滴滴或年底推出无人驾驶出租车，可行性如何？ 第1页

短期内只是噱头而已，商业化还很远。

一来市政管理系统不足以让无人车商业化运营，部分试点街道可以行驶无人车，但打车的人只在这个区域上下的可能性太小。

二来无人车的成本还降不下来，大规模使用还是要等城市超脑与高数据通信（个人看法是要等到6G才行，5G依然有间断和延迟，这是城市交通决不能出现的）建立起来后才行。

不过现在很多港口和物流转运中心，无人车倒是很常见了，封闭环境下无人车的应用市场已经成熟。

我始终觉得，无人驾驶这个应该让货车先实现，一来无人驾驶自己不会违章什么超载超速超限疲劳驾驶通通不存在，二来大部分人也不敢怼大车什么加塞堵车大部分也没有，只要标识清晰，搞起来更几乎完美啊。还减少了交通隐患，也就不会有货车压翻高架这种事了

如果再加上特斯拉那种电动货车就更好了

人在魔都，刚下班车，准备搬砖.....

15年大三进入课题组开始学习智能车，入门水平的菜鸡强答一波。

题目中提到的今年底用户可在上海特定区域（开放测试区？毕竟刚拿到测试牌照）打到滴滴无人驾驶出租车。预计自动驾驶车辆将达 30 辆，订单距离可超过 10 公里，应该还是有监督员监督的无人驾驶出租车，实际上就是demo。

个人浅薄之见：滴滴在年底推出无人驾驶出租车的demo车不难，但大规模使用和推广目前还不太现实。这不是针对滴滴，而是说目前的无人驾驶技术在不限场景的情况下都做不到大规模的商用。

高赞诸葛童鞋已经从滴滴公司的智驾团队情况、组织架构、测试拍照和行业情况分析了无人驾驶出租车的可行性。我从近几年智能驾驶技术学习和研究的亲身经历来浅谈智能驾驶落地在技术方面、伦理方面的问题。

1.智能驾驶汽车的发展情况

先偏一波题，还记得当年第一次摸到毫米波雷达、mobileye和激光雷达的激动，还记得当年团队亲手改装的demo车，完成第一次路跑的喜悦。如今，即使是初创的公司，招几个有开发经验的工程师开发一款能跑的demo车、测试车已经不难。就像某峡谷早期可能只有铂金以上才的瑞文才可以光速QA，而如今满峡谷都能遇到几个。

这几年，依赖传感器、高性能处理器和算法方面的进步，自动驾驶技术在深度上不断进步，低级的自动驾驶技术，也就是目前常说的高级辅助驾驶在广度上也一直在普及。人们对自动驾驶的接收程度越来越高，特别是在开放测试路段，自动驾驶汽车屡见不显。

但即使到今天，无人驾驶汽车实际应用的算法很多还是参考2000年甚至是90年代的论文，都是早期工业上应用很经典的算法，仅仅从算法创新的角度，可以说是“吃老本”。当然，这并不意味着无人驾驶汽车没有技术上的突破，只是想表明无人驾驶技术是技术，而不是基础科学，无人驾驶技术的发展将是一个“研发——测试——研发”长期发展过程。

谈及智能车技术，就不得不提自动驾驶技术的分级。这张图大家应该已经见过很多次，但是到智能驾驶确实绕不开。借用某教授对level 4级通俗的理解：L1我自己开、L2帮我开两下、L3我盯着你开、L4你开我不开。三级的自动驾驶就已可以算的上人们理解中的“自动驾驶”了，在绝大数情况下（也可以理解为适配过的场景下）自动驾驶系统可以实现可靠的自动驾驶，人工只需要在决策出现困难或者异常时才需要进行干预。这个等级的自动驾驶汽车上如果出现因自动驾驶系统出现事故是由汽车制造商（无人驾驶技术服务商）来负责。

那么目前国内外自动驾驶汽车发展到哪个阶段？

大家普遍认同Google的子公司Waymo是智能汽车发展的领头羊。在2018年底，Waymo在美国亚利桑那州凤凰城率先推出无人出租车服务Waymo one，这也是无人出租车在全球范围内首次实现商业化落地。2019年9月才开始测试无监督员的自动驾驶出租车。也就是说目前Waymo仍是处于4级自动驾驶的阶段。

而实验室阶段的测试车或者说各厂在各大智能驾驶大会上秀肌肉用的概念车可以达到Lv4的就多了。比如最近在2019世界智能网联大会上展出的BMW X7、上汽的marvel X等

而量产车型中目前处于level 3级的只有Audi A8L自动驾驶，但实际上这个level 3级还很稚嫩，仅仅适用于交通拥堵的低速情况，脱离拥堵后如果驾驶员不接管会自动减速靠边停车，还达不到我们想象中的自动驾驶。而较为出名的Tesla“autopilt”系统实际上只是接近Level3的level 2级别的驾驶辅助系统。其他各个整车厂搭载ACC（自适应巡航系统）、LKA（车道保持系统）、AEB（自动刹车辅助系统）都是在Level 2阶段的自动驾驶汽车。也就是说目前，市场上大家可以买到的自动驾驶汽车通常都是Level 2级的，都需要大家时刻关注行驶信息，随时准备接管驾驶权。下图为部分国内外汽车智能驾驶系统的方案。

2.智能汽车技术简述

智能汽车实际上就是设计和训练初一个虚拟的驾驶员来代替人类驾驶员，根据人类的认知、判断和执行，将智能汽车的结构进行功能划分，其大体结构可如图所示。

近几年随着高精度定位技术，图像识别技术，雷达测距、识别与跟着等技术的发展，智能汽车的环境感知能力得到了极大的提升。特别是人工智能技术的发展，机器视觉的应用在智能汽车上越来越广，能识别的目标个数和种类得到了的显著的增长，识别速度和识别准确率也不断提高。相应的生产成本也得到了显著的下降，特别是激光雷达和高精度的惯导系统，早几年这一套系统的成本就接近百万，而现在国产化以后十多万也可以组一套“低配版”。当然目前的量产车上目前还没有上这些设备，主要还是使用相机+毫米波雷达+超声波雷达。总的来说，近几年智能车的环境感知能力得到了极大提高，但是在应对无人驾驶中各复杂场景的要求，仍需进一步发展。

信息融合与决策系统则取决于芯片性能和算法，算法工程师应该深有体会，很多算法本身很好用，但是用到移动端以后由于性能吃紧需要对算法进行阉割和优化。控制算法一般都是基于经典的PID、模型预测、模糊算法等进行开发，在单个系统的控制性能上鲁棒性、稳定性较好。由于人工神经网络的“黑盒”特性，在控制系统上应用较少。Waymo在控制系统使用深度循环神经网络进行驾驶员的训练。目前遇到的问题驾驶风格的调整、路口通行或换道时犹豫、缺乏与人类驾驶员的互动、频繁制动、频繁被超车、加塞以及在复杂场景下的可靠性问题。这些问题的解决依赖测试的大数据，也依赖V2X通信。

至于底层的控制执行问题，基于线控技术的开发的线控底盘以及能够满足转向、挡位和驱动的控制，其相应速度和性能基本能够满足智能汽车的使用。在控制的精确度、响应速度、耐久性、鲁棒性还需要进一步发展。

智能汽车本身面临复杂环境感知、实时规划决策和线控底盘的技术，除此之外还有很多非车端的基础关键技术，如智能汽车的“三横三纵”图所示，V2X通信、云控系统、调度机制、高精度地图、可靠性及测试标准、实车车路协同测试等问题也十分关键。近几年，封闭和开放测试区在各地开花，相关的测试标准和法规都在起草和试行阶段，百度、四维图新、千寻都在高精度地图方面着力，为智能汽车做配套。

为什么近几年智能网联汽车的概念比智能汽车更火，其实从某种程度上来说就是智能汽车的发展遇到了瓶颈，在车端继续提升系统的可靠性、鲁棒性十分困难，而通过网联来完成车辆的调度和信息交互，从而是实现无人驾驶和智慧交通比单单从车端入手更有效。借着5G万物互联的东风，道路信息的结构化和数据化，打破车与人、车与路、车与车之见也会时空的隔膜实现信息互通，最终实现智慧出行。

3.伦理道德与立法问题

菲力帕·芙特提出了著名的电车问题，其大致内容：假设你看到一辆刹车坏了的有轨电车，即将撞上前方轨道上的五个人，而旁边的备用轨道上只有一个人，如果你什么都不做，五个人会被撞死。你手边有一个按钮，按下按钮，车会驶入备用轨道，只撞死一个人。你是否应该牺牲这一个人的生命而拯救另外五个人？

假设你在开车，由于你打了个盹，车即将要撞到前方的高级轿车，你是选择打方向盘避开还是直接撞上去？

如果旁边有个面包车，你是选择撞面包车避开前方的高级轿车，还是撞高级轿车避开面包车？

如果面包车是违规在紧急停车道违规行驶的，你如何选择？

如果高级轿车里面有孕妇，你如何选择？

如果高级轿车换成幼儿园校车，你如何选择？

我们知道，即使是无人驾驶汽车，在某些极端情况下也有可能会发生事故（刹车失灵或者其他极端情况），在面临不得不撞的时候，这个时候算法如何设计才可以避免道德伦理问题。

特别是汽车无人驾驶系统事故的责任归属是整车厂，有可能是由保险公司来赔付，会不会要求损失最小来进行逻辑上的选择。

当然，虽然在智能驾驶落地之前还有许许多多技术和伦理道德上的问题，Lv4级的自动驾驶还在小规模测试阶段，但依旧相信智能驾驶会一步步改变我们的生活，提高我们的出行体验，最终达成“零事故”的目标。