作者 |  Aimee、一驥絕塵

出品 |  焉知汽車科技

蔚來汽車最近的自動駕駛撞車事故再一次刷新了人們對智能汽車的認(rèn)知，目前蔚來事故正在調(diào)查中，事故的責(zé)任方究竟是車主，還是汽車制造商，這恐怕不是能由調(diào)查結(jié)果直接得出的結(jié)論，其實，就當(dāng)前智能汽車的等級現(xiàn)狀來說，安全性高低已經(jīng)不是最重要的，最關(guān)鍵的是出了事故怎么明確責(zé)任。然而，即使責(zé)任認(rèn)定清晰，這件事的影響也遠(yuǎn)不止于此。 因為即便是駕駛員的誤操作也可能歸咎于系統(tǒng)使用宣傳不到位，亦或者系統(tǒng)在其設(shè)計邊界上沒有進(jìn)行有效的接管提醒。

到底何為安全的智能汽車，人們?nèi)绾螒?yīng)對帶有自動駕駛功能的汽車，這都是我們值得深思的問題。因為即便是某個車型其自動駕駛控制能力處于極度優(yōu)越的狀態(tài)，也無法保正100%無事故，據(jù)統(tǒng)計對于自動駕駛車輛而言2%的事故是不可避免的，4%是未知原因造成的。最重要的是，感知類事故為24%，而駕駛員能力受損類占另外10%，后兩者合計34%是可以通過自動駕駛規(guī)避的。而另外60%則依賴于系統(tǒng)設(shè)置和人的決策和偏好。因此可以說，自動駕駛依然有很多無法規(guī)避的情況，包括：判斷錯誤，例如錯估另外一輛車的速度、方向變化和行車間隙；計劃錯誤，例如車速太快或太慢；執(zhí)行錯誤，例如駕駛操作層面的錯誤等。那么這類實際無法完全規(guī)避的碰撞危險就只能通過事后監(jiān)管來進(jìn)行責(zé)任劃分了。因為，如果事故責(zé)任無法明確，無論是在法律、道德或者用戶認(rèn)可度上嚴(yán)重阻礙自動駕駛的發(fā)展進(jìn)程。

 

傳統(tǒng)的駕駛輔助系統(tǒng)開發(fā)通常采用既定規(guī)則與人為設(shè)計的安全性、舒適性及節(jié)能性等多項固定權(quán)重的指標(biāo)，以有邊界的工況為驗證前提來模擬駕駛員進(jìn)行車輛的動態(tài)決策與控制。然而，自動駕駛系統(tǒng)的開發(fā)應(yīng)以無邊界限制的場景為驗證假設(shè)，對復(fù)雜環(huán)境及陌生、突發(fā)等場景的覆蓋能力則是系統(tǒng)開發(fā)的核心問題。

基于此，從整個自動駕駛系統(tǒng)的漸進(jìn)性發(fā)展來說，需要從不同的方面提升相應(yīng)的開發(fā)建設(shè)能力，才能規(guī)避其感知規(guī)劃響應(yīng)的局限。當(dāng)前很多主機(jī)廠或tier1已經(jīng)在開始為這塊能力建設(shè)做大規(guī)模布局，比如提出了幾種主流的解決方案來做響應(yīng)的應(yīng)對，總結(jié)起來無非如下幾個大類：

1）提升感知能力-激光雷達(dá)+高精定位+車路協(xié)同；

2）訓(xùn)練感知性能-影子模式采集系統(tǒng)；

3）加強(qiáng)數(shù)據(jù)記錄-數(shù)據(jù)記錄系統(tǒng)；

4）實現(xiàn)事后監(jiān)控-自動駕駛車輛監(jiān)控系統(tǒng)；

以上前兩者主要是基于前端開發(fā)的數(shù)據(jù)采集來進(jìn)行的算法能力提升，后兩項則是通過事后監(jiān)控來實現(xiàn)的過程分析和追責(zé)。

環(huán)境感知能力提升

蔚來汽車或者特斯拉頻繁出事的車輛無非歸結(jié)為兩大重要原因，一個是當(dāng)前自動駕駛車輛中的毫米波雷達(dá)或攝像頭對環(huán)境中的靜止目標(biāo)不識別，或者說高速接近前方靜止目標(biāo)時，不做任何反應(yīng)（這也是當(dāng)前蔚來汽車出現(xiàn)事故的主要原因）；另一個則是由于大部分依靠視覺探測在夜間或者強(qiáng)光下往往會致盲（目前特斯拉車輛出現(xiàn)的大部分事故都是由于視覺受限引起的）。

前者 通過激光雷達(dá)也可以很好的解決靜止目標(biāo)的探測問題，因為激光雷達(dá)的掃描可以針對前方任何不同類型的障礙物，甚至覆蓋多個異形車輛、落石、交通事故車等場景，因此，在中低速情況下可以很好的解決對于前方靜止目標(biāo)的探測和避撞問題。此外，激光雷達(dá)還可以很好的解決近距離目標(biāo)臨時切入這一工況下造成的碰撞問題，且通過仿真測試我們發(fā)現(xiàn)，應(yīng)用了激光雷達(dá)的感知場景相較于傳統(tǒng)的Radar+Camera可以提升50%以上的識別率。

但是即便這樣，在高速接近前車時仍舊是無能為力，因為即便是別到了對應(yīng)的靜止前車，在當(dāng)前車輛的高速狀態(tài)下仍然不能保證能夠減速剎停。這里我們可以舉個極端的例子：

比如以當(dāng)前遠(yuǎn)距離激光雷達(dá)所能識別到的前方常規(guī)轎車目標(biāo)距離為300m，如果是一般的摩托車則會小于200m，如果按照自動駕駛激活的速度來說為0-120km/h，以最高速接近前車，在這個速度下容易產(chǎn)生了兩種不同的安全隱患：

其一，當(dāng)車輛識別到目標(biāo)后為了避撞，則會以平均減速度為2.77m/s2左右做急剎車，容易造成車內(nèi)駕駛員或乘客較大不舒適性；

其二，當(dāng)車輛無法及時識別到靜止目標(biāo)，或者識別到該靜止目標(biāo)的時間過晚時，則會造成與前方環(huán)境目標(biāo)的碰撞；

基于此，加入車路協(xié)同能力建設(shè)就顯得尤為關(guān)鍵了。 我們的目地視預(yù)判前方危險目標(biāo)，可以很大程度的提升識別距離為及時有效的制動提供保障。 當(dāng)然，當(dāng)前這代產(chǎn)品的自動駕駛還無法真正意義上的實現(xiàn)車路或車車信息通信。

后面一種 由于晚上光線不足導(dǎo)致無法準(zhǔn)確的目標(biāo)探測問題，則有兩種解決方案，當(dāng)前采用的是自車激活自動大燈的方式進(jìn)行緩解，實話講這只能解決較近距離下的車道信息探測，通常情況下，這種距離的探測不會超過150m，這種大燈狀態(tài)對于車道信息的探測能力也只是杯水車薪。為了根治這類型的問題，可能只能采用搭載夜視系統(tǒng)的方式進(jìn)行性能提升了。

車輛數(shù)據(jù)采集訓(xùn)練系統(tǒng)

部分主機(jī)廠、供應(yīng)商為了應(yīng)對當(dāng)前自動駕駛系統(tǒng)在環(huán)境認(rèn)知和數(shù)據(jù)訓(xùn)練中的不足，往往傾向于采用裝備更多的采集設(shè)備，開發(fā)有效的環(huán)境采集分析算法來獲得場景訓(xùn)練庫中的數(shù)據(jù)模型。目前絕大多數(shù)研發(fā)機(jī)構(gòu)在測試自動駕駛系統(tǒng)的過程中，一方面，發(fā)現(xiàn)自動駕駛算法無法覆蓋當(dāng)前工況，測試人員靠手工記錄問題；另一方面，隨著自動駕駛數(shù)據(jù)采集方案的部署，以Tesla為例開始分析真實用戶在駕駛過程中的特征數(shù)據(jù)來改善和升級當(dāng)前的自動駕駛算法。

1、影子模式運(yùn)行原理

自動駕駛系統(tǒng)的開發(fā)、測試數(shù)據(jù)集的建立需要依賴眾多數(shù)據(jù)源和數(shù)據(jù)域，從而確保自動駕駛可以達(dá)到必要的安全水平。同時，通過映射到模擬駕駛員駕駛風(fēng)格的仿真系統(tǒng)，可以實現(xiàn)自動駕駛系統(tǒng)的仿生優(yōu)化。

影子模式的整個系統(tǒng)架構(gòu)表示如下，包含搜集大數(shù)據(jù)、車端數(shù)據(jù)模擬分析、觸發(fā)記錄、云端管理、仿真重構(gòu)和算法快速測試。其中涉及大量的場景分析建立特征級數(shù)據(jù)語義表達(dá)；采集駕駛員操控信號進(jìn)行駕駛員行為合理性分析；采集車身反饋的行駛數(shù)據(jù)實現(xiàn)控制指令差異性分析；基于該行為差異性數(shù)據(jù)-機(jī)理分析來實現(xiàn)學(xué)習(xí)型網(wǎng)絡(luò)的分類觸發(fā)和控制；最終以一定的模擬訓(xùn)練算法來定位是環(huán)境感知問題和決策規(guī)劃問題。

 

那么真正的影子模式真的能夠解決大部分?jǐn)?shù)據(jù)搜集、標(biāo)注及算法的訓(xùn)練問題么？筆者認(rèn)為還是存在一定的不確定性。

2、影子模式的短板

“影子模式”的核心在于，在有人駕駛狀態(tài)下，系統(tǒng)包括傳感器仍然運(yùn)行但并不參與車輛控制，只是對決策算法進(jìn)行驗證。且過程要求影子模式可以提供更多更大范圍的極端工況，包含標(biāo)注的和非標(biāo)注的訓(xùn)練數(shù)據(jù)。而影子模式都是依賴人類司機(jī)的駕駛決策來標(biāo)注和觸發(fā)數(shù)據(jù)回傳的。因此，影子模式算法跑起來的整個過程仍舊是需要確保自動駕駛芯片具備較高的算力能力的。同時，觸發(fā)機(jī)制是以駕駛員操控為合理性的標(biāo)準(zhǔn)來觸發(fā)系統(tǒng)的記錄行為的，而這種判斷標(biāo)準(zhǔn)并非一定是正確的，比如該減速的場景，駕駛員確大踩油門或大打轉(zhuǎn)向等。另外，對于影子模式的評價機(jī)制并不科學(xué)，因為自動駕駛的算法是否精準(zhǔn)是需要定位到具體的感知、規(guī)劃、決策、控制這四個子模塊中，而最終表現(xiàn)形式往往只有一種。這就使得在后續(xù)數(shù)據(jù)分析中并無法準(zhǔn)確定位出具體是哪一個子模塊出了問題。且影子模式采集車輛不一定都是自動駕駛車輛，有可能是輔助駕駛車輛，面向是L2級，這類輔助駕駛車輛能否用于L3級是不確定的。因為數(shù)據(jù)采集的傳感器，規(guī)控模塊所觸發(fā)的記錄端算法都不一致。

基于此，即便是像很多開發(fā)者所倡導(dǎo)的在自動駕駛車型上裝備整套影子模式套餐，可能也沒辦法真正做到彌補(bǔ)車型對幾乎所有場景的標(biāo)注和探測學(xué)習(xí)需求。

自動駕駛車輛監(jiān)控及追責(zé)系統(tǒng)

搞自動駕駛，其實沒有人愿意犧牲，更不愿意給機(jī)器或者算法給犧牲掉了。那這個核心問題就變成了，一旦出了事故，整個過程中發(fā)生了什么，為什么會導(dǎo)致事故，需要有個清晰的記錄和回放的過程，在測試驗證乃至后續(xù)路試的過程中，出現(xiàn)的每個事都可以在一定范圍內(nèi)回溯。當(dāng)前比較中肯的是自動駕駛數(shù)據(jù)記錄系統(tǒng)，該系統(tǒng)也是國家標(biāo)準(zhǔn)委員會要求下一代自動駕駛功能車輛進(jìn)行強(qiáng)標(biāo)的系統(tǒng)。然而，值得提及的是，自動駕駛數(shù)據(jù)記錄只是從車端角度記錄發(fā)生安全事故的整個過程中車輛本身、駕駛員操作、周邊車輛的相關(guān)信息。我們做開發(fā)的人員需要了解的更多才能更好的分析車輛數(shù)據(jù)，不僅是面向事故場景，更多的用于開發(fā)場景中的場景建模、數(shù)據(jù)標(biāo)定的情況。

特別是在2021 年 4 月 7 日，工信部發(fā)布《智能網(wǎng)聯(lián)汽車生產(chǎn)部門及產(chǎn)品準(zhǔn)入管理指南（試行）》（征求意見稿），對 L3 級以上自動駕駛功能車型準(zhǔn)入上市提出如下要求：

“要求建立健全企業(yè)安全監(jiān)測服務(wù)平臺，保證產(chǎn)品質(zhì)量和生產(chǎn)一致性，對（每一輛試驗）車輛運(yùn)行狀態(tài)進(jìn)行監(jiān)控，記錄測試車輛行駛軌跡、控制模式、車輛運(yùn)動狀態(tài)參數(shù)、駕駛員及人機(jī)交互狀態(tài)、行車環(huán)境信息、車輛執(zhí)行機(jī)構(gòu)控制信息、接管信息等數(shù)據(jù)。“

對于汽車生產(chǎn)企業(yè)，同時也希望通過監(jiān)測平臺，實現(xiàn)對自動駕駛車輛運(yùn)行狀態(tài)的監(jiān)測，通過對自動駕駛車輛數(shù)據(jù)的記錄、用戶行為分析、車輛故障分析及自動駕駛系統(tǒng)的運(yùn)行狀態(tài)的統(tǒng)計分析，支持產(chǎn)品持續(xù)迭代優(yōu)化、故障分析、事故定責(zé)等。

 

目前在自動駕駛車輛運(yùn)行中已有相當(dāng)?shù)钠髽I(yè)已經(jīng)建立了對車輛運(yùn)行監(jiān)控的能力平臺。如長安、廣汽、中汽研等企業(yè)正在開發(fā)對于新能源汽車的監(jiān)控平臺：包括車輛狀態(tài)、軌跡、電池電源等的實時監(jiān)控；對車隊運(yùn)行進(jìn)行統(tǒng)計分析，歷史軌跡回放等；同時包括對電池電驅(qū)系統(tǒng)實時告警分析等功能。不管是新能源監(jiān)控還是自動駕駛車輛監(jiān)控，本質(zhì)上是利用車聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行深入價值挖掘，從車輛運(yùn)行監(jiān)控、分析及故障告警等維度，提升企業(yè)對車輛的管理和車輛網(wǎng)數(shù)據(jù)利用。

 

下面來說說整個監(jiān)控平臺的功能劃分，如下圖所示，監(jiān)控平臺是主要用于針對自動駕駛車輛運(yùn)行功能及狀態(tài)分析的業(yè)務(wù)層級，同時對自動駕駛車輛運(yùn)行狀態(tài)或使用頻次的統(tǒng)計分析。其中從下至上包含6大業(yè)務(wù)鏈，依次為底層功能管理、基礎(chǔ)功能管理、統(tǒng)計分析管理、數(shù)據(jù)分析管理、平臺對接管理、頂層監(jiān)控管理。從事故分析角度出發(fā)，整個過程完全可以做到無縫的監(jiān)控車輛中對自動駕駛信息狀態(tài)的搜集，用于后期的責(zé)任劃分看來是不可或缺的。

 

總結(jié)

目前，無論從國家規(guī)劃、企業(yè)能力建設(shè)，都希望在2025年能夠從一定意義上實現(xiàn)真正意義下的自動駕駛，至少在其所規(guī)定的ODD范圍內(nèi)，能否讓駕駛員可以完全不用接管車輛，甚至不用關(guān)注車輛的駕駛情況，但是真的行么？筆者是持保守態(tài)度的。究竟是單車智能還是車路協(xié)同，還是兩者都要？傳感端是走高成本的激光雷達(dá)還是純視覺技術(shù)，還是混合感知？這些都尚在探討過程中。

當(dāng)前無論是特斯拉還是蔚來在自動駕駛道路上踩得坑都足以讓我們警醒，自動駕駛還有很長的路要走，當(dāng)然也有一些主機(jī)廠在打擦邊球，比如提出首先實現(xiàn)自動輔助駕駛功能，但是這也需要提供較好的用戶說明須知以及人機(jī)交互說明，避免誤用濫用。

本文所提及的對自動駕駛車輛行駛可能出現(xiàn)故障的一系列措施可以從一定程度上提升對于自動駕駛開發(fā)和應(yīng)用的信心，希望自動駕駛之路仍舊是一條被人們所認(rèn)可和信賴的道路。