落地面臨技術與法律的挑戰 低速自動駕駛汽車或成量產起點

9月6～7日，由北京佐智汽車技術有限公司、佐思智能汽車研究院主辦的2017北京車聯網與智能駕駛論壇在北京召開。來自博世、大陸、百度等企業以及中國科學院自動化研究所、長安大學、重慶大學等研究院所的專家和代表齊聚一堂，重點討論車聯網及智能駕駛技術難題，以及自動駕駛的未來應用場景。

今年上半年，工信部、發改委、科技部印發的《汽車產業中長期發展規劃》再次明確了智能網聯汽車的發展目標：到2020年，汽車DA（駕駛輔助）、PA（部分自動駕駛）、CA（有條件自動駕駛）系統新車裝配率超過50％，網聯式駕駛輔助系統裝配率達到10％，滿足智慧交通城市建設需求。到2025年，汽車DA、PA、CA新車裝配率達80％，其中PA、CA級新車裝配率達25％，高度和完全自動駕駛汽車開始進入市場。汽車行業能順利完成目標嗎？還面臨哪些技術挑戰？如何實現自動駕駛的最終落地？

■落地面臨技術與法律的挑戰

“自動駕駛近幾年非常火爆，不談這個話題都不好意思參加汽車行業的會議。”縱目科技（上海）股份有限公司戰略與市場副總裁陳超卓表示，近年來自動駕駛技術發展迅速，部分企業甚至提出了激進的發展目標，比如福特前總裁馬克·菲爾茲號稱，該公司2021年量產L4自動駕駛汽車。

在陳超卓看來，隨著業界對自動駕駛認知逐步回歸理性，2021年實現全路況自動駕駛的目標存在極大的挑戰。“現在新的趨勢是整車企業不再提全路況的L4級別自動駕駛，如果一定要提及，必定要加一個地理圍欄的概念。”他說。

據介紹，本世紀初國際上開始出現自動駕駛的分級標準。國際自動機工程師學會（SAE，原稱美國汽車工程師學會）給出的標準得到了公認：L0代表無自動駕駛，由人類駕駛員全權操控汽車，緊急時刻駕駛員可得到警告或干預系統的輔助，如碰撞警報；L1代表駕駛支援，即對方向盤或者加減速中的一項操作提供駕駛支持，其他的駕駛動作由駕駛員完成，如自動防碰撞、定速巡航等功能；L2為部分自動化駕駛，即對方向盤和加減速中的多項操作提供駕駛支援，其他的駕駛動作都由駕駛員完成，高級駕駛輔助系統（ADAS）就屬此類；L3為有條件的自動駕駛，即在特定駕駛模式下由自動駕駛系統完成所有動態駕駛任務，但期望人類駕駛員正確響應請求并接管操控；L4為高度自動駕駛，即在特定駕駛模式下由自動駕駛系統完成所有動態駕駛任務，即便人類無法正確響應請求并接管操控；L5為完全自動駕駛，即駕駛系統在全部時間、全部路況和環境條件下完成所有駕駛任務。

“L3面臨法律上的挑戰，L4面臨技術上的挑戰。”陳超卓認為，按照SAE給出的L3定義，駕駛員可以撒手開車，但又要準備隨時接管，這在駕駛邏輯中存在悖論，說明SAE在設計標準時就存在漏洞，L3并非必須要走的路徑。他直言：“既可以閉眼休息，同時又要全神貫注地隨時待命，消費者會多花幾千美元買這種車嗎？”

L4的技術挑戰體現在哪里？谷歌前自動駕駛負責人Chris Urmson曾指出，理解人類意圖是自動駕駛的根本挑戰。自動駕駛汽車要預測的多為隨機性事件，這對機器提出了嚴峻的技術性挑戰。陳超卓舉例道：“傳感器或深度學習機器或許可以準確預測車輛前方送外賣人員的性別，但對于其下一步的運動軌跡卻很難把握并在片刻間做出正確響應。”因此，不少業內人士認為，自動駕駛汽車在極端工況下，近期還難以突破技術瓶頸。

■低速自動駕駛汽車或成量產起點

實現全工況下的自動駕駛，無疑難度巨大。基于以上論斷，陳超卓提出了“地理圍欄”的概念。“我們可以仿照SAE分級概念，從最簡單到最復雜的地理場景，制定路況級別標準。”他說。

按照不同的自動駕駛場景，陳超卓將“地理圍欄”分為五個級別。第一個級別為無人、低速、車流少，比如停車場、機場、礦山等場景；第二個級別為少人、低速車流小的公司園區，或無人、車流少的長途高速路段；第三級為少人、低速、車流大的城市道路，或近郊的高速公路；第四級為城市高架路或市中心道路；最復雜的第五級地理圍欄則為人多、交通環境雜亂的城鄉結合部地區。

據介紹，按照自動駕駛的L0～L5級別及地理圍欄兩個維度的進行判斷分析，就能大致規劃出自動駕駛的落地時間。“低級別、低地理圍欄的自動駕駛汽車已經量產，或近期就可落地；中、高級別的自動駕駛則需要制定中、長期發展目標。”

“自動駕駛汽車的研發方向，無非是載人、非載人以及低速和高速車輛等方向。”北京智行者科技有限公司聯合創始人兼CEO張德兆認為，自動駕駛應該從低速專用車做起，比如低速物流配送車或固定路線的載人車輛；自動駕駛汽車首先要強調其工具屬性，之后逐步發展低速載人領域的車輛，最后進入高速載人領域。

“大部分人認為自動駕駛的實現是比較遙遠的事情，完全自動駕駛要等到2025年甚至需更長時間。不過，自動駕駛在特定場景的市場化應用今年就可實現。”張德兆告訴記者，首先低速自動駕駛車輛基本不受法律法規的限制；其次，低速自動駕駛車輛的行駛環境一般可以預知，技術風險可控。

北京踏歌智行科技有限公司副總經理周華生則認為，我國每年新生產重型卡車約50萬輛，其中10％～20％在相對固定的路線上從事運輸，很有可能成為自動駕駛落地的對象之一。與自動駕駛技術運用在乘用車上相比，踏歌智行采用的自動駕駛機器人更偏向工業場景。據周華生介紹，這些場景的特點是危險性高、路線重復性強以及精確性高。比如礦區運輸、碼頭運輸、危險品運輸、機場碾壓、景區觀光等。

■測試條件有待規范和成熟

今年7月初，百度研發的自動駕駛汽車在北京五環路行駛被交警查處的事件引發熱議。在目前的法律法規下，我國尚不允許自動駕駛汽車上路測試。但自動駕駛汽車研發的推進離不開路測，因此建立封閉的測試區成為本次論壇重點討論的話題之一。

重慶大學通信工程學院副教授韓慶文全面闡述了自動駕駛V2X測試面臨的挑戰。她認為，目前V2X測試存在著嚴重的行業隔閡。“到底自動駕駛測試是以測車為主還是以測通信為主？在自動駕駛測試過程中，與汽車行業人士溝通的難度或許不大，但與通信行業的人員溝通則存在較大障礙。”韓慶文說，“汽車行業與通信行業有各自的測試規程，這其中存在著行業隔閡。”通信行業的測試重點在于單個零部件系統，在與整車融合過程中還需要經過整車級測試，最終的結果如何目前不可預知。

此外，還有一個問題也被擺到桌面上：國內的自動駕駛測試場地是否具備商用的測試能力？據韓慶文了解，答案是否定的。她還提出：“在整個自動駕駛測試環節，每個測試盒子都有獨立的結構，而不同的測試盒子擁有不同的數據包結構，那么遠程用戶單元（RSU）怎么辦？因為一旦有遮擋物的時候，必須要有RSU做轉化。”而從技術層面上來看，自動駕駛測試場景的不可重復性，外場參數的采集困難及實驗室內測的成本問題成為目前難以跨越的障礙。

據了解，由上海汽車城承擔的首個國家級智能網聯汽車試點示范區已經投入建設，該試點將從封閉測試區逐步開放到城市道路、典型城市和城際走廊，進而形成系統性評價體系和綜合性示范平臺，這意味著自動駕駛汽車的測試可覆蓋各種工況，完成技術和原始數據的積累。