聆聽風聲，感受脈動——自動駕駛發展淺析

近年來，自動汽車的發展速度令人驚嘆，各個工業強國開啟試點區建設和路測法規實施，眾多初創企業、互聯網巨頭、Tier1供應商和傳統車企等正在加緊布局。在產業界，除了互聯網巨頭（Google、Apple、BAT、Uber、滴滴等）、各大傳統車企（通用、豐田、寶馬、上汽、廣汽、一汽、東風、長安、北汽等）和通訊行業巨頭（中興、華為、高通、英特爾、移動、聯通、電信、大唐等），眾多科技初創企業不斷湧現（小鵬、蔚來、速騰聚創、禾賽、極奧、千尋位置、星雲互聯等）。

近日，北京市自動駕駛車輛道路測試規範的發布與上海市智能網聯汽車開放道路測試號牌的發放猶如平地驚雷，在中國大地反響強烈，不僅使中國普通民眾開始關注自動汽車，也使各相關企業確信了政策加碼的方向，同時各地方政府也看到了新的發展機遇，開始紛紛籌備發布自動駕駛汽車道路測試指南規範和建設自動駕駛汽車測試場，而各類投資資本的大力介入則助推自動駕駛汽車產業成為如今的超級風口。於此，我們聆聽風聲、感受自動駕駛發展的脈動。

政府政策和補貼支持與投資者的資金投入可以在一段時間內幫助自動駕駛汽車產業先期發展，但消費者才具有最終的話語決定權，無論是私家車、網路預約計程車、共享汽車等都需要消費者來埋單。消費者在出行時考慮的因素包括：安全性、方便性、經濟性、舒適性、人性化等方面。

（1）安全性：自動駕駛能夠代替人為駕駛的首要前提是其故障率和事故率要低於人為駕駛。

（2）方便性：常規出行、臨時更改目的地、中途停車上下客、繞路接人等。

（3）經濟性：據法國市場研究和戰略諮詢公司Yole Développement估計，2018年自動駕駛汽車平均成本約20萬美元，2032年將會降至約9.5萬美元，按每輛無人駕駛計程車每天以30英里的速度行駛23小時每英里（共計700英里/天，即1126公里/天），以0.43美元/英里收費，則小於1年就可收回成本，按每輛自動駕駛汽車運營30萬英里才退役，則每輛車在其整個運營壽命周期內可以賺取約3.4萬美元，這還是沒有將自動駕駛汽車提供的辦公娛樂等其他附加功能的收入，所以實現相同的出行目的，不談無人駕駛附加的其他功能，只算對人力成本的去除，大規模無人駕駛出行服務價格要低很多。

（4）舒適性：乘坐汽車過程中的舒適感，如車內娛樂、辦公、通信、日常功能（購物、預定、提醒等）。

（5）人性化：讓乘客（特別是形單影隻的乘客）不會對汽車感到冷血、機械、無人情味、距離感，需要與乘客聊天進行真誠溝通（至少在乘客看來）。但從另一方面來看，現代社會人與人隔閡加深，而人也許更能向擬人化的「機器」敞開心扉，所以從另一個角度看，也許智能擬人化「機器」更具人情味。

自動駕駛廣泛使用對於L2.5級來說，是肯定不行的，L3/L3.5級對於不會開車的乘客來說是不能接受的，而對於具有駕駛技術的使用者來說，也只有當其原本就坐在駕駛司機位才能在緊急情況下接管。

但從自動駕駛切換到人為駕駛的過渡窗口在多長時間內合理，在切換為人為駕駛後仍然發生事故責任如何認定，以及發生事故後對乘客體驗的嚴重影響這些問題都會阻礙自動駕駛汽車的大範圍應用。如果發生嚴重車禍甚至可能會拉後腿，使政策制定者制定更加嚴格的政策法規。

初步研判L3/L3.5級初步適用於消費者自己購車使用，但如果出現較多的L3/L3.5級自動駕駛汽車重大事故的事件會嚴重影響自動駕駛汽車在廣大民眾心中的接受度，所以即使L3/L3.5級自動駕駛汽車開始在私家車範圍初步被接受，也需要儘快完成從L3/L3.5及向L4~L5級的升級。因此從消費者和政策制定者的角度來看，無人駕駛被廣泛使用應該在L4~L5級自動駕駛汽車出現之後。

無人駕駛大規模落地需要在通信、感知、分析決策、控制、等方面技術的優化，外部條件具體包括成熟的5G通信（高速率、低延遲、高可靠、多址技術提供上百倍的可接入設備數）與車聯網（高速率、大容量、高可靠）；高精度地圖與高精度GNSS定位，如厘米級定位精度與地圖精度，行駛道路及兩側一定範圍內道路狀況，包括道路坡度、彎度、路面材料等；規整的結構化道路（類似高速路、封閉道路路面路邊狀況等）；智能交通系統（或智慧城市大腦）包括路側單元、邊緣計算中心、網路中心等。

自動駕駛汽車本身應具有完善的感知、決策、控制技術，如以大數據訓練或人工智慧自主學習為基礎提供高運算速率、大容量、智能化選擇通信範圍、智能化過濾分析整理聯網信息、智能化決策；優異的電傳操控系統，如無人駕駛大腦的指令能與制動、ESP等機械結構實現無縫順利連接和執行，提供L4~L5級的支持。

（1）從5G和車聯網來看，國內三大運營商計劃於2020年推出5G商用網路，但5G用於L4、L5級自動駕駛還需要路側單元鋪設、邊緣中心建設、mesh網路構建等，而這將是對現有交通設施、法規的全面升級，成本較高，時間也比較長，預計國家會預先選擇幾個城市進行相關示範建設（且極有可能會選擇已有測試場和試運營經驗的城市），考慮到技術指數迭代發展和政策觀望滯後的特點，初步判斷能夠支持L4、L5級自動駕駛的5G網路大約會出現在2025年左右，而大規模應用則會出現在2028~2030年左右。

（2）從自動駕駛系統平台發展來看，近日，Waymo正在積極籌備2018年內在亞利桑那州菲尼克斯推出無人駕駛網約車服務；通用旗下Cruise公司也表示，將在舊金山推出全自動駕駛計程車服務；Uber部署的無人駕駛汽車已經在匹茲堡和菲尼克斯搭載乘客；Lyft也與NuTonomy聯手在馬薩諸塞州波士頓展開了小範圍的網約車試點項目；2018年2月27日，福特一批自動駕駛汽車登陸邁阿密街頭，對其未來的商業運行計劃展開測試，包括網約車和配送服務等。日前，國內禾多科技（HoloMatic）也宣布研發出了自動駕駛L3.5級機構化道路解決方案，並完成道路測試，而整套方案可以提供L4級自動駕駛體驗，覆蓋完整高速場景，能上下匝道、自動變道。從以上信息，可以預判L4、L5級成熟的自動駕駛系統平台已經在望，研判將會在2020~2022年左右出現。

（3）從智能交通系統（智慧城市大腦）發展來看，阿里、IBM、華為、中興等皆有相應的系統解決方案，華為、中興注重NB-IoT（雖然前不久華為展示了採用華為手機進行初步智能駕駛，中興推出「寒冰床」計劃，但兩巨頭心態微妙，步伐任然持重），而與智能交通密切相關的是類似阿里雲「ET城市大腦」和IBM智能交通方案，其中目前的阿里「城市大腦」是在現有交通基礎設施基礎上的數據綜合、分析、決策、響應，而IBM的智能交通方案在國內外一些城市皆有使用，效果也不錯，宣稱其方案也符合眾多的相關國際標準，但這也是基於現有的交通基礎設施，對於即將來到的5G和萬物物聯網，其解決方案在算力、演算法、數據採集整理等方面是否做好了準備，以及需要多長的時間能準備好，這些都依賴於智能晶元、演算法開發、數據傳輸、數據儲存、數據整理等方面的發展進步。結合近來晶元工藝、神經網路架構、大數據積累等的發展，以技術指數級發展規律來看，研判在5~6年時間內，相對完善的智能交通系統能夠出現，成熟應用則需要4~5年左右時間，總的看來10年左右成熟的智能化交通系統可以落地應用。

（4）從高精度地圖和高精度定位來看，目前國內的四維圖新、百度、高德已經能夠局部實現分米（10cm-20cm）級高精地圖，但更為廣泛的區域仍然需要車隊去採集數據，而隨著中國北斗導航衛星組網的完成和服務應用，樂觀的預計在重點城市等地區，高精度地圖和高精度GNSS定位是較快成熟的一個方面，但會晚於成熟的自能駕駛系統方案。

（5）從自動駕駛汽車故障率和事故率來看，人類駕駛的車輛每5萬英里發生一次故障，每24萬英里則會發生一次碰撞事故。自動駕駛要能代替人為駕駛，則在這兩方面都必須低於人為駕駛。從加州機動車管理局公開的Waymo自動模式脫離報告來看，Waymo的每1000英里脫離次數從0.8次降到0.18次，這仍然高於人為駕駛的故障率，相信隨著駕駛數據的積累、專用晶元以及相應演算法的開發成熟，其故障率（脫離次數）必然會進一步下降。而對於事故率來講，隨著自動駕駛汽車感知、決策、控制的不斷優化，其完全能夠達到低於人為駕駛的水平。對於自動駕駛故障率的下降可以相對樂觀一些，預計5~7年可以降到低於人為駕駛的水平；而事故率的下降是由多方面因素綜合決定，隨著5G通信、V2X與決策演算法的快速發展以及駕駛數據的大量積累，自動駕駛汽車負部分或全部責任的事故率進一步下降到低於人為駕駛水平的前景可期，樂觀估計事故率達標滯後故障率達標3~5年左右時間。

（6）從動力電池技術發展來看，國內幾大動力電池廠家在近兩年就能實現產業化300Wh/kg動力電池的目標，這也能夠保證自動駕駛電動汽車的持續性運行，提高其使用便利性，加上國內外固態鋰電池、氫燃料電池和鈉離子電池等技術發展，從驅動動力上來看，滿足自動駕駛的需求基本不成問題。

綜上所述，從技術的角度考慮自動駕駛廣泛應用大約會在2028~2030年左右，但考慮到政策配套具有一定滯後性，預期還將會延後2-3年左右，加上民眾對自動駕駛關注度和接受度日益增高，各種投資主體對自動駕駛研發的趨之若鶩，所以總體研判自動駕駛廣泛使用大約會出現在2030~2033年左右。

如前所訴，考慮到谷歌除了測試場測試，大多是在高速公路上試驗；而最近禾多科技在結構化道路（高速路、停車場）研發了L3.5-L4級的自動駕駛解決方案並成功完成測試；上海洋山港智能碼頭和西井科技的無人駕駛集卡的運行，可以研判最先落地的就是具有結構化道路、路況相對簡單和可預測的場景，如高速公路、停車場、無人碼頭、低速接駁等。

誠如自動駕駛汽車發展的初衷是解放人類駕駛者，使駕駛者能夠在旅途中進行其他任務、工作、娛樂和休閑。由於前幾天與同事之間的討論，我們想到可以將自動駕駛汽車或以自動駕駛技術為基礎研發的自動行駛機器人應用到某些特種環境，如高原（青藏高原）貨物運輸、極寒地段的邊境巡邏、極寒地帶鐵道線巡檢等。而且我們認為這是更為迫切的需求，因為在以上惡劣環境下，讓自動駕駛汽車或自動行駛機器人代替人類，才能更大的體現其價值。

一家之言，權作拋磚引玉；眾家之說，方能撥雲見日。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！