǒng)進行操控。如果系統(tǒng)出現(xiàn)問題，是不能完全自主進入安全狀態(tài)的，需要駕駛?cè)藛T來接管，但這個時間一般較短。雖然這個看上去不大實用，但是確實是德國三家豪車企業(yè)目前在自身系統(tǒng)演進過程中比較看重的點。這些發(fā)表的研究性的配置，都是基于L2的演進來考慮的。
沒了駕駛員的確認(rèn)，整個感知的要求高了很多：
準(zhǔn)確度要求高了，不能出錯，這里一定有融合對比；
感知范圍距離要求高了，需要給自動駕駛決策時間；
對環(huán)境耐受性要求高，突然下冰雹和暴雨也需要時間來切換；
即使系統(tǒng)發(fā)生錯誤的時候，整個轉(zhuǎn)換的退出還需要時間；
感知系統(tǒng)要有冗余性要求，既有融合情況，也有單個感知單元失效診斷之后fail-operational的要求，也要獨立能運行。
圖3 L3的系統(tǒng)情況
因為L3沒有進入產(chǎn)品化，所以這些研究階段的配置可能會進一步進行調(diào)整，可以看出，L3階段是之前L2頂級配置性能上面再進行演化。由于在運行中失去了駕駛員的監(jiān)控，任何運行中的感知錯誤都是不能接受的（沒看到車就會產(chǎn)生錯誤決策，就會出現(xiàn)問題）。
L4 全自動駕駛
在福特明確提出要做L4的自動駕駛和自動駕駛服務(wù)之前，沒有哪個車企這么敢來做，因為這里一旦啟動，已經(jīng)對駕駛者沒有要求。在之前看到的更多的，還是基于機場小型低速擺渡車、市區(qū)低速巴士之類的有限制的運行。
系統(tǒng)100%負(fù)責(zé)感知的準(zhǔn)確性
系統(tǒng)100%要在設(shè)定的范圍內(nèi)完成所有駕駛員要做的事情，沒有后備
系統(tǒng)在自身出問題和外界環(huán)境變化的時候，要考慮冗余的策略，保證車內(nèi)和車外安全
自身感知、處理和執(zhí)行段的所有故障診斷
自身感知、處理和執(zhí)行段的Fail-Operational
圖4 L4的運行情況
現(xiàn)階段，L4的設(shè)計考慮還配置個安全駕駛員，這里的情況比較微妙，先做性能，再做冗余，下個階段就完全考慮實現(xiàn)L4，到了這里就不打折扣了。
二、各個發(fā)展階段
1970年以前：一些車企使用射頻和磁釘?shù)姆绞絹韺?dǎo)引車輛實現(xiàn)自動駕駛。
1977～2000年：日本、歐洲和美國的一些高校進行了一些實驗和開放項目，主要提供給高校和研究院所進行的開放項目，如EUREKA Prometheus、CMU NAVLAB、AHS Demo.
2004和2006年：分別進行DARPA的一些比賽，鼓勵各個高校組織實際的車輛相互競爭參與比賽。
2007年：DARPA城市挑戰(zhàn)賽，這個選擇了城市道路這項有很高難度的項目來給各個高?？臻g，這里Carnegie Mellon和Stanford這兩個車隊比賽成績很接近。
2007年之后，以Google為代表成立自動駕駛實驗室，制造樣車然后進入試驗階段。
圖5 自動駕駛技術(shù)的發(fā)展
目前對于自動駕駛的分化和考慮：
系統(tǒng)服務(wù)企業(yè)： 基于服務(wù)端的IT公司為主，百度、Google、Uber都是考慮在營運端拿來做服務(wù)，規(guī)劃要在3年內(nèi)實現(xiàn)部分商用；而Tesla就拋出了硬件（無冗余）先行跟進軟件的策略。
有個大的轉(zhuǎn)變是Google專門成立了公司，開始與車企合作進行，以后的商業(yè)模式值得進一步考慮。
測試階段和真正運營還是有些差距的，主要體現(xiàn)在投放的范圍和控制的力度。
車企運營端的投入：受整個環(huán)境的驅(qū)策，各個車企現(xiàn)在對于面向消費者的服務(wù)端有不少的投入，下一步把試車場里面比較成熟的產(chǎn)品拿出來進行運營級別的測試運行，就是一個比較務(wù)實的決定。這些車輛可以分為兩部分：
車輛段：可以考慮冗余度，在涉及關(guān)鍵安全控制端（EPS、ESP兩塊可以單獨把冗余的部分應(yīng)用上去）；而整個感知端和計算平臺端可以采取先從性能端調(diào)試，再加入決策投票確認(rèn)的冗余機制。
監(jiān)控端：整個后臺運行需要有完整的數(shù)據(jù)記錄機制，也有個后臺團隊，來處理道路上遇到的各種行為（類似緊急的彈出和道路意外）。
這里既需要有單獨的存儲和發(fā)送機制，把整個感知的數(shù)據(jù)進行備份和傳輸（新的傳輸Tbox2），在云端可以做一些復(fù)現(xiàn)和記錄，也可以用原有的記錄層（T-box1）來記錄之前的運行結(jié)果。這個提高的路徑就是現(xiàn)有軟件和后臺虛擬運行之間的對比，進化的邏輯就是抓取多臺車之前的軟件版本運行數(shù)據(jù)和原始數(shù)據(jù)虛擬運行對比。
后臺的競爭而言，是各個IT公司有天然的優(yōu)勢；不管這個事情最終如何，車企不大可能單獨去構(gòu)建一個非常龐大的后臺。
自動駕駛車企零售模式：單獨把L4的車輛賣給普通消費者，天然就蘊含很多的風(fēng)險因素。所以我們可以把這個行為，當(dāng)作是運營之后的一小步，發(fā)售給部分發(fā)燒票友來嘗試的。這應(yīng)該只占到非常小的部分。
圖6 各家公司對L4的商業(yè)化計劃
圖7 L4的車型和部署與打車服務(wù)是很難分離的
三、自動駕駛產(chǎn)業(yè)情況
根據(jù)參考文獻2的整理，大概有如下的產(chǎn)業(yè)格局，如圖8所示（這是一個基本的概覽，在里面的角色可以進一步定位），我們可以根據(jù)整個細分類目做進一步的劃分。原來的單一分法，主要有：
汽車廠家：生產(chǎn)、設(shè)計、測試或計劃售汽車
汽車系統(tǒng)和部件供應(yīng)商：向汽車廠家出售部件或者系統(tǒng)，主要負(fù)責(zé)這些零件/系統(tǒng)的生產(chǎn)、設(shè)計和測試，包括：
感知層：我們可以逐個細分成攝像頭、激光雷達和毫米波雷達，這些主要是以傳統(tǒng)汽車電子廠家為主，或者從其他工業(yè)行業(yè)轉(zhuǎn)過來的供應(yīng)商。
網(wǎng)絡(luò)連接：主要是V2X的模塊和服務(wù)供應(yīng)商。
還有其他如計算處理、地圖和定位、網(wǎng)絡(luò)安全和系統(tǒng)安全、處理算法提供商。
新的玩家
自動駕駛系統(tǒng)供應(yīng)商：由于自動駕駛系統(tǒng)的特殊性，出現(xiàn)了整個系統(tǒng)方案提供商，通過在已經(jīng)有的車輛基礎(chǔ)上，來生產(chǎn)、設(shè)計、供應(yīng)高度自動駕駛的系統(tǒng)，或是測試、銷售、運營、應(yīng)用整個產(chǎn)品。
自動駕駛系統(tǒng)使用者：潛在的包括運輸公司、車隊經(jīng)營者、出租車公司等機構(gòu)，希望在其應(yīng)用平臺之上，將原有的部分或者全部駕駛員的工作替換為自動駕駛車輛。
從整個產(chǎn)業(yè)來看，由于系統(tǒng)比之前有過之而無不及，從系統(tǒng)的底層往下走，需要保持高度的信息透明，才能準(zhǔn)確的應(yīng)用系統(tǒng)；出現(xiàn)認(rèn)知的誤差，或者系統(tǒng)安全上面的疏忽，將會導(dǎo)致系統(tǒng)的濫用，也會造成安全事故。整個自動駕駛的鏈條是需要挺多的時間，包括監(jiān)管層面的梳理才能慢慢運作出來，原有的汽車廠家一方，是很難獨立完成這個任務(wù)的。
圖8 自動駕駛產(chǎn)業(yè)概覽
四、自動駕駛在中國
前期軍工高校獨立研發(fā)，校企合作。
2008 年啟動“視聽覺信息的認(rèn)知計算”重大研究計劃，項目每年持續(xù)推動無人車及其關(guān)鍵技術(shù)的研究。
自2009 年起每年舉辦“中國智能車未來挑戰(zhàn)賽”，通過集成創(chuàng)新研發(fā)無人駕駛汽 車，促進研發(fā)交流及產(chǎn)業(yè)化應(yīng)用。中國智能車未來挑戰(zhàn)賽國家自然科學(xué)基金(NSFC)設(shè)立了與智能汽車技術(shù)有關(guān)的“視聽覺信息的認(rèn)知計算”重大研究計劃，自2009年起共舉辦了五屆比賽。
2013 發(fā)布《汽車無人駕駛技術(shù)體系》等汽車安全技術(shù)的四個工作組征求意見稿，推動汽車信息化與智能化發(fā)展。
研究項目概覽
國防科技大學(xué)1992年成功研制出中國第一輛真正意義上的無人駕駛汽車。
2005年，首輛城市無人駕駛汽車在上海交通大學(xué)研制成功。
上海交通大學(xué)Shanghai Jiaotong University 與歐盟合作研發(fā)的“CyberC3” 項目，2007年亮相東方綠舟。
2011年7月，由一汽集團與國防科技大學(xué)共同研制的紅旗HQ3無人駕駛汽車完成了286公里的高速全程無人駕駛試驗，人工干預(yù)的距離僅占總里程的0.78％。
2012年，軍事交通學(xué)院的“軍交猛獅Ⅲ號”以無人駕駛狀態(tài)行駛114公里，最高時速105公里／小時。
2015年12月初，百度無人駕駛汽車在北京進行全程自動駕駛測跑，實現(xiàn)多次跟車減速、變道、超車、上下匝道、調(diào)頭等復(fù)雜駕駛動作，完成了進入高速到駛出高速不同道路場景的切換，最高時速達100公里／小時。
2016年4月12日，兩輛長安無人駕駛汽車，從重慶出發(fā)，沿高速公路前往北京。
這些成果主要體現(xiàn)在各個無人駕駛的比賽中，隨著國外的投入，國內(nèi)的各個主要公司也在投入。阿里、騰訊和百度三家都進入了這個領(lǐng)域：他們特點是布局產(chǎn)業(yè)鏈，商業(yè)模式清晰，投入也會很大。各個部件層面有著很多的創(chuàng)業(yè)公司：在芯片、部件層面都涌現(xiàn)出了很多的企業(yè)。涵蓋了算法提供商：如地平線。系統(tǒng)層面如馭勢也有了自己的定位：一開始是作為整合者來出現(xiàn)的。
圖9 中國目前的情況
參考文件：
1. OEM和供應(yīng)商一致認(rèn)為自動駕駛離我們并不遙遠 Bill Visnic SAE International
2. Segmenting the Autonomous Vehicle Value Chain: A Look at Who is in the “Driverless" Seat
3. Federal Automated Vehicles Policy Accelerating the Next Revolution In Roadway Safety
雷峰網(wǎng)特約稿件，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
