自动驾驶的发展与挑战

最新推荐文章于 2025-11-24 15:05:14 发布

原创最新推荐文章于 2025-11-24 15:05:14 发布 · 738 阅读

11 ·

CC 4.0 BY-SA版权

文章标签：

#自动驾驶 # ADAS # 挑战 # 博世 # 传感器

自动驾驶——是什么推动了它？

引言

自动驾驶可能是最能描述科技行业发展趋势终点的术语。实时决策正以越来越快的速度实现自动化，而汽车行业也不例外，因此，“自动驾驶”只是显而易见的下一步。

自动驾驶当然不会像晴天霹雳般突然到来。实际上，这是一场始于1978年汽车行业中的技术演进。这一演进不断逐步地将一些有用的技术小部件引入汽车中。在接下来的几年里，将所有这些技术部件整合在一起，终将完成名为自动驾驶的拼图。

行业将这些部件称为驾驶员辅助系统，以及最近出现的高级驾驶辅助系统（ADAS）。这些系统最初以辅助驾驶员为名进入汽车，最终却可能完全取代驾驶员的控制权。

像汽车工程师学会（SAE）这样的汽车标准化机构已尝试对该技术演进进行正式分类。美国国家公路交通安全管理局（NHTSA）的分类如下：

0级：驾驶员在任何时候都完全控制车辆（当前场景）；
1级：车辆的个别功能实现自动化（例如，防抱死制动系统）；
2级：至少两个功能同时实现自动化（例如，自适应巡航控制与防抱死制动结合）；
3级：在特定条件下，驾驶员可以完全将部分功能的控制权交由车辆。当条件需要驾驶员重新接管控制时，车辆会向驾驶员发出警报，并提供足够舒适的过渡时间；
4级：车辆在整个行程中执行所有功能，驾驶员无需在任何时刻控制车辆。

3级是自动驾驶的起始演进步骤，在可能的情况下，车辆接管决策，但仍有驾驶员在场。4级更准确地描述为无人驾驶汽车，车辆可在无乘员的情况下运行。

动机

根据联合国（UN）的估计，与2000年相比，到2020年全球交通事故死亡人数将翻一番。为了扭转这一趋势，联合国于2011年发起了“道路安全行动十年”倡议，旨在到2020年首先使死亡人数趋于稳定，然后再逐步减少。欧盟进一步支持这一倡议，不仅致力于减少死亡人数，还致力于减少造成严重伤害的事故。这些是朝着该方向迈出的重要步骤“零事故”愿景。

令人震惊的是，这些事故中有90%可归因于人为错误。这些情况通常是因为驾驶员对状况判断不准确，导致反应迟缓、错误、不完全甚至过度反应。在所有可能影响系统正常运行的错误中，人为错误一直占据着特殊的位置。这种错误的极端复杂性本身就足以成为彻底消除而非仅仅管理它的动机。

将自动化引入以消除或至少减少人为干预，如今已成为一种古老的概念。这种现象在软件开发中屡见不鲜，工具往往取代了认知努力。自动驾驶不过是同一理念的延伸——但规模空前宏大。

它可以显著减轻驾驶员负担，从而帮助驾驶员应对现代驾驶的各种需求。

平均上路时间正日益增加。汽车销量的增长也带来了每辆车可使用的道路资源减少的负面影响。由此造成的交通拥堵是导致人们在车上花费时间增加的主要原因。

如今已不再是“家在车里”，而是“车就是家”。这意味着，现代汽车已成为一种复杂的高科技设备，而不再仅仅是一种交通工具。对一些人来说，它是放松的水疗中心；对另一些人来说，它是移动办公室；对富人来说，它则是生活方式配饰。

因此，驾驶未必是车内唯一有趣的活动，有时甚至是最不受欢迎的一项。自动驾驶使驾驶员能够将视线从道路上移开，从而让他们感觉如同在家一般。

挑战

驾驶汽车的基本原理在很大程度上以驾驶员为中心。驾驶员在闭环控制系统中发挥着重要作用——通过闭合回路实现控制。驾驶员负责做出启动、起步、加速、转向、制动以及最终停车等关键决策。

人体感官器官整合大量数据，然后将这些数据传输至人脑，以做出认知正确决策。

设计概念在电子控制单元（ECU）中的实现也考虑了驾驶员在决策链中的存在。一个典型的例子是制动优先加速系统（BOA）——一种针对卡滞的油门踏板而启动的安全功能，该功能因近期丰田召回事件而广为人知。该安全功能通过在油门踏板卡滞时消除发动机扭矩，从而有助于缩短制动距离。

触发这一操作的条件来自驾驶员——当驾驶员意识到加速踏板没有回弹并立即惊慌中踩下制动踏板时。如果驾驶员未能以这种方式做出反应，发动机控制单元内的该功能也不会被触发。

自动驾驶旨在用硅基半导体智能替代驾驶员的认知能力。挑战的第一部分是为车辆配备雷达、摄像头和超声波传感器，使其能够像人类感官一样捕捉和整合信息与数据。挑战的第二部分是构建实际用例和场景，利用这些数据，使其能够代表现实情况。

第三部分是教会系统在每种情况下做出正确决策以适当响应。在现实中，第三部分通常被过度简化，并称为“常识”。

一部分决策发生在静态生态系统中，该系统的特点是具有明确转弯、标线车道、斑马线、永久性障碍物等的道路——所有这些信息都可在GPS数据库中获得，并可供车辆中的控制单元访问。更复杂的部分是在动态生态系统中进行的决策，该系统由其他静止和高速行驶的车辆、随机碎片等构成。

此处车辆中的控制单元仅依赖实时传感器信息，需要快速且适当地做出响应。在人类中，最接近的类比可能是不自主肌肉的反射动作。这要求全天候、360度监控，并具备瞬时决策能力，以达到甚至超越人脑的水平。而这一切都发生在一个由自动驾驶车辆和驾驶员控制的汽车共同组成的生态系统中，要求控制单元还能感知（甚至预测）其他驾驶员的意图（包括有意和无意的意图）。

此外，这些决策链的验证和确认也极具挑战性且耗时巨大。根据一项分析，要验证大部分功能，需要接近1,011公里的驾驶（仿真）数据。此外，还需要对车辆周围的整个环境进行细致的描述，以构建用例和场景。

印度背景

可预测性无疑是自动驾驶蓬勃发展的关键成功因素。迄今为止，印度生态系统提供了最不可预测的环境——无论是人类行为还是周围的万物皆是如此。此外，那些潜规则进一步加剧了挑战印度道路。一个典型的例子是在进行逆向超车操作时，通过对向车辆闪烁前灯以获得优先权。即使是简单的转弯，不仅可以使用转向指示灯来示意，还可以通过伸出驾驶员的手并旋转来表示。是否可以将这些技巧教给车辆中的控制单元？什么是自动驾驶进入印度道路的合适包装？这些，只有时间会告诉我们。