百度高度自動駕駛巴士量產(chǎn)風險大

　　2018年7月4日，李彥宏在百度AI開發(fā)者大會上宣布，首款量產(chǎn)的Level 4級自動駕駛巴士“阿波龍”正式下線，并已簽下來自日本的訂單，國產(chǎn)自動駕駛電動車走向世界。
　　全球首款、Level 4級自動駕駛、量產(chǎn)，這些抓人眼球的關鍵詞，讓大家為之一振。Level 4級自動駕駛到底是什么樣的自動駕駛水平？自動駕駛汽車的時代已經(jīng)到來了嗎？
　　目前業(yè)界最通用的自動駕駛技術水平的分類來自美國汽車工程師學會（Society of Automotive Engineers，簡稱SAE）的五級分類體系，即Level 1至Level 5。
　　美國交通部發(fā)布的這個五級自動駕駛分類體系中，Level 1和Level 2的區(qū)別，在于是否同時控制油門/剎車和方向盤。到了Level 3，自動駕駛系統(tǒng)可以采集到駕駛所需絕大部分外界的信息，但仍需駕駛員保持關注，且能夠幾秒內(nèi)進行人工操縱接管。

路測經(jīng)驗嚴重不足

　　Level 3到Level 4是自動駕駛系統(tǒng)的一個重要分水嶺。從Level 4開始，自動駕駛系統(tǒng)不再需要駕駛員保持關注。系統(tǒng)只是在特定情況下需要人工介入，且這個介入過程是非實時的，比如，駕駛員可以幾分鐘后再介入。
　　Level 5是自動駕駛的最高水平，完全無需人工介入。自動駕駛系統(tǒng)可以應付任何路況和條件下的操縱挑戰(zhàn)。
　　最近幾年頻出事故的特斯拉Autopilot系統(tǒng)只是介于Level 2和Level 3的水平。Autopilot還沒有完全達到Level 3。
　　真正的Level 3是可以無需駕駛員保持關注，只需要保證在提示下能夠以秒級速度接管駕駛操縱就可以了。但目前的特斯拉Autopilot系統(tǒng)不光需要駕駛員要隨時把手放在方向盤上保持接管能力，而且還需要駕駛員隨時關注外界情況并做出判斷，決定是否需要主動接管。
　　從沒有駕駛員，沒有方向盤、油門、剎車踏板的設計來看，“阿波龍”已經(jīng)超越了Level 3的水平，即不需要駕駛員實時接管操縱。但這是否意味著“阿波龍”已經(jīng)達到Level 4的水平呢？
　　既然宣稱“全球首款量產(chǎn)L4級自動駕駛巴士”并開始投入商用的乘用車，自然需要滿足以下要求：技術成熟、風險可控、滿足監(jiān)管許可。
　　如何確定這款L4級自動駕駛系統(tǒng)已經(jīng)成熟到可以商用呢？只有扎實的測試數(shù)據(jù)能夠加以驗證。
　　在美國自動駕駛路測最活躍的加州，根據(jù)加州機動車管理部門提供的官方數(shù)據(jù)，從2016年12月到2017年11月整整一年的時間，百度完成的路測不到2000英里，占加州自動駕駛汽車路測總距離的0.39%。而Google和通用汽車的路測距離分別是百度的180倍和67倍。
　　百度是從2016年8月開始獲得加州的自動駕駛汽車的測試牌照，而加州機動車管理局公布的數(shù)據(jù)剛好涵蓋了百度獲得測試牌照的大部分時間段。所以可以推斷，百度在美國的路測里程應該是幾千英里的量級。
　　幾千英里的路測距離是遠遠不能滿足技術成熟性的驗證的。要知道，Google從2012年開始拿到加州的路測牌照到2017年底，一共完成了超過400萬英里的路測。單單在2017年就完成了35萬英里的路測。
　　在國內(nèi)，2018年3月，上海和北京才開始發(fā)放首批自動駕駛汽車的路測牌照。剛過去短短四個月，顯然百度的自動駕駛系統(tǒng)在國內(nèi)的路測距離也應該是非常有限的。
　　自動駕駛作為一個全新的高科技應用系統(tǒng)，應該需要大量的路測數(shù)據(jù)驗證，其中的時間跨度起碼要以年為單位，路測距離起碼要以10萬公里為單位，這才能夠滿足基本的系統(tǒng)成熟穩(wěn)定的驗證要求。

仿真系統(tǒng)不能取代路測

　　那么，百度自動駕駛系統(tǒng)的可靠性又如何呢？
　　根據(jù)百度美國公司于2017年12月底向加州機動車管理局提交的路測報告顯示，路測的結果也不盡如人意。
　　從2016年10月份開始到2017年11月份，百度完成了1971.74英里的路測。在測試中共計人工干預（即“系統(tǒng)脫離”）48次，平均每41英里就出現(xiàn)一次人工干預。尤其是測試初期的2016年11月，每行駛不到4英里就出現(xiàn)一次“系統(tǒng)失敗”。
　　就算到了路測最后的2017年11月份，平均人工干預距離也只是147英里。而Google在2017年的測試中，平均每行駛超過5500英里才需要人工干預一次，通用汽車則是平均每1200英里需要人工干預一次。
　　2017年4月百度才開始“Apollo”（阿波龍）項目，一年前，百度才發(fā)布Apollo 1.0系統(tǒng)，半年前百度的路測表現(xiàn)還大大落后于Google和通用汽車。百度現(xiàn)在率先發(fā)布了全球第一個Level 4自動駕駛系統(tǒng)，這個進步速度實在是有點太快了。
　　當然，百度在官方的發(fā)布材料中解釋了進步神速的原因：多樣化仿真實現(xiàn)“日行百萬公里”。恰恰是這一點，讓筆者對百度的L4自動駕駛系統(tǒng)的安全性有一定的擔心。
　　我們知道，判斷一個系統(tǒng)的穩(wěn)定性，往往借鑒的不是正常運行狀態(tài)下的數(shù)據(jù)，而是特殊狀態(tài)下的穩(wěn)定性。自動駕駛系統(tǒng)也一樣，稱為極端案例下的操控性。
　　2016年5月，一輛在Autopilot狀態(tài)下的特斯拉撞傷橫過馬路的一輛銀色貨車，造成首例自動駕駛系統(tǒng)引起的致死車禍。究其原因，是因為雷達和攝像頭在特定條件影響下對于較高的銀色物體都出現(xiàn)了誤判。
　　2018年3月，Uber的自動駕駛路測車在遇見橫穿馬路的行人時出現(xiàn)系統(tǒng)誤判，造成第一例自動駕駛系統(tǒng)車禍導致行人死亡案。
　　以上兩起車禍致死，都是在特定條件下發(fā)生的極端案例。
　　而引起極端案例發(fā)生的特殊條件，往往是在機緣巧合下產(chǎn)生的，也是在實驗室里難以模仿和構建的。
　　在人工智能還不夠發(fā)達的今天，任何系統(tǒng)仿真都是在人為設置下對于真實環(huán)境簡單粗暴的模仿。仿真系統(tǒng)的設計者沒有想到的極端案例，仿真系統(tǒng)內(nèi)通常也不會出現(xiàn)。這就是為什么自動駕駛系統(tǒng)必須依賴大量的路測演練，包括在各種道路環(huán)境、各種氣候條件、各種緊急情況下的系統(tǒng)自動應對策略。
　　Google 2017年1月的自動駕駛系統(tǒng)路測報告中詳細列明了過往一年“系統(tǒng)脫離”次數(shù)和原因。我們可以看到，從路面障礙物、施工區(qū)域到遭遇優(yōu)先車輛，都有可能是導致系統(tǒng)脫離的原因。
　　只有依賴在真實環(huán)境中的長時間測試，才能夠逐步提高自動駕駛系統(tǒng)的成熟度和可靠性。

成熟度和可靠性缺乏依據(jù)

　　百度的“阿波龍”客車是否達到Level 4級的自動駕駛水平，從已經(jīng)公布的路測數(shù)據(jù)來看，其成熟度和可靠性還無法證實。1年-2年后的商用最終可以證實這一點，但如果百度的自動駕駛系統(tǒng)的成熟度和可靠性離Level 4級還有距離，那倉促商用的結果有可能會帶來不必要的損失，也會讓大眾對自動駕駛技術產(chǎn)生疑慮。
　　還有一點需要指出的是，Level 4級的自動駕駛系統(tǒng)并不是Level 5那樣的全智能，必須且一定會需要在特定條件下的人工干預。
　　阿波龍客車既然是開始量產(chǎn)并面向商用的汽車，必定需要相應的人工干預系統(tǒng)對商用車輛進行監(jiān)控、必要時接管和進行相應的服務支撐。
　　從目前百度公布的信息來看，這部分后臺干預支撐和監(jiān)控服務的內(nèi)容基本沒有涉及，這也是本人對于百度目前的Level 4級自動駕駛汽車運營保障的一個疑問。
　　以百度為首的Level 4級自動駕駛汽車已經(jīng)量產(chǎn)了，難題開始擺在汽車行業(yè)制造、道路交通管理等各個行政管理部門的面前。
　　工信部作為汽車制造行業(yè)的主管部門，目前尚未出臺任何自動駕駛汽車領域在測試驗證、技術評價、質量認證等方面的行業(yè)標準。換句話說，現(xiàn)在的“阿波龍”客車還沒有“準生證”，甚至連“準生證”的官方標準也沒有。
　　另一方面，道路交通管理部門對于量產(chǎn)自動駕駛汽車上路的準備也不夠充分。目前只有北京、上海、廣州等部分地區(qū)開放了自動駕駛的“路測牌照”。這就是說，“阿波龍”客車如果想要在公開路面行駛，只能掛上“路測牌照”，要嚴格遵守“路測規(guī)定”的各項要求并隨時向監(jiān)管部門上報路測數(shù)據(jù)。
　　所以，從制造監(jiān)管到交通監(jiān)管，我們對自動駕駛汽車正式上路還遠遠沒有做好準備。從這個角度來說，百度“阿波龍”客車的正式量產(chǎn)可以成為自動駕駛應用的立法、監(jiān)管和行政準備的重要推動力。
　�。ㄗ髡邽榭萍寂c互聯(lián)網(wǎng)資深分析師，編輯：謝麗容）

相關熱詞搜索：巴士 量產(chǎn) 駕駛 高度 風險