北京無人駕駛百度測試禁止_百度無人駕駛 北京 - CSDN

作者：劉少山，唐潔，吳雙，李力耘等。
本文節選自圖書：《第一本無人駕駛技術書》，本書從實用的角度出發，以期幫助對無人駕駛技術（特別是人工智慧在無人駕駛中的應用）感興趣的從業者與相關人士實現對無人駕駛行業的快速入門，以及對無人駕駛技術的深度理解與應用實踐。

我們可以預測一個不遠的未來，屆時所有行駛的汽車都是無人車，我們將迎來一個更加安全、更加清潔環保的世界。得益於無人駕駛技術，未來我們的交通工具、行駛的道路，甚至是未來的世界都將變得更安全、更高效，極大地降低對石油燃料的消耗，減輕對環境的汙染。本章，我們先從無人駕駛的商業前景、無人駕駛面臨的發展障礙、無人車行業發展、全球化下的無人駕駛四個方面出發，分析未來無人駕駛的發展和即將面臨的問題。最後，將給出無人駕駛發展的時間線，揭示在即將到來的未來二十年內無人駕駛的走勢。

無人駕駛的商業前景

無人駕駛帶來的商業潛力有多大？從本質上講，無人駕駛和網際網路的共同之處在於：它們都通過去人力化，降低了傳輸成本。網際網路降低的是信息的傳輸成本，而無人駕駛則降低有形的物和人的運輸成本。對比網際網路已經產生的商業影響力，就可以想像無人駕駛的商業潛力。隨著谷歌、Uber和特斯拉這樣的公司用事實不斷展示技術上的進步，傳統車廠已經越來越清晰地意識到，無人駕駛技術即將為汽車商業模式帶來顛覆式的改變，這可能是自內燃機發明以來，汽車行業最重大的變化。

新的運輸模式：TaaS 2.0

基於無人駕駛的發展，TaaS 2.0（運輸即服務，Transportation as a Service）正在成為業界探討的熱點，這裡將TaaS1.0定義為有人駕駛，而無人駕駛則是TaaS 2.0時代。[1]摩根史坦利公司在最近的一份報告中表示，實現汽車完全無人駕駛將極大地降低拼車成本，每輛車從目前的1.50美元一英裡降至20美分一英裡。藉助無人駕駛，一箱德國啤酒從工廠出廠到中國的超市，在運輸過程中可以不需要任何人工幹預，全程自動化運輸，中間會經過輪船運輸、海關通關、高速公路運輸和抵達城市等多個環節，其中的任務調度都可以在雲端完成，這提供了端到端的運輸解決方案。同樣藉助無人駕駛，從首都機場到上海的淮海路可以提前預約服務，中間也許會經過幾次拼車，以實現運算效率最大化，就像手機基站切換那樣，全程依然是無縫連接的。這一運輸模式的變化對於傳統車廠的影響是巨大的，一旦汽車從私人擁有變為共享運輸工具，傳統車廠的目標客戶就將由個人消費者轉變為TaaS運營商，正如華為和中國移動的關係一樣。隨之而來的是汽車的設計、銷售都將發生根本性的改變是汽車廠商很難維持原來的強勢地位。

無人駕駛的商業發展方向

因為安裝了攝像頭、雷達、雷射雷達和人工智慧系統，無人車的最初成本會很高，普通消費者難以接受。無人車可能會先進入特殊群體，比如企業和某些特殊行業將是早期消費群體。最有可能採納無人車的行業包括約車、巴士、計程車、快遞車輛、工業應用，以及為出行的老年人和殘疾人士提供服務的行業。

公共運輸

無人車將成為公共運輸系統的重要選擇。百度計劃幾年後商業推廣無人駕駛汽 車，將首先在中國城市試運行。[2]百度目前已經獲得幾個地方監管部門的批准，在事先確定的路線進行試驗，希望在不遠的將來推出這類車輛。一些城市還在考慮將某些街區劃定為無人駕駛專區。在30或40個街區將不再出現人駕汽車和無人車同時存在的現象，無人駕駛計程車和共享出行車輛將提供全部交通服務。城市規劃部門將進行區域優化，為無人車服務。

一項來自德克薩斯大學奧斯汀分校的關於分享無人車（SAV）的研究表明，「每輛SAV可以取代約11輛常規汽車，運營裡程可以增加10%以上」。[3]這意味著，基於車輛分享的約車或計程車將緩解擁堵，大幅減少交通擁堵和環境惡化，因其方便性將廣受消費者歡迎。

快遞用車和工業應用

快遞用車和「列隊」卡車將是另一個可能較快採用無人車的領域。[4]在線購物和電子商務網站快速興起，給快遞公司帶來利好。人們喜歡在網上訂購物品（如食品、貨物和服務），幾小時就能送貨上門。中國電商2015年銷售總額達到5900億美元，很多產品承諾同日送達。這促進了電動車和卡車快遞。2015年，中國電商規模比2014年增長33%。[5]卡車佔美國機動車行駛裡程的5.6%，但是卻佔交通死亡事故的9.5%。[6]因此，在經濟效益和避免人員傷亡方面，無人車可以創造不少增加值。大型卡車成本通常超過150000美元，安裝攝像頭和感應器成本效益比較高，因為相比之下，小轎車的自身成本原本就很低，在無人駕駛初期因為成本的限制難以實現大規模推廣[7]。

老年人和殘疾人

在老年人和殘疾人這兩個消費群體中，無人車已經開始大規模應用。由於身體條件的限制和視力原因，這兩類人都面臨出行困難，因此智能車輛能給他們帶來不少好處。美國老齡人口到2050年預計超過8000萬，佔總人口的20%。屆時，老齡人口將是目前的兩倍，他們中有三分之一將面臨出行困難。[8] 中國也面臨同樣的情況。到2050年，中國老齡人口預計將佔總人口的33%。[9] 而在日本，到2060年，65歲及以上人群將佔總人口約40%。[10] 殘疾人的市場也很龐大。例如，在美國，約5300萬成年人有殘疾，佔成年人人口的22%左右。約13%的美國成年人有出行障礙，約4.6%的成年人有視力障礙。[11] 這些有關老年人和殘疾人士的龐大數據為無人車提供了現成的市場。這兩類群體都 重視獨立，無人車可以讓他們自由出行，無須依靠朋友、家人。因此，老年人和殘疾人對無人車的問世持積極態度。

無人車面臨的障礙

無人車面臨的障礙在技術層面包括惡劣天氣、行車安全、隱私保護、基礎設施不完善、頻譜分配不足等；在社會層面包括事故追責、行車立法等。其中有些挑戰是需要通過制度和社會行動才能逾越的障礙，這些領域都給無人車及其市場成功從技術層面帶來了非常大的挑戰。

惡劣天氣

在惡劣天氣裡，無人車無法良好運行。大雨、大雪或大氣霧霾遮擋道路標示和車道標記，因此增加事故風險。在這種情況下，無人車無法做出準確判斷。Lyft公司認為，無人車「在某些天氣條件下或路況不佳時表現得不好。[12]」另外，杜克大學的Mary Cummings教授特別強調惡劣天氣對無人車的影響。「降水、霧和沙塵影響光雷達感應器、分散或阻擋雷射束，幹擾攝像頭捕捉圖像的能力。因此，車輛無法感知與其他汽車的距離，或者分辨停車標示、交通燈和行人。[13]」

行車安全

安全是無人車行業的重要考慮因素。目前已經有車輛被黑客攻擊、系統被破壞的報導。無人車依靠V2V的交流，以及V2I的連接。維護這些通道及電子郵件、電話、簡訊、上網和定位數據等乘客個人電子通信的安全至關重要。聯網車輛面臨的威脅包括黑客攻擊、人為幹擾、幽靈車或者其他惡意行為，如使用亮燈導致攝像頭無法捕捉圖像、雷達幹擾或操控感應器等。上述每種行為都能擾亂通信，造成人工智慧運算出錯。他們的研究將「GNSS（全球衛星導航系統）欺騙和虛假信息列為最危險（即最可能或最嚴重）的攻擊。」 [14] 操控這類信息給乘客帶來風險，而且可能引發嚴重事故。網絡安全專家已經證實能夠遠程攻擊吉普大切諾基。《連線》雜誌上刊登的一篇報導稱，他們能夠破壞車輛的轉向、剎車、無線電、雨刷和車內環境控制系統，並且證實通過Uconnect軟體能夠很容易破壞車輛。這一例子說明，設計者需要高度重視車輛安全，避免不必要的風險。

隱私保護

無人駕駛隱私保護與安全不同，安全關注的是企圖傷害司機和乘客的惡意行為，隱私則更關注數據的保護。無人駕駛過程中將收集大量關於人們位置、GPS定位數據、網上購物（包括信用卡號碼）和其他在聯網汽車上進行的活動信息，這些數據將創造新的商業模式。通過聯網車輛，保險公司可以看到司機實際駕車的情況，實時風險和對情況的實時反應，並以此計算保費。汽車製造商和無人車服務企業的隱私政策一方面允許披露行車信息，用以「解決問題、評估使用和研究」。另一方面，一旦這些信息被非法轉賣，匿名第三方極有可能將其用於營銷甚至違法詐騙，損害消費者的利益。

因此，為了保護無人駕駛的隱私，緩解對無人車數據收集的擔憂，首先應該提高網絡安全標準，保證所有製造商能採取有效保護措施，尤其要提高無線網絡下的數據加密保護。另一方面，需要提高設計安全性以減少攻擊點、增加第三方測試、加強內部監督系統、設計分離架構以限制任何成功入侵成的損害，以及不斷更新升級安全軟體以加強隱私保護的實時性。

基礎設施不完善

基礎設施不完善的問題在限制現有交通發展的同時，也扼制了無人駕駛的萌芽和起步。例如，在印度，高速公路和普通公路是主要挑戰。印度的道路有36%是土路，而在中國，這一數字為16%左右。因此，在世界經濟論壇的基礎設施排行榜中，印度排第87位，遠低於日本的第6位，德國的第7位，中國的等46位，泰國的等48位和巴西的等76位。[15] 高速公路狀況不佳給自動駕駛汽車帶來挑戰。車輛行駛需要可預測的路面和標示清晰的車道。在一次跨越國內多地的試駕過程中，Delphi公司的工程師發現各地車道標示有很大差 別。Glen De Vos稱，「自動駕駛車遇到有些路面標有寬的白條，有的則是窄的黃線。有些標示是新的，而有的模糊不清，有些道路還凹凸不平」。[16] 由於這些道路標示不到位或工程質量不佳，半自動駕駛汽車或全自動駕駛汽車都無法順利行駛。事故風險隨之上升，電腦運算也很有可能做出錯誤判斷。如果不加以解決，這將限制自動駕駛汽車的發展。[17]橋梁也是自動駕駛汽車面臨的特殊問題。橋梁「提供的環境信息很少——如上面沒有建築 物——因此車輛很難分辨確切位置」。[18]

頻譜不足

頻譜不足也是無人駕駛推廣的主要障礙。確定專用的頻率範圍是支持無人車發展的關鍵。有了具體的頻段，無人車才能在任何天氣或交通狀況下行使。由於需要平衡聯網速度和無線連接的可靠性，無人車和工業應用需要6GHz以下中等範圍頻譜，而這種頻率的需求量大，很難確保無人車所需的可靠服務。電話斷線讓人厭煩，而如果無人車掉線則可能出人命。美國的車企大都支持專用短程通信（DSRC）系統。DSRC是雙向、中短距離無線通信協議，車輛之間可以相互溝通，發現和避開危險。裝有DSRC的車輛在幾百米的距離內每秒鐘會多次播送準確信息，如位置、速度和加速情況。其他裝有DSRC的車輛收到信息後會根據信息計算相鄰車輛的運行軌跡，與自己的預計路徑進行比較，再判斷鄰車是否有碰撞的威脅」。[19] 聯邦通信委員會於1999年規定5.9GHz波段的75MHz頻譜為DSRC專有，為防碰撞技術的測試和應用打下了基礎。但是，業界領袖希望給這一技術和聯網汽車的其他功能留有足夠的頻譜。因為預計無人車將大量上市，應該為行業發展保留可用的頻譜。

5G通信尚未成熟

要實現無人駕駛的終極目標，不可避免地要解決網絡延遲問題。當前的4G技術存在一定的信息延遲問題，信息延遲對無人車而言十分危險，也許一個剎車信號晚發出半秒就可能造成一次嚴重的事故。隨著5G技術的發展，信號延遲問題有望得到解決。這是因為，一方面5G技術能根據數據的優先級分配網絡，從而保證無人車的控制信號傳輸保持較快的響應速度；另一方面，兩車在行駛過程中，近距離直接數據連接的效率遠高於繞道基站進行通信的效率。5G技術將允許近距離設備直接通信，這樣，可大大降低網絡整體壓力並降低平均延遲。只有解決了網絡延遲問題，無人車技術難題才能得到進一步解決，未來的智能網聯汽車才有機會完美實現車與人、車與車等範疇的智能信息交流共享。

因此，5G網絡被視為未來物聯網、車聯網等萬物互聯的基礎。LTE-V與DSRC是當前車聯網的兩大技術陣營，前者主要由中國企業推動，後者的發展比LTE-V成熟，是歐美等國車聯網的主流技術。DSRC即專用短程通信技術，是基於IEEE 802.11p標準開發的一種高效的無線通信技術，可提供高速的數據傳輸，並保證通信鏈路的低延時和低幹擾，可實現小範圍內圖像、語音和數據的實時、準確和可靠的雙向傳輸。較之DSRC，LTE-V的傳輸距離更遠，信道更寬，同步性也更好。LTE-V包括集中式LTE-V-Cell和分布式LTE-V-Direct兩個工作模式。其中，LTE-V-Direct模式可將車輛感知範圍擴展到數百米的探測距離，與當前的車輛感知系統如雷達、光學攝像頭的探測範圍相比具有很大優勢。由於通信技術的限制，當前的LTE-V版本屬於4.5G技術，隨著5G技術進一步發展，未來LTE-V將平穩演進到5G。

事故追責

要實現全面發展，自動駕駛汽車行業必須解決法律責任的問題。目前，保險公司根據司機年齡、性別、經驗等進行詳細的風險評估。由於多數事故都是人為造成的，保險公司根據超速、酒駕、忽視道路標示或撞車等因素，確認事故的責任方。一旦自動或半自動駕駛發生行車事故，事故是誰的錯？司機、控制自動裝置的軟體程式設計師還是製造硬體的汽車製造商？蘭德公司的研究建議為無人車設置無過錯保險，原因是無人車不容易受到人為失誤影響。[20] 因此，無人車將更多責任從司機轉移到製造商和軟體設計者身上，徹底改變了行車事故的法律責任，完全顛覆建立在此基礎上的法律體系和保險規則。

並且，無人車真正投向市場需要一個過程，人為駕駛汽車停止使用還需要很多年。以美國為例，美國有2.62億輛汽車，平均壽命是11.5年。[21] 因此會出現10年甚至更長時間的新老汽車混合的複雜局面，造成事故的追責更困難且複雜。在中國，道路上有行人、自行車、低速車和高速車，全都混在一起，環境十分複雜。很多人都不按照一個標準騎車或開車。[22]因此，在中國完成無人駕駛的事故鑑定要面臨的情況更艱難。由此可見要實現全面發展，自動駕駛汽車行業必須在清除技術障礙的同時，開始著手解決法律責任的問題。

行車立法

目前，公眾對無人車的接受程度還處於中間狀態。歸根到底，公眾必須要能接受（半）自動駕駛汽車，市場才能發展。和任何新興技術一樣，讓消費者接受新模式和不同的行車方式，還需要時間，在此期間，對待向無人車的過渡也會有不同的看法。密西根大學的美國公眾調查顯示，很多人仍然選擇傳統開車方式，46% 的美國人稱不喜歡自動駕駛車，39%的受眾喜歡部分自動駕駛（半自動駕駛），16%的人支持駕駛全自動無人車[23]。當被問到具體裝置時，95%的人希望即使是全自動駕駛車也要有方向盤、油門和剎車板。37%的人對乘坐全無人車表示十分擔心，29%的人稱中度擔憂，24%的人輕度憂慮，10%的受眾毫無擔心。

新技術出現的一個問題是通過測試其極限和努力，破壞其運行。如果高速行駛的大型設備遇到這種情況，後果會非常嚴重。無人車面臨的危險多種多樣，其中包括將雷射照在汽車攝像頭上破壞導航系統，攻擊電腦代碼，控制剎車和轉向，將物體置於車前改變其運動，或發射電子信號改變其路線等。政策制定者應考慮制定法律，將針對無人車的惡意行為定罪，通過對惡意行動立法，懲罰破壞無人車的行為。

無人駕駛產業

產業現狀

自從無人駕駛進入公眾視野，各大傳統汽車廠商和高科技企業相繼發布其在無人駕駛領域的研究成果，也相繼推出了各自的（半）自動駕駛原型車，如圖1所示。某些尚未動作的廠商，也展開了針對無人駕駛領域的大幅投入和行業合作，不得不說，現在正是無人駕駛產業蓬勃發展的時期。

圖1 已有（半）自動駕駛車原型（第一排從左至右：奧迪A7、寶馬328Li、長安汽車、谷歌無人車；第二排從左至右：百度無人車、Uber、福特Fusion無人車）

Uber的無人駕駛原型車採用了毫米波雷達、攝像頭、雷射雷達等傳感器，並輔助以高精度地圖。作為2016年9月公布的匹茲堡測試計劃的一部分，Uber推出了利用其無人駕駛技術改裝的福特Fusion汽車，為了保證安全，每輛Uber無人駕駛專車上配備兩名Uber工程師，一人坐在駕駛座上，隨時準備在緊急情況下控制車輛，另外一人監控汽車的動態。Uber收購了自動駕駛卡車創業公司Otto。Otto的自動駕駛卡車10月份行駛120英裡（約合193公裡），運送了5萬罐啤酒。Uber和沃爾沃還聯合投資3億美元開發自動駕駛汽車。

谷歌採取了不同於其他廠商的策略，將直接推出全自動無人車，而非逐步過渡的半自動駕駛功能。谷歌無人車所使用的傳感器包括了毫米波雷達、雷射雷達、攝像頭，並且大量使用高精度地圖。谷歌表示將努力在2020年完成無人駕駛的技術開發。截至2016年11月，谷歌的60輛無人車已經行駛超過200萬英裡。[24] 該公司每月事故報告透明數據顯示，7年間只發生過17次小事故，沒出現一例重傷。多數事故的原因是其他車輛的行駛難以預測，或者後方車輛追尾[25]。為了保證行車安全，谷歌開發了備用的制動、轉向和計算系統，以防備主系統失靈。另外還設計了軟體，確保谷歌汽車「在其他司機的盲區之外」，遠離車道上的摩託車，並且在綠燈亮起後停頓1.5秒，以避開闖紅燈的車輛和行人。

現在谷歌無人駕駛項目已經拆分為單獨的子公司Waymo，Waymo將和本田合作，雙方計劃在2020年前後實現高速公路上無人駕駛的實際運用。

寶馬在2015年7月上海創新日上曾以 0~210km／h 的車速實現了車速車道跟蹤駕駛系統、全自動遙控泊車、防碰撞系統的演示。寶馬與百度合作，以寶馬3系作為平臺，採用百度自動駕駛技術於2015年底實現了北京混合路測，從百度大廈－G7－五環路－奧林匹克森林公園往返，完成了途中的自動併線、超車、掉頭、左轉等操作。2016年，寶馬、Intel和MobilEye 將合作開發高度自動無人駕駛和全自動駕駛的解決方案和創新系統，預計在2021年量產無人駕駛電動車iNext，並最終以非獨家協議的方式，將該無人駕駛系統提供給業界，包括其他車廠。

奧迪的自動駕駛原型車傳感器包括了雷射雷達、ACC自適應雷達、超聲雷達、Mobileye前置3D攝像頭、前置紅外攝像頭，使用zFAS（TTTech+NVIDIA Tegra K1）作為中央駕駛輔助控制器。在2016年2月的柏林電影節上，奧迪已經實現了短距離的城市非封閉道路試驗性的自動駕駛。奧迪計劃2017年或者2018年量產可達到或接近達到L3的自動駕駛車輛。2021年推出L4無人駕駛車型。

百度無人車所使用的傳感器包括了雷射雷達、毫米波雷達、攝像頭、紅外、慣導，以及高精度地圖。百度在2015年年底完成了城市環路及高速混合路況的全自動駕駛。在2016年7月，在烏鎮景區推出了L4級別的無人駕駛服務。百度已經獲批在加利福尼亞州測試其無人車，將於2021年開始大規模生產無人車。關於合作方面，百度與福特公司1.5億美元共同投資雷射雷達公司Velodyne LiDAR；百度與英偉達聯合開發無人車平臺。

長安汽車現在有高速環境版和城區低速版兩類無人駕駛原型車，使用的是「傳感融合+高精地圖」的技術路線。原型車上採用了雷射雷達、毫米波雷達、單目攝像頭等傳感器。長安汽車已實現了從重慶到北京的2000公裡實際道路無人駕駛。長安計劃2020年量產L3 車型。

特斯拉執行長埃隆•馬斯克（Elon Musk）於2016年10月末宣布，目前生產的車型包括Model S、Model X和未來的Model 3，在生產時採用了新硬體，支持全自動無人駕駛技術，一旦美國聯邦政府開綠燈後，這些汽車就可以升級無人駕駛功能了。此前，特斯拉一直承諾到2018年推出具有全自動無人駕駛功能的汽車。值得注意的是，2016年5月特斯拉S型轎車在佛羅裡達州發生致命車禍，這是首起自動駕駛汽車致命車禍。事發時，自動制動系統軟體錯把貨車的白色車身當成晴朗的天空，在卡車左轉彎時未能識別。司機沒有控制半自動裝置，結果轎車高速撞上了卡車，衝向路燈杆，司機當場死亡。[26]

除與Uber在匹茲堡合作外，沃爾沃還計劃在中國提供「先進的自動駕駛體驗」，100名志願者將在公路上測試沃爾沃XC90，這是其DriveMe項目的一部分，該項目計劃於2017年在瑞典哥德堡和英國倫敦完成對100輛自動駕駛汽車進行的測試。

2016年7月，尼桑在日本發布了ProPILOT——使汽車能在公路上自動行駛的自動駕駛功能。這一系統最終將登陸歐洲、中國和美國。尼桑將繼續為ProPILOT增添自動駕駛功能，直至2020年推出一款全自動無人車。

福特計劃2021年將無人車用於汽車共享或打車服務。與谷歌的無人車相似，福特無人車也沒有方向盤、剎車或油門。福特計劃2017年在歐洲測試其無人車，把測試汽車數量由目前的30輛增加到100輛。福特2016年聯合百度對雷射雷達廠商Velodyne投資了1.5億美元。

通用汽車2016年宣布對Lyft投資5億美元，聯合開發採用無人車的打車服務。通用汽車2016年3月還以10億美元收購了自動駕駛汽車創業公司Cruise Automation，增強在自動駕駛汽車開發方面的實力。

豐田宣布正在密西根大學建立「自動駕駛汽車研究基地」，幫助豐田建設原始模型實驗室，在模擬路況中進行低速車輛測試。

產業發展

目前，無人駕駛發展的格局呈現兩種趨勢，如圖2所示，傳統汽車公司更傾向於漸進式自動化，而以特斯拉、Google、Baidu等為代表的科技公司是以人工智慧進入完全自動無人駕駛，具有顛覆式的色彩。他們短期內發展的目標也各有側重，傳統車企以漸進自動駕駛的方式逐步提升駕駛體驗，而科技類公司直接跨越到以無人駕駛完全替代傳統駕駛。前者依靠的是長期積累的整車經驗和在自動控制領域的核心優勢，後者則是藉由人工智慧的大力發展整合傳感器、感知算法、計算平臺等技術以實現跨越式的發展。他們在營利模式上也有所區別，傳統汽車公司依然著重整車銷售和售後市場的服務，而科技公司更注重內容資源、平臺服務和共享經濟帶來的新商業模式。

圖2 各類企業在無人駕駛行業的布局

來自中信證券的報告顯示，預計至2025年，科技型公司將在智能汽車領域分得40%的市場，而傳統車企將堅持 60%的市場。科技型公司直接跨越到高自動化無人駕駛，作為行業新進入者並無歷史「包袱」，可以實現跨越式發展。此外，科技型公司在數據融合、高精地圖等方面具有技術優勢，這些既有的優勢將助力高速發展。通過實現布局無人駕駛，科技型公司可以將汽車變成下一個「網際網路入口」。也有預測認為，中短期科技型企業依然無法撼動傳統車企佔據的過半市場份額。傳統車企從輔助駕駛開始逐步提升，既有品牌與用戶優勢，且造車門檻較高，因此傳統整車廠仍保有全產業鏈優勢，產品安全可靠性更高，且消費者對傳統品牌認可度較高，汽車產業不會被科技型公司完全顛覆。當然，科技企業與傳統車企的合作越來越多，他們之間的聯姻，包括合作與投資，也許會是激烈競爭的另外一個結果。

全球化下的無人駕駛

本節將探討在全球化的背景下無人駕駛在各個國家和地區帶來的預算、政策和監管等具體問題和相應對策。

無人駕駛在中國

世界經濟論壇的一項調查發現，「75%的中國人願意乘坐無人車。」 [27] 這種觀點也得到了羅蘭貝格公司單獨調查的印證。後一項調查顯示，「96%的中國人願意考慮每天都乘坐無人車，遠高於美國和德國的 58%。[28]相比其他國家和地區，中國對無人駕駛的接受程度非常高，因此大規模商業化之後，無人駕駛的推廣也將更加迅速。另一方面，在中國大部分無人車的監管規範的制定都在國家一級，其自上而下的做法也能簡化監管規則和程序。這也是無人駕駛將在中國得到領先發展的一大優勢。

因此，無人駕駛在中國的關鍵是要制定國家層面的無人車政策框架。中國有多個部委負責無人駕駛技術的監管（其中存在責任交叉和重複，以及碎片化的問題）。國家質量監督檢驗檢疫總局（負責產品召回）、工業和信息化部（負責制定產業政策）、交通部（制定交通行業發展規劃）、公安部（負責車輛登記、牌照管理和交通安全監督）、國家測繪地理信息局（負責執行地圖信息採集規定）都有管轄權。還有其他部門負責環境保護、回收利用、商務和金融。因此需要進一步明確監管部門和監管方式。

目前，中國已經啟動了LTE-V無線技術和頻率劃分研究試驗工作，華為主推的Polar碼也被選為5G eMBB（增強移動寬帶）場景的控制信道編碼方案，這表明，中國已經開始全面布局基於5G的自主車車通信技術，以此推動無人駕駛的發展。

無人駕駛在歐洲

歐洲國家發展無人駕駛乏力的原因之一是沒有很多實力雄厚的本土技術公司。歐洲在無人駕駛相關的人工智慧、網絡、繪圖、晶片、感應器、設備和服務方面需要依靠外部企業。美國的谷歌和中國的百度等大型技術企業之所以能快速進軍交通領域，其中一個原因是，它們有機會將搜尋引擎技術開發獲取的信息處理專長和快速學習能力應用到無人駕駛領域。若想獲得無人車領域的競爭能力，奧迪、寶馬（與英特爾合作）、大眾、戴姆勒、奔馳和沃爾沃等歐洲車企應該培養人工智慧、深度學習、大數據分析、高精度測繪等領域的人才，這些技術對未來汽車發展至關重要。

另一反面，歐盟還應確保其數據保護規定不會對車輛和行人的移動和位置信息帶來過分限制，從而抑制無人駕駛所需的高精度地圖的繪製。歐盟一貫在數據收集和分析領域採取限制性立場。例如，歐盟法規限制谷歌等企業收集路況數據和繪製街景地圖。就此，歐盟已經多次因此處罰谷歌，索要谷歌的數據，並對收集的資料進行限制。[29] 最近通過的《歐盟數據保護總則》嚴格限制人工智慧和機器學習的使用。這些規定導致很難將人工智慧和高精度測繪納入無人駕駛汽車之中，沒有包含地理編碼數據和利用此類信息的深度學習，無人駕駛技術很有可能將在歐洲停滯。

無人車在日韓

相比中美，日韓政府和車企一直對無人車持謹慎態度。日韓車企投入了大量資源，它們關注其他國家的情況，也在實施試點項目。但是它們對是否將無人車列為發展重點一直持謹慎態度。2016年4月，豐田公司宣布正在密西根大學建立「自動駕駛汽車研究基地」，其目標是建設原始模型實驗室，在模擬路況中進行低速車輛測試，幫助公司在人工智慧和高清數據繪圖領域迎頭趕上。[30] 雖然做了這筆投資，公司領導卻宣布「豐田相信豐田汽車絕不會發展到司機無須手握方向盤的無人駕駛狀態」。[31]

日本政府2015年發布指南，確定2020年在車內安裝半自動裝置，2025年啟動全自動無人車。100韓國車企起亞和現代已確定於2030年完成全自動無人車運行的目標。但是它們的計劃遠遠慢於美國和中國，在這兩國，半自動駕駛汽車已經上路運行，全自動無人車也將於2020年投入使用。

無人駕駛在美國

無人駕駛在美國的主要挑戰在於解決監管碎片化的問題，因為五十個州在許可、車輛標準、監管和隱私保護等領域的政策不同。目前，車企（如福特和通用）和軟體開發商在多個州都面臨規則和監管相衝突的問題。這會影響創新，因為企業在製造無人車時，要滿足全國或國際市場的需要。

無人駕駛發展對策

制定國家政策

政府可以通過監管的方式加速或放緩向無人駕駛的過渡。最重要的監管任務應該是「支持道路測試和澄清控制和適當控制的含義。」目前，關於「誰或什麼在控制」及什麼是 適當控制還存在不確定性。[32] 報告的作者呼籲制定道路試驗、司機規則、控制期望和法律責任的國家指南。

以ADAS技術為例，如表1所示，目前世界各國政府已經逐漸加強法規，都將ADAS主動安全技術納入安全評分體系，要求在新車型中配備能夠有效加強汽車安全性的 ADAS 系統，如 LDW 車道偏離警示、FCW前碰預警系統、AEB 緊急制動系統等。中國國家汽車工業協會在2016年發布的十三五規劃中，提出了具有輔助自動駕駛功能50%新車滲透率，具有部分自動駕駛功能達到10%新車滲透率的目標。2016年12月14日，美國交通部發布了V2V的新法規，進入了90天公示期，法規強制要求新生產的輕型汽車安裝V2V通信裝置，這是一個裡程碑式的進步。這無疑會推動自動駕駛技術在產業化方面的快速進展。

改善高速公路基礎設施

基礎設施不完善是無人駕駛發展的重大技術障礙，因此改善高速公路應該是發展自動駕駛汽車的重點。無人車載攝像頭如果無法識別車道標示，3D高精度地圖也無用武之地。另外，如果缺少安裝智能路燈，在視線受到限制的情況之下，攝像頭將很難工作。另一方面，現在的交通信號燈效率低，沒有考慮到車流信息。如果交通燈是動態的，可根據車流量調整間隔，將可以緩解道路交叉口的擁堵，更好地與無人駕駛相配合。因此，政府需投資建設針對無人車的高速公路基礎設施。

允許道路測試和精準道路繪圖

現有各國的法規都要求車輛行駛時司機必須在車內，而且雙手置於方向盤上，這明顯給全自動無人車的推廣帶來了限制。以日本為例，現在要求國內所有汽車都由真人駕駛。車企需要特殊許可才能進行道路測試。國家警察廳的規定要求「所有公共道路上的測試都要有司機坐在方向盤後面，」這也就限制了全自動無人車的測試和發展[33]。因此，政府應該取消全國範圍內對於道路測試的禁止，開放道路進行車輛測試。道路測試是自動駕駛汽車自驗證的最佳方式。從長期看，這是保證無人駕駛行車安全的最佳方式。成功的試驗項目也讓公眾更相信自動駕駛汽車的安全性和可靠性。

同時，也需減少公路地圖發展方面的限制。精確的地圖關乎全自動無人車的未來發展。現有技術可以將線路圖的誤差降低到幾釐米。出於安全考慮，中國政府規定公共地圖的精確度不能超過50米（165英尺）。因此，很難為無人自動駕駛汽車繪製精確的3D高精度地圖。如果達不到這一精確度，車輛無法安全行駛。企業需要獲得國家測繪和地理信息局的特殊許可才能收集路況和橋梁高度、寬度等數據。企業還禁止收集軍事管理區周圍的任何道路信息。這給行業創新帶來不必要的負擔，也給行業收集所需信息帶來難題。在歐洲，歐盟法規限制谷歌等企業收集路況數據和繪製街景地圖。以德國為例，谷歌在採集公共道路街景數據之前，必須告知公眾。除此之外，德國還限制公司保留私人住宅周圍街道和高速公路圖像數據的時間。人們也可以選擇排除在數據採集之外，已經有1/3的德國人這樣做了。[34] 這些規定都限制了公路地圖繪製的準確性和更新地圖的能力。

制定技術標準

制定技術標準對自動駕駛汽車至關重要。技術標準現在更多地變成一個國家貿易保護的壁壘，成為產業競爭的制高點。就無人駕駛而言，技術標準可以幫助高精度地圖的測繪，規定高精地圖在測量、分析和精確度等方面的要求。這樣可以在政府規定模糊的領域進行澄清。車輛無線技術也是一個需要確定技術標準的領域。例如，中國在2016年下半年發布了《推進「網際網路+」便捷交通促進智能交通發展的實施方案》，明確提出「結合技術攻關和試驗應用情況，推進位定人車路協同（V2X）國家通信標準和設施設備接口規範，並開展專用無線頻段分配工作」的標準制定工作。從目前的情況來看，LTE-V極有可能確定為中國在無人車通信方面的標準，而不會使用歐美的DSRC標準。

可預見的未來

無人駕駛的黎明：現在—2020年

現今已有無數人投身於無人車領域，長期積累的科研結果及工程進步都致力於將無人駕駛在2020年成為現實。人工智慧是無人駕駛的核心，但是無人車是一個相當複雜的工程系統，需要眾多技術的融合與精確配合，其中包括以下幾方面。

• 算法：算法部分包括傳感，用來從採集到的傳感器原始數據中提取有意義的信息；定位，用來精確地控制無人車的行駛方向；感知，用來理解車輛的周邊環境，並為車輛的出行與到達提供安全可靠的規劃。
• 客戶端系統：這部分由作業系統和硬體系統組成，將配合算法部分以滿足實時、可靠、安全、綠色能耗的要求。
• 雲平臺：這部分提供離線的計算和存儲功能以支持測試不斷更新的算法、產生高精度的地圖及大規模的深度學習模型訓練。

混合模式的時代：2020—2040年

我們即將進入混合模式的時代：2020—2040年。在這20年間，傳統的人為操控汽車及無人車將共存。考慮到每一輛機動車的使用壽命是10~15年，我們可以預見這一人為駕駛/無人駕駛的情況將持續至少20年。早期的無人車被設計為能夠理解並能處理傳統的面向人為駕駛的交通系統。隨著無人駕駛的普及，交通系統將逐漸演化為對無人車更友好的模式，交通燈、Lanes及Stop Sign將進一步裝備在路感應器，以更好地輔助無人駕駛。此外，無人車之間的通信將急劇增加，因此能夠更好地完成行駛過程中車輛的動態協調。在這一背景下，持續產生的大量數據將推進AI算法的持續修正與進步。

無人駕駛時代：始於2040年

到2040年，預計所有的汽車將完全轉變為無人駕駛模式，今後人為駕駛會成為一件罕有的事情，甚至於由於缺乏足夠的安全性被判定為非法行為。屆時，我們將迎來全新的交通生態系統，在這個生態下，所有的車輛都是集中控制模式。基於無人駕駛的自動交通運輸將像供電、供水一樣，成為日常生活中的基礎設施。得益於改進的導航系統及傳感器對路面和車輛老化狀況的檢測，傳統汽車行駛中的交通事故由現在的每年超過百萬起降低至幾乎零事故。當然，正是因為無人駕駛驅動的公共運輸對資源的有效共享與分配，整個城市的交通系統只需要較少量的汽車便可以正常運行。一方面能源的使用效率將被極大程度地提高，另一方面將大規模地替代使用新能源，因此，傳統化石燃料造成的空氣汙染將被大規模地降低。我們迫切地期待著無人駕駛的到來。

參考資料
1] GOOGLE, UBER, AND THE EVOLUTION OF TRANSPORTATION-AS-A- SERVICE, www.stratechery.com.
[2] 2016年4月23日phys.org上的文章「Chinese Firms Accelerate in Race Toward Driverless Future」,作者 Julien Girault.
[3] Daniel Fagnant 和Kara Kockelman在2014年1月交通研究理事會第93次年會提交的文章「The Travel and Environmental Implications of Shared Autonomous Vehicles Using Agent-Based Model Scenarios」, 第1-13頁.
[4] 2016年7月25採訪蘭德公司Karlyn Stanley.
[5] 2016年5月30日《紐約時報》文章「Beijing’s Electric Bikes, the Wheels of E-Commerce, Face Traffic Backlash」，作者 Chris Buckley.
[6] 2016年5月17日《紐約時報》文章「Want to Buy a Self-Driving Car? Trucks May Come First」，作者 John Markoff.
[7] 2016年5月17日《華爾街日報》文章「Autonomous-Driving Venture Targets Heavy Trucks」，作者 Mike Ramsey.
[8] 美國統計局2014年5月報告An Aging Nation: The Older Population in the United States」，作者 Jennifer Ortman, Victoria Velkoff和Howard Hogan。美國交通部報告「Beyond Traffic, 2045: Trends and Choices」，第11頁.
[9] 布魯金斯學會學會技術創新中心2014年報告「mHealth in China and the United States」，作者Yu Xiaohui, Han Han, Du Jiadong, Wei Liurong, Li Cheng, Zhang Xueli, Li Haihua, Huang Ying, Sun Ke, Li Na, Darrell West 和 Joshua Bleiberg。第 9頁.
[10] 彭博技術2015年10月28日文章「Japan’s Carmakers Proceed With Caution on Self-Driving Cars」，作者Jie Ma.
[11] 2015年疾控中心報告「53 Million Adults in the US Live with a Disability」.
[12] 2016年7月5日採訪Lyft公司Rob Grant.
[13] TR News 2014年5-6月文章「Who Is In Charge? The Promises and Pitfalls of Driverless Cars」，第 28頁，作者 Mary Cummings 和Jason Ryan.
[14] 2015年4月第16卷IEEE Transactions on Intelligent Transportation Systems，第554頁，作者Jonathan Petit 和 Steven Shladover.
[15] 波士頓諮詢公司2014年11月報告「Make in India: Turning Vision Into Reality」，第20頁，作者Arindam Bhattacharya, Arun Bruce, Anirban Mukherjee.
[16] Delphi公司的Glen De Vos 2016年3月15在參議院商業、科學和技術委員會聽證會上的證詞，第6頁.
[17] 2016年1月24日彭博新聞「Baidu Enters the Global Race for Driverless Car Domination」.
[18] 2016年8月18日《彭博新聞周刊》文章「Uber’s First Self-Driving Fleet Arrives in Pittsburgh This Month」，作者 Max Chafkin.
[19] Sandy Lobenstein2015年11月18日在眾議院監督和政府改革委員會的證詞，第5頁.
[20] 蘭德公司2016年報告「Autonomous Vehicle Technology: A Guide for
Policymakers」，作者James Anderson, Nidhi Kalra, Karlyn Stanley, Paul Sorensen, Constantine Samaras和Oluwatobi Oluwatola, 第116頁.
[21] Delphi公司的Glen De Vos 2016年3月15在參議院商業、科學和技術委員會聽證會上的證詞，第6頁.
[22] 2016年4月3日《紐約時報》文章「China’s Companies Poised to Take Leap in
Developing a Driverless Car」，作者John Markoff 和Paul Mozur。
[23] 密西根大學世界可持續交通研究所報告「Motorists』 Preferences for Different Levels of Vehicle Automaton: 2016」，作者Brandon Schoettle和Michael Sivak.
[24] 2016年6月21日採訪谷歌George Ivanov.
[25] 2015年7月17日CBS新聞「Google Driverless Car Involved in First Injury-Causing Accident」.
[26] 《紐約時報》2016年7月12日文章「As U.S. Investigates Fatal Crash, Company Defends Autopilot System」, 作者 Bill Vlasic and Neal Boudette。2016年7月29日文章「Tesla Faults Brakes, but Not Autopilot, in Fatal Crash」, 作者 Neal Boudette.
[27] 密西根大學世界可持續交通研究所報告「Motorists』 Preferences for Different Levels of Vehicle Automaton: 2016」，作者Brandon Schoettle和Michael Sivak。
[28] 路透社 2016年4月23日文章「China’s Roadmap to Self-Driving Cars」。《中國日報》 2016年6月22日文章「Officials Want to Open Way for Autonomous Driving」.
[29] 《紐約時報》2013年4月23日文章「Germany’s Complicated Relationship with Google Street View」，作者 Claire Miller和Kevin O』Brien.
[30] 《底特律新聞》2016年4月7日文章「Toyota to Launch Ann Arbor Autonomous Car Research Base」，作者 Michael Martinez.
[31] 《底特律新聞》2016年4月7日文章「Toyota to Launch Ann Arbor Autonomous Car Research Base」，作者 Michael Martinez.
[32] 澳大利亞國家交通委員會2016年5月報告「Regulatory Options for Automated Vehicles」，第 8-9頁.
[33] 《汽車與自行車》雜誌2016年5月28日文章「Japan Won’t Allow Testing of Fully Autonomous Cars On Public Roads」，作者 Sameer Contraetor.
[34] 《紐約時報》2013年4月23日文章「Germany’s Complicated Relationship with Google Street View」，作者 Claire Miller 和Kevin O』Brien.

---

編者按：本文節選自圖書《第一本無人駕駛技術書》，無人駕駛是一個複雜的系統，涉及的技術點種類多且跨度大，入門者常常不知從何入手。本書首先宏觀地呈現了無人駕駛的整體技術架構，概述了無人駕駛中涉及的各個技術點。在讀者對無人駕駛技術有了宏觀認識後，本書深入淺出地講解了無人駕駛定位導航、感知、決策與控制等算法，深度學習在無人駕駛中的應用，無人駕駛系統軟體和硬體平臺，無人駕駛安全及無人駕駛雲平臺等多個主要技術點。
訂購連結：https://item.jd.com/12184804.html

---