长安汽车智能化研究院智能驾驶所高级经理梁锋华在云栖大会期间的分论坛演讲中，详细解读了当今自动驾驶技术的现状与挑战。
文︱Aaron
图︱云栖大会
云栖大会同期举办的《自动驾驶技术专场》分论坛中，长安汽车智能化研究院智能驾驶所高级经理梁锋华解读了当今自动驾驶现状与挑战。此外，阿里巴巴自动驾驶实验室负责人王刚介绍了阿里在自动驾驶领域的研究。
本文将从这两方面信息入手，解读自动驾驶领域，并看一看阿里是怎么做的。
发展现状
如今自动驾驶在全球范围内已经进入了快速发展期，但L1级仍是ADAS量产主力，未来2~3年L2将会是量产的主力。梁锋华表示，曾经汽车豪华品牌都是从国外往中国过渡，现状自动驾驶行业，中国绝对是主力。今年中国L2的搭载量预计突破80万，中国品牌占据绝大部分份额。
而L3-L4级自动驾驶系统还处于研发和小规模测试阶段。
此外，各国正在推动开放测试道路、完善法律法规等政策。市场主体空前丰富，传统主机厂、互联网企业、ICT企业、出行服务企业等纷纷加入。
安全可靠性与监管体系仍需要加强。梁锋华举例称，特斯拉制动驾驶在全球发生多起致命事故，Uber发生了全球第一起自动驾驶致行人死亡事故。这反应了自动驾驶信息安全问题隐患几大，这背后还是涉及国家交通安全、地理信息安全、数据安全、产业安全等一系列安全问题。
法规政策方面，从国际上来看：美、欧、日等发达国家密集出台自动驾驶相关的法规政策，2017年9月，美国通过了《自动驾驶法案》，标志自动驾驶上路正式合法化。
在国内，2015年自动驾驶提上国家高度，2016年发布自动驾驶技术路线图，2017年发布汽车产业中长期发展规则，2018年4月发布了首个国家级自动驾驶路测文件——《智能网联汽车道路测试道理规范（试行）》，自动驾驶上路测试合法化：围绕自动驾驶量产的法律以提上日程。
发展趋势
趋势一：L3/L4级将率先在低速特定场景下量产，自动泊车没有L3形态，会从L2.5跨越到L4。
比如，奥迪在2018年宣布了L3自动驾驶车型A8，实现了低速拥堵场景L3级的自动驾驶。同一年，戴姆勒和博世合作研发的自动代客泊车技术在中国首次亮相。通过APP即可自动完成车位泊车。今年1月份长安联合纵目科技实现了APA6.0代客泊车功能示范应用。
趋势二：基于自动驾驶的“出行服务”将成为下一轮出行革命的竞争起点。
比如国际巨头如福特推出智能驾驶车队；丰田去年发布e-Palette移动平台，能适用多类型的移动需求；还有谷歌的Waymo平台在2017年推出自动驾驶出行服务。
国内企业方面，有长安汽车在2019年7月份在重庆启动L4级自动驾驶车示范运营，手机APP约自动驾驶车出行；百度和一汽红旗共同打造的L4级自动驾驶出租车Robotaxi红旗E界，亮相长沙展开测试。
趋势三：自动驾驶的5G/V2X及云计算应用时代即将带来，聪明车+智慧路将是主要形态。
其中如华为、大唐等厂商已经推出了 各自的LTE-V2X商用通信芯片或模组，同时支持PC5抠和Uu口双模通信；星云互联、东软、千方等终端厂商推出各自终端设备，支持多种品牌LTE-V2X通信芯片。
而LTE-V2X也将快速过渡到5G-V2X。随着5G牌照发放，标志着中国进入了5G时代。此外，5G R16标准将支持V2X场景。
不得不承认，5G将会成为L4自动驾驶的关键备份。今年7月份，国内收割5G自动驾驶公共服务平台暨5G自动驾驶开放道路场景示范运营基地在重庆正式启用。北京亦庄在8月份宣布在年底开放40平方公里自动驾驶测试区域，全域覆盖5G网络。
趋势四，自动驾驶“软”安全重要性凸显
“软”安全可分为：1，功能安全：减少失效引起的危害；2，预期功能安全：减少感知或决策控制不合符（功能或设计）预期引起的危害；3，信息安全：建设网联安全防护体系，抵御和减轻网络攻击引起的危害。
趋势五：业内合作、跨界协同是必然趋势
其中包括：车企间合作，如宝马与奔驰将共同研发L3和L4级别的自动驾驶技术，并计划在2025年推出搭载双方合作成功的应用；本田也通过投资通用Cruise与之形成合作。
另外还有跨界合作，案例就是华为与长安、奥迪、上汽等国内外多家汽车企业开展深度合作，发挥其在5G、IoT、云计算、人工智能等领域的优势，帮助企业造好车。
从2019年起，日本国家自动驾驶研发计划进入2.0阶段，2014年启动的SIP-adus，取得了多项领先成果，成立了日本自动驾驶基础地图平台公司（DMP）。
挑战
1，发展环境层面
首先是法律法规缺失，高度自动驾驶商品汽车上路面临法律法规的制约。如果依照现行《道路安全法》、《道路交通安全法实施条例》规定，有驾驶员手离开方向盘驾驶情形，属于“其他妨碍安全行车的行为”。
其次，交通基础设施建设与自动驾驶汽车的发展缺少协调和统筹，道路本身的智能化建设推动力度亟待加强。交通设施、交通标志的设置及维护，与自动驾驶的需求存在较大差距。另外，LTE-V2X测试认证体系仍不完善，商业模式仍不清晰，路侧基础设施覆盖度不足。
2，技术层面
目前汽车智能技术仍处于发展迭代期，激光雷达、高精度地图和定位、云平台及大数据等在汽车领域的产业链资源依然不成熟。
拿激光雷达来说，目前只有极少数零部件企业能提供车规级量产产品，但存在误识别率、漏检率高等问题；另外，多数企业自动驾驶样车上使用的32线或64线机械旋转式激光雷达，成本高且不满足车规级要求。
在高精度地图方面，该技术缺少统一的标准，形态仍处于探索中；另外，中国道路复杂，棘突更新升级也在探索中。
高精度定位方面，目前覆盖全国、能够提供分米级绝对定位精度的差分网络还在建设中，只有少数企业参与。另一方面，基于高清地图以及传感器的SLAM高精度匹配定位技术，在行业内尚处于研发阶段，且其定位精度还达不到全工况厘米级的定位要求。
云平台及大数据方面，在传统互联网领域，腾讯、阿里、华为等企业在云平台及大数据具有优势，但在整体领域涉及较浅，尚无法完全支撑自动驾驶的需求。
3，成本层面
自动驾驶作为新技术的载体，存在新技术开发费用高、零部件成本高两大挑战，同时由于成本消化模式不清晰，面临费用消化困难的问题，导致自动驾驶的发展受阻。
阿里的自动驾驶思路
阿里巴巴自动驾驶实验室负责人王刚介绍了阿里自动驾驶业务，他表示阿里在自动驾驶方面更集中于物流行业。去年双11一天，就产生了10亿个包裹，未来还将会有各色平台产生更多包裹，加之人口老龄化危机，自动驾驶物流未来可期。
此外，阿里也在复杂的城市地形，进行过自动驾驶汽车的路测，车速40到50迈，能够处理复杂的场景。
王刚表示，自动驾驶技术总体来说还是非常困难的存在。从算法角度来讲，最需要解决的就是非常多样化的交通场景。至此，王刚引出了人工智能领域的经典理论——No Free Lunch理论。
“用通用算法处理问题，并不能在所有问题上都产生好结果，我们需要把问题分解为A、B、C等一些小问题，在进行开发优化。”王刚如此介绍道：“阿里巴巴内部也有自己的场景库，以cut in为例，该团队将这一场景进一步分为25个小类，每个小类对应一个优化算法。”
阿里巴巴研发出Autodrive平台，通过计算机进行智能的搜索、发现和学习，以适合每个场景下相应的算法、规则、模型结构和参数等。据王刚介绍，目前他们的算法已经取得了初步成果。比如，在路口防碰撞方面，相对于人工效率，利用Autodrive平台能够将防碰撞成功率提高16.5%。研发效率方面则在人工效率的基础上提高了5倍。
不管怎么说，两位嘉宾的观点都表达了自动驾驶还处于初级阶段，不管是硬件还是算法层，都有很长的路要走。
END
联系客服
