为什么说自动驾驶只是文字游戏？

如今，自動駕駛已成為橫跨汽車、互聯網、ＡＩ以及整個科技等眾多領域的熱門話題。各大科技巨頭、初創企業均扎堆進入這個新興領域，甚至連

蘋果

及

ＢＡＴ

等都不惜跨界造車，正是為了搶占這一風口的先機。

就在前幾天，

特斯拉

突然從官網上撤下了“全自動駕駛”的選項，同時

馬斯克

在社交平臺上說明，全自駕車選項會讓客戶“產生太多混淆”，所以無法保證駕駛員處在前沿和中心位置。

馬上令人

聯想

到，特斯拉之前曾在中國官網上將“自動駕駛”改為“自動輔助駕駛”。

前一段時間，還有傳聞特斯拉將在最新的軟件中將

Ａｕｔｏｐｉｌｏｔ

升級至“完全自動駕駛”，但結果卻不斷跳票。

此外，據媒體報道，如今不少

美國

人都已經認為自動駕駛早已實現，并誤認為特斯拉的車型也已具備了該特性。

也許正因這一誤解，特斯拉才不得不出此下策。

然而，到底是“自動駕駛”，還是“

無人駕駛

”，還是“完全自動駕駛”等類似概念始終混亂不堪，令人摸不找頭腦。

難道自動駕駛只是

文字游戲

？

Ｍｏｔｏｒ　Ｔｒｅｎｄ

如何区分自动驾驶、無人駕駛？

首先，我们先要理清的是“自动驾驶”和“無人駕駛”的区别。

自動駕駛，從字面意思就能看出，強調的是汽車的自動行駛。

無人駕駛，则主要表达的则是“无人”。

因此，兩者的根本的區別在于“到底有沒人”，也就是需不需要駕駛者操控。

以特斯拉为例，自始至终都没有取消过方向盘等供驾驶者操控的装置，也就是与“無人駕駛”毫无关系。

同時，“自動輔助駕駛”又帶來了一個新的概念，也就是“駕駛輔助”。

目前，駕駛輔助技術已經在量產車上部署，即高級駕駛輔助系統（Ａｄｖａｎｃｅｄ　Ｄｒｉｖｅｒ　Ａｓｓｉｓｔａｎｔ　Ｓｙｓｔｅｍｓ，簡稱ＡＤＡＳ）。其作用就是輔助駕駛者，以獲得更高效、更安全的全新駕駛體驗。

ＡＤＡＳ系統往往在汽車上安裝各種各樣的傳感器，在汽車行駛過程中感知周圍的環境，并收集數據，識別和追蹤靜態和動態的物體。同時，它還能結合導航儀中的

地圖

數據，甚至連接互聯網，通過運算和分析，避免危險的同時，還能規劃更合理的路線，從而提升駕駛者的舒適性和安全性。

以往ＡＤＡＳ為被動提醒或報警為主，現在大多已升級為主動干預。特斯拉所謂的“自動輔助駕駛”也是類似的ＡＤＡＳ技術，并非完全的自動駕駛。

Ａｕｔｏｐｉｌｏｔ

，這個單詞來自于飛機，其源于

自動駕駛儀

在飛機自動控制系統中的成功應用。飛機在地面信號塔、

衛星

定位及緊密導航控制儀器的幫助下，實現自動飛行。

而如今，這一概念被“復制”到汽車上，只是用駕駛者替代了飛行員而已，但仍然是輔助駕駛，并不能脫離人的操控。

在自动驾驶汽车刚问世之初，无论是厂商和媒体都抓住“無人駕駛”这一卖点大肆宣传，吸引眼球，让人误以为汽车已经能够脱离人的控制而自己上路了。

而意识到这只是文字游戲时，又见风使舵的将其改成“自动驾驶”，当然也包括之后的“自动辅助驾驶”等。

值得注意的是，目前自动驾驶也正是朝着驾驶辅助、自动驾驶及無人駕駛的这一路径而发展。

所以，現在僅僅是邁出了第一步而已。

從分級更好地看清自動駕駛

其次，自動駕駛是有分級的，即Ｌ１～Ｌ５。

Ｌ０代表的是傳統駕駛，也就是普通汽車，控制權由人掌控。

Ｌ１和Ｌ２都屬于駕駛輔助，區別在于Ｌ２可實現半自動駕駛。正如上文提到的ＡＤＡＳ系統，Ｌ２具備自動錯誤感知和判斷的功能，以提醒駕駛者隨時糾正錯誤。

Ｌ３－Ｌ５屬于自動駕駛范疇，依次為高度自動駕駛、超高度自動駕駛以及全自動駕駛。

Ｌ３所搭載的自動系統在特定環境下可以完成某些駕駛任務，但仍需要監控駕駛的環境，更離不開駕駛者操控。

Ｌ４相對于Ｌ３來說，還是離不開特定的環境，但一定程度上可以不依賴人的操控，實現類似全自動代客泊車等操作。

L5就是全自动驾驶，其实就是無人駕駛。

不过，更彻底的無人駕駛则不安装方向盘等控制装置，甚至只有一个按钮即可，就像谷歌的無人駕駛车就是典型的例子。

而特斯拉的“自動輔助駕駛”處于Ｌ２階段，也就是半自動駕駛，一直跳票的“完全自動駕駛”則應該是Ｌ３，即高度自動駕駛。

谷歌　Ｗａｙｍｏ則直接到了Ｌ４，

百度

也推出了Ｌ４的自動駕駛巴士，但均處于測試階段，需要在特定的環境內行駛，還沒有達到上路的水準。

提到這里，早已量產的特斯拉可以說已經走在了行業的最前列，通過收集用戶數據，可以抵得上谷歌數百萬公里的里程。

然而，自動駕駛背后的技術并沒有那么簡單。

完全自動駕駛需要怎樣的技術支撐？

為了實現最高級別的完全自動駕駛，其要求非常苛刻。從目前技術的發展趨勢來看，汽車必須在感知、決策及控制三大方面具備足夠的“智能”，才能讓汽車真正脫離人的操控。

１．

感知

感知，即汽車如何感知周圍環境和汽車自身狀況，以避免危險。

自動駕駛的第一步就是環境信息和車內信息的采集與處理，一般都是采用特殊的傳感器，例如

攝像頭

、雷達、激光雷達以實現感知，實現判斷道路邊界檢測、車輛檢測、行人檢測以及車距的判斷等，提升行駛的安全和舒適度。

目前，自動駕駛汽車、

智能汽車

都依靠大量傳感器設備，成為其中最大的成本之一。

２．

決策

決策，就是感知并判断后，根据依据做出适合的決策判断，同时制定相应的策略。

其實，就是打造汽車的一個智能

大腦

，通過運算后下達指令，例如車道保持、車道偏離預警、車距保持，障礙物警告等。同時，還要預測自身與其他車輛、道路、行人以及障礙物下一步的動向，以做出應對。此外，還包括行駛路徑的規劃和安排等等。

這里包含大量前沿的技術，例如人工智能、深度學習、神經網絡和貝葉斯網絡技術等。

３．

控制

在完成了信息采集和決策后，就需要控制汽车的核心部件以维持正常的行驶。

這里的控制汽車的行駛，例如加速、轉彎、剎車、調檔等等。汽車的行駛是一種復雜的系統和過程，同時人的操控也多種多樣，需要實現橫、縱向，甚至橫、縱、垂向的協同控制，才能模仿人的操控，也有很高的難度。

自動駕駛離我們已經不遠了？

答案自然是否定的。

目前，自動駕駛仍然處于測試階段，即便是積累了數百萬公里里程的谷歌，一時間半會兒也難以真正落地。

尽管特斯拉早就已经商用，但在频繁遇到事故后，特斯拉不得不玩起了文字游戲，最终就像上文提到的那样，不得已将相关“全自动驾驶”字样撤下了。

然而，特斯拉的測試仍然在繼續，依靠的就是每一位特斯拉車主，通過駕駛所積累的數據，從而為

特斯拉

未來的自動駕駛系統的深度學習做積累。

但除了數據積累和深度學習之外，汽車還需要智能化、車聯網、智慧交通以及ＡＩ的助力，才能推動自動駕駛的發展。

１．

智能化

智能化，其实就是包括了智能汽車和人工智能汽車两个阶段。

上文提到的自动驾驶需要具备感知和決策这两大技术，而其依托的就是智能化，同时更需要人工智能所带来的深度学习和神经网络等前沿技术的支撑。

因此，智能化或智能汽車就是自动驾驶的前提或者是基础，不可或缺。智能化程度越高，自动驾驶的等级也越高，也能带来更高级别的自动化，在加入深度学习能力之后，更能升级为人工

智能汽車

，解放駕駛者的雙手。

２．

車聯網

車聯網，就是针对汽车的移动互联网，也包括互联网。

首先，車輛網要解決的是互聯的問題，使得汽車能實現永久的互聯，接入互聯網，以獲取第一手最新的數據和信息。例如路況、交通信息、天氣情況，并保持與城市交通智慧網絡的連接。

其次，車聯網还通过各种传感器获取车辆位置、速度和路线等信息构成的巨大交互网络，以物联网的方式，保证汽车行驶的安全的同时，也能够提供更舒适和便捷的体验。

３．

智慧交通

智慧交通，就是指在智能交通的基礎上，融入物聯網、

云計算

、

大數據

、移動互聯等高新ＩＴ技術，通過高新技術匯集交通信息，提供實時交通數據下的交通信息服務。

同時，借助數據模型、數據挖掘等數據處理技術，實現了智慧交通的系統性、實時性、信息交流的交互性以及服務的廣泛性。

由于自動駕駛必須在特定的環境中，才能有的放矢。智慧交通正是為此而打造，為城市營造出一個適合自動駕駛的特定場景，最終大幅提升城市的智能化水平，為自動駕駛保駕護航。

４．ＡＩ

大腦

未來，一切都將離不開ＡＩ。

AI既是维系自动驾驶汽车感知、決策和控制等关键技术的首要因素，也是构建汽车智能化、车辆网、智慧交通的必要基础设施，甚至为城市的精细化和智能化管理提供重要的推动作用。

可以說，ＡＩ將是自動駕駛的核心技術，何時ＡＩ將完全融入汽車這一場景的時候，才是自動駕駛時代來臨的時刻。

但从目前自动驾驶的发展来看，不仅自动驾驶难以在短期内实现，汽车的智能化、車聯網以及智慧交通都处于初级阶段，未来还有很长的一段路要走。

綜上所訴，真正的自動駕駛仍然離我們很遙遠。

如果，有人說，“

無人駕駛

時代就要來了”、“別了，司機！”什么的。

他不是小白，就是在玩

文字游戲

。