来源：车联新生态
随着科技的不断发展，自动驾驶技术正在成为汽车行业的一个热门话题。这项技术的目标是让车辆不再需要人类驾驶员的操控，从而提高交通安全性、减少交通拥堵并节省时间。但是，随着这项技术的不断发展，也出现了一些问题。
那么真正的自动驾驶何时才能上路，最为核心的一点就是，当技术达到何种水平时，才能够放心地使消费者进行使用，而要想无人驾驶车能够安心上路，还有哪些问题亟待解决呢？
▍竞争焦点聚集L4及以上
自动驾驶的功能效果可以分为6个等级，从L0到L5。目前主要是集中在从L3向L4等级迈进，竞争的焦点就是L4。所谓L3，指的是有条件自动驾驶。例如在外部环境比较稳定的高速公路，驾驶员可以完全放开方向盘。但L3需要人类驾驶员在必要时主动接管，所以依然需要人类驾驶员在驾驶室。而L4属于高度自动驾驶，可以认为是限定区域内的无人驾驶，在自动驾驶感知信息来源比较充分的区域，可以没有司机，汽车可以自动运行，甚至不再需要装方向盘。L5属于完全自动驾驶，在所有路段均可以完全无人驾驶。
L3是自动驾驶，但L3有个大难题：需要人类驾驶员在必要时候主动接管。那么，什么时候是必要时候？由于现实道路路况复杂，人类司机对于L3存在过度信赖和完全不信赖两种极端分化的心态。完全不信赖让L3技术毫无意义，而过度信赖L3又会导致大量交通事故的发生。L3当前所有交通事故，依然需要人类驾驶员自己承担。
而L4是在限定区域内实现无人驾驶技术，由此，自动驾驶未来数年的应用限定在几个领域：出租车、公交车、干线物流（高速无人卡车）、末端配送（无人配送车）、园区景区（低速游览车）、矿区（无人特种车）、港口（港口无人车辆）、环卫安防（清洁车）、机场（无人引导车）等。所有的应用本质上都在限定区域。
▍自动驾驶实现的三条路径
在各家竞争聚焦的L4技术上，目前来看形成了三种不同的技术路径：
其一，无人、封闭区域运行。园区景区低速游览车、工业物流园区、矿区、港口、机场等，这些场景实现L4较为简单，自动驾驶可以在轨道车和传送带的基础上优化实现，当前物流领域的无人仓储已经非常成熟。
其二，单车智能。视觉神经网络下的弱智能+包含激光雷达的强感知+高精地图。同样是单车智能，特斯拉属于异类，想要打造强智能的视觉神经网络，不肯用激光雷达和高精地图，实践证明特斯拉的自动驾驶水平停留在L3阶段。最乐观的看法，也需要10年才能碰到L4的门槛。
其三，车路协同辅助下的自动驾驶。单车智能整套系统很昂贵，但也仅仅是扫描周边环境，并不能了解100米外的情况，于是就有了车路协同系统，通过通信基站，在一些道路布置专网通信，车与人、车与车、车与路通信。车路协同下的自动驾驶将车辆内部昂贵的感知系统放到了道路两侧，让车辆可以更加充分接受环境信息，的确使得自动驾驶实现的难度降低，但这多少类似于“没有轨道的轨道交通”。
在未来，车路协同可能是城市智慧交通升级的一部分。
▍自动驾驶真正上路的“四个重点”
在自动驾驶技术如此飞速发展的今天，无论外界如何，但行业内部都对自动驾驶的未来保留着谨慎的乐观，想要迎来无人驾驶真正上路的那天，目前来看需要解决如下四个问题：
第一，技术的可靠性和安全性。
自动驾驶技术最重要的问题之一就是安全性。虽然自动驾驶车辆的技术在过去的几年里已经有了巨大的进展，但是对于许多人来说，他们仍然对这项技术的可靠性和安全性有所担忧。因此，车辆制造商需要证明自动驾驶技术的可靠性和安全性，以便消除公众的顾虑。美国加州有各家公司的自动驾驶路测，路测中有一个每10万公里安全员干预次数指标。至今，依然没有0次干预的自动驾驶技术，安全员干预的问题包括：高精地图问题、视觉感知障碍、软件稳定性问题、感知系统问题导致紧急刹车、运动轨迹需要优化、未正确识别红绿灯、车道错误、误识别等。
第二，法律和监管框架的制定。
随着自动驾驶车辆的出现，还需要相应的法律和监管框架。尽管目前已经有一些法律和规定针对自动驾驶车辆的使用进行了制定，但是还需要更多的规定来确保这项技术能够安全地在公共道路上行驶。需要制定的法律和监管框架包括对自动驾驶车辆的道路测试和上路的规定、车辆的保险要求、生产标准和技术要求、道路基础设施的更新等。同时，还需要对自动驾驶技术的隐私和数据安全进行保护，以确保车主和车辆的信息不被滥用。
第三，仿真路测和现实路测。
在技术上，各地应通过路测数据来发放运行许可，路测数据应该由官方确定。理论上说，自动驾驶需要上百亿公里的路测数据才能达到安全门槛。许多公司，现实路测里程不足，则仿真模拟里程来凑。仿真里程，说到底还是在一个虚拟环境中的驾驶数据。由于自动驾驶的核心是单车智能中的AI视觉神经网络，而深度学习神经网络是AI机器学习的一种，所以自动驾驶的发展依赖于行驶数据的积累，当前自动驾驶企业都以仿真路测来代替现实路测，体现出自动驾驶企业急躁的心态，但对于自动驾驶技术来说，这并不能增强可靠性。仿真虚拟环境，还是不能替代现实路测，因为现实远比仿真环境更不可测，问题更多。
第四，测试环境和开放环境并不相同。
量产的自动驾驶面临的环境更加复杂，用户并非专业人士，他们不知道何时要去接管自动驾驶车辆，也不会去维护系统，保持系统稳定性。工业上有个词，叫鲁棒性，指在异常和危险情况下系统生存的能力。测试往往在稳定环境中运行，而现实不存在稳定环境。在开放环境下，我们不能要求人人都规范地和AI交流，这也将导致一些未曾料到的问题。
▍总结
自动驾驶技术是汽车行业的一个重要趋势，但是在将自动驾驶车辆投入到公共道路上之前，还需要解决许多问题。目前的自动驾驶，正在趋于完善，在自动驾驶真正上路之前，我们首先需要有一套自动驾驶系统能力的评测体系，各地需要开展路测来验证各家自动驾驶技术的成熟度，这样才能让新的技术稳定安全地走进日常生活中来。
本文直接来源：北京市高级别自动驾驶示范区，转载此文目的在于传递更多信息，版权归原作者所有。如不支持转载，请联系小编demi@eetrend.com删除。
