自动驾驶屡遭车祸

美国时间9月23日，谷歌无人车在山景市与一辆商务货车相撞，所幸无人员伤亡。事故照片显示，无人车的右侧车门被撞出大面积凹陷，汽车安全气囊已全部弹出，车窗也受到一定程度损坏。谷歌官方表示，本次事故由货车司机闯红绿灯所致，工作人员在发现肇事货车违章前行时立即切换为有人驾驶模式并踩下刹车，谷歌无人车属被动受害者。就在4个月前的5月7日，特斯拉在Autopilot模式下行驶了超过2.1亿公里后发生了首次人员死亡事故。在强烈的日照条件下，Autopilot系统和Model S的驾驶者都没有注意到重型拖挂车的白色车身，Model S从挂车底部通过时，其前挡风玻璃与挂车底部发生撞击。

表面上看现阶段的机器驾驶似乎并不能完全保证车内乘客的安全，特斯拉9月11日更新的Autopilot 8.0据说安全性能上有3倍提升，上周事故后的谷歌官方则表示94%的城市车祸均由司机操作不当引起，自动驾驶系统的诞生正是为了创造一个更安全的道路环境。那么，自动驾驶为何能够相对安全的驾驶？这要从它的实现原理讲起。

自动驾驶的工作流程

按照司机对汽车的掌控程度、汽车自动化水平的高低，SAE和NHTSA均对无人驾驶技术设下了分级标准。谷歌的无人车属于自动化程度最高的完全自动驾驶。特斯拉则采取了迭代和渐进式发展的战略，目前的Autopilot自动辅助驾驶实现了部分有条件的自动化，正在向完全有条件的自动化和高度自动化突破，之后是完全自动化。

典型的自动驾驶的工作流程可分为感知、定位、决策三个步骤。第一项“感知”，包括了传感器融合、物体检测、物体分类、物体分割、障碍物跟踪，通过摄像头、激光、雷达、红外线传感器等，车辆可对周围的静态和动态环境进行360度的精确鲁邦感知，近些年深度学习算法的应用使得传感器融合数据的精准程度得到显著提升；第二项“定位”包括了地图融合，基于地标或GPS的三角测距，精确的定位是自动驾驶车辆在路上安全形势的重要前提；最后的“决策”制定了车辆前往目的地的运动轨迹和遇到突发事件的行为，自动驾驶汽车需要保证在动态环境中的任何可能的危险状况下都安全行驶。

自动驾驶的传感器

目前实现自动驾驶的主流传感器为摄像头和Lidar，雷达均作为二者的辅助。三种传感器各有优劣，在很多自动驾驶开发平台上，通常综合运用三者，再通过相应软件算法综合处理收集到的数据。但因为Lidar的穿透性不强，无法穿透雨雪、雾、尘埃等环境，也有厂商如特斯拉并未使用基于Lidar的解决方案。特斯拉在Autopilot 8.0中基于雷达识别环境，主要数据来源于车身上的雷达，而辅助数据则来源于车队学习的高精度地图和白名单。根据现阶段公司的主流产品是否涉及Lidar，我们可将涉及自动驾驶技术的汽车制造商、互联网公司（包括综合互联网公司、网络约车平台）、算法技术公司、传感器等零配件公司做以下划分。

自动驾驶对本地化计算的需求

除了传感器数据收集能力的提升与成本的下降、深度学习算法的成熟，自动驾驶在近些年得以快速发展的另一个重要原因是芯片计算能力的增强。现阶段自动驾驶通常采用本地计算+云端计算相结合的方式来处理数据，但在网路信号不佳的区域，过于依赖云端计算将导致紧急状况发生时机器难以应对，重则车毁人亡，因此有大量公司致力于研发深度学习的定制芯片，试图本地解决自动驾驶的计算需求。如英伟达针对自动驾驶汽车技术推出的DRIVE PX2 AutoCruise计算平台，可以同时处理由多个摄像头外加激光雷达、普通雷达和超声波传感器收集的数据，手掌般大小且功率仅为10瓦。

对自动驾驶的展望

世界范围内每行驶6000万英里就有一次致死事故，特斯拉的Autopilot的第一起死亡事故出现在行驶1.3亿英里之后，尽管作为一个品牌特斯拉的数据是非常小的数据样本，不能说明自动驾驶一定比人工驾驶更安全，但无人车不会酒驾、不会烦躁，传感器、芯片、算法、行驶数据等自动驾驶相关技术一直在发生着变革与进步，相比今天，明天的技术一定更成熟。

另一方面，各国政策均逐步完善，美国已于近日发布无人车研发规范，内容涉及车辆的感知和反应功能、车辆如何处理技术故障等15个方面，既针对全自动无人驾驶汽车，也适用于汽车的自动驾驶模式，中国无人驾驶技术路线图也即将发布并成为中国首个无人驾驶技术标准，世界各国的政策法律支持将有效促进产业发展。