“避免闯红灯与撞行人，原本是无人车最值得骄傲的地方，因为机器反应比人快，但Uber把这两件事都干了。”一位网友评价称。Uber无人驾驶车撞人视频公布以后，它的真实技术水平立刻成为技术圈的舆论焦点。
美国东部时间3月18日晚10点，49岁的Elaine Herzberg在推着她的自行车横穿马路时，被Uber正在测试的无人驾驶车撞伤，不治身亡。
与此前特斯拉自动驾驶模式失灵不同，这次事故中Uber的测试车处于完全无人驾驶模式，被认为是世界上首起汽车机器人致死事故。
由于受害者并未行走人行横道，亚利桑那警局局长Sylvia Moir在公开报告中表示，责任可能不在Uber而是行人。随着调查视频的公开，Uber在事故发生前毫无刹车迹象，技术专家几乎一致认为，这是Uber自动驾驶技术失灵所致。
受此事故影响，Uber全面停止了在美国与加拿大的自动驾驶车辆测试，此前，它在亚利桑那、匹兹堡、多伦多与其他地区均有测试基地。
由于担忧对安全驾驶员的心理影响，丰田汽车在事故后宣布暂停美国的无人驾驶测试。英伟达创始人黄仁勋称事故原因还不明朗，无法保证驾驶员安全，暂停英伟达无人驾驶道路测试。
“安全第三”，一位Otto员工曾将写有这种字样的一张橙色贴纸贴在旧金山总部里，这家公司后来被Uber收购，创始人安东尼莱万多夫斯基（Anthony Levandowski）成为Uber无人驾驶的领导者。这句Uber内部自嘲式的玩笑，流露出对安全不以为然的态度。
自2017年以来，无人驾驶公司开始重金增加测试车辆，但伴随撞人案引发的法律与监管争议、公众抵触等一系列问题，Uber无人驾驶系统失灵成为千夫所指的矛头。
从问责行人到开始质疑和追责自动驾驶技术，这次交通事故正在激发整个行业对无人驾驶汽车是否过早推入市场的争议复苏。
参考观研天下发布《2018-2023年中国汽车自动驾驶行业市场现状分析及投资方向研究报告》
1概论
自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和网联化发展的主要方向，已成为各国争抢的战略制高点。本文重点介绍自动驾驶涉及的技术、标准，以及国内外测试、部署方面的进展和趋势。
2自动驾驶技术及分类
2.1自动驾驶技术分级
自动驾驶技术分为多个等级，目前国内外产业界采用较多的为美国汽车工程师协会（SAE）和美国高速公路安全管理局（NHTSA）推出的分类标准。按照SAE的标准，自动驾驶汽车视智能化、自动化程度水平分为6个等级：无自动化（L0）、驾驶支援（L1）、部分自动化（L2）、有条件自动化（L3）、高度自动化（L4）和完全自动化（L5）。两种不同分类标准的主要区别在于完全自动驾驶场景下，SAE更加细分了自动驾驶系统作用范围。
表：自动驾驶技术分级标准
2.2自动驾驶技术路线
在自动驾驶技术方面，有两条不同的发展路线：“渐进演化”的路线
也就是在今天的汽车上逐渐新增一些自动驾驶功能，如特斯拉、宝马、奥迪、福特等车企均采用此种方式，这种方式主要利用传感器，通过车车通信（V2V）、车云通信实现路况的分析。
完全“革命性”的路线即从一开始就是彻彻底底的自动驾驶汽车，如谷歌和福特公司正在一些结构化的环境里测试的自动驾驶汽车，这种路线主要依靠车载激光雷达、电脑和控制系统实现自动驾驶。从应用场景来看，第一种方式更加适合在结构化道路上测试；第二种方式除结构化道路外，还可用于军事或特殊领域。
2.3自动驾驶涉及的软硬件
（1）传感器
传感器相当于自动驾驶汽车的眼睛。通过传感器，自动驾驶汽车能够识别道路、其他车辆、行人障碍物和基础交通设施。按照自动驾驶的不同技术路线，传感器可分为激光雷达、传统雷达和摄像头3种。
激光雷达是目前被采用比例最大的设备，Google、百度、Uber等公司的自动驾驶技术目前都依赖于它，这种设备被架在汽车的车顶上，能够用激光脉冲对周围环境进行距离检测，并结合软件绘制3D图，从而为自动驾驶汽车提供足够多的环境信息。激光雷达具有准确快速的识别能力，唯一缺点在于造价高昂（平均价格在8万美元/台）导致量产汽车中难以使用该技术。
传统雷达和摄像头由于激光雷达的高昂价格，走实用性技术路线的车企纷纷转向传统雷达和摄像头作为传感器替代方案，如著名的电动汽车生产企业特斯拉，采用的方案就是雷达和单目摄像头，国际知名厂商为Mobileye等。
其硬件原理与目前车载的ACC自适应巡航系统类似，依靠覆盖汽车周围360°视角的摄像头及前置雷达来识别三维空间信息，从而确保交通工具之间不会互相碰撞。虽然这种传感器方案成本较低、易于量产，但对于摄像头的识别能力具有很高的要求：单目摄像头需要建立并不断维护庞大的样本特征数据库，如果缺乏待识别目标的特征数据，就会导致系统无法识别以及测距，很容易导致事故的发生；而双目摄像头可直接对前方景物进行测距，但难点在于计算量大，需要提高计算单元性能。
（2）高精度地图
自动驾驶技术对于车道、车距、路障等信息的依赖程度更高，需要更加精确的位置信息，是自动驾驶车辆对环境理解的基础。随着自动驾驶技术不断进化升级，为了实现决策的安全性，需要达到厘米级的精确程度。如果说传感器向自动驾驶车辆提供了直观的环境印象，那么高精度地图则可以通过车辆准确定位，将车辆准确地还原在动态变化的立体交通环境中。
（3）V2X
指的是车辆与周围的移动交通控制系统实现交互的技术，X可以是车辆，可以是红绿灯等交通设施，也可以是云端数据库，最终目的都是为了帮助自动驾驶车辆掌握实时驾驶信息和路况信息，结合车辆工程算法做出决策，是自动驾驶车辆迈向无人驾驶阶段的关键。
（4）AI算法
AI算法是支撑自动驾驶技术最关键的部分，目前主流自动驾驶公司都采用了机器学习与人工智能算法来实现。海量的数据是机器学习以及人工智能算法的基础，通过此前提到的传感器、V2X设施和高精度地图信息所获得的数据，以及收集到的驾驶行为、驾驶经验、驾驶规则、案例和周边环境的数据信息，不断优化的算法能够识别并最终规划路线、操纵驾驶。
3国内外发展情况及趋势
从自动驾驶国内外整个发展情况来看，美、德引领自动驾驶产业发展大潮，日本、韩国迅速觉醒，我国呈追赶态势。具体而言，体现出以下几个趋势：
（1）以尽快商用为目标，加快推进路面测试和法规出台
在路面测试方面，美、德、日、韩以及我国均积极推进路测，作为自动驾驶汽车应用的基础。
从国际上来看
各国纷纷将2020年作为重要时间节点，希望届时实现自动驾驶汽车全面部署。美国在州层面积极进行自动驾驶立法，截至2016年底，16个州通过相关法案或行政令，明确测试条件和要求，允许企业在州层面展开路面测试。德国政府2015年已允许在连接慕尼黑和柏林的A9高速公路上开展自动驾驶汽车测试项目，交通运输部门于2017年3月向柏林的Diginet-PS自动驾驶试点项目发放补贴，用于开发处理系统并提供自动驾驶的实时交通信息。日本Nissan公司已经在东京、硅谷和伦敦测试了旗下的自动驾驶汽车LEAF，希望尽快积累安全测试记录。韩国目前已颁发13张自动驾驶测试许可，计划于2020年前商业化3级自动驾驶汽车。
从我国来看
工业和信息化部2016年在上海开展上海智能网联汽车试点示范；在浙江、北京—河北、重庆、吉林、湖北等地开展“基于宽带移动互联网的智能汽车、智慧交通应用示范”，推进自动驾驶测试工作。北京已出台智能汽车与智慧交通应用示范5年行动计划，将在2020年底完成北京开发区范围内所有主干道路智慧路网改造，分阶段部署1000辆全自动驾驶汽车的应用示范。
江苏于2016年11月与工业和信息化部、公安部签订三方合作协议，共建国家智能交通综合测试基地。
（2）以网联汽车为方向，推动系统研发和通信标准统一
从目前产业趋势来看
多数企业采取了网联汽车（ConnectedCars）的发展路径，加快芯片处理能力、自动驾驶认知系统研发，推动统一车辆通信标准的出台。
资料来源：互联网，观研天下GSL整理
更多好文每日分享，欢迎关注公众号
【版权提示】观研报告网倡导尊重与保护知识产权。未经许可，任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题，烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至kf@chinabaogao.com，我们将及时沟通与处理。
