根據(jù)SAE標準定義，L2等級自動駕駛同時提供轉(zhuǎn)向和速度控制，要求駕駛員全時參與駕駛，并能隨時介入，緊急情況下在系統(tǒng)要求時須隨時接管駕駛。
而L2+并不是一個標準自動駕駛等級，是目前行業(yè)各個廠家為了強調(diào)自身產(chǎn)品在L2級功能基礎上 有不同程度的增強，從而采取的非正式稱呼，其他如L2.5，L2++等名稱也屬于此類情況，此類汽 車的共同特性在于駕駛?cè)巳匀蛔鳛樨熑沃黧w，需要全程保持專注并在系統(tǒng)要求時隨時接管，這一點與L2保持一致。本白皮書統(tǒng)一用L2來代表這類產(chǎn)品。

4.1.1 L2常見技術(shù)方案

目前L2等級自動駕駛按照傳感器布局有三種常見的技術(shù)方案，分別是1R1V(3R1V)方案、5R1V (5R5V)方案和1R8V方案，其中R代表毫米波雷達，V代表攝像頭。（1）1R1V(3R1V)方案1R1V(3R1V)方案是目前比較成熟,也是裝配率最高的方案。如圖4.1所示，1R1V由單視覺模塊FCM和單雷達模塊FCR通過連接組成，沒有單獨集中式控制器，由FCM模塊負責視覺感知部分， 同時FCR模塊處理雷達感知，采用傳感器后融合方案。3R1V是1R1V基礎上增加兩個后方雷達， 實現(xiàn)高速公路部分速域輔助駕駛（HWA）。 

圖4.1 1R1V方案（2）5R1V(5R5V)方案如圖4.2所示，5R1V方案是在1R1V方案基礎上加上四顆角雷達，集中域控DCU仍為低算力MCU，負責結(jié)構(gòu)化傳感器數(shù)據(jù)的融合并進行控車。在5R1V方案基礎上，還可以升級機增加4顆環(huán) 視攝像頭形成5R5V方案，在此方案中集成了集中域控制器，功能方面一般實現(xiàn)了高速公路全速域 輔助駕駛HWP（High Way Pilot）。

圖4.2 5R1V方案（3）1R8V方案如圖4.3所示，1R8V的傳感器方案配備了FCR，前向3目攝像頭，側(cè)前側(cè)后4個側(cè)方攝像頭和1個后 方攝像頭，功能方面1R8V 可以支持領航輔助駕駛功能，同時開始配備高精地圖。在此方案中， DCU一般都升級為大算力計算平臺，大部分傳感器從智能傳感器變?yōu)閱渭儌鞲衅鲾?shù)據(jù)輸出，在計 算平臺進行處理并融合。

圖4.3 1R8V方案4.1.2 電子電氣架構(gòu)演進智能駕駛的電子電氣架構(gòu)也在不斷發(fā)展和演進。如圖4.4所示，從L1到L4，在車輛傳感器方案演進 的同時，計算平臺也在從分布式ECU發(fā)展到L2的域集中計算平臺，再到L4的整車中央計算平臺， 集中化程度越來越高。圖4.4 汽車電子電氣架構(gòu)的演進對照4.1.1節(jié)，在1R1V方案中，不存在中央控制器，一般由FCM或者FCR模塊來進行傳感器融合并進行控車，傳感器融合一般采用后融合方案，算力要求低，規(guī)劃和控制部分邏輯簡單，能夠適應高速結(jié)構(gòu)化道路簡單工況。隨著傳感器數(shù)量增多，感知復雜深度學習模型引入，從5R1V開始，傳感器融合、感知、預測、規(guī)劃， 控制的復雜度提高，L2車輛開始裝配集中式計算平臺、高精地圖、高精度定位、車載通信單元等設備，具備領航輔助駕駛能力。隨著L2的進一步發(fā)展，車載計算平臺在融合了定位、地圖、單車感知的基礎上，進一步融合通信能力，具備車車、車路、車云通信能力，為基于車路云協(xié)同環(huán)境下的協(xié)同定位、協(xié)同感知、協(xié)同規(guī)劃控制提供了軟硬件架構(gòu)上的有力保障。

4.1.3 L2自動駕駛面臨的主要挑戰(zhàn)

與第三章L4面臨的問題類似，L2級自動駕駛面臨的問題在安全和ODD兩個方面的問題更加突 出。在安全性方面，由于L2處于人機共駕的階段，人類駕駛員仍然是責任主體，所以對于路端感知和路端安全事件提醒，不僅僅是需要用于車端決策規(guī)劃，更重要是要和人類駕駛員交互，使得接管有更充足的提前量，減少接管突然性，使得L2自動駕駛更安全、更人性。4.1.3.1 安全挑戰(zhàn)如圖4.5所示，在L2等級ADAS安全事件中，超過10%為危害人身安全的交通事故，這一比例大幅 超過手動駕駛，TOP4事故原因包括：1.對于前方故障、拋錨或施工未能及時感知；
2.前車突然減速、急?；蚣尤麘獙Σ患皶r；
3.異常ADAS工作環(huán)境條件，如雨雪天路面和團霧，可能會導致車輛剎車距離過長或者傳感器時效；
4.高速道路路面拋灑，遺落物等靜態(tài)物體不能有效識別。

圖4.5  L2 ADAS 危害等級分析（數(shù)據(jù)來源：NHTSA ADS SGO Report， 2022年6月）

1. 感知距離和人類反應時間的沖突

圖4.6 高速施工場景TTC分析感知距離和人類駕駛員反應時間的矛盾，是目前高速公路場景下各類L2   ADAS安全的首要因素， 提前預知前方事故，施工等安全事件是提高L2       ADAS安全性的首要前提。如圖4.6所示，按照典型場景高速公路路障識別為例，車輛以120km/h速度行駛時，在150m左右距離可以識別到路障錐 桶，從車輛感知識別，到通過圖標或聲音為駕駛員提供預警，以及駕駛員反應剎車，最終TTC（Time to Collision，預計碰撞時間）已經(jīng)不足1s，留給人類的安全反應時間嚴重不足。再比如圖4.7所示的兩個場景，在道路轉(zhuǎn)彎曲率過大，或者在前方隧道的場景下，L2 ADAS無法預知前方安全事件，駕駛員沒有任何反應時間。

（2）靜態(tài)物體識別能力不足
靜態(tài)物體識別是目前高速公路L2 ADAS的安全難點之一，已經(jīng)發(fā)生多起因未能識別路障或拋錨車輛而引發(fā)安全事故的案例。目前L2廣泛采用的毫米波雷達，因為識別方向精度低，為了避免幽靈剎車，在高速上對于路面靜態(tài)物體的識別會進行過濾，而攝像頭目前受到反光，光線不足、識別距離等因素也影響了高速靜態(tài)物體識別。本章后續(xù)提出使用路端檢測，并且通過路端V2I和云端V2N 形式進行廣播的方式，提供解決方案。（3）路面和環(huán)境條件感知能力缺乏
L2車輛的動力模型需要考慮各種環(huán)境因素。以剎車距離為例，車輛在不同環(huán)境條件下的剎車距離 差異較大，如行駛在濕滑路面或冰雪路面上的車輛會有不同的制動性表現(xiàn)，當傳感器失靈、無法感知當前道路條件，并且按照固定參數(shù)控車時，可能會導致緊急情況下的控制失效，引發(fā)安全事故。如圖4.8所示，隨著車速增加，車輛在干濕兩種路面的剎車距離差異逐步擴大（忽略車輛環(huán)境、按照固定參數(shù)控車無法保證安全的跟車距離）。

圖4.8 干濕路面剎車距離對比受車輛傳感器限制，L2車輛較難獲取更多環(huán)境條件信息。通過路端感知和云端下發(fā)信息，車輛可以提前獲知前方道路條件等環(huán)境信息，保證L2輔助駕駛安全。4.1.3.2 ODD受限在自動駕駛ODD方面，L2自動駕駛車輛面臨的問題更加突出，目前僅能在高速公路的部分簡單場景允許自動駕駛系統(tǒng)運行，城市道路、停車場等均要求駕駛員接管，下面對于城市和停車場場景限制及其原因進行分析。（一）L2輔助駕駛城市場景限制L2輔助駕駛目前在城市道路還不成熟，還面臨諸多技術(shù)方面和安全方面的挑戰(zhàn)，下面列舉兩個典 型的城市挑戰(zhàn)場景：

1. 紅綠燈識別問題

紅綠燈逆光      多語義紅綠燈       紅綠燈遮擋圖4.9 紅綠燈識別問題L2擴展到城市道路駕駛的首要挑戰(zhàn)就是紅綠燈識別問題，逆光、多語義、遮擋等問題，導致目前靠前向攝像頭視覺識別紅綠燈的方案很難系統(tǒng)地徹底解決所有長尾問題，給L2擴展到城市道路帶來挑戰(zhàn)。（2）高精地圖覆蓋和更新問題目前L2輔助駕駛方案大多建立在高精度地圖之上，高精度地圖為自動駕駛車輛提供了車身傳感器 之外的重要先驗信息，大幅加速了感知，規(guī)劃，決策及定位等自動駕駛應用算法，但是在L2擴展到城市道路場景后，高精地圖仍面臨以下挑戰(zhàn)：

1. 高精地圖主要覆蓋高速公路和城市快速路，城區(qū)道路覆蓋不足，并且建設成本高；

2. 高精地圖鮮度問題，即如何保證足夠的更新頻率以及時體現(xiàn)現(xiàn)實世界變化；

3. 高精地圖動態(tài)圖層更新，比如封路、可變車道、限行政策等動態(tài)元素的更新。

高精地圖的缺失或者鮮度不足問題也是目前導致L2輔助駕駛尤其是領航輔助駕駛模式導致接管 的主要原因之一，行業(yè)也亟待一種更優(yōu)的地圖變更識別，采集和分發(fā)的方案。（二）公共停車場泊車功能限制在各種駕駛場景中，停車場泊車耗費大量的時間和駕駛員精力，相比其他公開道路的駕駛活動，在停車場內(nèi)泊車幾乎沒有樂趣可言。停車場（尤其是購物中心停車場）實現(xiàn)自動駕駛將極大提高社會資源利用率和商業(yè)效率，改善駕駛體驗。當前已經(jīng)量產(chǎn)的自主泊車技術(shù)方案主要為學習型技術(shù)路線，適用于在家庭、辦公區(qū)等固定場景，通過車輛對駕駛行為以及周邊環(huán)境的學習而來，難以應用在大型公共停車場。下面列舉一些限制公共停車場自主泊車功能實現(xiàn)的限制：（1）遮擋環(huán)境定位能力缺失目前室內(nèi)停車場定位，尤其是復雜多層停車場定位仍然缺少行業(yè)標準解決方案，停車場自動泊車功能受限需要解決室內(nèi)定位能力問題，目前自動駕駛依靠的GNSS、RTK、IMU等定位方式在室   內(nèi)有遮擋時因為缺少可靠，標準的絕對定位信號源來消除IMU的時間累計誤差，所以在室內(nèi)定位 技術(shù)方案的建立和標準化是目前停車場自動泊車的前提。（2）缺乏行業(yè)標準化方案要實現(xiàn)停車場自動泊車，首先車輛必須能夠從停車場場端獲取車位狀態(tài)，并且能夠接受場端指派車位，而停車場本身也需要支持車位狀態(tài)管理、車位預留、車位指派、車輛自動計費等功能。目前的停車場還停留在車位占用指示燈，可用車位數(shù)量指示燈等為人類駕駛泊車引導的階段，缺乏為自動駕駛服務的標準化的車位查詢、車位分派、車位預留、車位引導、自動離場收費等功能。在車路協(xié)同架構(gòu)中，停車場場端必須作為整個車路協(xié)同系統(tǒng)的一部分，做到和車、路、場、云之間互操作的標準化，才能真正實現(xiàn)停車無憂，大幅提高社會和商業(yè)效率。

節(jié)選自《面向自動駕駛的車路協(xié)同關鍵技術(shù)與展望2.0》