自动驾驶有前景吗（自动驾驶真正上路还有10%的技术难题待解）

时间：2023-03-11 13:59:15来源：food栏目：物流新闻阅读：

自动驾驶在技术上已化解了90%的难题，但剩10%的难题如很多边界线化瓶颈，却可能花费比过去更多的心力去化解。

10月21日，全国首家常态化运营的5G随处公交车在苏州获批。这个在苏州高速铁路新城亮相的随处公交车是在对外开放的城市公路上运行，且速率可达20—50千米/时。这辆随处公交车车除了具备避让行人车辆、自动变道、自动转向、红绿灯识别等基本功能，还能应付各类城市复杂城市交通情景，例如穿行人车混杂的路口、应付后车加塞、“鬼探头”等。

此前，10月12日，北京也对外开放了随处驾驶的士试车，可试车区域包括海淀、亦庄等，12日当天北京地区的呼单量就突破了2600单。而早在今年4月，长沙已全面对外开放了随处驾驶的士服务。

自动驾驶服务陆续获批，是否意味着其商品化临近？

商品化正迎来最佳时机

现阶段自动驾驶的获批情况如何？其发展到了一个什么程度？

“2019年12月，亚洲地区首次提出了新基础建设的概念，掀起了一股新浪潮。新基础建设包括5G、物联网、工业互联网、卫星互联网、人工智能、云计算、区块链七大板块，其中有三大板块是自动驾驶软件的核心技术——5G、AI、大信息中心（云计算）。”轻舟智航联合创始人、CEO于骞在接受科技日报记者采访时则表示。

是骞看来，自动驾驶处于这几大领域的交汇点，是新基础建设的典型获批应用领域。加上近年来不断完善的智慧城市、智慧城市交通相关政策，可以说，自动驾驶在亚洲地区的商品化获批正迎来最佳的时机。

“在整体获批方面，仅从近几年随处驾驶行业的创业者公司情况来看，以2018年为分界点，随处驾驶领域确实是出现了两个创业者的黄金窗口。”于骞说。

第一个黄金窗口出现在2015年至2017年之间，在这段天数里，出现了一批自动驾驶公司，在这个阶段的融资主要是靠估算的产品规模以及团队背景，当时市场对L4等级自动驾驶（全自动驾驶）产品获批的期望值很高，定下了不少较为乐观的近期目标。

“在近期目标没有实现时，市场感到了失望，并重新对获批天数树立起了新的认知，这时又碰上了资本寒冬，所以自动驾驶创业者公司的声音少了许多。”于骞则表示。

在2019年之后，人们对L4等级自动驾驶的预期开始回归理性，随着技术的进一步成熟，市场的需求也呼唤随处驾驶产品获批。同时国家的各类政策先后推出，以及相应的法律法规逐渐完善，随着硬件成本的显著下降，L4等级自动驾驶的短期获批情景逐渐明确了。

于骞则表示，现阶段，业内预计公共公路中高速行驶载人情景的获批运营天数大概在1—3年，公共公路中高速行驶载货情景的获批运营天数则是在3—5年。虽然前几年已有各种物流车、摆渡车试运行，但这些试运行都只局限在园区里头，这里的获批，指的是在公开公路中的获批。

随处巴士更具获批可能性

部分应用领域获批是否意味着自动驾驶将很快投入商品化运行？自动驾驶的商品化公路还有多远？

是骞看来，自动驾驶能否商品化取决于不同自动驾驶等级和不同情景，例如L2等级自动驾驶（部分自动驾驶）的方案已在许多量产车上获批。

“随处驾驶的士作为现阶段市场规模最大的、最有挑战的部分，是城市复杂城市交通环境随处驾驶的终极目标，但随处驾驶的士的获批周期较为长、速率快、非紧固铁路线，获批难度会较为大。”于骞说。

现阶段业内更看好随处巴士在公开公路的商品化获批应用领域，随处巴士正在亚洲地区多个城市启动常态化运营，可满足用户城市中的地铁转乘及微循环转乘需求。

如苏州在2020年7月发布了全球首条城市微循环随处巴士市民体验铁路线，并随后获批了全国首家常态化运营的城市公开公路随处巴士工程项目，部署多条随处巴士城市微循环铁路线。苏州的随处公交车工程项目将设置多条铁路线，覆盖高速铁路新城周边9.8平方公里区域，化解居民出行“最后三公里”瓶颈。这是现阶段亚洲地区覆盖范围最大的随处公交车工程项目，也是唯一常态化运营的城市公开公路随处公交车工程项目。

于骞则表示，随处巴士这一应用领域情景具有三大优势。第一，中高速行驶情景，乘客对车速的预期可控，速率保持在20—50千米/时之间。第二，紧固铁路线，车在同一条铁路线上反复磨练，更能确保行驶安全，并可实现红绿灯优先和预警。第三，满足用户多人出行，具有社会效益，在公共公路上享受优先路权。

“随处巴士这一应用领域情景结合了紧固铁路线中高速行驶、多人出行路权优先、可部署基于5G的车路协同等优势，或将成为L4等级自动驾驶的最快实际获批情景。”于骞说。

已化解90%的技术难题

有专家指出，现阶段困扰自动驾驶的主要难点是其决策总体规划和认知，并认为现阶段并没有看到这两个瓶颈的化解措施，此观点获得不少人的认同，现实情况是否如此？

于骞认为，决策总体规划和认知的难题都可以归结为自动驾驶的长尾难题。自动驾驶在技术上已化解了90%的难题，但剩的10%却可能花费同样多甚至更多的心力去化解，这10%包括很多边界线化瓶颈（Corner case），如在车辆碰上百灵鸟之前，技师甚至不知道会有百灵鸟的难题。所以边界线化瓶颈是需要去发现并化解的。

那么边界线化瓶颈怎样去发现并化解呢？

“除了收集大批的信息，更重要的是建立自动化生产工厂，将源源不断收集来的有效信息，通过自动化的工具，加工成可用的模型。以更快的速率、更高效的方式应付边界线化瓶颈。”于骞则表示。

于骞以上面百灵鸟的情景为例，如果需要专门针对这些情景去开发特殊的模型，那会有无穷无尽的情景需要处理。但借助自动化的办法，只要信息标注好了，下次系统更新时便可以更好处理这种情况，省下大批技师的天数。

“以认知举例是较为容易理解的，但其实总体规划技术也一样。要想让车做出准确的总体规划，最原始的方法是技师写准则——大批的技师写出大批的准则，但这种方式不易维护性还不能满足用户最新需求；再进一步便是设计奖励表达式——设计奖励表达式比写准则要简单得多；再往后则是系统利用信息自动学习奖励表达式。这个过程便是往自动化方向发展的过程。”于骞说。

冷链服务业务联系电话：19138199759