自動駕駛：完美“老司機”夢想

自從汽車被發明以后，人類又多了一項生活技能——駕駛汽車，也多了一種職業——司機。當汽車開始遍布大街小巷以后，我們也發現生活中還多了兩件不好的事情——交通擁堵和交通事故。尤其是車禍導致的死亡人數，都隨著汽車的普及而不斷攀升。

1925年，美國車禍造成21900人死亡，到1953年，這一數字幾乎翻了一番，達到37955人。越來越多的交通事故，促使政府和社會開始思考，如何通過技術手段解決汽車的安全問題，讓人們的出行更加放心、可靠。于是，從這時起，人們就有了發明自動駕駛汽車的念頭。

很多孩子都玩過遙控汽車玩具。1925年，無線電設備公司Houdina Radio Control在一輛普通汽車的后座上安裝了一個無線電接收器，通過無線電的方式來實現車輛方向盤、離合器、制動器等部件的遠程操控，雖然這種遙控汽車不算是自動駕駛汽車，但也與我們俗稱的“無人車”很接近了。

但隨后的幾十年，自動駕駛汽車的發展非常緩慢，主要進展僅僅是為汽車增加了定速巡航、雷達等輔助駕駛功能，直到21世紀以后，隨著人工智能技術的爆發，自動駕駛的研究才重新煥發風采。

如今我們所說的自動駕駛汽車，已經可以稱得上是一臺移動的計算機，其本質是軟件定義汽車（Software Defined Vehicles，SDV），是汽車智能化的集大成者。

如果讀者身邊有研究自動駕駛技術的專業人士，那么不妨和他們簡單聊上幾句，很可能從對方口中聽到L1、L2、L3和L4這類術語。對于專業技術人來說，這些名詞就是評價自動駕駛技術水平的標準。

說到自動駕駛的標準，目前公認的汽車自動駕駛技術分級標準有兩個，分別由美國高速公路安全管理局（簡稱NHTSA）和國際自動機工程師學會（簡稱SAE）提出。前者將自動駕駛技術從低到高劃分為0～4級，后者劃分為0～5級，但在對每一級別的功能描述上基本一致，唯一的區別是，SAE把NHTSA關于最高一級的功能又細化為兩個級別，由此才會多出一個級別，如圖3-1所示。

說起來，這兩套標準本質上都是一樣的，SAE的標準相對簡單明了，使用更多一些罷了。

L0：無自動化，完全由駕駛員進行駕駛操作，屬于純人工駕駛，汽車只負責執行命令并不進行駕駛干預。

L1：駕駛支援，自動系統有時能夠幫助駕駛員完成某些駕駛任務，且只能幫助完成一項駕駛操作。駕駛員需要監控駕駛環境并準備隨時接管，如車道保持系統、定速巡航系統等。

L2：部分自動化，自動駕駛系統有多項功能，能同時控制車速和車道。駕駛員需要監控駕駛環境并準備隨時接管，如，自適應巡航系統等。

L3：有條件自動化，在條件許可的情況下，車輛可以完成所有的駕駛動作，并具備提醒駕駛員的功能。駕駛員無須監控駕駛環境，可以分心，但不可以睡覺，需要隨時能夠接管車輛，以便隨時應對可能出現的人工智能應對不了的情況，如激光雷達、高精度地圖、中央處理器等。

L4：高度自動化，完全自動駕駛，駕駛者可以有、也可以沒有，但依然在特定的場景下實現，如激光雷達、高精度地圖、中央處理器、道路智能化基礎設施等。

L5：完全自動化，完全自動駕駛，且在任何場景都可以（待研發中）。

仔細看自動駕駛的分級標準，細心的讀者會發現，人類駕駛員參與操作汽車的內容，隨著級別的升高而逐級減少，直到完全不參與。這其中的關鍵分界線就存在于L3和L4之間。自動駕駛不等于無人駕駛，真正意義上的“無人車”，應該至少達到L4級別，才是名副其實的無人駕駛。

我們不由得會問，一輛“無人車”是如何自如地行駛在道路上的呢？拋開無人駕駛神秘的技術面紗，其中的核心原理并不難理解。人類司機駕駛一輛汽車的最關鍵動作分3部分：觀察路況、判斷形勢和做出反應。人類可以自己獨立完成這3項任務，但是一輛“無人車”需要通過專業的工具分別實現以上3項功能。

因此，可以把自動駕駛系統劃分為3個部分：感知層、決策層和控制層，分別負責這3項任務。

● 感知層：司機的眼睛和耳朵，用來掌握車輛周圍的環境情況，需要使用到激光雷達、毫米波雷達、攝像頭、GP S等器件以及高清數字地圖軟件。

● 決策層：司機的頭腦，通過感知層傳來的信息，運用算法進行分析決策，并向控制層輸出調整車速和方向的指令，需要使用具備人工智能算法的系統平臺，能夠通過復雜的算法模型高速運算車輛傳感器采集的海量數據，是自動駕駛的核心要素。

● 控制層：司機的手腳，接收來自大腦的指令，控制車輛的制動踏板、加速踏板和方向盤等，按照既定要求調整車速和方向。

如今，在自動駕駛領域，存在兩種理念，分別對應兩類不同的技術路線。一類是以谷歌、北京百度科技有限公司（以下簡稱百度）為代表的互聯網公司，主張越過L1～L3級別，利用深度學習直接研制出具備L4級別的無人車，我們叫它“一步到位”的激進派；另一類是有著深厚百年汽車制造功底的日美歐車企，主張從輔助駕駛逐步過渡到自動駕駛，先做到L3級別，我們叫它“循序漸進”的穩健派。

（1）激進派

谷歌早在2005年就涉足了無人駕駛領域，由斯坦福大學人工智能實驗室的主任、谷歌街景地圖服務的創造者之一塞巴斯蒂安·特龍（Sebastian Thrun）領導研發。憑借自身強大的人工智能算法實力，谷歌無人駕駛項目一路走來，遙遙領先于其他競爭對手，2012年獲得美國首個無人駕駛車輛許可證，2016年更是拆分出獨立的子公司Waymo，專門運營無人駕駛業務。2017年，Waymo獲得了美國國家高速公路交通安全機構的認定文件，正式允許真人乘坐無人車。

在國內無人駕駛領域，百度處于領先地位。百度仿照“安卓系統”，走的是開放平臺路線。2017年，百度推出向全球開發者和汽車產業免費開放的Apollo平臺，平臺上提供具備L3、L4級別的自動駕駛功能模塊，與汽車產業合作研發無人駕駛汽車，目前在全球范圍內擁有大約180家合作伙伴，其中包括戴姆勒、寶馬、博世等汽車及配件行業巨頭。Apollo被業內稱為是無人駕駛領域的“安卓系統”。

（2）穩健派

穩健派主要是傳統車企，作為汽車產業的中堅力量，車企才是自動駕駛技術最終的落腳點。由于常年深入在汽車行業，對汽車本身的理解與新進入的互聯網公司并不相同，傳統車企更看重的不是先進技術，而是行車安全，這讓大部分車企對待自動駕駛技術沒有那么理想化和激進，反而更加謹慎和穩妥，主張從輔助駕駛技術入手，一步步走向無人駕駛。

盡管人工智能掀起的無人駕駛熱潮引起了眾多資本和媒體關注，但車企本身依然依托自身成熟的研發和生產系統，將新的技術有效融入其中，以輔助人類獲得更好的駕駛體驗和更高的安全系數作為目標。

無人駕駛依賴于人工智能技術，特別是深度學習，百度和谷歌以搜索引擎公司起家，自帶AI技術基因，無人駕駛起步早、跑得快也在情理之中。而傳統車企的優勢在于硬件制造，也就是自動駕駛的控制層上。雙方的出身基因不同，決定了對待自動駕駛這類新事物的看法和行動側重點也不同。但兩大派別并不是競爭關系，很大程度上需要雙方廣泛的合作，發揮各自在軟硬件上面的優勢，才能造出讓用戶放心的無人車。