无人驾驶汽车发展面临的挑战与建议

王钦普，赵佳，赵浩

（中通客车控股股份有限公司，山东聊城252000）

无人驾驶汽车发展面临的挑战与建议

王钦普，赵佳，赵浩

（中通客车控股股份有限公司，山东聊城252000）

随着国家战略的支持和智能网联汽车概念的提出，无人驾驶汽车的研发工作步入了快车道。本文结合无人驾驶汽车的发展历程和技术路线，分析目前的应用困境和发展道路上存在的问题，并提出应对建议。

智能网联汽车；无人驾驶汽车；发展；挑战；建议

随着国家在智能制造领域的不断发力以及“工业4.0”、“互联网+”等先进概念的提出，中国的制造业步入了一个全新的发展时期，无人驾驶汽车迎来了前所未有的发展机遇。2015年5月8日国务院印发的《中国制造2025》强国战略，明确指出了未来我国发展智能网联汽车的路线与目标。无人驾驶作为智能网联汽车的终极形态，逐渐进入人们的视野，引起了高度关注。无人驾驶汽车的复杂性决定了其在发展过程中必定遇到许多困难与挑战。本文结合谷歌无人驾驶汽车和特斯拉AutoPilot系统的工作原理和技术路线，分析无人驾驶汽车目前的应用困境和发展道路上存在的问题，并提出一些建议。

1 无人驾驶汽车的发展历程

谷歌是互联网企业参与无人驾驶技术研究的先驱和倡导者，代表了目前无人驾驶的最高水平。谷歌自2009年起开展无人驾驶技术的开发，目前正在测试的车辆累计行驶里程超过160万km，这些无人驾驶原型车包含23辆基于雷克萨斯RX450h混合动力车改造的无人驾驶汽车和30辆谷歌自主设计研发的小型原型车[1-2]。谷歌每个月都会在其网站上公布其无人驾驶汽车项目的发展报告，不仅会透露无人车每宗意外的详情，也会分享无人车遇到的一些有趣情况。美国福特汽车正在和谷歌公司就无人驾驶汽车的开发和生产开展推进性的合作谈判，计划在福特生产的车辆上配备谷歌开发的无人驾驶系统。

2015年10月23日，特斯拉通过OTA空中升级正式发布7.0固件更新，其中最大的亮点是加入了AutoPilot自动辅助驾驶功能，带来了自动车道保持、自动变更车道、自动泊车三大全新体验。这是全球首次批量开放应用自动驾驶功能，为用户带来了更多驾驶便利和乐趣。

在国内，高校科研机构最先开展无人驾驶技术的研发测试工作。2011年，国防科技大学自主研制的红旗HQ3无人车完成了从长沙到武汉286 km的高速全程无人驾驶实验。此次实验中，无人车自主超车67次，成功超越其它行车道上车辆116辆，被其它车辆超越148次，实测全程自主驾驶平均时速87 km/h。2012年，由军事交通学院研制的“猛狮3号”无人车，完全由电脑智能操作驾驶，历时85 min，完成了114 km的高速公路行驶实验，最高时速达105 km，成为我国首辆在官方认证下完成高速公路测试的无人驾驶智能汽车。

2015年12月10日上午，百度官方微信公众号宣布：百度以“自动驾驶汽车大脑”的角色切入自动驾驶领域，百度无人驾驶车在国内首次实现了城市、环路及高速道路混合路况下的完全自动驾驶。随后16日，百度无人车高调亮相乌镇的“第二届世界互联网大会”，李彦宏向习主席展示了百度无人驾驶汽车的最新成果。百度把自己在互联网领域积累的优势技术应用到汽车驾驶中，将无人驾驶汽车看作一个智能的机器人系统，人工智能与互联网成为无人驾驶技术的核心。

在2015年第十三届中国汽车产业高峰论坛上，中国汽车工业协会首次发布了中国智能网联汽车的概念。中国汽车工业协会对智能网联汽车的定义是：搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现车与X（人、车、路、后台等）智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。对于智能网联汽车的分级，欧洲、美国各有分法。中国汽车工业协会提出五级：第一级叫驾驶资源辅助阶段DA；第二级是部分自动化阶段PA；第三级是有条件自动化阶段CA；第四级是高度自动化阶段HA；最后一级是完全的自动化阶段FA，即真正的不需要人类干预的无人驾驶汽车。

2 主流技术路线

无人驾驶汽车是一个多类先进学科集成、多种核心技术集成的产物。为了实现这个目标，世界各国主流汽车制造商都在积极探索，有的跳过辅助驾驶和自动驾驶阶段直接研发无人驾驶技术，有的则从智能辅助驾驶技术开始，逐步向自动驾驶技术渗透，一步一步实现无人驾驶的最终目标。目前实践中的技术路线主要有两条，第一条是以谷歌、百度互联网巨头为代表的直接研发完全由电脑取代人脑操纵汽车的技术路线；另一条是以纯电动汽车制造商特斯拉为代表的电脑辅助人脑操纵汽车的技术路线。从智能网联汽车的阶段划分来讲，第一条技术路线将研究目标直接瞄准了智能网联汽车的最高级形态，第二条技术路线则将目前的研究目标放在了高度自动化阶段，这个目标实现后再进一步研究无人驾驶技术。

2.1 谷歌的无人车技术路线

谷歌在设计开发无人驾驶技术之初，要求一个驾驶员坐在方向盘的后面，随时准备在有情况发生的时候接管汽车，同时还有一个技术人员监控导航计算机。但在2013年以后，谷歌的工程师们研究发现，在危机发生时，不存在驾驶员从分心状态下回过神来比计算机系统的反应速度更快的可能[3-4]。于是，他们改变了技术路线，更多在机器人领域研究无人驾驶汽车。从本质上讲，谷歌无人车是一个能够将乘客送到目的地的轮式智能机器人。

谷歌无人驾驶汽车安装有64线LiDAR激光测距器、GPS系统、双目摄像头、车载雷达及处理器等核心零部件，主要工作原理是：位于车顶的激光发射器一边旋转一边不间断地发射64束最远射程可达120 m的激光束，并接收反射回来的光束，依据返回时间的差别计算出物体与汽车之间的距离，从而绘制出汽车周围实时的3D地形图。处理器会将收集到的数据与车体内置的谷歌地图已有的信息进行整合，从而判断出四周相当精确的状况，为作出及时反应打下良好基础。双目摄像头传回的画面的视差就像人的两只眼睛一样，可以帮助车辆判断自己的位置、行进的速度等信息，同时，还可以辨识出路上出现的交通标志和信号灯等物体，以保证自身的运行严格遵守交通规则。无人车的车轮上带有位置传感器，用于探测车轮转动，帮助车辆进行定位，再与GPS得出的数据进行整合，几组数据共同保证车辆定位的准确性。车辆前后配备的车载雷达，可以很精确地测出前后车辆与谷歌无人车的相对速度，以此判断接下来的车速该如何变化。以上所有传感器的数据汇集起来传输给中央处理器处理。无人车车载计算机的性能非常强大，它参照各传感器提供过来的数据，并绘制出一份最终的周边环境地形图，将所有对其意义不同的物体用不同的颜色标示出来，如粉色代表暂时不会与行进路线相交的物体，绿色代表已经阻挡在行进路线上的物体等。然后车内的程序，或者说人工智能就会对路况作出判断，随时根据道路情况决定汽车的下一步行动。

尽管谷歌无人驾驶汽车的设计已经非常先进，可是在测试过程中依然会发生一些意外事故。2016年2月14日，谷歌无人驾驶汽车并道时，一辆城市客车从后面行驶过来，谷歌无人车认为城市客车会停车或者减速让其继续前进，而没有采取制动措施。大约3 s以后，谷歌无人车变道进入道路中间撞到了城市客车的侧面。事故发生时，无人车速度低于每小时2英里，城市客车以每小时15英里的速度行驶。这是谷歌无人车第一次负全责的交通事故，虽然没有造成人员伤亡，却反映出人工智能的缺陷。如果谷歌无人驾驶汽车选择制动措施，等城市客车通过后再并道，就不会发生这起事故。

2.2 特斯拉的自动驾驶技术路线

特斯拉没有像谷歌那样信任计算机，在无人驾驶的发展路径上，他与谷歌有所不同，目前主要推广自动驾驶应用，等自动驾驶汽车技术成熟以后再研发无人驾驶汽车。特斯拉在其Model S车型中加载了自动驾驶系统Autopilot，它可以帮助车主在封闭道路（例如高速公路）上实现自动驾驶功能。但Autopilot系统的使用守则指出，即便开启了自动驾驶功能，驾驶人员也必须随时准备好接管车辆。

特斯拉的自动驾驶系统的核心传感器部件主要包括超声波传感器、前视摄像头和测距雷达。超声波传感器安装在前后保险杠上，前后各6颗，前视摄像头集成在前挡风玻璃下方的后视镜上，毫米波测距雷达则安装在前格栅中央位置。超声波传感器负责探测车周围的障碍物，能够感知的距离在5 m左右。前格栅下面使用的77 GHz毫米波雷达负责探测车辆前端150 m距离的障碍物情况，包括距离、车速等信息。前视摄像头负责识别道路车道线、标识、车辆速度等情况。除此之外还通过高精地图等其它数据对道路情况进行判断，运用自主的自动驾驶算法控制汽车实现自动驾驶功能[5]。

特斯拉是自动驾驶技术的推崇者，并把自动驾驶当做其产品的最大卖点。不可否认，特斯拉的自动驾驶方案比谷歌的无人驾驶方案更加平易近人，相对较低的成本为该技术的商业化推广应用奠定基础。但这一方案现在来看，存在较大缺陷。2016年5月7日，特斯拉在自动驾驶模式下发生了一起车祸，并导致车主身亡，这是世界首例自动驾驶致死的事故。特斯拉表示，在蓝天下，白色的半挂车与环境融为一体，自动驾驶系统无法区别出半挂车，因此制动系统没有启动。事故发生后，特斯拉公司再次强调，驾驶者不应过分信赖自动驾驶系统，现阶段Autopilot旨在帮助驾驶员提高驾驶体验，而没有想要取代人工驾驶。特斯拉官方从未宣布在某个特定条件下，驾驶员可以双手离开方向盘完全依赖车载电脑控制车辆。因此，特斯拉的自动驾驶尚没有达到中汽协规定的第三级水平，只能算是处于第二级部分自动化水平。

3 面临的挑战与应对建议

3.1 面临的挑战

从谷歌无人驾驶汽车和特斯拉自动驾驶汽车发生的安全事故可以看出，现阶段无论哪一条技术路线都不成熟。无人驾驶汽车是多学科相互有机融合的新生事物，它的发展是一个不断探索与循序渐进的过程[6]，真正批量上路运行面临的挑战还有很多，不仅仅是技术是否成熟的问题，还有牌照、责任判定、保险等社会问题[7-8]。解决问题的第一步是承认问题的存在，而不是讳疾忌医。无人驾驶汽车面临的困难与挑战主要有以下几个方面。

1）安全性与可靠性的问题。安全与可靠永远是无人驾驶汽车推广道路上无法绕过的门槛。无人驾驶汽车自身的安全性主要包括硬件安全、软件安全和网络安全。如果从主动安全和被动安全的概念来认知，无人驾驶汽车的安全更多地涉及主动安全。首先，无人驾驶汽车的周围环境感知传感器存在失效风险。基于可见光反射原理的车载高清摄像头容易受到强光干扰导致无法获取真实清晰的图像；基于超声波反射原理的超声波探头容易受到噪声及超声波吸附材料的影响而无法准确测量障碍物距离；基于电磁波反射原理的毫米波雷达在特定设备的支持下也可能遭受噪声及欺骗攻击；精度最高的64线激光测距器在大雨、大雾等恶劣天气下衰减剧烈，严重影响三维地图的生成精度。其次，无人驾驶的算法不允许出现安全漏洞，这需要大量的测试数据支持。目前，仅谷歌进行了长达7年的封闭测试，其它厂家的测试时间则逊色许多。没有经过长时间实际验证的无人驾驶算法，仓促推广应用，本身就是不负责任的表现。最后，无人驾驶汽车接入互联网就必定面临网络安全问题。缺少足够可靠的防火墙策略，网络黑客可以通过互联网入侵无人驾驶汽车的核心大脑，篡改代码远程控制无人驾驶汽车，恶意操纵转向或制动系统，制造有针对性的安全事故[9]。

2）技术测评标准体系不完善的问题。如何评价智能网联汽车的技术指标，需要制订相应的技术标准来进行衡量，技术标准的提出必须建立在大量的实验数据基础之上[10]。我国明确将智能网联汽车的发展阶段分为五级，不同阶段的技术要求不同，技术参数指标也不同。目前，我国的智能网联汽车技术标准体系还不完善，无法为不同阶段的智能网联汽车提供测评依据，特别是高级别无人驾驶技术成熟度无法界定与判断。

3）传感器配置与成本矛盾的问题。谷歌无人车最贵的元器件是激光测距器LiDAR，位于汽车顶部，主要作用是实时生成汽车周围环境的高清数字地图。由激光雷达的鼻祖Velodyne公司开发，单个成本在7万美元左右，约占整个无人车成本的50%。尽管Velodyne公司后续发布了成本更低的32线、16线的LiDAR，但是出于安全考虑，目前没有公司愿意将其装在无人车上面，百度无人车使用的设备也是精度最高的64线LiDAR。这么高的成本显然无法让用户接受。特斯拉则采用了成本相对低廉的环境感知传感器，这也是其快速批量应用的一个重要条件。但是，随着无人驾驶模式下致人死亡交通事故的发生，特斯拉的环境感知与识别传感器的配置被质疑过于简陋，在判断危险境况方面存在安全漏洞。

4）无上路运行牌照的问题。无人车上路运行的牌照由政府管控。2012年5月8日，谷歌获得美国内华达州机动车辆管理局颁发的首张无人驾驶车辆牌照，这辆带有未来色彩的汽车挂牌上路时，也吸引了众人的目光。针对自动汽车公开试驾的申请，内华达州要求申请者必须证明车辆已经在自动模式下行驶了至少1万英里，且必须配备2名驾驶员随时接管无人车。申请者必须向内华达州机动车辆管理局证明，他们有一个合适的安全计划，有安全协议，以及他们的驾驶员接受过操作自动驾驶汽车的专门训练。我国尚没有发布类似牌照，无人车公开上路测试在现有法律环境下是不被允许的。这似乎成了一个怪圈，无法上路测试就不能验证无人驾驶技术的各项性能，性能得不到验证就无法上路测试[11]。

5）人工智能困境的问题。智能网联汽车的最终形态是替代人类操作的新一代汽车，具备典型的人工智能特征，同样面临人工智能学科发展道路上的所有问题。人工智能跨域自然科学与社会科学两大学科，超越了单纯技术层面的范畴，融入了人类对社会现象的认知与思考[12-13]。人工智能对某种现象做出的行为反映，有时候难以简单地用对或错来评价。比如，一辆无人驾驶汽车在中间车道行驶，前方车辆突然刹车，无人驾驶汽车来不及制动，而左右车道分别有一辆摩托车和SUV，这个时候无人驾驶汽车的人工智能该如何抉择？是以无人驾驶汽车的安全角度出发，撞上那个摩托车？还是以最小化人员伤害为原则，直接撞上去，牺牲掉无人驾驶汽车自己？还是折中，撞上SUV？也许不同的算法会有不同的应对反应，哪一种反应结果是正确的也无法下定论。但有一点是可以肯定的，程序员的算法主导了本次事故的结果，假如算法的行为导致了更为严重的后果，编写算法的程序员要不要承担责任？如果换了自然人驾驶车辆，99%的反应是向左打方向盘，这是一种本能的自我保护反应行为，可能不会引发太多的讨论和关注。

6）保险制度不完善的问题。无人驾驶汽车从理论上讲可以大大减少人为因素引发的交通事故的概率，比如疲劳驾驶、酒后驾驶、开车斗气等。当事故无法避免时，给车辆买一份保险或许是最后一个将损失减少到最小的保障措施。但是目前的保险条例不适用于无人驾驶汽车。保险公司需要紧密跟踪无人驾驶汽车的发展，研究制定适用于无人驾驶汽车的保险条例，这种险种的推出要与政府颁发无人驾驶汽车允许上路运行牌照的时间保持一致。

3.2 应对建议

通过分析谷歌无人驾驶和特斯拉自动驾驶的技术路线，结合发生的典型事故，面对无人驾驶汽车推广道路上的各种挑战，我们简要提出发展无人驾驶汽车的几点应对建议。

1）加强人工智能算法与环境感知技术的研究。从谷歌无人驾驶汽车和特斯拉自动驾驶汽车发生的两起典型事故中可以看出，人工智能算法和环境感知技术尚不成熟，这两项技术也是影响未来无人驾驶汽车安全性和可靠性的核心技术。无人驾驶汽车真正上路行驶面临的路况十分复杂，比如拥挤的车道、恶劣的天气、人类各种不遵守规则的驾驶行为和各种突发事件等。无人驾驶汽车首先应能够准确地识别这些路况和环境，其次再做出正确的判断，进而实施合适的措施。任何一个环节有漏洞，都有可能导致致命的交通事故。只有在人工智能算法领域和路况环境感知领域同时取得突破，无人驾驶汽车才够能向前真正迈出里程碑式的一步。

2）加强人、车、路、后台联网技术研究。网络是一个整合社会信息与资源的平台，未来无人驾驶汽车的发展离不开网络技术的进步。与无人驾驶相关的许多实时信息需要从互联网平台获取，比如GPS定位系统的准确性、路桥的通畅状况、天气的好坏状况、驾驶目的地的变更等。网络的质量及网络信息的实时性决定了无人驾驶汽车能否按照设定的目的地前进。另外，OTA（Overthe-Air，空中下载）是未来无人驾驶汽车升级车载程序的发展趋势，车主不必去4S店即可完成无人驾驶系统升级，从而获取最新的驾驶体验，OTA系统升级也需要高速网络的支持。提高网络的下载速度、覆盖范围和信号的稳定性是无人驾驶汽车推广的又一个重要的前提条件，同时还要加强网络安全技术的研究，降低黑客入侵无人驾驶汽车网络的风险。

3）在保证性能的基础上降低应用成本。无人驾驶汽车是一个朝阳产业，它会带动一大批相关产业的发展，比如传感器、摄像头、车载雷达、高精度定位导航系统、无线通讯网络系统、车载处理器、人机交互系统等；同时它还会给人类和社会的发展带来诸多便利，比如大幅降低人为因素导致的交通事故、减少碳排放量、减少道路拥堵、共享交通资源提高出行效率等。无人驾驶汽车产业带来的经济效益和社会效益十分可观，但现阶段的应用成本让人无法接受，成为推广道路上的拦路虎。针对这个问题，建议借鉴新能源汽车推广的成熟经验：一是建立示范园区，以点带面逐步辐射推广，通过增加应用数量降低成本；二是有针对性地进行资金补贴，等技术成熟后，通过补贴退坡机制刺激行业主动降低制造成本。

4）同步加强标准、牌照、保险等一连串社会制度的研究。无人驾驶汽车颠覆了传统汽车的概念，要想批量推广应用，除了突破核心技术外，还需要深入研究后续使用过程中可能出现的各种问题，比如市场准入标准、车辆上路运行的牌照、出现事故后的责任判定以及相应的保险险种、费率等。交通安全事故不是完全由于汽车技术不够先进而引发的，反而大多数安全事故是由于人类不遵守规则而造成的，譬如酒后驾驶、疲劳驾驶等。我们应该同步发展先进的管理方法与工具，解决社会应用层面的各种管理障碍，让无人驾驶汽车最大程度发挥长处，为人类所用。

4 结束语

科技是一把双刃剑，特别是无人驾驶汽车这样的高科技事物，更应该用辩证的思维去看待。随着无人驾驶汽车的发展，由此引发的问题和关注度会更多。现阶段，不能因为无人驾驶汽车带来的乐趣和体验而过度依赖无人驾驶技术，从而放松对无人驾驶汽车存在的风险的警惕，更不能因为无人驾驶汽车存在各种问题而拒绝研究无人驾驶技术。随着人类的共同努力和科技进步，无人驾驶汽车面临的挑战一定会逐一化解，无人驾驶汽车最终会进入寻常百姓家，为社会的进步和人类的发展带来更多便利。

[1]徐可，徐楠.全球视角下的智能网联汽车发展路径[J].中国工业评论，2015（9）:76-81．

[2]王怡洁.Google推动车联网进程[J].汽车与配件，2014（27）:31 -33．

[3]汤姆·西蒙奈特.为什么谷歌放弃了在人和机器驾驶之间的切换[J].中国孵化器，2014（6）：9-10．

[4]王浩，林棻，张尧文.基于模拟退火算法的无人驾驶车辆轨迹跟踪控制[J].重庆理工大学学报：自然科学版，2015（11）：106－111．

[5]李忠东.Tesla开发智能汽车+电动汽车模式[J].轻型汽车技术，2016（3）:59-61．

[6]陈新亚.自动驾驶需要大量“小白鼠”[J].汽车知识，2016（8）:2.

[7]谢育辰.“自动驾驶”之痛：技术难题仍待突破[N].中国企业报，2016-07-12（7）.

[8]胡雨.自动驾驶汽车大规模商用面临多项难题[N].财会信报，2016-07-11（D01）．

[9]于赫，秦贵和，孙铭会，等.车载CAN总线网络安全问题及异常检测方法[D].长春:吉林大学，2016.

[10]张亚萍，刘华，李碧钰，等.智能网联汽车技术与标准发展研究[J].上海汽车，2015（8）:55-59.

[11]智恒阳，余俊.浅谈智能网联汽车政策法规体系建设[J].汽车技术，2016（4）:53-56.

[12]张卫忠.基于仿人智能控制的无人地面车辆自动驾驶系统研究[D].北京:中国科学技术大学，2014.

[13]李德毅.网络时代人工智能研究与发展[J].智能系统学报，2009，4（1）:1-6.

修改稿日期：2016-09-26

Challenge and Suggestion for Development of Driverless Vehicles

WangQinpu，ZhaoJia，ZhaoHao
（ZhongtongBus HoldingCo.,Ltd,Liaocheng252000，China）

With the support of national strategies and the proposal of Intelligent-networked vehicle concept，the research and development of driverless vehicles go into the fast lane.This paper analyzes the present application predicaments and the existing problems of the development road as well as gives some suggestions combining with the development course and technical route ofthe driverless vehicles.

Intelligent-networked vehicle;driverless vehicle;development;challenge;suggestion

U469.79

A

1006-3331（2016）06-0002-05

王钦普（1964-），男，研究员；泰山学者；技术总监；主持国家新能源汽车产业创新工程项目和国家科技支撑计划项目的技术研发和实施工作。