賓士定速巡航失控，那汽車輔助駕駛還靠不靠譜？

前兩天，一條賓士在高速上定速巡航失控的消息刷遍了網路。薛先生駕駛賓士C200L轎車，在每小時120公里定速巡航的情況下狂奔了一個小時。有媒體報道是賓士售後通過後台遠程操作使車輛恢復了正常控制。但車主在事後的採訪中否認了這一說法，而是在他打開車門解下安全帶之後車速才降到60邁，如此嘗試了三次降到了40邁才恢復了控制，將車停下。賓士隨後立刻做出了說明。

不過隨著時間的發酵，事情似乎有了轉變，很多人對此次事件的真實性產生了質疑，包括韓寒在內的很多汽車或賽社行業的業內人士提出了很多的疑點。

定速巡航現在基本上屬於汽車的最常見的配置之一了，目前市場上超過80%的在售車型有此功能。如果此次事件真的是由於車輛原因導致，那麼如此成熟的功能都有一定機率失控，那現在火熱的汽車輔助駕駛還靠不靠譜？

現在不論是傳統汽車廠商還是互聯網造車的大軍，都在積極研發汽車輔助駕駛系統。最先應用的應該是特斯拉，不過特斯拉的自動駕駛也多次出現了事故，有些到現在還沒有定論，特斯拉也是三番五次修改自動駕駛的定義和描述。那未來汽車輔助駕駛和自動駕駛應該如何發展呢？小編認為短期內自動駕駛基本上還是停留在概念階段，先看下目前各車企自動駕駛技術的分布。

L5代表完全自動駕駛，L4代表高度自動駕駛，L3代表有條件自動駕駛，L2代表部分自動化。目前除了奧迪A8擁有一個L3的自動駕駛外，其餘的廠商基本上還處於一個輔助駕駛的階段。實現自動駕駛要攻克的難點還有很多，其中最主要的有兩個。

一、感測器的精度和成本

目前用於汽車輔助駕駛的感測器，無論是攝像頭，還是激光雷達，都還沒有達到能自動駕駛級別的精確測量，而且以激光雷成本短期內也無法做到大幅度的成本下降。

二、自動駕駛演算法和平台

要想做到自動駕駛，那麼駕駛的技術必須要達到人類的水平甚至超越人類的駕駛水平，那就需要一個及其智能化的演算法和高速的計算平台。單從演算法上來說，目前深度學習在處理某單一功能上可能達到了人類甚至超越人類，但在綜合處理能力還差的很遠，自動駕駛技術不僅僅是一個演算法就可以處理，感測器的信息、車輛的當前狀況，、天氣情況、地理位置等等需要龐大的演算法，目前

還沒有企業能研發的出來。其次演算法需要龐大的算力支撐，目前大部分有高智能水平的深度學習演算法還基本上運行在集群伺服器上，根本無法再汽車平台上運行。

所以說L5級別的自動駕駛離我們還是很遠，老老實實遵章守規駕駛才是正確的選擇，自動駕駛只能是一幅「眼鏡」，二絕對無法代替「眼睛」。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！