導讀
汽車行業處在一個變革的時代，自動駕駛相關技術發展應用如火如荼。關注或者想了解這個領域的人也越來越多。本文的目标在于幫助大家對自動駕駛技術有一個全局的基礎認識。文章分别介紹了自動駕駛基本原理，意義，分級以及相關行業背景。
自動駕駛原理
自動駕駛就是車輛在無駕駛員操作的情況下自行實作駕駛，它是車輛的能力。比如掃地機器人在掃地的時候就是在自動駕駛。自動駕駛有多種發展路徑，單車智能、車路協同、聯網雲控等。車路協同是依靠車-車，車-路動态資訊的實時互動實作自動駕駛。聯網雲控更注重通過雲端的控制實作自動駕駛。本文章闡述的是單車智能。
基本原理概述
單車智能實作的基本原理是通過傳感器實時感覺到車輛及周邊環境的情況，再通過智能系統進行規劃決策，最後通過控制系統執行駕駛操作。
這裡面有三個環節：
• 感覺：車輛自身以及環境資訊的采集與處理，包括視訊資訊、gps資訊、車輛姿态、加速度資訊等等。好比是人類的眼睛、耳朵、皮膚一樣去收集。具體的比如前方是否有車，前方障礙物是否是人，紅綠燈是什麼顔色，自車的車速如何，路面情況如何等等資訊，都是需要去感覺的。
• 決策：依據感覺到的情況，進行決策判斷，确定适當的工作模型，制定适當的控制政策，代替人類做出駕駛決策。決策主要依賴的是晶片和算法，就好比是人類的大腦。看到紅燈，決策需要停止；觀察到前車很慢，決定從右側超車；有小孩突然闖入道路，進行緊急制動。
• 控制：系統做出決策後，自動對車輛進行相應的操作執行。類比人類進行的方向盤以及油門、刹車的操作。系統通過線控系統将控制指令傳遞到底層子產品執行對應操作任務。如左轉5度。
硬體系統
硬體系統在各層都有。感覺層主要是為自動駕駛系統擷取外部行駛道路環境資料并幫助系統進行車輛定位。目前無人駕駛系統中代表性的傳感器有攝像頭、雷射雷達、毫米波雷達、超音波雷達、GNSS/IMU等。它們的工作原理、技術特性各不相同，決定了适用的場景也不同。目前大部分車輛都是采用多種傳感器相融合的方式以應對各種可能發生的情況，保證較好的實際使用效果。主流傳感器的優缺點參考如下圖。其他還有一些傳感器在一些方案中也會被使用，如麥克風陣列，紅外相機等。
感覺層會收集大量的自車和環境資料，決策層需要自動駕駛晶片流暢地處理這些資料才能保證系統及時作出正确的決策，進而控制車輛自動行駛并確定安全。智能系統的三大要素是資料、算法和算力，而算力的根本就是晶片。晶片是決策層最為重要的硬體。目前能夠量産自動駕駛晶片的主要是Mobileye（英特爾收購）、英偉達、特斯拉。Mobileye市場規模最大，應用于L2的産品有統治級别的市場占有率。英偉達是傳統巨頭，有算力最強的晶片。Tesla的晶片自産自銷，能夠量産高算力晶片。國内也有一家後起之秀地平線，晶片也已經量産，奮起直追中。
控制層則相對簡單，主要是線控。線控就是用線（電信号）的形式來取代機械、液壓或氣動等形式的連接配接，實作電子控制，進而不再需要駕駛員的力量或者扭矩的輸入。對于自動駕駛來說，核心的三個線控子系統是線控油門、線控轉向、線控制動。我們常常聽到自動駕駛各領域都有很多獨角獸。奇怪的是線控方面資本市場卻少有提及，但它也是自動駕駛生态中重要的一個環節。大概是因為線控技術直接涉及風險，大家有意無意地忽視。
目前主流的L4&L4+自動駕駛硬體架構都是依賴雷射雷達的，包括華為ADS、百度Apollo、Waymo、Mobileye等等。特斯拉的方案則沒有雷射雷達，個人認為關鍵原因是雷射雷達成本高落地難，而視覺方案可以快速落地形成資料算法疊代優化的閉環。但雷射雷達資料品質實在好，對視覺方案有極大的補充價值，甚至是主導價值，而且成本已經大幅下降。是以特斯拉可能成也視覺（更快落地）、敗也視覺（效果上限較低）。
軟體系統
我們以業界某款開源平台架構來了解一下自動駕駛在軟體方面需要具備的能力。
• 地圖引擎（Map）：提供道路、周邊建築等地圖資訊，高精地圖還包含全局車道、曲率、坡度、紅綠燈、護欄情況等等資訊。如地圖可以透出前方右拐急彎曲率及下坡坡度。
• 高精定位（Localization）：定位是一個重要子產品，L3及以上自動駕駛場景需要高精定位，是車輛資訊感覺的一個重要元素。如定位到車輛在行進方向右邊第二車道，該車道隻能直行不能右拐。
• 感覺（Perception）：感覺子產品接受并處理傳感器資訊，進而識别自車以及周邊的情況。如感覺到車輛的速度，感覺到前方50米有一個行人。
• 預測（Prediction）：預測子產品主要用于預測感覺到的障礙物的運動軌迹。如在行駛中，感覺到左側道路有一輛車，根據車輛的狀态和曆史運動軌迹，預測車輛後續運動軌迹，識别是否有碰撞風險。
• 規劃（Planning）：根據感覺到的資訊，規劃出一條到達目的地的行進路線，而且還需要規劃出未來一段時間内，每一時刻所在位置的精細軌迹和自車狀态。如規劃軌迹向左偏移并加速，超車後回到道路中心線附近。
• 控制（Control）：如字面意思，通過指令控制車輛硬體進行操作，如發送減速指令到制動器執行制動操作。
• 互動界面（HMI）：人類在中控螢幕上看到的人機互動子產品。如自動駕駛系統通過HMI向乘客實時展示系統識别到的自車位置及周邊障礙物資訊，有助于提升乘客的安全感。HMI在人車共駕的過度階段更有價值。
• 實時作業系統（RTOS）：Real Time Operation System 根據感覺的資料資訊，及時進行計算和分析并執行相應的控制操作。
自動駕駛在感覺、預測、高精定位等子產品，對機器學習都有很深的應用和依賴。自動駕駛在一定程度上也促進了機器學習的發展。
如下為整個架構的資料流向圖，從中可以看出各子產品的上下遊依賴關系。感覺是預測的上遊；感覺、預測、定位、地圖又是規劃的上遊；而控制則是規劃的下遊；HMI則處于整個系統的下遊。從中我們也可以看出，各子產品對于高精地圖都有依賴，可見高精地圖的重要性。高精地圖采集分為集中制圖和衆包制圖兩種，未來最可能普遍采用的方式是集中制圖+衆包更新，也可能是直接全衆包SLAM制圖，夠用就好。
自動駕駛意義
自動駕駛如此火熱，自然是因為它能夠解決一些問題。
降低出行成本
自動駕駛可以替代或者部分替代司機的工作，降低司機成本的投入。中國卡車司機就有3000萬，假設駕駛員1個月工資1萬，那麼一年就是3.6萬億。假設卡車都實作了無人駕駛，那這裡可以節約多少成本？送快遞、送外賣的從業人員也是千萬級别，無人物流車替代，可以節約多少成本？目前使用者打車的錢很大一部分是給司機的，如果司機的錢免了，對應使用者的乘車成本也會有降低。如果是自己開車也等于是低價請了個司機，享受了更高的服務。如果進入到無人駕駛時代，那麼連考駕照的錢都可以省了。自動駕駛發展也會促進車輛共享化進而提升車輛使用率以及降低對停車位等資源的占用成本。
提升通行效率
擁堵是出行的第一大痛點問題。擁堵的原因有三個方面：
1. 人為因素，如低速占位行駛、路口搶行、路口頂牛等行為造成或加劇了擁堵。
2. 交通設施不完備，如限速，車道不足，紅綠燈等因素。
3. 車輛故障，如突然無法啟動等問題導緻車道阻塞。
三個原因中，人為因素的比重最高，交通設施汽車，車輛故障再次。而自動駕駛可以實作遠超人類駕駛的規範化駕駛。在相同流量的情況下，自動駕駛可以有效減少擁堵，進而提升通行效率。
提升出行安全
80%以上的交通事故是人為因素造成的，如酒駕、疲勞駕駛、超速行駛、跟車距離過小、不按規定讓行等。而自動駕駛可以實作完全規範化的駕駛，沒有情緒、100%遵守交規，進而有效提升出行安全。
提升出行體驗
這個價值主要是針對輔助駕駛部分的功能。不是最終目标，但卻是當下大家最能夠确實收獲的好處。自動駕駛的各種功能可以降低駕駛的難度，有效提升駕駛體驗。
自動駕駛分級
自動駕駛分級如下表。實作L2級别自動駕駛的車廠比較多，L3則基本都是期貨。目前行業在努力攻克的主要是L3和L4級别的自動駕駛。值得注意的是有些廠商并不是L1-L2-L3-L4逐級演進的。比如華為進入這個領域，更注重從城市道路場景出發，直接以L4為目标進行設計和技術落地，升維思考、降維打擊。
L1自動駕駛
L0就是無自動駕駛功能，不做闡述。L1表示車輛可以自動完成橫向或縱向操控中的一項，其餘所有工作仍然需要人類來完成。雖然比較低級，但卻已經很實用，如ACC、AEB、LKA等。
• ACC：Adaptive Cruise Control 自适應巡航控制
ACC是系統通過傳感器監測與前車的距離和相對速度，結合乘坐體驗，計算出合适的油門或者刹車量進行車輛縱向的控制，最終實作自動跟車或定速行駛的輔助駕駛功能。
• AEB：Autonomous Emergency Braking 自動緊急制動
AEB是一種汽車主動安全技術。AEB通過傳感器持續監測自車與周邊障礙物的距離，如果距離小于警報距離則發出警報，如距離進一步小于安全距離，則即使駕駛員沒有操作，AEB也會自動進行制動控制，避免碰撞發生。
• LKA：Lane Keeping Assist 車道保持輔助
LKA是在車道偏離預警系統（LDW：Lane Departure Warning）的基礎上增加糾正的控制。LKA通過傳感器監測自車與車道中心線的相對位置，如果發現車輛偏離車道，則向駕駛員發出警告，在特定設定下可以通過自動轉向控制使得車輛重新回到車道中央行駛。LCC（Lane Centering Control 車道居中控制 ）也會作為一個獨立的輔助功能提供。
L2自動駕駛
L1級輔助駕駛的關鍵是隻對車輛橫向或者縱向中一項操作進行控制。而L2級則是對橫向和縱向多項操作同時進行控制。需要注意的是L1、L2駕駛員是駕駛主體，是以即使自動駕駛功能運作，駕駛員仍然需要保持注意力，監測環境，雙手保持在方向盤上随時接管車輛。
• 超級巡航系統
超級巡航系統是ACC和LKA的疊加，實作在目前車道内自動跟車或者定速行駛。凱迪拉克的超級巡航還包含了駕駛員注意力保持系統。
• APA：Auto Parking Asist 自動泊車
APA 通過傳感器檢測和系統模型計算識别停車位置，通過轉向、加速、減速控制車輛，沿着系統計算出的泊車軌迹，自動低速完成泊車。在泊車的過程中，車輛還會實時檢測自車和周邊障礙物，修正泊車軌迹，避免碰撞。
• TJA：Traffic Jam Assistant 交通擁堵輔助系統
在堵車的時候，走走停停，駕駛員需要時刻保持注意力且頻繁操作，容易疲勞。TJA 就是一種擁堵場景的輔助系統，可以讓駕駛員适當放松注意力，由車輛自主跟車。TJA 根據政策，保持車道、自動跟車，并通過傳感器實時檢測周邊障礙物情況，對車輛轉向進行微調。
• HWA：Highway Assist 高速公路輔助駕駛
HWA 包括根據駕駛員的指令（如打轉向燈）自動進行變道，駕駛員狀态監控（Hands on/Hands off等），車LKA車道保持，TJA低速自動跟車等。HWA 通過傳感器監測判斷是否可以進行換道，結合駕駛員的指令，可以實作安全的自動換道。
L3自動駕駛
L2到L3是一大飛躍，目前國内還沒有支援L3的量産車輛（奧迪A8也不再宣稱自己支援L3），這裡的關鍵就是，L3的駕駛主體切換成了系統，駕駛員隻是支援角色。在L3功能開啟時，系統完全負責操控和環境監測。駕駛員可以雙手脫離方向盤，移開注意力去做一些别的事情，但是需要時刻準備接管車輛。系統在識别到無法處理的情況時會提前報警，要求駕駛員接管。
• HWP：Highway Pilot 高速公路自動駕駛
HWP 高速公路自動駕駛包括在有高精地圖覆寫的高速公路上，定速巡航，自動超過行駛緩慢的車輛，自動換道，自動駛入和駛出高速公路匝道，自動跟車等等功能。HWP 滿足特定條件的前提下開啟，通過完備的傳感器識别自車及周邊狀态，通過系統規劃決策行駛軌迹，自動控制車輛行駛。
• TJP：Traffic Jam Pilot 交通擁堵自動駕駛
TJP 相比HWP，TJP是在交通擁堵場景下的L3級自動駕駛。
L3是目前的主戰場，主流車廠都在這級别PK，雖然對外很多都是宣稱自己是L2.5或者L2+，主要還是為了逃避L3駕駛主體帶來的法律責任。特斯拉的NOA（Navigation on Autopolite 自動輔助駕駛系統），蔚來的NOP（Navigation On Pilot領航輔助功能），小鵬的NGP（Navigation Guided Pilot 進階自主導航駕駛功能）其實都是面向這一級别的自動駕駛。想知道目前國内的自動駕駛做到什麼程度，可以看看最新的公開視訊：華為的城市道路自動駕駛（夜間），小鵬NGP評測。
L4自動駕駛
L3一直有一個很大的争議點，就是需要人類短時間實作接管。問題是一旦車輛遇到需要人類接管的情況，人類可能也來不及做出适合的處理了。如果這階段出了事故又是誰的責任？L4的關鍵差異在于，系統不再需要人類的支援。在限定道路和環境情況下，系統可以完全負責操控和環境監測。是以會有一些廠商直接開發L4，而不是逐級開發。華為的ADS（Autonomous Driving Solution 華為高階自動駕駛系統）就是面向L4開發的，号稱2022年量産，但是對外還會宣稱是L2（L4的剪裁）。特斯拉的FSD（Full Self-Driving computer）将會是首個量産的L4。
L5自動駕駛
到了L5，道路和環境将不再是限制。系統将在所有情況下實作自動駕駛。也就是我們所說的完全無人駕駛了。到了這個階段，方向盤、刹車、油門這些操控裝置已經不再必須。
自動駕駛背景
出行行業趨勢
這兩年出行行業可謂風生水起，似乎幾年間就已經天翻地覆。近年來出行行業發展的幾個重要趨勢有：
• 電動化
新能源汽車逐漸成為發展主流。國務院辦公廳新能源汽車産業發展規劃說明到2025年，新能源汽車新車銷售量需要達到新車銷售總量的20%左右。未來的市場屬于新能源，這已經是市場普遍的認知。是以才先有特斯拉成為第一大市值汽車公司，後有蔚來超過寶馬市值。電動化帶來的并不隻是能源上的革命，更為重要的是新能源車的架構在可控性上有了質地飛躍。比如：電機控制遠比發動機控制簡單，電機調速遠比變速器換擋簡單。而且新能源車還繞過了燃油車産業鍊僵化的問題，在新能源領域可以更快速的疊代發展。
• 共享化
“國内已有190餘家網約車平台公司獲得經營許可，各地共發放網約車駕駛員證250多萬張、車輛運輸證約104萬張，日訂單量約2100餘萬單。在劃定的36個中心城市中，已有18個城市合規網約車數量超過出租巡遊車，投入營運的車輛超過20萬輛，開通營運城市180多個。”如上是交通運輸部2020年10月釋出的資料，足以說明出行行業共享化已經普及。我們在日常生活中也明确感受到了共享化帶來的便利。在L4及以後，司機不再是必要條件，車輛可以直接共享給沒有駕照的人使用，這将進一步促進共享化。
• 智能化
汽車外在體驗上越來越像個大智能裝置，内在應用技術也在飛速疊代發展。大家熱捧新能源車，電動化是一個因素，但我相信智能化才是真正可以打開想象空間的匣子。ADAS輔助駕駛功能已經是各主流車型的标配。特斯拉的2.5級自動駕駛已滿街跑，FSD（Full Self-Driving）計劃2021年推出。L3級自動駕駛的奧迪A8也早已量産。各主流車廠都在加大自動駕駛領域的投資，生怕一旦落後就再也無法趕上這趟高速列車。剛進入汽車行業的華為也在20年10月份提出，采用L4級自動駕駛架構的Autonomous Driving Solution（華為高階自動駕駛系統）将在2022年量産。
• 聯網化
聯網化逐漸不再被提及，因為這個技術含量最低也最容易實作。能夠進一步帶來突破的将是5G的普及，高速度、低延時、高并發支援，為汽車智能化提供了更好的基礎設施。相信會有更多可能超出我們想象的應用會逐漸浮出水面。
政策法規标準
政策方面，近年我國在自動駕駛相關領域的綱領性檔案釋出較多。如下三個是最重要的政策檔案：
• 2015 ：《中國制造2025》推動智能交通工具等産品的研發和産業化。
• 2019.9 ：《交通強國建設綱要》提出加強智能網聯汽車研發；大力發展智慧交通。形成國家層面的發展戰略
• 2020.2 ：《智能汽車創新發展戰略》到2025年，中國标準智能汽車的技術創新、産業生态、基礎設施、法規标準、産品監督和網絡安全體系基本形成。
《智能汽車創新發展戰略》是由發改委、工信部、公安部等11個部委聯合釋出。該戰略釋出意味着國家就智能汽車的發展從上至下達成了高度共識和高度協同，今後将統籌規劃、協調發展，全國一盤棋來推動智能汽車産業的發展。各地方政府釋出的自動駕駛相關領域的政策規劃更是層出不窮。國家非常重視智能汽車産業發展，自動駕駛産業是以有望實作持續高速發展。2019年首個允許開展載人測試和高速道路測試的規範釋出。據媒體報道，全國20個城市向70家企業總計發放了超過430張路測牌照，測試車輛總數超過500台。目前各地法規已經從允許道路測試逐漸過渡到了允許商業化試營運。
政策是大力支援的，但在法規上還是會對自動駕駛有較多限制。比如《測繪法》規定，自動駕駛汽車在測試行駛中收集和處理地理資訊屬于測繪活動，需明确測試主體測繪準入、及地理資訊保密管理政策。而大多數的L3、L4場景是需要對道路資料進行實時采集的，這就導緻做自動駕駛需要有測試資質。全國具備甲級測繪資質的公司也就小幾十家，大多掌握在傳統圖商手上。新勢力要介入，要麼像華為一樣自己申請資質（已經拿到），要麼像MobileEye與紫光的合夥一樣通過收購有資質的企業（靈圖軟體）。其他還有，根據《道路交通安全法》等法規和标準，自動駕駛汽車辦理機動車登記和上牌也存在障礙。目前交通事故責任承擔機制也不适合自動駕駛汽車，亟待明确。整體上，法規稍顯滞後，可能産生一些制約。在個别領域，如自動駕駛測試，相關法規相對成熟一些，如《北京市自動駕駛車輛道路測試管理實施細則（試行）》。
在标準方面，自動駕駛領域非常欠缺。安全方面的标準尤為受關注。傳統汽車的安全标準已經運作了幾十年，标準的前提是車輛駕駛安全由人類負責。ISO 26262:2018便是近年來的最新的标準版本，它主要聚焦在裝置功能安全上。ISO 26262定義了汽車安全完整性等級 (ASIL)，最進階為D級。D級别硬體要求為10fit(十億小時10個故障)。但是如果裝置未發生故障，某些功能還是無法正常運作，怎麼辦呢？比如一個基于圖像識别的防撞輔助駕駛功能，圖像上行人剛好穿了和路面背景一樣顔色的衣服，沒有被識别出來，是以系統沒有進行刹車，導緻防撞失效。後來，汽車行業定義了一個新的标準——ISO / PAS 21448“預期功能的安全性”（SOTIF）标準。該标準主要考慮緩解由于意外操作條件（由于傳感器和算法的限制，預期功能可能無法始終正常工作）和需求缺口（缺少關于預期功能的完整描述）而導緻的風險。标準涵蓋了部分ADAS功能，但是仍然不足以覆寫進階别自動駕駛的所有安全範圍，例如網絡安全（一旦自動駕駛系統被黑客攻破，後果可能非常可怕）。2020年4月1日，非營利标準組織Underwriters Laboratories釋出了UL 4600《自動駕駛産品安全評估标準》，是針對無人駕駛車輛而開發的首個安全評估标準，但标準是否能夠得到美國或者行業的普遍認可還不知道。标準的限制力還得仰仗政策法規。
總體來說，在自動駕駛領域，法規标準都不成熟，但國家在政策上是大力支援的，實際在行業發展上也給足了相關公司的發展空間，對行業發展促進遠大于制約。中國在這樣的土壤下，是很可能長出國際一流企業的。
結語
本章概要介紹了自動駕駛的基本原理，感覺、決策然後操控，介紹了自動駕駛的意義能夠降低成本提高效率和安全性，介紹了L1到L5的分級和差異，最後簡單介紹了出行行業背景和相關政策法規。總體來說，自動駕駛是一個前沿且熱門的技術，是一個良好的中長期賽道，是投身汽車、出行行業所必須關注的領域。
注：本文為作者投稿内容，主要是供大家參考交流，并不代表高德官方觀點。