自動駕駛， 何時通過路考？

2012年，谷歌高調宣布：經過3年50萬公里的自動駕駛測試，

谷歌無人駕駛汽車在正常城市道路上創造了零事故紀錄。

一時間整個行業炸開了鍋，眾汽車巨頭們紛紛加入了這場軍備競賽。

全球各重量級汽車廠商和有實力的高科技公司均在這個領域投入巨資，成為了這場「魔幻遊戲」的成員。這份長長的「玩家名單」里也不乏互聯網業和製造業巨頭的身影，百度、阿里巴巴、奇瑞、上汽、東風等公司大有彎道超車的勢頭。一時間各大洲的汽車自動駕駛試驗層出不窮。2016年4月長安汽車的無人駕駛汽車從重慶出發，經過2000公里行駛測試后亮相北京國際車展，引起了業內的關注。一向保守的福特也給出了它的自動駕駛路線圖，預計在2021年推出自己的自動駕駛商用汽車。難道原本被認為虛幻的自動駕駛夢要成真了么？

然而，2016年5月的一起事故把這股自動駕駛熱又打到了冰點，一直被大家當作是自動駕駛先鋒的特斯拉出事了。在美國佛羅里達洲，一輛自動駕駛處於開啟模式的特斯拉Model S在行駛中撞上一輛十八輪的大卡車，司機當場死亡。根據美國高速公路安全管理局和特斯拉的調查，當時在強烈的日照條件下，駕駛員和車上的自動駕駛系統都未能注意（正確識別）到拖挂車的白色車身，根本就沒有啟動剎車系統。一石激起千層浪， 這起事故又把自動駕駛推到了風口浪尖上。

跨越？還是漸進？

其實，一些百年汽車企業在上世紀二三十年代就有了自動駕駛的構想，做出了一些嘗試。要知道，那時候離汽車的商用量產還沒過多久。真正的整車驗證實驗出現在上世紀八十年代，卡耐基梅隆大學的NavLab實驗室以及賓士與慕尼黑工業大學的項目中，都曾做出這樣的自動駕駛汽車。

在自動駕駛發展的早期，這個領域的技術路線處於百家爭鳴的階段 。2014年，美國汽車工程師協會建立了統一的標準，將這個領域的技術演進路線分成了六個階段。

第零階段，沒有任何自動系統用於車輛的控制，但是可能會有一些自動報警的能力。這應該是最傳統的人工駕駛。

第一階段是駕駛員輔助階段。智能輔助系統能為駕駛員提供必要的信息，在關鍵時候給予清晰、精確警告，相關技術有：車道偏離警告(LDW)，正面碰撞警告(FCW)，以及盲點報警系統等等。

第二階段是初步自動駕駛階段，駕駛員在得到警告后仍然沒能做出相應措施時，智能駕駛系統能讓汽車自動做出一定的反應。相關技術有：自適應巡航控制（ACC） 、自動泊車輔助（APA）、車道保持技術（LKA）等等。

第三階段是半自動駕駛階段。如果駕駛員沒有作出正確的反應，系統已經可以協助做出諸如剎車、加速、轉向等行為了。在這個過程中，駕駛員仍然是駕駛主體。相關技術有：緊急自動剎車(AEB)，緊急車道輔助(ELA) 等。

第四階段是高度自動駕駛階段。該系統能在駕駛員監控的情況下，在已知及特定環境中（比如說晴天的高速公路），讓汽車提供自動控制行駛，這個階段目前還未完全進入成熟商用。即使特斯拉已經部分商用了這個階段的功能，在環境、道路、駕駛員狀態等多方面也是有很多強附加條件的。

第五階段是完全自動駕駛階段。車輛在無需駕駛員監控的情況下，可以在複雜路段完全實現自動駕駛。這就意味著駕駛員可以在車輛駕駛的過程中做別的事情，看電影、上網、打電話、發獃……目前來看，這一階段仍然屬於未來。

現如今，即使技術路線的「幾步走」被統一了，該如何走這條路仍然存在爭議。

以谷歌為代表的高科技流派在汽車這個領域裡沒有任何歷史包袱，因此直接把目標定在了最高標準的完全自動駕駛。谷歌甚至要直接跨越到「無人駕駛」，主張連方向盤、油門和剎車都不留給駕駛員，乘客只需要坐著，剩下就交給汽車好了。

以沃爾沃或者博世為代表的傳統汽車廠商及系統配件廠商則更謹慎，他們認為就算是在完全自動駕駛階段，駕駛員本人仍然應該是駕駛汽車的主體，可以隨時拿回駕駛的掌控權。

一邊是主張「跨越式發展」的新生力量，一邊是主張「漸進式發展」的傳統巨頭，爭論也許還要繼續很長時間。

我們為什麼要自動駕駛？

除了相信自動駕駛會給大家生活帶來更多的輕鬆和便利，大家公認自動駕駛汽車將拯救無數人的生命。根據麥肯錫的預測，由於能避免駕駛員超速、誤判、過勞、走神、恐慌等帶來的駕駛風險，每年單在美國就可以拯救約3.3萬人的生命，十年內可以拯救全世界約1000萬人的生命。

在自動駕駛的終極階段，車輛駕駛數據、車路和路路協同數據、城市路網數據會和其他類型的大數據進行融合，從而迸發出巨大的價值。比如說，政府在規劃路網和新區的時候，完全可以將自動駕駛數據、周邊居民的行為數據、公共設施的使用情況數據融合在一起，將規劃做得更加符合實際，提升城市服務效率，節約投資。

從產業角度看，自動駕駛技術將開闢新的市場和商業模型。它所改變的不僅是我們的出行方式，還可能有汽車的所有權形式。也許在不久的將來，大部分人不用購買汽車，而是改為租賃使用，而那些擁有汽車的人很可能會在不用車時將汽車租給其他人。摩根斯坦利認為從現在起14年內，自動駕駛技術將開創一個規模可達2.6萬億美元的共享機動市場。特斯拉的CEO伊隆馬斯克（Elon Musk）在最新的Tesla規劃藍圖中指出，今後特斯拉車主可以把自己的汽車租出去，成為無人駕駛共享車隊的一份子。據稱，蘋果內部也啟動了所謂的泰坦計劃（Project Titan），該計劃中的汽車也打算採取共享機動的策略，目標是拿下共享機動市場16%的份額。汽車巨頭沃爾沃已經開展了這樣的商業嘗試， 它計劃於2017年使用 100輛帶全自動駕駛功能的SUV汽車，提供客戶共享機動出租服務。這些自動駕駛汽車將被用在瑞典哥德堡的一處指定道路上供通勤者使用，它們將面臨真實世界的路況考驗。

終極問題的挑戰

最大的挑戰還是來自智能化和網路化。為了實現安全的智能自動駕駛，需要在車輛周邊安裝多個感測器採集數據。這當中至少包括：無線雷達、多維激光雷達、多個2D或者3D攝像頭等。這些數據被收集到車載計算平台上進行分析、處理、判斷和預測，得出實時的駕駛判斷，機器學習（尤其是深度學習）以及GPU也是這當中的主角。雖然這裡面的每一個感測器都已經發展得很成熟了，機器學習在近幾年也取得了長足的進步，但這對於要求非常嚴格的汽車工業來說還是有一定差距。對此有些人此還是有不同的意見：人本身都會出錯，為什麼要求演算法和機器設備達到100%的準確度？特斯拉在上次自動駕駛事故后聲明說：「這是自動駕駛行駛超過1.3億英里（合2.08億公里）以來發生的第一起已知的導致死亡的車禍。在美國，機動車平均每行駛9400萬英里（合1.5億公里）發生一起導致死亡的車禍。而在全球範圍，機動車平均每行駛6000萬英里（合9600萬公里）發生一起導致死亡的車禍。」它的意思很明確：我們做得已經比普通駕駛員都好了。

此外，自動駕駛平台本身就是個大的網路環境。未來車載數據平台相互打通，意味著來自多個源頭的數據要進行進一步融合，其中包括政府、車廠、網路運營商、地圖商、電商、金融公司、汽車服務商、能源服務商、社交、娛樂……沒有一個高速穩定的網路是不行的。

相比技術的挑戰，更大的挑戰來自於法律以及與之相關聯的保險。試想，如果一輛自動駕駛轎車和一輛人工駕駛汽車在路上碰撞，事故責任該如何裁決？如果車主或者駕駛員並沒有決定駕駛行為，他們該為事故負責任么？再換一個例子，如果一輛自動駕駛汽車上的行人檢測的演算法出現失誤，致使該車輛撞死了幾個過馬路的行人，那麼誰將成為該事故的法律責任主體？還是駕駛員么？《國際道路交通公約(日內瓦)》規定，車上乘坐駕駛員是汽車行駛的前提。如果自動駕駛發展到了上面提到的第五階段，這一前提或將被顛覆。到時候，這項技術革命帶來的最大的挑戰反而是在各國的立法層面。

最後，我們也許該考慮一下這項技術對於整個人類社會的挑戰了。經過很長時間的發展，駕駛車輛（不管是汽車還是馬車）已經成為人們生活中的一部分。如果自動駕駛技術發展到極致，必將從人們的生活中把這項技能奪走。這裡面有很深的政治、經濟、人文、道德的風險。也許這才是個開始，下一個被科技奪走的人類技能是什麼？多年之後，人類會不會連寫字、說話、走路的技能都沒有了呢？這些「亦真亦幻」的終極性問題在現階段很難有一個明確答案。

未來車載數據平台相互打通，意味著來自多個源頭的數據要進行進一步融合，其中包括政府、車廠、網路運營商、地圖商、電商、金融公司、汽車服務商、能源服務商、社交、娛樂……

責任編輯 | 方丹敏

文章節選自2017年2月《大學生》雜誌，更多精彩敬請關注紙質雜誌