无人驾驶汽车发展现状及未来展望

摘 要近年来，无人驾驶技术已成为众多车企和科技公司重点研发的对象。本文介绍了国内外无人驾驶技术的发展历程，重点分析了如今无人驾驶技术的发展现状，最后对该产业未来的发展方向和发展路线进行了展望。

【关键词】无人驾驶 自动驾驶 高新技术 车联网

汽车的发明改变了人类的出行方式，汽车的发展同样也推动着社会的发展。但是，随着汽车保有量的逐年增加，交通问题也越来越严重。交通拥堵与交通事故难以解决，传统的汽车工业面临挑战。近几年随着计算机技术和互联网技术的迅速发展，无人驾驶技术应运而生。

无人驾驶技术是指车辆通过传感器等设备对外界环境进行感知后通过车内的计算系统进行分析处理后对车辆行为做出相应控制，从而达到自主驾驶目的的技术。无人驾驶技术也有望解决交通拥堵问题以及降低交通事故的发生率，是一门拥有良好前景的新兴技术。

1 国外无人驾驶技术的发展历程

无人驾驶技术并不是本世纪出现新技术，早在上个世纪末，无人驾驶技术的研究就已经出现。

与国内相比，国外对无人驾驶技术的研发起步得相对较早。1985年5月31，美国Autonomous Land Vehicles（ALV）计划成功在美国丹佛市（Denver）落基山脉完成了其自主陆地载具（Autonomous Land Vehicle）的测试。测试对象为一辆装有8个轮胎，顶部配备一个闭路摄像头的载具。计划由Martin Marietta公司、学术机构以及美国国防高级研究计划局（DARPA）合作完成。计划主要面向于军方运输方面，并于2006年开始研究用于提高军方驾驶安全的SMSS（Squad Mission Support System）系统。1986年，美国卡内基梅隆大学开始研究车辆电脑控制系统，并分别于1986年和1990年推出半自主车型（semi-autonomous）Navlab 1和Navlab 2。1999年，卡内基梅隆大学研制出无人驾驶汽车Navlab-V，完成了横穿美国东西部的无人驾驶实驗。2000年，丰田推出了无人驾驶公共汽车，该车的专用道路上每隔一米左右有一颗永磁铁，车辆通过磁气传感器及红外摄像机等装置完成了无人驾驶。梅赛德斯奔驰、英菲尼迪、沃尔沃等汽车制造商在21世纪初推出了各自的驾驶辅助系统。2007年，DARPA城市挑战赛上涌现出一批由高校与企业共同研发的自动驾驶汽车。2009年，谷歌无人驾驶汽车项目正式启动，截至2016年，谷歌测试车辆已经在美国行驶了200万英里的距离，并且在2014年推出了自己的车型，该车型没有油门，没有方向盘，只有一个启动键。在2017CES（国际消费电子产品展）上，奥迪、宝马、奔驰、丰田、福特等一系列传统车企也纷纷带来了其改装的自动驾驶车型或概念车型。此外，纯电动车品牌特斯拉（Tesla）一直引领着量产自动驾驶辅助系统车辆的潮流。其在2016年年末至2017年年初开始推送Autopilot2.0，随后的补丁正在陆续进行功能完善与功能解禁。此外，网约车的创始者优步（Uber）也于2016年推出无人驾驶汽车载客服务。随着无人驾驶浪潮的发展以及新能源的开发，该领域出现了一些新兴品牌，如法拉第未来（Faraday Future（FF））等。这些新兴品牌有的目前停留在理论阶段，有的已生产出测试车型，总之这些新血液的加入给无人驾驶领域的未来带来了更多的可能。

2 国内无人驾驶技术的发展历程

我国于上个世纪80年代开始研究无人驾驶技术。1992年，国防科技大学研制出中国第一辆无人驾驶汽车。2011年，由一汽与国防科技大学共同研制出的红旗HQ3无人汽车，首次完成了从长沙到武汉286公里的高速全程无人驾驶试验。2012年，由中国军事学院改装的途胜越野车军交猛狮Ⅲ号在京津高速完成了114公里测试。2013年，百度启动无人驾驶车项目，2015年，百度无人驾驶车国内首次实现城市、环路及高速道路混合路况下的全自动驾驶。2015 年 12 月 14 日，百度宣布正式成立自动驾驶事业部，计划三年实现自动驾驶汽车的商用化，五年实现量产。2016年7月3日，百度与乌镇旅游举行战略签约仪式，宣布双方在景区道路上实现Level4的无人驾驶。2016年百度无人车宣布获得美国加州政府颁发的全球第15张无人车上路测试牌照。此外，传统车企也与国内高校、科研院所或科技公司开展了无人驾驶技术的合作研发，如上汽、北汽等。在无人驾驶方面，中国公司乐视与法拉第未来（Faraday Future）达成战略合作关系，并在2017CES上发布了其首款具有无人驾驶功能的车型FF91。

3 当今无人驾驶技术发展浅析

首先，我们要明确无人驾驶与自动驾驶的区别。无人驾驶并不等于自动驾驶，无人驾驶不需要司机，完全将车辆的控制权交给了车辆本身，车上的人只有乘客这一个角色。而自动驾驶仍需要司机在必要时对车辆进行控制。美国国家公路交通安全管理局（NHTSA）将自动驾驶分为了五个等级：

Level 0：无自动化（No Automation）

Level 1：特定功能自动化（Function-Specific Automation）：驾驶员拥有绝对的控制权，将某些功能的有限的控制权交给系统，提供如定速巡航、紧急制动等辅助驾驶的功能。

Level 2：复合功能自动化（（Combined Function Automation））：通过各种功能的组合（至少两种功能），实现自适应巡航、车距保持等功能，但司机仍拥有绝对的控制权，并且司机必须做好随时控制车辆的准备。

Level 3：有限自动化（Limited Self-Driving Automation）：在有限条件下提供自动驾驶功能。

Level 4：完全自动化（Full Self-driving）：即无人驾驶，无需司机，车辆的控制权交给自动驾驶系统，将乘客送往目的地。endprint

2010年以来，全球的无人驾驶技术的发展可谓是进入了百花齐放的状态，发展无人驾驶技术如同是对未来的一种军备竞赛。

纵观所有的参与者，我们可以将其分为两大类。第一类是以Google为首的科技公司，包括百度等。第二类是以Tesla为首的汽车制造企业，包括传统制造商如奔驰、沃尔沃等以及新兴的公司如法拉第未来（FF）等。这两类参与者的发展无人驾驶技术战略有着天壤之别。以Google为首的科技公司将产品直接定位为Level 4，科技公司通过使用最先进的传感器如高精度激光传感器等再加上先进的算法以及强大的数据处理能力，使其产品成为了最为接近Level 4的产品。当然，追求完全的无人驾驶技术让整车的成本大幅增加，其中高精度传感器的成本更是相当昂贵。而另一类参与者以特斯拉（Tesla）为首的车企则选择了另一条更为稳健的道路。以特斯拉为例，其实现自动驾驶战略是通过对现有的驾驶辅助系统的改进升级，通过软硬件的迭代升级，逐渐提高系统的自动驾驶能力，最终实现由Level 2到Level 4的升级。因此，这些技术目前还不能达到真正的无人驾驶要求。

首先，我们分析一下科技公司无人驾驶的当今发展。2009年，Google无人驾驶汽车项目正式启动，早期谷歌对丰田普锐斯和奥迪TT进行了无人驾驶改造，Google利用高精度激光雷达 、GPS全球定位、摄像机等传感器收集道路信息，如今Google无人驾驶汽车已经行驶了数十万英里的路程。2014年Google开发出了自己的车型，该车型只有一个用于启动的按键，没有方向盘与油门，可见Google对无人驾驶技术的执着追求与自信。复杂的道路情况并不只局限于车辆的行为，还有路上行人的行为，道路工作人员如交通警察、道路维护人员的行为都极大得增加了车辆周围环境的复杂性。目前Google无人车已经能够识别交警的特殊手势并且能在某些特殊的情况下做出正确的判断，如当交警指令与交通信号灯矛盾时。另外，我国的百度公司也于2013年开始进入无人驾驶领域，虽然起步较晚，但是成果显著。2016年7月3日，百度與乌镇旅游举行战略签约仪式，宣布双方在景区道路上实现Level4的无人驾驶。2016年百度获得了美国加州政府颁发的全球第十五张无人车上路测试牌照。除了百度和Google之外，美国打车软件公司优步也在无人驾驶领域成果显著。优步于2016年在Pittsburgh推出了无人驾驶汽车载客服务。乘客通过正常程序进行约车，约到无人驾驶汽车将免费体验服务。优步为无人驾驶汽车配备有两名工作人员来全程保证车辆的行驶安全，优步计划随着技术的成熟将逐步减少工作人员的数量，最终实现无人驾驶。纵观进入无人驾驶领域的科技公司，他们拥有哪些优势去对抗传统的汽车制造商呢？

（1）科技公司的研究方向重点是无人驾驶的算法实现，也就是重点在于软件的开发，如Apple将之前旨在研发全自动驾驶汽车的“Project Titan”项目聚焦于自动驾驶系统平台。

（2）科技公司拥有着传统车企缺少的大数据支持。Google无人车计划由Google街景的共同发明人Sebastian Thrun领导，因此Google多年在高精度地图方面的积累正好可以应用于无人驾驶技术的研究。由于无人驾驶对地图的精度要求极高，所以Google在这方面拥有很大的优势。又如中国公司百度同样拥有极其丰富的地图资源，所以科技公司在大数据方面拥有着先天的优势。

（3）科技公司拥有更强大的处理大数据的能力以及分析数据的能力。如百度无人车将对“百度大脑”进行应用整合，“百度大脑”模拟人类的思维模式，拥有万亿级参数，通过模拟人脑对数据进行处理分析，可以说该技术让百度无人车拥有了更强的竞争力。总体来说，科技公司更亲向于通过人工智能与高精度地图结合高精度传感器实现Level 4的无人驾驶。

我们再分析一下如今车企在无人驾驶技术方面的发展。车企与科技公司拥有完全不同的资源与产品模式，因此二者对无人驾驶领域的研究战略也是大不相同。无论是传统车企还是新兴车企，大多数都是通过对现有的驾驶辅助系统进行改造包括软件算法的更新以及硬件的升级换代逐步完成从Level 2到Level4的过度，最终实现真正的无人驾驶。以特斯拉为例，在特斯拉刚发布Model S时官方就声称通过车辆配备的传感器可以实现自动驾驶功能。但是由于技术限制，自动驾驶功能在今后的升级迭代中才逐渐开放。2015年底，特斯拉在固件升级中搭载了全新的Autopilot功能，不过初代的Autopilot并不是真正意义上的自动驾驶，准确得来说应该是高级辅助驾驶系统。Autopilot可以完成自动车道保持、自动变道和自动泊车等功能，但是仍属于驾驶辅助系统，属于Level 3的级别。特斯拉在7.1版本的系统中增加了手机召唤功能，可以让车辆在驾驶员不在车中的情况下完成自动泊车和自动离开车位的功能。此外，特斯拉在2016年年末发布了配备有全新的Autopilot 2.0的车型，Autopilot 2.0使用了更多的传感器，包括8个摄像头，12个超声波传感器以及一个前置雷达，同时搭载了新一代处理器。配备有Autopilot 2.0的车型会在今后的升级中逐渐解锁全部功能，Autopilot 2.0有望成为首个最接近Level 4的量产解决方案。除了特斯拉之外，法拉第未来（Faraday Future）在2017年的CES上发布了其首款量产电动车FF91，除了惊人的性能，FF91通过激光雷达、超声波传感器以及摄像头等传感器实现自动驾驶功能。FF91预计于2018年交付于消费者手中。总之以特斯拉为首的车企通过在现有产品的基础上逐步对软硬件进行升级，最终达到无人驾驶的目的。相比于Google，特斯拉更为务实而Google更为理想。虽然Google无人车测试里程以由数十万英里，但是特斯拉通过已量产的车型已经积累了上亿英里的里程，同时也在用户的日常驾驶中逐渐完善高精度地图的绘制。总之，二者所代表的阵营正在沿着最适合自己的道路前行。endprint

无人驾驶技术的飞速发展离不开硬件厂商的支持。英伟达（NVIDIA）于2016年在CES上发布了自动驾驶平台Drive PX 2，根据官方给出的参数，Drive PX 2的性能十分强悍，搭载了两颗新一代NVIDIA Tegra处理器及两颗基于NVIDIA Pascal架构的新一代GPU，最多可以接入12路摄像头输入，同时还支持激光、超声波等其他传感器的输入。官方宣称其深度学习能力上等同于150部MacBook Pro。目前，如奥迪、奔驰等传统车企纷纷与英伟达合作，在英伟达自动驾驶平台上进行自动驾驶技术的研究。此外，英伟达也在2017年的CES上展示了其无人驾驶汽车BB8。无人驾驶技术的发展要建立在硬件的发展之上，因此类似于英伟达和传感器等硬件提供商也将在无人驾驶领域扮演重要角色。他们对硬件成本的控制也将极大地影像整车的成本。

4 当前无人驾驶技术所存在的问题

4.1 成本问题

由于道路环境的复杂性，无人驾驶汽车对传感器精度的要求非常苛刻。无人驾驶技术依赖的高精度激光雷达可以为车辆绘制精确的道路地图，实时获取车辆周围的三维信息。然而激光雷达的成本高达数十万美元，不同精度的激光雷达随着精度的增加成本成指数倍增加。再加上昂贵的处理平台，无人驾驶的成本始终难以控制在可接受水平。目前量产的自动驾驶车型中几乎没有车型配备激光雷达，特斯拉最新的Autopilot 2.0也没有配备。可见成本问题是无人驾驶汽车量产的巨大障碍。

4.2 安全问题

实际的道路情况不仅仅是车辆行为，还有行人行为，道路工作人员行为，指示灯行为以及各种路标。再加上天气气候因素，道路情况的复杂程度难以想象。因此无人驾驶技术的安全性面临挑战。

4.3 法律問题

对于自动驾驶和无人驾驶这两个新兴领域来说，相关的法律法规还不够完善，法律的地域差异性巨大。美国目前有4 个州——内华达州、佛罗里达州、加利福尼亚州和密歇根州通过了允许对无人驾驶汽车进行路测的法规。各个国家也都在完善有关方面的法律法规。新的自动驾驶或无人驾驶车辆进入市场前的检测制度还不够完善，事故发生后的责任问题也是如今难以解决的问题。

5 未来无人驾驶技术的发展方向

随着自动驾驶技术的发展和科技公司对无人驾驶技术的研究，最终无论是车企还是科技公司都会初步实现无人驾驶。无人驾驶的初步实现一定会在技术领域出现很大的差异性，包括算法的差异性、系统平台的差异性以及设备的差异性。要实现无人驾驶安全性的进一步提高，必须实现车辆与基础设施间的通信（V2I），其次要实现车辆间的信息共享（V2V），最终实现车联万物（V2E）的最终目标，将汽车打造成最大的个人移动处理平台。要实现V2I与V2V就必须减少不同品牌间无人驾驶技术的差异性，增强平台间的信息共享能力。如今的自动驾驶与无人驾驶都是以单独车辆为单位，一辆车所能获取的信息只能来自自身的传感器。未来V2I与V2V的实现可将每个车辆所获得的信息进行共享，也就是说一辆车可以拥有道路上每辆车的传感器数据，实现对整条道路实时无死角的信息获取。此外除了共享传感器信息，车辆的行程信息也将共享。在十字路口或者交通压力较大的地区系统会根据各个车辆的行程安排自动选择道路，将被动调整转变为主动调整，道路的运输效率以及车辆的安全性也将显著提高。车联网的最终目的是要实现V2E，将车辆变成与手机一样的移动处理平台，车辆不再是单独的交通工具，每辆车都将成为使用者的娱乐和工作的平台，最终实现万物互联的终极目标。

参考文献

[1]Lockheed Martin.Driving Forces：Autonomous Land Vehicles[N].http：//www.lockheedmartin.com/us/100years/stories/alv.html.

[2]百度百科.军交猛狮Ⅲ号.

[3]殷雨婷.百度无人驾驶车完成路测 最高时速100公里[Z].央广网.2015.

[4]Tammy E.Trimble.Human Factors Evaluation of Level 2 and Level 3 Automated Driving Concepts：Past Research，State of Automation Technology，and Emerging System Concepts[R].Virginia Tech Transportation Institute 3500 Transportation Research Plaza Blacksburg.VA 24061.July 2014：1-4.

[5]百度百科.百度大脑.

[6]杨帆.无人驾驶汽车的发展现状和展望[J].上海汽车，2014.

作者简介

穆康乐（1997-），男，陕西省西安市人。西安电子科技大学本科在读学生。通信工程专业。

作者单位

西安电子科技大学通信工程学院 陕西省西安市 710126endprint