kaiyun官方注册
您所在的位置: 首页> 模拟设计> 业界动态> 自动驾驶正站上“风口”,自动驾驶未来将何去何从?

自动驾驶正站上“风口”,自动驾驶未来将何去何从?

2022-08-30
来源:潜力变实力

自动驾驶系统系统采用先进的通信、计算机、网络和控制技术,对列车实现实时、连续控制。采用现代通信手段,直接面对列车,可实现车地间的双向数据通信,传输速率快,信息量大,后续追踪列车和控制中心可以及时获知前行列车的确切位置,使得运行管理更加灵活,控制更为有效,更加适应列车自动驾驶的需求。

自动驾驶系统是指列车驾驶员执行的工作完全自动化的、高度集中控制的列车运行系统。自动驾驶系统具备列车自动唤醒启动和休眠、自动出入停车场、自动清洗、自动行驶、自动停车、自动开关车门、故障自动恢复等功能,并具有常规运行、降级运行、运行中断等多种运行模式。实现全自动运营可以节省能源,优化系统能耗和速度的合理匹配。自动驾驶系统要求建设的城市轨道交通在互联互通、安全、快捷、舒适性方面具有很高的水平.20世纪90年代以来,随着通信、控制和网络技术的发展,可以在地车之间实现大容量、双向的信息传输,为高密度、大运量的地铁系统成为真正意义上的自动驾驶系统提供了可能 [1] 。

本月初,重庆、武汉两地率先发布自动驾驶全无人商业化试点政策,在外界看来,这标志着我国自动驾驶将迎来高速增长拐点。从2017年开始,工信部、公安部、交通运输部、国家标准委等部委先后发布《智能网联汽车道路测试管理规范(试行)》《智能网联汽车道路测试与示范应用管理规范(试行)》等文件。近年来,中央和地方陆续推出一系列支持政策,推动无人驾驶技术进步和商业化落地。

作为未来出行的核心支撑,自动驾驶技术犹如一把打开新兴产业大门的金钥匙。据不完全统计,已有北京、上海、广州、深圳、长沙等多个地区出台了相应管理办法或实施细则,从道路测试、载人测试、示范运营到无人化等多个阶段开展探索。

与此同时,近期与“自动驾驶”相关的交通事故频上热搜。8月上旬,一辆小鹏P7在开启LCC(车道居中辅助系统)功能进行辅助驾驶的状态下发生交通事故。这并非个例,去年8月连锁餐饮品牌创始人林文钦驾驶蔚来ES8并使用NOP领航功能发生车祸去世,而业界围绕自动驾驶系统安全性的争议从未停止。

8月初,深圳首次为自动驾驶交通事故责任认定提供了法律依据,其中,如果汽车完全无人驾驶,车主将负责,在确认是由车辆缺陷导致事故的情况下,车主可以向自动驾驶车辆制造商寻求赔偿。

自动驾驶时代或许不远,这一技术是否成熟又面临哪些难点,什么原因导致事故频发,行业亟待怎样的监管规范。对此,新京报贝壳财经记者专访了北京市高级别自动驾驶示范区工作办公室常务副主任捷菲,同济大学教授、汽车安全技术研究所所长朱西产以及国家发改委综合运输研究所城市交通中心主任程世东。

政策层面,我国一直持鼓励态度。8月8日,交通运输部发布《自动驾驶汽车运输安全服务指南(试行)》(征求意见稿)(以下简称《指南》),向社会公开征求意见。业内人士判断,近期的政策动作,都围绕着同一个词——商业化落地。

而在企业层面,7月21日上午,百度在2022百度世界大会上,发布了第六代量产无人车Apollo RT6,号称具有L4级自动驾驶水平。

当然,也不全是令人振奋的消息。例如,近日杭州交警部门对7月29日深夜杭州西溪湿地景区福堤附近发生一起特斯拉Model X冲出路面,撞上路边的路灯杆交通事故的调查结果公布,该事故由驾驶员郑某负责。经调查确认,发生事故前,车内仅驾驶员郑某一人,且其全程坐在驾驶座上。司机郑某承认事发时喝过酒,却认为自动辅助驾驶系统应承担车祸责任。

在自动驾驶领域,最为核心的一点,其实是达到什么样水平的车辆才可以商用。我们不该只看概念车,应该从数据中去获得答案。笔者认为,不应该一上来就允许无安全员的自动驾驶商业化运行。

竞争焦点在L4等级上

自动驾驶的功能效果可以分为6个等级,从L0到L6。目前主要是集中在从L3向L4等级迈进,竞争的焦点就是L4。所谓L3,指的是有条件自动驾驶。例如在外部环境比较稳定的高速公路,驾驶员可以完全放开方向盘。但L3需要人类驾驶员在必要时主动接管,所以依然需要人类驾驶员在驾驶室。而L4属于高度自动驾驶,可以认为是限定区域内的无人驾驶,在自动驾驶感知信息来源比较充分的区域,可以没有司机,汽车可以自动运行,甚至不再需要装方向盘。L5属于完全自动驾驶,在所有路段均可以完全无人驾驶。

L3是自动驾驶,但L3有个大难题:需要人类驾驶员在必要时候主动接管。那么,什么时候是必要时候?由于现实道路路况复杂,人类司机对于L3,存在过度信赖和完全不信赖两种极端分化的心态。完全不信赖让L3技术毫无意义,而过度信赖L3又会导致大量交通事故的发生。L3当前所有交通事故,依然需要人类驾驶员自己承担。所以实际上L3只是一个过渡性玩具,它不能真正解放人类驾驶员。L5是无法实现的,这几乎已经成为自动驾驶行业的共识。

L4是在限定区域内实现无人驾驶技术,由此,自动驾驶未来数年的应用限定在几个领域:出租车、公交车、干线物流(高速无人卡车)、末端配送(无人配送车)、园区景区(低速游览车)、矿区(无人特种车)、港口(港口无人车辆)、环卫安防(清洁车)、机场(无人引导车)等。所有的应用本质上都在限定区域。而实现这些L4应用,从技术上看有以下三种路径:

其一,无人、封闭区域运行。园区景区低速游览车、工业物流园区、矿区、港口、机场等,这些场景实现L4较为简单,自动驾驶可以在轨道车和传送带的基础上优化实现,当前物流领域的无人仓储已经非常成熟。

其二,单车智能。视觉神经网络下的弱智能+包含激光雷达的强感知+高精地图。同样是单车智能,特斯拉属于异类,想要打造强智能的视觉神经网络,不肯用激光雷达和高精地图,实践证明特斯拉的自动驾驶水平停留在L3阶段。最乐观的看法,也需要10年才能碰到L4的门槛。但特斯拉并非盲目,训练一个和人眼同样强大的AI视觉,成功了确实是跨越式发展,哪怕失败了,以新能源汽车起家的特斯拉也耗得起。但单车智能当前通行的做法还是AI弱智能+激光雷达强感知+高精地图的解决方案。

本轮自动驾驶的热潮起于谷歌。2012年谷歌开始试验无人驾驶车辆,积累数据,谷歌也是深度学习神经网络的早期推动者。其开发无人驾驶的初衷实际上是想要将深度学习应用在自动驾驶上,但其后发现,开放道路的环境实在太过复杂。视觉AI即便能够准确识别99%的物体,但只要1%的未识别、识别错误存在,其安全性就无法保障。深度学习本身是一个技术黑箱,设定算法,输入数据进行训练,如果导出结果是正确的,则调参激励,如果导出结果是错误的,则调参惩罚。这也导致很多AI视觉神经网络无法识别的情况没办法找到原因。所以谷歌在自动驾驶上增加了激光雷达和高精地图,同时配合输入环境参数,限制自动驾驶在固定区域内运行。这就有了谷歌旗下waymo在美国几个城市开展的Robotaxi业务。限定区域、输入环境参数、AI神经网络、激光雷达、高精地图,单车智能几乎用上了所有可用的工具,但也只是勉强实现了L4。而同样的一套自动驾驶系统,在更换运行区域的时候,需要重新设定环境参数,要重新积累数据。

目前汽车最有吸引力又最危险的莫过于自动驾驶技术。谷歌自动驾驶汽车于2012年5月获得了美国首个自动驾驶车辆许可证。而现在大多数乘用车辆都已经配备了自动驾驶的一系列功能。

安全性一直是自动驾驶不可回避的问题,无知将会让我们陷入人云亦云的恐慌,所以今天我们来一起了解一下什么是自动驾驶?自动驾驶发展现状如何?自动驾驶未来将何去何从?

自动驾驶技术简而言之就是将人对汽车的驾驶控制,转移到汽车对自身的控制方面,主要涉及感知、决策、执行三大环节。

感知环节相当于人的眼和耳,主要通过车载摄像头、激光雷达、毫米波达等各类车载传感器在行车过程中完成对环境及车辆的感知、搜集周围环境数据并将其传输到决策层;决策环节相当于人的大脑,主要通过操作系统、芯片与计算平台等对接收到的数据进行实时处理并输出相应的操作与指令任务;执行端则相当于人的四肢,将接收到的操作指令执行到动力供给、方向控制、车灯控制等车辆终端部分。

2016年,《“十三五”国家科技创新规划》和《“十三五”国家战略性新兴产业发展规划》中正式提出发展智能自动驾驶汽车,并将其上升为国家发展战略。各地积极推进高等级自动驾驶车辆的商业化应用,开放测试道路、出台管理细则,推动无人驾驶技术进步和商业化落地。我国车企在自动驾驶领域的研究可以算得上行业领先。

目前,自动驾驶分为两派,分别是“激光雷达”和“纯视觉计算”两派。

激光雷达派的优势首先是能获取空间的深度信息,其次由于其自发光源,无需外界的灯光辅助,比纯视觉方案来得更简单。目前,各大自动驾驶方案大厂都逐渐用混合固态的激光雷达来取代传统的旋转式激光雷达。

劣势:一是激光雷达的方案不够成熟,激光雷达的分辨率远低于摄像头的程度。雨雾天气下,激光雷达的探测能力会大打折扣。二是成本更高,激光雷达的X,Y,Z, 反射率信息,甚至RGB信息对CPU的处理能力都有更高的要求,更好的CPU需要更高的价格。

目前,在汽车行业,激光雷达已经成为了车企新车的竞争焦点之一,与此同时围绕激光雷达的“军备赛”也已开启。



更多信息可以来这里获取==>>电子技术应用-AET<<

本站内容除特别声明的原创文章之外,转载内容只为传递更多信息,并不代表本网站赞同其观点。转载的所有的文章、图片、音/视频文件等资料的版权归版权所有权人所有。本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如涉及作品内容、版权和其它问题,请及时通过电子邮件或电话通知我们,以便迅速采取适当措施,避免给双方造成不必要的经济损失。联系电话:010-82306116;邮箱:aet@chinaaet.com。
Baidu
map