自动驾驶

自动驾驶，又称无人驾驶、电脑驾驶或轮式移动机器人，是依靠计算机与人工智能技术在没有人为操纵的情况下，完成完整、安全、有效的驾驶的一项前沿科技。

在21世纪，由于汽车用户的不断增加，公路交通面临的拥堵、安全事故等问题越发严重。自动驾驶技术在车联网技术和人工智能技术的支持下，能够协调出行路线与规划时间，从而大程度提高出行效率，并在一定程度上减少能源消耗。自动驾驶同时还能帮助避免醉驾，疲劳驾驶等安全隐患，减少驾驶员失误，提升安全性。自动驾驶也因此成为各国近年的一项研发重点。

自动驾驶的发展情况

自动驾驶，在21世纪已有数十年的历史，但自动驾驶行业在当时还没有受到广泛关注。1999年，美国卡耐基梅隆大学研制的无人驾驶汽车Naclab-V完成了第一次无人驾驶试验，许多为无人车开放道路实验的法律法规也相继出台。经过开发研制， 自动驾驶在后续几年被推广，2009年，自动驾驶汽车的雏形图片被曝光，自动驾驶开始受到关注。

自动驾驶共有6个级别，LO级是完全由驾驶员进行驾驶操作；L1级别是指特定情况下汽车能辅助驾驶员完成某些驾驶任务；到了L2级别， 自动驾驶能完成某些驾驶任务，但驾驶员需要时刻监视周围环境的变化，遇到危险情况随时准备接管，这是目前许多自动驾驶汽车都已做到的自动驾驶技术；L3级别，驾驶员几乎不用时刻准备接管，汽车可以独立完成全部动作；L4和L5级别是完全自动驾驶技术，汽车已经完全不用驾驶员的操控，区别在于L4级别只有在高速公路等特定条件下才可完全独立，而L5级别则在任何条件下都成立。

自动驾驶作为AI应用中备受关注的热点，现阶段，自动驾驶技术发展也如火如荼。随着深度学习，人工智能算法的进步，无人驾驶越来越趋向实用化、商业化。

自动驾驶的投入情况

2015—2017年全球自动驾驶发生160笔投资，总额达到800亿美元，不管是商业巨头，还是一些老型的汽车厂商，都在自动驾驶方面砸入巨额。自动驾驶的交易涉及汽车系统的各个层面，包括汽车制造原料的制造商，传感器和其他制导系统。

在中国，自动驾驶已经上升为国家战略。2018年3月，上海正式发放了全国首批智能网联汽车开放道路测试号牌，意味着自动驾驶汽车可在上海合法上路，中国无人驾驶行业，又迈出一大步。同时， 日本、韩国、新加坡等国家都以颁布相关法规的形式允许自动驾驶技术研发的相关企业在可控的条件下进入公共道路进行测试 。

自动驾驶的技术水平

国外在自动驾驶方面领先的有美国的特斯拉和谷歌，特斯拉的Autopilot被认定为属于自动驾驶L3级别的范畴，即有条件的自动化，在一定的环境中有自动驾驶的能力，但遇到紧急情况时，还需要司机进行监管。

国内外科技公司的研发现状

2014年谷歌首次展示了其公司第一个无方向盘、油门刹车踏板的无人驾驶汽车原形，这也是首个出现在大众视野的实现100％ 自动驾驶的汽车。

由于各个公司的重视与大量投入， 自动驾驶已经累计大量经验，技术进步也呈高速增长趋势。特斯拉宣称已在硬件上达到5级条件，预计2019/20年间能推出5级试验车辆；谷歌公司也预计将在一两年内实现5级标准；丰田普锐斯将在东京2020年奥运会提供自动驾驶服务。中国由于起步较晚，早期实验经验不足，在百度启动Apollo平台计划后，其与国外实验数据之间的差距也将由于用户间的共享得到缩小，在2018年7月7日宣布其研发的4级自动驾驶巴士量产，将在北京首先投入应用。

自动驾驶汽车的特点

(1)安全性：通过数字化、信息化的智能运转， 自动驾驶能精确感应周围的事物并及时做出反应，发生安全事故的概率大大降低。自动驾驶汽车可以检测人类的状况，当人类疲劳驾驶时， 自动驾驶汽车就会自动接替人类的驾驶，避免发生事故。

(2)便利性： 自动驾驶汽车解放了人类的双手，不需要驾驶员控制，汽车便能通过自身导航到达目的地。

(3)智能化：当选定目的地后， 自动驾驶汽车会利用导航系统规划最佳路线，到达目的地，汽车会选定停车位后自动停车。

自动驾驶汽车的功能

(1)代替驾驶员进行驾驶，汽车上的人只需要选定目的地，就可以完全让自动驾驶汽车自动驾驶，与普通汽车相比更便利。

(2)规划最优路线，利用导航系统进行路线规划，可以有效避免交通拥堵或路线过长的问题，以最快最安全的方式到达目的地。

(3)自动驾驶汽车能分析驾驶员及乘客的状态：当驾驶员疲劳驾驶、酒驾时，汽车会先警告驾驶员，接着接替驾驶员进行自动驾驶。如乘客把手和头伸到窗外，车载电脑会提醒乘客，汽车内乘载过多，汽车会发出超载提醒，防止意外事故的发生。

控制电脑自动驾驶技术的内容包括定位与路径规划、环境感知、行为决策与控制。即通过CPS与计算机技术的协作，进行航线的确定，并通过传感器感知环境，由控制电脑处理具体事件与总体航行。在自动驾驶车辆中，主控电脑是一项收集信息并作出行为决策的设备，是自动驾驶的核心设备。控制电脑控制着自动驾驶汽车所有行为，在感知设备提供信息后，电脑会根据装备的软件算法处理这些信息，并作出相应的决策，采取行动。自动驾驶汽车所接受的所有信息都会集中到电脑处，电脑需要对这些数据进行综合分析，然后再作出判断。

在道路行驶中，电脑的功能就是依据庞大的数据库来辨识出周围的环境元素，再做出相应的对策。电脑由此可以像人类驾驶员一样，在适当的时候发出指令来提速、减速、转向，以做到躲避障碍，保持在车道内行驶，识别出道路上的交通指示信号如限速牌指示、红绿信号灯等。过往的自动驾驶技术突破困难，重要的因素就是人工智能的发展速度过慢，过去人们以为是算法的落后，现在人工智能深度学习法其实更早就已经提出了，比如现在其中以Dijkstra算法为代表的图搜索法在各种优化问题中得到了较为广泛的应用，且这种算法是全局最优的 。但过去的计算机由于容量小，运行速度慢，这种穷举式的算法又需要大量数据的运算，现在计算机本身的性能得到大幅度提高，大数据技术的发展，深度学习的高效性才得以体现。高性能计算机的重要性不仅体现在实际应用阶段，也体现载实验阶段借此来推动人工智能技术的进步。[1]

GPS全球定位系统，在很早以前就作为一个单独的工具被人类驾驶员利用，帮助定位、规划和确定行驶路线。对于自动驾驶车辆，GPS的作用同样是确定车辆的经纬位置，在地图上规划车辆行驶路径，以确保定位以及得知下一步航向，同时GPS还可以和惯性测量单元(IMU)协作提供更精细的水平转角速度和转角大小信息，帮助主控电脑决策。传统的GPS导航地图在经过数据收集后可以改进为高精度地图。高精度地图除了更精确的坐标位置信息，还包括车道信息和坡度信息等，这也就提高了自动驾驶的稳定和舒适度，也弥补了当下传感器不仅是测量范围的不足，同时还有测量精度低的问题。当下自动驾驶没有了高精度地图的辅助其充其量只能是半成品，主要依靠各类传感器对路面进行监测的自动驾驶试验车一旦遇到天气出现问题，就一定需要高精度地图辅助 。另外，在车联网建立后，GPS还能通过更丰富的信息如道路拥堵情况，事故情况等即时规划更优的路线。[2]

中央处理器

中央处理器包括运算器、控制部件和寄存器等，是整个自动驾驶汽车的核心组成部分，对收集到的各种信息进行汇总与处理，包括信息的输入，信息处理与信息的输出。在自动驾驶汽车中，中央处理器显得极为重要，为了对周围环境及时地做出反应，中央处理器要求灵敏度极高，毫秒级的误差都可能出现安全事故。同时，周围环境的正确判断，对中央处理器的精确度有很高的要求。当周围有车辆等障碍物时，中央处理器先处理收集到的信息，并执行相应动作。若是遇到交通灯，根据视频采集器收集的信息，中央处理器判断能否通行。

视频采集器

视频采集器是将收集到的视频信号混合输入电脑，并转换成电脑可识别的数字数据，储存于电脑中。通过视频采集器， 自动驾驶汽车可以获取周围的视频信息。如驾驶员要停车时，视频采集器会采集停车环境，停放位置及行人的状态等信息，传递给中央处理器，确保周围环境安全后，汽车执行停车动作。

雷达传感器

雷达传感器是一种用于测量距离的仪器，通过测量参数距离，利用发射频率与时间的相关函数，得到平均值，根据计算公式可以得到与物体间的距离。雷达传感器通过测定车辆之间、车辆与行人之间的距离，作为输入信息，传递给中央处理器，判断是否需要刹车、加速等动作。[3]

ADAS/AV有三个主要元素：传感、计算和执行。用感知去捕捉车辆周围环境的现状。 这是靠使用一组传感器来完成的:雷达(长距离和中距离），激光雷达（长距离），摄像头(短距离/中距离)，以及红外线和超声波。这些“感官”中的每一种都能捕捉到它所“看到”的周围环境的变体。 它在此视图中定位感兴趣的和重要的对象,例如汽车、行人、道路标识、动物和道路拐弯。计算阶段是决策阶段。 在这个阶段中,来自这些不同视图的信息被拼合在一起,以更好地理解汽车“看到”的内容执行即最后阶段，是汽车应用这一决策并采取行动,汽车可能会取代驾驶员。 它可能是制动、加速或转向更安全的路径;这可能是因为驾驶员没有注意到警告,及时采取行动并且即将发生碰撞,或者它可能是完全自主系统的标准操作。

第2级实际上是ADAS路径的起点，其中可能在安全解决方案包中制定多种单独的功能,例如自动紧急制动、车道偏离警告或辅助保持在车道中行驶。[4]

第3级是诸如2018款奥迪A8等目前已量产汽车的最前沿,这意味着驾驶员可以“移开目光”一段时间,但必须能够在出现问题时立即接管。

第4级和第5级两者都可提供基本上是完全的自动驾驶。 它们之间的区别在于:第4级驾驶将限于诸如主要高速公路和智慧城市这样的具有地理缓冲的区域,因为它们会重度依靠路边的基础设施来维持其所在位置的毫米级精度画面。第5级车辆将可在任何地点实现自动驾驶。在这个级别,汽车甚至可能没有方向盘,并且座椅可以不是都面向前方。

在自动驾驶的每个级别上,应对所有数据所需的处理能力随级别的增加而迅速提升。根据经验,可以预计从一个级别到下一个级别的数据处理量将增加10倍。 对于完全自动驾驶的第4级和第5级,我们将看到数十万亿次浮点运算的处理量。从传感器的角度来看,图3为您提供了其需求量的一个指引。 第4级和第5级将需要多达8个摄像头,人们甚至已经提出了需要更高的摄像头数量。 图像捕获装置的分辨率为200万像素,帧速为30~60帧/秒，所以要实时处理所有这些信息是一项巨大的处理任务。对于车上的雷达，其数量可能需要多达10台以上,这是因为需要在22 GHz和77 GHz之间搭配使用短距离、中距离和长距离(100 m 以上)的雷达。即使在第2级,仍然需要对摄像头和雷达捕获的数据进行大量处理。

“自动驾驶”汽车并非绝对安全,自动驾驶技术再经历几个周期的发展也不能做到确保将事故率降低为零，故自动驾驶汽车致损无法避免,由此引发的诸多新型法律关系在现行法律框架中面临适法性困境。受上述类似案件影响,加之对新事物的抵触心理,部分人反对“自动驾驶”汽车的应用。但在看到“自动驾驶”汽车发生事故之同时,也要关注另外的事实:根据公安部安全事故统计数据可以看到，2013年涉及人员伤亡的交通事故有20万起以上,死亡人数超过6万人,受伤人数超过20人，保守估计，事故相关费用达300亿元以上，其中90％的交通事故均由于人为过错导致。全球每年约发生217万起交通事故,约124万人死亡，70%源于酒后驾驶、疲劳驾驶等。单纯因为汽车故障引发事故的比例远小于由于人为失误导致事故之占比,故“自动驾驶”汽车能排除人为因素引发的交通事故这一优势亦不可否认。美国、德国等,包括中国，都在推进“自动驾驶”的相关政策立法也可印证其是未来发展不可阻挡的趋势。“自动驾驶”汽车的社会价值在于:

第一,大幅降低交通事故发生率，这是“自动驾驶”汽车的首要目的,也是世界各国加快通过政策或立法促进“自动驾驶”汽车发展的首要原因。

第二,缓解目前拥堵的交通状况。“自动驾驶”技术可以超越人类的感知极限，较之人类更加精准、敏感,通过“自动学习”和测绘技术的运用,提前感知道路状况并采取相应措施应对。因此“自动驾驶”技术可以更好地规划驾驶路线,缩短人类由于反应较慢所需的较长行车距离,对于行车路线可能出现的道路状况提前作出反映,从而缓解交通拥堵的现状。

第三,扩大驾驶主体范围，传统的车辆驾驶对于驾驶员有资格要求且对于驾驶员的年龄、视力、健康状况、连续驾驶时间等亦有约制。“自动驾驶”汽车,尤其是L４、L５级别的自动驾驶汽车一般不需要人类驾驶行为介入,使驾车出行受限主体可以通过汽车独自出行,从而来扩大驾驶主体的范围。

技术情况和存在问题

自动驾驶基本情况

(1)如何改善精度：IMU是一种惯性测量手段，通过计算加速度和速度获得准确定位，这项技术的更新频率较高，但是实时定位会存在误差积累。相反，GPS的更新频率较低，但在定位上基本不会出现误差积累。另外再加路面基站也能够增强信号， 因此GPS+IMU+路面基站的组合完美的实现了互补，可以为车辆提供准确的定位。[5]

(2)互联网技术不断促进自动驾驶技术：一方面，在人工智能、大数据等新一代信息技术领域的先天技术优势，能够快速应用到自动驾驶中，促进技术升级；另一方面，其能够更加快速整合跨行业信息、金融、人才等资源，促进自动驾驶的快速推广与创新应用 。

自动驾驶存在的问题

(1)自动驾驶汽车产量的最大问题是成本，中央处理器的价格昂贵，而且在运作后期会有损耗，维修起来有一大笔费用。因此，自动驾驶汽车在大众中普及还需要考虑经费问题。

(2)当自动驾驶汽车以100千米／时的速度高速行驶时，留给中央处理器处理数据的时间极短，这需要中央处理器有极高的性能，目前的激光雷达也尚无成熟的量产产品，这就会使自动驾驶汽车不能在遇到危险的情况下快速反应，有造成事故的概率。

(3)随着自动驾驶汽车的上路普及，事故责任界定是重要课题，世界范围内既有法律对该问题均没有明文规定 。想要自动驾驶汽车真正在路上行驶，还要公安部、交通部等各个部门一致，不断完善法律。[6]