看完了这个，你还想放弃驾照学习吗

对于一部分人来说，学车是痛苦的、折磨人的。无数驾校学员被一辆破旧的小汽车难倒，屡次倒在科二、科三的考场上。这时候，自动驾驶似乎成为这些屡战屡败的学员的终极“救星”。笔者身边就有不少朋友抱着“十年之后靠自动驾驶开车”的想法，最终放弃了驾照的学习。

只可惜，最近某知名品牌的自动驾驶车辆，又撞上白色大卡车了。2021年3月11日，一辆自动驾驶汽车一头“钻进”白色卡车的货柜之下，车上两名人员被送往医院抢救。

自动驾驶汽车出车祸的新闻已经屡见不鲜了。2016年，美国佛罗里达州某自动驾驶汽车与正在转弯的白色半挂卡车发生碰撞，钻进了卡车货柜下方，驾驶员不幸身亡。

发生的这几起事故，自动驾驶都是败在白色大卡车之手。一时之间，白色大卡车似乎成为了专职“自动驾驶杀手”。那为什么自动驾驶汽车就是要往白色大卡车上面撞呢？自动驾驶技术距离应用到我们的日常生活之中，到底还有多远呢？

自动驾驶是什么？

自动驾驶技术分为L1到L5五个阶段。

L1阶段，车辆拥有ABS（防抱死系统）等辅助系统。

L2阶段，车辆具有了横向和纵向移动的辅助控制。例如辅助汽车保持在车道线之内。

L3阶段，大部分时候车辆可以自动驾驶。这一阶段的汽车不需要驾驶员对当前路况进行实时监控，只需要在系统提示时接管车辆即可。可以说，迈入L3阶段之后，“自动驾驶”技术就可以真正将人从“驾驶”这一任务中解放出来。

进入L4阶段以后，自动驾驶车辆就可以自己在限定的道路上处理极端情况，此过程不需要人工进行操控。

到L5阶段之后，自动驾驶汽车则可以根据当地交通法规、目的地自行选择合适的路线和出行方式，从而真正做到全工况、全区域的自动驾驶。

我们现在常说的自动驾驶汽车，是指L3及以上级别的汽车。这一阶段的汽车，想要实现自动驾驶，就需要先对周围的环境进行检测和识别。

常用的识别技术包括：摄像头、激光雷达、毫米波雷达。摄像头是用得最多的设备，通过对周围的环境拍摄可以看到有颜色的标志、物体。但是在夜晚或者雾天，摄像头的性能会受到严重影响。激光雷达是通过激光束照射周围，然后根据接收的反射波的时间和波长，来绘制周围障碍物的3D图。但是激光雷达无法确定物体的具体颜色。毫米波雷达可以穿透尘雾、雨雪，但缺点是无法识别高度，且分辨率不高。

获得了环境中的信息之后，下一步就需要对信息进行识别和标识。例如视频拍摄到的照片，识别出其中的汽车、交通信号灯等信息。这一过程中需要注意的是，多种控制器获得的信息不一定是互相协调的。同一个物体，激光雷达和摄像头得到的信息，有可能会给出不同的判断。这种时候，就需要对获得的不同信息进行融合，根据每种传感器的优缺点，综合评判各种信息的准确度，最终得到一个可靠、安全的结果。

获得了信息之后，下一步就是根据对应的信息进行决策了。看到了汽车和行人，就需要注意避让。看到了红灯就停车，等到绿灯再出行。

决策包含两种类型：专家规则和AI学习。专家规则就是提前录入各种交通规则和法规以及对应的反应准则，然后根据对应的规则进行行动。AI学习就是通过机器学习的方法，让系统学习出一套“临场反应”的方法。

最后，完成决策之后，系统对车辆进行控制，做出决策后的反应，就完成了机器学习的整个过程。

为什么白色大卡车是自动驾驶的阿喀琉斯之踵？

那么，为什么白色大卡车成了自动驾驶技术的命门呢？问题就出在了上面的信息识别环节上。事故调查结果显示，白色大卡车都被识别为天空。错误的识别，导致了后续悲剧的发生。

按理来说，白色卡车这么大，自动驾驶车辆为啥还会识别错误呢？

这是由几个方面的原因综合造成的。

首先，激光雷达的成本较高，在某品牌的自动驾驶车辆中并未被采用。

其次，超声波雷达检测距离过近，无法远距离检测出卡车。毫米波雷达虽然检测距离较长，但是毫米波可能会直接从卡车箱底穿过，形成漏检。而且毫米波雷达对于静止或移动速度很慢的物体检测起来不敏感，这进一步增加了漏检的可能性。

最后，摄像头检测出的图像还需要进一步识别，而白色大货车存在大片纯白的区域，前置摄像头大部分时候就只能拍到卡车的局部。只有前置广角摄像头在近距离的情况下，才能拍到完整的白色大卡车。这也进一步增加了识别-反应的难度。

自动驾驶离我们还远吗？

自动驾驶汽车什么时候才能保证安全避开白色大卡车？自动驾驶汽车撞人了，责任该怎么划分？伦理和道德上的种种问题，似乎横亘在自动驾驶和大规模实际应用之间。但自动驾驶真的离我们无比遥远吗？

某品牌的自动驾驶已经投入商用了;国外另一知名無人驾驶公司在加州开展无人出租车业务已经有一年多的时间了;中国某公司最近半年在北京通州部分路段也开通了无人驾驶出租车服务（点开你的地图软件就能找到）。所以，实际中的自动驾驶技术与你的距离往往比你想象中的近。除了看得见摸得着的L4以上自动驾驶，L4以下的比如自动泊车、园区shuttle bus、无人仓储，这些涉及到自动驾驶技术的业务已经在不断地推广和落地了。

总体而言，影响自动驾驶落地的因素主要有三个：一是设备，基于纯二维视觉（这里再次点名屡次撞上白色大卡车的某公司）的自动驾驶终究不会是这个领域的最终形态。然而，基于毫米波和激光雷达的设备目前价格依旧高昂，导致这些三维视觉感知设备在商用自动驾驶车辆上迟迟不能落地。虽然这些设备的制造成本在逐年降低，但是能够大规模推广应用仍然需要一定的时间周期来进行产品的研发和迭代。

二是政策，这个涉及到伦理和监管问题，以及对自动驾驶汽车的事故责任认定等一系列复杂的讨论（目前这一块儿法律法规仍然是一个巨大的空白）。另一方面，政府目前的态度是非常积极地在推动。比如北京、苏州等地2019年就已经开放了很多自动驾驶路测路段，对于自动驾驶企业的扶持政策也在逐步落实到位。

三是技术，这个相对来说是目前自动驾驶领域中相对较为简单和易解决的问题了。在有强大的传感器和雷达等硬件设备的支撑下，自动驾驶技术是能够通过识别和控制系统充分保障汽车行驶过程中的安全性的。只不过限于设备成本，很多技术还未能投入商用（这一块儿就需要时间来不断迭代产品并降低成本）。

作者认为，5年内就可以看到“自动驾驶”技术的初期商用形态，10年内能看到成熟的完整产业形态。当然，最大的风险主要存在于伦理方面，包括事故的责任认定、划分等等，这些非技术性的问题将在未来成为影响自动驾驶技术发展的主要因素。但总体来看，自动驾驶距离我们的生活，并不遥远。未来人们的交通出行方式，终将因自动驾驶而产生翻天覆地的变化。