從Tesla的無人駕駛風風火火走四方，到Volvo宣布要推出最可靠安全的無人駕駛技術；從Google Alphabet 將自動駕駛汽車項目分拆為獨立公司Waymo（A new way fward in mobility），到百度將智能汽車事業(yè)部（L3），自動駕駛事業(yè)部（L4）和車聯(lián)網(wǎng)事業(yè)部整合成立智能駕駛視野群組（IDG）；還有Uber于2016年9月14日，在美國東部賓夕法尼亞匹茲堡市推出無人駕駛汽車載客服務等等。
無論是新進晉汽車行業(yè)玩家，或是傳統(tǒng)老牌制造商，或是互聯(lián)網(wǎng)新興巨頭，似乎都將未來的一大部分押注于無人駕駛，加之不斷涌現(xiàn)的新型創(chuàng)業(yè)團隊獲得巨額投資或行業(yè)巨頭的瘋搶，一時間，似乎無人駕駛很快就會普及。
然而，隨著行業(yè)內(nèi)最為激進將無人駕駛（實際上準確的定義應該是高級輔助駕駛）能力商用化的Tesla爆出幾次嚴重的交通事故，使得人們開始懷疑，如何能夠正確的擁抱無人駕駛的到來？無人駕駛真的可靠么？
場景：無人駕駛實施的重要門檻？
以目前的實際狀況來看，雖然無人駕駛的話題越來越火，但是在商業(yè)化市場上的挑戰(zhàn)仍然很大。就一個普通人類駕駛員而言，尋常道路的駕駛尚且分熟手和新手，遇到路況特殊，更需要老司機加持，對自動駕駛的場景理解自然也不可一概而論。
再如在高速公路上的大型卡車長途駕駛以及編隊行駛，由于路況相對簡單以及卡車上相對簡便的傳感器布局，也能實現(xiàn)在這樣路段下的無人駕駛能力。例如：由前谷歌無人駕駛汽車團隊前工程師安東尼 萊萬多夫斯基自立門戶合伙創(chuàng)辦的OTTO公司（目前已經(jīng)以6.8億美元作價并入Uber），就致力于研發(fā)無人駕駛卡車工具，對于美國占據(jù)總工作人口數(shù)量1%的160萬卡車司機市場而言，在經(jīng)常遭遇疲勞駕駛，且卡車司機短缺的市場里，前景非常樂觀。
而當我們來到安全性要求更高，行駛場景更復雜的乘用車領域，無人駕駛場景就會變的更具挑戰(zhàn)性。這一點，在中國尤其明顯！
那么問題來了，在中國，二級高級輔助駕駛（L2）的前景如何？
實際上，從多項綜合因素來看，針對中國的整體交通環(huán)境來看，可以確定5年之內(nèi)最靠譜的高級輔助駕駛實現(xiàn)場景：在相對封閉的部分場景，全面開始實施高級輔助駕駛（L2）！
L2就是：在高速公路路段（不包括公路過度段）、城市快速路、城市標準車行道以及部分標準停車場內(nèi)實現(xiàn)不打方向盤，不踩油門剎車，但駕駛員仍然需要高度關注路面狀況的高級輔助駕駛輔助形式。
為什么得出這樣的判斷？
關于高級輔助駕駛有三個核心環(huán)節(jié)：感知、決策和執(zhí)行。其具體內(nèi)容可以另開話題進行展開。簡單的理解就是車輛需要通過各種傳感器來獲取外界時刻變化的信息和信號，并在車輛電腦上進行實時運算并進行行駛狀態(tài)的控制。這其中，感知和決策，涉及到大量軟件和硬件能力的提升與重構。
第一，硬件感知精度和適應能力的缺口
這包括對位置精度和地圖精度的感知能力，人類駕駛者的敏銳度，是行車安全中密不可分的一部分。
目前行業(yè)中大力推崇的毫米波雷達和激光雷達，就是為了提升感知精度而引入行業(yè)的高精度傳感器。激光雷達具有對環(huán)境分辨率高的特點，但成本昂貴且對于惡劣天氣適應能力差。毫米波雷達具有中遠距的探測能力，雖然分辨率略低于激光雷達，但距離更遠，且惡劣天氣適應能力更佳。
目前大量前裝、后裝市場上所使用的純攝像頭解決方案，其應用雖然簡便，但環(huán)境分辨率差，響應速度較慢以及容易收到天氣影響。這些硬件的感知能力都尚在提升過程中，且由于成本原因，要進一步進入到普通商用產(chǎn)品內(nèi)，從成熟到成本下降，仍需要3到5年左右的成熟期。
目前應用較廣的如AEB（Automatic Emergency Brake）， LKS （Lane Keeping Assist）， ACC （Adaptive Cruise Control）在利用有限傳感器（攝像頭，超聲波傳感器，毫米波雷達）的情況下能夠實現(xiàn)進一步的功能體驗方面的提升，但基本上僅限于封閉道路內(nèi)最高達LV2的輔助駕駛能力。
但致命的是，這些傳感器無法支持進一步的讓駕駛者完全無憂放手的能力。況且，即使這些技術的普及到大眾產(chǎn)品，仍需要不斷降低成本來實現(xiàn)車企的財務平衡 。
第二，傳感器數(shù)據(jù)的融合難度？
在此之前，人類駕駛者的眼觀四路，耳聽八方能力，可以避免獨立數(shù)據(jù)的計算出錯。
2016年5月7日，一輛特斯拉Model S在美國佛羅里達州北部高速公路上發(fā)生了嚴重事故，駕駛員和車輛裝備的Autopilot系統(tǒng)都未能識別出正在左轉的大貨車，Model S在沒有任何減速的測試下，鉆入了大貨車下方，駕駛員不幸遇難。
究其原因，其前置攝像頭致盲或誤將車身當成白云，而安裝過低的前置毫米波雷達穿透了卡車底盤而未能識別卡車。兩個獨立工作的傳感器都感知到了一部分數(shù)據(jù)，但其綜合判斷卻未能得出正確的制動判斷，原因是傳感器之間的數(shù)據(jù)尚未進行融合。
然特斯拉官方回應稱，這是其自動駕駛行駛超過1.3億英里（合2.08億公里）依賴發(fā)生的第一次已知導致死亡的車禍，并隨后快速升級了其同時具備攝像頭和毫米波雷達的Auto?pilot 2.0系統(tǒng)，可是從其官網(wǎng)上來看，真正實現(xiàn)Auto Pilot 2.0功能，可能也需要經(jīng)過數(shù)年的大量測試，才可能成熟完善。
另外，從目前主流的Bosch，Conti的能力來看，其綜合融合算法還在成長期，進入商用和成熟預計要在2018年以后。同時，以特斯拉和Volvo XC90為例，不同的傳感器配置方案以及安全策略，使得輔助駕駛在各個場景下的介入和退出程度大相徑庭，在有限的傳感器布置下，在封閉道路上的能力上趨近度更接近。
但如果是要進入商用化，采用安全性更高的駕駛輔助策略應該是每個廠商的考量，經(jīng)歷過數(shù)次嚴重事故的Tesla也不會不考慮其企業(yè)和產(chǎn)品商譽的問題。
第三：在中國復雜的環(huán)境下，算法離成熟尚遠？
從現(xiàn)有的算法來看，由于各類高精度傳感器的發(fā)展尚處于成長期，算法本身基于傳感器數(shù)據(jù)，自然也在不斷完善的過程。人類駕駛者的判斷能力機器尚不可及。
從中國的路況來看，人車混雜的道路狀況是歐美國家的道路狀況所不可比擬的，算法上需要解決對行人和兩輪交通設備的識別和處理能力，是一個巨大的挑戰(zhàn)。
開過中國高速公路的連接環(huán)的人都知道，道路的曲率非常大，各類算法在這種路況上很容易丟失路徑從而脫離輔助控制狀態(tài)，這一個問題的解決方案十分復雜，涉及到人類所獨特擁有的對于“未見路徑”的推測能力，而對于現(xiàn)有算法來說，可以依靠自建道路路徑或依賴高精度地圖來實現(xiàn)，但這兩項內(nèi)容的成熟度都遠遠未達標。
對于中國特色“收費站”也是同樣的問題，現(xiàn)在的地圖有能力告知駕駛者“前方即將到達收費站”，但如何能夠準確識別那一個道口是ETC，如何自動通過，這些都是目前的國際算法中尚未重點突破的領域。
另外，中國各種狹小而不規(guī)則的地下或小區(qū)停車庫，這些場景都有歐美重點實施無人駕駛國家所不具備的復雜性，針對中國的特殊路況特性，如狹窄道路通行等，還有很大的算法提升空間。
反觀目前的封閉式道路場景，如高速公路直行路段，封閉的高架道路和隧道橋梁，在各國的情況都比較類似，且有Tesla已然具備的在此類場景內(nèi)的輔助能力來看，各家制造商在接下去的幾年內(nèi)提供類似體驗不再是大挑戰(zhàn)，只是時間布局早晚問題和體驗程度的差異。
第四，決策能力的核心是算法，算法更依賴計算機芯片！
在沒有足夠計算能力前，人類智慧無可替代。
雖然如Intel，英飛凌、高通、Mobileye、Nvidia等芯片巨頭都紛紛殺入到汽車自動駕駛領域，如高通835A，Mobileye EQ4，Nvidia PX2等芯片，但其高企的價格、復雜的架構，都對商用化快速鋪開的能力有巨大挑戰(zhàn)，開發(fā)團隊、理解新的傳感器架構以及提升整車平臺控制能力，都要對整車架構進行巨大的修改和提升，而一般整車平臺的更新?lián)Q代都在5到7年時間。
這意味著，即使這些合作工作早在2015年開始，等這些芯片在2017年成熟投入市場并逐漸優(yōu)化，其時間也有待提升。且初期進入的都是歐美市場，在中國市場中投入具備這些計算能力的產(chǎn)品，并針對中國市場進行調(diào)整并提升體驗能力，也需要大量的時間。最簡單的方法便是先在高度類似的封閉場景內(nèi)投入應用。搶占市場先機。
第五：現(xiàn)有車輛結構設計，無法實現(xiàn)“機車合一”
如汽車行業(yè)內(nèi)一個永恒的話題：油門遲滯。是傳統(tǒng)燃油車發(fā)動機、變速箱、制動器對整體決策的執(zhí)行延遲。人類駕駛者常常會采用早踩半腳油的方式，但這種模糊式的控制能力對于要求高度精確的輔助駕駛就變的非常困難，體驗很難獲得本質(zhì)的提升。
只有在場景反應要求相對較低的封閉道路上，輔助駕駛才有可能留出足夠的余量，對體驗預期進行最低能力管理。這一點，隨著整車底部執(zhí)行機構的全面電氣化，將可以獲得提升?？墒菑哪壳叭加蛙嚨慕嵌葋砜矗肴骐姎饣?，仍然有待時日。
法規(guī)的束縛：車企為何普遍選擇跳過L3？
除了這些技術層面的問題，法規(guī)層面的束縛，也不容易忽視：比如國內(nèi)的法律法規(guī)和商業(yè)環(huán)境尚未成熟，包括如車企對于責任的判定邊界余量過高，在過多場景內(nèi)會隨時退出或需要過多的人工介入，法律對于責任判定尚不明確，在公開道路上進行高級輔助駕駛的事故判定缺乏鼓勵性的政策推動。
在此之前，飽受法律法規(guī)緊箍咒的車企，自然僅愿意在游戲規(guī)則里爭奪市場。從豐田剎車門召回痛失全球第一，到通用汽車點火開關10億美金賠償，再到仍在不斷擴散的大眾柴油機排放門，近年來由于觸到法規(guī)底線而陷百年基業(yè)于險境的案例屢見不鮮。
同時，除AEB功能正在成為全球下一輪NCAP的整車評分判定分值項外，其它大部分的功能還只是車企提供競爭力需求而非滿足法規(guī)需求的配備項。滿足“具備競爭優(yōu)勢即可”的思路，使得車企不愿意過早進行市場培育而喪失價格優(yōu)勢。在這一點特斯拉是絕對表率，但這家公司長期赤字的財務報表，是任何一家傳統(tǒng)車企的掌門人難以承受的挑戰(zhàn)。
所幸是，包括如美國交通部頒布的聯(lián)邦自動駕駛汽車政策所提到的安全評估，州政策樣板以及監(jiān)管工具等，已經(jīng)是政府意識到了這一點并開始建立法律法規(guī)來定義責任判定，監(jiān)管和確保新技術的應用安全性。
國際方面，《維也納交通公約》也已經(jīng)與2016年3月通過了修正案，允許駕駛員將車輛的控制權交給自動駕駛系統(tǒng)。同時，根據(jù)這個要求，按照普遍對于L3等級或以上的自動駕駛，車企，也就是自動駕駛的提供方，將是事故的責任方。
如果按照2017年2月在美國眾議院下述委員會的關于“自動駕駛汽車的部署之路”聽證會中，沃爾沃代表明確表示不考慮SAE L3等級而將直接進入到L4自動駕駛等級。其原因是L3仍然會將某些“危險”場景遺留給駕駛員處理，這樣在緊急時刻里留給駕駛員的反應時間極為有限。
這也意味著，為規(guī)避災難性的風險，車企需要更長的時間將技術直接演進至全無人駕駛，在那之前，將技術控制在封閉場景內(nèi)，并要求駕駛員時刻為自己的生命負責（L2輔助駕駛）的方式，應該是接下去5年內(nèi)，大部分車企的主流選擇！
