自動駕駛——現實版《冰與火之歌》

“在真正的自動駕駛功能到來之前，駕駛安全，請牢牢掌握在您自己手中。”

自“汽車新四化”提出以來，更智慧的車、更智慧的路，為人們勾勒出美好出行願景，相對增速明顯放緩的移動終端市場，更大更多螢幕、更沉浸式互動體驗讓智慧汽車的商業應用前景充滿著想象空間。

與此同時，“鐳射雷達量產元年”“續航1000公里動力電池即將量產” ……整個智慧汽車行業捷報頻傳、欣欣向榮。

突如其來的林志穎車禍事件，驟然間讓我們從無限憧憬中冷靜下來。事件發生的真實原因，現在尚無定論，我們也無意去揣測其中的各種可能性。只是作為行業發展的親歷者，事件本身足夠引發我們的嚴肅思考：自動駕駛安全效能的提升，關乎個人生命財產、關乎公眾對自動駕駛的信任、關乎整個智慧汽車產業的發展。隨著新能源車、智慧汽車的交付量漸成規模，車輛燃燒、輔助駕駛功能失靈等事故層出不窮。每每發生的“幽靈剎車”“輔助駕駛系統失靈”“對靜止物體未作識別”等安全事故，都在給我們敲響警鐘：

距離真正意義上的自動駕駛、智慧出行，我們任重道遠。

一邊是萬億市場的如火如荼，一邊是現實事故帶來的透心涼意，汽車智慧進化之路註定不會一路坦途

事實上，根據我國《汽車駕駛自動化分級》顯示，駕駛自動化等級共劃分為L0-L5級，其中L0-L2級尚在輔助駕駛的範圍之類，L3-L5則可以歸屬為自動化程度較高的駕駛範圍。目前市面上的自動駕駛技術主要以L2級、L2+級為主流，

鮮有車企在官方渠道宣稱旗下量產車型達到L3級水平。

在通往高階輔助駕駛、自動駕駛的道路上，我們所急需解決的安全問題還有很多。從車輛開發的技術層面分析，我們知道，自動駕駛主要分為三個部分，一是環境感知，二是決策規劃，三是控制執行，但透過對交通事故進行分析發現，

問題主要出現在環境感知失效層面，即現階段感知系統對環境變化的適應能力較弱，

如強光或者惡劣天氣時，資訊獲取能力顯著衰減，導致決策控制系統無法進行準確判斷。

或許，我們可以考慮紅外感測器。在暗夜無光、對向眩光、進出隧道/停車場、高速團霧、霧霾沙塵等特殊場景中，紅外感測器相比其他諸如鐳射雷達以及毫米波雷達等感測器具備天然感知優勢。由於紅外線感知手段是觀測主體與背景之間的溫度差，可完全擺脫可見光影響，

遠紅外技術成為上述一系列場景下安全感知的重要技術手段，一定程度上可有效解決環境感知失效問題。

除了環境感知失效導致的安全隱患，

自動駕駛汽車在測試方面的欠缺也導致了一些安全隱憂。

嚴格意義上來講，自動駕駛的測試分為三個階段，第一階段是在虛擬環境下，以模擬測試為主，第二階段即封閉場地測試，第三階段為開放道路測試。然而由於模擬測試中場景庫覆蓋率不夠高，不足以覆蓋常見的交通場景，當前各廠商場景庫資料格式標準不一以及模擬平臺測試場景有限等眾多限制，導致車輛自動駕駛測試不充分；同時，第二和第三階段的測試中，實際交通場景下的一些極限和邊緣條件下的測試缺乏，也會導致駕駛系統在遇到特殊場景時無法正確判斷或與系統某些功能衝突，從而導致汽車駕駛存在安全隱患。

那應如何解決呢？也許我們可以期望各部門各廠商能攜手共建基礎場景庫，互通有無，實現模擬場景的更廣覆蓋。而對於邊緣條件下的測試缺乏，則可以考慮安全加壓方式來加速測試，讓更多的邊緣場景進入測試範圍，以期能更好地保障駕駛安全。

解決環境感知層硬體、相關測試問題，尚屬保障自動駕駛安全的子環節，而作為自動駕駛安全效能保障的源頭，

即自動駕駛技術層面的各項基礎研發工作，則必須更加紮實有效，

而這不僅需要大量汽車行業從業者的苦心專研，也需要各大廠商的攜手合作，當然，也需要相應的技術法規或技術標準的制定與完善來更好的保障智慧汽車行業的發展。