什麼是汽車自動駕駛，如何通俗易懂地理解其功能及原理？

01-05

&>&> 本問題已加入 人工智慧 · 自動駕駛 圓桌中，歡迎關注圓桌參與更多討論 &<&<

蟹妖。有關自動駕駛的內容其實我們已經寫了很多了，比如這兩篇專欄文章：

https://zhuanlan.zhihu.com/p/22073178

https://zhuanlan.zhihu.com/p/23537162

今天就在這個問題下用一篇回答來全面地單獨解釋下這個概念吧。

什麼是自動駕駛？

人們對於自動駕駛最早的誤解，其實源於一些媒體的誤讀。很多媒體把 Autopilot 這一詞簡單簡單拆解為「Auto」和「pilot」兩個辭彙，並將中文意思曲解為自動駕駛。

(仍然需要人類做出關鍵決策的特斯拉駕駛輔助系統)

然而其實 Autopilot 這個詞源於飛機、列車、輪船領域的輔助駕駛系統。維基百科也給這個詞做了明確的定義：

An autopilot is a system used to control the trajectory of a vehicle without constant 『hands-on』 control by a human operator being required.
駕駛輔助是一個用來控制載具軌道而無須人工一直干預的系統。

這句話裡面的關鍵詞其實是「constant」持續的。也就是說，Autopilot 所代表的駕駛輔助系統是不需要人類持續干預的，但是仍然需要人類做出某些干預，比如關鍵性的決策等，機器只是在一旁輔助。

(不需要人類駕駛員做出決策的 Uber 全自動駕駛車)

而關於我們大眾所認知的自動駕駛，或者說全自動駕駛，在維基百科中同樣也有相關的定義。我們所認知的無人駕駛車，準確的說應該叫做「Autonomous car」。

而這一概念的定義是：

An autonomous car (driverless car, self-driving car, robotic car) is a vehicle that is capable of sensing its environment and navigating without human input.
自動駕駛車（無人駕駛車，自駕駛車，機器人車）是能自動感應周圍環境並且無需人干預而自動導航的載具。

與對於駕駛輔助的定義類似，無人駕駛車概念的關鍵支持在於無需人類干涉。也就是說機器會自動感知，自動做出決策並且自動駕駛。

所以這樣來說，自動駕駛究竟是什麼的定義問題就變得格外簡單了。駕駛輔助和自動駕駛，最主要的區別在於人的參與度，前者需要人參與，而後者完全不需要人參與。

如果我們只說人的參與度的問題，就會出現界定技術是否屬於自動駕駛的禿頭悖論（究竟拔掉多少根頭髮才算禿頭）。所以為了更為清晰地做出界定，美國汽車工程師協會（SAE）和美國高速公路安全局（NHTSA）對自動駕駛做了分級。為了讓自動駕駛的分級更加直觀，愛范兒（微信號：ifanr）整理了這樣一張圖表：

從圖表中我們可以看出，我們所期望的全自動駕駛車輛其實在分級上屬於 SAE 的 Level 4-5、NHTSA 的 Level 4 車型，是基本不需要人類做任何駕駛決策的。

了解了究竟什麼才是自動駕駛，我們再來看看自動駕駛是通過什麼技術實現的。

功能、原理及難點

其實單純從硬體技術層面來看，自動駕駛的原理並不算特別複雜。用最簡單的話說，找一台車子來改裝一下（電動車比較好改一點且性能可控性更好），加幾個感測器，再塞一套開源的自動駕駛計算平台，好，這就搞定了。

感測器

感測器是自動駕駛車的眼睛，用於收集汽車周圍的信息。歸納來看，目前主流的自動駕駛車其實也就是使用了三種感測器：LiDAR 激光雷達、攝像頭、和傳統雷達。

三種感測器各有各的優勢，早就運用在車輛倒車雷達上的傳統雷達成本相對較低，穿透性較強且不受雨霧等環境的影響，但弱點在於覆蓋範圍較小且難以對周圍物體做出精準的判斷。LiDAR 激光雷達的優勢在於可以通過旋轉的激光射線束，構建出車輛周圍的 3D 影像圖，但缺點是由於激光的特性，容易受到雨、塵埃、霧的影響。且最主要的，由於激光雷達加工難度比較高，產量小，所以售價最貴。一顆 64 線激光雷達的售價就得四五十萬人民幣。

攝像頭同樣也是自動駕駛車所必備的感測器，與兩種雷達不同，攝像頭沒有任何穿透力且需要光線，用於自動駕駛的數據是通過對攝像頭的圖樣識別得出的。不過攝像頭也是最容易受到干擾的一種自動駕駛感測器，且一旦獲取的圖像有誤差，對最終的識別結果就會產生極大的影響。唯一的好處在於成本低，且目前視覺識別的方案相對來說發展得比較成熟，做無人駕駛汽車可用的也比較多。

數據處理

自動駕駛車上搭載的感測器收集到的數據，都會被傳輸到車載電腦中進行分析和處理，最終做出決策。對於車載電腦的技術部分我們不必多說，因為自動駕駛汽車單純從原理上真的不算是什麼「黑科技」，畢竟規劃路線，躲避障礙的功能目前很多掃地機器人和無人機都能實現。所以還是把關注的重心聚焦在實現自動駕駛的難點上。

自動駕駛汽車需要收集汽車周圍數據，對信息進行處理並最終做出決策，這整個過程與真人司機所要完成的過程幾乎毫無差異。所以訓練自動駕駛汽車的過程，其實就是個從菜鳥到老司機的過程。

在人工智慧技術的訓練上，試錯 (Trial and error) 是極為重要的方式之一，人工智慧通過不斷的試錯與糾正得到進步。但這一方式換到了自動駕駛上卻幾乎不可行。行車時出現的事故往往是我們不能接受的，只要出了意外，輕則損失數千元，重則導致人命傷亡。由始至終，自動駕駛汽車的關鍵絕非「能否做到」，而是「能否做好」；所以目前的自動駕駛技術，大部份都是用來減低犯錯機率的。

然而少量的測試則隱藏著巨大的安全隱患，根據 Google 最近的資料，他們的 58 輛無人駕駛汽車合計跑了 223 萬英里（約 338 萬公里）才犯了一點小錯，看上去出錯的幾率微乎其微，但乘上一個極大的基數，出現事故的數量仍是我們不能承受的。

根據調查機構 RAND 的數據，全美汽車行駛里數約 3 兆億英里（約 4.83 兆億公里），我們假設自動駕駛汽車，每跑 223 萬英里就會發生小錯，那每年 3 兆億英里的話，就是一年之內犯了超過 160 萬次錯誤。

還有一個重要的問題是，自動駕駛若是想要覆蓋更多的地方，所要收集和處理的數據就會越來越多，不同的路況會給車載電腦帶來不同的處理變數。而當人類駕駛和自動駕駛車同時行駛在路上時，不確定性就更高了，自動駕駛車做出決策的難度也會大大增加。

儘管目前自動駕駛技術仍然還在發展，但已經給了人一個足夠美好的希望，那就是經過訓練的自動駕駛車的駕駛技巧要比人類更好、更符合規定、反應更快，很多目前交通系統上存在的頑疾也可能因為自動駕駛的到來迎刃而解。

那麼自動駕駛能如何減少交通事故？可以看看我們另一篇回答。

自動駕駛能減少交通事故嗎？ - 愛范兒的回答 - 知乎

————————————————————————————————

原文作者： @張博文

後期編輯： @巫冬

通俗易懂的解釋，就是給載具增加感測器，然後通過電腦的運算，自動控制載具。

是不是自動化程度就越高越好呢？這並不見得，因為在複雜情況可能超出了自動駕駛系統原有的考慮，如果駕駛員無法預知自動駕駛系統的意圖，反而可能導致嚴重的事故。

因為自動駕駛儀和人的「矛盾」而導致的空難也有不少。

講一個近一點的吧，去年我國摔了一架殲15戰機，事故原因是：飛控失效。

簡單講，飛行員並不是直接控制飛機舵面的，而是電腦系統採集飛行員輸入的數據（比如桿量），明白飛行員的意圖以後，經過運算，得出一個結果，然後操縱飛機舵面。那麼這次事故中，在接地拉飄的過程中，飛控並沒有按照飛行員的意圖完成動作，造成了嚴重的事故。

一個簡明的理解：無人駕駛車輛歸根結底是輪式機器人

瞎想的，哈哈

類似於人類開車，通過人眼看到周圍路況[雷達、攝像頭、激光雷達等感測器]，通過大腦做決策（剎車、油門、轉向）[通過感知到的大量數據，經過ECU的決策演算法]，通過手腳去執行操作[直接將操作指令發給車輛其他ECU（EPS/ESP/EMS等等）]。

很多人終於弄清楚自動駕駛與輔助駕駛的區別是從特斯拉車禍事件之後。在那之前，所有人都將自動駕駛與輔助駕駛之間加了一個等號，認為這兩者是相同的，然而，事實上，美國國家公路交通安全管理局（Nation Highway Traffic Safety Administration, NHTSA）已經制定了一個非常嚴謹的自動駕駛分級系統。該系統將自動駕駛等級分成了5個等級，而美國汽車工程師協會則制定了更為嚴謹的6級分類法:

在兩套分類系統中，兩個組織第一級到第三級的分類標準都是一致的：

第零等級無自動化：車輛系統對汽車沒有控制權，僅僅能提供提醒的功能和基本的輔助，如夜視功能，倒車影像、車道偏移警告等。目前此類功能以及發展得相當成熟，且大部分車輛都可實現此功能，

第一級別駕駛支援：系統有少量的控制權，但只有單一功能，如加減速或轉向控制，且駕駛員可隨時接管。相應的功能包括：定速巡航，自動巡航功能和自動緊急剎車功能。和第一等級一樣，目前此類功能已經能廣泛應用到多數車輛上，且價格已經開始下降。

第二級別部分自動化：車輛基本可以實現自動駕駛，系統可同時接管加減速及方向控制兩個功能，但駕駛員亦然需要時刻關注車輛情況，如眼睛需要注視前方，雙手需要放在方向盤上，一旦有意外情況，駕駛員需要立即接管車輛。此類功能包括自動跟車功能，車輛可自動調節車速以及與前車的距離等。這個功能也是目前特斯拉等主流輔助駕駛車輛所處於的階段，但價格尚高，未能普及。

第三級別有條件自動化：系統接管絕大部分控制權，駕駛者僅在部分條件下需要接過控制權，此功能下駕駛者大多數時間下不需要關注駕駛情況，僅需要在系統提示的情況下進行接管。在此等級下，車輛的主動駕駛者變成了系統，而人類駕駛員變成了輔助者。這個級別也是目前多數傳統汽車廠商的短期實現目標。

NHTSA的第四級和SAE的第四、第五級自動駕駛等級都屬於完全自動駕駛，而這也是所有廠商的終極目標。在此等級里，駕駛者不需要執行任何操作，只需要告訴車輛目的地。而兩套分級系統的不同在於，SAE在自動駕駛實現環境上作出了區分，而NHTSA則沒有。在SAE的分級中，在有限條件下能實行完全自動駕駛的系統是第四級系統，如前文提到的馭勢科技的工廠，園區自動駕駛車輛，而第五級別的自動駕駛為全環境自動駕駛，暨在任何環境下都可以實現的自動駕駛。

（關注公眾號並回復「自動駕駛」獲得SAE自動駕駛分級規則原文）

關注世寧創投，共同探索自動駕駛、人工智慧等高科技行業。

http://weixin.qq.com/r/Djk3M2vEg6P-KS9Qb2yK (二維碼自動識別)

把你從一個地方移動到另一個地方的人為製造物-汽車是其中的一種。你對這個沒有生命的東西的照料（就像你養嬰兒一樣的）和他必須遵守的一些人為的規則或是需求。你只需極為簡單的指令就直接獲得了你的需求。這就是自動汽車。

一大堆感測器收集數據反饋給高速運行的cpu處理，代替駕駛員的大腦眼睛，縮短反應時間，及時處理，駕駛更安全。

加上gps導航，指哪走哪。

導航不費電噢親。

開車能喝酒

喝酒能開車？

自動駕駛目前分為兩個模式。一個是模仿人類駕駛習慣，在車上裝上各種探測儀器和行車邏輯程序。總結叫做單車模式，也是目前絕大多數廠家研究的模式。一個是類似於軌道交通，路面上所有汽車信息共享，駕駛權交由系統來管理。這種模式對路面基礎設施要求較高，建設周期長，需要車機與國家道路建設統一。新上市的賓士E級有一個共享路況的功能類似和第二種模式的最基礎（不過僅限賓士E級之間共享）。

目前分五個級別:http://m.sohu.com/n/468952147/

可以說是根據結合多種光感、紅外線、聲感等儀器的精密測量與反饋到系統再與系統中原有數據比對的結果進行操作的機器人吧。具體怎麼做我真沒辦法解釋清楚只是自己以前玩機器人的時候有做過類似的方案的。不過簡單多了……