無人駕駛就是沒有司機 圖樣圖森破

許多公司已經開始提供自己的汽車，可以在公園、校園、景點和固定公交線路等有限的環境中載客。在他們的產品宣傳中，我們經常可以看到“無人駕駛”這個高頻詞，不小心收到十幾個“未來來了”的興奮和喜悅！

嘿，等一下，只要方向盤后面沒有司機，我們就能實現全自動駕駛的夢想嗎？

（注：本文中所有的“全自動駕駛”都是指SAE L4-L5的自動化程度。）

帶著這個問題，車云觀察了國內外幾家典型的公司，并進行了一些分析和比較。

我們發現，許多在國外載客的無人駕駛汽車已經在城市公共道路上行駛。Waymo pod car和英國的Lutz Pathfinder這兩款車在現階段似乎并不特別受歡迎，主要是因為考慮到性價比、傳感器和冗余設計以確保安全會增加許多額外成本（從下表來看，一輛車仍然相當昂貴）。大量新聞的主角是小巴，相對知名的供應商是法國的Navya和EasyMile、美國的Local Motors和日本的SB Drive。

從左到右，從上到下：Arma、EZ10、Olli、SB Drive小巴，圖片來自網絡。

國內無人駕駛汽車主要在景區、公園、停車場等有限的封閉區域運營，包括傳統汽車、小型雙座車和小型客車。大型互聯網公司、主機廠和研究機構已經啟動了相關項目，百度和北汽是代表公司，智行哲和馭勢科技是主要的啟動公司，IVTTC是另一家研究機構。

從左到右，從上到下：百度、北汽、智行、馭勢、IVTTC的無人車，部分圖片來自網絡。

還有一些企業利用機電控制技術曲線，通過安裝磁釘、磁傳感器陣列、導軌等磁導向裝置，實現無人駕駛。當這些車開始在路上忙碌時，我們能高興嗎？答案當然是否定的。

首先，一輛汽車是否是全自動的并不是由是否有司機來判斷的。

在SAE標準（J 30162016版本自動駕駛汽車的定義和分類）中，盡管全自動駕駛確實可以擺脫駕駛員，但一輛名副其實的“自動駕駛”汽車在實時駕駛過程中必須持續滿足以下所有動作：

1.通過轉向對車輛進行橫向控制。

2.通過加速和減速來控制車輛的縱向運動。

3.通過監測、識別和分類障礙物和事件來監測駕駛環境，并為應對做好準備。

4.根據障礙物和道路事件做出反應。

5.制定車輛移動計劃

6.通過燈光、信號和手勢等方式向外界傳遞車輛信息。

目前，我們看到的無人駕駛汽車雖然可以監測環境，做出決策和計劃，并最終做出相應的操作，但還不夠全面。從技術上講，這些汽車仍然無法像人類駕駛員那樣靈活地應對各種情況。我們可以看到，在試運行過程中，人們對車輛的自動駕駛技術不夠自信。當一些汽車進入新城市時，他們不得不安排專人按下緊急制動按鈕。還有一些汽車正在試運行，司機會坐在駕駛座上徒勞地握住方向盤以防萬一。

最重要的是，區分全自動駕駛汽車和駕駛員輔助的關鍵是，當系統無法工作或超出系統的原始操作設計范圍時，系統不會依賴人類，并盡最大努力以安全的方式解決問題。不幸的是，在推出產品時，這些公司都回避了當系統出現故障或超出其能力時，他們是否可以自己拯救這一天。然而，系統穩健性是衡量安全性的重要標準，無法通過短期經驗進行測試。

其次，我們應該理解“有限的環境”是什么意思。

由于自動駕駛系統不夠可靠，它將確保在簡單的環境中安全運行。是否有必要定義環境是L4和L5之間的分界線。以下不是SAE提到的一些資格的完整列表，例如：

速度（高速，……

低速等）

地理地形（平原、山脈等）

道路路面狀況（筆直道路、繞行道路等）

環境（天氣、氣候、基礎設施等）

交通狀況（簡單、復雜、違法行為、固定路線等）

時間段（白天、晚上）

……

當然，L4級自動駕駛汽車可以設置多個有限的環境，這些環境可以自由組合。例如，它只在白天低速行駛，路上沒有行人，因此出現了各種條件有限的自動駕駛汽車。然而，限制設計操作范圍將讓我們看到自動駕駛系統離L5有多遠。如果L4級自動駕駛汽車設置了許多限制，這意味著它仍有許多技術問題需要解決。

例如，許多無人車通過各種限制來簡化駕駛難度。這些無人駕駛汽車行駛速度很慢，因此系統的實時計算能力不是很高。汽車在同一條路線上通勤，所以沒有必要考慮太多的道路變化。車輛也采用相對安全的應對策略。例如，人們很少超車和變道，他們會盡力停車和避讓。

在上述情況下，路況簡單，環境可控，只在白天行駛，表明傳感器和算法無法勝任夜間工作。車輛只能在封閉的公園內行駛，因此高精度地圖不會過多考慮高頻更新。例如，駕駛環境中永遠不應該有人，也不應該有車，這表明在應對復雜路況的感知和決策方面仍有問題需要解決。自動駕駛仍有10%的道路，但剩下的10%需要90%的時間和成本。

此外，我們可以看到，在商業化問題上，它絕不是一家公司來做所有的工作。車企、交通信息公司、解決方案提供商和運營商都將全鏈條參與，為了獲得足夠的利潤空間，他們將盡力掌握核心數據資源。數據的積累和算法的訓練本來就是一個漫長的過程。

總結

自動駕駛可以在不同階段找到商業途徑，讓企業通過盈利獲得良性發展資本。然而，當行業進入自動駕駛發展的關鍵時期時，我們不應該忙于給產品貼上“無人駕駛”的標簽，而應該多談談一些困難的解決方案，讓自動駕駛產品在現實生活中給我們帶來安全舒適的駕駛體驗。許多公司已經開始提供自己的汽車，可以在公園、校園、景點和固定公交線路等有限的環境中載客。在他們的產品宣傳中，我們經常可以看到“無人駕駛”這個高頻詞，不小心收到十幾個“未來來了”的興奮和喜悅！

嘿，等一下，只要方向盤后面沒有司機，我們就能實現全自動駕駛的夢想嗎？

（注：本文中所有的“全自動駕駛”都是指SAE L4-L5的自動化程度。）

帶著這個問題，車云觀察了國內外幾家典型的公司，并進行了一些分析和比較。

我們發現，許多在國外載客的無人駕駛汽車已經在城市公共道路上行駛。Waymo pod car和英國的Lutz Pathfinder這兩款車在現階段似乎并不特別受歡迎，主要是因為考慮到性價比、傳感器和冗余設計以確保安全會增加許多額外成本（從下表來看，一輛車仍然相當昂貴）。大量新聞的主角是小巴，相對知名的供應商是法國的Navya和EasyMile、美國的Local Motors和日本的SB Drive。

從左到右，從上到下：Arma、EZ10、Olli、SB Drive小巴，圖片來自網絡。

國內無人駕駛汽車主要在景區、公園、停車場等有限的封閉區域運營，包括傳統汽車、小型雙座車和小型客車。大型互聯網公司、主機廠和研究機構已經啟動了相關項目，百度和北汽是代表公司，智行哲和馭勢科技是主要的啟動公司，IVTTC是另一家研究機構。

從左到右，從上到下：百度、北汽、智行、馭勢、IVTTC的無人車，部分圖片來自網絡。

還有一些企業利用機電控制技術曲線，通過安裝磁釘、磁傳感器陣列、導軌等磁導向裝置，實現無人駕駛。當這些車開始在路上忙碌時，我們能高興嗎？答案當然是否定的。

首先，一輛汽車是否是全自動的并不是由是否有司機來判斷的。

在SAE標準（J 30162016版本自動駕駛汽車的定義和分類）中，盡管全自動駕駛確實可以擺脫駕駛員，但一輛名副其實的“自動駕駛”汽車在實時駕駛過程中必須持續滿足以下所有動作：

1.通過轉向對車輛進行橫向控制。

2.通過加速和減速來控制車輛的縱向運動。

3.通過監測、識別和分類障礙物和事件來監測駕駛環境，并為應對做好準備。

4.根據障礙物和道路事件做出反應。

5.制定車輛移動計劃

6.通過燈光、信號和手勢等方式向外界傳遞車輛信息。

目前，我們看到的無人駕駛汽車雖然可以監測環境，做出決策和計劃，并最終做出相應的操作，但還不夠全面。從技術上講，這些汽車仍然無法像人類駕駛員那樣靈活地應對各種情況。我們可以看到，在試運行過程中，人們對車輛的自動駕駛技術不夠自信。當一些汽車進入新城市時，他們不得不安排專人按下緊急制動按鈕。還有一些汽車正在試運行，司機會坐在駕駛座上徒勞地握住方向盤以防萬一。

最重要的是，區分全自動駕駛汽車和駕駛員輔助的關鍵是，當系統無法工作或超出系統的原始操作設計范圍時，系統不會依賴人類，并盡最大努力以安全的方式解決問題。不幸的是，在推出產品時，這些公司都回避了當系統出現故障或超出其能力時，他們是否可以自己拯救這一天。然而，系統穩健性是衡量安全性的重要標準，無法通過短期經驗進行測試。

其次，我們應該理解“有限的環境”是什么意思。

由于自動駕駛系統不夠可靠，它將確保在簡單的環境中安全運行。是否有必要定義環境是L4和L5之間的分界線。以下不是SAE提到的一些資格的完整列表，例如：

速度（高速，……

低速等）

地理地形（平原、山脈等）

道路路面狀況（筆直道路、繞行道路等）

環境（天氣、氣候、基礎設施等）

交通狀況（簡單、復雜、違法行為、固定路線等）

時間段（白天、晚上）

……

當然，L4級自動駕駛汽車可以設置多個有限的環境，這些環境可以自由組合。例如，它只在白天低速行駛，路上沒有行人，因此出現了各種條件有限的自動駕駛汽車。然而，限制設計操作范圍將讓我們看到自動駕駛系統離L5有多遠。如果L4級自動駕駛汽車設置了許多限制，這意味著它仍有許多技術問題需要解決。

例如，許多無人車通過各種限制來簡化駕駛難度。這些無人駕駛汽車行駛速度很慢，因此系統的實時計算能力不是很高。汽車在同一條路線上通勤，所以沒有必要考慮太多的道路變化。車輛也采用相對安全的應對策略。例如，人們很少超車和變道，他們會盡力停車和避讓。

在上述情況下，路況簡單，環境可控，只在白天行駛，表明傳感器和算法無法勝任夜間工作。車輛只能在封閉的公園內行駛，因此高精度地圖不會過多考慮高頻更新。例如，駕駛環境中永遠不應該有人，也不應該有車，這表明在應對復雜路況的感知和決策方面仍有問題需要解決。自動駕駛仍有10%的道路，但剩下的10%需要90%的時間和成本。

此外，我們可以看到，在商業化問題上，它絕不是一家公司來做所有的工作。車企、交通信息公司、解決方案提供商和運營商都將全鏈條參與，為了獲得足夠的利潤空間，他們將盡力掌握核心數據資源。數據的積累和算法的訓練本來就是一個漫長的過程。

總結

自動駕駛可以在不同階段找到商業途徑，讓企業通過盈利獲得良性發展資本。然而，當行業進入自動駕駛發展的關鍵時期時，我們不應該忙于給產品貼上“無人駕駛”的標簽，而應該多談談一些困難的解決方案，讓自動駕駛產品在現實生活中給我們帶來安全舒適的駕駛體驗。

標簽：發現

汽車資訊熱門資訊