自動駕駛車輛的未來，究竟離開我們有多遠(yuǎn)？答案有萬千種。實(shí)際上，自動駕駛車輛既遠(yuǎn)在天邊，又近在眼前。在過去的幾十年里，自動駕駛的概念引起了人們的極大興趣和關(guān)注，因?yàn)槿藗兿嘈潘転閭€(gè)人和社會帶來諸多好處：提高道路安全，減少交通擁堵、事故和死亡，節(jié)省通勤時(shí)間和降低污染。在自動駕駛這個(gè)主題上正在進(jìn)行著很多的工作，關(guān)于如何讓汽車去感知了解環(huán)境，做出類似人類的決定，并實(shí)現(xiàn)自動駕駛，人們已經(jīng)進(jìn)行了很多研究和實(shí)驗(yàn)，批量應(yīng)用到了呼之欲出的地步。

  如今，我們已經(jīng)看到許多自動駕駛車輛，在受控環(huán)境中，在人類駕駛員的監(jiān)督下，在良好的道路和條件下，在道路上進(jìn)行試驗(yàn)。有關(guān)的研究人員預(yù)測，到2025年道路上將有大約800萬輛自主或自動化車輛。在進(jìn)入公路之前，駕駛汽車自動化分級首先必須通過六個(gè)級別的駕駛員輔助技術(shù)進(jìn)步。[敏感詞]汽車工程師學(xué)會（SAE）定義了六個(gè)級別的駕駛自動化，范圍從0級到5級。[敏感詞]交通部（DoT）采用了這些分級標(biāo)準(zhǔn)。它們是：0級-無駕駛自動化；1級—輔助駕駛自動化；2級—部分駕駛自動化；3級—有條件駕駛自動化；4級—高級駕駛自動化；5級—駕駛完全自動化

自動駕駛汽車面臨哪些挑戰(zhàn)？

許多人仍然對如何設(shè)計(jì)一個(gè)能夠在所有可能條件下像人類一樣處理車輛性能的自動或無人駕駛車輛系統(tǒng)感到好奇。自動駕駛汽車是傳感器和執(zhí)行器、復(fù)雜算法和執(zhí)行軟件的強(qiáng)大處理器的組合。有數(shù)百個(gè)這樣的傳感器和執(zhí)行器位于車輛的各個(gè)部分，由一個(gè)高度復(fù)雜的系統(tǒng)在驅(qū)動。

自動駕駛汽車中有不同種類的感知系統(tǒng)：1）導(dǎo)航和導(dǎo)航傳感器，用于確定你在哪里以及如何到達(dá)目的地；2）駕駛和安全傳感器，如攝像頭，以確保車輛在任何情況下都能正常工作，并遵守道路規(guī)則；3）用于管理車輛內(nèi)部系統(tǒng)的性能傳感器，如功率控制、總功耗和散熱。

雖然自動駕駛車輛系統(tǒng)之間可能略有不同，但核心軟件通常包括定位、感知、規(guī)劃和控制。感知系統(tǒng)通過攝像頭、激光雷達(dá)和雷達(dá)傳感器感知、理解并建立對環(huán)境和周圍物體的全面感知。規(guī)劃軟件負(fù)責(zé)路徑規(guī)劃、風(fēng)險(xiǎn)評估、任務(wù)管理和路徑生成。機(jī)器學(xué)習(xí)（ML）和深度學(xué)習(xí)（DL）技術(shù)廣泛用于定位和映射、傳感器融合和場景理解、導(dǎo)航和運(yùn)動規(guī)劃、駕駛員狀態(tài)評估和駕駛員行為模式識別，以及感知和規(guī)劃的智能學(xué)習(xí)。通過收集傳感器數(shù)據(jù)和發(fā)布處理，可以使用地圖軟件生成和更新高清晰度車道級地圖數(shù)據(jù)。

傳感器融合是一項(xiàng)重要任務(wù)，它將從多個(gè)傳感器獲取的信息進(jìn)行集成，以檢測異常值，并減少每個(gè)傳感器數(shù)據(jù)的不確定性，從而提高準(zhǔn)確性、可靠性和魯棒性。對于感知和定位系統(tǒng)，融合方法有三個(gè)級別：高級/決策級、中級/特征級和低級/原始數(shù)據(jù)級。

每個(gè)融合級別在精度、復(fù)雜性、計(jì)算負(fù)載、通信帶寬和融合效率方面都有其優(yōu)缺點(diǎn)。常用的融合算法有統(tǒng)計(jì)方法、概率方法（如卡爾曼濾波和粒子濾波）、基于知識的理論方法和證據(jù)推理方法。環(huán)境感知地圖是根據(jù)障礙物、道路、車輛、環(huán)境和駕駛員的信息構(gòu)建的。定位通常使用GNSS、IMU、攝像頭和激光雷達(dá)進(jìn)行。

新出現(xiàn)的研究提出了不同的方法，以滿足本地化和映射階段的需要，并感知環(huán)境以產(chǎn)生端到端的駕駛決策。自動駕駛中使用的三種定位技術(shù)：一是：基于GNSS/IMU的定位，以及DGPS和RTK，以確保GNSS信號的連續(xù)性；二是基于視覺的定位，包括模擬定位和映射（SLAM）和視覺里程計(jì)；三是基于地圖匹配的本地化，使用“先驗(yàn)地圖”。

自動駕駛汽車的以下五大挑戰(zhàn)需要持續(xù)的研發(fā)工作：

?傳感器。自動駕駛汽車中的傳感器繪制環(huán)境地圖，并將數(shù)據(jù)反饋給汽車的控制系統(tǒng)，以幫助決定轉(zhuǎn)向何處或何時(shí)剎車。一輛完全自主的汽車需要[敏感詞]的傳感器來檢測所有條件和環(huán)境下的物體、距離、速度等。惡劣的天氣、擁擠的交通和不清晰的路標(biāo)會對激光雷達(dá)的精度和攝像頭的感應(yīng)能力產(chǎn)生負(fù)面影響。另一個(gè)潛在威脅是雷達(dá)干擾。在道路上行駛時(shí)，汽車上的雷達(dá)會不斷發(fā)射無線電波，這些電波會被周圍的汽車和道路附近的其他物體反射。當(dāng)這項(xiàng)技術(shù)用于道路上的數(shù)百輛車輛時(shí)，汽車很難區(qū)分自己的（反射）信號和另一輛車的（反射或傳輸）信號。鑒于雷達(dá)可用的無線電頻率有限，不太可能滿足所有制造的自動駕駛汽車的要求。雖然全球?qū)Ш叫l(wèi)星系統(tǒng)具有覆蓋全球、全天候運(yùn)行、提供[敏感詞]位置而無需地圖或道路標(biāo)記信息的優(yōu)勢，但其總體準(zhǔn)確性和可用性一直是完全自治系統(tǒng)所關(guān)注的問題。

?機(jī)器學(xué)習(xí)。大多數(shù)自動駕駛汽車使用AI或ML來處理來自傳感器的數(shù)據(jù)，以便更好地對物體進(jìn)行分類，檢測距離和運(yùn)動，并幫助做出下一步行動的決策。它優(yōu)化并更好地集成不同的傳感器輸出，從而獲得更完整的圖像。預(yù)計(jì)機(jī)器將能夠比人類駕駛員更有效地執(zhí)行檢測和分類。到目前為止，機(jī)器學(xué)習(xí)算法在所有條件下都是可靠的，這一點(diǎn)尚未被廣泛接受和認(rèn)可。對于機(jī)器學(xué)習(xí)應(yīng)該如何培訓(xùn)、測試或驗(yàn)證，整個(gè)行業(yè)缺乏一致意見。

?開闊的道路的繼續(xù)學(xué)習(xí)。自動駕駛汽車一旦上路就會繼續(xù)學(xué)習(xí)。它會檢測訓(xùn)練中未遇到的對象，并更新軟件。我們需要一個(gè)機(jī)制或行業(yè)協(xié)議，以確保任何新的學(xué)習(xí)都是安全的。

?監(jiān)管。對于一個(gè)完全自治的系統(tǒng)，還沒有足夠的標(biāo)準(zhǔn)和法規(guī)。現(xiàn)有車輛安全的現(xiàn)行標(biāo)準(zhǔn)假定在緊急情況下有一名人類駕駛員接手。對于自動駕駛車輛，有針對特定功能的新法規(guī)，例如自動車道保持系統(tǒng)。如果沒有公認(rèn)的法規(guī)和標(biāo)準(zhǔn)，允許自動駕駛汽車在公路上行駛是有風(fēng)險(xiǎn)的。

?社會可接受性。社會接受度不僅是那些愿意購買自動駕駛汽車的人的問題，也是與他們共享道路的其他人的問題。公眾是參與自主車輛引進(jìn)和采用決策的重要因素。

自動駕駛汽車的新法規(guī)是什么？

在[敏感詞]，聯(lián)邦汽車安全法規(guī)基于聯(lián)邦機(jī)動車安全標(biāo)準(zhǔn)（FMVSS）。這些法規(guī)為汽車的每個(gè)安全相關(guān)部件制定了詳細(xì)的性能要求。在汽車進(jìn)入市場之前，制造商必須證明車輛與道路上的汽車一樣安全。聯(lián)邦法規(guī)沒有太多說明公司在將汽車推向市場之前如何開發(fā)和測試汽車。聯(lián)邦政府正在提供不具約束力的指導(dǎo)，這是在不確定環(huán)境下的一種適當(dāng)方法。

在國際上，60多個(gè)國家通過了一項(xiàng)聯(lián)合國法規(guī)，該法規(guī)將允許在某些交通環(huán)境中安全引入自動車輛，從而在機(jī)動性方面達(dá)到了一個(gè)里程碑。聯(lián)合國法規(guī)“三級自動化”對自動車道保持系統(tǒng)（ALKS）提出了嚴(yán)格要求。在禁止行人和騎自行車的道路上，ALK可以在特定條件下激活，并且配備了一個(gè)物理分隔裝置，用于分隔向相反方向行駛的車輛。ALKS系統(tǒng)的速度限制為60km/h。該法規(guī)包括汽車制造商有義務(wù)引入駕駛員可用性識別系統(tǒng)，以檢測和控制駕駛員的存在，并為車輛配備自動駕駛數(shù)據(jù)存儲系統(tǒng)（DSSAD），以記錄何時(shí)激活A(yù)LKS。

自動化和自動駕駛車輛是如何被公眾接受的？

全自動車輛幾乎可以消除影響駕駛員表現(xiàn)的人為因素和錯誤，如老化、疾病、壓力、疲勞、缺乏經(jīng)驗(yàn)或?yàn)E用藥物，從而提高安全性。然而，關(guān)于自動駕駛車輛的部署，個(gè)人和社會都存在一些擔(dān)憂：維護(hù)費(fèi)用的高昂成本、出行需求增加可能導(dǎo)致的燃油消耗和二氧化碳排放量增加、與保護(hù)用戶和行人有關(guān)的法律和道德問題、隱私擔(dān)憂和黑客攻擊的可能性，以及替代交通服務(wù)提供商的工作崗位流失。

有人認(rèn)為，廣泛采用自動駕駛的最大障礙是心理上的，而不是技術(shù)上的。用戶對自動駕駛的接受對于自動駕駛成為未來交通的現(xiàn)實(shí)組成部分至關(guān)重要。用戶接受度的定義沒有標(biāo)準(zhǔn)化，因?yàn)橛性S多不同的方法來確定和模擬用戶接受自動駕駛車輛的意愿。

公眾接受自動駕駛的知識有限，需要更多的研究來理解用戶接受的心理決定因素。影響因素可能包括對[敏感詞]自主技術(shù)的信任、個(gè)人創(chuàng)新能力、放棄駕駛控制可能導(dǎo)致的焦慮程度、與個(gè)人位置數(shù)據(jù)相關(guān)的隱私問題，以及用于無線網(wǎng)絡(luò)、導(dǎo)航系統(tǒng)、自動控制和系統(tǒng)集成的精密傳感器系統(tǒng)的高成本。