自動駕駛有前景嗎（自動駕駛真正上路還有10%的技術難題待解）

時間：2023-03-11 13:59:15來源：food欄目：物流新聞閱讀：

自動駕駛在技術上已化解了90%的難題，但剩10%的難題如很多邊界線化瓶頸，卻可能花費比過去更多的心力去化解。

10月21日，全國首家常態化運營的5G隨處公交車在蘇州獲批。這個在蘇州高速鐵路新城亮相的隨處公交車是在對外開放的城市公路上運行，且速率可達20—50千米/時。這輛隨處公交車車除了具備避讓行人車輛、自動變道、自動轉向、紅綠燈識別等基本功能，還能應付各類城市復雜城市交通情景，例如穿行人車混雜的路口、應付后車加塞、“鬼探頭”等。

此前，10月12日，北京也對外開放了隨處駕駛的士試車，可試車區域包括海淀、亦莊等，12日當天北京地區的呼單量就突破了2600單。而早在今年4月，長沙已全面對外開放了隨處駕駛的士服務。

自動駕駛服務陸續獲批，是否意味著其商品化臨近？

商品化正迎來最佳時機

現階段自動駕駛的獲批情況如何？其發展到了一個什么程度？

“2019年12月，亞洲地區首次提出了新基礎建設的概念，掀起了一股新浪潮。新基礎建設包括5G、物聯網、工業互聯網、衛星互聯網、人工智能、云計算、區塊鏈七大板塊，其中有三大板塊是自動駕駛軟件的核心技術——5G、AI、大信息中心（云計算）。”輕舟智航聯合創始人、CEO于騫在接受科技日報記者采訪時則表示。

是騫看來，自動駕駛處于這幾大領域的交匯點，是新基礎建設的典型獲批應用領域。加上近年來不斷完善的智慧城市、智慧城市交通相關政策，可以說，自動駕駛在亞洲地區的商品化獲批正迎來最佳的時機。

“在整體獲批方面，僅從近幾年隨處駕駛行業的創業者公司情況來看，以2018年為分界點，隨處駕駛領域確實是出現了兩個創業者的黃金窗口。”于騫說。

第一個黃金窗口出現在2015年至2017年之間，在這段天數里，出現了一批自動駕駛公司，在這個階段的融資主要是靠估算的產品規模以及團隊背景，當時市場對L4等級自動駕駛（全自動駕駛）產品獲批的期望值很高，定下了不少較為樂觀的近期目標。

“在近期目標沒有實現時，市場感到了失望，并重新對獲批天數樹立起了新的認知，這時又碰上了資本寒冬，所以自動駕駛創業者公司的聲音少了許多。”于騫則表示。

在2019年之后，人們對L4等級自動駕駛的預期開始回歸理性，隨著技術的進一步成熟，市場的需求也呼喚隨處駕駛產品獲批。同時國家的各類政策先后推出，以及相應的法律法規逐漸完善，隨著硬件成本的顯著下降，L4等級自動駕駛的短期獲批情景逐漸明確了。

于騫則表示，現階段，業內預計公共公路中高速行駛載人情景的獲批運營天數大概在1—3年，公共公路中高速行駛載貨情景的獲批運營天數則是在3—5年。雖然前幾年已有各種物流車、擺渡車試運行，但這些試運行都只局限在園區里頭，這里的獲批，指的是在公開公路中的獲批。

隨處巴士更具獲批可能性

部分應用領域獲批是否意味著自動駕駛將很快投入商品化運行？自動駕駛的商品化公路還有多遠？

是騫看來，自動駕駛能否商品化取決于不同自動駕駛等級和不同情景，例如L2等級自動駕駛（部分自動駕駛）的方案已在許多量產車上獲批。

“隨處駕駛的士作為現階段市場規模最大的、最有挑戰的部分，是城市復雜城市交通環境隨處駕駛的終極目標，但隨處駕駛的士的獲批周期較為長、速率快、非緊固鐵路線，獲批難度會較為大。”于騫說。

現階段業內更看好隨處巴士在公開公路的商品化獲批應用領域，隨處巴士正在亞洲地區多個城市啟動常態化運營，可滿足用戶城市中的地鐵轉乘及微循環轉乘需求。

如蘇州在2020年7月發布了全球首條城市微循環隨處巴士市民體驗鐵路線，并隨后獲批了全國首家常態化運營的城市公開公路隨處巴士工程項目，部署多條隨處巴士城市微循環鐵路線。蘇州的隨處公交車工程項目將設置多條鐵路線，覆蓋高速鐵路新城周邊9.8平方公里區域，化解居民出行“最后三公里”瓶頸。這是現階段亞洲地區覆蓋范圍最大的隨處公交車工程項目，也是唯一常態化運營的城市公開公路隨處公交車工程項目。

于騫則表示，隨處巴士這一應用領域情景具有三大優勢。第一，中高速行駛情景，乘客對車速的預期可控，速率保持在20—50千米/時之間。第二，緊固鐵路線，車在同一條鐵路線上反復磨練，更能確保行駛安全，并可實現紅綠燈優先和預警。第三，滿足用戶多人出行，具有社會效益，在公共公路上享受優先路權。

“隨處巴士這一應用領域情景結合了緊固鐵路線中高速行駛、多人出行路權優先、可部署基于5G的車路協同等優勢，或將成為L4等級自動駕駛的最快實際獲批情景。”于騫說。

已化解90%的技術難題

有專家指出，現階段困擾自動駕駛的主要難點是其決策總體規劃和認知，并認為現階段并沒有看到這兩個瓶頸的化解措施，此觀點獲得不少人的認同，現實情況是否如此？

于騫認為，決策總體規劃和認知的難題都可以歸結為自動駕駛的長尾難題。自動駕駛在技術上已化解了90%的難題，但剩的10%卻可能花費同樣多甚至更多的心力去化解，這10%包括很多邊界線化瓶頸（Corner case），如在車輛碰上百靈鳥之前，技師甚至不知道會有百靈鳥的難題。所以邊界線化瓶頸是需要去發現并化解的。

那么邊界線化瓶頸怎樣去發現并化解呢？

“除了收集大批的信息，更重要的是建立自動化生產工廠，將源源不斷收集來的有效信息，通過自動化的工具，加工成可用的模型。以更快的速率、更高效的方式應付邊界線化瓶頸。”于騫則表示。

于騫以上面百靈鳥的情景為例，如果需要專門針對這些情景去開發特殊的模型，那會有無窮無盡的情景需要處理。但借助自動化的辦法，只要信息標注好了，下次系統更新時便可以更好處理這種情況，省下大批技師的天數。

“以認知舉例是較為容易理解的，但其實總體規劃技術也一樣。要想讓車做出準確的總體規劃，最原始的方法是技師寫準則——大批的技師寫出大批的準則，但這種方式不易維護性還不能滿足用戶最新需求；再進一步便是設計獎勵表達式——設計獎勵表達式比寫準則要簡單得多；再往后則是系統利用信息自動學習獎勵表達式。這個過程便是往自動化方向發展的過程。”于騫說。

冷鏈服務業務聯系電話：19138199759