首页 > 汽车技术 > 正文

自动驾驶规模商业化落地存在的挑战

2022-12-24 16:17:08·  来源:汽车测试网  
 
自动驾驶是一个复杂系统,由一整套自动驾驶硬件(激光雷达、毫米波雷达、摄像头、超声波传感器、GPS定位装置、芯片和计算平台等)和多个复杂系统(高精度地图系统、高精度定位系统、感知系统、决策规划系统、车辆控制系统、车辆通信系统等)组成。尽管目前自

自动驾驶是一个复杂系统,由一整套自动驾驶硬件(激光雷达、毫米波雷达、摄像头、超声波传感器、GPS定位装置、芯片和计算平台等)和多个复杂系统(高精度地图系统、高精度定位系统、感知系统、决策规划系统、车辆控制系统、车辆通信系统等)组成。尽管目前自动驾驶技术已经取得了巨大的进步,自动驾驶的商业化进程也初见成效,但距离自动驾驶的大规模普及应用,还有很长的路要走。总结来看,影响自动驾驶走向规模商业化落地的因素主要集中在安全性、运行设计范围(ODD)和经济性三个方面。

(1)自动驾驶安全依然面临着巨大挑战,特定场景有失效风险




安全问题依然是影响自动驾驶规模商业化落地的最关键原因,而不同等级自动驾驶车辆在安全方面面临的问题存在一定差异。


在低等级自动驾驶方面,车辆辅助驾驶系统的功能仍然存在特定场景下应对能力不足和失效的风险。以自动紧急刹车为例,在夜间或者儿童穿梭等场景下,车辆的应对能力不足,很容易出现碰撞危险;另外在特殊目标识别(例如下雨天打伞或穿雨衣的行人)和高精度定位(如隧道、城市桥梁等)方面,也较容易出现系统失效的现象。通过研究国内外目前出现的多起自动驾驶安全事故案例发现,车辆对静止交通设施和静止交通参与者的准确识别和实时干预控制也存在一定困难,是造成事故的主要原因。

在高等级自动驾驶方面,其最大的挑战是“无人”,由于L4-L5的驾驶和责任主体由驾驶员切换为自动驾驶系统,只有达到99.9999%及以上的场景通过成功率,才能确保上路无或极低概率出现碰撞事故风险。根据加州车辆管理局(The California Department of Motor Vehicles,CADMV)统计数据,2021年度(2020年12月1日~2021年11月30日),28家自动驾驶公司的1180辆自动驾驶汽车累计完成了超过410万英里的测试总里程,其中Waymo有693辆登记车辆,年度行驶总里程超过232万英里,年度接管总次数292次,平均接管里程为7965英里;事故方面,Waymo全年共发生64起交通事故,平均每百万英里约发生27.6起事故,即171.5×10-7次/公里;排名第二的Cruise全年共发生30起交通事故,平均每百万英里约发生34.1起事故(Cruise 2021年自动驾驶行驶总里程87.6万英里),事故概率为211.9×10-7次/公里,这比人类驾驶事故概率20要高出很多,说明自动驾驶距离“绝对安全”和完全“无人化”的终极目标还有一定差距。

(2)感知长尾、混行博弈、极端场景等一系列突出问题限制了车辆的ODD




自动驾驶ODD是指自动驾驶系统设计时确定的适用于其功能运行的外部环境条件,包括环境、地理、时段限制、交通流量及道路特征等。限制自动驾驶ODD的原因或条件有很多,例如:1)道路条件,高速公路、无信号灯十字路口、山区道路等;2)环境条件,天气(如雨、雪、雾)和日照状况(昼或夜、逆光、隧道出入口)等;3)其它还包括过时的地图信息、收费站、水洼、低垂的植物、道路结冰、遗撒的物体、特种机械和违反交通规则的人类行为。


限制ODD是保证车辆安全的重要手段,但不利于自动驾驶的连续运行。当前,自动驾驶车辆只能在限定的环境内行驶,例如美国国会至今也没有发布全国性的自动驾驶法规,亚利桑那州、佛罗里达州和其他地方政府也都要求自动驾驶汽车必须在限定的区域内开展自动驾驶测试和试运营。目前已实现量产的L2等级自动驾驶车辆要求只能在高速公路、快速路或部分城市限定环境下,才能开启自动驾驶系统。

限制ODD的本质原因是自动驾驶存在感知长尾、混行交通博弈、极端场景等一系列问题难以克服,无法在所有场景下保证成功应对。在感知方面,基于数据驱动的深度学习技术已在自动驾驶感知领域得到了广泛的应用,在日常的驾驶环境中,已经能够实现单车的自动驾驶,但受车端传感器物理特性、车端算力等限制,车辆在恶劣天气、遗撒物体、鬼探头等长尾场景中的感知能力,仍然需要持续提升。在这些场景中,路端可以发挥其稳定性和全局性等优势,提供高性能交通信号数据、全量感知数据、为单车智能自动驾驶系统提供支持,减少因为感知不足带来的ODD限制。除感知外,单车智能自动驾驶车辆还需要面对混行交通博弈等挑战,从交通全局的角度看,依靠个体智能无法取得最优的效果,因此需要车与路的统一协调管理,才能更好地权衡自动驾驶车辆的安全与效率。

(3)自动驾驶需要更有竞争力的成本




汽车本身就是一项要求严苛的工业产品,它在被交付到消费者手中之前,需要经过长期的测试与打磨,遍历各类极端环境的考验,无论是机械性能还是电子电气性能都需要做到极致,这样才能保证用户的行车安全。自动驾驶汽车更需要在安全性和稳定性上做到极致,甚至比普通汽车的要求还要严苛,不仅需要配备更多传感器、辅助定位设备、通信设备,还要求车身、传感器、计算平台及配套软硬件设备都需要经过车规级量产的考验,这必然会大幅增加车辆成本,难以实现量产应用。


自动驾驶要实现规模商业化落地,形成一个健康的商业闭环,就必须降低成本。如今,自动驾驶汽车上的硬件如激光雷达、芯片的价格正在不断降低,这是整个产业链共同努力的结果,特别是国产企业在这方面做出的积极贡献,例如2021年6月,百度与极狐合作打造的Apollo Moon,整车成本降到了48万元;2022年7月,百度推出第六代无人车Apollo RT6,在性能大幅提升的同时,整车成本价降低至25万元,标志着L4的大规模量产正在从理想成为现实。

为了进一步降低成本,还需要持续加强软硬件一体化自主研发,并在设计制造、生产管理和质量管控工艺上投入更多精力打磨优化,推动自动驾驶走向规模量产应用,因为量产规模越大,规模效应就越明显,成本就压得更低。

综上所述,在一定的自动驾驶能力条件下,安全、ODD和经济性这三个方面存在矛盾关系。例如,为提高自动驾驶安全性,必须通过限制ODD并针对性调优逼近系统上限,才能实现小规模商业化落地;或使用较昂贵的设备来提升单车智能自动驾驶的安全性,但这样会损失自动驾驶的经济性。自动驾驶要实现规模商业化落地,需要进一步探索找到安全性、ODD限制和经济性的平衡点,从本质上提升自动驾驶的能力水平。

节选自《面向自动驾驶的车路协同关键技术与展望2.0》

分享到:
 
反对 0 举报 0 收藏 0 评论 0
沪ICP备11026917号-25