自動駕駛還有多遠商用車進展更快,乘用車仍需法規規制


“自動駕駛一定是未來,但自動駕駛技術的落地,或許比人們此前所預想的要晚。”自動駕駛演算法工程師劉奕對澎湃新聞記者說道。

將時鐘撥回到2016年,彼時,眾多車企紛紛預測稱2020年或2021年將是完全自動駕駛面向公眾落地的關鍵節點。

2015年,特斯拉CEO埃隆·馬斯克就曾公開表示,特斯拉可以在2年內實現完全自動駕駛技術,但受制於政策法規等因素,完全自動駕駛車輛可能會在5年之後實現商用落地;2016年,時任福特CEO的馬克·菲爾茲曾表示,福特汽車的目標是在2021年開始銷售可用於約車服務的完全自動駕駛車輛。

然而時至2021年,完全自動駕駛車輛並沒有如約而至,自動駕駛技術卻因多次交通事故陷入了尷尬境地。

2021年8月,美國國家公路交通安全管理局(NHTSA)正式啟動了對特斯拉輔助駕駛系統(Autopilot)的安全調查。8月31日,NHTSA向特斯拉傳送了一封長達11頁的問詢信函,要求特斯拉在10月22日前給出相關答覆。在信函中,NHTSA表示,在特斯拉輔助駕駛系統相關的12起事故中,有17人受傷,1人死亡。

在國內,2021年8月12日,蔚來車主林文欽在駕駛蔚來ES8並開啟NOP(領航輔助系統)時,發生交通事故不幸去世。此事引來多方爭議。

上述事件在一定程度上降低了市場對自動駕駛商業化落地的預期,也引起了許多人的疑問:實現完全自動駕駛還要多久?

商用車已達L4、乘用車仍為L2

頭豹研究院分析師趙子豪對澎湃新聞記者表示,目前最先進的自動駕駛技術可以達到L4駕駛等級,即:駕駛系統可以自主操作、自主決策,行車途中無需司機提供應答或陪同,但是一般只能在限定區域內行駛。

業內一般將駕駛自動化分為L0至L5,共6個級別。這一分級方式來源於國際汽車工程師學會(SAE)的《SAE J3016推薦實踐:道路機動車輛駕駛自動化系統相關術語的分類和定義》(下簡“SAE駕駛自動化分級”)。

劉奕向澎湃新聞記者解釋,“SAE分級,簡單一點可以理解為:L0完全手動;L1有部分輔助功能,例如壓線後自動回正;L2增加了自動巡航、自動剎車輔助等,但是司機必須手握方向盤;L3可以實現基本意義的自動駕駛,司機雙手可離開方向盤,但是要做好準備隨時接管;L4級別理論上司機不用幹預,但是使用場景有限制;L5就是真正意義上的無人駕駛。”


目前,L4級自動駕駛被應用於港口自動駕駛集卡車、自動駕駛公交車、物流快遞運輸等商用車,以及如Robotaxi此類具備運營屬性的乘用車。

延伸閱讀  特斯拉:在未來幾年裡,預計汽車交付量將實現年均50%的增長

在港口應用場景中,代表企業有圖森未來、沃爾沃、西井科技;自動駕駛末端配送小車領域代表的企業有新石器、智行者、白犀牛、行深智慧等初創企業;Robotaxi領域代表性的企業有小馬智行、文遠知行、百度及滴滴等。

趙子豪向澎湃新聞記者介紹,“隨著自動駕駛的技術水平提高,很多領域都開始嘗試運用自動駕駛技術,但大部分都還處於試執行階段,並未大幅投入使用或實現商業化落地。”

目前,對自動駕駛技術運用較為成熟的場景有:園區無人配送車、港口自動駕駛車輛等。

以上海洋山港為例,已有上汽紅巖智慧重卡的示範運營專案落地,實現了“洋山港碼頭-東海大橋-深水港物流園區”的自動駕駛及載貨運輸。2020年,上汽紅巖智慧重卡完成了2.12萬TEU(標準集裝箱)運輸量,2021年預計可完成4萬TEU轉運任務。

之所以能先在這些場景中落地,主要是由於園區、港口屬於限定場景,具有地理約束性、駕駛環境單一和行駛速度較低的特點。

在限定場景中,一方面,地理邊界一般較清晰,發生異常情況的範圍相對可控;另一方面,進入該區域的交通主體較少且行駛速度較低,車輛在自動駕駛時的決策壓力較小。因此,在這些場景下,實現自動駕駛商業化的難度也相對較低。

在乘用車領域,多家科技企業的Robotaxi都處於測試階段。2019年下半年來,百度Apollo、小馬智行、文遠知行、滴滴自動駕駛等都在面向公眾測試。

在普通消費者更為關心的私人出行領域,目前國內量產乘用車的駕駛自動化正處於由L2向L3等級過渡的階段,如特斯拉、蔚來、比亞迪等,都處於輔助駕駛的階段。

值得注意的是,《汽車駕駛自動化分級》推薦性國家標準已由國家市場監督管理總局、國家標準化管理委員會批准釋出(國家標準公告2021年第11號文),將於2022年3月1日起實施。將駕駛自動化分成0級至5級。0-2級為駕駛輔助,系統輔助人類執行動態駕駛任務,駕駛主體仍為駕駛員;3-5級為自動駕駛,系統在設計執行條件下代替人類執行動態駕駛任務,當功能啟用時,駕駛主體是系統。

司機何時能鬆開方向盤?

趙子豪向澎湃新聞記者介紹,自動駕駛落地面臨著技術、政策、倫理等多方面的考驗。從L2到L3最大的區別莫過於,L2駕駛的操作主體是人,而L3則是汽車本身。

“自動駕駛,形容起來似乎非常簡單:給汽車裝上感測器,可以跟蹤、避讓周圍的物體。讓車載計算機瞭解道路規則,自行導航到目的地。”劉奕對澎湃新聞記者說道。

“但是,其實駕駛是一件涉及人類行為的複雜工作。比如說,司機要預判車輛、行人的行為,甚至要和路人用眼神交流來決定誰先走,這種決策很難用硬性規則進行編碼。”他認為,乘用車從L2輔助駕駛到L3自動駕駛是一場質變。

延伸閱讀  超越保時捷Taycan,高合汽車9月銷量達641臺

L3級自動駕駛系統下,大多數操作都由汽車主導,駕駛員只在必要的時候對汽車進行干預。這對自動駕駛系統的硬體算力、感測器配置以及各種感知、規劃、控制演算法都提出了更高的要求。

在軟硬體之外,自動駕駛車輛還需要巨量的道路測試里程。

根據美國軍事戰略研究機構蘭德公司的研究,自動駕駛演算法想要達到人類駕駛員水平至少需要累計177億公里的駕駛資料來完善演算法。

目前,自動駕駛演算法測試大約90%用模擬平臺完成,9%在測試場完成,1%通過實際路測完成。也就是說,要完善演算法,測試車隊需要累積17.7億公里的行駛里程。

除了剛剛提及的技術瓶頸,趙子豪認為,L2到L3的轉變瓶頸還體現在法律和倫理道德方面。

現階段,我國相關法律法規仍然無法滿足L3級別自動駕駛汽車上路,對於L3及以上自動駕駛汽車安全事故的權責劃分尚不清晰。

此外,高階自動駕駛還面臨倫理道德風險,也需政策給予規範。

劉奕對此解釋說,“舉一個我們常用的關於倫理風險的例子:一輛車行駛在一條單車道、兩側是河面的小路上,在剎車失靈的極端情況下,恰好前方出現行人,那麼車輛是應該選擇撞人、還是把司機送到河裡去呢?”劉奕認為,但自動駕駛這一產業比較特殊,或許需要政策先行。

Scroll to Top