真正的无人驾驶，2075年才会出现

自动驾驶系统已经逐渐装配在现代的汽车上，但是它们大多只能在特定的条件下做辅助驾驶。即使汽车生产厂商和消费者都望眼欲穿地期待着全自动驾驶的汽车，想要真正实现这个目标，还有很多不同的自动化阶段需要经历。

撰文 | 史蒂文·施多福 （Steven Shladover）

翻译 | 刘亚辉

很快，电子司机就能随时带我们去往我们想去的地方了，只要不强行左转弯穿过拥挤的车流，就能100%保障安全。变化多端的路面情况和冰雪覆盖也是问题。对于电子司机来说，在行驶中避让交通警察、交通协管员和急救车辆将是非常关键的环节；要是在行人可能突然跑到汽车前面的闹市区，我们可能只能暂时和电子司机说再见，选择步行或者乘坐地铁。

就像前面讲到的一样，人类驾驶员在日常驾驶过程中能够轻松解决面临的问题，但是，对计算机来说，这些决策却是巨大的挑战。我们需要投入时间、金钱和大量的工作才能让计算机解决这些问题。然而，现在有很多人笃定地认为，完全自动化的汽车马上就要来了。

是什么引发了这种分歧？一部分原因在于用词，大众媒体不加区别地运用“自主”、“无人”以及“自动驾驶”来描述这些不同的技术，却模糊它们之间的区别。此外，汽车行业也没有帮忙澄清事实。汽车制造厂、设备供应商和技术公司的营销者精心策划宣传材料，以便更好地诠释自家产品的自动化程度。行业内的记者在报道相关进展时，也会主动选择最乐观的预测，因为这样才会令人兴奋。信息在这样的环境中传播后，用户对产品不现实的预期很快就呈螺旋式上升了。

目前这种混乱的阐述十分糟糕。自动化驾驶技术就要来了，但是这种可以挽救生命、降低污染、节约能源的新技术，却不会以你之前理解的方式到来。

定义自动驾驶

驾驶车辆远比人们想象的复杂，这涉及很多技能和行为。其中有一部分非常容易实现自动化，例如，利用过去几十年在传统的巡航控制系统中积累的经验，可以让汽车在公路上自动保持匀速行使。随着科技进步，工程师们还成功实现了其他一些任务的自动化：目前广泛应用的自适应巡航控制系统可保持适当车速和车间距；在梅赛德斯—奔驰和英菲尼迪的新车型上也使用了车道保持系统，它可以协调摄像头、传感器收集的信息，利用方向控件使车辆维持在车道中间行驶。现在，汽车已然非常聪明了，可是即便如此，从目前的汽车自动系统到完全的自动化驾驶，还有非常巨大的鸿沟需要跨越。

国际汽车工程师协会（SAE International，前身为汽车工程师协会）定义了关于自动驾驶的五个阶段，这种划分有助于我们厘清关于自动化驾驶的很多问题。以自动化程度的不同为依据，前三个阶段（不包括零级，即无自动化）的技术全部需要依靠人类来处理行驶过程中的紧急情况。在第一阶段中，包括自适应巡航系统、车道保持系统等类似系统；在第二个阶段中，系统整合了第一阶段的技术（比如车道保持和自适应巡航控制系统中的车辆横向纵向控制），从而实现更复杂的自动驾驶任务。目前在市场中销售的自动驾驶车辆只能达到这一阶段；第三阶段的系统允许驾驶员在特定场景中切换到自动驾驶状态，比如在高速公路上堵车时。

最后的两个阶段与前面的阶段大不相同，完全不需人类协助。第四个阶段的（高自动化）系统可处理所有与驾驶相关的任务，但是使用场景严格限定在封闭停车场或高速专用车道上。顶级的第五阶段就是完全自动化的汽车了。日本日产汽车公司首席执行官卡洛斯·戈恩（Carlos Ghosn）等人曾信心满满地宣布，2020年自动化汽车将能上路驾驶，想必很多人心里设想的自动驾驶汽车，就是这种了。

然而，顶级自动驾驶系统不可能很快上路，相反，它还有很长的路要走。目前距离第三个阶段就已经很近了，发展到第四阶段还需要几十年的时间。为了认识目前所处的混乱环境，也为了说明为什么会有以上预测，我们可以从软件的角度来谈一谈。

国际汽车工程师协会对不同的汽车的自动化程度做出了解释，并对自动化程度排出完整的序列。有意思的是，第四阶段的自动化技术要比第三阶段的自动化技术易于控制，而第五阶段的自动化技术（不需人类输入指令即可掌控一切驾驶条件的电子驾驶员）仍需几十年才能实现。

软件梦魇

无论公众怎么看，人类驾驶员还是非常善于避免严重车祸的发生。2011年美国交通安全统计数据显示，综合所有司机的驾驶情况，大概驾驶330万小时会发生一起致命碰撞；驾驶64 000小时会发生一起致伤碰撞。这些数字为自动驾驶系统设立了重要的安全目标，即自动驾驶的最低安全标准不得低于人类驾驶时的标准。想要自动驾驶的可靠性达到这个标准，还有很长的路要走，这中间的距离可比很多自动驾驶爱好者认为的长。

想想你的笔记本电脑多久死一次机，如果这样的软件用于汽车驾驶，“蓝屏死机”将不仅仅是一句抱怨，软件延迟十分之一秒响应都有可能引发交通事故。所以，自动驾驶涉及的软件必须使用截然不同的标准来设计开发，不能以消费市场上现有的设备为基础。

要达到这些标准极其困难，需要在软件工程和信号处理上都取得根本性的突破才行。首先，工程师需要使用全新的方式设计软件，设计出的软件还需要通过高标准的测试，确保在复杂和变化迅速的条件下也能准确运行。目前，在简单的应用场景中，已经采用了一种有趣的新方式：在真实应用一段代码前，分析所有可能出错的地方。这种方法就像用数学证明验证计算机程序一样。科学家已经开始考虑扩大这类测试，因为自动驾驶系统可能涉及到一些超级复杂的代码，用新的方式做测试，可以预先检验软件能否完全实现自动驾驶的要求。

一旦写好代码，软件工程师就需要尝试新的办法来调试和验证，因为现有的方法既繁琐又昂贵。客观来讲，在开发新型商用或军用飞机时，一半的成本都来自软件调试和验证，然而，飞机上使用的软件远不如自动驾驶系统需要的那么复杂。工程师设计飞机自动驾驶系统时，不需要考虑在飞行过程中，附近飞机的精确速度和位置，因为距离太远，总有足够的时间做出反应。飞机在飞行中，系统可以在命令下达数十秒后才制定出适宜的执行方案。反观自动驾驶的汽车，行驶时前后都有很多车辆，还有可能出现突然闯入眼帘的障碍物,面临突发问题。在任何情况下，汽车的自动驾驶系统都需要在几微秒之内做出决策，因此，和飞机上使用的系统和代码相比，这个系统复杂了几个数量级。

一旦代码通过验证，生产商就需要“证明”这套系统的安全性足以满足各方（公司风险管理人员、保险公司、安全倡导者、立法者和潜在客户）的要求。在这种情况下，常规使用的“验收测试”将变得不切实际。为了确保成千上万的消费者在日常使用中，车辆能够应对不同的危险场景，测试者需让汽车行驶数十亿千米。即使利用统计学的方法减少测试的距离，也要跑上很长的距离。为了解决这个问题，行业内部人员已经开始做一些新的尝试。德国的政府部分和行业机构已经启动了一个几百万美金的项目，但不得不说，努力才刚刚开始。

除了控制车辆的代码（通常比喻为大脑）需要接受严格审查，给大脑提供决策数据的传感器也需要接受同样严格的审查。工程师必须开发新的处理传感器信号的算法和数据融合算法，使假阴性（意外出现、没有登记在案的威胁性对象）和假阳性（非威胁性对象，但被错误分类，导致车辆出现急转弯和紧急制动等不恰当反应）的情况趋近于零，高效区分道路上威胁性和非威胁性的对象，以便及时做出反应。

工程师不能求助商用飞机系统采用的强制冗余系统，因为自动化汽车是消费性产品，它的价格应该让大众能够负担。不过，求助于人工智能也不能显著解决安全问题。也有些人建议利用机器学习，这样就能使自动驾驶系统利用数百万小时的驾驶数据，训练出一个身经百战的系统。在消费者使用时，这个系统还能一直学习，一直更新。但是，机器学习本身的问题就在于非确定性。如果用不同的交通情况训练驾驶系统，在一年后，两辆从一条生产线出来的汽车也会产生截然不同的控制代码。

沃尔沃将对超过100辆SUV进行实地测试，这些SUV可以监测周围环境并自行导航。这些车辆已应用于欧洲公路列车测试。

第四阶段的未来

我曾经说过，在2040年前完全自动化的驾驶系统很难出现，然而，不知从什么时候开始，就有人引用我的话说自动驾驶的最高阶段在2040年就能实现。我想说，到2075年完全自动化的驾驶系统都很难实现。真正实现的时间会比这个时间节点早吗？也有可能，但不会提早太多。

要实现第三阶段的自动化驾驶，也有很多问题需要解决。在出现紧急情况时，应该如何使驾驶人员重新集中注意力？比如，驾驶员欣赏风景开了小差，或者更糟，在开车时睡着了。我听过一些汽车制造商代表的讨论，他们觉得这些问题太令人头疼，以至于不想开发第三阶段的系统。在交通拥堵，车辆走走停停时，堵塞辅助系统就能接管驾驶，这时车速很低，即使发生碰撞也很轻微。但是，除了这种有限的使用场景外，第三阶段的自动化驾驶很有可能直接被跳过，永远也不会实现。

或许，在下一个十年中就会出现自动化驾驶程度非常高的汽车。现在，几乎所有大型汽车生产商和信息技术公司都在盯着这一块，他们对第四阶段的自动化技术（受限于特定环境，但不依赖人类的完全自动驾驶）投入了大量资源。如果在一些特定的场景中，必须使用自动化汽车系统，那么第四阶段技术的可行性是非常高的。比如在机场里，一些专门设计的自动化载人轨道已经应用很多年了。

我们可以畅想，在未来十年间极有可能出现自动泊车系统。它允许驾驶员在车场入口处下车，让车自动进入装备完善、不允许行人和非自动化汽车进入的场地。此时，自动驾驶系统会与遍布车库的传感器通讯，找出可停放地点，并自动导航到目的地。可以想象，由于没有开关车门的需求，车位两边的空间也可以比现行标准更窄，这就能留出更多的空间，容纳更多车辆。

在城市中的人行区、商业区、大学校园和其他不允许高速车辆通过的地方，低速的无人驾驶客车也很适用。这些环境中，性能有限的传感器也能有效探测行人和骑自行车的人。如果传感器探测到假阳性，在不必要的情况下选择了刹车，顶多使车上的乘客感到不愉快，不会伤害其他人。2014年，欧盟委员会推出的城市出行计划（CityMobil2）中就一直在展示这类技术，近期，计划展示的内容又更新了一次。

把公交专用道和卡车专用车道与其他车道分开，就能很快使商用的自动驾驶车辆上路。按这种计划运行，就能让自动化驾驶的可行性得到明显提升。人车分离的方式能极大简化危险探测和反应系统，无人驾驶的卡车和巴士就能够形成节能车队，跟随领头的人类驾驶汽车行驶。全球有大量研究人员都测试过巴士和卡车车队自动化驾驶系统，其中包括加利福尼亚大学伯克利分校的加利福尼亚高级交通技术联盟项目、日本的能源智能交通系统项目、欧洲的Konvoi和安全道路列车项目（SARTRE）。

当我们期待下一个十年时，第四阶段的自动化高速公路系统很有可能会广泛使用，它能为个人用户提供直接服务，允许汽车在指定的高速路段自动行驶。这套系统中，车辆还包含了冗余的部件和子系统，即使在出错时，也能自己能“跛脚回家”，不需人类操心。当然，这种行驶方式一般需要限制在晴天，车道上详细标明了各种指引标志。当出现故障时，车辆还可以自动驶入这些路段上设置的“安全港”。现在，大量汽车生产商都在努力开发这类系统，明年，沃尔沃将在瑞典哥德堡推行一项实地测试，到时候，100辆样车将在公路上测试自动驾驶系统的真实性能。

这些场景可能不像拥有私人电子驾驶员那样未来感十足，但是，这些技术一定能实现，甚至很快就能实现。

作者简介：史蒂文·施多福是美国智能交通系统的先驱之一，拥有麻省理工学院（MIT）的学士、硕士和博士学位。20世纪80年代，他曾帮助加利福尼亚大学伯克利分校交通学院创建加利福尼亚高级交通技术联盟（PATH）项目。

本文原载于《环球科学》2016年7月刊 

更多AI深度解读，尽在《环球科学》2016年7月刊——AI崛起。