無人駕駛、車聯(lián)網(wǎng)的快速發(fā)展，帶動了汽車產(chǎn)業(yè)鏈從設(shè)計、生產(chǎn)到營銷、售后、產(chǎn)業(yè)生態(tài)建設(shè)等一系列的戰(zhàn)略轉(zhuǎn)型。但是被視為產(chǎn)業(yè)創(chuàng)新角兒之一的"自動駕駛"，到底何時才能真正惠及恐車族、路障族?這其中起決定作用的是哪些技術(shù)及環(huán)境因素?
近日，在ENI經(jīng)濟和信息化網(wǎng)主辦的" IT轉(zhuǎn)型助力汽車業(yè)數(shù)字化加速"直播會議中，中國信息通信院華東分院副總工程師賀仁龍從產(chǎn)業(yè)環(huán)境、技術(shù)落地、轉(zhuǎn)型重點等角度對這一系列問題進行了深度解讀。
實現(xiàn)自動駕駛，還需要10年以上
5G的大規(guī)模商用將加速AI技術(shù)的成熟，進而必將加快推動自動駕駛的發(fā)展成熟，實現(xiàn)自動駕駛還需要多久?賀仁龍表示，自動駕駛整體上進入生產(chǎn)成熟期的時間還有10年以上。
Gartner發(fā)布的2019年度新科技的技術(shù)成熟度曲線顯示，與智能網(wǎng)聯(lián)自動駕駛相關(guān)的典型技術(shù)類別處于三個發(fā)展階段，分別為：Level4自動駕駛已走出期望膨脹期，工程和商業(yè)的成熟度進入緩慢攀升階段，距離 Gartner定義的生產(chǎn)成熟期還有10年以上;5G在2019年進入了期望膨脹期區(qū)間，距離 Gartner定義的生產(chǎn)成熟期還有2-5年時間;Level5自動駕駛進入期望膨脹期區(qū)間，距離Gartner定義的生產(chǎn)成熟期還有10年?？傮w來說，自動駕駛進入生產(chǎn)成熟期還需一段時間。
另一方面，根據(jù)主流廠商推出自動駕駛的時刻表，賀仁龍表示，各大車企自動駕駛標稱的限定各不相同，比如自動駕駛完全與否、駕駛場景以城市還是高速為主、技術(shù)是實現(xiàn)還是成熟量產(chǎn)等，且L4級自動駕駛雖然已經(jīng)逐漸從技術(shù)研究階段發(fā)展到商業(yè)化落地階段，但目前還無法做到與所有駕駛場景完美匹配，大部分廠商則會優(yōu)先選擇1-2個場景落地。例如，博世、百度、縱目、多核等車企的自動駕駛主要場景為自主泊車，但要求場景封閉，對停車場設(shè)施有一定的要求;圖森未來、沃爾沃、蘇寧物流等車企主要應(yīng)用于干線物流，但自動駕駛只適用于有固定路線、高速路等，對路況有一定的要求。因此，從主機廠、自動駕駛技術(shù)方案供應(yīng)商的規(guī)劃看，L4級自動駕駛在限定場景的商業(yè)化地將先于開放場景，預計在未來3-5年內(nèi)可以實現(xiàn)商業(yè)化。
再者，伴隨著國內(nèi)一系列科技企業(yè)、傳統(tǒng)車企和初創(chuàng)企業(yè)已經(jīng)進入提供自動駕駛解決方案的領(lǐng)域及國際行業(yè)巨頭積極推動自動駕駛落地商用，自動駕駛呈現(xiàn)競合布局狀態(tài)。其中，百度獲得北京首批40張自動駕駛載人測試牌照，發(fā)布車路協(xié)同和智能車聯(lián)的兩大開放平臺，截至2019年底，測試里程超過300萬公里;長安汽車開創(chuàng)國內(nèi)2000公里自動駕駛先河，實現(xiàn)全速自適應(yīng)巡航(ACC)、智能語音、飛屏互動等70余項技術(shù)成功量產(chǎn);蔚來、奇點、小鵬、零跑等新銳車企已經(jīng)具備L2級至L2.5級的自動駕駛能力;地平線、圖森、PONY等自動駕駛解決方案提供商也對各大車企提供了自動駕駛所需的軟硬件。且美國Waymo、Tesla雙雄領(lǐng)跑，德國致力于自動駕駛領(lǐng)域的“世界第一”，日本Toyota新技術(shù)的研發(fā)等這些為自動駕駛所做出的創(chuàng)新方案，讓自動駕駛?cè)蕴幱诟哔Y本投入階段。
誠然，科技巨頭深度介入，加速了自動駕駛商業(yè)化落地。但是，量產(chǎn)商用的ADAS(高級輔助駕駛系統(tǒng))依然有大概率的失效情況。2019年，美國汽車協(xié)會(AAA)對雪佛蘭邁銳寶XL、本田雅閣、特斯拉Moel3和豐田凱美瑞進行了AEB-P測試，結(jié)果幾乎“全軍覆沒”，幾乎每個車型都發(fā)生了撞擊現(xiàn)象，即使成熟商的AEB也有大概率的失效情況。因此，實現(xiàn)完全自動駕駛落地依然任重道遠。
自動駕駛技術(shù)如何突破?
自動駕駛事故的發(fā)生，可以看出自動駕駛的系統(tǒng)功能仍有不確定風險。賀仁龍表示，自動駕駛技術(shù)是單車智能和網(wǎng)聯(lián)智能的有機結(jié)合，而IT系統(tǒng)提供產(chǎn)品轉(zhuǎn)型、業(yè)務(wù)轉(zhuǎn)型，顯得尤為重要。
單車智能已經(jīng)邁入長尾
為對單車智能技術(shù)進行有效分析，北京與加州進行了自動駕駛測試，該報告顯示，自動駕駛測試存在大量脫離接管，自動駕駛系統(tǒng)的可靠性和應(yīng)對挑戰(zhàn)性交通場景的能力仍有待提升，報告還分析了功能失效的原因，包括感知、決策、預測、控制、性能故障等問題。例如，河北邯鄲高速路上特斯拉汽車在定速狀態(tài)下，未能識別且及時躲避清掃車輛而發(fā)生追尾，實際原因是感知失效;美國加州一輛谷歌提供技術(shù)支持的雷克薩斯汽車與公交車發(fā)生碰撞，是因為車載電腦假定后方行駛的公交車會由于前方路面空間不足而減速，表現(xiàn)為決策失效。
總體來講，感知、決策是自動駕駛失效的主要原因，而軟硬件性能幾乎是所有車企面臨的問題，從上述測試報告的前期調(diào)研情況看，單車智能很難聚焦主要的短板在哪個領(lǐng)域，更多的是端到端系統(tǒng)整體能力和可靠性的提升。
那么從技術(shù)流程上看單車智能的關(guān)鍵環(huán)節(jié)，所謂技術(shù)成熟度和產(chǎn)業(yè)成熟度究竟體現(xiàn)在哪里?其實，在環(huán)境感知環(huán)節(jié)中，硬性標稱、技術(shù)指標基本滿足系統(tǒng)的整體要求，而在車載視覺感知的硬件性能上，雖然空間分辨率和人眼接近，但距離范圍仍存在較大的差距?？煽啃浴⒛婀狻討B(tài)范圍，這是視覺傳感器的主要挑戰(zhàn)。
此外，激光雷達感知技術(shù)目前仍以避障應(yīng)用為主，因而車載激光雷達的可靠性及成本與商用量產(chǎn)還有較大差距，此外，車載毫米波雷達、車載定位等技術(shù)在也都同樣存在特定場景的局限。盡管多傳感器融合會解決這一系列問題，但其所涉及到的多模態(tài)數(shù)據(jù)量的增大依然會對實現(xiàn)此目標帶來挑戰(zhàn)。因此，單車自動駕駛在技術(shù)層面仍面臨著諸多環(huán)境條件和技術(shù)能力的制約，且單車智能已經(jīng)邁入長尾，如何分步驟，分級別劃分場景是逐步推進自動駕駛落地的現(xiàn)實路徑。
自動駕駛網(wǎng)聯(lián)需求催生車網(wǎng)連接變革
單車自動駕駛在環(huán)境和技術(shù)等因素的制約和交通管理便利的要求下，自動駕駛還具有網(wǎng)聯(lián)化的需求，且不同自動駕駛的場景對網(wǎng)聯(lián)需求的指標量化，包括信息服務(wù)、安全駕駛、駕駛效率等場景下的性能需求指標。事實上，自動駕駛對網(wǎng)聯(lián)化的需求不僅體現(xiàn)在傳輸速率、通信距離、時延等性能需求上，還對網(wǎng)聯(lián)輔助信息交互、協(xié)同感知、協(xié)同決策與控制有一定的功能需求。例如，在車對紅綠燈的感知過程中，不像單車智能靠機器視覺識別，易發(fā)生被樹等遮擋的情況，而是通過下達指令的方式傳達，在決策控制里面有協(xié)同和融合。
此外，在部分復雜的交通規(guī)則場景下，如“人”字形道路的交替通行，出于對單車自動駕駛保守出行原則的考慮，標志牌網(wǎng)聯(lián)化則會提供更有效的決策，避免駕駛員在車道中的持續(xù)等待，同時，對于標志牌的微小改動，網(wǎng)聯(lián)化也會有效避免駕駛員受改動影響的錯誤判斷?？偠灾?，自動駕駛和車路協(xié)同將在車內(nèi)產(chǎn)生海量數(shù)據(jù)，同時這些數(shù)據(jù)處理產(chǎn)生的大帶寬、精同步、低時延等需求共同催生了車內(nèi)網(wǎng)絡(luò)連接的變革及新型車載高速總線技術(shù)。
可以說，自動駕駛在進步和發(fā)展中蘊含著一個又一個難關(guān)，面向未來新的生態(tài)系統(tǒng)，IT需要重新定義自己的價值和地位，不管是變成服務(wù)，還是變成軟件本身，都在為轉(zhuǎn)型帶來價值。
數(shù)字化轉(zhuǎn)型需要重構(gòu)企業(yè)文化
分享到微信 ×
打開微信，點擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。