AI系列之自动驾驶——你需要知道的分级标准

       目前权威的分级主要来自于NHSTA（即美国国家高速路安全管理局）和SAE International（即国际汽车工程师协会）分别制定的两套标准。标准主要通过对智能汽车的自动化程度进行指标性分解，并根据各项指标维度的主控者进行判别，从而完成自动驾驶汽车的级别划分和定义。

      简单来说，无论分级如何定义，大致可以划分为三阶段：

      第一、带有初级辅助驾驶系统的汽车，仅能提供简单的预警系统，主要操作者仍为人类；

      第二、带有高级辅助驾驶系统的汽车，可在限定条件和区域进行无人驾驶，能够应对较多场景的复杂工况并可依据传感器和融合算法进行环境感知、预判从而完成监视、预警、刹车及导向等相关任务，但仍需要人类进行监控和接管，且最终决策者的仍为人类；

      第三、完全脱离人类操控的智能汽车，在所有环境下可凭借汽车的软硬件完成所有操作决策，无需人类介入；

      但言归正传，我们来具体了解下自动驾驶汽车的等级划分：

NHSTA/SAE：L0--人工驾驶，由人类全权驾驶汽车，但可通过初级预警系统得到辅助性警告帮助；

NHSTA/SAE：L1--辅助驾驶系统（DAS），转向、加减速、刹车等底层控制由系统和人共通完成，由系统完成对部分工况的处理，但对于环境的观察和监控以及异常驾驶状况的应对主要应对者仍为人类，系统主要提供单一功能辅助。

NHSTA/SAE：L2--高级辅助驾驶系统（ADAS）或半自动驾驶，转向、加减速、刹车灯底层控制可交由系统完成，由系统完成对部分工况的处理，对于环境的观察和监控及异常驾驶状况的应对主要应对者仍为人类，该级别系统可提供组合功能辅助。

NHSTA/SAE：L3--高度自动驾驶（HAD），转向、加减速、刹车灯底层控制以及对于环境的监控观察均可由系统决策完成，可应对更多实际工况场景并进行有效应对，人类更多专注于系统无法完成的异常情况处理，该级别系统可在限定条件下进行完全的自动驾驶，如高速公路。

NHSTA/SAE：L4--超高度自动驾驶，系统可完成底层控制、对于行车环境的有效观察以及对于较多异常情况的处理，人类主体作为特殊情况的支援者。

SAE：L5--完全自动驾驶，系统可独立完成所有层面的操作和决策。

        随着自动驾驶级别的提升汽车的操控权和决策权逐步实现由人类主体向自动驾驶系统的让渡，自动驾驶系统的操作领域和处理的工况场景越来越多。这就引出自动驾驶领域的一个概念——ODD（Operational Design Domain），即操作设计范围。简单来说，ODD指的就是一组环境指标参数，自动驾驶系统根据各项指标参数条件自适应的调整运行决策从而确保在既定的环境条件下能够安全的运行，环境指标通畅包括道路状况、车速、地理环境、自动驾驶系统运行的环境条件等。也就是说，自动驾驶系统是被限定在ODD范围内，在既定的条件范围内，自动驾驶系统可以安全的操作运行，超过了ODD范围，自动驾驶系统就会存在风险。自动驾驶级别的提升，某种程度上也就对应着自动驾驶系统的ODD范围在不断扩大，理论上的甚至可以无限大，也就是所谓的L5级完全自动驾驶，这样来看，到了L5级别ODD也就失去了定义的必要。但现实情况是，完全的自动驾驶至少从目前的研究现状来看，还是可望而远不可及。即便是国内自动驾驶的龙头百度在L4级别的落地应用也是限定在特定ODD范围内进行自动驾驶。原因之一就是异常场景的组合情况的可能性是无限大的，而现阶段很难通过传统的方式进行穷尽处理，人做为操作主体与自动驾驶系统最大的区别在于，自动驾驶系统可以在底层控制以及算法层面远胜于人，但对于突发状况的反应和处理，自动驾驶系统在目前的技术实现能力方面却是远远不及个体人类，而仅仅在对于突发状况的处理方面的应急区别将会成为完全自动驾驶能否实现的关键所在，而这一点需要依赖人工智能的研究成果是否有会有突破性进展并且应用到汽车行业，即如何对从未遇见过的异常状况进行类人思考甚至更快的反应进行处理。

        综上，某种程度上，ADAS可视为实现无人驾驶这一最终目的的前提，无论是ADAS抑或是无人驾驶，二者的原理从目前的技术实现导向来看都是利用安装在汽车上的各种传感器进行环境数据的监控和收集，并结合地图数据进行系统计算，从而实现对于车辆行驶路线的规划并综合各项数据进行最优化决策并控制车辆达到预定目标。随着ADAS系统的不断完善，应对的工况场景越来越多，渐进式地向无人驾驶这一终极目标迈进。目前综合国内外的情况，根据NTHSA（美国高速路安全管理局）定义的分级，自动驾驶技术的发展现状正处于L2和L3的阶段。

        无人驾驶的特殊性在于，面对复杂的道路状况和异常环境，即使自动驾驶技术已经足够优秀，并使得可能性事故发生概率一降再降，但是相关的事故一旦发生也是极难被人们接受的，某种程度上也反映了其商业落地的困难程度。囿于技术现状以及商业化落地的迫切需求，与其追求实现遥遥无期的无人驾驶似乎更加理性的“车路协同”等概念正在被广泛提出并付诸于商业实践，单车智能这一蓝图宏愿归于平静。

        熟识工程技术难度的传统车企以格外慎重的姿态面对自动驾驶的浪潮，反观风头正盛的技术公司们给与了民众越来越多的期望。在不远的未来，传统车企要竭力避免成为技术公司的硬件代工厂，技术公司也很难抛却与汽车硬件的融合而空谈自动驾驶系统，忧虑与恐惧或许会加速彼此合作与交融。