曾以為自動駕駛會讓出行更安全 但為何現實卻是事故頻發？
曾以為自動駕駛會讓出行更安全，可當自動駕駛汽車進入真實的交通環境後，卻一再引發惡性事故。Why？
兩個月前「Uber自動駕駛車撞人致死事件」一度成為刷屏級熱點，將來甚至有望被載入自動駕駛汽車發展的「史冊」。
但鑒於對事件本身的解析早已鋪天蓋地，此處便不再贅述。唯一要補充的是，在當時的交通環境下，即便是奧迪、賓士等汽車廠商尚在打磨中的L5級自動駕駛車，又或者是Waymo、Mobileye等無人車技術供應商研發的自動駕駛車，要是隨車安全員未能及時發現險情，很可能也會發生惡性交通事故。
嚴格來講，這些車輛的自動駕駛系統，在眼下都還無法從容應對真實交通環境。
除了識別，還要懂預判
眾所周知，L3級別以上的自動駕駛系統一般都會通過感測器、處理器和高精度地圖三大系統共同合作來實現對車輛的控制，要想避免交通意外，感測器與處理器的性能尤為重要。
但不幸的是，目前最常用的三大感測系統——攝像頭、微波雷達、激光雷達都還存在著短板。
三大感測系統：
Vision System攝像頭
Radar System微波雷達
LiDAR System激光雷達
其中，攝像頭會由於鏡頭被污染或圖像感測器品質欠佳，而使整個圖像感測系統失效，進而導致自動駕駛系統「瞎眼」；微波雷達則可能因為頻譜帶寬偏窄而令自動駕駛系統在光照條件較差時，得不到足夠好的空間解析度以及目標識別能力；至於車載激光雷達，因製造成本所限，用不起性能優異但昂貴的工業或軍用裝備，以至於有效識別距離通常不超過200米，遇到雨雪、霧霾等惡劣天氣，識別率還會大幅下降。
而對於現行自動駕駛系統的中央處理器，則亟待完善相應的演算法。
簡單來講，首先人類要儘快教會電腦從龐大的感測器數據流裡頭，識別出更多現實世界中的物體。
就拿這次的Uber事件來說，受害者是一名推著自行車的行人，但直到2013年，量產車才首度擁有支持自行車檢測的AEB自動緊急剎車系統。
自行車與行人的運動軌跡
有很大的不可測性
2013年日內瓦車展
才由沃爾沃發布首款可用於量產車
並能「捕捉」自行車與行人的
AEB自動緊急剎車系統
就連自動駕駛技術的先行者谷歌，也遲至2016年才搞定自行車識別技術，並於2017年帶來針對自行車的感測器技術。
自動駕駛汽車公司Waymo源自谷歌
也在實地測試自動駕駛系統
顯然，若是碰到智障處理器，感測器再智能也無用，這套自動駕駛系統已是不可救藥的次品。
其次，光會識別還不夠，還得預測到障礙物的下一步行動，正如人類要有良好的預判能力，才能有效避免交通意外的發生一樣，真正合格的自動駕駛系統也必需能做到這點，不然在安全員的「陪護」下行駛再多的「零事故」里程亦枉然，獨立上路後照樣會在真實環境中發生交通意外，甚至可能出現比Uber事件更嚴重的慘案。
然而，各大智能自動駕駛系統至今仍未攻克這一關，還在大量地進行實地模擬和模擬測試，以便積累更多處理實際場景的數據。
由此可見，現有的自動駕駛系統既沒有無懈可擊的硬體，也不具備足夠智能的軟體以獨立應對複雜的真實交通環境。
在嚴格控制的條件下得到的漂亮數據其實都是皇帝的外衣，只不過，這回Uber恰好是那位誠實的小孩而已。
最新一代奧迪A8
是首款實現L3級自動駕駛的量產車
即使將來智能系統真正學會如何開車上路，也依然無法完全杜絕意外的發生。因為，只要交通環境是開放的，就始終存在著智能系統難以感知或者識別困難的偶然因素。
除非將交通網路封閉起來，或者讓車輛的「觸角」覆蓋整個空間，不然，意外必將發生。
戴姆勒-賓士的自動駕駛卡車
可實現編隊行駛
自動駕駛系統面對交通意外時的無能為力固然令人失望，但從畜力車到汽車，「懶惰」的人類其實一直在尋求更加高效、省力的移動方式。
因此，一般人早晚會厭棄要手腳並用且需注意力高度集中的駕駛操作，而把它交由智能系統來代勞。如無意外，自動駕駛汽車必將成為未來的主要交通工具。
其實，人工駕駛的傳統汽車在剛誕生時，同樣如洪水猛獸般傷人無數，但人類還是選擇更便捷的汽車，並努力「馴化」它，使其愈發安全可靠。
所以，不必因為有限的個案而徹底否定自動駕駛系統帶來的便利。相反，應當讓更多通過模擬測試的產品進入真實環境，以檢驗測試成果，並繼續優化，進而降低發生交通事故的幾率。
一直呆在「溫室」里，自動駕駛系統永遠不會實用化。
不過，正如Uber測試車所展示的那樣，幼稚的自動駕駛系統會犯下致命的錯誤。因此，當更多測試車進入真實的交通環境後，對於必將上漲的事故發生幾率要做好充分的思想準備，並且相信廠商會吸取教訓，再帶回更安全的產品。
這是成長的代價，除非人類決定遠離100%自動駕駛汽車，但這就好像你教小孩時為了怕他摔倒而不讓他練習走路一般，不太可能！
附：自動駕駛汽車常用感測器的主要問題
1．視頻影像
其實，當前主流自動駕駛系統所用的攝像頭從鏡頭、圖像感測器到圖像處理器都已經具備足以應對常見應用場景的性能，將來還可能用上集成鏡頭、圖像感測器和圖像處理器，以及畫面像素至少1920×1080、成像動態範圍在140dB以上的高清攝像頭。
不過，再高清的攝像頭也無法消除物理遮擋、污漬等外界因素的影響。
故而，一套完善的自動駕駛系統必須在攝像頭之外，再輔以雷達、紅外光等其他感測器。
2．毫米波雷達
目前，根據無線電主管部門對車載雷達頻率的劃分，國內的量產車只允許使用24GHz和77GHz兩個頻率，其中24GHz主要用於後側向的近程探測，而77GHz多用於前向遠程探測。
從實際使用的效果來看，這兩個頻率也算夠用，但頻譜專家認為要滿足L3級以上自動駕駛系統的需求，應像歐盟那樣開放79GHz頻段，這樣車載雷達就有7GHz的帶寬，遠高於77GHz的1GHz帶寬，從而獲得更好的目標識別能力以及空間解析度。
3．激光雷達
實際上，如今激光雷達的問題並不在於技術，而是成本。體積不大的軍用激光雷達辨識距離超過300米，並能在雨雪天氣下正常工作，可售價據說要千萬美元。
而在民用領域，老牌激光雷達廠商Velodyne的VLP-16型360°可動激光雷達，激光頭可射出16束光線，辨識距離達到100米，並可在1秒內掃描30萬個檢測點，出廠價遠比軍用產品便宜，但也在7000美元以上。
更便宜的也有：德爾福投資的Quanergy公司推出之S3型固態激光雷達感測器，體積小到可嵌入車體，並能輸出3D圖像，單個成本只要100～200美元，可才8束光線，探測距離僅有10厘米到150米，而掃描頻率則為30Hz。
然而，未來自動駕駛汽車需要的是：能在複雜氣象條件下使用，最大探測距離在200米左右，擁有32束以上光線，並可嵌入車體的量產商品。（END）
TAG:AM汽車雜誌 |