【原】【挠车】为什么「单车强感知」是更适合中国的自动驾驶技术路线？

ams车评 2022-09-19 发布于北京

展开全文

「ams挠车」

为什么「单车强感知」

是更适合中国的自动驾驶技术路线？

大家好，我是《ams挠车》的大猫。当前行业发展自动驾驶的主要技术路线，都集中在「单车强感知」和「车路协同」上。两者在对于自动驾驶的广泛讨论中时常处于对立面，但实际上它们具备相当多的内在联系。

No.1

本质定义

「单车强感知」依托车辆自身各传感器的机器视觉和芯片的计算能力，以本地的路况观察和计算决策为手段，实现单一车辆端内部闭环的自动驾驶。其能力上限取决于各传感器综合实现的视距和视觉精度、自动驾驶芯片的算力，以及相关软件算法的完成度。

而「车路协同」一词虽然被广泛应用，实际上表达并不够完整。行业中往往用「V2X」这个更加准确的名称，它代表「Vehicle To Everything」，即「车与万物互联」，是物联网的应用场景之一。那么既然是物联网，「车路协同」就需要参与交通的一切端全部在线，这包括车辆本身、道路、信号灯等设施、行人和非机动车，等等等等。

No.2

「单车强感知」VS「车路协同」

从本质的角度来理解，「车路协同」想要发展起来，其中重要的「车」这一部分就首先需要具备较高水平的智能，因此在「车路协同」的应用环境中，车辆不一定非得达到能凭借「单车强感知」实现全自动驾驶的水平，但也绝不可能是「瞎子」或「傻子」。

而「车路协同」的真正实现，当然也要依靠一张不断更新的、实时与整个车路网进行同步的高精度地图。这个地图的精度需要达到亚米级别，涵盖所有的已知地点，囊括每条道路的交通规则，将车辆定位到具体的车道上，执行正确的驾驶动作。

《挠车》栏目刚创办的时候所测试的凯迪拉克CT6，就是一部在L2辅助驾驶基础上增添了「车路协同」功能的产品。它的车端机器视觉精度和算力都能满足车道偏离辅助和自适应巡航的需求，而在亚米级 GPS 系统和涵盖高速公路网的高精度地图加持下，CT6就能在地图覆盖范围内的道路上实现稳定的车道居中保持。

自动驾驶是一项需要实现绝对普适化的应用技术，一台号称完全自动驾驶的汽车应当在一切开放道路环境都能自己搞定操作决策，这也是大家总在畅想「L4汽车不需要搭载方向盘和踏板」的原因。虽然「单车强感知」和「车路协同」在技术手段上有若干共性，但考虑到开发周期和成本限制等因素，车企（或自动驾驶企业）很难在两条技术路线上并行登顶。而对于中国的交通环境而言，我认为「单车强感知」才是更有可能实现绝对普适的技术路线。

No.3

日新月异的「基建狂魔」

第一个原因是中国国土面积太大了，城、镇、乡村太多了，路网也太复杂了；且作为「基建狂魔」，这片土地上的风貌日新月异，隔三差五多几条路、建几个楼；想要在960万平方公里不断变化的土地上，搞出一张实时测绘更新的、与真实情况不出任何差错的、精确到车道线的高精度地图，可谓难上加难。

有人会说，咱们不是有高德地图百度地图吗，百度研发的自动驾驶汽车用百度地图不就可以了？但事实上，哪怕在咱们的首都北京，我都能不时遇到「开上地图里不存在的路」之类情况，到了较为偏远的三四五线地区，这种情况只会更加普遍。在人工驾驶和辅助驾驶场景下，我们开错了路，自己给车辆纠偏就可以了；但到了连方向盘都不配备的全自动驾驶汽车上，哪怕地图错一点，你都可能根本无法抵达目的地。

No.4

「布朗运动」何时了

第二个原因是祖国人口密集，行人和非机动车数量庞大；且在作为交通参与者时，他们的行为和运动轨迹大多难以预测，很少遵守交通规则，导致道路上充斥着「布朗运动」。在这样的交通环境里，再完善的车路网，最终也难免落入需要靠「单车强感知」来解决的局面——满大街行人横穿斜穿、非机动车占机动车道逆行，车路网只能知道他们「在哪」，至于他们「要去哪」、「怎么去」，都只能靠车辆本身进行实时的判断。

在理想的「车路协同」自动驾驶场景下，想要解决中国交通环境「布朗运动」的问题，需要每一个地方交警绝对照章行使他们的权利，让违法的交通参与者付出他们难以承受的代价，迫使其遵规守法；也需要每一个地方行政大力支出，改善所辖地区的全部道路，降低人、车、非机动车混行的客观概率。而事实上，即便在我们的首都北京，无照老头乐照样能在交警大队院门口的路上逆行无阻——这很显然就不符合「车路协同」所需的，规律的交通条件。