自動駕駛車輛的未來，究竟離開我們有多遠？答案有萬千種。實際上，自動駕駛車輛既遠在天邊，又近在眼前。在過去的幾十年里，自動駕駛的概念引起了人們的極大興趣和關注，因為人們相信它能為個人和社會帶來諸多好處：提高道路安全，減少交通擁堵、事故和死亡，節省通勤時間和降低污染。在自動駕駛這個主題上正在進行著很多的工作，關于如何讓汽車去感知了解環境，做出類似人類的決定，并實現自動駕駛，人們已經進行了很多研究和實驗，批量應用到了呼之欲出的地步。

  如今，我們已經看到許多自動駕駛車輛，在受控環境中，在人類駕駛員的監督下，在良好的道路和條件下，在道路上進行試驗。有關的研究人員預測，到2025年道路上將有大約800萬輛自主或自動化車輛。在進入公路之前，駕駛汽車自動化分級首先必須通過六個級別的駕駛員輔助技術進步。[敏感詞]汽車工程師學會（SAE）定義了六個級別的駕駛自動化，范圍從0級到5級。[敏感詞]交通部（DoT）采用了這些分級標準。它們是：0級-無駕駛自動化；1級—輔助駕駛自動化；2級—部分駕駛自動化；3級—有條件駕駛自動化；4級—高級駕駛自動化；5級—駕駛完全自動化

自動駕駛汽車面臨哪些挑戰？

許多人仍然對如何設計一個能夠在所有可能條件下像人類一樣處理車輛性能的自動或無人駕駛車輛系統感到好奇。自動駕駛(shi)汽車是傳感器和(he)執(zhi)行(xing)器、復(fu)雜算法和(he)執(zhi)行(xing)軟件的強(qiang)大處(chu)理器的組合。有數百個這樣的傳感器和(he)執(zhi)行(xing)器位(wei)于車輛(liang)的各個部(bu)分(fen)，由一個高度復(fu)雜的系(xi)統(tong)在驅動。

自動(dong)駕(jia)駛(shi)汽車(che)中有不同種類的(de)感知系統(tong)：1）導航(hang)(hang)和導航(hang)(hang)傳感器(qi)，用(yong)于(yu)確定你在哪(na)里(li)以及如何到達目的(de)地；2）駕(jia)駛(shi)和安全傳感器(qi)，如攝像(xiang)頭(tou)，以確保車(che)輛(liang)在任何情況下都能(neng)正常工作，并遵(zun)守(shou)道路規則；3）用(yong)于(yu)管理(li)車(che)輛(liang)內部系統(tong)的(de)性能(neng)傳感器(qi)，如功率控(kong)制、總功耗和散熱。

雖然自動駕駛車輛系統之間可能略有不同，但核心軟件通常包括定位、感知、規劃和控制。感知(zhi)系統通過攝(she)像頭、激光雷達和(he)(he)雷達傳(chuan)感器感知(zhi)、理(li)解并(bing)建立對環境和(he)(he)周圍物體的(de)(de)全面(mian)感知(zhi)。規(gui)(gui)劃(hua)(hua)軟件負責路徑規(gui)(gui)劃(hua)(hua)、風險評估、任(ren)務管理(li)和(he)(he)路徑生(sheng)成。機器學(xue)習（ML）和(he)(he)深度(du)學(xue)習（DL）技術廣(guang)泛用于定位和(he)(he)映(ying)射(she)、傳(chuan)感器融合和(he)(he)場景(jing)理(li)解、導(dao)航和(he)(he)運動規(gui)(gui)劃(hua)(hua)、駕(jia)(jia)駛(shi)員(yuan)狀態評估和(he)(he)駕(jia)(jia)駛(shi)員(yuan)行為模(mo)式識別(bie)，以及感知(zhi)和(he)(he)規(gui)(gui)劃(hua)(hua)的(de)(de)智能學(xue)習。通過收集(ji)傳感器數(shu)據和發(fa)布(bu)處理，可以使用地圖軟件生(sheng)成和更新高清(qing)晰度車道(dao)級地圖數(shu)據。

傳感器融合是一項重要任務，它將從多個傳感器獲取的信息進行集成，以檢測異常值，并減少每個傳感器數據的不確定性，從而提高準確性、可靠性和魯棒性。對(dui)于(yu)感知和(he)(he)定位系(xi)統(tong)，融合方法有三個級別：高(gao)級/決策級、中(zhong)級/特征級和(he)(he)低級/原始數據級。

每個融合級別在精度、復雜性、計算負載、通信帶寬和融合效率方面都有其優缺點。常用的融合算法有統計方法、概率方法（如卡爾曼濾波和粒子濾波）、基于知識的理論方法和證據推理方法。環(huan)境感知地圖(tu)是根據障礙(ai)物(wu)、道路、車輛(liang)、環(huan)境和駕駛員的信息構建的。定(ding)位通常使用GNSS、IMU、攝(she)像頭和激光雷達進行。

新出現的研究提出了不同的方法，以滿足本地化和映射階段的需要，并感知環境以產生端到端的駕駛決策。自動駕駛中使用的三種定位技術：一是：基于GNSS/IMU的定位，以及DGPS和RTK，以確保GNSS信號的連續性；二是基于視覺的定位，包括模擬定位和映射（SLAM）和視覺里程計；三是基于地圖匹配的本地化，使用“先驗地圖”。

 自動駕(jia)駛汽車的(de)以下五大挑戰需要持(chi)續的(de)研發(fa)工作：

?傳(chuan)(chuan)感(gan)(gan)器。自(zi)(zi)(zi)動駕(jia)駛(shi)汽(qi)車(che)(che)中的(de)傳(chuan)(chuan)感(gan)(gan)器繪制環(huan)境地圖(tu)(tu)，并將數(shu)據(ju)反(fan)饋給(gei)汽(qi)車(che)(che)的(de)控(kong)制系統(tong)，以幫助決(jue)定轉向(xiang)何處或何時(shi)剎車(che)(che)。一(yi)輛(liang)完(wan)全(quan)自(zi)(zi)(zi)主(zhu)的(de)汽(qi)車(che)(che)需要[敏感(gan)(gan)詞]的(de)傳(chuan)(chuan)感(gan)(gan)器來檢測所(suo)(suo)有(you)(you)條件和(he)環(huan)境下的(de)物體、距離、速度等。惡劣的(de)天(tian)(tian)氣、擁擠的(de)交(jiao)通和(he)不(bu)清(qing)晰的(de)路(lu)(lu)標會對(dui)激(ji)光雷達(da)的(de)精度和(he)攝像(xiang)頭(tou)的(de)感(gan)(gan)應能力產生負(fu)面影響。另一(yi)個(ge)潛在(zai)威(wei)脅是(shi)雷達(da)干(gan)擾(rao)。在(zai)道(dao)(dao)路(lu)(lu)上(shang)行駛(shi)時(shi)，汽(qi)車(che)(che)上(shang)的(de)雷達(da)會不(bu)斷發射(she)(she)無(wu)線電(dian)波，這些電(dian)波會被周(zhou)圍的(de)汽(qi)車(che)(che)和(he)道(dao)(dao)路(lu)(lu)附(fu)近的(de)其他(ta)物體反(fan)射(she)(she)。當這項技術(shu)用(yong)于道(dao)(dao)路(lu)(lu)上(shang)的(de)數(shu)百輛(liang)車(che)(che)輛(liang)時(shi)，汽(qi)車(che)(che)很難區分自(zi)(zi)(zi)己(ji)的(de)（反(fan)射(she)(she)）信號(hao)和(he)另一(yi)輛(liang)車(che)(che)的(de)（反(fan)射(she)(she)或傳(chuan)(chuan)輸）信號(hao)。鑒于雷達(da)可(ke)用(yong)的(de)無(wu)線電(dian)頻率有(you)(you)限，不(bu)太可(ke)能滿(man)足所(suo)(suo)有(you)(you)制造的(de)自(zi)(zi)(zi)動駕(jia)駛(shi)汽(qi)車(che)(che)的(de)要求。雖然全(quan)球導航衛星系統(tong)具有(you)(you)覆蓋全(quan)球、全(quan)天(tian)(tian)候運行、提(ti)供[敏感(gan)(gan)詞]位置而無(wu)需地圖(tu)(tu)或道(dao)(dao)路(lu)(lu)標記(ji)信息的(de)優勢，但其總體準確性(xing)和(he)可(ke)用(yong)性(xing)一(yi)直是(shi)完(wan)全(quan)自(zi)(zi)(zi)治系統(tong)所(suo)(suo)關注的(de)問題。

?機器學習(xi)。大多數(shu)自(zi)動駕(jia)(jia)駛汽(qi)車使用AI或ML來(lai)處理(li)來(lai)自(zi)傳(chuan)感器的(de)數(shu)據(ju)，以便更(geng)好地(di)對(dui)物體進行分類(lei)，檢測距離和運(yun)動，并幫助(zhu)做出(chu)下一步行動的(de)決策。它優化并更(geng)好地(di)集成不同的(de)傳(chuan)感器輸出(chu)，從而獲得更(geng)完(wan)整(zheng)的(de)圖像。預計機器將能(neng)夠比(bi)人類(lei)駕(jia)(jia)駛員更(geng)有效地(di)執(zhi)行檢測和分類(lei)。到(dao)目前為止(zhi)，機器學習(xi)算法在所有條件下都是(shi)可靠的(de)，這一點尚未被廣泛接(jie)受和認可。對(dui)于機器學習(xi)應該如何培訓(xun)、測試或驗(yan)證(zheng)，整(zheng)個(ge)行業缺乏一致(zhi)意見。

?開闊的(de)道路(lu)的(de)繼續(xu)學習。自動駕駛汽車(che)一(yi)旦上路(lu)就會繼續(xu)學習。它(ta)會檢測訓(xun)練中未遇到的(de)對象，并更新軟(ruan)件。我(wo)們需要一(yi)個機制(zhi)或(huo)行業協(xie)議(yi)，以確保任何(he)新的(de)學習都是安全的(de)。

?監(jian)管。對(dui)于(yu)一(yi)個完全(quan)自(zi)治的(de)(de)系(xi)統(tong)，還沒有(you)(you)足(zu)夠的(de)(de)標(biao)準(zhun)和法(fa)(fa)規(gui)。現(xian)有(you)(you)車(che)輛安全(quan)的(de)(de)現(xian)行標(biao)準(zhun)假定(ding)在(zai)緊急情(qing)況下有(you)(you)一(yi)名人類駕駛員接手。對(dui)于(yu)自(zi)動駕駛車(che)輛，有(you)(you)針對(dui)特定(ding)功能的(de)(de)新(xin)法(fa)(fa)規(gui)，例如(ru)自(zi)動車(che)道保持系(xi)統(tong)。如(ru)果(guo)沒有(you)(you)公(gong)認的(de)(de)法(fa)(fa)規(gui)和標(biao)準(zhun)，允許自(zi)動駕駛汽(qi)車(che)在(zai)公(gong)路上行駛是有(you)(you)風險的(de)(de)。

?社會(hui)可接受性。社會(hui)接受度不僅(jin)是那些(xie)愿意(yi)購買自動(dong)駕(jia)駛汽車(che)的人的問題(ti)，也是與他們(men)共享道路的其(qi)他人的問題(ti)。公眾是參與自主車(che)輛(liang)引進和采用決(jue)策的重要因素。

自動駕駛汽車的新法規(gui)是什么？

在(zai)[敏感詞(ci)]，聯邦(bang)汽(qi)(qi)(qi)車(che)安(an)(an)全(quan)法規基于(yu)聯邦(bang)機動車(che)安(an)(an)全(quan)標(biao)準（FMVSS）。這些法規為汽(qi)(qi)(qi)車(che)的(de)(de)每個安(an)(an)全(quan)相關部件制定了詳細的(de)(de)性能要求。在(zai)汽(qi)(qi)(qi)車(che)進入(ru)市(shi)場之前(qian)，制造商(shang)必須證明車(che)輛(liang)與道路(lu)上的(de)(de)汽(qi)(qi)(qi)車(che)一(yi)樣安(an)(an)全(quan)。聯邦(bang)法規沒有太多說明公司在(zai)將汽(qi)(qi)(qi)車(che)推(tui)向市(shi)場之前(qian)如何開發和測試汽(qi)(qi)(qi)車(che)。聯邦(bang)政府正在(zai)提供不(bu)具(ju)約束力的(de)(de)指(zhi)導，這是在(zai)不(bu)確定環(huan)境(jing)下的(de)(de)一(yi)種適當方法。

在國(guo)際上(shang)，60多(duo)個(ge)(ge)國(guo)家通過(guo)了(le)一項聯合國(guo)法規，該法規將(jiang)允許(xu)在某些交(jiao)通環境中(zhong)安全引入自動車輛(liang)，從而(er)在機動性方面達到(dao)了(le)一個(ge)(ge)里程碑(bei)。聯合國(guo)法規“三級自動化”對自動車道(dao)(dao)保持系(xi)統(tong)（ALKS）提出(chu)了(le)嚴格要求。在禁止行(xing)人和騎自行(xing)車的(de)道(dao)(dao)路上(shang)，ALK可(ke)以在特定條件下激活，并且配(pei)備了(le)一個(ge)(ge)物(wu)理分隔裝置(zhi)，用(yong)于分隔向相反方向行(xing)駛的(de)車輛(liang)。ALKS系(xi)統(tong)的(de)速度限(xian)制為60km/h。該法規包括汽車制造商有義務引入駕駛員可(ke)用(yong)性識別(bie)系(xi)統(tong)，以檢(jian)測和控制駕駛員的(de)存在，并為車輛(liang)配(pei)備自動駕駛數據存儲系(xi)統(tong)（DSSAD），以記錄(lu)何時激活ALKS。

自動化和自動駕駛車輛是如何被(bei)公(gong)眾接受(shou)的(de)？

全自動車(che)輛幾(ji)乎可(ke)以(yi)消除影(ying)響駕駛(shi)員(yuan)表現的(de)(de)人(ren)(ren)(ren)為(wei)因(yin)素和(he)(he)錯誤，如老化(hua)(hua)、疾病、壓力、疲勞、缺乏經驗或濫用藥物(wu)，從(cong)而(er)提高安全性(xing)。然而(er)，關于(yu)自動駕駛(shi)車(che)輛的(de)(de)部署，個人(ren)(ren)(ren)和(he)(he)社會都存在(zai)一些擔憂(you)：維護(hu)費用的(de)(de)高昂成本、出行(xing)需求增加可(ke)能(neng)導致的(de)(de)燃油消耗(hao)和(he)(he)二氧(yang)化(hua)(hua)碳排放(fang)量增加、與保護(hu)用戶和(he)(he)行(xing)人(ren)(ren)(ren)有關的(de)(de)法律和(he)(he)道(dao)德問題(ti)、隱私擔憂(you)和(he)(he)黑客(ke)攻擊的(de)(de)可(ke)能(neng)性(xing)，以(yi)及替代交(jiao)通服務提供(gong)商的(de)(de)工作崗位流失。

有(you)人認為(wei)，廣泛(fan)采(cai)用自(zi)動(dong)駕(jia)駛的最大障礙是心理上(shang)的，而不(bu)是技術上(shang)的。用戶對(dui)自(zi)動(dong)駕(jia)駛的接受(shou)對(dui)于自(zi)動(dong)駕(jia)駛成(cheng)為(wei)未來(lai)交通的現(xian)實組成(cheng)部分至關重要。用戶接受(shou)度(du)的定義沒有(you)標準(zhun)化，因為(wei)有(you)許(xu)多不(bu)同的方(fang)法來(lai)確定和模擬用戶接受(shou)自(zi)動(dong)駕(jia)駛車輛的意愿(yuan)。

公眾接受自(zi)動(dong)駕(jia)駛(shi)的知識有限，需要更多(duo)的研究來理(li)解用(yong)戶接受的心理(li)決定因素(su)。影響因素(su)可能包(bao)括對(dui)[敏感詞(ci)]自(zi)主技術的信任、個人創新能力、放棄駕(jia)駛(shi)控制(zhi)可能導(dao)致(zhi)的焦慮程(cheng)度(du)、與個人位置(zhi)數據相關的隱私問題，以(yi)及用(yong)于(yu)無線網絡、導(dao)航(hang)系統(tong)、自(zi)動(dong)控制(zhi)和系統(tong)集成的精密傳感器系統(tong)的高成本。