无人驾驶的“终局”是车路协同？

设想一下，一辆无人驾驶出租车因为在夜间没有开启大灯，涉嫌违章被警察拦下，发现车内并没有人驾驶，当警察试图打开车门时，车辆突然自己启动“逃跑”了。

这不是虚拟场景，而是前不久发生在旧金山街头的一幕。该视频被发布到网上后，引起了众多网友的热议。

随着科技的进步，无人驾驶汽车也从幻想来到了现实。

抛开国外不说，在我国，BAT等互联网巨头入局无人驾驶领域，且在技术研发层面不断深入，让无人驾驶汽车从实验室走向了市场化、商业化的发展阶段。

近日，北京就发放了自动驾驶无人化载人示范应用通知书，百度萝卜快跑和小马智行率先获得无人化自动驾驶出行服务许可。可以说，这是无人驾驶的一次里程碑事件，为将来无人驾驶全面开放应用打下了坚实的基础。

尽管如此，很多人的疑问并没有得到解决：无人驾驶，安全吗？

看一组数据。

根据我国公安部交通管理局发布的《道路交通事故统计年报》数据显示，2017年至2019年，我国交通事故年均发生23.19万起，年均死亡人数高达6.3万人。按照一年365天计算的话，平均每天发生事故就有635起，而死亡人数更是高达172人。

在全球范围内，根据2018年WHO（世界卫生组织）公布的数据来看，全球每年因道路交通死亡的人数高达135万人，意味着每25秒就有一人在交通事故中死亡。看到这些数字的时候，是不是还挺震惊的。

那么，无人驾驶汽车的事故率又是怎样的呢？

我们来看看全球无人驾驶领域最领先的公司Waymo公布的数据。

根据它们发布的《Waymo公共道路安全性能数据》报告显示，在2019年1月到2020年9月的这段时间里，在约100平方英里的服务区内，无人车累计行驶了610万英里（约981万公里），Waymo的无人车一共发生18起碰撞或轻微接触事故，并且都没有发生严重或危及生命的伤害。

值得一提的是，在这些事故中，绝大多数都是别人（其它司机或者行人）的错误导致的。而我们人类驾驶汽车发生的交通事故，造成事故的主要原因都是因为我们主观操作失误所导致。

从Waymo报告中的数据中可以看出，无人驾驶已经能够做到相对安全的行驶。

但是，值得注意的是，样本数量有限，并且相比人类驾驶环境也要简单一些，这些数据并不能盖棺定论地证明无人驾驶就比人类驾驶安全。

更不能说明，现在的无人驾驶技术已经成熟。

因为，无人驾驶的“底层逻辑”是通过最大程度地“理性设置”，让事故率趋近于“零”。

比如，通过摄像头、雷达等精密部件去感知周围环境，再经过准确的感知分析并严格执行，进而就能避免危险情况的发生，并且机器也不会有“疲劳”的时候。

而人类在驾驶汽车时，就会存在非常大的不确定因素，比如疲劳驾驶、路怒、不文明驾驶等行为。这也就是为什么“人”才是造成交通事故的主要原因。

回到核心问题，想要

实现安全的无人驾驶，需要的的什么？

以百度Apollo Moon为例，它采用了2颗激光雷达，13颗摄像头和5颗毫米波雷达的三环视、多冗余的传感器组合，同时，还增加了1颗定制激光雷达和传感器组合。

就是这么一套“组合拳”下来，它能够实现自主掉头、变道、无保护左转等操作，甚至前方遇到违停的车辆还能实现鸣笛、主动刹车和避让动作。

虽然已经能够和人类有着近似的操作水平，但它也只能属于L2级别的自动驾驶，离真正的完全自动驾驶也就是“真无人驾驶”还相差甚远。

这是因为，因为实现无人驾驶的核心问题，是一套足够成熟而且完善的解决方案。想要实现这样的方案，在目前的进程中，仍然有很多难题需要我们去解决。

两条无人驾驶技术路线选择，谁才是最优解？

在目前无人驾驶技术路线中，主要有两条技术路线，一条是单车智能路线，一条是车路协同路线。

单车智能路线是以雷达、摄像头等多种传感器进行融合，提高车辆感知和判断能力，强调的是车辆本身的能力。但是，为了安全，车辆就必须拥有大量传感器和多层技术冗余去支持，这也使得它的成本很高。

还是拿百度Apollo Moon距离，它的第五代无人车号称业内最低，整车还高达48万元，妥妥的一辆宝马5系的钱。所以，硬件成本居高不下也是影响无人驾驶发展的一个很重要原因。

目前，单车智能技术路线的代表企业有Waymo、通用Cruise，百度Apollo等公司，这也是目前最为主流的技术路线。

与此同时，一辆无人车需要大量的实际道路测试才能达到量产状态。

据2016年的兰德智库报告数据显示，一套自动驾驶系统需要测试110亿英里才能量产。而即便是无人驾驶的头部企业Waymo，其测试里程数也不过千万英里，仍相去甚远。

更为主要的是，在技术层面单车智能存在很大的 “感知局限性”。

目前，单车智能所搭载的传感器无论是摄像头、激光雷达、毫米波雷达还是超声波雷达都存在一定的缺点。

比如，摄像头对光线条件要求较高，在雨雾天、黑夜的情况下其灵敏度会有所下降；激光雷达对雨雾的穿透能力受到限制，对黑颜色的汽车反射率有限；毫米波雷达对动物体的反射不敏感。

智能汽车感知硬件系统无论是摄像头还是雷达，都是基于生物感官的产物，这就会造成有“盲区”现象存在，所以遇见像“鬼探头”这样的突发状况，人类司机都很难避免，单车智能也同样很难避免。

在当下，即便是把自动驾驶技术做到非常优秀的特斯拉，也依然无法摆脱单车智能下，因感知局限而出事故的可能性。

所以，在这种情况下，车路协同路线就受到了行业内的重视。

所谓车路协同，就是汽车端和道路端利用网络进行连接，通过云计算的方式进行相互通信。

举个例子，车辆行驶在一条有信号灯的道路上，当信号灯变为红色时，此时它就会利用网络把这个变红的“消息”传递到车辆上，让汽车慢速行驶，从而避免了等待红灯的情况，大大提高了路口的通行效率。

甚至，路面设备监测到有行人突然闯红灯时，还能提前告知车辆，让车辆进行减速，从而避免发生事故。相比单车智能这种“个体控制”来说，车路协同“全体控制”更高效，也更不容易发生危险。

当然，实现“车路协同路线”需要用到C-V2X（蜂窝车联网）技术。

这不仅需要车企的努力，还需要零部件供应商、通信企业、互联网公司以及政府部门通力合作，更需要城市的基础设施达到相应的技术水平才行。

也就是说，车不仅要求算力高、感知算法够完善，而且还需要城市基建设施能够与车辆联网，并且还能通过云端统一控制。

这些说起来简单，但实现起来太难了。

写在最后

如果说车路协同是无人驾驶发展的终局，那么单车智能就是这条终局之路上的基石。

如果没有单车智能的“大算力”“强感知”的基础，即便车路协同有多么的美好，也是水中月，镜中花，无法实现。