【太平洋汽車網 行業頻道】什么樣的車會自己跑？當(dang)然是無人駕駛汽車！

　　但(dan)是(shi)在(zai)實現真(zhen)正(zheng)的(de)(de)(de)無人駕(jia)駛之前，有一個(ge)更寬泛(fan)的(de)(de)(de)概(gai)念是(shi)自動駕(jia)駛。大家應(ying)該也都聽(ting)過，自動駕(jia)駛是(shi)分(fen)等級的(de)(de)(de)，應(ying)用最(zui)廣泛(fan)的(de)(de)(de)是(shi)SAE國(guo)際汽車工程(cheng)師協(xie)會制定的(de)(de)(de)，將自動駕(jia)駛分(fen)為L0-L5六個(ge)等級。

　　L0當然是沒有自動駕(jia)駛功能，L1到(dao)L5自動駕(jia)駛水平依次提升。大(da)家可以看一(yi)下這張圖，對自動駕(jia)駛分級有一(yi)個大(da)概(gai)的了(le)解。

　　那(nei)是不是只(zhi)有L5，才能叫無(wu)人駕駛？也不是，一些(xie)更(geng)低等級的(de)自動駕駛應用在一些(xie)特(te)殊場景內，其(qi)實也可(ke)以完全(quan)無(wu)需(xu)人的(de)介入。比(bi)如現(xian)在已經(jing)少量(liang)上路的(de)外賣(mai)、快遞配(pei)送(song)車(che)；港口、礦場內的(de)無(wu)人運輸車(che)；場地(di)內的(de)載人觀光無(wu)人駕駛汽(qi)車(che)或微循環(huan)巴士(shi)等等。

　　不(bu)過(guo)我們(men)聊的最多的，其(qi)實是(shi)可以在開放道路行駛的自動(dong)駕駛汽車。

　　需要注意的是，目前國內上路的所有自動駕駛汽車，包括特斯拉，都仍(reng)然(ran)屬(shu)于L2級，駕(jia)駛主體(ti)是人。如果發生(sheng)交通事(shi)故需要(yao)負責的也是駕(jia)駛員本人。

　　奧迪A8等號稱實現L3級自動駕駛的(de)量產車(che)，目前并(bing)沒(mei)(mei)有在(zai)國內開放相應功能，并(bing)且在(zai)絕大多(duo)數市(shi)場都沒(mei)(mei)有開放。

　　主要(yao)原因是(shi)法律(lv)法規(gui)的(de)(de)限制，因為一(yi)旦(dan)實(shi)現L3級，在特定(ding)場景下(xia)駕駛(shi)主體就變成(cheng)了車(che)，發生事故的(de)(de)責任界(jie)定(ding)需要(yao)更(geng)復雜的(de)(de)法律(lv)法規(gui)去(qu)完善。所以(yi)目前使用自動(dong)駕駛(shi)功能(neng)時，一(yi)定(ding)要(yao)保(bao)持注意力。

　　搞清楚這些，我們來看一下自動(dong)駕駛(shi)汽車是怎么運轉的(de)。

　　現(xian)在想想我們人(ren)是(shi)怎么開車的，首先看清楚周圍(wei)的路(lu)況，判斷要不要拐彎，或者加速、或者停(ting)車，然后控制方向盤、剎(cha)車、油門。

　　對應到自動駕駛(shi)汽車上，就是(shi)：感知-決策(ce)規劃-控(kong)制。

　　感(gan)知可以分(fen)為環境感(gan)知和(he)車(che)輛運動(dong)，一(yi)個(ge)是了解周(zhou)圍環境，一(yi)個(ge)是了解自身的狀態。

　　如果是低階的自動駕駛，比如現在(zai)的L2級(ji)，還需要一項駕駛員監測。

• 駕駛員監測

　　駕駛員(yuan)監測比較好理解，車內的(de)攝(she)像頭可(ke)以監測駕駛員(yuan)有(you)沒(mei)有(you)犯(fan)困睡(shui)著，有(you)沒(mei)有(you)長時間分神(shen)處理別的(de)事情。

　　而方(fang)向(xiang)盤上(shang)的(de)生(sheng)物(wu)電傳(chuan)感器，可以監測駕(jia)駛(shi)(shi)員有(you)沒有(you)保持手握方(fang)向(xiang)盤，甚至可以感知到駕(jia)駛(shi)(shi)員狀態、情緒。不過有(you)些車用的(de)是方(fang)向(xiang)盤轉矩(ju)來監測的(de)。

• 車輛運動

　　車輛運動感知是要知道你在哪。最基礎的當然是GPS全球定位系統，當然也(ye)包括我們的北斗系統。

　　不過衛星信號(hao)在隧道、樓宇間(jian)甚(shen)至樹(shu)蔭(yin)下(xia)都有可能斷掉，這就需要慣性導航來短(duan)時間(jian)繼續判斷你的位置。

　　慣導通過車輛的(de)加速度(du)判斷車輛的(de)速度(du)、偏航(hang)角等信息，對應到導航(hang)坐(zuo)標系中實現定位，不(bu)需要依賴外(wai)界信號，但持(chi)續(xu)時間和精度(du)有限。尤其(qi)是大(da)規模量(liang)產的(de)車上，成本受限的(de)慣導系統。

　　另(ling)外(wai)，自(zi)動駕駛車上還(huan)需要有速度傳(chuan)感器和角(jiao)傳(chuan)感器等，感知車輛當(dang)前的運動狀態。

• 攝像頭

　　在感知(zhi)(zhi)系統里，對環(huan)境的感知(zhi)(zhi)相對復雜一些。對環(huan)境的感知(zhi)(zhi)需(xu)要用到(dao)傳感器，最容易想(xiang)到(dao)的當然是最類似人眼(yan)的攝(she)像頭。

　　不過不像(xiang)人眼可以快(kuai)速的(de)(de)變焦(jiao)和轉動(dong)，目前(qian)的(de)(de)技術還無法支持(chi)車(che)載攝像(xiang)頭頻繁的(de)(de)變焦(jiao)，也無法支持(chi)由此產生的(de)(de)海量數據。所以車(che)載攝像(xiang)頭都是(shi)定焦(jiao)的(de)(de)，這就限制了可以觀察(cha)的(de)(de)視(shi)距。

　　如果再加一個(ge)攝像(xiang)(xiang)(xiang)頭(tou)，讓他(ta)的(de)視距更遠，這(zhe)就是雙目攝像(xiang)(xiang)(xiang)頭(tou)。一個(ge)負責看得廣(guang)，一個(ge)負責看得遠。并(bing)且還能像(xiang)(xiang)(xiang)人眼(yan)一樣通過兩(liang)個(ge)有間(jian)距的(de)攝像(xiang)(xiang)(xiang)頭(tou)的(de)圖形差值，更好(hao)的(de)判斷距離。

　　但雙目攝(she)像(xiang)頭需(xu)(xu)要讓兩(liang)組(zu)圖像(xiang)可以重合(he)(he)，以便讓系統可以識別，這就需(xu)(xu)要專門的(de)標定。但熱脹冷縮等會影響標定好的(de)精度(du)，這就給(gei)后期的(de)融合(he)(he)帶來(lai)了麻煩(fan)。

　　同(tong)理還(huan)有三目攝(she)像頭可以覆蓋三個(ge)不(bu)同(tong)的視(shi)距，但標定也會更加麻煩。

　　除了(le)朝(chao)前看(kan)，高階自動駕駛汽車還需要能看(kan)到側面和后面，這就需要車身周(zhou)圍的更多攝像頭。

　　攝像頭的優勢在可以看到更多的細節(jie)，包括車道線、紅綠(lv)燈(deng)、剎車燈(deng)等(deng)等(deng)。但判斷距離(li)的精(jing)度較差，大(da)霧(wu)、雨雪、逆光、夜晚等(deng)會影響(xiang)他的識(shi)別(bie)。這就需要雷達(da)做輔助(zhu)。

• 毫米波雷達

　　我們平時用的倒車雷達是(shi)超聲(sheng)(sheng)波雷(lei)達，發出的是(shi)聲(sheng)(sheng)波，只能達到聲(sheng)(sheng)速。超聲(sheng)(sheng)波雷(lei)達體積小(xiao)(xiao)、價格低，但探測(ce)精度差(cha)、范圍小(xiao)(xiao)，并且(qie)在(zai)高速運動時(shi)影響很(hen)大，在(zai)自動駕駛中的應用(yong)并不多。

　　應(ying)用多的是(shi)毫米(mi)波雷(lei)達(da)，發出的是(shi)電磁波，以光速傳播。主要的毫米(mi)波雷(lei)達(da)有(you)24GHz和77GHz兩種。

　　24GHz頻率低(di)(di)、帶(dai)寬(kuan)窄(zhai)，精度(du)相對較(jiao)低(di)(di)，主要用(yong)于(yu)盲點監(jian)測、自動泊(bo)車等。

　　而77GHz精(jing)度高很(hen)(hen)多(duo)，可(ke)以更準(zhun)確的(de)探測距離(li)，并且天氣(qi)等(deng)對(dui)他的(de)影響很(hen)(hen)小。和攝像頭融(rong)合就能夠(gou)很(hen)(hen)好的(de)完成(cheng)對(dui)環(huan)境的(de)感(gan)知。

　　但毫(hao)米波雷(lei)達可以感知距離，可無精準(zhun)法感知物(wu)體的(de)具體形狀，或(huo)者(zhe)前方兩(liang)個(ge)人的(de)間距等，探測的(de)噪點(dian)也(ye)很多(duo)。比如空無一(yi)物(wu)的(de)道路上，因(yin)為一(yi)些起伏或(huo)者(zhe)路面的(de)顆粒(li)等，也(ye)會形成反射干擾毫(hao)米波雷(lei)達的(de)判斷。

• 激光雷達

　　激光(guang)雷達可以很好的解決(jue)這些問題(ti)，他的精度可以達到(dao)厘米級(ji)。

　　激(ji)(ji)光雷(lei)達上(shang)每(mei)一個(ge)激(ji)(ji)光發(fa)生器代表一線，常用機械旋轉式激(ji)(ji)光雷(lei)達有10線、64線、128線等。

　　激光雷達每射(she)出一束光就(jiu)收(shou)(shou)集(ji)到周圍環境一個點的(de)(de)(de)(de)具體(ti)位置，每旋轉一圈就(jiu)能(neng)收(shou)(shou)獲周邊環境360°的(de)(de)(de)(de)一個點云，由(you)此(ci)可(ke)以(yi)生(sheng)成一幅更多細節(jie)的(de)(de)(de)(de)立(li)體(ti)空間。與攝像頭拍攝的(de)(de)(de)(de)圖形融合(he)，就(jiu)能(neng)生(sheng)成有(you)顏色、有(you)細節(jie)、又有(you)具體(ti)位置的(de)(de)(de)(de)周邊環境。不(bu)僅可(ke)以(yi)用于(yu)自(zi)動駕駛汽車，也可(ke)以(yi)用于(yu)繪制高精度地(di)圖。

　　我們(men)知道光也是一種波，最常(chang)用的激光雷達有波長為905nm和1550nm兩種。

　　因為(wei)硅可以吸收905nm波(bo)長的(de)光子，而1550nm的(de)接收器需(xu)要用到(dao)銦(yin)鎵砷，所以905nm的(de)激光雷達(da)成本更低。

　　但905nm波長更接近可見光，為了防止出現意外傷害人眼，需要限制功率，探(tan)測距離也因(yin)此受限。而1550nm可(ke)以用更高的(de)功率探(tan)測更遠的(de)距離。

　　但激光雷達也有很多限(xian)制：

　　首先(xian)是成(cheng)本，因為此(ci)前激光(guang)雷(lei)達僅用(yong)于(yu)測(ce)繪、軍事(shi)等少數領域(yu)，精(jing)度要求(qiu)高、產量需求(qiu)低，所以價格(ge)十(shi)分高昂(ang)。很(hen)多自動駕駛測(ce)試團隊采購(gou)的激光(guang)雷(lei)達，動輒數十(shi)萬乃至上百萬。

　　并且傳統(tong)的激光雷達十分笨重(zhong)，因為需要選(xuan)裝感知周遭環境。所以需要架設在車頂(ding)，但這么沉重(zhong)的設備對車輛重(zhong)心、風(feng)阻等影(ying)響很大(da)。而一旦(dan)發生碰撞，如此沉重(zhong)的設備帶來的風(feng)險(xian)也十分巨大(da)。

　　不過如(ru)果自動駕駛形成(cheng)產(chan)業，相信(xin)激光雷(lei)達的(de)成(cheng)本和重量都能得到很好的(de)控制。

　　由于(yu)傳統的旋(xuan)轉式激光(guang)(guang)雷(lei)(lei)達需(xu)要不斷的轉動，難(nan)免會存在(zai)機械損(sun)耗甚至故障。目前已(yi)經出現了棱鏡激光(guang)(guang)雷(lei)(lei)達、固態激光(guang)(guang)雷(lei)(lei)達、相控陣激光(guang)(guang)雷(lei)(lei)達等諸多方案，且(qie)已(yi)經有部分達到車(che)規級要求實現量產(chan)，奧迪全新A8部分車(che)型就(jiu)就(jiu)配備有量產(chan)車(che)規級的激光(guang)(guang)雷(lei)(lei)達。

　　棱鏡激(ji)(ji)(ji)(ji)光(guang)(guang)(guang)雷達通過(guo)電(dian)磁波控(kong)(kong)制(zhi)(zhi)很多(duo)塊棱鏡的角度反射激(ji)(ji)(ji)(ji)光(guang)(guang)(guang)實(shi)現(xian)點云覆蓋，但(dan)電(dian)磁波控(kong)(kong)制(zhi)(zhi)在棱鏡在大的顛簸中(zhong)容易發生(sheng)位移影響精度；單純朝向一側的固態(tai)激(ji)(ji)(ji)(ji)光(guang)(guang)(guang)雷達不需要機械運動，更像是通過(guo)激(ji)(ji)(ji)(ji)光(guang)(guang)(guang)拍(pai)照，但(dan)目前探測的距離偏短；而相控(kong)(kong)陣激(ji)(ji)(ji)(ji)光(guang)(guang)(guang)雷達是通過(guo)光(guang)(guang)(guang)柵原理(li)讓(rang)激(ji)(ji)(ji)(ji)光(guang)(guang)(guang)發生(sheng)偏轉實(shi)現(xian)掃描，不過(guo)技術成熟(shu)度和(he)成本(ben)仍然受限。

　　我們在物(wu)理課本中學過，長(chang)波可以(yi)繞(rao)過障礙物(wu)，而短波更容易被反射。波長(chang)很短的激(ji)光遇到(dao)在大(da)霧(wu)、霧(wu)霾、雨(yu)(yu)雪天(tian)氣等天(tian)氣時，雨(yu)(yu)霧(wu)、霧(wu)霾顆粒會反射激(ji)光，讓(rang)激(ji)光雷達失效。相反波長(chang)較長(chang)的毫米波不會受到(dao)影響(xiang)。

　　而對比攝像頭，激光雷達無法識別顏色，也就無法識別紅綠燈、車(che)道線等。

• 數據融合

　　所以將三者的(de)(de)數據通(tong)過一個(ge)(ge)模塊融合，就能生成一個(ge)(ge)比(bi)較完整的(de)(de)周遭環境的(de)(de)具體狀態。

　　因為車(che)在動(dong)，環(huan)境(jing)中(zhong)的(de)物體也在動(dong)，所以還需要(yao)對每一組(zu)數據都(dou)打(da)上精準的(de)時(shi)間戳，以便確定環(huan)境(jing)的(de)實(shi)時(shi)狀態，這就需要(yao)一個比較(jiao)復雜的(de)算法來完(wan)成(cheng)。

　　不(bu)過三種傳感器的(de)(de)方(fang)案也并不(bu)絕對，例如特斯拉(la)就堅持(chi)僅適用攝(she)像頭＋毫米波雷達來實(shi)現更高階的(de)(de)自(zi)動(dong)駕(jia)駛(shi)。馬斯克宣稱僅升級算(suan)法(fa)就可以實(shi)現完全自(zi)動(dong)駕(jia)駛(shi)。理論上這種方(fang)案確實(shi)可行，不(bu)過目(mu)前的(de)(de)人(ren)工智能水平還遠(yuan)未達到。

　　在感知層面(mian)，還(huan)有另一(yi)種路線(xian)是傳感器配合高(gao)精度地圖(tu)、高(gao)精度定位加上V2X，這個(ge)我們后面(mian)會(hui)聊(liao)到。

• 視覺算法

　　以上僅僅完成(cheng)了“看見(jian)”的要(yao)求，想要(yao)讓車輛能“認識(shi)”又是一道難關。

　　車是(shi)機器(qi)、車上(shang)的AI也(ye)是(shi)機器(qi)。AI人工智(zhi)能智(zhi)能進行數學運算，如(ru)何讓(rang)AI分清路(lu)上(shang)的各種東西？

　　簡(jian)單來(lai)說就是識(shi)別物(wu)體的特征，將這(zhe)些特征轉化(hua)成AI可以理解的數字信號后再進行比對。

　　比如你要讓AI認識金毛(mao)(mao)，可以(yi)告(gao)訴AI金毛(mao)(mao)是棕黃(huang)色的(de)，但AI會把秋田(tian)、狐貍、皮包、沙(sha)灘(tan)，或者別(bie)的(de)奇(qi)奇(qi)怪(guai)怪(guai)的(de)東西都當做(zuo)金毛(mao)(mao)。

　　那(nei)輸入更(geng)多的特征呢？AI還是可能把泰迪熊(xiong)，甚(shen)至曲奇餅(bing)干當做金毛(mao)......

　　有沒有更好的(de)辦法？有！你可以給AI看一百(bai)張、一千張甚至更多的(de)金毛的(de)照片，讓他(ta)自(zi)己識別特征，這就機(ji)器學習(xi)的(de)基(ji)本原理。

　　由此(ci)還誕生了一個新的職(zhi)業——數據(ju)標注員。就是給圖片打各種標簽，用于(yu)AI學習。

　　理論上(shang)海量的(de)(de)數(shu)據就(jiu)能讓視覺算法認識路上(shang)的(de)(de)所有(you)東西，實現(xian)完全的(de)(de)自動駕駛(shi)，但現(xian)在的(de)(de)技術(shu)還(huan)(huan)遠沒達到。并且(qie)受(shou)芯片算力的(de)(de)限制，AI還(huan)(huan)需要對識別出來的(de)(de)物體簡化方便運算。

　　比如我們看到的細節豐富的路口，特斯拉目前最新(xin)的算法，也需要簡化成下(xia)圖這樣進(jin)行理解。

　　這也是越(yue)高(gao)階的(de)自(zi)動駕駛(shi)，對算力的(de)要求(qiu)也越(yue)高(gao)的(de)重要原因(yin)。

　　看(kan)懂了(le)(le)周遭環境，也了(le)(le)解(jie)了(le)(le)自身的狀態(tai)，下一步就需要決定怎么(me)走(zou)。

　　比如最簡單的(de)車(che)道(dao)(dao)保持，AI會(hui)把車(che)道(dao)(dao)線簡化成一個一個的(de)點進行決策。如果進入彎(wan)道(dao)(dao)時，車(che)輛識別到右邊(bian)(bian)(bian)的(de)點太(tai)近，就轉向(xiang)左(zuo)邊(bian)(bian)(bian)，左(zuo)邊(bian)(bian)(bian)太(tai)近了(le)有轉向(xiang)右邊(bian)(bian)(bian)，這么(me)生(sheng)硬(ying)的(de)晃來(lai)晃去，相信沒有人愿意坐這樣的(de)車(che)。

　　這就需要優化(hua)(hua)算(suan)法，比(bi)如(ru)把連(lian)接兩(liang)點的(de)(de)直(zhi)線換算(suan)成平滑的(de)(de)曲線，這樣轉向帶來的(de)(de)加速度就會(hui)變小，經過更復雜的(de)(de)優化(hua)(hua)才能讓車(che)沿著車(che)道(dao)線，走(zou)出一條平滑的(de)(de)弧(hu)線。

　　同(tong)理還要優化對(dui)剎車(che)油(you)門的控制(zhi)，不至于新手司機那(nei)樣猛加速猛剎車(che)，動作更加擬人(ren)。而(er)這還是最基礎的部分。

　　遇(yu)到(dao)前(qian)方慢車(che)(che)需要減速還是變道(dao)超車(che)(che)，判斷旁邊車(che)(che)道(dao)是否(fou)有足夠(gou)安全的(de)間距，后方車(che)(che)輛是否(fou)在快速接(jie)近來決策變道(dao)是否(fou)安全。

　　還有在混亂的障(zhang)礙物(wu)中間，如何(he)找到一條最短又平順的路徑(jing)通過(guo)。當然，還有必(bi)須要遵守(shou)的交(jiao)規等。

　　這(zhe)些(xie)才是決策規劃(hua)的難點。

　　這(zhe)些動作的背后，是(shi)一行行的代碼

• 自動駕駛芯片

　　運(yun)算代碼需要(yao)用到芯片。

　　目前很多測試的自動駕駛車輛，用的其實是通用的GPU等芯片。測試中的自動駕駛車輛，往往計算單元就能塞滿整(zheng)個(ge)后備(bei)箱。

　　但算(suan)法確(que)定之(zhi)后，可(ke)以(yi)開(kai)發專(zhuan)用(yong)的(de)芯(xin)片(pian)，占用(yong)的(de)空(kong)間(jian)對于汽(qi)車可(ke)以(yi)忽略不計(ji)。

　　自動駕駛對于性能和算力的(de)要(yao)(yao)求很高，更先(xian)進的(de)制成工藝可(ke)以實現更好的(de)性能，但(dan)同時車(che)用的(de)芯(xin)片有需(xu)要(yao)(yao)滿足車(che)規級的(de)要(yao)(yao)求。

　　車規級要求簡單(dan)來說，就是需要滿足遠高于手(shou)機等消費級電子產品的(de)防水、防塵、防震、防高低溫等等性(xing)能。比如最(zui)(zui)低-40℃，最(zui)(zui)高80℃，并且要最(zui)(zui)低溫直(zhi)接(jie)切換到最(zui)(zui)高溫不(bu)出問題。

　　要同時滿(man)足性能和車規級要求，成本就難(nan)以控制了！

　　所以通常會(hui)降低制成精度優先考慮安全，同(tong)時做一(yi)個雙系統(tong)的冗余設計(ji)。例如一(yi)塊(kuai)芯(xin)片(pian)(pian)出(chu)現(xian)問題，另一(yi)塊(kuai)芯(xin)片(pian)(pian)立刻(ke)無(wu)縫接(jie)替工作，同(tong)時出(chu)問題的芯(xin)片(pian)(pian)已經在自檢重啟，而乘員并不會(hui)感知(zhi)到(dao)。

　　我們看到(dao)當下手機已經大量使用7nm制(zhi)成，甚(shen)至開始使用5nm制(zhi)成。但車用芯片可能還是24nm甚(shen)至48nm制(zhi)成，這(zhe)并不奇怪。

　　同理還有(you)很多手機等消(xiao)費電子產品早已使用，甚至略顯(xian)過時的(de)技術，才剛剛在(zai)汽車(che)上使用，其實(shi)已經是很巨大的(de)進步了。

　　完(wan)成了(le)感知、決策規劃，就(jiu)好(hao)像我(wo)們(men)開車(che)時看清(qing)了(le)路況并決定了(le)下(xia)一步怎么操作。接下(xia)來(lai)轉動方(fang)向盤，踩下(xia)油門、剎車(che)才是關鍵。

　　自動駕駛汽(qi)車的(de)AI不是一(yi)個實體的(de)機器人(ren)，想要(yao)完成對車輛的(de)控制(zhi)不能(neng)通過物(wu)理的(de)操作。

　　這就(jiu)需要車(che)輛(liang)有線(xian)控系(xi)統(tong)，簡(jian)單來說就(jiu)是(shi)我們傳統(tong)的方向盤、油門、剎車(che)就(jiu)是(shi)物(wu)理按(an)鍵(jian)，而線(xian)控是(shi)虛擬的觸摸按(an)鍵(jian)，對車(che)輛(liang)的操控是(shi)通(tong)過電信(xin)號，而不(bu)是(shi)物(wu)理傳導。

　　目前絕大多數車輛并不具備線控系統，即便如英菲尼迪Q50的(de)(de)線(xian)控轉向，處于安全考慮也(ye)是有(you)物理(li)傳(chuan)導(dao)備份的(de)(de)。目前(qian)車上大量取(qu)消了物理(li)傳(chuan)導(dao)的(de)(de)，主要是換擋機構（電(dian)子檔桿(gan)等）和手剎(cha)（電(dian)子手剎(cha)、Auto Hold等）。所以傳(chuan)說(shuo)巡航無法(fa)取(qu)消，踩剎(cha)車沒(mei)有(you)反應的(de)(de)事(shi)件并不(bu)會真(zhen)實存在。

　　有了線控裝置，還需要有對應的(de)控制(zhi)算法。控制(zhi)是自(zi)動駕駛中很重要、很困(kun)難(nan)但相(xiang)對成熟(shu)的(de)一項技術，目前主流有PID（積分微分控制(zhi)）、LQR（線性二(er)次調節器(qi)）、MPC（模型預測控制(zhi)）幾種成熟(shu)的(de)方案，這里就不對算法做過多的(de)闡述了。

　　具(ju)備感知-決(jue)(jue)策規劃-控制能力后(hou)，一輛車才具(ju)備了(le)自(zi)動駕駛能力。但究竟(jing)能實現何種(zhong)程(cheng)度的自(zi)動駕駛水平，還取決(jue)(jue)于各(ge)項技術的先進程(cheng)度。

　　感知傳(chuan)感器可以(yi)(yi)疊(die)加，可以(yi)(yi)做(zuo)大(da)量(liang)冗余，但物理限制仍然(ran)存在(zai)；AI算法可以(yi)(yi)通過大(da)量(liang)的測試和(he)海(hai)量(liang)的數(shu)據進(jin)行深度學習(xi)，不過目前AI人工智能(neng)還(huan)有(you)巨大(da)的進(jin)步(bu)空間；芯片的性能(neng)和(he)算力還(huan)要寄托于技術水平的進(jin)一(yi)步(bu)升(sheng)級(ji)。

　　單車自動駕駛水平(ping)的提升還有很多的限制需(xu)要(yao)突破，不過(guo)也可(ke)以通過(guo)外界的賦(fu)能讓他進步的更快(kuai)。

• 高精度地圖

　　我們(men)開(kai)車在(zai)日常上下班熟(shu)悉的路線上會開(kai)的更好，在(zai)陌生的地段就需要小心翼(yi)(yi)翼(yi)(yi)。

　　怎么讓自動(dong)駕駛(shi)汽車也能(neng)對道路想老司機一樣熟悉？答案是(shi)高精(jing)度(du)地圖。

　　我們現(xian)在(zai)用的導航(hang)已經非常方(fang)便了，有明確的路(lu)線指引，還有實(shi)時的擁堵狀況(kuang)等(deng)。不(bu)過不(bu)知道(dao)你(ni)有沒有遇到過因為走錯車道(dao)錯過路(lu)口(kou)的狀況(kuang)？高精(jing)度(du)地圖(tu)的不(bu)同就在(zai)這(zhe)里，可以(yi)精(jing)確到車道(dao)，以(yi)及路(lu)面的虛線實(shi)線等(deng)等(deng)。

　　通過計算剎車距離，系統反應時間等的計算，目前自動駕駛汽車（乘用車）的(de)感知距離(li)到(dao)達150m就(jiu)可以保證安全。

　　當然這(zhe)是(shi)對障礙物的感(gan)知，對道路(lu)的感(gan)知其(qi)實(shi)還要(yao)更短。通過高(gao)精度地圖，自動駕駛車輛(liang)可以提前了解(jie)感(gan)知范(fan)圍之外的道路(lu)情況，提前規劃好(hao)路(lu)線(xian)。

　　目前還有技術路(lu)線是通(tong)過路(lu)上行(xing)駛的(de)(de)自(zi)動(dong)駕駛汽車的(de)(de)感知(zhi)傳感器實時(shi)(shi)上傳道路(lu)數據。通(tong)過這種“眾包”的(de)(de)方(fang)式(shi)獲(huo)得更(geng)多路(lu)段的(de)(de)高(gao)精度(du)地(di)圖，效(xiao)率更(geng)高(gao)，同時(shi)(shi)也能獲(huo)得各條道路(lu)實時(shi)(shi)的(de)(de)高(gao)精度(du)路(lu)況(kuang)。

　　不過目前這(zhe)種方案(an)在(zai)(zai)我國(guo)還(huan)不可行。因為精確的地圖數據往往也會牽(qian)涉到國(guo)家(jia)安全，包括中國(guo)在(zai)(zai)內的許多國(guo)家(jia)對(dui)地圖采集繪制有比較嚴(yan)格(ge)的限制。

　　進行地(di)圖(tu)數(shu)據(ju)(ju)采(cai)集、測(ce)繪需要有(you)相(xiang)應國(guo)家(jia)測(ce)繪資(zi)質。目前國(guo)內采(cai)集的地(di)圖(tu)數(shu)據(ju)(ju)不可(ke)以通(tong)過網絡(luo)傳輸(shu)，需要用硬盤保存數(shu)據(ju)(ju)在相(xiang)關機構進行不可(ke)逆(ni)的偏(pian)離加(jia)密才(cai)可(ke)以上傳到網絡(luo)。

　　目前我們使(shi)用的導(dao)航地圖，部分(fen)路段實際可能有(you)數(shu)米的位置偏離，但這對于(yu)高精(jing)度地圖顯然不(bu)合適。

　　好在我國對于自動駕駛及高精度地圖等都十分支持，百度、高德等圖商的高精度地圖已經陸續落地。蔚來與小鵬的(de)高速(su)領航(hang)功能就是分別運(yun)用百度和高德的(de)高精度地(di)圖實現的(de)。

• V2X

　　在前(qian)文講感知(zhi)時，我(wo)們(men)提到人開車不(bu)僅(jin)需(xu)要眼看(kan)，還需(xu)要耳聽(ting)。但是自動駕駛汽車感知(zhi)傳感器并沒有收音的相關設(she)備，為什么？

　　開車時我們主要聽什么？周邊車輛的喇叭聲和救護車、消防車、警(jing)車等(deng)的(de)鳴(ming)笛(di)等(deng)等(deng)。也就是別的(de)車和你之間的(de)一種交流。

　　針對特種車(che)(che)輛，當然也可(ke)以用視(shi)覺感知(zhi)來(lai)分辨進行避讓，但(dan)自動駕駛汽車(che)(che)與其他車(che)(che)輛的交(jiao)流似乎并沒(mei)有提及。

　　其(qi)實(shi)，有比鳴(ming)笛更高效的(de)交流(liu)方(fang)式，并(bing)不(bu)僅是和(he)別的(de)車，這就是V2X。

　　在靠(kao)單車(che)(che)智(zhi)能實現L4級(ji)、L5級(ji)自(zi)動駕駛軟硬條件遇到瓶(ping)頸的(de)情況(kuang)下，中國提(ti)出了車(che)(che)路協(xie)同的(de)發展(zhan)路徑，即車(che)(che)與(yu)車(che)(che)（V2V）、車(che)(che)與(yu)路（V2I）、車(che)(che)與(yu)人（V2P）、車(che)(che)與(yu)云(V2N)等信息(xi)交(jiao)互(hu)和(he)共享。

　　早前也(ye)(ye)有很多團隊嘗試發(fa)展V2X技術，例如通過(guo)WiFi信號等進行(xing)溝通，但(dan)通訊(xun)的延時和帶寬都存在(zai)瓶頸，且高速(su)移動的汽車也(ye)(ye)很難保持穩定。

　　5G的(de)落地(di)給V2X打(da)開了一(yi)扇門(men)，低(di)延時高帶(dai)寬且能(neng)很好的(de)適應高速(su)移動，5G的(de)應用歲遠不止自動駕(jia)駛(shi)，但(dan)仿佛天生就是(shi)為自動駕(jia)駛(shi)車路協同準備的(de)大招。

　　在一條普通(tong)的道(dao)路（含紅綠燈，信號機，交通(tong)標識……），裝備上(shang)一套智能(neng)路側(ce)設備（RSU、激光(guang)雷達、毫米(mi)波雷達、攝像頭、MEC、5G CPE以及智慧(hui)錐桶……），在5G的加(jia)持下車(che)聯網V2X平臺便能(neng)大展身手。

　　車把(ba)自(zi)身的行駛軌跡、位置、速度等(deng)信(xin)息(xi)“告訴(su)”路(lu)；而(er)路(lu)端通過多維感(gan)知(zhi)和協同計算(suan)，再把(ba)相關的碰(peng)撞(zhuang)信(xin)息(xi)、預警信(xin)息(xi)等(deng)內容“告訴(su)”車。

　　目前(qian)，在杭(hang)(hang)州蕭(xiao)山區連接紹興、寧波兩(liang)地已經建成了中國(guo)首條“超級高(gao)速”，也是(shi)國(guo)內(nei)首次(ci)開辟(pi)自(zi)動駕(jia)駛專用道(dao)設(she)計的(de)高(gao)速——杭(hang)(hang)紹甬智(zhi)慧高(gao)速。融合了車(che)路協同、云控(kong)平臺、5G 通信網絡等新興技術，能(neng)實現車(che)道(dao)級主動管(guan)控(kong)、自(zi)動派單救援、惡劣環境智(zhi)能(neng)誘導預(yu)警、交通服(fu)務信息定制推送等。

　　自動(dong)駕(jia)駛(shi)目前還處在(zai)發(fa)展的(de)初(chu)期階段，很(hen)多技術已經(jing)初(chu)步成型，但(dan)技術細節和(he)(he)未來方(fang)向還有(you)很(hen)多的(de)不確定(ding)性，因(yin)此不論是(shi)相關的(de)專(zhuan)業(ye)論文還是(shi)行業(ye)內(nei)的(de)人員和(he)(he)企業(ye)都仍然可(ke)能有(you)判斷失誤的(de)地方(fang)。至(zhi)于(yu)本文，當然更是(shi)會有(you)諸多的(de)淺薄與疏漏，還請多多包涵。但(dan)自動(dong)駕(jia)駛(shi)已經(jing)成為極具潛力的(de)發(fa)展趨勢，只(zhi)希(xi)望用(yong)簡單的(de)文字讓大家(jia)對(dui)自動(dong)駕(jia)駛(shi)有(you)一(yi)個基本的(de)認知。

　　當下，關于自動駕駛有單(dan)車(che)(che)智能和車(che)(che)路協(xie)(xie)同的(de)路線(xian)之爭，包括特(te)斯(si)拉、谷歌等海外品(pin)牌以單(dan)車(che)(che)智能為(wei)主(zhu)要的(de)發力點，而(er)中國(guo)則堅定(ding)的(de)走上了車(che)(che)路協(xie)(xie)同的(de)路線(xian)。

　　車(che)路協同需(xu)要巨(ju)大的(de)基(ji)礎(chu)建(jian)設投入，這正(zheng)是(shi)被稱(cheng)為“基(ji)建(jian)狂(kuang)魔”的(de)中國最擅長的(de)領域。有人說發展車(che)路協同會影響到企業提升單車(che)智能(neng)的(de)動力和精力，在相關基(ji)建(jian)尚未能(neng)覆蓋的(de)地區，尤其是(shi)海外市場會削弱競爭力。

　　作為企業，無法推動如此大(da)規模(mo)的基(ji)(ji)礎設施(shi)建設，特(te)斯拉(la)、谷歌(ge)等自然而然的選(xuan)擇了單車智(zhi)(zhi)能的路線(xian)。但車路協同發展的不僅僅是智(zhi)(zhi)慧(hui)道(dao)路，更(geng)有智(zhi)(zhi)慧(hui)城市(shi)，也是未(wei)來萬物互(hu)聯的基(ji)(ji)礎。

　　好比百(bai)年(nian)前(qian)(qian)無法想象如今轎車糟糕的(de)(de)通過(guo)性有何價值(zhi)，如今馳騁的(de)(de)高速公路網也(ye)(ye)是(shi)百(bai)年(nian)前(qian)(qian)不(bu)敢想象的(de)(de)奇跡。車路協同有著巨大(da)的(de)(de)市場，也(ye)(ye)牽涉(she)眾多的(de)(de)技術標(biao)準，率先實(shi)現(xian)領先并能夠輸出(chu)標(biao)準，將會(hui)是(shi)中(zhong)國崛起(qi)的(de)(de)重要的(de)(de)一大(da)步。（文(wen)：太平洋汽(qi)車網 郭睿）