科学推动自动驾驶技术发展与应用——拥抱新技术，迎接新挑战

庞 松

(中华人民共和国交通运输部，北京 100029)

0 引 言

2016年至今，自动驾驶技术加速研发，成为全球科技革命和产业变革的热点领域。特别是2020年，以百度、谷歌等企业的自动驾驶出租车开展示范为标志，全球自动驾驶进入新一轮核心技术突破期。随着自动驾驶技术日趋成熟，高速公路、限定区域等简单场景已显示出较好的应用前景；然而，面向开放道路环境的高级别自动驾驶，仍存在一系列技术瓶颈有待解决。总体看，作为人工智能最重要的落地场景之一，当前自动驾驶的发展挑战和机遇并存。结合政策和管理角度，笔者简要阐述了对自动驾驶的理解，以及对推动自动驾驶应用的思考。

1 自动驾驶的概念和意义

回顾交通运输发展历程，载运工具一直是其中最活跃的因素。载运工具的每次变革，极大带动提升了基础设施升级，扩大了运输服务内涵，进而改变交通运输系统形态。

1.1 自动驾驶的概念

对交通运输来说，自动驾驶并不是新鲜事物。例如，在民航领域，航空飞行对自动驾驶系统的依赖度很高；空管系统自动化水平亦不断提高，以应对日益繁忙的空中航线。在轨道交通领域，列车运行自动化技术已得到普及，高铁、城际快轨、市区地铁等均离不开高度自动化的驾驶及调度系统。与之相比，道路交通由于参与主体多元、运行环境开放、场景构成复杂，自动驾驶实现起来难度较大。

笔者所提的自动驾驶，更多特指道路交通自动驾驶。20世纪30年代已有企业提出了这一理念，但受制于当时的传感、通信、控制等技术的发展水平，早期自动驾驶车辆难以应对复杂多变的道路交通场景，大多停留在概念开发和原型设计阶段。近年，随着高性能计算、人工智能、大数据等新一代信息技术的快速演进，自动驾驶正逐渐走进现实。

自动驾驶通过载运工具、基础设施与运行管控的有机融合，实现道路交通部分或完全自动化运行，是对传统运输模式和出行方式的一次深刻变革。从技术角度看，自动驾驶是新一代信息技术与交通运输融合发展的结果，有望成为重塑道路交通系统形态的先导因素；从产业角度看，自动驾驶涉及汽车制造、电子芯片、移动通信等产业，是跨行业跨领域的综合性发展新方向，也是未来诸多新兴产业发展的重要引擎。

1.2 自动驾驶的意义

合理应用自动驾驶技术，可以实现以下良好的经济和社会效益：

1)提高交通安全性。据统计，在道路交通事故中，由驾驶方面的人为因素导致的占90%以上。自动驾驶可以减少由于疲劳驾驶、注意力不集中、操作失误等人为因素导致的交通事故和伤亡。

2)提升道路资源利用率。自动驾驶可以缩短行车过程中车辆间的距离，使道路通行资源得到更加充分的利用。

3)助力交通绿色发展。自动驾驶可以减少车辆行驶中的制动和加速次数，尽量保持经济车速行驶，从而降低排放和能耗。

另外，将自动驾驶技术应用于港口、矿区、工地等作业时间长、环境相对恶劣的场景，可以改善人员工作条件，并且可以24 h运行，大大提高生产效率。

2 自动驾驶相关技术

自动驾驶汽车主要涉及三大关键技术：环境感知、自主决策和运动控制。形象地说，这3个系统分别扮演了类似于人类驾驶员的眼、脑、手/脚的角色。

2.1 环境感知

环境感知是自动驾驶的功能基础，可进一步分解为“感”和“知”两个部分。“感”，就是传感技术，主要包括目标探测和位姿传感。常见的目标传感器包括视频摄像头、超声波雷达、毫米波雷达、激光雷达等；位姿传感器包括GPS和北斗等卫星定位系统、惯性导航系统等。“知”，就是识别技术，利用“感”的原始信息，通过信号处理、模式识别、深度学习等技术进行多源传感信息的融合，实现对邻域车辆状态、道路基础设施、动静态障碍物等交通要素的识别。

2.2 自主决策

自主决策体现了自动驾驶的智能化水平。根据周边环境的感知信息和既定的驾驶任务，通过合理地逻辑推理判断，选择行车行为，输出参考行驶轨迹。决策算法大致可分为3类：①专家规则型，主要依赖专家经验，将决策过程分解为场景理解、行为选择、路径规划等子任务；②监督学习型，通过收集大量标签驾驶数据，采用监督学习的方法模拟人类驾驶员的操作方式，建立从环境感知信息到驾驶行为的映射模型；③类脑学习型，通过探索交通环境，自主训练完善决策模型，是类似人类学习机制的决策方法，有望达到甚至超过人类驾驶员水平。参考轨迹生成是自主决策系统开发过程中最困难的部分之一，通常可分为路径规划和速度规划两步。路径规划中，车辆基于高精地图、感知和预测模块的环境障碍物分布情况，生成多条可行驶的路径，根据备选路径的安全性、车道中心偏离等因素，选择最优路径。速度规划中，根据道路限速、周车状态等实时调节路径上的期望速度，得到最优路径上的一系列速度采样点。

2.3 运动控制

运动控制决定了自动驾驶的行驶性能。以跟踪决策输出的期望轨迹为目标，输出对车辆的操作控制，实现转向、加速、制动等。车辆控制是一个性能需求多目标、被控对象非线性、安全车距硬约束的最优控制问题。汽车除了考虑轨迹跟踪性能，还应综合考虑安全、节能、舒适等各类不同需求。真实车辆动力学特性为强非线性。另外，交通环境不允许车辆行为完全自由，存在与周围交通参与者、道路边缘碰撞的潜在风险。运动控制是保障自动驾驶安全性的最后一道屏障。

笔者前述技术系统、硬件设备和软件算法均部署在车端，又称为“自主式自动驾驶”，即车辆仅依赖自身的传感和计算资源，独立地实现感知、决策和控制。从目前的技术水平看，自主式方案因为车载控制器算力和传感器成本的制约，性能仍然存在较大的不足，很难达到人类水平的驾驶能力。与此同时，我国学者率先提出了“云控网联式自动驾驶”的技术方案，通过部署路侧感知设备、建设边缘计算平台等手段，将部分感知、决策或控制功能分摊至道路基础设施或云端平台，降低单车智能化成本的同时，提升车车/车路的协同能力。从原理上说，云控网联式技术有利于加速自动驾驶的实现，但是，道路交通具有点多、线长、面广的特点，从停车场、小区道路、城市道路到各类公路(国、省、县乡、村道以及相应技术等级的公路)，基础设施无法全面支撑以自动驾驶为目标的升级改造，经济可行性和通信可靠性是现实存在的难题。

从目前技术研发情况看，在相对简单的交通环境中，自主式技术方案可以较低成本(如借助高精度地图和定位技术)实现特定场景的自动驾驶，如港口物流、旅客摆渡、景区观光、矿区作业等。网联式技术方案可为车辆提供车载传感器难以准确感知的辅助信息(如信号灯实时状态、禁令类交通规则、远距离或超视距交通事件、隧道和桥梁等特殊路段信息等)，进一步提高自动驾驶的安全性、可靠性、适应性。实际上，两条技术路线并不存在对立关系，应根据具体应用场景，因地制宜选择技术可行、经济合理的方案。

3 自动驾驶技术发展存在的问题

近几年，发达国家和地区不断优化政策环境，引领自动驾驶技术前沿。我国也加大政策支持力度，鼓励产学研跨界融合、创新应用。2017年，国务院出台了《新一代人工智能发展规划》[1]，将自动驾驶作为人工智能先行落地领域。2018年以来，工信部、公安部、发改委、交通运输部等部门陆续出台了一批政策，包括《智能网联汽车道路测试管理规范(试行)》[2]、《智能汽车创新发展战略》[3]、《交通运输部关于促进道路交通自动驾驶技术发展和应用的指导意见》[4]等，推动了自动驾驶的发展。各地也积极响应，支持上下游产业落地、建设测试基地和示范区、谋划试点示范项目等，形成了开放包容的创新环境。

同时，还要清醒认识到，自动驾驶发展还面临以下突出问题，亟待各方共同破解：

1)法律法规和伦理问题有待解决。现行法律均以人类驾驶为基础。处于无人监控的自动驾驶模式，驾驶责任将由人转为车辆系统，甚至是远程云控平台，将引发一系列法律法规难题。目前的法规不允许车辆以全自动驾驶模式在公开道路行驶，也不支持高速公路等安全敏感区域的测试。另外，自动驾驶还面临“电车难题”等伦理困境，导致事故认定还是一个未定难题。

2)测试和评价方法缺失。充分的测试是新技术应用的必要条件，但面对难以穷尽的交通场景，需要测试多少里程、多长时间才能验证其可靠性，仍然没有形成共识，亟需建设完备客观的自动驾驶评价体系。有人甚至认为，几乎不可能通过道路测试来证明自动驾驶的安全性高于人类。

3)标准体系有待健全。围绕自动驾驶，不少标准化机构均在积极开展标准研制工作，但目前不同标准子体系间的兼容性、协调性还需要进一步提升。

4)系统安全需引起重视。建立在信息高度共享和连通基础上的新兴技术，将衍生出一系列非传统安全问题，比如信息安全、功能安全、数据隐私等，可能成为未来制约其应用的瓶颈因素。

4 结语及展望

当前，自动驾驶发展机遇和挑战并存。一方面，自动驾驶催生出按需出行、无人配送等一批新业态，展现出广阔的应用前景，特别是前沿技术之间加速融合，涌现出管廊式交通系统、地下物流等概念，为人类勾画出未来交通形态。另一方面，前沿技术在商业化应用前，还将经过与场景不断磨合、与制度持续互动的过程，需要人们“耐得住”且科学有序地推动技术发展。

综合自动驾驶技术演进和应用现状，笔者认为，未来自动驾驶可能呈现两条路线并行发展的态势：

1)在开放道路上推广应用L3级以下辅助驾驶功能，提升驾驶安全，提高道路通行效率。

2)在法律法规制约较少、环境相对封闭的园区内推动自动驾驶等无人化技术常态化运行，并配套建设智能化基础设施，改善生产和作业效率。

鉴于此，在近期一段时间内，可重点做好以下几方面工作：

1)加强部门间的协同，允许在部分区域、部分场景开展自动驾驶示范应用，为法律法规修订提供实践基础。

2)按照从封闭场景到开放环境、从货运到客运的路径，逐步开展规模化试点，打造一批具有可持续商业模式的典型案例。

3)同步加强标准化力度，及时总结和推广试点示范成果。

4)前瞻研究网络安全、数据隐私等防护措施，补上安全短板，支撑自动驾驶普及应用。