,自动驾驶关键技术,自动驾驶发展现状

中国信息通信研究院与腾讯研究院AI联合课题组

伦一 中国信息通信研究院互联网法律研究中心研究员

自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向,已成为各国争抢的战略制高点。本文重点介绍自动驾驶涉及的技术、标准,以及国内外在测试、部署方面的进展和趋势。

一、自动驾驶技术及分类

(一)自动驾驶技术分级

自动驾驶技术分为多个等级,目前国内外产业界采用较多的为美国汽车工程师协会(SAE)和美国高速公路安全管理局(NHTSA)推出的分类标准。按照SAE的标准,自动驾驶汽车视智能化、自动化程度水平分为6个等级:无自动化(L0)、驾驶支援(L1)、部分自动化(L2)、有条件自动化(L3)、高度自动化(L4)和完全自动化(L5)。两种不同分类标准的主要区别在于完全自动驾驶场景下,SAE更加细分了自动驾驶系统作用范围。详细标准见下图:

,自动驾驶关键技术,自动驾驶发展现状

(二)自动驾驶技术路线

在自动驾驶技术方面,有两条不同的发展路线:

第一种是“渐进演化”的路线,也就是在今天的汽车上逐渐新增一些自动驾驶功能,例如特斯拉、宝马、奥迪、福特等车企均采用此种方式,这种方式主要利用传感器,通过车车通信(V2V)、车云通信实现路况的分析。

第二种是完全“革命性”的路线,即从一开始就是彻彻底底的自动驾驶汽车,例如谷歌和福特公司正在一些结构化的环境里测试的自动驾驶汽车,这种路线主要依靠车载激光雷达、电脑和控制系统实现自动驾驶。

从应用场景来看,第一种方式更加适合在结构化道路上测试,第二种方式除结构化道路外,还可用于军事或特殊领域。

(三)自动驾驶涉及的软硬件

1、传感器

传感器相当于自动驾驶汽车的眼睛。通过传感器,自动驾驶汽车能够识别道路、其他车辆、行人障碍物和基础交通设施。按照自动驾驶不同技术路线,传感器可分为激光雷达、传统雷达和摄像头三种。

(1)激光雷达

目前是被采用比例最大的设备,Google、百度、Uber等公司的自动驾驶技术目前都依赖于它,这种设备被架在汽车的车顶上,能够用激光脉冲对周围环境进行距离检测,并结合软件绘制3D图,从而为自动驾驶汽车提供足够多的环境信息。激光雷达具有准确快速的识别能力,唯一缺点在于造价高昂(平均价格在8万美元一台)导致量产汽车中难以使用该技术。

,自动驾驶关键技术,自动驾驶发展现状

(2)传统雷达和摄像头

由于激光雷达的高昂价格,走实用性技术路线的车企纷纷转向传统雷达和摄像头作为传感器替代方案,例如著名电动汽车生产企业特斯拉,采用的方案就是雷达和单目摄像头,国际知名厂商为Mobileye等。其硬件原理与目前车载的ACC自适应巡航系统类似,依靠覆盖汽车周围360°视角的摄像头及前置雷达来识别三维空间信息,从而确保交通工具之间不会互相碰撞。

虽然这种传感器方案成本较低、易于量产,但对于摄像头的识别能力具有很高要求:单目摄像头需要建立并不断维护庞大的样本特征数据库,如果缺乏待识别目标的特征数据,就会导致系统无法识别以及测距,很容易导致事故的发生。而双目摄像头可直接对前方景物进行测距,但难点在于计算量大,需要提高计算单元性能。

,自动驾驶关键技术,自动驾驶发展现状

2、高精度地图

自动驾驶技术对于车道、车距、路障等信息的依赖程度更高,需要更加精确的位置信息,是自动驾驶车辆对环境理解的基础,随着自动驾驶技术不断进化升级,为了实现决策的安全性,需要达到厘米级的精确程度。如果说传感器向自动驾驶车辆提供了直观的环境印象,那么高精度地图则可以通过车辆准确定位,将车辆准确地还原在动态变化的立体交通环境中。

,自动驾驶关键技术,自动驾驶发展现状

3、V2X

V2X,指的是车辆与周围的移动交通控制系统实现交互的技术,X可以是车辆,可以是红绿灯等交通设施,也可以是云端数据库,最终目的都是为了帮助自动驾驶车辆掌握实时驾驶信息和路况信息,结合车辆工程算法做出决策,是自动驾驶车辆迈向无人驾驶阶段的关键。

,自动驾驶关键技术,自动驾驶发展现状

4、AI算法

算法是支撑自动驾驶技术最关键的部分,目前主流自动驾驶公司都采用了机器学习与人工智能算法来实现。海量的数据是机器学习以及人工智能算法的基础,通过此前提到的传感器、V2X设施和高精度地图信息所获得的数据,以及收集到的驾驶行为、驾驶经验、驾驶规则、案例和周边环境的数据信息,不断优化的算法能够识别并最终规划路线、操纵驾驶。

,自动驾驶关键技术,自动驾驶发展现状

二、国内外发展情况及趋势

从自动驾驶国内外整个发展情况来看,美德引领自动驾驶产业发展大潮,日本、韩国迅速觉醒,我国呈追赶态势。具体而言,体现出以下几个趋势:

(一)以尽快商用为目标,加快推进路面测试和法规出台

在路面测试方面,美、德、日、韩、我国均积极推进路测,作为自动驾驶汽车应用的基础。从国际看,各国纷纷将2020年作为重要时间节点,希望届时实现自动驾驶汽车全面部署。

美国在州层面积极进行自动驾驶立法,截至2016年底,16个州通过相关法案或行政令,明确测试条件和要求,允许企业在州层面展开路面测试。

德国政府2015年已允许在连接慕尼黑和柏林的A9高速公路上开展自动驾驶汽车测试项目,交通运输部门今年3月还向柏林的Diginet-PS自动驾驶试点项目发放补贴,用于开发处理系统并提供自动驾驶的实时交通信息。

日本Nissan公司已经在东京、硅谷和伦敦测试了旗下的自动驾驶汽车LEAF,希望尽快积累安全测试记录。

韩国目前已颁发13张自动驾驶测试许可,计划于2020年前商业化3级自动驾驶汽车。

从我国看,工信部2016年在上海开展上海智能网联汽车试点示范;在浙江、北京-河北、重庆、吉林、湖北等地开展“基于宽带移动互联网的智能汽车、智慧交通应用示范”,推进自动驾驶测试工作。

北京已出台智能汽车与智慧交通应用示范五年行动计划,将在2020年底完成北京开发区范围内所有主干道路智慧路网改造,分阶段部署1000辆全自动驾驶汽车的应用示范。江苏于2016年11月与工信部、公安部签订三方合作协议,共建国家智能交通综合测试基地。

,自动驾驶关键技术,自动驾驶发展现状

美国部署自动驾驶法案的州

(二)以网联汽车为方向,推动系统研发和通信标准统一

从目前产业趋势来看,多数企业采取了网联汽车(Connected Cars)的发展路径,加快芯片处理能力、自动驾驶认知系统研发,推动统一车辆通信标准的出台。

研发方面,德国博世集团和NVIDIA正在合作开发一个人工智能自动驾驶系统,NVIDIA提供深度学习软件和硬件,Bosch AI将基于NVIDIA Drive PX技术以及该公司即将推出的超级芯片Xavier,届时可提供第4级自动驾驶技术。 IBM宣布其科学家获得了一项机器学习系统的专利,可以在潜在的紧急情况下动态地改变人类驾驶员和车辆控制处理器之间的自主车辆控制权,从而预防事故的发生。

车辆通信标准方面,LTE-V、5G等通信技术成为自动驾驶车辆通信标准的关键,将为自动驾驶提供高速率、低时延的网络支撑。

一方面,国内外协同推进LTE-V2X成为3GPP 4.5G重要发展方向。大唐、华为、中国移动、中国信通院等合力推动,在V2V、V2I的标准化工作方面取得了积极进展。

另一方面,LTE-V2X技术也随着自动驾驶需求的发展正逐步向5GV2X演进。5G、V2X专用通信可将感知范围扩展到车载传感器工作边界以外的范围,实现安全高带宽业务应用和自动驾驶,完成汽车从代步工具向信息平台、娱乐平台的转化,有助于进一步丰富业务情景。

当前,5G汽车协会(5GAA)和欧洲汽车与电信联盟(EATA)签署了谅解备忘录,将共同推进C-V2X产业,使用基于蜂窝的通信技术的标准化、频谱和预部署项目。中国移动与北汽、通用、奥迪等合作推动5G联合创新,华为则与宝马、奥迪等合作推动基于5G的服务开发。

此外,工信部组织起草的智能网联汽车标准体系方案即将对外发布,车联网标准体系也在逐步完善,对于智能网联汽车发展至关重要。

(三)以创新业态为引领,互联网企业成为重要驱动力量

互联网企业天生具有业务创新和发展的基因,目前也纷纷涉足自动驾驶行业,成为了行业重要的驱动力量。

美国方面,谷歌公司2009年已开始无人驾驶企业研发,2015 年 12 月至 2016 年12月在加州道路上共行驶记录 635,868 英里,不仅是加州测试里程最多的企业,也是系统停用率最低的企业。美国第一大网约车服务商Uber已在匹兹堡、坦佩、旧金山和加州获准进行无人驾驶路测,第二大网约车服务商Lyft去年9月公布自动驾驶汽车三阶段发展计划 ,目前也已在匹兹堡开展测试。苹果公司也于今年4月刚刚获得加州测试许可证。韩国方面,刚刚批准韩国互联网公司Naver在公路上测试自动驾驶汽车,成为第13家获得许可的自动驾驶汽车研发企业,计划于2020年前商业化3级自动驾驶汽车。

从我国来看,百度公司也于去年9月获得了在美国加州的测试许可,11月在浙江乌镇开展普通开放道路的无人车试运营。其总裁兼首席运营官陆奇更是于今年4月19日发布了“Apollo”计划,计划将公司掌握的自动驾驶技术向业界开放,将开放环境感知、路径规划、车辆控制、车载操作系统等功能的代码或能力,并且提供完整的开发测试工具,目的是进一步降低无人车的研发门槛,促进技术的快速普及。

腾讯于2016年下半年成立自动驾驶实验室,依托360度环视、高精度地图、点云信息处理以及融合定位等方面技术积累,聚焦自动驾驶核心技术研发。阿里、乐视等也纷纷与上汽等车企合作开发互联网汽车。

(四)以企业并购为突破,初创企业和领军企业成为标的

自动驾驶发展较快的企业所并购的主要对象为掌握自动驾驶关键技术的领军企业或初创企业。

2016年7月,通用公司以超过10亿美元价格收购了硅谷创业公司Cruise Automation,后者研发的RP-1高速公路自动驾驶系统具备高度自动化驾驶应用潜力。

2017年3月,英特尔以153亿美元收购以色列科技企业Mobileye,后者致力于研发与自动驾驶有关的软硬件系统,是特斯拉、宝马等公司驾驶辅助系统的主要摄像头供应商,掌握一系列图像识别方面的专利。

优步公司2015年收购了提供位置API的创业公司deCarta,还从微软Bing部门获取了精通图像和数据收集的员工。

2017年4月,百度宣布全资收购一家专注于机器视觉软硬件解决方案的美国科技公司xPerception,该公司对面向机器人、AR/VR、智能导盲等行业客户提供以立体惯性相机为核心的机器视觉软硬件产品,可实现智能硬件在陌生环境中对自身的定位、对空间三维结构的计算和路径规划。据业界分析,百度此举可能为了加强视觉感知领域的软硬件能力。

总的来看,收购领军企业或具有潜力的初创企业,可迅速加快自身自动驾驶技术的积累,形成竞争优势。