近年來，隨著汽車智能化的不斷升級，無人駕駛備受關注，成為公眾熱議話題。那么，無人駕駛車輛究竟能給人類帶來什么效益？是否會快速普及到私家車領域？又給監管部門帶來哪些問題呢？請看公安部道路交通安全研究中心特約專家、交通工程師郭敏的分析。

發展無人駕駛車輛的原因

美國曾于 2004、2005 和 2007 年舉辦了三屆無人駕駛比賽，即 DARPA 大獎賽，不僅激發了業界與高校的極大熱情，被公認為無人駕駛的里程碑事件，還使無人駕駛車輛走進大眾的視野，成為公眾談論的話題。

在這些談論中，有些問題需要認真回答：為什么要發展無人駕駛車輛？無人駕駛車輛到底有什么好處？這是實實在在的社會問題，也是商業問題，需要有清晰的答案來幫助無人駕駛車輛可持續發展，避免產生不切實際的期望。最近幾年，這個問題得到了準確的回答，一些最初的誤區也得以理清。

無人駕駛車輛是為你我這樣的私家車主準備的嗎？

很多人認為，無人駕駛技術一旦成熟，會像現在的汽車一樣進入尋常家庭。其實，如果仔細測算下無人駕駛的成本，這樣的模式不會是其技術成熟后的主要商業模式。達到全自動的無人駕駛車輛，應該不會在你我的采購清單里，至少在看得見的未來是如此，業界對于這一點已形成共識。

無人駕駛車輛分為兩大塊，一塊是傳統車輛組成的包（vehicle package），另一塊是自動駕駛包（autonomous package）。傳統的車輛也許只要一二十萬元人民幣，但如果加上自動駕駛包，成本會飆升數倍，甚至達到上百萬元。除此以外，自動駕駛包里的精密儀器需要經常保養和調校，對連機油都不會加、輪胎都不會換的私家車主來講，無人駕駛汽車日常的保養和調校費用恐怕無力承擔，也不劃算。

因此，全自動的無人駕駛車輛應用對象并不是私家車主，而是通常說的商用營運車輛，譬如物流公司、出租車公司等。近幾年，在運輸領域飛速發展的“出行即服務”（MaaS）及共享汽車概念已經逐步落地。對商用營運車輛來講，無人駕駛可以節省人工成本，足以攤銷自動駕駛包帶來的成本，這也是共享汽車企業，如 Uber、Lyft，投入巨資研發無人駕駛車輛的原因。

無人駕駛車輛能帶來什么效益？

對于無人駕駛車輛能帶來的好處，Dr. Emilio Frazzoli 以美國市場為例，給出了一系列數據來證明無人駕駛車輛將在安全、減少擁堵、改善健康、提高生產力、共享汽車五個方面帶來巨大好處，其每年能產生的效益大致如下：

這些數據足以回答為什么發展無人駕駛車輛的問題。人們雖有不同看法，但大多數仍然贊同其結論，只是對其安全考量有異議。在一些研究者看來，其在減少事故方面所帶來的效益及對社會的貢獻足以成為投資的理由，但提高生產力和共享汽車的效益不能完全確定。

無人駕駛的分級

為推動無人駕駛車輛發展，美國道路交通安全管理局（NHTSA）曾在 2013 年給出了無人駕駛的分級方式，一共分為 L0-L5 六級。然而，國際汽車工程師聯合會（SAE）認為這樣的分級方式不夠專業，在 2014 年推出了仍是 L0-L5 六級的更為專業的分級表，并于 2018 年更新到了第三版——SAE J3016-2018，其在 2016 年也得到了 NHTSA 的接受。目前，無人駕駛汽車企業在介紹自己的產品時，一般都會引用 SAE 的分級表來為產品定位。

目前市面上商用無人駕駛能達到的最高級別都，至多幫助駕駛人做些諸如跟車行駛、自動泊車的工作，稍有復雜的環境，輔助駕駛就難以控制車輛，必須由駕駛人來接管，畢竟，一旦出了事故，機器不會承擔責任。對普通人而言，如果搞不清輔助駕駛和自動駕駛的區別，只要記住這些責任區別就可以。

之前有報道，輔助駕駛和自動駕駛的區別在于外部環境的支撐，無法做到自動駕駛是因為沒有智能網聯或智能運輸系統支撐，如果有支撐，就能做到自動駕駛。這其實是一種誤區：無論用什么樣的外部支撐，輔助駕駛都無法達到自動駕駛級別，L3 到 L4 是個門檻，能否跨越這個門檻取決于車輛本身。自動駕駛的含義在于獨立完成各種場景下的行駛，獨立是指沒有任何外部助力，這和駕駛人駕駛車輛一樣，取得駕駛證的駕駛人應該能自己一個人開車，需要教練員的駕駛人是不合格的駕駛人。

對普通人來講，可以通過上述兩個指標來了解無人駕駛車輛的實際能力;對監管部門來講，會比普通人多些觀察、了解的方式，譬如要求各企業及時上報遇到的情況或意外，以此來觀察產品能力。監管部門很難做到對無人駕駛車輛的事先監管，因為路上可能出現的場景過多，難以一一檢測，甚至連主要場景也很難覆蓋，所以只能把監管放在事中或事后。因此，無人駕駛車輛是否合格，并不能通過組織鑒定會或在試驗場進行試驗的方式得出結論。監管部門至多在邀請專家評測實地測試后，發一些要求有限的測試資格，至于車輛是否合格，只能在實踐中才能慢慢得到檢驗。如果接受測試的無人駕駛車輛在試驗場都會發生意外或無法跑完全程，其面臨的挑戰會很大。

無人駕駛汽車已經研發出來多年，怎么還不普及。人工智能棋手也能戰勝世界圍棋冠軍，按道理無人駕駛汽車應該更簡單。事實并非如此，AI 下圍棋戰勝人類，只是一種基于大數據的算法在特定情況下比人類強，無人駕駛汽車卻復雜多了，它要辨別、分析、計算和作出各類型的安全操作。下面就簡單介紹無人駕駛汽車有多復雜：

1. 視覺感知

無人駕駛汽車需要和人一樣識別道路的寬窄、路面的狀況、各種交通標志和交通信號燈等。它要感知前后左右四個方向的物體是什么，物體的速度及運動方向。它就是在模仿人類的視覺感知。

要實現計算機視覺感知，需要兩種設備：

（1）傳感器，如毫米波雷達和激光雷達傳感器，它能探測存在的物體和測量距離，它能以每秒數百萬次的頻率發出光波，再去接收光波反彈回來的信號，構建出周圍環境的三維圖像，就像蝙蝠靠發出和接收高頻聲音來辨別洞穴環境一樣。

（2）攝像器。因為傳感器的分辨率低，不能準確識別環境中物體，我們需要用高精攝像器作為圖像視覺，用于識別道路、信號燈、標志、樹木、人、動物……等，出現在周圍環境中的物體。

2. 大數據

無人駕駛汽車要經過大數據分析來準確識別物體。

這里的大數據是指攝像器和傳感器收集的數據，經過系統長時間的識別訓練后，整理上傳云端的數據。例如讓系統通過物體的形狀、顏色、溫度、動態，去分辨那是什么。系統受訓練的時間越長和越頻繁得出的數據就越精確。

3. 駕駛方案

計算機的視覺感知數據，傳送到系統后先進行預測軌跡分析，再計算出最佳駕駛路線，作出最安全的操作決策。要從復雜和大量的環境數據中進行多重計算，需要高效率的算法和強大運算能力的芯片支撐。

4. 定位

定位最常用的方法是全球定位系統定位，也就是我們常用的 GPS，但是普通的 GPS 定位精度在 10 米左右，如用作無人駕駛汽車定位，顯然它不能找到停車場的入口……。無人駕駛汽車只能用厘米級精度的定位系統，如高精度 GPS、一維馬爾科夫定位、北斗定位系統等。

5. 操作控制

目的地已定位，最佳行駛路線也計算好，系統會根據既定路線，使用最佳駕駛方案，對汽車駕駛行為作出決策，如加油前進、剎車、左右轉向，等。

我國經過多年的持續積累，在人工智能領域取得重要進展，部分領域核心關鍵技術實現重要突破。據媒體報道：2018 年，中國國內 8 家公司的自動駕駛汽車在北京市內的行駛里程達 15.36 萬公里（95442.6 英里），其中百度公司的行駛里程與無人駕駛技術方面在中國國內均遙遙領先，已達到全球領先水平。

由此看來，無人駕駛汽車縱使十分復雜，卻離我們不遠。

責任編輯：Ct