自動駕駛是人工智能最有前途的應(yīng)用之一，也是目前復(fù)雜度最高的應(yīng)用。自動駕駛的分享分三個部分：應(yīng)用情況、技術(shù)簡介、由無人駕駛溢出的機會。

技術(shù)簡介：包含自動化駕駛的主要技術(shù)，這部分只包含技術(shù)所需解決的問題，未包含技術(shù)方案的介紹。此外還介紹了這個領(lǐng)域主要的派系分歧和挑戰(zhàn)。

技術(shù)部分很長、很難啃，但是你還是可以花點時間了解一下——因為，未來你可能在很多地方會遇到這些技術(shù)，了解一點背景，你會把它們用的更好。

1、基本過程

自動駕駛是要給非常復(fù)雜的系統(tǒng)，所以接下來的技術(shù)簡介也比較長。

自動駕駛的基本運行過程，是感知—》決策—》執(zhí)行的循環(huán)。

自動駕駛基本運行過程

2、感知，是讓車“看到”。

傳感器獲取信息。自動駕駛汽車對自身位置和方向、速度的感知，對道路、環(huán)境、鄰車、行人、障礙物等的感知，大部分是由車輛上安裝的傳感器提供的、車輛視角的信息。

自動駕駛汽車的成本構(gòu)成，主要就是傳感器。一輛L4自動駕駛汽車上，少則有30個傳感器，多的可以到50個。即使不特別考慮安全性，只在實驗室實現(xiàn)基本功能，傳感器的成本都在2萬美金以上。目前投入路測的自動駕駛汽車，造價大多在1~2百萬人民幣以上，其中僅僅一個激光雷達的價格就可以高達8萬美金。

因此，傳感器的成本，是自動駕駛技術(shù)應(yīng)用的限制要素之一。

百度自動駕駛汽車

網(wǎng)聯(lián)獲取信息。自動駕駛汽車地圖、天氣、對鄰車駕駛意圖、前方施工/學(xué)校放學(xué)等異常路況、十字路口左右側(cè)盲區(qū)的車輛和行人等的感知，是從網(wǎng)絡(luò)聯(lián)接上獲得的、上帝視角的信息。

自動駕駛汽車如果能夠獲得和處理足夠的網(wǎng)聯(lián)信信，會有3個好處：

1、  自動駕駛車輛的傳感器可以降低配置、控制價格，推進商用的進程；

2、  可以解決汽車對氣候、時間等環(huán)境的適應(yīng)性問題，盡早實現(xiàn)L5自動駕駛；

3、  上帝視角能夠幫助車輛提前規(guī)劃路徑、規(guī)避風(fēng)險，使自動駕駛更智能。

因此，有些學(xué)者提出了以“網(wǎng)聯(lián)智能為重心發(fā)展自動駕駛”。網(wǎng)聯(lián)智能雖然有上述好處，但問題也同樣明顯，后面會專門討論。

信息預(yù)處理。幾十個傳感器，并不是每個傳感器、全部時間的、所有信息，都對后續(xù)的決策環(huán)節(jié)有用，需要進行預(yù)處理，減少信息冗余和噪音。

比如一個小石子從車前20米飛過去，雷達會檢測到，但這個障礙物只存在于一、兩幀的掃描數(shù)據(jù)里，并不需要車輛對此做出什么反應(yīng)，這就屬于噪音，需要通過預(yù)處理去除。

比如負(fù)責(zé)觀察行人、車輛、障礙物的攝像頭抓取的信息，只有物體的輪廓、色彩、紋理等信息對后續(xù)的識別和決策有作用，預(yù)處理就需要先完成提取甚至標(biāo)記的工作。

現(xiàn)在，信息預(yù)處理主要使用深度學(xué)習(xí)方法實現(xiàn)。

信息在時空維度融合。幾十個傳感器，每個安裝的位置、角度都不同，抓取信息的頻率、時間也不一樣。

圖片來自：新浪科技

路邊安全島上的一個行人，可能好幾個傳感器都掃描到了他的部分信息，雷達知道他的準(zhǔn)確位置和行動軌跡、攝像頭知道他的一切外觀特征。想要準(zhǔn)確認(rèn)知這是一個人，他的準(zhǔn)確位置在哪里，行動軌跡和意圖如何，就需要把所有傳感器的信息進行融合。

信息融合需要把所有傳感器的信息，在時間和空間坐標(biāo)上進行統(tǒng)一化處理，最后輸出目標(biāo)對象3D、多維度的、完整的信息。

現(xiàn)在，信息融合也主要使用深度學(xué)習(xí)方法實現(xiàn)。

感知層做了什么

3、決策，是讓車自主的判斷“發(fā)生了什么”，并決定“怎么做”。

現(xiàn)在決策環(huán)節(jié)的功能，底層都是深度學(xué)習(xí)技術(shù)。

道路、環(huán)境識別。這是自動駕駛進行自主決策的基礎(chǔ)。

自動駕駛車輛需要一直到L4級，都對道路類別、氣候、路況、時間等有使用條件的限制，自動駕駛車輛必須能夠自行判斷當(dāng)前是否滿足條件，防止自動駕駛被錯誤啟動。

自動駕駛車輛想準(zhǔn)確的知道“我在哪”，需要把感知信息和高精地圖進行匹配。比如根據(jù)車道線和路標(biāo)、建筑物等，知道自己在哪個路段的哪個車道（精確到厘米）。

行人、車輛、障礙物的識別、跟蹤和行為預(yù)測。這是自動駕駛進行自主決策的主要依據(jù)。

車輛需要在行駛的過程中時刻判斷“周圍正在發(fā)生什么”。需要識別所有的行人、機動車、非機動車、動物、固定/不固定障礙物等，一切有可能出現(xiàn)的物體。跟蹤每一個對象的運動軌跡，并根據(jù)軌跡、對象的類別、道路和環(huán)境、其他對象等信息，預(yù)測對象接下來行為。比如：雨夜，識別一個人在人行道上，一路跑到一個沒有紅綠燈的路口，目前道路上車輛稀少，本車離路口還有20米，就可以預(yù)測：有很大概率此人會直接跑過路口。

*道路、環(huán)境識別；行人、車輛、障礙物的識別、跟蹤和行為預(yù)測——這是自動駕駛這一波發(fā)展中，技術(shù)更新最快的分支。隨著攝像頭獲取圖像的細(xì)節(jié)越來越豐富，甚至可以根據(jù)光影的細(xì)微變化，“看見”物體背后的物體，比如被相鄰車道車輛遮擋的行人

 自動駕駛感知&決策

本車行為認(rèn)知。自動駕駛需要判斷自己“正在做什么”。比如，在哪里、以什么樣的速度在行駛，車身姿態(tài)是否正常沒有側(cè)傾，（沒有GPS信號的時候）剛剛跑了多少里程，如果維持現(xiàn)狀接下來車輛會怎么運動等。

基于感知地圖的定位和自主導(dǎo)航。這是自動駕駛的常規(guī)決策內(nèi)容。

現(xiàn)在的人工駕駛中，導(dǎo)航的作用主要是做出發(fā)點到目的地的總體路徑規(guī)劃。

自動駕駛的導(dǎo)航則精細(xì)的多，需要知道每一秒鐘車輛應(yīng)該在哪條路的哪個車道行駛，車速應(yīng)該是多少等。

感知地圖

現(xiàn)在的普通車載或APP導(dǎo)航，使用的是GPS地圖，地圖提供道路輪廓、車道、道路類別、限速等信息，結(jié)合衛(wèi)星定位系統(tǒng)，車輛可以知道自己的位置，定位的誤差可以在3~5米之內(nèi)。這就是為什么有時車輛行駛過程中，導(dǎo)航會詢問“目前是否行駛在輔道”。這樣的精度用在自動駕駛是不夠的。

自動駕駛需要的是高精地圖，這個地圖上除了GPS信息，還有車道形狀、方向、道路部件、道路類別、限速等整體信息，還包含道路的坡度、曲率、鋪設(shè)材質(zhì)等信息，以及車道線類型、車道寬度、路邊地標(biāo)、防護欄、道路邊緣類型等詳細(xì)數(shù)據(jù)，甚至還有擁堵、施工、交通事故等動態(tài)交通信息。

自動駕駛的定位，簡單一些理解，是在GPS定位的基礎(chǔ)上，再用“看到”的路標(biāo)、建筑等的角度、距離等信息，在高精地圖上“查”出精確的車輛定位信息，這個定位精確到了厘米級。

高精地圖，圖片來源：寬凳科技

自動駕駛汽車有了精確的定位，再加上對道路上其他交通參與者、障礙物、交通事件的認(rèn)知，以及發(fā)點到目的地的總體路徑規(guī)劃，就可以決策是否應(yīng)該變換車道、減速或加速了。

異常情況的緊急決策。這是自動駕駛應(yīng)付突發(fā)異常的決策內(nèi)容。

自動駕駛汽車按照既定規(guī)劃把乘客送到目的地，這個功能的實現(xiàn)雖然復(fù)雜，但只實現(xiàn)了車輛的20%不到的功能。

自動駕駛絕大部分的功能，都是在處理各種突發(fā)、異常的情況，車輛的駕駛策略需要確保無論出現(xiàn)什么狀況，都能保障所有人員的安全。自動駕駛的硬件成本，研發(fā)、路測等工作的成本，超過80%都花在了安全性的提升上。

自動駕駛對時延近乎嚴(yán)苛的要求，也是處于安全的需要。如果檢測到前方有物體，到識別是行人，最后決策需要緊急剎車，這中間每多0.1秒的時間，車輛就會多跑出去了接近2米，事故的風(fēng)險會大很多。

自動駕駛對時延（從異常出現(xiàn)到開始采取動作）的要求是0.2秒以內(nèi)，相當(dāng)于一個熟練司機的正常反應(yīng)時間。

決策層做了什么

4、執(zhí)行，是讓車輛按照決策結(jié)果行動。

執(zhí)行機構(gòu)需要重新設(shè)計。車輛最基礎(chǔ)的執(zhí)行機構(gòu)包括動力、制動、轉(zhuǎn)向三個系統(tǒng)，讓車輛根據(jù)需要加速、減速、轉(zhuǎn)向。

傳統(tǒng)汽車這三個基礎(chǔ)控制的動力來源是人力，是由人根據(jù)經(jīng)驗施加不同大小的力，實現(xiàn)精確的轉(zhuǎn)向、加減速控制。

自動駕駛這三個基礎(chǔ)控制的動力來源是電機等機電裝置，需要重新適配和設(shè)計。這部分的設(shè)計直接決定了自動駕駛車輛操控的靈活性、連續(xù)性、準(zhǔn)確性，這些決定了自動駕駛車輛的舒適性。

自動駕駛的執(zhí)行機構(gòu)雖然需要重新設(shè)計，但功能實現(xiàn)主要是非常細(xì)致、繁瑣的實驗、調(diào)整過程，整車廠之前的造車技術(shù)和經(jīng)驗尚可以繼承。執(zhí)行層全新的挑戰(zhàn)，主要在安全性。

“絕對”安全的挑戰(zhàn)。機動車的安全性要求是“7個9”——連續(xù)行駛116天中，允許有1秒鐘車輛處于失控狀態(tài)，而這1秒中足夠車輛跑出去10~20米——換成里程大約是每行駛16~33萬公里，允許有1秒的時間，系統(tǒng)無法控制車輛。這幾乎是一個絕對安全的要求，現(xiàn)在自動駕駛的最高水平，和這個要求都還有數(shù)量級上的差距。

動力、制動、轉(zhuǎn)向這三個系統(tǒng)中的任何一個一旦失效，都會直接導(dǎo)致車輛失控。為了達到安全性要求，這三個系統(tǒng)每個都有2~4個冗余備份的設(shè)計。

以制動系統(tǒng)為例，制動控制器、ESP（車身穩(wěn)定系統(tǒng)）、電子手剎是制動系統(tǒng)的一種冗余設(shè)計方案。

當(dāng)制動控制器整體失效，相當(dāng)于踩剎車沒反應(yīng)，這時電子手剎就是備份方案。

當(dāng)制動控制器部分失效，相當(dāng)于有個別輪子沒剎住，這時ESP就會通過重新分配制動力、降低電機動力等方式，實現(xiàn)車輛的穩(wěn)定控制和剎車。

對于車輛這種復(fù)雜系統(tǒng)，冗余除了帶來更高的可靠性（在汽車行業(yè)表現(xiàn)為安全性），也帶來了數(shù)倍的復(fù)雜性。如果處理不好，冗余可能反而降低可靠性。

還是以制動系統(tǒng)為例，在無需制動的時候，如果由于軟件故障、環(huán)境擾動、局部誤判等原因，錯誤的啟動了ESP（車身穩(wěn)定系統(tǒng)）、電子手剎，車輛會直接陷入失控狀態(tài)，非常危險。

決策層和執(zhí)行層各冗余系統(tǒng)之間的配合，是自動駕駛汽車的挑戰(zhàn)之一。

執(zhí)行機構(gòu)的技術(shù)迭代。這兩年隨著ADAS的應(yīng)用，執(zhí)行機構(gòu)各系統(tǒng)的技術(shù)迭代也比較快。

自動泊車系統(tǒng)（APS）、車道保持系統(tǒng)（LKS）等的應(yīng)用，推動轉(zhuǎn)向系統(tǒng)迭代：

自適應(yīng)巡航系統(tǒng)（ACC）、主動緊急制動（AEB）等的應(yīng)用，推動制動系統(tǒng)迭代：

執(zhí)行層做了什么

5、自動駕駛功能小結(jié)

自動駕駛本身并不是一個新概念，早在上世紀(jì)60年代，通用汽車就推出了自動駕駛概念車。它之所以在現(xiàn)在成為可能，主要是幾個基礎(chǔ)條件的變化：

1、  傳感器的成熟，使車輛能夠獲得自動駕駛所需的完整信息。

2、  深度學(xué)習(xí)解決了感知和感知信息處理、智能決策的問題。

3、  電動汽車、電子控制器的成熟，降低了車輛控制的難度。

自動駕駛的關(guān)鍵技術(shù)包含：

• 感知到認(rèn)知。把傳感器的價格控制在可接受的范圍，用傳感器獲得的豐富數(shù)據(jù)，形成對車輛運行的近、中、遠(yuǎn)距離中，所有交通參與者、道路、環(huán)境的認(rèn)知。

• 高精地圖。這是自動駕駛實現(xiàn)厘米級精確定位的基礎(chǔ)，也是一個“打呆仗”的力氣活。

• 駕駛策略。駕駛策略是安全的保障，但這不僅僅是一個技術(shù)問題，更是一個倫理和法規(guī)的問題。

自動駕駛的挑戰(zhàn)，一言以蔽之：用民用產(chǎn)品的價格、在民用產(chǎn)品的開放性使用環(huán)境中，達到遠(yuǎn)超民用的安全性標(biāo)準(zhǔn)。

6、線路之爭——單車智能 vs網(wǎng)聯(lián)智能

自動駕駛從早期定義，到近幾年成為技術(shù)熱點，一直都只有單車智能，從網(wǎng)絡(luò)側(cè)獲取信息只是補充。去年以來，隨著5G標(biāo)準(zhǔn)的確定，以及各國開始加大5G網(wǎng)絡(luò)的建設(shè)，網(wǎng)聯(lián)智能開始作為自動駕駛的線路之一被擺上了桌面。

單車智能 vs 網(wǎng)聯(lián)智能

• 基本觀點：自動駕駛必然是“單車智能+網(wǎng)聯(lián)智能”，因此，這兩個線路之爭，事實上是對整個系統(tǒng)主導(dǎo)權(quán)的判斷，而不是二選一。

• 核心技術(shù)&投資重點：兩個線路依賴的技術(shù)也幾乎一樣，只是對不同的技術(shù)依賴程度不同，因此發(fā)展和投資的優(yōu)先級選擇有所不同。

• 前提：

• 單車智能認(rèn)為，車輛自始至終都是在各種開放道路上行駛，L2~L5的區(qū)別只是自動化的程度不同，道路上始終都會有人工駕駛的車輛，以及其他各種物體和障礙物。

• 網(wǎng)聯(lián)智能認(rèn)為，L5只在理想中存在，非常長的時間（以百年為尺度）內(nèi)，自動駕駛只在城市的社區(qū)、商區(qū)、景區(qū)、校區(qū)、園區(qū)、市區(qū)比較有價值，其他區(qū)域、城市以外，需要維持人工駕駛。而在這些區(qū)域，政府能夠協(xié)調(diào)社會的各種資源，包含市政規(guī)劃、交通管理、市政建設(shè)、網(wǎng)絡(luò)服務(wù)提供商、車企等，一起遵循統(tǒng)一的、為自動駕駛制定的規(guī)范，共同建設(shè)適合自動駕駛的道路環(huán)境。

• 優(yōu)勢：

• 單車智能線路下，無論是最終的自動駕駛，還是過程中的輔助駕駛、有條件自動駕駛，車廠推出的一款車型都可以參與全球競爭，不受當(dāng)?shù)鼐W(wǎng)絡(luò)建設(shè)水平、道路智能化水平的限制。車企和科技企業(yè)可以自主發(fā)展。不依賴外部條件，自己選擇技術(shù)路線、選擇生態(tài)、自主發(fā)展。因為現(xiàn)在的電信網(wǎng)絡(luò)事實上還無法做到全球通用，每個國家在頻段選擇、優(yōu)先覆蓋區(qū)域、服務(wù)質(zhì)量上的選擇都不同，因此，只利用不依賴網(wǎng)絡(luò)，是更多車企選擇。

• 網(wǎng)聯(lián)智能下，網(wǎng)絡(luò)實現(xiàn)自動駕駛所需的大部分感知、決策能力，車輛只需要從網(wǎng)絡(luò)側(cè)獲取加工后的信息，再補充少量車輛視角的信息，就可以實現(xiàn)自動駕駛。所需的開發(fā)工作量減少，短期就可以落地。一些成本特別高的傳感器安裝到了道路上，運算量大的計算放到云端，單點投資可以為更多車輛提供服務(wù)，一次性投入雖然大，但長期綜合成本比較低。

• 挑戰(zhàn)：

• 單車智能的挑戰(zhàn)，首先是成本高，不僅是研發(fā)、路測階段需要投入巨大的成本，量產(chǎn)以后生產(chǎn)單個產(chǎn)品的邊際成本也較高。其次，L4級自動駕駛路測的復(fù)雜性超出預(yù)期，商用仍遙遙無期。

• 網(wǎng)聯(lián)智能的挑戰(zhàn)，首先是安全性的技術(shù)難度被低估。網(wǎng)聯(lián)方案中感知、決策的各個部分之間依賴網(wǎng)絡(luò)通信，5G雖然有高帶寬、低時延的優(yōu)點，但互聯(lián)網(wǎng)的架構(gòu)總的說來對帶寬和時延沒有保障。而且網(wǎng)聯(lián)系統(tǒng)中節(jié)點數(shù)量和類型眾多，這些對自動駕駛的安全性都是巨大的挑戰(zhàn)，很可能需要從網(wǎng)絡(luò)架構(gòu)開始重新設(shè)計自動駕駛的網(wǎng)聯(lián)方案。其次，在網(wǎng)聯(lián)方案中，單車仍需自行處理緊急狀況，單車成本和技術(shù)門檻降低的比較有限。

• 掣肘：

• 單車智能目前尚在技術(shù)爬坡期，當(dāng)技術(shù)問題被解決之后，很可能會被倫理和法規(guī)問題困擾，比如：剎車失靈時，是由車主承擔(dān)風(fēng)險找一個固定障礙物撞上去？還是由路人承擔(dān)風(fēng)險，找個上坡路段開過去？

• 網(wǎng)聯(lián)智能的掣肘則近在眼前，目前V2X并沒有完整、統(tǒng)一的規(guī)范體系。

*車路協(xié)同（V2X）。V2X包含車與車、車與交通設(shè)施、車與人、車與云端服務(wù)平臺的聯(lián)接。自動駕駛通過V2X獲得路面、交通參與者、環(huán)境等方面，可視范圍以外的信息。

V2X可以讓車輛提前預(yù)知行駛路段的高發(fā)風(fēng)險，提前采取措施防范風(fēng)險。V2X可以讓車輛根據(jù)幾公里范圍內(nèi)的交通狀況，進行線路選擇和車速控制，使道路通行更有效率。V2X還可以為車輛提供其他遠(yuǎn)程的增值服務(wù)。

小HUI觀點

小HUI本人認(rèn)為，未來的很長時間，自動駕駛的技術(shù)發(fā)展都將以單車智能為主，網(wǎng)聯(lián)為輔。作為一個用戶，買車的目的是兩個：工作日通勤&節(jié)假日擴大活動范圍。過多的使用路段限制，會嚴(yán)重打擊我對自動駕駛的付費意愿。就像5G網(wǎng)絡(luò)沒有達到一定覆蓋，很難撬動大部分人換機一樣。

7、線路之爭——視覺主導(dǎo) vs激光雷達主導(dǎo)

在感知層的傳感器應(yīng)用上，存在視覺主導(dǎo)和激光雷達主導(dǎo)的線路之爭。小HUI沒有現(xiàn)場聆聽過兩派觀點的爭論，這個話題只能粗略介紹。

都是對多種傳感器的不同組合。

兩條線路都用到了攝像頭、激光雷達（特斯拉甚至連低成本激光雷達都不用）、毫米波雷達、超聲波雷達等主要的傳感器。不同的是把主要的投資放在哪里。

自動駕駛使用的傳感器

激光雷達主導(dǎo)，因為雷達會直接輸出高精度的3D模型，主要投資放在雷達硬件就好，對攝像頭精度和圖像處理的要求比較低。

視覺主導(dǎo)，依賴攝像頭抓取的圖像，分析得到主要的距離、角度、輪廓、色彩、紋理等完整信息，主要投資放在計算機視覺的實現(xiàn)上。

激光雷達主導(dǎo)的方案，量產(chǎn)以后生產(chǎn)單個產(chǎn)品的邊際成本較高，但現(xiàn)階段難度較小。

視覺主導(dǎo)方案一旦成熟，量產(chǎn)以后的邊際成本幾乎沒有，但是現(xiàn)階段難度非常大。

兩個方案誰能勝出，最后可能是制造成本的競賽。

爭奪的主要是中、遠(yuǎn)距離感知的主導(dǎo)權(quán)。

30~50米內(nèi)的近距離感知，主要由毫米波雷達、超聲波雷達與攝像頭配合，這個范圍內(nèi)的傳感器方案沒有多少歧義。

30~150米的中距離，以及100米以上的遠(yuǎn)距離感知，激光雷達、毫米波雷達、攝像頭各有優(yōu)勢。短時間內(nèi)，誰也無法完全替代誰。

*近、中、遠(yuǎn)距離的量化劃分，沒有公認(rèn)的標(biāo)準(zhǔn)，這里只是為了形成感性認(rèn)知采用了一種劃分。

激光雷達、毫米波雷達、攝像頭優(yōu)勢對比

小HUI觀點

雖然從功能上看，視覺主導(dǎo)和激光雷達主導(dǎo)，二者是勢均力敵的關(guān)系。但是目前自動駕駛有一個重要的工作：搜集盡可能多的實際道路數(shù)據(jù)，用于在實驗室訓(xùn)練自動駕駛系統(tǒng)，因為路測的成本太高、風(fēng)險太大。

高精度攝像頭+毫米波雷達的方案，因為成本足夠低，除了可以在路測車輛上搭載，也可以在正式發(fā)布的商用車型上安裝，獲取實際道路數(shù)據(jù)的效率更高。同時，這個方案獲取的信息足夠完整，損失和失真非常小，能夠讓實驗室訓(xùn)練的仿真程度大大提高。

所以小HUI認(rèn)為，無論當(dāng)前的商用側(cè)重哪個線路，都不應(yīng)該放棄視覺方案的研發(fā)。

8、路測結(jié)果

自動駕駛車輛不僅自身是一個復(fù)雜系統(tǒng)，它的工作環(huán)境也是開放的，這意味著自動駕駛最終上市前，必須在真實環(huán)境中對可能的情況進行駕駛安全的驗證。

目前通行的做法，政府設(shè)置專門的自動駕駛試驗場。有些試驗場是封閉的，可以在不危害其他交通參與者的前提下做早期產(chǎn)品的測試，或者測試特定場景、危險場景。有些試驗場是特定區(qū)域的城市公共道路，用于測試真實環(huán)境中的功能和安全性。

在城市公共道路的路測，目前投入的都是L2（車上有安全員）自動駕駛車輛。

自動駕駛試驗場最多的國家是美國和中國，美國已經(jīng)建成60多座試驗場，包含模擬駕駛、封閉試驗區(qū)、半封閉城區(qū)、開放城區(qū)、交通走廊各種形態(tài)。中國建成和在建20多座，以封閉試驗區(qū)、半封閉城區(qū)為主。

各家公司自動駕駛的技術(shù)對比，看的是路測結(jié)果。主要包括：

1、  場景覆蓋率。在試驗場中完成了哪些道路條件、危險情況、安全駕駛行為的路測。比如通過人行道、學(xué)校路段、坡道起停等。

2、  路測里程?？疾斓氖峭瓿陕窚y的量，里程越高，意味著對路面各種情況的覆蓋越成熟。

3、  人工接管前里程（MPI）?？疾斓氖瞧骄詣玉{駛多少公里，需要人工接管一次。這是自動駕駛最重要的指標(biāo)，越高距離商用越近。

自動駕駛有科技企業(yè)、傳統(tǒng)車企、造車新勢力三個陣營。

自動駕駛競爭力排名（NavigantResearch，美國）

科技企業(yè)起步較早，上路測試的里程、積累的路面數(shù)據(jù)都更多。

科技企業(yè)中技術(shù)最成熟的是谷歌。從2009年發(fā)布Waymo至今，已經(jīng)完成了2000萬公里的路測，為10萬人次提供了出租車服務(wù)。從美國加州的測試數(shù)據(jù)看，Waymo的車輛每行駛17000+公里才需要人工接管一次，應(yīng)該可以比較快跨越到L3自動駕駛。

國內(nèi)自動駕駛的龍頭是百度，目前已經(jīng)完成200萬公里的路測，從北京市發(fā)布的路測結(jié)果看，MPI（人工接管前里程）評分比Waymo低很多，安全性還有比較大提升空間。

國內(nèi)科技企業(yè)中，小馬智行在美國加州和中國北京的路測中，MPI上的表現(xiàn)是最好的，但和Waymo仍有數(shù)量級上的差距。

科技企業(yè)雖然自動駕駛技術(shù)更領(lǐng)先，但自動駕駛的主體是汽車，絕大部分自動駕駛科技企業(yè)，必須尋求與傳統(tǒng)車企的合作，才能打通最后的汽車控制部分，使自動駕駛真正落地。

傳統(tǒng)車企在自動駕駛方面相對保守，但也早已通過收購、合作開始了自動駕駛的探索和實驗。今年，凱迪拉克、沃爾沃、尼桑、寶馬、奔馳等都發(fā)布了L2級自動駕駛的量產(chǎn)車型。

在自動駕駛上，國內(nèi)車企和國際車企有3~5年的差距，一汽、上汽、金龍等基本上是選擇和科技企業(yè)合作，目前都在早期路測階段，測試結(jié)果還不理想。

造車新勢力，特斯拉、蔚來汽車等，無論是從自動駕駛的功能完整性，還是可靠性/安全性上，目前都還落后于主流科技企業(yè)和傳統(tǒng)車企，屬于第三梯隊。

9、道路長且阻

美國智庫蘭德公司 2016 年的一份報告認(rèn)為：一輛自動駕駛汽車需要積累約200億公里的路測數(shù)據(jù)才能驗證其安全性。路測過程中，平均16~33萬公里發(fā)生一次人工接管，才算滿足汽車安全性的要求。

從這個標(biāo)準(zhǔn)看，無論哪個陣營，離L4自動駕駛都還很遠(yuǎn)。

自動駕駛提出來已經(jīng)有10年，但是對于“完全自動駕駛”到底什么時候到來，最樂觀的判斷是10~15年，Garter技術(shù)成熟度曲線中判斷L4級自動駕駛的成熟還需要10年以上，有些業(yè)內(nèi)人士的判斷，甚至認(rèn)為“遙遙無期”。原因有：

1、  L2只需要具備功能，L3對可靠性要求極高。

L2（部分自動駕駛）的車輛，機器已經(jīng)具備了全部的汽車操控能力，看上去離L3（無需駕駛員人工干預(yù)）應(yīng)該很近了。

但是L2到L3其實非常遙遠(yuǎn)，比如自動駕駛車輛需要能夠自動通過學(xué)校區(qū)域，但是如果在上下學(xué)時間段，L2允許駕駛員人工干預(yù)，L3則基本上不允許。車輛需要自行等候過馬路的學(xué)生，躲避見縫插針的電動車和家長，還要根據(jù)交通義工的指揮行進，盡可能不堵路。

L2到L3，要解決的是各種復(fù)雜條件下的可靠性問題，需要投入至少10倍于L2的工作量才可能達成。

2、  目前的自動駕駛路測結(jié)果，有非常強的地域限制。

美國的道路條件，和中國的差別很大；北京完成的測試結(jié)果，也沒法證明車輛在貴州、重慶也能有相同表現(xiàn)；廣東要求機動車必須禮讓行人，其他地方就未必；有些地方行人只走斑馬線，有些地方路上除了有隨意亂穿的人，還有各種大小動物。

要想造出全球發(fā)布的車型，就需要在全世界所有道路上進行路測，這幾乎是不可能完成的任務(wù)。

這意味著，消費者現(xiàn)在買的車，只能在有限的區(qū)域自動駕駛，出了這些區(qū)域就只能人工駕駛。自動駕駛很長時間都是在城市公交、貨運等有固定線路的領(lǐng)域更可行，車輛也不太可能放棄剎車、油門、方向盤。

自動駕駛正在試圖：用民用產(chǎn)品的價格、在民用產(chǎn)品的開放性使用環(huán)境中，達到遠(yuǎn)超民用的安全性標(biāo)準(zhǔn)。

這個過程中：

• 會創(chuàng)造出高精度、高可靠性、全工況、低成本的攝像頭、激光雷達、毫米波雷達等傳感器；

• 會倒逼物聯(lián)網(wǎng)提升可靠性和性能，促進物--物相連標(biāo)準(zhǔn)的發(fā)展；

• 會激勵地圖和定位技術(shù)的更新?lián)Q代，達到更高的精度和速度；

• 會給專用芯片的發(fā)展提供契機；

• 也會催生出一批有別于互聯(lián)網(wǎng)時代的，適合硬科技和工業(yè)需要軟件技術(shù)人員群體。

自動駕駛是硬科技創(chuàng)新的龍頭之一，產(chǎn)生的技術(shù)創(chuàng)新會在其他的硬科技創(chuàng)新應(yīng)用中發(fā)揮價值。