麦肯锡报告 | 自动驾驶离我们还有多远【附pdf】

在公众号中回复：“苹果”、“爱立信”、“产业报告”、“自动驾驶”、“VDA”、“麦肯锡”、“德勤”、“行人检测”、“罗兰贝格”、“深度学习”、“概念车”、“ibm”、“高盛”、“麦肯锡”、“无人驾驶”、“毕马威”、“锂电池”、“brain4cars”可下载相关的文章PDF。

在公众号回复“麦肯锡”可以下载该篇报告pdf文件

自

动驾驶离我们还有多远，很多厂商把这个时间点定在2020年，特斯拉比较激进，也许就在明年就可以放开全自动驾驶的所有功能，但事实真会是想象的那么美好吗？一起来看看麦肯锡怎么说！

自动驾驶层级

自动驾驶是分等级的，不同级别的自动驾驶能够实现不同的功能。按照SAE（国际汽车工程学会）的分法，自动驾驶的层级分为5级：

ADAS

ADAS是自动驾驶的初级阶段，ADAS即：高级辅助驾驶系统（Advanced Driver Assistance Systems），ADAS包含了很多功能，比如说：环视系统、自适应巡航、车道偏离辅助、夜视系统、距离提醒、碰撞预警、自适应前灯等等。

从麦肯锡提供的这张数据图可以看到，从14年到16年，ADAS整体的需求量增长了48%，增长非常迅速，其中：自适应前灯照明系统是用用户需求最强烈的，2016年需求量达到21,000,000套，其次是车道偏离预警系统和距离提醒系统，需求量在12,500,000套。但近两年增长最快的用户需求是环绕系统，从14年到16年增长了166%。

然而，虽然取得了一定的进展。但行业尚未确定半自动驾驶车辆（如SAE3级自动驾驶）的最佳技术原型，其仍处于测试和优化阶段。到目前为止，有三种技术选择：

1. 以相机摄像系统为主，雷达数据作为补充。

2. 以雷达系统数据为主，摄像头数据作为补充。

3. 传感器融合，结合光检测和测距（LIDAR）方式，雷达、摄像头系统和传感器融合算法，让汽车能够更好地了解周围环境。

这些系统的成本是不同的：传感器融合方式是最贵的。然而，没有哪一种选择成为明显的赢家。每个系统都有其优点和缺点。例如，以雷达为主的方法可以在高速公路中运行良好，其中流量相对可预测，并且映射环境所需的粒度不太严格。另一方面，传感器融合方式在人口密集的城市地区能够更好地工作，准确的测量和粒度可以帮助车辆沿狭窄的街道行驶，并识别较小的物体。

ADAS面临的挑战

自动驾驶汽车无疑将迎来运输的新时代，但行业仍然需要克服一些挑战，才能实现自动驾驶。我们已经看到ADAS解决方案可以减轻驾驶的负担，并使其更安全。然而在某些情况下，技术也产生了问题。其中一个问题就是：人类信任或依赖这些新系统太多。 在二十世纪九十年代，当安全气囊进入主流时，一些司机和乘客不再佩戴安全带，这种依赖导致了很多额外的伤害和死亡。

类似地，司机可以依靠ADAS实现部分自动化驾驶。 例如，自适应巡航可以解放司机，控制汽车直接跟随另一辆汽车，但这个程序通常不能有效的检测到静止的物体。很多早期使用者意识不到ADAS是如此的局限。

此外，由于半自动驾驶汽车的司机可能会在驾驶过程中进行其他的活动，而不是专心的开车，因此当需要他们重新掌控汽车时，会需要一段时间适应当前的路况 。有证据表明，司机离开驾驶的时间越长，重新适应的时间就越长。这就给自动驾驶汽车公司提出了新的难题，他们需要开发更好的人机交互界面来降低这个隐患，从而减少出现事故的情况。

自动驾驶的进化

在接下来的5年中，坚持SAE 4级的自动驾驶车辆将会大胆出现。 虽然技术已经在有限的情况下进行了测试，但验证它可能需要数年时间，因为系统必须暴露于大量不寻常的情况。 工程师还需要实现和保证可靠性和安全性的目标。 最初，公司将设计的这些系统在特定用例和具体地理位置进行操作，这被称为地理围栏。 另外一种方式是将地理区域扩大，但是在特定情况下运行，并进行额外调整。这些都是有一定的条件限制的。

SAE第4级和第5级的挑战是围绕在任何环境中没有限制的操作车辆 。例如：没有地图的地区或没有车道的地方，或包括重要的基础设施和环境特征的地方。 因此，工程师必须覆盖和测试的用例数量将呈指数级增长，所以建立一个可在（大部分）无限制环境中运行的系统将花费更多的精力。

鉴于目前的发展趋势，未来十年内都将不可能提供完全自动驾驶的车辆。 主要的障碍是开发所需的软件。虽然硬件创新将提供所需的计算能力，价格（特别是传感器）似乎可能会下降，但软件仍将是关键的瓶颈。

在上图中可以看到，自动驾驶汽车包含多种传感器，如：全球定位系统（GPS）、激光雷达、摄像头、雷达、红外传感器、超声波传感器、专用短程通讯DSRC、惯性导航系统INS、地图、测距传感器等。实际上，硬件功能已经接近自动驾驶汽车软件所需的水平。 当前的技术应该能够实现所需的计算能力水平 - 无论是图形处理单元（GPU）还是中央处理单元（CPU）。

摄像头具有一定的拍摄范围，分辨率和视场，但在恶劣天气条件下面临显着的局限性。雷达技术准备就绪，是恶劣天气和路况下的最佳检测方案。提供最佳视野的激光雷达系统可以以高度的粒度覆盖360度。虽然这些设备目前价格太高，但在一些商业上可行的，小型的和便宜的设备应该在未来一两年内进入市场。已经有几家高科技公司声称将激光雷达的成本降低到500美元以下，甚至有一家公司已经推出了一套成本为10,000美元的全自动驾驶系统（大约有十几个传感器）。从商业化的角度来看，企业需要了解5级（完全自主）车辆所需的最佳传感器数量。

全自动驾驶的要素

自动驾驶汽车需要考虑的要素有很多，包括感知、地图定位和决策等方面的因素。

在所有这些要素中，感知、地图和定位是重点：

• 感知的目标是以最少的测试和里程实现可靠的感知水平。自动驾驶汽车依靠雷达、声纳和涉嫌头感知环境中的其他车辆和物体。

• 地图包括了高清全景地图和特征地图的构建。前者是为了使车辆沿着目标线路行进，后者使为了通过道路特征得以导航。

• 定位是通过识别车辆在其环境中的确切位置，本地化是有效决定哪里和如何导航的关键先决条件。

汽车在每一英里都需要做出成千上万的决定，并且需要持续和正确地这样做。目前，自动驾驶设计师们使用以下几种主要方法来保持车辆在正确的道路上：

一是构建神经网络；

二是基于规则的决策，工程师需要输入进所有的if-then规则的组合；

三是混合决策法，工程师通过引入特定的神经网络来解决由集中的神经网络连接的单个进程，从而解决神经网络固有的复杂性，之后用规则进行补充。

在上面的三种方法种，混合统计法是当今最流行的一种决策方法。

全自动驾驶汽车的到来可能还需要几年的时间，很多公司已经在最终的自动驾驶汽车上下了巨大的赌注。自动驾驶汽车的实现是极具挑战性的。路漫漫其修远兮，自动驾驶的研发厂商需要找准方向，寻找自己的出路。

说明：作者lee，从事创投行业，正在寻找优秀的创业者，如果您正在创业，可以联系我，个人微信二维码如下：