文|陳根
當(dāng)前，在智能駕駛技術(shù)的突破下，越來越多的車企公司都在智能駕駛領(lǐng)域做出大動作，來對外展示目前最新技術(shù)能夠達(dá)到的水平。從華為到北汽，從滴滴到百度，這也為近年來轟轟烈烈的“造車運(yùn)動”掀起新一波熱潮。
不可否認(rèn)，智能駕駛的發(fā)展給智能交通的實(shí)現(xiàn)提供了更多的可能，然而，在一眾科技大廠涌入智能駕駛領(lǐng)域的同時，智能駕駛也適時給人們澆下了涼水。人們越來越發(fā)現(xiàn)智能駕駛的理想與現(xiàn)實(shí)層面的差距——特斯拉就是最好的證明，并且，僅僅依靠單車智能似乎無法解決應(yīng)對城市道路中的復(fù)雜多變的情況。
從概念的提出至今，智能駕駛發(fā)展到哪一步了？人們離智能駕駛的理想實(shí)現(xiàn)又還有多遠(yuǎn)的距離？
智能駕駛?cè)酝Ａ粼贚2級階段
實(shí)際上，智能駕駛就包含了無人駕駛和自動駕駛，需要明確的是，智能駕駛發(fā)展的終極目標(biāo)及形態(tài)就是無人駕駛，而自動駕駛則被等級區(qū)分，目前世界范圍內(nèi)普遍被認(rèn)可的是美國汽車工程師協(xié)會（SAE）對自動駕駛水平的分級。在對自動駕駛汽車的描述上，SAE的六個等級分別是非自動化、輔助駕駛、半自動化、有條件的自動化、高度自動化和全自動化。
L0被稱為“非自動化”，是駕駛員具有絕對控制權(quán)的階段。
L1被稱為“輔助駕駛”，在L1階段，系統(tǒng)在同一時間至多擁有“部分控制權(quán)”，要么控制轉(zhuǎn)向，要么控制油門/剎車。當(dāng)出現(xiàn)緊急情況突發(fā)時，司機(jī)需要隨時做好立即接替控制的準(zhǔn)備。并且人類需要對周圍環(huán)境進(jìn)行監(jiān)控。
L2被稱為“半自動化駕駛”。與L1不同，L2階段轉(zhuǎn)移給系統(tǒng)的控制權(quán)從“部分”變?yōu)椤叭俊?，也就是說，在普通駕駛環(huán)境下，駕駛員可以將橫向和縱向的控制權(quán)同時轉(zhuǎn)交給系統(tǒng)。并且人類需要對周圍環(huán)境進(jìn)行監(jiān)控。
L3被稱為“有條件地自動化”，是指系統(tǒng)完成大多數(shù)的駕駛操作，僅當(dāng)緊急情況發(fā)生時，駕駛員視情況給出適當(dāng)?shù)膽?yīng)答的階段。此時，系統(tǒng)接替人類，對周圍環(huán)境進(jìn)行監(jiān)控。
L4被稱為“高度自動化”，是指自動駕駛系統(tǒng)在駕駛員不出做“應(yīng)答”的條件下，也可以完成所有的駕駛操作的階段。但是，此時系統(tǒng)僅支持部分駕駛模式，并不能適應(yīng)于全部場景。
L5被稱為“全自動化”，與L0、L1、L2、L3、L4最主要的區(qū)別在于，系統(tǒng)能夠支持所有的駕駛模式。在這一階段中，將不再會允許駕駛員成為控制主體。
對于智能駕駛來說，安全既是起點(diǎn)，也是終點(diǎn)。然而，現(xiàn)實(shí)是，當(dāng)前，即便是對于以人為主體的L2級別自動駕駛，安全問題都仍然突出。一直以來，汽車制造商和科技公司堅(jiān)稱自動駕駛相關(guān)技術(shù)可以挽救生命，但事實(shí)是，去年死于自動駕駛車禍的人數(shù)比過去三十年都要多。
6 月 16 日，美國聯(lián)邦政府發(fā)布了兩份新報(bào)告，首次披露了涉及自動駕駛汽車（AV）和配備先進(jìn)駕駛輔助系統(tǒng)（ADAS）的汽車碰撞和死亡事故的統(tǒng)計(jì)情況。這次的數(shù)據(jù)報(bào)告源于美國國家公路交通安全管理局（NHTSA）去年發(fā)布的一項(xiàng)常規(guī)命令，該命令要求汽車公司報(bào)告涉及 AV 以及當(dāng)前道路上數(shù)十萬輛汽車中發(fā)現(xiàn)的 L2 駕駛輔助系統(tǒng)的事故，以評估該技術(shù)是否存在安全風(fēng)險(xiǎn)。
其中，特斯拉涉及駕駛輔助技術(shù)的事故最多，報(bào)告稱，從 2021 年 7 月20 日到 2022 年 5 月 21 日，共有 273 起涉及使用 Autopilot 的特斯拉汽車碰撞事故。這一家公司的事故數(shù)量占據(jù)了報(bào)告期間 392 起事故中的 70%。
相對來說，其他汽車制造商報(bào)告的車禍數(shù)量則遠(yuǎn)少于特斯拉，比如以“Honda Sensing”品牌銷售 ADAS 功能的本田披露了 90 起事故；將 ADAS打包在“EyeSight”之中的斯巴魯報(bào)告了 10 起事故；福特披露了 5 起車禍，豐田披露了 4 起車禍，寶馬披露了 3 起車禍，而 Super Cruise 制造商通用汽車僅披露了 2 起車禍；Aptiv、現(xiàn)代、Lucid、保時捷和大眾汽車各報(bào)告了一起車禍。
當(dāng)然，特斯拉L2級車禍全美第一的背后，固然與特斯拉使用輔助駕駛功能的車在美國的市場占有率最高有關(guān)。但與之對應(yīng)的，則是特斯拉作為智能駕駛行業(yè)的頭部車企——不論是從技術(shù)的研發(fā)、代矢還是主動駕駛的大數(shù)據(jù)層面，以及實(shí)際應(yīng)用數(shù)據(jù)層面來說——都尚且面對這樣的智能駕駛安全問題，更不用說像蔚來、理想、小鵬甚至百度等車企了。
不可回避的安全問題
智能駕駛的實(shí)現(xiàn)，離不開感知、規(guī)劃、控制這三大技術(shù)要素。實(shí)際上，這也是人類駕駛汽車過程的粗略拆分，即首先觀察周圍車輛情況、交通指示燈；然后依據(jù)自己的目的地方向，通過油門、剎車和方向盤，進(jìn)行加速/減速、轉(zhuǎn)彎/變道以及剎車的操作。
對于智能駕駛來說，智能駕駛汽車想要完成自主行駛，就需要像是人行走一樣，“看”得清道路是第一要求，感知就是讓智能駕駛汽車可以對交通環(huán)境進(jìn)行理解和把握，通過感知系統(tǒng)的加持，智能駕駛汽車可以對交通環(huán)境中障礙物的位置、速度及接下來可能的行為；交通環(huán)境中可以行駛的區(qū)域、交通規(guī)則等信息進(jìn)行獲取，智能駕駛汽車還可以通過感知系統(tǒng)了解自己所處的位置從而可以為進(jìn)一步的決策和規(guī)劃提供重要的道路信息。
智能駕駛汽車“看”的清是第一步，而對于“看”到的信息進(jìn)行分析決策，并對之后的出行行為進(jìn)行規(guī)劃，則是更為重要的一個環(huán)節(jié)。就像人在路面行走一樣，需要對自己要走的路徑進(jìn)行規(guī)劃，智能駕駛汽車也要對獲得的道路信息進(jìn)行規(guī)劃，根據(jù)規(guī)劃方向的不同，可以分為行為規(guī)劃、任務(wù)規(guī)劃和動作規(guī)劃。
智能駕駛汽車根據(jù)出行任務(wù)，對交通情況信息進(jìn)行分析，從而做出對應(yīng)的判斷，如超車、停車、繞行等。規(guī)劃系統(tǒng)就像是人類的大腦，會對獲得的道路信息進(jìn)行分析判斷，并根據(jù)出行任務(wù)，對駕駛行為做出調(diào)整。
規(guī)劃就是人類駕駛在駕駛汽車過程中對于交通環(huán)境對處理過程，規(guī)劃對于智能駕駛汽車非常重要，想要讓智能駕駛汽車安全行駛，能夠處理各種交通環(huán)境，則需要智能駕駛汽車可以對不同的場景做出及時反應(yīng)，在面對諸如“乘客優(yōu)先”還是“行人優(yōu)先”等決策時，可以直接給出最佳解決方案。
控制則是智能駕駛汽車落地的最直觀的體現(xiàn)，作為智能駕駛汽車整套系統(tǒng)的最底層，控制系統(tǒng)對于智能駕駛汽車做出的規(guī)劃做出反應(yīng)，讓智能駕駛汽車成功完成加速、減速、避讓等一系列動作，智能駕駛控制執(zhí)行的核心技術(shù)主要包括車輛的縱向控制和橫向控制技術(shù)。
然而，就當(dāng)前的技術(shù)來看，盡管如今的機(jī)器智能已經(jīng)證明了在速度、精確度等方面機(jī)器可以遠(yuǎn)超過人類。當(dāng)機(jī)器做出決策后，通過線控系統(tǒng)將信號傳遞到汽車的轉(zhuǎn)向系統(tǒng)、制動系統(tǒng)和傳動系統(tǒng)，可以確保信號的快速性以及準(zhǔn)確性。但要知道，智能駕駛是個復(fù)雜的系統(tǒng)，除了算法之外，還有很多復(fù)雜的現(xiàn)實(shí)情況需要考量，并且，在智能駕駛研究逐漸深入的背景下，傳感器、芯片以及數(shù)據(jù)的問題也在逐漸暴露。
從智能駕駛的傳感器角度來看，作為外部路況探測的傳感器，其收集的信息將作為駕駛決策的輸入，這是駕駛決策的重要保障?？梢哉f，沒有完整的信息，就不可能支持決策系統(tǒng)做出正確、安全的駕駛決定。雖然眾多的傳感器在單一指標(biāo)上可以超越人眼，但是融合的難題以及隨之而來的成本困境，成為智能駕駛演進(jìn)過程中面臨的第一個嚴(yán)峻考驗(yàn)。
多傳感器的問題同時也埋下了下一個問題的隱患，那就是芯片的性能。如果需要更全面的了解外部路況信息，就需要部署更多的傳感器。更多的傳感器就對融合提出了更高的要求，而且在高速度的情況下，由于路況信息的變化，所帶來的數(shù)據(jù)信息也更為海量。
根據(jù)英特爾的測算，一臺智能駕駛的汽車，配置了GPS、攝像頭、雷達(dá)和激光雷達(dá)等傳感器。這些設(shè)備每天將產(chǎn)生約4TB待處理的傳感器數(shù)據(jù)，如此巨大的數(shù)據(jù)量必須有強(qiáng)大的計(jì)算設(shè)備來支撐。而即使是英偉達(dá)這樣的頂級GPU企業(yè)，也在算力和功耗的平衡上幾乎達(dá)到了天花板。
于是，不能滿足智能駕駛需求的傳感器和芯片，就跟當(dāng)前我們所使用的手機(jī)導(dǎo)航軟件一樣，在關(guān)鍵時刻總是會出現(xiàn)反應(yīng)慢拍的情況，導(dǎo)致我們走錯了岔路。在未來很長一段時間內(nèi)，這都將是智能駕駛要跨越的巨大技術(shù)障礙。
未來的智能駕駛
智能駕駛除了現(xiàn)階段面臨的技術(shù)瓶頸，還需要面臨的一個問題是，車路協(xié)同的障礙。當(dāng)前，隨著技術(shù)的逐漸進(jìn)步，人們已經(jīng)越來越發(fā)現(xiàn)單靠單車智能無法解決應(yīng)對城市道路中的復(fù)雜多變的情況?；诖?，車路協(xié)同技術(shù)也就應(yīng)運(yùn)而生，為的便是解決單車智能所無法解決與處理的一些復(fù)雜危險(xiǎn)場景。
區(qū)別于單車智能駕駛，車路協(xié)同智能駕駛認(rèn)為：除了自己的感知單元，也可以接受路、其他車、信號燈等各個信息來源的消息，算力不夠就以強(qiáng)大的云計(jì)算來補(bǔ)足算力，車路協(xié)同的智能駕駛使得智能汽車成為智慧交通網(wǎng)絡(luò)里的小節(jié)點(diǎn)，與身邊交通參與者發(fā)生著各種信息的交互。
最重要的是，車路協(xié)同將極大提升智能駕駛車輛的行車安全性。畢竟，目前智能駕駛極其難處理的一個場景便是在有盲區(qū)的區(qū)域突然出現(xiàn)一個未知的障礙物。這對于經(jīng)驗(yàn)不那么豐富的人類駕駛員，這種場景都是極其危險(xiǎn)并極易出現(xiàn)交通事故的。
而目前的單車智能針對這種場景主要是通過危險(xiǎn)場景的識別來降低車速，減少緊急剎車時所產(chǎn)生的制動距離?；蛘呤峭ㄟ^感知跟蹤算法，對之前已經(jīng)出現(xiàn)的障礙物，現(xiàn)在處于盲區(qū)遮擋的情況進(jìn)行跟蹤，來給出更加精準(zhǔn)的預(yù)測。但無論哪種方式，其實(shí)都很難去完全處理這種危險(xiǎn)場景。
而車路協(xié)同設(shè)備的接入，可以給自動駕駛汽車開啟“上帝視角”，給到車輛自身傳感器所無法感知到的障礙物信息，來幫助決策規(guī)劃算法做出更加合理安全的決策，來保障乘客的安全與舒適。
此外，車路協(xié)同還可以極大提升城市的通勤效率。通過城市大腦的交通流調(diào)度，可以讓車輛合理地選擇出行路線，避免了多數(shù)車輛擁擠在城市主干道上導(dǎo)致交通擁塞的情況。通過交通調(diào)度算法，可以極大緩解目前困擾城市的堵車難題，甚至可以智能調(diào)度紅綠燈的時長，讓道路變得更加的通暢快捷。
如今，智能交通協(xié)同發(fā)展正在成為一種趨勢，未來，車輛的自主控制能力不斷提高，智能駕駛也將最終實(shí)現(xiàn)，進(jìn)而改變?nèi)塑囮P(guān)系，將人從駕駛中解放出來，為人在車內(nèi)進(jìn)行信息消費(fèi)提供前提條件。車輛將成為網(wǎng)絡(luò)中的信息節(jié)點(diǎn)，與外界進(jìn)行大量的數(shù)據(jù)交換，進(jìn)而改變車與人、環(huán)境的交互模式，實(shí)時感知周圍的信息，衍生更多形態(tài)的信息消費(fèi)。
而隨著智能駕駛的普及，或許，大部分人不再需要購買一輛屬于自己的汽車，出行可以作為一項(xiàng)按需提供的服務(wù)，將道路、汽車等資源充分進(jìn)行共享，從而提高社會的整體運(yùn)行效率。
屆時，更為先進(jìn)的信息技術(shù)、通信技術(shù)、控制技術(shù)、傳感技術(shù)、計(jì)算技術(shù)會得到最大限度的集成和應(yīng)用，人、車、路之間的關(guān)系會提升到新的階段，新時代的交通將具備實(shí)時、準(zhǔn)確、高效、安全、節(jié)能等顯著特點(diǎn)，智能交通系統(tǒng)必將掀起一場技術(shù)性的革命。
當(dāng)然，這一切得以實(shí)現(xiàn)的基礎(chǔ)，是必須確保智能駕駛技術(shù)的穩(wěn)定和可靠，而回到今天，對于L2級車禍依然高發(fā)的現(xiàn)狀，彌合理想與現(xiàn)實(shí)的差距，深耕底層技術(shù)，或許才是實(shí)現(xiàn)智能駕駛未來最行之有效的辦法。