看完了這個，你還想放棄駕照學習嗎？

對于一部分人來說，學車是痛苦的、折磨人的。無數駕校學員被一輛駕考小汽車難倒，屢次倒在科二、科三的考場上。這時候，自動駕駛似乎成為了這些屢戰屢敗學員的終極“救星”。筆者身邊就有不少朋友抱著“十年之后靠自動駕駛開車”的想法，最終放棄了駕照的學習。

只可惜，最近某知名品牌的自動駕駛車輛，又撞上白色大卡車了。2021年3月11日，一輛自動駕駛汽車一頭“鉆進”白色卡車的貨柜之下，車上兩名人員被送往醫院搶救。

自動駕駛汽車出車禍的新聞已經屢見不鮮了。2016年，美國佛羅里達州某自動駕駛汽車與正在轉彎的白色半掛卡車發生碰撞，鉆進了卡車貨柜下方，駕駛員不幸身亡。

2020年6月，臺灣省嘉義市附近的高速公路上，一輛自動駕駛汽車撞進了前方翻轉的白色廂式貨車的貨柜之中，萬幸沒有發生人員傷亡。

發生的這幾起事故，自動駕駛都是敗在白色大卡車之手。一時之間，白色大卡車似乎成為了專職“自動駕駛殺手”。那為什么自動駕駛汽車就是要往白色大卡車上面撞呢？自動駕駛技術距離應用到我們的日常生活之中，到底還有多遠呢？

自動駕駛是什么？

自動駕駛技術，有L1到L5五個階段。

L1階段，車輛擁有ABS（防抱死系統）等輔助系統。

L2階段，車輛具有了橫向和縱向移動的輔助控制。例如：輔助汽車保持在車道線之內。

L3階段，大部分時候車輛可以自動駕駛。這一階段的汽車不需要駕駛員對當前路況進行實時監控，只需要在系統提示時接管車輛即可。可以說，邁入L3階段之后，“自動駕駛”技術就可以真正將人從“駕駛”這一任務中解放出來。

進入L4階段以后，自動駕駛車輛就可以自己在限定的道路上處理極端情況，此過程不需要人工進行操控。

到L5階段之后，自動駕駛汽車則可以根據當地交通法規、目的地自行選擇合適的路線和出行方式，從而真正做到全工況、全區域的自動駕駛。

我們現在常說的自動駕駛汽車，是指L3及以上級別的汽車。這一階段的汽車，想要實現自動駕駛，就需要先對周圍的環境進行檢測和識別。

常用的識別技術包括：攝像頭、激光雷達、毫米波雷達。攝像頭是用的最多的設備，通過對周圍的環境拍攝可以看到有顏色的標志、物體。但是在夜晚或者霧天，攝像頭的性能會受到嚴重影響。激光雷達是通過激光束照射周圍，然后根據接收的反射波的時間和波長，來繪制周圍障礙物的3D圖。但是激光雷達無法確定物體的具體顏色。毫米波雷達可以穿透塵霧、雨雪，但是缺點是無法識別高度，且分辨率不高。

獲得了環境中的信息之后，下一步就需要對信息進行識別和標識。例如，視頻拍攝到的照片，識別出其中的汽車、交通信號燈等信息。這一過程中需要注意的是，多種控制器獲得的信息不一定是互相協調的。同一個物體，激光雷達和攝像頭得到的信息，有可能會給出不同的判斷。這種時候，就需要對獲得的不同信息進行融合，根據每種傳感器的優缺點，綜合評判各種信息的準確度，最終得到一個可靠、安全的結果。

獲得了信息之后，下一步就是根據對應的信息進行決策了。看到了汽車和行人，就需要注意避讓。看到了紅燈就停車，等到綠燈再出行。

決策包含兩種類型：專家規則和AI學習。專家規則就是提前錄入各種交通規則和法規以及對應的反應準則，然后根據對應的規則進行行動。AI學習就是通過機器學習的方法，讓系統學習出一套“臨場反應”的方法。

最后完成決策之后，系統對車輛進行控制，做出決策后的反應，就完成了機器學習的整個過程。

為什么白色大卡車是自動駕駛的克星？

那為什么白色大卡車成為了自動駕駛技術的命門呢？問題就出在了上面的信息識別環節上。事故調查結果顯示，白色大卡車都被識別為天空。錯誤的識別，導致了后續悲劇的發生。

按理來說，白色卡車這么大，為啥還會識別錯誤呢？

這是幾個方面的原因綜合造成的。

首先，激光雷達的成本較高，在某品牌的自動駕駛車輛中并未被采用。

其次，超聲波雷達檢測距離過近，無法遠距離檢測出卡車。毫米波雷達雖然檢測距離較長，但是毫米波可能會直接從卡車箱底穿過，形成漏檢。而且毫米波雷達對于靜止或移動速度很慢的物體檢測起來不敏感，這進一步增加了漏檢的可能性。

最后，攝像頭檢測出的圖像還需要進一步識別，而白色大貨車存在大片純白的區域，前置攝像頭大部分時候就只能拍到卡車的局部。只有前置廣角攝像頭在近距離的情況下，才能拍到完整的白色大卡車。這也進一步增加了識別-反應的難度。

自動駕駛離我們還遠嗎？

自動駕駛汽車什么時候才能保證安全避開白色大卡車？自動駕駛汽車撞人了，責任該怎么劃分？倫理和道德上的種種問題，似乎橫亙在自動駕駛和大規模實際應用之間。但自動駕駛真的離我們無比遙遠嗎？

某品牌的自動駕駛已經投入商用了；國外另一知名無人駕駛公司在加州開展無人出租車業務已經有一年多的時間了；中國某公司最近半年在北京通州部分路段也開通了無人駕駛出租車服務（點開你的地圖軟件就能找到）。所以，實際中的自動駕駛技術與你的距離其實比你想象中的近。除了看得見摸得著的L4以上自動駕駛，L4以下的比如自動泊車、園區shuttle bus，無人倉儲這些涉及到自動駕駛技術的業務已經在不斷地推廣和落地了。

總體而言，影響自動駕駛落地的因素主要有三個：

一是設備，基于純二維視覺（這里再次點名屢次撞上白色大卡車的某公司）的自動駕駛終究不會是這個領域的最終形態。然而，基于毫米波和激光雷達的設備目前價格依舊高昂，導致這些三維視覺感知設備在商用自動駕駛車輛上遲遲不能落地。雖然這些設備的制造成本在逐年降低，但是能夠大規模推廣應用仍然需要一定的時間周期來進行產品的研發和迭代。

二是政策，這個涉及到倫理和監管問題，以及對自動駕駛汽車的事故責任認定等一系列復雜的討論，目前這一方面法律法規仍然是一個巨大的空白。另一方面，政府目前對這方面的態度是非常積極地在推動。比如北京、蘇州等地2019年就已經開放了很多自動駕駛路測路段，對于自動駕駛企業的扶持政策也在逐步落實到位。

三是技術，這個相對來說是目前自動駕駛領域中相對較為簡單和易解決的問題了。在有強大的傳感器和雷達等硬件設備的支撐下，自動駕駛技術是能夠通過識別和控制系統充分保障汽車行駛過程中的安全性。只不過限于設備成本，很多技術還未能投入商用，這就需要時間來不斷迭代產品并降低成本。

筆者認為，5年內能就可以看到“自動駕駛”技術的初期商用形態，10年內能看到成熟的完整產業形態。當然，最大的風險主要存在于倫理方面，包括事故的責任認定、劃分等，這些非技術性的問題將在未來成為影響自動駕駛技術發展的主要因素。但總體來看，自動駕駛距離我們的生活，并不遙遠。未來人們的交通出行方式，終將因自動駕駛而產生翻天覆地的變化。

（編輯/張峰）