高级自动驾驶商业化落地前的3座大山
高等级自动驾驶规模商业化落地仍然面临着诸多挑战，主要体现在以下三个方面：与传统汽车相比，自动驾驶汽车是一个更为复杂的系统，对安全将提出更高的要求。单车智能自动驾驶经过多年的发展，安全问题依然是影响自动驾驶规模商业化落地的关键原因。 在低等级自动驾驶（L0-L2）方面，很多车企都已经商用量产，但很多ADAS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；另外针对雨天打伞、雨衣、隧道等场景也较容易出现系统失效的现象。 在高等级自动驾驶（L3-L5）方面，自动驾驶的可靠性和应对挑战性 交通场景的能力仍然有待提升。 2016年兰德智库报告指出，一套自动驾驶系统需要测试110亿英里，才能达到量产条件。但即使是L4级自动驾驶头部企业Waymo在2020年的路测里程达到了981万公里，距离110亿英里还有很大的差距，另外自2019年至2020年9月，Waymo自动驾驶汽车共发生18起事故、29次人为干涉以避免碰撞的场景。
1.2、感知容易受到遮挡、恶劣天气等环境挑战影响出现失效；1.3、目标运动行为出现预测能力不足、决策时间超时和生成轨迹错误的现象;1.4、目前的道路设施是以服务人类驾驶员进行设计和建设，车辆难以高效准确获取道路设施提供的交通规则、交通状态等信息。
自动驾驶运行设计域（Operational Design Domain，ODD）是指自动驾驶系统功能设定的运行条件，包括环境、地理和时段限制、交通流量及道路特征等。ODD 限制是保证车辆安全的重要手段，但却不利于自动驾驶的规模商业化落地。
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
限制自动驾驶 ODD 的原因或条件有很多，例如 :1、道路条件，比如高速公路、无信号灯十字路口、山区道路等 ;2、环境条件，天气（雨雪雾）和日照状况（昼或夜、逆光、隧道出入口）等 ；3、其他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。
感知的长尾问题是当前限制单车智能自动驾驶车辆 ODD 的主要原因之一。受车端传感器安装位置、探测距离、视场角、数据吞吐、标定精度、时间同步等限制，车辆在繁忙路口、恶劣天气、小物体感知识别、信号灯识别、逆光等环境条件中行驶时，仍然难以彻底解决准确感知识别和高精度定位问题。这些长尾问题，严重制约和影响了自动驾驶的规模商业化落地，而这些感知长尾问题仅靠车端传感器融合感知是难以解决的。
经济性是自动驾驶规模商业化落地必须考虑的现实问题。为了实现高等级自动驾驶，车载传感器的数量需要显著增加，目前 L4 级自动驾驶车辆的硬件设备一般包含：6 ～ 12 台摄像头、3 ～ 12 台毫米波雷达、5 台以内的激光雷达以及 1 ～ 2台 GNSS/IMU 和 1 ～ 2 台计算平台，硬件成本过高，难以保证车辆的经济性。另外，为了确保自动驾驶安全，会在车端部署冗余传感器系统、高精度地图、及相应的软件系统，也大大增加了自动驾驶车辆的成本。
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平衡关系。例如，可以通过限制 ODD 并针对性调优逼近系统上限、使用较昂贵的设备来提升单车智能自动驾驶的安全性，从而实现小规模商业应用落地。但在规模商业化落地中，三个方面都是必要条件，需要提升。
综上所述，单车智能自动驾驶要实现规模商业化落地，还面临着安全性、ODD 限制和经济性等方面的挑战和问题，在当前自动驾驶能力条件下，还无法找到安全性、ODD 限制和经济性的平衡点，需要从本质上提升自动驾驶的能力。
版权申明：本文内容多引用自清华大学智能产业研究院与百度Apollo合编的《面向自动驾驶的车路协同关键技术与展望》，图片多源自网络，本意只是做点知识普及，若有侵权，请后台联系处理。 著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2023-06-21
最近编辑：1年前
