（華東師范大學附屬中學，上海 200052）

1.導論

智能駕駛技術(shù)的出現(xiàn)有其必然性：隨著經(jīng)濟發(fā)展，我國的車輛數(shù)量不斷增長，這不僅增加了交通事故的風險，也在客觀上惡化了城市的道路交通狀況，而采用人工智能技術(shù)實現(xiàn)車輛智能化、交通智能化甚至城市智能化是必然的發(fā)展趨勢。所謂智能駕駛，指的是給車輛裝備上傳感器、通信設備、先進處理器等設備，融合人工智能、計算機視覺、現(xiàn)代通信等技術(shù)，實現(xiàn)車輛之間、車輛與交通系統(tǒng)之間、車輛與人之間、車輛與互聯(lián)網(wǎng)之間的信息共享，具備一定的自我感知、自我決策能力，從而實現(xiàn)更加安全、高效、舒適、節(jié)能的交通技術(shù)。

2.智能駕駛技術(shù)體系

一般認為，智能駕駛有兩條技術(shù)路線：一是自主式，二是互聯(lián)式。前者即我們所說的無人駕駛[1]，該路線將信息的收集、處理與輸出全部集中于單輛汽車上，在不需要與外界進行通信的前提下可以實現(xiàn)環(huán)境感知、路徑規(guī)劃和車輛控制。后者的導航、任務規(guī)劃等則由車聯(lián)網(wǎng)完成[2]。

2.1 自主式

自主式智能駕駛即為我們通常所說的無人駕駛，自主式以車載傳感器、控制器、執(zhí)行器、雷達等硬件裝置為基礎，把深度學習、機器學習等人工智能技術(shù)作為核心，使汽車具備復雜環(huán)境感知、智能決策、自主控制等功能。

與大多數(shù)智能機器人系統(tǒng)一致，自主式無人駕駛系統(tǒng)在工作流程上可以分為感知、決策與控制三個模塊。感知模塊由大量的車載傳感器組成，負責在汽車運行過程中對周圍的環(huán)境信息進行采樣、收集并上傳至決策模塊。在行駛過程中，感知模塊有兩個基本任務：定位與感知，定位是指獲取自身相對周圍環(huán)境的位置信息；感知是指判斷周圍的“大腦”。自2012年以來，以神經(jīng)網(wǎng)絡為首的機器學習技術(shù)飛速發(fā)展，決策模塊也不再單純依賴傳統(tǒng)的“自動細胞機”等模型，而是將卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡等技術(shù)應用于無人駕駛的決策模塊。研究表明，機器學習技術(shù)在場景遍歷、端對端推理等方面與傳統(tǒng)技術(shù)相比有著明顯的優(yōu)勢。

控制模塊顧名思義，在決策模塊發(fā)出指令后，控制模塊需要按照指令進行動作的執(zhí)行，該模塊一般認為屬于現(xiàn)代控制原理和機電一體化的業(yè)務范疇，已經(jīng)有了相對成熟的發(fā)展，相應的PID控制原理也有了相當深厚的理論基礎。

2.2 互聯(lián)式

互聯(lián)式無人駕駛汽車即為我們通常所說的車聯(lián)網(wǎng)技術(shù)，車聯(lián)網(wǎng)是汽車技術(shù)與互聯(lián)網(wǎng)技術(shù)的高度融合，通俗而言是指車與其他車輛、行人、道路設施等互聯(lián)，使汽車擁有更大范圍的感知能力，從而發(fā)現(xiàn)行車時可能遇到的風險，并優(yōu)化路徑規(guī)劃。

在技術(shù)上車聯(lián)網(wǎng)技術(shù)可以分為3個部分：負責收集信息的端系統(tǒng)、負責信息融合與信息傳輸?shù)墓芟到y(tǒng)、負責信息的應用與開發(fā)的云系統(tǒng)。端系統(tǒng)的本質(zhì)即感知模塊，包含有車輛本身的信息收集與交通設施的信息收集兩部分，負責感知行車與環(huán)境的狀態(tài)。

管系統(tǒng)實現(xiàn)了車輛之間、車輛與行人、車輛與道路設施的互聯(lián)互通。在4G時代，由于帶寬限制、延遲過高等因素，車聯(lián)網(wǎng)的通信充滿著不確定性，這種不可靠性長期閑置著車聯(lián)網(wǎng)的發(fā)展。而在即將到來的5G時代，通信帶寬、通信延遲、基站設備接入數(shù)量都會得到極大的升級，這都為車聯(lián)網(wǎng)的發(fā)展提供了堅實的技術(shù)基礎。

3.智能駕駛關(guān)鍵技術(shù)分析

3.1 車用高性能人工智能芯片

如前文所言，不管是自主式無人駕駛還是互聯(lián)式無人駕駛，都需要復雜的人工智能算法來進行科學合理的決策，這些算法大都需要龐大的數(shù)據(jù)庫來進行模型的訓練，而在實際運行過程中，為了更加全面地獲取周圍信息，感知模塊/端系統(tǒng)的數(shù)據(jù)流越來越龐大。這都對智能駕駛系統(tǒng)的計算力提出了新的要求[3]。

當前，用于人工智能領(lǐng)域的人工智能芯片有3大類：通用型的GPU、定制化的ASIC和半定制化的FPGA。GPU芯片因其通用性和成熟性，是現(xiàn)階段加速人工智能模型訓練速度的主流產(chǎn)品。在模型訓練完成后，需要更加異構(gòu)和定制化的芯片來對特性的算法模型進行加速，ASIC就是為了加速特定模型而生產(chǎn)的定制化芯片。與GPU相比，其投入更大，應用范圍更窄，加速效果更好，往往只有“財大氣粗”的大型公司才有能力進行研制和生產(chǎn)。FPGA犧牲了集成度來換取調(diào)整芯片基本單元的組合方式的靈活度，在算法開發(fā)階段能夠有效地幫助開發(fā)人員驗證各種設想。

3.2 車用通信技術(shù)

車聯(lián)網(wǎng)技術(shù)的基本前提是穩(wěn)定、高速、低延遲的通信網(wǎng)絡[4]。一般認為在車聯(lián)網(wǎng)的應用場景中，主要有車內(nèi)通信、車外通信、車路通信及車間通信等4種應用場景。在這些場景中應用的主要技術(shù)是DSRC和VPS技術(shù)。DSRC (Dedicated Short Range Communication)是一種高效的無線通信技術(shù)，可以實現(xiàn)在特定小區(qū)域內(nèi)對高速運動下的移動目標的識別和雙向通信；而 VPS(Vehicle Positioning System) 則是一種GPS+GSM技術(shù)，可以實現(xiàn)車輛定位、行車路線查詢回放、遠程斷油斷電功能，在汽車導航、求助及語音通信方面有著較廣泛的應用。

車用通信技術(shù)的重要性不言而喻，隨著云計算技術(shù)的不斷發(fā)展，人們對數(shù)據(jù)傳輸?shù)乃俣?、延遲等都有著進一步的要求，這也在客觀上不斷推動著通信技術(shù)的發(fā)展。

3.3 信息安全技術(shù)

互聯(lián)網(wǎng)時代，信息技術(shù)高速發(fā)展，針對數(shù)據(jù)安全的信息犯罪也層出不窮。竊取銀行密碼、敲詐勒索敏感信息甚至是侵入關(guān)鍵設備造成有效殺傷等都是可能出現(xiàn)的情況。而由于駕駛的發(fā)展使車與其他車輛、交通系統(tǒng)、互聯(lián)網(wǎng)之間的聯(lián)系逐步密切，產(chǎn)生的數(shù)據(jù)體量巨大且敏感程度較高，一旦發(fā)生數(shù)據(jù)竊取、數(shù)據(jù)泄露，就可能會造成非常嚴重的后果。

3.4 車聯(lián)網(wǎng)標準

我國作為汽車消費的第一大國，在將來也勢必會成為車聯(lián)網(wǎng)產(chǎn)業(yè)第一大國[5]，并伴生規(guī)模巨大的產(chǎn)業(yè)鏈（例如汽車生產(chǎn)商、通道運營商、平臺提供商、內(nèi)容提供商、汽車4S店、行業(yè)用戶與渠道商等）。在生產(chǎn)規(guī)模巨大的前提下，必須建立一套易用統(tǒng)一的標準體系才能實現(xiàn)不同車聯(lián)網(wǎng)系統(tǒng)的融合，促進車聯(lián)網(wǎng)相關(guān)產(chǎn)業(yè)的快速發(fā)展。

3.5 傳感器技術(shù)

傳感器技術(shù)是智能駕駛車輛環(huán)境感知的核心技術(shù)，是實現(xiàn)智能駕駛核心技術(shù)突破的重要環(huán)節(jié)。如前文所言，傳感器技術(shù)主要分布在無人駕駛汽車/車聯(lián)網(wǎng)的感知側(cè)，總體上看分為兩個任務：感知與定位。這兩個任務都需要性能相對先進的傳感器來進行信息的收集。例如定位模塊往往封裝了慣性導航技術(shù)和GPS導航技術(shù)，而感知模塊則需要高性能的激光雷達和攝像頭來進行障礙物的識別。除此之外，各種物聯(lián)網(wǎng)設備都可能在未來成為車聯(lián)網(wǎng)的一部分，例如交通信號燈、沿路商家的監(jiān)控甚至是道路兩側(cè)欄桿，在這種背景下降低傳感器成本可以節(jié)約大量的資金，有助于車聯(lián)網(wǎng)的全面建成。

4.智能駕駛的發(fā)展建議

4.1 降低傳感器成本

無論是哪一種發(fā)展思路，智能駕駛都是依托于龐大的數(shù)據(jù)之上的數(shù)據(jù)驅(qū)動型技術(shù)，因此對數(shù)據(jù)的來源有著天然的高要求—優(yōu)秀的數(shù)據(jù)庫與糟糕的數(shù)據(jù)庫用相同的算法進行處理，得到的結(jié)果有著云泥之別。

優(yōu)質(zhì)的數(shù)據(jù)的本質(zhì)是優(yōu)質(zhì)的傳感器，當前無人駕駛汽車的發(fā)展所面臨的最大的問題就是成本與性能之間的矛盾—如果說核心算力還可以依靠5G技術(shù)將數(shù)據(jù)上傳至服務器進行計算來降低成本，那么傳感器的成本就是無法規(guī)避的問題。例如當前許多無人駕駛汽車所使用的激光雷達技術(shù)。激光雷達技術(shù)與超聲波測速的原理類似，都是通過信號發(fā)射－反射－接收－計算時間－計算距離的方式來測量車輛周圍的障礙物信息。但每個時刻激光雷達都只能在一個方向上進行檢測，因此有工程師試圖采用多個雷達同時檢測的方式來提高計算速度和準確度。但是多個激光雷達的成本過于高昂，對于智能駕駛汽車的普及反而有著阻礙作用。因此智能駕駛汽車要想全面鋪開，就必須通過各種方式來降低傳感器的成本，其最終目的則是降低智能駕駛汽車的造價，讓所有消費者都有能力享受智能駕駛帶來的便利。

4.2 自主式、網(wǎng)聯(lián)式并行發(fā)展

自主式、網(wǎng)聯(lián)式兩種發(fā)展思路本身并不矛盾。由于相關(guān)技術(shù)與設施尚未普及，自主式技術(shù)路線是當前智能駕駛發(fā)展的主流路線。然而，隨著智能駕駛向更高級別發(fā)展，自主式技術(shù)路線對車載計算芯片、傳感器的要求迅速提升。但是現(xiàn)有的技術(shù)和交通系統(tǒng)顯然無法做到這一點，那么就必須依靠車聯(lián)網(wǎng)技術(shù)，通過車輛與其他車輛、行人、道路設施等互聯(lián)，可以依靠外界提供局部交通道路信息感知、高精度定位等。這樣大幅度降低了車輛的成本，也降低了對車輛硬件的要求，并且提高了精度和可靠性。因此，為了真正實現(xiàn)智能駕駛，必須讓自主式和網(wǎng)聯(lián)式并行發(fā)展。

4.3 不急于追求L5，冷靜看待熱潮

目前，市面上廠商智能駕駛汽車大多處于L3階段，只有少數(shù)最頂尖的公司能接觸到L4。雖然L5的完全自動駕駛很令人向往，但是從L3到L5之間的鴻溝不是短時間內(nèi)能夠跨越的。完全自動駕駛汽車與L3、L4相比對環(huán)境的感知與定位、數(shù)據(jù)的收集、傳輸和處理等方面都有了更高的要求，需要克服的技術(shù)難題也成呈幾何倍數(shù)增長，而現(xiàn)在的硬件與算法條件并不支持。因此，建立一套易用統(tǒng)一的標準體系、制定一套安全法規(guī)標準相同的監(jiān)管法律是促進車聯(lián)網(wǎng)相關(guān)產(chǎn)業(yè)的快速發(fā)展的必要條件，營造有機生長的法律法規(guī)環(huán)境將顯著降低智能駕駛的事故發(fā)生率，減少安全風險，提升社會經(jīng)濟效益，對智能駕駛產(chǎn)業(yè)的長遠健康發(fā)展至關(guān)重要。從全球范圍來看，政策法規(guī)的制定普遍落后于智能駕駛技術(shù)的發(fā)展，例如美國，由于各州不同的自動駕駛道路安全法規(guī)標準不一、魚龍混雜，很大程度上制約了美國制定全面的監(jiān)管法規(guī)。我國在智能駕駛領(lǐng)域的相關(guān)法律法規(guī)進度雖然落后于美國，但是我國目前已經(jīng)成立了國家制造強國建設領(lǐng)導小組車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展專項委員會，逐步明確智能駕駛技術(shù)的創(chuàng)新應用法律法規(guī)，并且積極于建立一套完全統(tǒng)一易用的行業(yè)標準。

5.結(jié)語

智能駕駛在不遠的未來無疑是一片藍海，但在當前看來，仍然缺少全局性的政策已經(jīng)成熟的行業(yè)標準，整個產(chǎn)業(yè)鏈的建設也尚不完善，不同企業(yè)各行其是、自行發(fā)展的問題可能仍會長期存在。而且，車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展多集中在車載社交網(wǎng)絡應用的“端”系統(tǒng)層面，融合度更高的“管”“云”系統(tǒng)發(fā)展有待深入，迫切需要政府、行業(yè)、汽車廠商、互聯(lián)網(wǎng)廠商共同努力，以車聯(lián)網(wǎng)行業(yè)配套標準制定與推廣為契機，制定車聯(lián)網(wǎng)行業(yè)發(fā)展整體規(guī)劃，全面推動車聯(lián)網(wǎng)行業(yè)與相關(guān)技術(shù)的深入研究與推廣應用。

智能駕駛作為一種新興產(chǎn)業(yè)，發(fā)展過程必然伴隨著“陣痛”，這種陣痛既有技術(shù)上的，也有社會人文上的。尤其是智能駕駛往往與人工智能有著緊密耦合的關(guān)系，這就意味著智能駕駛不僅僅可能會引發(fā)違法犯罪，更有可能會在倫理甚至哲學方面帶給人類社會全新的挑戰(zhàn)—例如經(jīng)典的電車問題。由此可見，智能駕駛的發(fā)展需要許多行業(yè)共同發(fā)力，我們也期待著那天的到來。