這些空間會增加人們的居住場所或工作場所

首先為滿足全自動駕駛技術(shù)的要求，激光雷達還未能實現(xiàn)低成本量產(chǎn)；其次交通物聯(lián)網(wǎng)的V2X技術(shù)及基礎(chǔ)設(shè)施也還未開始研發(fā)建設(shè)。最后，如果無人駕駛汽車面臨一場不可避免的車禍，左轉(zhuǎn)是兒童，右轉(zhuǎn)是孕婦，那么它該如何選擇？涉及到道德的問題一直在等待著法規(guī)的完善。不過軟件部分的高精度地圖與自動駕駛的算法已經(jīng)獲得了較大的發(fā)展，這讓自動駕駛的實現(xiàn)有了堅實的基礎(chǔ)。

樂觀來看，10到20年之內(nèi)自動駕駛技術(shù)將會普及，而自動駕駛時代的到來會比過去任何一次技術(shù)進步都更能對我們的生活產(chǎn)生顛覆式的影響。

首先，我們對汽車的消費模式將會發(fā)生較大的變化，而這一變化又將深刻改變汽車產(chǎn)業(yè)的發(fā)展格局。其次，伴隨著事故率的降低，加速了車險行業(yè)的改革，我們的通勤、出行習慣也會產(chǎn)生較大改變，并且自動駕駛汽車?？啃枨蟮母淖円矊屵^去的停車場不復(fù)存在。這樣城市的結(jié)構(gòu)、商業(yè)設(shè)施的布局都會讓我們的生活發(fā)生翻天覆地的變化。

谷歌曾認為從2級自動駕駛做起來的特斯拉，因為出于成本考慮并沒有采用激光雷達，它就像青蛙一樣，即使跳的再高再快，也不能“飛”。但直接開發(fā)5級自動駕駛的“天鵝”谷歌，雖然解決了所有技術(shù)問題，但他們的成本太高，普通家庭難以支付。那么到底什么是自動駕駛等級？實現(xiàn)自動駕駛的硬件又是什么？今天我們和星河研究院分析師吳極與你一同分享我們關(guān)于無人駕駛技術(shù)硬件設(shè)備方面的研究，下周我們將會與你討論自動駕駛領(lǐng)域的軟件應(yīng)用及未來，希望對你有所幫助。

1. 高精度預(yù)計算地圖，壟斷 vs 競爭

自動駕駛是目前汽車產(chǎn)業(yè)乃至科技行業(yè)中受關(guān)注度最高的技術(shù)之一，此前A16Z的合伙人Frank Chen便在一場活動中講到了對自動駕駛技術(shù)產(chǎn)業(yè)鏈，以及對未來在自動駕駛技術(shù)影響下的社會與經(jīng)濟等多方面變化的看法。借著他的觀點，星河研究院吳極又增加了一部分內(nèi)容與分析，我們今天就來探討一下，自動駕駛技術(shù)，準備好了嗎？

一步到位 vs 迭代升級

美國汽車工程師協(xié)會(SAE)提出了自動駕駛的6個等級，目前大多數(shù)汽車尚處在第一級中。圍繞著這一分級自動駕駛產(chǎn)生了兩種不同的發(fā)展路徑，其中百度與Google的無人車是想要直接發(fā)力第五級，實現(xiàn)全自動駕駛的功能，而Tesla目前的自動駕駛技術(shù)路線應(yīng)該是想要偏向于盡快量產(chǎn)實用，再隨著技術(shù)的進展不斷的迭代升級。

第0級 有司機來實現(xiàn)駕駛這一級不需要任何自動駕駛能力，而是需要專門的司機駕駛汽車。

第1級 能夠進行一些輔助這些汽車有著包含ABS、自動巡航在內(nèi)的功能，基于這些功能車輛能夠在一些特定環(huán)境下維持行駛的狀態(tài)。

第2級 半自動駕駛在這一級別中，汽車的控制系統(tǒng)可以在特定情況下接管汽車，但司機還是需要坐在駕駛位并全程監(jiān)控駕駛情況。一般情況下這一功能適用于高速公路場景，司機不需要操作，但需要坐在駕駛位并確保汽車自動控制程序一直能夠保持穩(wěn)定。

第3級 部分情況下能夠自動駕駛該水平意味著駕駛員不必一直監(jiān)視系統(tǒng)，但依然需要呆在能夠快速控制并恢復(fù)汽車行駛狀態(tài)的位置。這意味著駕駛員不需要時刻把手放在方向盤上監(jiān)控情況，但能夠在系統(tǒng)判定緊急情況并發(fā)出警報后及時接管。

第4級 高度自動化由自動駕駛系統(tǒng)完成特定場景或一段路途中絕大部分的駕駛，在這一級別中駕駛員已經(jīng)不需要對自動駕駛狀態(tài)做任何干擾。

第5級 全自動駕駛最高級別的自動駕駛技術(shù)，這意味著在全部旅途、全部情況下都不需要司機的干預(yù)，自動駕駛程序就能夠獨自完成所有情況的處理，此時也將會淡化司機這一角色。

傳感器、車聯(lián)網(wǎng)與基礎(chǔ)設(shè)施互聯(lián)設(shè)備作為必要的硬件設(shè)備構(gòu)成了技術(shù)的一大發(fā)展方向，同樣為無人駕駛汽車提供駕駛算法以及車用高精度地圖的軟件業(yè)務(wù)也是技術(shù)發(fā)展中不可或缺的必要環(huán)節(jié)。

實現(xiàn)自動駕駛汽車的必要硬件設(shè)備

本地化是一個計算機科學的術(shù)語，意味著軟件將會依據(jù)其周圍的環(huán)境條件選擇合適的執(zhí)行策略。

首先，傳感器是至關(guān)重要的硬件設(shè)備，對于自動駕駛汽車來說相當于它的眼睛。通過傳感器無人駕駛汽車能夠識別道路、其他車輛、行人、障礙物及交通基礎(chǔ)設(shè)施。目前傳感器主要分為激光雷達、傳統(tǒng)雷達和攝像頭這三個部件，在應(yīng)用層面攝像頭又有單目和雙目之分。

激光雷達：

激光雷達目前是被采用比例最大的設(shè)備，Google、百度、Uber等公司的自動駕駛技術(shù)目前都依賴于它，這種設(shè)備被架在汽車的車頂上，能夠用激光脈沖對周圍環(huán)境進行距離檢測，并結(jié)合軟件繪制3D圖，從而為自動駕駛汽車提供足夠多的環(huán)境信息。

但目前的問題是激光雷達的價格高達80000美元，在其降低成本之前不可能被量產(chǎn)的自動駕駛汽車采用。好在目前已經(jīng)有一些方案能夠降低激光雷達的成本，例如將上述“機械”式的激光雷達改變?yōu)椤肮虘B(tài)”激光雷達。

固態(tài)激光雷達能夠通過電子部件進行相控陣掃描，并不需要依靠內(nèi)部機械部件的旋轉(zhuǎn)，這樣不僅能把激光雷達越做越小，也控制住了成本。目前全固態(tài)激光雷達的主要研發(fā)廠商有Quanergy、以色列的Innoviz以及TetraVue等企業(yè)，但均未實現(xiàn)量產(chǎn)，Quanergy宣布其純固態(tài)激光雷達已經(jīng)在進行測試，如果順利的話2018年初可實現(xiàn)量產(chǎn)。

而前不久接受了百度與福特投資，目前是機械旋轉(zhuǎn)式激光雷達最大企業(yè)的Velodyne，僅開發(fā)出“混合固態(tài)激光雷達”，而這一產(chǎn)品還是要靠內(nèi)部的機械部件實現(xiàn)360°的高速旋轉(zhuǎn)，僅僅實現(xiàn)了產(chǎn)品的小型化，算是過渡產(chǎn)品。國內(nèi)企業(yè)鐳神智能、禾賽科技及北科天繪也推出了內(nèi)部旋轉(zhuǎn)式的混合固態(tài)激光雷達產(chǎn)品。

傳統(tǒng)雷達與攝像頭：

由于激光雷達的高昂價格，走實用性技術(shù)路線的特斯拉便采取了更加切合實際的路線發(fā)展其“輔助駕駛”功能，其采用的硬件便是傳統(tǒng)的雷達和單目攝像頭。這一設(shè)備其硬件原理與目前車載的ACC自適應(yīng)巡航系統(tǒng)類似，依靠覆蓋汽車周圍360°視角的攝像頭及前置雷達來識別三維空間信息，從而確保交通工具之間不會互相碰撞。

國內(nèi)的高德地圖也已經(jīng)在推進地圖數(shù)據(jù)的高精度化，在未來高德希望能夠利用高精地圖數(shù)據(jù)支撐自動駕駛的發(fā)展，自動駕駛再產(chǎn)生新的數(shù)據(jù)，經(jīng)過科學自動化的處理，變得更新更準，更能被機器電腦使用和學習的數(shù)據(jù)，最終形成高精地圖數(shù)據(jù)的生產(chǎn)閉環(huán)。地圖行業(yè)及自動駕駛領(lǐng)域的巨頭百度也早有布局，目前高精度地圖已經(jīng)是百度最重要的戰(zhàn)略性業(yè)務(wù)之一。

目前基于單目攝像頭的半自動駕駛系統(tǒng)還遠未成熟，此前特斯拉導(dǎo)致駕駛員死亡的事故便是因為其單目攝像頭誤將掉頭的白色集裝箱貨車錯誤的識別為了空中的白云而未能及時剎車。

雙目攝像頭的測距方式則是通過對圖像視差進行計算，直接對前方景物進行距離測量。雙目攝像頭的原理與人眼相似，難點在于計算量大，對計算單元的性能要求非常高，這使得雙目系統(tǒng)的產(chǎn)品化、小型化的難度較大。因此目前寶馬i3、特斯拉以及日產(chǎn)ProPilot等自動駕駛技術(shù)均采用了單目攝像頭設(shè)備。

星河研究院預(yù)計，短期內(nèi)基于雙目攝像頭的算法與處理器將會得到較快的發(fā)展與自動駕駛汽車產(chǎn)業(yè)的青睞，但其低解析度、相對激光雷達準確性較低的特點在面對未來成本不斷降低的激光雷達的競爭中很大概率要敗下陣來，因此不出意外的話實現(xiàn)第五級別的全自動駕駛功能很大概率還是要建立在激光雷達技術(shù)之上。

2. V2X vs 紅綠燈

V2X是一個能夠讓車輛與周圍的移動交通控制系統(tǒng)通信的技術(shù)，V2V技術(shù)則允許車輛與其他車輛互相通信。這是未來全自動駕駛汽車所依賴的一項技術(shù)，但遺憾的是相比于火熱的傳感器領(lǐng)域，V2X技術(shù)的研發(fā)創(chuàng)新還很冷清。

通過 V2X 技術(shù)，道路上的汽車彼此間可以通過開放頻段交換數(shù)據(jù)，具備了與其他汽車和路邊基礎(chǔ)設(shè)備分享實時駕駛信息以及生成預(yù)測路況信息的能力。

通過實時共享汽車駕駛數(shù)據(jù)，在同一條道路上的汽車就能共享自己的實時位置以防止交通事故，交通信號設(shè)施也可以依據(jù)車輛的通行需求合理安排交通順序，降低車輛的等待時間，而V2P 技術(shù)則能讓行人和自行車騎行者也加入到這個 V2X 的環(huán)境中來，使用他們的手機來發(fā)送和接收警示信息，保證行人的安全通行。

更大膽的設(shè)想是，如果汽車之間可以互相通信，并且實現(xiàn)了完全的自動駕駛，那么紅綠燈便沒有理由繼續(xù)存在了。沒有了紅綠燈后，交通設(shè)施將會需要智能的調(diào)度算法和對交叉路口極嚴密的監(jiān)控，但相比于交通運輸效率的提升，這些設(shè)施的成本就不是問題。

另外在一些情況下車輛能夠提早的預(yù)判危險情況，如果一定會發(fā)生事故或是在車輛已經(jīng)確認遭遇撞擊后可以通過V2X系統(tǒng)廣播信息求助，從而極大的提升車內(nèi)人員被救治的效率。

根據(jù)美國交通部的數(shù)據(jù)，V2X 技術(shù)能夠降低 80% 的交通事故率。僅僅在美國，這就將每年減少 59.4 萬次交通事故并拯救多達 1321 條人命。

除了上述對硬件的需求外，自動駕駛技術(shù)更離不開軟件方面的突破。高精度地圖是實現(xiàn)自動駕駛的基礎(chǔ)資源，而機器學習與工程算法則是使高精度地圖、傳感器與V2X設(shè)施所獲得的數(shù)據(jù)真正實現(xiàn)價值的手段。

自動駕駛汽車在軟件方面的需求

以下，供你參考。

現(xiàn)在每個人出行都會用谷歌地圖、蘋果地圖、百度地圖及高德等產(chǎn)品，并且他們都有一個不錯的準確度令我們在城市中可以便捷的通行。但令人類用戶滿意的地圖精度距離滿足自動駕駛汽車的需求還很遠，因為他缺乏了路面上有幾條車道、車道的邊緣位置、隔離帶與路障位置等極為具體的信息。

因此給自動駕駛汽車開發(fā)其專用的高精度地圖便成為了必不可少的任務(wù)。國內(nèi)外較大的地圖提供商目前都已經(jīng)在高清地圖領(lǐng)域展開了積極的行動，意圖盡快的占領(lǐng)自動駕駛汽車用地圖市場更多的份額。

每個城市都有不同的駕駛習慣，所以未來自動駕駛汽車如何處理好本地化問題成為了其實際應(yīng)用前必須突破的障礙。如果算法不能夠做到本地化，那么在班加羅爾適用的自動駕駛安全措施很明顯將會在波士頓造成嚴重的交通擁堵，其他城市亦然。

HERE生產(chǎn)高清地圖的策略與Google類似，這兩家公司目前都是一次性采集一整個街區(qū)的數(shù)據(jù)。HERE通過車頂安裝的四個廣角的24 兆像素攝像頭、旋轉(zhuǎn)式的激光雷達、陀螺儀以及GPS 系統(tǒng)，依靠自有算法能夠生成高清地圖。按照Here的預(yù)期，用于自動駕駛高清地圖服務(wù)預(yù)計將在2020年能夠上線。

具體來說，單目攝像頭先通過圖像匹配進行目標識別，再通過目標在圖像中的大小去估算目標距離，準確識別是準確估算距離的第一步。因此單目識別技術(shù)需要建立并不斷維護龐大的樣本特征數(shù)據(jù)庫，如果缺乏待識別目標的特征數(shù)據(jù)，就會導(dǎo)致系統(tǒng)無法識別以及測距，很容易導(dǎo)致事故的發(fā)生。

A16Z的合伙人擔心高精度地圖會存在壟斷的機會，因為他認為在自動駕駛時代人們將不得不完全依賴于這些成本高昂地圖，且這個目前沒有法律所管轄的領(lǐng)域也急需監(jiān)督。

星河研究院認為從我國情況來看這種擔心有些多余，在國內(nèi)資本充足的現(xiàn)狀下，多家地圖企業(yè)相互競爭才是比較現(xiàn)實的情況，而其高昂的成本多半要先由風險投資商承擔，再到后期尋找合適的變現(xiàn)模式。目前高德已經(jīng)宣布其高精度地圖對自動駕駛汽車免費開放，而預(yù)計隨著競爭的加劇，為了市場份額而爭相免費的情況將不可避免。

2. 機器學習 vs 工程算法：

算法是支撐自動駕駛技術(shù)最關(guān)鍵的部分，目前主流自動駕駛公司都采用了機器學習與人工智能算法來實現(xiàn)。

而海量的數(shù)據(jù)是機器學習以及人工智能算法的基礎(chǔ)，通過此前提到的傳感器、V2X設(shè)施和高精度地圖信息所獲得的數(shù)據(jù)，以及收集到的駕駛行為、駕駛經(jīng)驗、駕駛規(guī)則、案例和周邊環(huán)境的數(shù)據(jù)信息，不斷優(yōu)化的算法能夠識別并最終規(guī)劃路線、操縱駕駛。

現(xiàn)在面臨的主要問題是相比于模型計算，真實行駛場景中的算法需要的數(shù)據(jù)過多且計算量超出了現(xiàn)有能力。目前已經(jīng)有了不少對機器學習進行簡化的嘗試，例如OpenAI的Universe這一項目，未來這一問題或許能夠通過近似簡化以及計算能力的提高得到解決。

同時在機械以及路徑規(guī)劃方面較為優(yōu)秀的工程算法也不應(yīng)該被棄之不顧。這兩者最主要的區(qū)別是工程算法依靠固定的邏輯及規(guī)則運行，而機器學習能夠結(jié)合歷史經(jīng)驗與數(shù)據(jù)計算出最優(yōu)結(jié)果。

Boston Dynamics令人驚嘆的機器人的算法中并沒有使用機器學習技術(shù)，但依然擁有了令人印象深刻的成果。因此即使工程算法在執(zhí)行效率上與基于深度學習算法的Alpha-Go并不在一個水平，但將兩者的優(yōu)點相結(jié)合依然能夠有效的提升機器學習的最終效果。

3. 算法通用化 vs 本地化：

1. 激光雷達 vs 傳統(tǒng)雷達與攝像頭

高清地圖服務(wù)商一般先要使用類似于谷歌街景車的技術(shù)，用車頂上的高清相機、雷達等設(shè)備把周圍環(huán)境全部掃描記錄，再通過算法優(yōu)化最終得到厘米級別的地圖數(shù)據(jù)。

但我們無法為每一個不同駕駛習慣的地區(qū)都編寫特定的算法，因此能夠?qū)崿F(xiàn)本地化的自適應(yīng)綜合算法成為了關(guān)鍵，這種自適應(yīng)算法要做到能夠通過學習社會習俗及典型的當?shù)厝祟愋袨閬硎棺詣玉{駛汽車獲得更好的表現(xiàn)。

自動駕駛技術(shù)在普及過程中，以及完全實現(xiàn)后將會對社會造成的影響

出行是人們生活中最基本的需求之一，因此隨著自動駕駛技術(shù)的逐布實現(xiàn)，我們的生活也將產(chǎn)生巨大的變革，而涉及到出行行業(yè)的汽車制造、出行服務(wù)商、保險、市政等等環(huán)節(jié)都會發(fā)生巨大的變革。

1. 傳統(tǒng)汽車廠商 vs 互聯(lián)網(wǎng)公司

汽車產(chǎn)業(yè)是一個龐大的鏈條，涉及到了上下游無數(shù)的零配件制造與配送體系，其影響范圍僅次于房地產(chǎn)業(yè)。老牌汽車廠商們擁有的全套汽車制造基礎(chǔ)設(shè)備，豐富的汽車設(shè)計、制造經(jīng)驗以及熟練的流水線運行管理經(jīng)驗都是其相對于跨界造車的科技創(chuàng)新企業(yè)的優(yōu)勢。

并且傳統(tǒng)汽車廠商已經(jīng)認識到未來汽車產(chǎn)業(yè)的創(chuàng)新發(fā)展主要是基于軟件基礎(chǔ)之上的，因此他們積極的在硅谷設(shè)立辦公室，高薪雇傭IT技術(shù)人員。例如福特汽車就在硅谷設(shè)立了自動駕駛研究與創(chuàng)新中心，而寶馬此前更是另辟蹊徑選擇了與百度進行自動駕駛的技術(shù)合作。

但科技創(chuàng)新企業(yè)的機會也依然很大。通過靈活超前的設(shè)計理念以及優(yōu)秀的軟件開發(fā)能力，一大批的初創(chuàng)科技型造車企業(yè)涌現(xiàn)，蔚來汽車下線的超跑打破了全球最快電動車速度記錄且已經(jīng)在實際道路開展自動駕駛路試，行業(yè)領(lǐng)頭羊特斯拉更是宣稱其2018年將具備年產(chǎn)50萬輛汽車的規(guī)模，且這些汽車都可以選配最新的輔助駕駛功能。

國內(nèi)廠商在自動駕駛領(lǐng)域也構(gòu)成了一極，科技創(chuàng)新類公司中，車和家同蔚來汽車一樣也在實驗自動駕駛技術(shù)并希望將其盡快量產(chǎn)，百度等軟件公司在自動駕駛算法及硬件上也有著很高的技術(shù)壁壘，傳統(tǒng)主機廠商中上汽、北汽、長安都對自動駕駛技術(shù)有著大額的投入，且長安作為第一家進行實車展示的主機廠商其自動駕駛汽車已經(jīng)有超過1萬公里的測試里程。中國作為世界上深度學習論文發(fā)表數(shù)量最多的國家，其自動駕駛技術(shù)十分值得市場的期待。

2. 購買汽車 vs 購買服務(wù)

如果作為消費者的我們把從汽車制造商購買汽車的習慣，轉(zhuǎn)變?yōu)橄蝾愃芔ber和Lyft這樣的出行公司購買交通服務(wù)，這將會令汽車制造商從以往的B2C模式轉(zhuǎn)型為B2B公司，即制造商向出行公司提供設(shè)備，而出行公司向消費者提供服務(wù)。

可以預(yù)見汽車工業(yè)的發(fā)展會更類似于航空業(yè)，消費者不會關(guān)心駕駛何種汽車出行，只需要在服務(wù)平臺發(fā)布需求并等待接單即可。

需要注意的是隨著商業(yè)模式的變化，是否未來自動駕駛汽車也會和飛機一樣千篇一律毫無特點，以便于出行服務(wù)公司壓縮成本節(jié)省開支呢？這一現(xiàn)象或許將會對汽車制造行業(yè)產(chǎn)生較大的負面影響。

3. 汽車保險，保汽車 vs 保硬件

在如今每25起交通事故中，有24起都是因為人為錯誤而發(fā)生的，比如說超速、分心駕駛、醉駕、闖紅燈等。因此現(xiàn)在的汽車保險價格，由司機所在的城市人口、居住地和購買車輛的車型、價值等數(shù)據(jù)精算得出，但未來隨著自動駕駛技術(shù)的到來，事故率顯然要趨近于0，因此保險行業(yè)的變革勢不可免。

也許未來保險的精算會基于汽車所處城市、汽車制造商是誰，或者擁有汽車或租賃汽車的人的身份來判定，而保險的模式也不一定會局限在年費這一單一場景下。但保險價格的最終計算方法目前還是無法推測，因為雖然事故率會趨近于0，但一旦發(fā)生事故，車上昂貴的激光雷達系統(tǒng)、地圖分析計算機和其他硬件設(shè)備的維修或更換將會耗費超過以往數(shù)倍的資金，因此保險公司將會面臨怎樣維修成本目前來看無法確定。

處于混合駕駛情況下的保險業(yè)將更加混亂，畢竟自動駕駛車輛與人工駕駛車輛混合存在的階段不可避免，屆時責任認定都會成為很復(fù)雜的問題。

4. 上下班，通勤 vs 步行有一個論點是未來通勤時間將會比現(xiàn)在更長，原因是通勤時間已經(jīng)不再是生活的支出成本。當所有汽車都具備自動駕駛功能的時候，交通指示燈和事故都不復(fù)存在，而我們可以利用通勤的時間在車上做任何事情。

但自動駕駛汽車和汽車服務(wù)運營商的存在也將釋放很多諸如停車場、修車店等在內(nèi)的城市空間，這些空間會增加人們的居住場所或工作場所，因此人們或許將會住在距離工作地點很近的地方，而不像今天一樣需要長距離通勤。

一些業(yè)內(nèi)人士預(yù)測自動駕駛的時代將會在2020—2040年到來，我們將會在有生之年看到這一奇妙的世界，對于大眾來說從現(xiàn)在就做好準備迎接未來是當下最好的選擇。

電池網(wǎng)人禾網(wǎng)首頁 >