如何打造安全互聯(lián)的自動駕駛來俘獲人心？


博世底盤控制系統(tǒng)中國區(qū)市場與戰(zhàn)略發(fā)展總監(jiān)豐浩認為，自動駕駛會成為人們出行的終級目標，同時自動駕駛的競爭也會越來越激烈。

未來在中國自動駕駛的定義是需要由本土企業(yè)參與的，自動駕駛需要更加適合中國的路況，中國的駕駛習慣。

此外，可以從三個維度理解降本需求。第一，自動駕駛越高級，系統(tǒng)成本就越高，這對于私家車來說，現(xiàn)在還是無解的，但面向出行服務市場是可以推行的，出行服務車輛可以實現(xiàn)24小時運營，剔除司機人力成本，可以找到落地場景；第二，積極探索車路協(xié)同，推動基礎設施的智能化，車的成本會轉移到路上，給終端用戶帶來成本優(yōu)勢；第三是人員本土化、研發(fā)本土化，增強本土創(chuàng)新的適應能力，未來只要硬件滿足，軟件方面的創(chuàng)新成本會持續(xù)降低。

雷鋒網(wǎng)新智駕消息，近日在汽車之家承辦的2019“全球汽車產業(yè)創(chuàng)新大會”上，博世底盤控制系統(tǒng)（中國區(qū)）市場與戰(zhàn)略發(fā)展總監(jiān)豐浩發(fā)表題為《自動駕駛賦能未來出行》的主題演講。

以下是豐浩的演講全文，雷鋒網(wǎng)新智駕進行了不改變原意的編輯（有刪減）：

自動駕駛的關鍵技術和挑戰(zhàn)

大家在談自動駕駛之前可以看到，不是說因為做自動駕駛而做自動駕駛，事實上是因為它來源于解決人們出行過程中存在的一些痛點。

例如，雖然L2級自動駕駛不是完全的自動駕駛，但它可以解決我們在高速路上的疲勞駕駛問題，現(xiàn)在L2級的自動駕駛可以提高20秒，讓你短暫的松開方向盤去做簡單的事情，當然我們不鼓勵這樣做。

自動駕駛技術的最終目標是實現(xiàn)真正的零傷亡、零事故，現(xiàn)在國家一個部分企業(yè)大力倡導車路協(xié)同概念，都是為了更好的去解決整個交通出行效率問題。當你解決了交通出行效率，就解決了人們每天早晨上班最頭疼的堵車問題，措施是通過對交通信號的控制和算法優(yōu)化，進而改善交通流的現(xiàn)象，如此以來對節(jié)能減排有很大幫助。

此外，自動駕駛還可以解決沒有能力駕駛，以及年齡偏大，或者是非駕駛的群體性問題。你可以不自己開車，只要招呼一個自動駕駛出租車，它可以把你從A點帶到B點。其實從自動駕駛初衷來講，是可以解決非常多的社會問題。

從去年開始，業(yè)界一直充斥著自動駕駛退潮的聲音，我并不這樣認為，因為自動駕駛并沒有退潮，我們的技術還是在發(fā)展。而是大家意識到自動駕駛沒有人們想象的那么簡單，它可能是汽車工業(yè)發(fā)展到現(xiàn)在以來面臨的前所未有的巨大挑戰(zhàn)。這也是為什么很多主機廠和科技公司，他們自動駕駛解決方案是有的，但在量產時間上卻一步一步往后推遲。

為什么說自動駕駛是汽車工業(yè)革命所面臨的挑戰(zhàn)呢？

因為，自動駕駛不只是簡單的感知、決策、執(zhí)行就可以完成的。感知、決策、執(zhí)行僅僅是在技術層面上，實現(xiàn)自動駕駛這個功能的第一步。

同樣，自動駕駛里還存在如何將車輛釋放以及如何在道路上去驗證，目前的法規(guī)還不支持。此外，功能安全和網(wǎng)絡安全都是自動駕駛所面臨的挑戰(zhàn)。

值得注意的是，為什么這些挑戰(zhàn)不是阻礙自動駕駛前進，反而是自動駕駛過程中必須要解決的問題。

理性回歸-安全是自動駕駛之本

首先，回答這些問題必須回到安全上，該安全不僅僅是指車輛安全，還包括路上所有交通參與者的安全，不僅是車輛司機的安全，同樣關乎著路上行人的安全。

在自動駕駛定義過程中，L3級自動駕駛是一個分水嶺，從L3級自動駕駛開始，就可以不用人去接管自動駕駛功能，它是由系統(tǒng)負責，需要保證自動駕駛在人沒有做接管能力的情況下，它是能夠安全可靠的將車運行以及停下來。

從技術角度講，在整個自動駕駛功能鏈設計上需要有非常多的冗余，可以看到縱向不同等級的自動駕駛對于冗余在不同層面的要求不一樣，比如決策層面上。L2級這個決策雖然是系統(tǒng)做的，但人類隨時有權利調整系統(tǒng)，我們想隨時都可以中斷這個系統(tǒng)或者去接管該系統(tǒng)。但是L3級自動駕駛系統(tǒng)就要人負責了，當系統(tǒng)負責不了的時候，會要求人去接管。

對于L2級自動駕駛系統(tǒng)來說，無論是自動駕駛模式還是人工駕駛模式，責任永遠是人，因為人需要做監(jiān)管。



但是，如果L3級自動駕駛模式出了問題，這個責任不是駕駛員的責任，而是系統(tǒng)的責任。同樣在系統(tǒng)出現(xiàn)不能處理的情況下，L2跟L3的要求完全不一樣，L2可能給你一個嚴重警告，人必須要接管。但是在L3系統(tǒng)內，要求系統(tǒng)在短暫時間內還要有能力去處理這個失效的模式，我們把它叫稱為失效操控。

在在L4、L5更高級或者完全自動駕駛模式下，它們系統(tǒng)在你人不進行干預情況下，也必須有能力去處理這些緊急情況，我們也把它叫做失效操控，該時刻就需要在各個層面都有一定程度的冗余和備份，才能夠去滿足上述要求。

當然，有了冗余備份之后，人們才能夠保證自動駕駛的系統(tǒng)是隨時安全可靠的。

說到這里，我想著重介紹下，博世作為一個關鍵技術合作伙伴，我們用什么樣的方法來解決這個問題？

例如，在算法層面上，各大展臺展示的下一代攝像頭僅能識別人的外型判斷，在很多逆光、強光情況下，通過引入人工智能算法，以及判斷像素的語義和光的強度變化，然后對語義場景進行額外的檢測，保證檢測也是冗余的。同時在感知層面應用了毫米波雷達、攝像頭、激光雷達以及近距離的環(huán)式傳感器等多種既互補又冗余的解決方案解決它的可靠性問題。

值得一提的是，大家不要嫌安裝的傳感器種類多，雖然行業(yè)內的解決方案存在只使用單一傳感器，但博世從安全角度出發(fā)，我們認為不同類別的傳感器，它們之間的互相冗余可以帶來更安全、可靠的自動駕駛。

定位方面，假如你行駛在一條120時速每公里的高速公路上，車輛突然發(fā)生了定位錯誤，甚至進入到隧道，收不到定位信號，這些都非常的危險。

自動駕駛對于定位的要求是時效性、可靠性、安全性、并隨時可以進行定位，這就要求我們不能以單一的定位去做。相對于傳統(tǒng)的RTK方法，我們用兩種不同基于信息的增強定位，以及配置傳感器所做的特種定位所做的互補，如此在保證很多特殊場景下，比如說隧道內也可以實現(xiàn)一個互補定位。目前已經有量產的方案，包括自動的冗余跟轉向的冗余。

完全自動駕駛實現(xiàn)是漫長艱巨的旅途



在自動駕駛釋放到道路的過程中，我也要保證它的安全。上圖是汽車行業(yè)常用的方法，左邊設計之初要從它所面臨的場景拆解成需求，通過需求來設計到規(guī)范當中，同時在右邊通過各種不同的測試保證這些是安全的，那就回歸到講的兩個問題：

第一，如何保證測試是足夠的，那就是功能安全要解決的問題，傳統(tǒng)的汽車安全功能測試可能通過幾個法規(guī)測試就可以了。自動駕駛的測試所要求的強度遠遠不夠，所以要通過額外的仿真，在真正駛入道路之前，還需要軟件模擬的方式保證算法可靠。

第二，如何解決需求設計是合理的，在博世整個設計體系中運用了預期功能安全設計理念，來保證從第一步開始就是符合自動駕駛場景要求的，如此才能有一個非常完整的驗證流程，將自動駕駛系統(tǒng)可靠、安全的釋放到道路上去。

從自動駕駛所適配的不同場景，可以看到所配備的系統(tǒng)復雜程度也不一樣。

例如，L2級的自動駕駛現(xiàn)在市場上有多個車型已經量產，它們一般需要6個傳感器可以實現(xiàn)在單人車道內的自動駕駛。如果需要變道，則需要提高速度，這就需要15個傳感器。現(xiàn)在博世和戴姆勒做的面向量產的自動駕駛出租車，它可以判斷城市里面交通參與者，包括自行車、電瓶車，甚至是解決識別紅綠燈的問題，它所涵蓋的場景非常復雜，所需要的傳感器可能需要40個以上，這樣的系統(tǒng)也是非常復雜的。

所以，完全自動駕駛的實現(xiàn)是段漫長而艱巨的旅途?；诖耍@里有一個80/20定律，也就是說我們將大部分的事情放在20%上，上述這些解決了前面80%問題，實現(xiàn)自動駕駛功能比較容易，但是最后的20%，就是如何保證這輛自動駕駛車輛跑起來非常安全，這是汽車全行業(yè)所面臨的一個問題。

博世其實在自動駕駛安全上做了非常多的探索，如下是我們的部分見解。

上圖的自動駕駛路線圖中可以看到，博世從2014年開始在中國市場推出第一個L1級全駕駛輔助系統(tǒng)功能之后，到今年年底已經在市場推出接近40個L2級的自動駕駛項目。

針對L3級自動駕駛，從目前博世的實踐來看，并沒有一個非常樂觀的預期，我們認為至少2021年以后才會有相應的落地項目。

針對L4級自動駕駛，雖然博世和戴姆勒在美國有試運營項目落地，但離真正大規(guī)模還有很長的一段距離，時間點也會更晚一些。

所以，正如前面所講到的那樣前面80%很好實現(xiàn)，最后落地的20%需要更長的時間和更大的工程。

基礎設施助力自動駕駛應用場景擴展

其實，還是有一些場景可以更快的實現(xiàn)自動駕駛落地，比如自動泊車，因為它的場景相對比較簡單，我們在處理場景過程中也會相應的去降低系統(tǒng)復雜程度。

談到自動駕駛落地，有觀點認為很難實現(xiàn)，那是不是說自動駕駛就遙遙無期了？

一直以來博世也在思考這個問題，有一些場景是不是在中國有不同的模式和不同的角度去思考，比如說我們花了很大精力去研發(fā)自動駕駛的高精度傳感器，但很多場景依然對自動駕駛存在很大挑戰(zhàn)。

具體來看，比如常見的轉彎的場景，我們把場景放在路上，除了智慧的車還要有智慧的路，從另外一個角度監(jiān)測這些目標，是否給我們駕駛員有不同的視角。另外，天津是全國擁有不同種類紅綠燈最多的城市，目前還沒有形成一個統(tǒng)一的紅綠燈標準去識別它們。反過來看，如果該紅綠燈自己能“開口”，告訴我們是0和1，回歸到最簡單的數(shù)字問題上是不是可以很好解決。

再比如定位問題，中國高速公路都有收費站，車輛行駛到告訴公路上時，它也可以“告訴”我們車輛0和1的問題，如此以來可不可以通過網(wǎng)聯(lián)方法解決很多應用場景。同樣這也讓我們去思考如何將智慧的路引入到自動駕駛場景里面，將邊緣計算引入到自動駕駛場景里，以及將云引入到自動駕駛場景里來，是不是可以很好的去解決目前在自動駕駛上碰到的系統(tǒng)太復雜、成本太高、算力不夠的問題。

當然，這些的前提是目前還不能過多的依賴于基礎設施，雖然基礎設施可以擴展我們的場景，但車輛還需要以安全設計為主。

基于上述思考，博世已經在行動了。據(jù)雷鋒網(wǎng)了解，博世目前的場景里就有上述基于智慧基礎設施的項目，我們把它叫做全自動代客泊車，有基于單車功能的泊車路徑。但是人機共駕是長期的過程，不可能要求所有車上都配有復雜的傳感器，不過我們可以對智慧停車場進行改造，來實現(xiàn)L4級的自動泊車場景。



總之，自動駕駛并不遙遠，通過單車智能和車與路的協(xié)同，我們希望能夠將一個安全的自動駕駛來解決人們未來出行的痛點。