【導讀】如果說 2016 年上半年 VR 還可以算得上一項備受追捧的新興技術(shù)，在 2016 年的下半年，VR 退燒后無人駕駛徹底火了。年初的特斯拉駕駛輔助致死事故將普通人的關(guān)注度吸引到了自動駕駛這里，越來越多的傳統(tǒng)車廠、制造商和新造車運動中的互聯(lián)網(wǎng)公司紛紛公布自家在自動駕駛領(lǐng)域的進展。
但究竟什么是自動駕駛？自動駕駛是通過怎樣的原理和技術(shù)實現(xiàn)的？為什么說自動駕駛要想全面使用，人們所要發(fā)展的不僅僅是單獨的無人車技術(shù)？下面這些文字試圖用最簡單的方式來解答這些問題。
什么是自動駕駛？
人們對于自動駕駛最早的誤解，其實源于一些媒體的誤讀。很多媒體把 Autopilot 這一詞簡單簡單拆解為“Auto”和“pilot”兩個詞匯，并將中文意思曲解為自動駕駛。
仍然需要人類做出關(guān)鍵決策的特斯拉駕駛輔助系統(tǒng)
然而其實 Autopilot 這個詞源于飛機、列車、輪船領(lǐng)域的輔助駕駛系統(tǒng)。維基百科也給這個詞做了明確的定義：
An autopilot is a system used to control the trajectory of a vehicle without constant ‘hands-on’ control by a human operator being required.
駕駛輔助是一個用來控制載具軌道而無須人工一直干預的系統(tǒng)。
這句話里面的關(guān)鍵詞其實是“constant”持續(xù)的。也就是說，Autopilot 所代表的駕駛輔助系統(tǒng)是不需要人類持續(xù)干預的，但是仍然需要人類做出某些干預，比如關(guān)鍵性的決策等，機器只是在一旁輔助。
不需要人類駕駛員做出決策的 Uber 全自動駕駛車
而關(guān)于我們大眾所認知的自動駕駛，或者說全自動駕駛，在維基百科中同樣也有相關(guān)的定義。我們所認知的無人駕駛車，準確的說應該叫做“Autonomous car”。
而這一概念的定義是：
An autonomous car (driverless car, self-driving car, robotic car) is a vehicle that is capable of sensing its environment and navigating without human input.
自動駕駛車（無人駕駛車，自駕駛車，機器人車）是能自動感應周圍環(huán)境并且無需人干預而自動導航的載具。
與對于駕駛輔助的定義類似，無人駕駛車概念的關(guān)鍵支持在于無需人類干涉。也就是說機器會自動感知，自動做出決策并且自動駕駛。
Google 自動駕駛車
所以這樣來說，自動駕駛究竟是什么的定義問題就變得格外簡單了。駕駛輔助和自動駕駛，最主要的區(qū)別在于人的參與度，前者需要人參與，而后者完全不需要人參與。
如果我們只說人的參與度的問題，就會出現(xiàn)界定技術(shù)是否屬于自動駕駛的禿頭悖論（究竟拔掉多少根頭發(fā)才算禿頭）。所以為了更為清晰地做出界定，美國汽車工程師協(xié)會（SAE）和美國高速公路安全局（NHTSA）對自動駕駛做了分級。為了讓自動駕駛的分級更加直觀，愛范兒（微信號：ifanr）整理了這樣一張圖表：
從圖表中我們可以看出，我們所期望的全自動駕駛車輛其實在分級上屬于 SAE 的 Level 4-5、NHTSA 的 Level 4 車型，是基本不需要人類做任何駕駛決策的。
了解了究竟什么才是自動駕駛，我們再來看看自動駕駛是通過什么技術(shù)實現(xiàn)的。
自動駕駛是如何實現(xiàn)的？難點在哪兒？
其實單純從硬件技術(shù)層面來看，自動駕駛的原理并不算特別復雜。用最簡單的話說，找一臺車子來改裝一下（電動車比較好改一點且性能可控性更好），加幾個傳感器，再塞一套開源的自動駕駛計算平臺，好，這就搞定了。
- 傳感器
傳感器是自動駕駛車的眼睛，用于收集汽車周圍的信息。歸納來看，目前主流的自動駕駛車其實也就是使用了三種傳感器：LiDAR 激光雷達、攝像頭、和傳統(tǒng)雷達。
Velodyne 激光雷達
三種傳感器各有各的優(yōu)勢，早就運用在車輛倒車雷達上的傳統(tǒng)雷達成本相對較低，穿透性較強且不受雨霧等環(huán)境的影響，但弱點在于覆蓋范圍較小且難以對周圍物體做出精準的判斷。LiDAR 激光雷達的優(yōu)勢在于可以通過旋轉(zhuǎn)的激光射線束，構(gòu)建出車輛周圍的 3D 影像圖，但缺點是由于激光的特性，容易受到雨、塵埃、霧的影響。且最主要的，由于激光雷達加工難度比較高，產(chǎn)量小，所以售價最貴。一顆 64 線激光雷達的售價就得四五十萬人民幣。
攝像頭同樣也是自動駕駛車所必備的傳感器，與兩種雷達不同，攝像頭沒有任何穿透力且需要光線，用于自動駕駛的數(shù)據(jù)是通過對攝像頭的圖樣識別得出的。不過攝像頭也是最容易受到干擾的一種自動駕駛傳感器，且一旦獲取的圖像有誤差，對最終的識別結(jié)果就會產(chǎn)生極大的影響。唯一的好處在于成本低，且目前視覺識別的方案相對來說發(fā)展得比較成熟，做無人駕駛汽車可用的也比較多。
- 數(shù)據(jù)處理
自動駕駛車上搭載的傳感器收集到的數(shù)據(jù)，都會被傳輸?shù)杰囕d電腦中進行分析和處理，最終做出決策。對于車載電腦的技術(shù)部分我們不必多說，因為自動駕駛汽車單純從原理上真的不算是什么“黑科技”，畢竟規(guī)劃路線，躲避障礙的功能目前很多掃地機器人和無人機都能實現(xiàn)。所以還是把關(guān)注的重心聚焦在實現(xiàn)自動駕駛的難點上。
自動駕駛汽車需要收集汽車周圍數(shù)據(jù)，對信息進行處理并最終做出決策，這整個過程與真人司機所要完成的過程幾乎毫無差異。所以訓練自動駕駛汽車的過程，其實就是個從菜鳥到老司機的過程。
在人工智能技術(shù)的訓練上，試錯(Trial and error) 是極為重要的方式之一，人工智能通過不斷的試錯與糾正得到進步。但這一方式換到了自動駕駛上卻幾乎不可行。行車時出現(xiàn)的事故往往是我們不能接受的，只要出了意外，輕則損失數(shù)千元，重則導致人命傷亡。由始至終，自動駕駛汽車的關(guān)鍵絕非“能否做到”，而是“能否做好”；所以目前的自動駕駛技術(shù)，大部份都是用來減低犯錯機率的。
然而少量的測試則隱藏著巨大的安全隱患，根據(jù) Google 最近的資料，他們的 58 輛無人駕駛汽車合計跑了 223 萬英里（約 338 萬公里）才犯了一點小錯，看上去出錯的幾率微乎其微，但乘上一個極大的基數(shù)，出現(xiàn)事故的數(shù)量仍是我們不能承受的。
根據(jù)調(diào)查機構(gòu) RAND 的數(shù)據(jù)，全美汽車行駛里數(shù)約 3 兆億英里（約 4.83 兆億公里），我們假設(shè)自動駕駛汽車，每跑 223 萬英里就會發(fā)生小錯，那每年 3 兆億英里的話，就是一年之內(nèi)犯了超過 160 萬次錯誤。
還有一個重要的問題是，自動駕駛?cè)羰窍胍采w更多的地方，所要收集和處理的數(shù)據(jù)就會越來越多，不同的路況會給車載電腦帶來不同的處理變數(shù)。而當人類駕駛和自動駕駛車同時行駛在路上時，不確定性就更高了，自動駕駛車做出決策的難度也會大大增加。
盡管目前自動駕駛技術(shù)仍然還在發(fā)展，但已經(jīng)給了人一個足夠美好的希望，那就是經(jīng)過訓練的自動駕駛車的駕駛技巧要比人類更好、更符合規(guī)定、反應更快。很多目前交通系統(tǒng)上存在的頑疾也可能因為自動駕駛的到來迎刃而解。
自動駕駛能減少交通事故嗎？這必須需要整個交通生態(tài)的改變
我們可以把交通事故的問題與交通擁堵的問題放在一起來看，理論上來講，這兩個問題的起因在于人類駕駛員的失誤。如果駕駛技巧更高的自動駕駛汽車介入到交通系統(tǒng)當中，那些人類可能出現(xiàn)的失誤將會被避免，可能出現(xiàn)的交通事故也被減少了。
然而事情并沒有像理論上看上去那么簡單。我們可以做個類比，地鐵這種軌道交通，其實可以算得上是一個系統(tǒng)封閉、不容易受到干擾、高度自動化僅有少部分依賴人類駕駛員的交通方式。然而由于各種迷之因素的干擾，比如有乘客卡在門里或者突然某一節(jié)車廂出現(xiàn)了故障，整個地鐵系統(tǒng)仍然有可能被打亂陷入癱瘓的境地，更不用說是現(xiàn)在還沒有上路的自動駕駛汽車了。
現(xiàn)在已經(jīng)有不少廠商公布了自家的無人車計劃，幾乎都是計劃在五六年之后讓自動駕駛車正式上路，先從商用做起，再逐步民用。所以這么來看，自動駕駛汽車完全替代人類駕駛員之前，一共會先經(jīng)歷這樣 2 種階段：“商用自動駕駛專車”、“少量民用自動駕駛車和商用自動駕駛專車”。當然，自動駕駛車是否真的會徹底取代人類駕駛員則是另一個層面的問題，畢竟人們可能并不會放棄傳統(tǒng)汽車的駕駛樂趣。就像我們現(xiàn)在即使習慣開車，仍然有不少人喜歡騎馬，只是不會正式上路。
目前各家廠商所公布的基本都是自家單獨的自動駕駛汽車產(chǎn)品。然而對于整個交通系統(tǒng)來說，車輛僅僅是很小的一部分。目前來看，自動駕駛技術(shù)不止是傳統(tǒng)汽車的一項升級，更應該是一項大工程。這包含了汽車改造、社會基礎(chǔ)設(shè)施建立、法律法規(guī)推動，甚至還有交通人的責任認定變遷、駕駛?cè)诵袨榱晳T的改變等。這些不是無法克服的困難，但也需要一個逐漸接受的過程。未來自動駕駛將會是出行方式，更是整個交通產(chǎn)業(yè)的升級。
就像我們現(xiàn)在的道路交通系統(tǒng)基本上就是為了各種機動或者非機動的“帶輪子的”的車所設(shè)計，原本留給馬車的道路就是被取代了。如果想要自動駕駛系統(tǒng)真正進入普通人的生活，真正要改變的遠遠不只是汽車技術(shù)單獨一項。
單獨的汽車運算能力再強，反應再快，本質(zhì)上也僅僅是人類駕駛員能力的延伸。真正能讓自動駕駛引發(fā)交通領(lǐng)域革命的，其實是物聯(lián)網(wǎng)技術(shù)。當整個交通系統(tǒng)聯(lián)網(wǎng)到一起，而不是像現(xiàn)在一樣由一個個單獨的運算個體（包括人類）組成，整個交通的效率將會有革命性的提高。
至于未來交通的樣子究竟會是什么樣？其實可以想象出這樣一種場景：
每一輛自動駕駛汽車都知道相互的位置與速度，不會因為并線變道干擾到其他車輛，自動駕駛車也會實時讀取出發(fā)點到目的地的道路擁堵狀況，實時選擇最佳路線以及避免過多紅燈，車輛也會感知到行人的位置，避免出現(xiàn)車禍。只有實現(xiàn)了這樣的高效率運作，自動駕駛才會真正有效避免擁堵和交通事故。
只不過到那個時候，恐怕人們要擔心的就不是交通事故與擁堵，而是保障整個交通系統(tǒng)聯(lián)網(wǎng)的絕對安全，避免網(wǎng)絡(luò)被黑客干擾。
本文來源于傳感器選型專家。
推薦閱讀：
