自动驾驶事故频发,安全痛点在哪里?

发布于:2024-07-11 ⋅ 阅读:(26) ⋅ 点赞:(0)

a9f5f20a7f384159ad703e26fec56503.png

aaf4527923b1f4a006da9ab3b6fc3740.png

255896dfdeee21e1d88dc7d8acbd79f3.png




大数据产业创新服务媒体

——聚焦数据 · 改变商业


近日,武汉城市留言板上出现了多条关于萝卜快跑的投诉,多名市民反映萝卜快跑出现无故停在马路中间、高架上占最左道低速行驶、转弯卡着不动等情况,导致早晚高峰时段出现拥堵。萝卜快跑是百度 Apollo全新升级的自动驾驶出行服务平台,于 今年 5 月 15 日正式亮相武汉。

自动驾驶技术的概念诞生于 20 世纪,1995 年,美国卡内基梅隆大学的“Navlab” 项目首次实现了自动驾驶车辆在城市道路上行驶,但受制于当时的技术的原因,当时的技术还相对比较原始。进入 21 世纪后,随着传感器和算法的突破,计算机技术的不断进步,自动驾驶技术取得了重要突破。尤其是 2020 年以后,自动驾驶技术进入了高度自动化阶段。一些汽车制造商推出了配备“高级驾驶辅助系统(ADAS)”的汽车,实现了在特定条件下的自动驾驶。

尽管自动驾驶技术进入到了高度自动化阶段,然而,这一阶段依然需要驾驶员时刻保持警惕,以应对突发情况。近年来,关于自动驾驶汽车事故的报道也经常见报,技术在完全成熟和试验阶段,难免会出现很多问题,甚至会带来生命财产损失。

四大常见原因揭秘

数据猿梳理了自 2020 年以来至今,全球公开报道中智能驾驶汽车发生事故的原因。在过去四年多的事件中,全球范围内发生了数百起涉及智能驾驶汽车的事故,事故涉及到的汽车品牌主要包括:特斯拉、小鹏、蔚来、理想、Waymo、Cruise、百度 Apollo、自动驾驶友行、蘑菇车联等,如果按照事故发生的原因对这些事故进行分类,大致可以分为四类:传感器感知系统缺陷、算法决策失误、系统控制失灵、驾驶员误操作。

传感器感知系统缺陷类。传感器感知系统是智能驾驶汽车获取周围环境信息的关键部件,如果出现故障或缺陷,会导致汽车无法正确识别障碍物或道路情况,从而引发事故。比如:2022年8月,美国一辆特斯拉Model Y在自动驾驶模式下撞上了一辆停靠在路边的卡车,事故原因是特斯拉的Autopilot系统未能识别卡车的存在。同样原因的事故也曾发生在中国,2023年7月,中国一辆广汽蔚来EC6在自动驾驶模式下撞上了一辆护栏,事故原因是蔚来汽车的NOP系统未能识别护栏的存在。

算法决策失误类。智能驾驶汽车的决策系统是基于大量数据训练而成的,如果训练数据存在偏差或算法本身存在缺陷,会导致汽车做出错误的决策,从而引发事故。例如:2022年11月,美国一辆Waymo自动驾驶出租车在测试过程中突然加速,导致与一辆其他车辆发生碰撞,事故原因是Waymo汽车的制动系统出现故障。小鹏汽车也曾出现类似状况,2023年4月,一辆小鹏P5在自动驾驶模式下撞上了一辆护栏,事故原因是小鹏汽车的XPILOT系统错误地将护栏识别为车道线。

系统控制失灵类。智能驾驶汽车的控制系统负责执行决策系统的指令,如果出现故障或失灵,会导致汽车无法按照预期的轨迹行驶,从而引发事故。2021年1月,美国一辆特斯拉Model S在自动驾驶模式下突然转向,导致撞上路边一棵树,事故原因是特斯拉汽车的转向系统出现故障。同样的,2022年5月,中国一辆理想ONE在自动驾驶模式下发生失控,导致撞上路边石墩,事故原因是理想汽车的ONE系统出现故障。

驾驶员误操作类。驾驶员对于自动驾驶系统存在误解或操作不当时,也容易引发驾驶事故。例如:2021年4月,美国一辆特斯拉Model 3在自动驾驶模式下追尾了一辆摩托车,导致摩托车驾驶员当场死亡,事故原因是驾驶员在使用Autopilot系统时没有保持注意力。2023年2月,中国一辆蔚来ES8在自动驾驶模式下发生碰撞,事故原因是驾驶员在系统发出接管车辆指令时没有及时响应。

通过以上对于自动驾驶事故的分类和总结可以看出,安全的自动驾驶既需要强大的硬件系统做支撑,也需要软件系统的不断升级,同时还需要对驾驶员进行一定的驾驶教育。

技术演进的“今生”与“来世”

如果把自动驾驶比作“司机”,那么传感器感知就像司机的“五官”,系统控制就像司机的“四肢”,算法决策就像司机的“大脑”。如果想把这些软件和硬件的功能升级到像人体这样灵活,确实是件非常困难、复杂的工作。

在传感器感知方面,自动驾驶需要传感器感知周围的环境信息,包括障碍物、车道、交通信号灯等。目前常用的传感器主要有摄像头、雷达和激光雷达,然而单一的传感器很难完成感知识别的任务。比如:摄像头可以获取高分辨率的图像信息,但是容易受到光照条件的影响,比如夜间或者强光照射下,摄像头的成像效果就会变差,而雷达虽然可以穿透雾霾、雨雪等恶劣天气,但是探测精度低,难遇区分不同类型的障碍物……

目前,因此为了克服单一传感器的局限性,自动驾驶汽车通常采用多传感器融合方案,通过综合分析来自不同传感器的信息,提高感知的准确性。例如,利用摄像头识别交通信号灯,同时用雷达探测前方车辆,再结合激光雷达获取的三维点云数据,构建完整的道路环境模型,为后续的决策控制提供可靠依据。虽然感知的问题解决了,但是也带来了较高的成本,因此在传感器感知方面,目前面临的问题就是如何降低成本,而降低成本的方式有两种,一是现在感知工具的制造成本降低,二是研发新型传感器,比如固态激光雷达、毫米波雷达等。目前,奥迪威在超声波雷达领域已经具备成熟技术,华为也在激光雷达领域有所布局。

在获取了周围环境的信息后,自动驾驶需要做出相关的决策,这时决策算法就成为核心技术之一。它需要根据感知信息做出合理的决策,包括路径规划、避障决策、交通规则遵守等。决策算法需要满足三个要求:安全性、效率性和实时性。安全性是保证车辆安全行驶,效率性是保证车辆能高效的行驶,实时性是保证车辆能实时做出决策,满足行驶需要。

目前,自动驾驶汽车的决策算法主要采用基于规则的算法和基于学习的算法。前者是根据人类驾驶经验和交通规则来制定决策的,具有较强的可解释性,例如,在遇到红灯时,车辆应该停止行驶;后者是通过机器学习来训练决策模型的,具有较强的泛化能力,例如,算法可以根据以往的驾驶数据,学习如何在复杂路况下做出合理的决策。然而决策算法的智能化其实并非易事,如果想要提升决策算法的能力,一是需要更多的训练数据和训练方法,二是需要研发新的算法,三是需要加强算法的验证,确保算法的安全性和可靠性。这也是目前各家自动驾驶企业正在不断努力的方向。

在决策算法做出决策后,系统控制技术将决策指令转化为实际的车辆运动,包括转向、制动、加速等。自动驾驶汽车的控制系统需要满足三个要求:实时性、精确性和鲁棒性,实时性和精确性就是要求控制系统能够实时响应决策系统的指令,精确地控制车辆运动,鲁棒性是比较专业的术语,是指系统能够在各种复杂路况下稳定运行。算法是自动驾驶汽车生产企业的核心竞争力之一,目前,小鹏汽车建立了自动驾驶智算中心“扶摇”,专门用于自动驾驶魔性的训练,百度的Apollo自动驾驶平台也早已落地试验。

当前,自动驾驶汽车的控制系统主要采用电子控制系统(ECU)和执行器来实现。例如,当决策系统指示车辆进行转弯时,ECU会向转向执行器发送指令,控制转向机构转动,使车辆沿着预定的路线行驶。虽然 ECU 和执行器可以完成部分控制,但是性能方面仍然有非常大的提升空间,因此控制系统在未来的要求仍然是不断提高实时性、精确性和鲁棒性,发展方向将朝着三个方面进行:一是研发高性能的ECU和执行器,二是完善控制算法,提高控制系统的性能,三是采用冗余设计,提高控制系统的可靠性。目前,国内覆盖ECU研发和生产的企业有:德赛西威、经纬恒润等。

整体来看,自动驾驶就是通过软硬件的不断升级和迭代,不断模仿人,最终取代人,由于人是复杂的动物,所以在自动驾驶和人工驾驶共存的环境中,软硬技术的迭代和升级就显得尤为重要,也正因为如此,很多互联网企业企业也入局自动驾驶,并且取得了优异的成果。

企业巨头的雄心与策略

在人工智能技术、新能源汽车、自动驾驶快速发展的今天,放眼全球,许多传统车企、新能源车企,甚至互联网企业纷纷布局自动驾驶的不同领域,在美国,特斯拉、Waymo、Cruise、Aurora、Uber、Zoox、Mobileye、谷歌、英伟达等企业一直在跟进自动驾驶,在中国,百度、腾讯、阿里巴巴、小鹏汽车、蔚来汽车、理想汽车、比亚迪、长安汽车、广汽新能源等公司早已纷纷入局,此外,德国的宝马、大众,日本的丰田、本田,以及法国的雪铁龙、雷诺等公司,也在自动驾驶技术方面取得了不同程度的进展。

目前,业界普遍采用 SAE 国际自动驾驶分级来评估自动驾驶技术的成熟度,该分级将自动驾驶分为六个级别:

• L0:无自动化:驾驶员需要控制所有车辆功能。

• L1:驾驶员辅助:系统可以提供一些驾驶辅助功能,例如车道保持、自适应巡航等,但驾驶员仍需始终保持注意力并控制车辆。

• L2:部分自动驾驶:系统可以控制部分驾驶任务,例如在高速公路上自动跟车、变道等,但驾驶员仍需随时准备接管车辆。

• L3:有条件自动驾驶:系统可以在特定条件下完全控制车辆,例如在封闭道路或交通拥堵情况下,但驾驶员仍需在系统请求时接管车辆。

• L4:高度自动驾驶:系统可以在大多数情况下完全控制车辆,驾驶员可以基本不进行操作,但仍需在必要时接管车辆。

• L5:完全自动驾驶:系统可以在任何情况下完全控制车辆,驾驶员不再需要进行任何操作。

从公开的报道中可以看到,目前大多数自动驾驶技术还处于 L2-L3 级别,只有少数公司已经实现了特定场景下的 L4 级自动驾驶,而且美国公司在自动驾驶方面的发展仍走在前面。数据猿根据公开报道,梳理了几个目前在自动驾驶领域发展较快的几家美国公司。

• Waymo是谷歌旗下的自动驾驶公司,其自动驾驶技术已经积累了数百万公里的测试里程,在L4级自动驾驶方面处于领先地位。Waymo已经在美国凤凰城推出了自动驾驶出租车商业化运营服务。

• Cruise是通用汽车旗下的自动驾驶公司,其自动驾驶技术已经实现了L4级,并在旧金山等城市进行了测试。Cruise计划在未来推出自动驾驶出租车商业化运营服务。

• Zoox是一家由亚马逊创始人贝索斯支持的自动驾驶公司,其自动驾驶汽车采用双向行驶的设计,可以提高道路利用率。Zoox的自动驾驶技术已经实现了L4级,但目前还处于研发阶段。

• Aurora是一家由硅谷资深人士创办的自动驾驶公司,其自动驾驶技术已经实现了L3级,并与丰田、日产等汽车厂商建立了合作伙伴关系。

除了上述四家公司外,备受外界关注的特斯拉也是知名的自动驾驶技术公司之一,其Autopilot自动驾驶辅助系统已经搭载在旗下多款车型上,实现了L2级自动驾驶。特斯拉还在研发L3级和L4级的自动驾驶技术,并计划在未来推出完全自动驾驶汽车。

除了美国公司外,中国公司的自动驾驶技术也在快速发展中。在 BAT 中,百度和腾讯的自动驾驶技术发展比较领先,其自动驾驶技术均已经实现了L3级,并已经在北京、广州、深圳等多个城市进行了测试。两家公司均计划在未来推出自动驾驶出租车商业化运营服务。在造车新势力中,蔚小理三家公司的自动驾驶技术均已经实现了 L2+级,并且开始搭载在各自旗下的汽车上。

由此可见,不同公司在自动驾驶上的发力点和方向略有不同,互联网公司更倾向于技术的研发,在商业落地上主要是与车企、出租车企业的合作,而部分车企则边研发边应用,提升用户的驾驶体验,进而提高产品竞争力。

在当前自动驾驶技术还未达到 L5 级别时,数据猿认为,驾驶员在开启自动驾驶前,需要进行一定的培训和教育,帮助驾驶员熟悉自动驾驶的适用场景、启动方式、紧急情况处理等,以保护驾驶员和驾驶车辆的行车安全。

尽管不同厂家自动驾驶技术上的发展速度不一致,但最终前进的方向基本一致——更安全、更智能、更人性化、更普及化。

文:赢家 / 数据猿
责编:凝视深空 / 数据猿

33b62eb0c3c9d5ee29bee49a74b6cb61.jpeg

c175735ff0a4db9f77deec2dd7325b15.png

f00e380df9117061de146b41a2d6d4d6.png

12b470d9f6a352abb055a129721d942f.jpeg

602c58da963fc619e208ccb3f3804f19.png