数据是验证无人车安全性的关键 仿真测试和上路测试并重

自动驾驶汽车安全性无疑是最重要的话题，也是决定该产业能否顺利发展的关键因素。美国兰德公司2016年发布的一份报告认为：“验证一辆无人车是否安全，需要积累110亿英里的测试数据。”这意味着，在自动驾驶技术尚未成熟的阶段，自动驾驶企业需要长期验证其车辆或系统在各种路况、气候和地域下的表现。



110亿英里的里程数显得过于庞大。不过，鉴于智能网联汽车的特性，测试数据可以由一个车队通过共享的自动驾驶平台同步收集。但根据专家的说法，一个由100辆汽车组成的车队，就算每日24小时连续不断地测试，跑完110亿英里也至少需要500年。

因此，对于像Waymo这类本身不生产汽车，而志在自动驾驶系统研发的企业而言，如果仅靠路测来验证汽车安全性，显得十分不切实际。更何况，该类企业往往一开始就选择由L4-L5级别的自动驾驶技术来切入。

为保证安全性，L4-L5级别的自动驾驶测试车一般配置了激光雷达产品。但由于激光雷达产品技术要求极高，能顺利量产的企业较少，导致成本居高不下。因此，L4-L5级别的自动驾驶测试车，针对初创企业而言成本压力非常大，更不用说组建大规模的自动驾驶车队。对自动驾驶企业而言，发展无人车技术着眼的是未来而非现在，不仅需要克服技术方面的瓶颈，还需抱有即使耗费大量资金也无法在短期内见到成效的心理。

测试是无人车量产前的准备

一辆自动驾驶汽车量产上市前，需要经过仿真测试-封闭式路测-开放式路测三类测试。

首先，在自动驾驶系统达到标准之前进行仿真测试。在虚拟环境中，完成一系列模拟测试。完初步的仿真测试之后，再到封闭式园区进行测试。配有传感器和自动驾驶系统的改装车在园区完成一定里程数的测试（我国大部分城市规定是5000公里），且通过专家评估之后，再进入开放式道路进行测试。目前，在全球仍无自动驾驶企业宣布已经完成所有场景的测试。

仿真测试奠定基础

以Waymo为代表，该公司在2017年的自动驾驶测试车数量就已经突破600辆。同时，Waymo在今年2月表示，其无人车测试里程数已突破500万英里（约合805万公里）。如果仅靠路测数据来验证无人车的安全性，按照上文的说法，Waymo的车队即使每日24小时，全年都在路上，最快也要80余年才能跑完110亿英里。

不过，Waymo已经在扩大车队的规模。2018年3月底，该公司宣布向捷豹路虎购买2万辆的电动车I-Pace，改装成无人车来上路测试，同时也不排除未来将购买更多数量的汽车。

实际上，目前Waymo更依赖于仿真测试。一份报告称，Waymo重新设计了其正在测试的城市的全电脑模型，并每天通过它们测试2.5万辆“虚拟自动驾驶汽车”。Waymo的仿真测试可通过计算机来重新创建真实的驾驶数据，以此形成紧密的反馈回路系统，利用该系统可模拟测试多达数千种变化场景。这些模拟数据可被下载至测试车中，以此来增强测试车的安全性能。

仿真测试的特点

那么，仿真测试究竟具备哪些特点，为何Waymo如此依赖它？

关于仿真测试的优势，Navigant Research咨询公司高级分析师 Sam Abuelsamid 曾表示，“仿真环境在验证自动驾驶系统的性能和稳定性方面至关重要，特别对软件堆栈的AI 部分，比如神经网络来说。”

另外，仿真环境有助于解决在现实中很少出现的极端情况。一些在实际路况中极少出现的情境，可在仿真环境中不同视角重复出现，仿真测试有助于自动驾驶测试车应对在不同情境下发生的事故。同时，工程师考虑对自动驾驶系统进行改变时，比如修改 AI 设计或者传感器架构时，通过仿真环境可提前预估该种改变将带来的影响。

因此，仿真测试具备速度快、成本低、可预估的特点。不过，这并不代表，仿真测试可取代上路测试。

真实路测必不可少

事故的发生难以预测和控制，最大程度降至伤害甚至避开事故，是发展自动驾驶技术的最终目标。无论仿真环境再完美，都无法完全取代真实环境。

当前，机器无法100%地还原现实。在现实中，即使出现事故的概率极其微小，但一旦出现就很可能危及乘客或行人的性命。因此，在不同路况、气候、地域、时间下的上路测试必不可少。目前的自动驾驶技术仍在摸索阶段，尽可能地收集更多的真实数据，让测试车学会应对各种环境，是当下自动驾驶企业必不可少的日常。

收集道路数据最多的当属特斯拉，该公司上月发布了最新的里程数据：截止至2018年4月23日，特斯拉电动汽车的总里程已突破72亿英里(约合116亿公里)。

特斯拉惊人的里程数得益于其Autopilot系统，该系统可助力收集每辆特斯拉汽车的数据。特斯拉称，Autopilot的“影子模式（shadow-mode）”功能，可收集大量的真实数据，在“影子模式”下运行新款车载软件，Autopilot的新功能将可在系统后台运行，无需启动车辆控制。

当前，全球已经有几十万辆特斯拉汽车在路上行驶，随着其汽车量产速度逐步提升，未来特斯拉的数据收集能力将加速增长。

真实数据多寡不是唯一标准

虽然Waymo收集到的真实数据仅有500万英里，但是其测试车的自动驾驶级别为L4-L5级别，高于特斯拉的量产车（L2-L3级别之间）。

此外，特斯拉汽车并未配备激光雷达。出于对成本的考量，特斯拉采用了毫米波雷达，因此，该公司收集到的数据与配备了激光雷达的Waymo收集到的数据有区别。

一般来说，配置激光雷达的汽车收集的数据更加详细。即使在黑暗中，激光雷达也能保持很高的精度，而在光线不好的环境下，摄像头的性能更差，毫米波雷达和超声波雷达的精确度也将会降低，配备激光雷达的测试车收集到的数据具有在细节方面表现更加出色。因此，我们不能单以真实数据的多少，来评判Waymo和特斯拉的自动驾驶技术谁更领先。

值得注意的是，特斯拉也未透露其收集的数据类型的细节，目前人们尚不清楚该公司正在收集哪些种类的数据。

仿真测试与上路测试并重

对自动驾驶企业而言，上路测试与仿真测试相结合才是发展自动驾驶技术的最佳途径。

虽说仿真测试为无人车上路测试打下基础，但无人车上路之后，仿真测试也不会停止。即使是特斯拉，其测试也在全球各地的仿真装置、实验室、测试车道和公路上进行。

今年3月份发生的Uber无人车致死事件，让大家重新审视了自动驾驶汽车路测，自动驾驶企业一度停止了路测。一些企业把测试重心转移到仿真测试上来，比如：英伟达在Uber车祸致死事件后立即暂停了其DRIVE自动驾驶系统在加州、新泽西、德国及日本的公共道路上进行的无人车测试工作。

从上述可看出，对初创企业而言，完成仿真测试也是其通往上路测试的不可缺少的部分；对已经上路的企业而言，仿真测试作为重要的补充部分而存在。只要自动驾驶汽车技术还未成熟，我们就仍会在路上、在实验室中，看到不同类型的测试。