博世底盘丰浩：自动驾驶「任重道远」，可用基础设施拓展应用场景

如何打造安全互联的自动驾驶来俘获人心？


博世底盘控制系统中国区市场与战略发展总监丰浩认为，自动驾驶会成为人们出行的终级目标，同时自动驾驶的竞争也会越来越激烈。

未来在中国自动驾驶的定义是需要由本土企业参与的，自动驾驶需要更加适合中国的路况，中国的驾驶习惯。

此外，可以从三个维度理解降本需求。第一，自动驾驶越高级，系统成本就越高，这对于私家车来说，现在还是无解的，但面向出行服务市场是可以推行的，出行服务车辆可以实现24小时运营，剔除司机人力成本，可以找到落地场景；第二，积极探索车路协同，推动基础设施的智能化，车的成本会转移到路上，给终端用户带来成本优势；第三是人员本土化、研发本土化，增强本土创新的适应能力，未来只要硬件满足，软件方面的创新成本会持续降低。

雷锋网新智驾消息，近日在汽车之家承办的2019“全球汽车产业创新大会”上，博世底盘控制系统（中国区）市场与战略发展总监丰浩发表题为《自动驾驶赋能未来出行》的主题演讲。

以下是丰浩的演讲全文，雷锋网新智驾进行了不改变原意的编辑（有删减）：

自动驾驶的关键技术和挑战

大家在谈自动驾驶之前可以看到，不是说因为做自动驾驶而做自动驾驶，事实上是因为它来源于解决人们出行过程中存在的一些痛点。

例如，虽然L2级自动驾驶不是完全的自动驾驶，但它可以解决我们在高速路上的疲劳驾驶问题，现在L2级的自动驾驶可以提高20秒，让你短暂的松开方向盘去做简单的事情，当然我们不鼓励这样做。

自动驾驶技术的最终目标是实现真正的零伤亡、零事故，现在国家一个部分企业大力倡导车路协同概念，都是为了更好的去解决整个交通出行效率问题。当你解决了交通出行效率，就解决了人们每天早晨上班最头疼的堵车问题，措施是通过对交通信号的控制和算法优化，进而改善交通流的现象，如此以来对节能减排有很大帮助。

此外，自动驾驶还可以解决没有能力驾驶，以及年龄偏大，或者是非驾驶的群体性问题。你可以不自己开车，只要招呼一个自动驾驶出租车，它可以把你从A点带到B点。其实从自动驾驶初衷来讲，是可以解决非常多的社会问题。

从去年开始，业界一直充斥着自动驾驶退潮的声音，我并不这样认为，因为自动驾驶并没有退潮，我们的技术还是在发展。而是大家意识到自动驾驶没有人们想象的那么简单，它可能是汽车工业发展到现在以来面临的前所未有的巨大挑战。这也是为什么很多主机厂和科技公司，他们自动驾驶解决方案是有的，但在量产时间上却一步一步往后推迟。

为什么说自动驾驶是汽车工业革命所面临的挑战呢？

因为，自动驾驶不只是简单的感知、决策、执行就可以完成的。感知、决策、执行仅仅是在技术层面上，实现自动驾驶这个功能的第一步。

同样，自动驾驶里还存在如何将车辆释放以及如何在道路上去验证，目前的法规还不支持。此外，功能安全和网络安全都是自动驾驶所面临的挑战。

值得注意的是，为什么这些挑战不是阻碍自动驾驶前进，反而是自动驾驶过程中必须要解决的问题。

理性回归-安全是自动驾驶之本

首先，回答这些问题必须回到安全上，该安全不仅仅是指车辆安全，还包括路上所有交通参与者的安全，不仅是车辆司机的安全，同样关乎着路上行人的安全。

在自动驾驶定义过程中，L3级自动驾驶是一个分水岭，从L3级自动驾驶开始，就可以不用人去接管自动驾驶功能，它是由系统负责，需要保证自动驾驶在人没有做接管能力的情况下，它是能够安全可靠的将车运行以及停下来。

从技术角度讲，在整个自动驾驶功能链设计上需要有非常多的冗余，可以看到纵向不同等级的自动驾驶对于冗余在不同层面的要求不一样，比如决策层面上。L2级这个决策虽然是系统做的，但人类随时有权利调整系统，我们想随时都可以中断这个系统或者去接管该系统。但是L3级自动驾驶系统就要人负责了，当系统负责不了的时候，会要求人去接管。

对于L2级自动驾驶系统来说，无论是自动驾驶模式还是人工驾驶模式，责任永远是人，因为人需要做监管。



但是，如果L3级自动驾驶模式出了问题，这个责任不是驾驶员的责任，而是系统的责任。同样在系统出现不能处理的情况下，L2跟L3的要求完全不一样，L2可能给你一个严重警告，人必须要接管。但是在L3系统内，要求系统在短暂时间内还要有能力去处理这个失效的模式，我们把它叫称为失效操控。

在在L4、L5更高级或者完全自动驾驶模式下，它们系统在你人不进行干预情况下，也必须有能力去处理这些紧急情况，我们也把它叫做失效操控，该时刻就需要在各个层面都有一定程度的冗余和备份，才能够去满足上述要求。

当然，有了冗余备份之后，人们才能够保证自动驾驶的系统是随时安全可靠的。

说到这里，我想着重介绍下，博世作为一个关键技术合作伙伴，我们用什么样的方法来解决这个问题？

例如，在算法层面上，各大展台展示的下一代摄像头仅能识别人的外型判断，在很多逆光、强光情况下，通过引入人工智能算法，以及判断像素的语义和光的强度变化，然后对语义场景进行额外的检测，保证检测也是冗余的。同时在感知层面应用了毫米波雷达、摄像头、激光雷达以及近距离的环式传感器等多种既互补又冗余的解决方案解决它的可靠性问题。

值得一提的是，大家不要嫌安装的传感器种类多，虽然行业内的解决方案存在只使用单一传感器，但博世从安全角度出发，我们认为不同类别的传感器，它们之间的互相冗余可以带来更安全、可靠的自动驾驶。

定位方面，假如你行驶在一条120时速每公里的高速公路上，车辆突然发生了定位错误，甚至进入到隧道，收不到定位信号，这些都非常的危险。

自动驾驶对于定位的要求是时效性、可靠性、安全性、并随时可以进行定位，这就要求我们不能以单一的定位去做。相对于传统的RTK方法，我们用两种不同基于信息的增强定位，以及配置传感器所做的特种定位所做的互补，如此在保证很多特殊场景下，比如说隧道内也可以实现一个互补定位。目前已经有量产的方案，包括自动的冗余跟转向的冗余。

完全自动驾驶实现是漫长艰巨的旅途



在自动驾驶释放到道路的过程中，我也要保证它的安全。上图是汽车行业常用的方法，左边设计之初要从它所面临的场景拆解成需求，通过需求来设计到规范当中，同时在右边通过各种不同的测试保证这些是安全的，那就回归到讲的两个问题：

第一，如何保证测试是足够的，那就是功能安全要解决的问题，传统的汽车安全功能测试可能通过几个法规测试就可以了。自动驾驶的测试所要求的强度远远不够，所以要通过额外的仿真，在真正驶入道路之前，还需要软件模拟的方式保证算法可靠。

第二，如何解决需求设计是合理的，在博世整个设计体系中运用了预期功能安全设计理念，来保证从第一步开始就是符合自动驾驶场景要求的，如此才能有一个非常完整的验证流程，将自动驾驶系统可靠、安全的释放到道路上去。

从自动驾驶所适配的不同场景，可以看到所配备的系统复杂程度也不一样。

例如，L2级的自动驾驶现在市场上有多个车型已经量产，它们一般需要6个传感器可以实现在单人车道内的自动驾驶。如果需要变道，则需要提高速度，这就需要15个传感器。现在博世和戴姆勒做的面向量产的自动驾驶出租车，它可以判断城市里面交通参与者，包括自行车、电瓶车，甚至是解决识别红绿灯的问题，它所涵盖的场景非常复杂，所需要的传感器可能需要40个以上，这样的系统也是非常复杂的。

所以，完全自动驾驶的实现是段漫长而艰巨的旅途。基于此，这里有一个80/20定律，也就是说我们将大部分的事情放在20%上，上述这些解决了前面80%问题，实现自动驾驶功能比较容易，但是最后的20%，就是如何保证这辆自动驾驶车辆跑起来非常安全，这是汽车全行业所面临的一个问题。

博世其实在自动驾驶安全上做了非常多的探索，如下是我们的部分见解。

上图的自动驾驶路线图中可以看到，博世从2014年开始在中国市场推出第一个L1级全驾驶辅助系统功能之后，到今年年底已经在市场推出接近40个L2级的自动驾驶项目。

针对L3级自动驾驶，从目前博世的实践来看，并没有一个非常乐观的预期，我们认为至少2021年以后才会有相应的落地项目。

针对L4级自动驾驶，虽然博世和戴姆勒在美国有试运营项目落地，但离真正大规模还有很长的一段距离，时间点也会更晚一些。

所以，正如前面所讲到的那样前面80%很好实现，最后落地的20%需要更长的时间和更大的工程。

基础设施助力自动驾驶应用场景扩展

其实，还是有一些场景可以更快的实现自动驾驶落地，比如自动泊车，因为它的场景相对比较简单，我们在处理场景过程中也会相应的去降低系统复杂程度。

谈到自动驾驶落地，有观点认为很难实现，那是不是说自动驾驶就遥遥无期了？

一直以来博世也在思考这个问题，有一些场景是不是在中国有不同的模式和不同的角度去思考，比如说我们花了很大精力去研发自动驾驶的高精度传感器，但很多场景依然对自动驾驶存在很大挑战。

具体来看，比如常见的转弯的场景，我们把场景放在路上，除了智慧的车还要有智慧的路，从另外一个角度监测这些目标，是否给我们驾驶员有不同的视角。另外，天津是全国拥有不同种类红绿灯最多的城市，目前还没有形成一个统一的红绿灯标准去识别它们。反过来看，如果该红绿灯自己能“开口”，告诉我们是0和1，回归到最简单的数字问题上是不是可以很好解决。

再比如定位问题，中国高速公路都有收费站，车辆行驶到告诉公路上时，它也可以“告诉”我们车辆0和1的问题，如此以来可不可以通过网联方法解决很多应用场景。同样这也让我们去思考如何将智慧的路引入到自动驾驶场景里面，将边缘计算引入到自动驾驶场景里，以及将云引入到自动驾驶场景里来，是不是可以很好的去解决目前在自动驾驶上碰到的系统太复杂、成本太高、算力不够的问题。

当然，这些的前提是目前还不能过多的依赖于基础设施，虽然基础设施可以扩展我们的场景，但车辆还需要以安全设计为主。

基于上述思考，博世已经在行动了。据雷锋网了解，博世目前的场景里就有上述基于智慧基础设施的项目，我们把它叫做全自动代客泊车，有基于单车功能的泊车路径。但是人机共驾是长期的过程，不可能要求所有车上都配有复杂的传感器，不过我们可以对智慧停车场进行改造，来实现L4级的自动泊车场景。



总之，自动驾驶并不遥远，通过单车智能和车与路的协同，我们希望能够将一个安全的自动驾驶来解决人们未来出行的痛点。