導語
近年來，隨著汽車智能化的不斷升級，無人駕駛備受關注，成為公眾熱議話題。那么，無人駕駛車輛究竟能給人類帶來什么效益？是否會快速普及到私家車領域？又給監管部門帶來哪些問題呢？請看公安部道路交通安全研究中心特約專家、交通工程師郭敏的分析。
1，發展無人駕駛車輛的緣由
美國曾于2004、2005和2007年舉辦了三屆無人駕駛比賽，即DARPA大獎賽，不僅激發了業界與高校的極大熱情，被公認為無人駕駛的里程碑事件，還使無人駕駛車輛走進大眾的視野，成為公眾談論的話題。
圖1：美國DARPA大獎賽
在這些談論中，有些問題需要認真回答：為什么要發展無人駕駛車輛？無人駕駛車輛到底有什么好處？這是實實在在的社會問題，也是商業問題，需要有清晰的答案來幫助無人駕駛車輛可持續發展，避免產生不切實際的期望。最近幾年，這個問題得到了準確的回答，一些最初的誤區也得以理清。
無人駕駛車輛是為你我這樣的私家車主準備的嗎？
很多人認為，無人駕駛技術一旦成熟，會像現在的汽車一樣進入尋常家庭。其實，如果仔細測算下無人駕駛的成本，這樣的模式不會是其技術成熟后的主要商業模式。達到全自動的無人駕駛車輛，應該不會在你我的采購清單里，至少在看得見的未來是如此，業界對于這一點已形成共識。
無人駕駛車輛分為兩大塊，一塊是傳統車輛組成的包（vehicle package），另一塊是自動駕駛包（autonomous package）。傳統的車輛也許只要一二十萬元人民幣，但如果加上自動駕駛包，成本會飆升數倍，甚至達到上百萬元。除此以外，自動駕駛包里的精密儀器需要經常保養和調校，對連機油都不會加、輪胎都不會換的私家車主來講，無人駕駛汽車日常的保養和調校費用恐怕無力承擔，也不劃算。
因此，全自動的無人駕駛車輛應用對象并不是私家車主，而是通常說的商用營運車輛，譬如物流公司、出租車公司等。近幾年，在運輸領域飛速發展的“出行即服務”（MaaS）及共享汽車概念已經逐步落地。對商用營運車輛來講，無人駕駛可以節省人工成本，足以攤銷自動駕駛包帶來的成本，這也是共享汽車企業，如Uber、Lyft，投入巨資研發無人駕駛車輛的原因。
無人駕駛車輛能帶來什么效益？
對于無人駕駛車輛能帶來的好處，Dr. Emilio Frazzoli以美國市場為例，給出了一系列數據來證明無人駕駛車輛將在安全、減少擁堵、改善健康、提高生產力、共享汽車五個方面帶來巨大好處，其每年能產生的效益大致如下：
- 安全方面會有約8710億美元效益；
- 減少擁堵帶來約1000億美元的效益；
- 改善健康帶來約500億美元效益；
- 提高生產力產生約12000億美元效益；
- 汽車共享則能達到驚人的18000億美元效益。
這些數據足以回答為什么發展無人駕駛車輛的問題。人們雖有不同看法，但大多數仍然贊同其結論，只是對其安全考量有異議。在一些研究者看來，其在減少事故方面所帶來的效益及對社會的貢獻足以成為投資的理由，但提高生產力和共享汽車的效益不能完全確定。
圖2：Dr. Emilio Frazzoli給出了無人駕駛的好處衡量數據（來源：Self-Driving Cars and Artificial Intelligence, Dr. Emilio Frazzoli, 2016, http://peatix.com/event/188419/）
2，無人駕駛的分級
為推動無人駕駛車輛發展，美國道路交通安全管理局（NHTSA）曾在2013年給出了無人駕駛的分級方式，一共分為L0-L5六級。然而，國際汽車工程師聯合會（SAE）認為這樣的分級方式不夠專業，在2014年推出了仍是L0-L5六級的更為專業的分級表，并于2018年更新到了第三版——SAE J3016-2018，其在2016年也得到了NHTSA的接受。目前，無人駕駛汽車企業在介紹自己的產品時，一般都會引用SAE的分級表來為產品定位。
圖3：國際汽車工程師聯合會的無人駕駛分級表SAE J3016-2018（來源：https://www.sae.org/ ，注：由于技術仍在發展，業界未有共識，本文不區分無人駕駛的一些名詞，如無人駕駛、自動駕駛，也不區分Autonomous Cars、Driverless Cars、Self Driving Cars等名詞）
不過，有個區別很重要，就是不同分級代表的駕駛人責任不同。在圖3所示的分級表中，L0-L1是純粹的人工駕駛，意味著駕駛人對駕駛負全責；L2-L3是機器輔助人工駕駛，仍是駕駛人對駕駛負全主責，但有機器輔助，機器會承擔一部分責任，一般稱這個級別為輔助駕駛；L4-L5是自動駕駛，駕駛人不用負責駕駛，而由車輛自行駕駛。L4和L5的區別是區域之別，L4為有限范圍，譬如只在一些省市里，而L5則不限區域，全球通用。
目前市面上商用無人駕駛能達到的最高級別都沒有超過L3，至多幫助駕駛人做些諸如跟車行駛、自動泊車的工作，稍有復雜的環境，輔助駕駛就難以控制車輛，必須由駕駛人來接管，畢竟，一旦出了事故，機器不會承擔責任。對普通人而言，如果搞不清輔助駕駛和自動駕駛的區別，只要記住這些責任區別就可以。
之前有媒體報道，輔助駕駛和自動駕駛的區別在于外部環境的支撐，無法做到自動駕駛是因為沒有智能網聯或智能運輸系統支撐，如果有支撐，就能做到自動駕駛。這其實是一種誤區：無論用什么樣的外部支撐，輔助駕駛都無法達到自動駕駛級別，L3到L4是個門檻，能否跨越這個門檻取決于車輛本身。自動駕駛的含義在于獨立完成各種場景下的行駛，獨立是指沒有任何外部助力，這和駕駛人駕駛車輛一樣，取得駕駛證的駕駛人應該能自己一個人開車，需要教練員的駕駛人是不合格的駕駛人。
3，發展無人駕駛車輛有哪些路徑？
這幾年，全世界發展無人駕駛車輛的廠商很多，也形成了不同的發展路徑。目前的發展路徑大致可歸為兩類：
-
從L0到L1，再到L2，雖然有些車輛也會被納入無人駕駛車輛，但實質上是輔助駕駛車輛，利用輔助駕駛設備給司機提供建議，或在簡單環境下實現明確的操作；
-
直接切入L4全自動駕駛階段，在這個階段逐步成熟，該階段下的全自動駕駛車輛，是指只要輸入目的地就能自動將乘客送達目的地的車輛。
圖4：無人駕駛兩條不同的發展路徑，圖中黃箭頭為從全人工駕駛到輔助駕駛逐步爬升的發展路徑，藍箭頭是直接從自動駕駛發展，逐步穩定成熟的發展路徑，白圈是參考資料作者認為目前最為領先者現在所處的階段（來源：Deep Learning for Self-Driving Cars, 2018 version, Dr. Emilio Frazzoli, CTO, nuTonomy）
這兩條發展路徑和商業模式有關，也和初始投入有關。圖4中藍箭頭發展路徑所需投入大、時間長、成本高，且期間無收入；黃箭頭發展路徑是邊銷售邊研發的模式，成本壓力較前者小許多，是現在汽車廠商喜歡的模式，不過，它也可能面臨難以逾越L4，只能停留在L2-L3層面的障礙。
截止目前，這兩類不同的發展路徑都出現了足夠證明其可行性的實例。行駛里程數和同時投放車輛數是判斷可行性的指標，幾家領先企業都已過了公認的及格線。輔助駕駛車輛，以特斯拉為例，行駛里程數已超過10億公里，從深度學習技術的角度看，積累數據相當豐富，同時投放車輛數早已突破1萬輛的門檻，達到了50萬輛；自動駕駛車輛，以谷歌相關的Waymo為例，行駛里程數已過1千萬公里的門檻，也有計劃要投放超過2萬輛；同為L4自動駕駛級別的Uber，正在加速追趕谷歌的步伐，很快就將越過這些門檻，因此，目前看來，行業前景比較樂觀，可繼續向前測試或商用。
對普通人來講，可以通過上述兩個指標來了解無人駕駛車輛的實際能力；對監管部門來講，會比普通人多些觀察、了解的方式，譬如要求各企業及時上報遇到的情況或意外，以此來觀察產品能力。監管部門很難做到對無人駕駛車輛的事先監管，因為路上可能出現的場景過多，難以一一檢測，甚至連主要場景也很難覆蓋，所以只能把監管放在事中或事后。因此，無人駕駛車輛是否合格，并不能通過組織鑒定會或在試驗場進行試驗的方式得出結論。監管部門至多在邀請專家評測實地測試后，發一些要求有限的測試資格，至于車輛是否合格，只能在實踐中才能慢慢得到檢驗。如果接受測試的無人駕駛車輛在試驗場都會發生意外或無法跑完全程，其面臨的挑戰會很大。
以上這些過程，仍有許多技術和法律上的細節需要仔細琢磨。
來源：搜狐網
