誰來為自動駕駛保駕護航？

近日，自動駕駛相關話題再度引發熱議，公眾對技術的信任出現危機。自動駕駛等于無人駕駛嗎？自動駕駛究竟發展到了何種階段？自動駕駛的安全防線誰來把守？希望本文能帶給你關于自動駕駛的新知識、新思考。

《科學畫報》編輯部

馬路上平穩地行駛著一輛汽車，它沉穩地應對復雜的路況，絲滑地避讓變道過來的車輛，這都讓人相信它的方向盤握在一位經驗豐富的駕駛員手中。然而，如果仔細觀察就會發現，駕駛座上的人雙手全程沒有觸碰方向盤，甚至駕駛座上根本沒有人——這輛汽車是在“自己開自己”。這就是自動駕駛技術。

自動駕駛測評：守住安全防線

自動駕駛是對駕駛員感知、決策、控制功能的增強和替代。自動駕駛的技術層次分為L1到L5共5級，從低到高依次可降低人類駕駛勞動強度，最終將人從駕駛勞動中完全解放。當前，自動駕駛正處于L2到L3的過渡階段。

自動駕駛技術是新一代人工智能、交通強國、“中國制造2025”、國家科技創新規劃等國家戰略的交匯點，美國、德國、日本等國家也將發展自動駕駛技術納入國家戰略。自動駕駛已成為全球科技競爭焦點，各國都在加快推動智能網聯汽車技術研發及應用。尤其是近年來，全球配置不同級別自動駕駛系統的新車銷售占比顯著提高，從2015年的23%到2022年的53%。

自動駕駛的目標是將人從駕駛勞動中解放出來，但目前的現實是自動駕駛百萬千米事故數仍高于人類駕駛的兩倍。美國《科學》雜志和全球知名智庫蘭德公司發布的報告均表明：相對不完備的測試評價導致了自動駕駛安全防線失守。因此，系統性開發自動駕駛相關測評技術，高效準確地評判自動駕駛系統/產品的表現，已成為自動駕駛發展的重要一環。

虛實融合，重構復雜駕駛場景

區別于傳統汽車，自動駕駛需要感知、理解，甚至與交通環境中的其他參與方進行交流、對話和博弈。因此，自動駕駛測試的范圍也超越機械、物理和化學等領域，且沒有系統的、成熟的方法和標準能夠參照和比較。針對早期過分依賴道路測試、效率低下等測試瓶頸，建立以整車道路自然駕駛數據為起點的，包含場景加速、仿真加速和流程加速三方面，覆蓋從場景數據到測評標準、從模型在環到系統在環測試等技術領域的自動駕駛測試技術體系迫在眉睫。

同濟大學和上汽集團研究團隊研發了基于平臺車輛搭載感知、定位、同步等子系統的三代輕量級駕駛場景全息采集裝備，建立場景數據從采集車隊到后臺的高效傳輸通道，開發涵蓋存儲、查詢、任務調度等功能的場景數據庫，實現復雜駕駛場景語義解析與多模態數據自適應融合技術，完成了復雜駕駛場景要素的高精度重構，構建場景參數組合規律解析與自動化生成模型。高風險場景泛化技術解決了從現實場景有限采集到無限泛化的難題，使采用自動駕駛技術的汽車始終行駛在正確的道路上，保障交通安全、通行效率和社會文明。

在仿真環境里迭代

暴雨等惡劣天氣對自動駕駛的安全性有很大影響。一方面，自動駕駛系統的傳感器會受到強烈干擾，感知精度大幅下降，執行器也會因路面條件的改變受到直接影響。另一方面，整個交通環境會發生顯著變化，交通流中的其他車輛通常會因視距受限、路面濕滑等因素而改變駕駛行為（如更頻繁地剎車），突發事故概率顯著增加，可能會出現前方突然擁堵、旁車失控滑移等情況。上述因素疊加在一起，顯著增加了自動駕駛系統的反應難度和決策復雜性，因此，對自動駕駛系統進行極端天氣中的測試是十分必要的。然而，在真實環境中進行這種測試不僅難以控制，而且有很高的成本和安全風險。

為了應對這一挑戰，研究團隊利用“人—車—路—環全要素耦合仿真推演技術”，構建了一個多維的復雜交通仿真環境。這個仿真環境涵蓋了氣候、道路狀況、交通流特征等所有環境要素，能夠動態模擬暴雨條件下的傳感器視距縮短、識別模糊和執行器延遲等問題。此外，內置的多車行為模型會根據天氣因素調整每輛車的行駛模式，包括減速頻率、車距保持、對突發事件的應急反應等，模擬真實交通流在極端天氣下的駕駛風格。為了提高場景的真實性，研究團隊還引入了交通流統計數據，融合了多種氣候條件下的交通事故和行為變化歷史數據，以預測真實環境中的突發事故概率。這些耦合場景的疊加可以在仿真環境中再現極端天氣下自動駕駛系統可能面臨的各種復雜場景，從而系統地測試算法的性能。

研究團隊利用“人—車—路—環全要素耦合仿真推演技術”對自動駕駛系統進行了數萬千米的虛擬測試，結果顯示，自動駕駛系統在部分突發情況下的應急策略存在不穩定性。例如，在多車突然減速的情況下，傳感器由于雨水干擾無法準確識別車距，導致制動延遲。基于仿真測試結果，研究團隊重新訓練了感知模塊，增強自動駕駛系統在復雜天氣條件下對車輛距離和相對速度的識別，并優化了其應急避障算法。改進后，自動駕駛系統的平均應急響應速度提升了31%，有效減少了極端天氣下的事故風險。

為自動駕駛保駕護航

從跟跑到領跑，研究團隊打破國外壟斷，自主研發了自動駕駛系統測試評價技術框架體系，開發了虛實協同測試優化技術，顯著縮短自動駕駛產品更新周期，提高了企業研發競爭力。

從理論到實踐，研究團隊正在向開發自動駕駛測評核心關鍵技術（如場景數據庫和仿真加速測試方法）及其裝備和工具鏈進軍，通過參與國際標準制定，提升自動駕駛技術國際話語權，加速中國高水平科技自立自強，支撐相關產品提質增效和出口持續增長。

近年來，在人工智能、大數據等信息技術的加持下，自動駕駛技術路線不斷創新，既有多傳感器融合并基于規則決策的傳統模式，又有純視覺“端到端”模式等。我國相關企業正穩扎穩打，步步為營，一邊擴大完善L2級功能場景范圍，一邊局部突破L3或L4級應用，甚至希望一步到位攻克L5級。自動駕駛測試評價標準體系中的相關內容也需要進一步細分、完善和創新，為高速發展的自動駕駛技術保駕護航。

本文作者為上汽集團質量和技術管理部新技術支持總監王燕文、上海市科普作家協會會員徐鳴。

本文相關成果“自動駕駛汽車虛實融合測評關鍵技術與系列裝備”榮獲2023年度上海市技術發明獎一等獎。

點擊圖片訂閱

2025年《科學畫報》