近年来，随着汽车智能化的不断升级，无人驾驶备受关注，成为公众热议话题。那么，无人驾驶车辆究竟能给人类带来什么效益?是否会快速普及到私家车领域?又给监管部门带来哪些问题呢?请看公安部道路交通安全研究中心特约专家、交通工程师郭敏的分析。

发展无人驾驶车辆的原因

美国曾于 2004、2005 和 2007 年举办了三届无人驾驶比赛，即 DARPA 大奖赛，不仅激发了业界与高校的极大热情，被公认为无人驾驶的里程碑事件，还使无人驾驶车辆走进大众的视野，成为公众谈论的话题。

在这些谈论中，有些问题需要认真回答：为什么要发展无人驾驶车辆?无人驾驶车辆到底有什么好处?这是实实在在的社会问题，也是商业问题，需要有清晰的答案来帮助无人驾驶车辆可持续发展，避免产生不切实际的期望。最近几年，这个问题得到了准确的回答，一些最初的误区也得以理清。

无人驾驶车辆是为你我这样的私家车主准备的吗?

很多人认为，无人驾驶技术一旦成熟，会像现在的汽车一样进入寻常家庭。其实，如果仔细测算下无人驾驶的成本，这样的模式不会是其技术成熟后的主要商业模式。达到全自动的无人驾驶车辆，应该不会在你我的采购清单里，至少在看得见的未来是如此，业界对于这一点已形成共识。

无人驾驶车辆分为两大块，一块是传统车辆组成的包(vehicle package)，另一块是自动驾驶包(autonomous package)。传统的车辆也许只要一二十万元人民币，但如果加上自动驾驶包，成本会飙升数倍，甚至达到上百万元。除此以外，自动驾驶包里的精密仪器需要经常保养和调校，对连机油都不会加、轮胎都不会换的私家车主来讲，无人驾驶汽车日常的保养和调校费用恐怕无力承担，也不划算。

因此，全自动的无人驾驶车辆应用对象并不是私家车主，而是通常说的商用营运车辆，譬如物流公司、出租车公司等。近几年，在运输领域飞速发展的“出行即服务”(MaaS)及共享汽车概念已经逐步落地。对商用营运车辆来讲，无人驾驶可以节省人工成本，足以摊销自动驾驶包带来的成本，这也是共享汽车企业，如 Uber、Lyft，投入巨资研发无人驾驶车辆的原因。

无人驾驶车辆能带来什么效益?

对于无人驾驶车辆能带来的好处，Dr. Emilio Frazzoli 以美国市场为例，给出了一系列数据来证明无人驾驶车辆将在安全、减少拥堵、改善健康、提高生产力、共享汽车五个方面带来巨大好处，其每年能产生的效益大致如下：

这些数据足以回答为什么发展无人驾驶车辆的问题。人们虽有不同看法，但大多数仍然赞同其结论，只是对其安全考量有异议。在一些研究者看来，其在减少事故方面所带来的效益及对社会的贡献足以成为投资的理由，但提高生产力和共享汽车的效益不能完全确定。

无人驾驶的分级

为推动无人驾驶车辆发展，美国道路交通安全管理局(NHTSA)曾在 2013 年给出了无人驾驶的分级方式，一共分为 L0-L5 六级。然而，国际汽车工程师联合会(SAE)认为这样的分级方式不够专业，在 2014 年推出了仍是 L0-L5 六级的更为专业的分级表，并于 2018 年更新到了第三版——SAE J3016-2018，其在 2016 年也得到了 NHTSA 的接受。目前，无人驾驶汽车企业在介绍自己的产品时，一般都会引用 SAE 的分级表来为产品定位。

目前市面上商用无人驾驶能达到的最高级别都，至多帮助驾驶人做些诸如跟车行驶、自动泊车的工作，稍有复杂的环境，辅助驾驶就难以控制车辆，必须由驾驶人来接管，毕竟，一旦出了事故，机器不会承担责任。对普通人而言，如果搞不清辅助驾驶和自动驾驶的区别，只要记住这些责任区别就可以。

之前有报道，辅助驾驶和自动驾驶的区别在于外部环境的支撑，无法做到自动驾驶是因为没有智能网联或智能运输系统支撑，如果有支撑，就能做到自动驾驶。这其实是一种误区：无论用什么样的外部支撑，辅助驾驶都无法达到自动驾驶级别，L3 到 L4 是个门槛，能否跨越这个门槛取决于车辆本身。自动驾驶的含义在于独立完成各种场景下的行驶，独立是指没有任何外部助力，这和驾驶人驾驶车辆一样，取得驾驶证的驾驶人应该能自己一个人开车，需要教练员的驾驶人是不合格的驾驶人。

对普通人来讲，可以通过上述两个指标来了解无人驾驶车辆的实际能力;对监管部门来讲，会比普通人多些观察、了解的方式，譬如要求各企业及时上报遇到的情况或意外，以此来观察产品能力。监管部门很难做到对无人驾驶车辆的事先监管，因为路上可能出现的场景过多，难以一一检测，甚至连主要场景也很难覆盖，所以只能把监管放在事中或事后。因此，无人驾驶车辆是否合格，并不能通过组织鉴定会或在试验场进行试验的方式得出结论。监管部门至多在邀请专家评测实地测试后，发一些要求有限的测试资格，至于车辆是否合格，只能在实践中才能慢慢得到检验。如果接受测试的无人驾驶车辆在试验场都会发生意外或无法跑完全程，其面临的挑战会很大。

无人驾驶汽车已经研发出来多年，怎么还不普及。人工智能棋手也能战胜世界围棋冠军，按道理无人驾驶汽车应该更简单。事实并非如此，AI 下围棋战胜人类，只是一种基于大数据的算法在特定情况下比人类强，无人驾驶汽车却复杂多了，它要辨别、分析、计算和作出各类型的安全操作。下面就简单介绍无人驾驶汽车有多复杂：

1. 视觉感知

无人驾驶汽车需要和人一样识别道路的宽窄、路面的状况、各种交通标志和交通信号灯等。它要感知前后左右四个方向的物体是什么，物体的速度及运动方向。它就是在模仿人类的视觉感知。

要实现计算机视觉感知，需要两种设备：

(1)传感器，如毫米波雷達和激光雷達传感器，它能探测存在的物体和测量距离，它能以每秒数百万次的频率发出光波，再去接收光波反弹回来的信号，构建出周围环境的三维图像，就像蝙蝠靠发出和接收高频声音来辨别洞穴环境一样。

(2)摄像器。因为传感器的分辨率低，不能准确识别环境中物体，我们需要用高精摄像器作为图像视觉，用于识别道路、信号灯、标志、树木、人、动物……等，出现在周围环境中的物体。

2. 大数据

无人驾驶汽车要经过大数据分析来准确识别物体。

这里的大数据是指摄像器和传感器收集的数据，经过系统长时间的识别训练后，整理上传云端的数据。例如让系统通过物体的形状、颜色、温度、动态，去分辨那是什么。系统受训练的时间越长和越频繁得出的数据就越精确。

3. 驾驶方案

计算机的视觉感知数据，传送到系统后先进行预测轨迹分析，再计算出最佳驾驶路线，作出最安全的操作决策。要从复杂和大量的环境数据中进行多重计算，需要高效率的算法和强大运算能力的芯片支撑。

4. 定位

定位最常用的方法是全球定位系统定位，也就是我们常用的 GPS，但是普通的 GPS 定位精度在 10 米左右，如用作无人驾驶汽车定位，显然它不能找到停车场的入口……。无人驾驶汽车只能用厘米级精度的定位系统，如高精度 GPS、一维马尔科夫定位、北斗定位系统等。

5. 操作控制

目的地已定位，最佳行驶路线也计算好，系统会根据既定路线，使用最佳驾驶方案，对汽车驾驶行为作出决策，如加油前进、刹车、左右转向，等。

我国经过多年的持续积累，在人工智能领域取得重要进展，部分领域核心关键技术实现重要突破。据媒体报道：2018 年，中国国内 8 家公司的自动驾驶汽车在北京市内的行驶里程达 15.36 万公里(95442.6 英里)，其中百度公司的行驶里程与无人驾驶技术方面在中国国内均遥遥领先，已达到全球领先水平。

由此看来，无人驾驶汽车纵使十分复杂，却离我们不远。