9月6～7日，由北京佐智汽车技术有限公司、佐思智能汽车研究院主办的2017北京车联网与智能驾驶论坛在北京召开。来自博世、大陆、百度等企业以及中国科学院自动化研究所、长安大学、重庆大学等研究院所的专家和代表齐聚一堂，重点讨论车联网及智能驾驶技术难题，以及自动驾驶的未来应用场景。

今年上半年，工信部、发改委、科技部印发的《汽车产业中长期发展规划》再次明确了智能网联汽车的发展目标：到2020年，汽车da（驾驶辅助）、pa（部分自动驾驶）、ca（有条件自动驾驶）系统新车装配率超过50％，网联式驾驶辅助系统装配率达到10％，满足智慧交通城市建设需求。到2025年，汽车da、pa、ca新车装配率达80％，其中pa、ca级新车装配率达25％，高度和完全自动驾驶汽车开始进入市场。汽车行业能顺利完成目标吗？还面临哪些技术挑战？如何实现自动驾驶的最终落地？

落地面临技术与法律的挑战

“自动驾驶近几年非常火爆，不谈这个话题都不好意思参加汽车行业的会议。”纵目科技（上海）股份有限公司战略与市场副总裁陈超卓表示，近年来自动驾驶技术发展迅速，部分企业甚至提出了激进的发展目标，比如福特前总裁马克·菲尔兹号称，该公司2021年量产l4自动驾驶汽车。

在陈超卓看来，随着业界对自动驾驶认知逐步回归理性，2021年实现全路况自动驾驶的目标存在极大的挑战。“现在新的趋势是整车企业不再提全路况的l4级别自动驾驶，如果一定要提及，必定要加一个地理围栏的概念。”他说。

据介绍，本世纪初国际上开始出现自动驾驶的分级标准。国际自动机工程师学会（sae，原称美国汽车工程师学会）给出的标准得到了公认：l0代表无自动驾驶，由人类驾驶员全权操控汽车，紧急时刻驾驶员可得到警告或干预系统的辅助，如碰撞警报；l1代表驾驶支援，即对方向盘或者加减速中的一项操作提供驾驶支持，其他的驾驶动作由驾驶员完成，如自动防碰撞、定速巡航等功能；l2为部分自动化驾驶，即对方向盘和加减速中的多项操作提供驾驶支援，其他的驾驶动作都由驾驶员完成，高级驾驶辅助系统（adas）就属此类；l3为有条件的自动驾驶，即在特定驾驶模式下由自动驾驶系统完成所有动态驾驶任务，但期望人类驾驶员正确响应请求并接管操控；l4为高度自动驾驶，即在特定驾驶模式下由自动驾驶系统完成所有动态驾驶任务，即便人类无法正确响应请求并接管操控；l5为完全自动驾驶，即驾驶系统在全部时间、全部路况和环境条件下完成所有驾驶任务。

“l3面临法律上的挑战，l4面临技术上的挑战。”陈超卓认为，按照sae给出的l3定义，驾驶员可以撒手开车，但又要准备随时接管，这在驾驶逻辑中存在悖论，说明sae在设计标准时就存在漏洞，l3并非必须要走的路径。他直言：“既可以闭眼休息，同时又要全神贯注地随时待命，消费者会多花几千美元买这种车吗？”

l4的技术挑战体现在哪里？谷歌前自动驾驶负责人chris urmson曾指出，理解人类意图是自动驾驶的根本挑战。自动驾驶汽车要预测的多为随机性事件，这对机器提出了严峻的技术性挑战。陈超卓举例道：“传感器或深度学习机器或许可以准确预测车辆前方送外卖人员的性别，但对于其下一步的运动轨迹却很难把握并在片刻间做出正确响应。”因此，不少业内人士认为，自动驾驶汽车在极端工况下，近期还难以突破技术瓶颈。

低速自动驾驶汽车或成量产起点

实现全工况下的自动驾驶，无疑难度巨大。基于以上论断，陈超卓提出了“地理围栏”的概念。“我们可以仿照sae分级概念，从最简单到最复杂的地理场景，制定路况级别标准。”他说。

按照不同的自动驾驶场景，陈超卓将“地理围栏”分为五个级别。第一个级别为无人、低速、车流少，比如停车场、机场、矿山等场景；第二个级别为少人、低速车流小的公司园区，或无人、车流少的长途高速路段；第三级为少人、低速、车流大的城市道路，或近郊的高速公路；第四级为城市高架路或市中心道路；最复杂的第五级地理围栏则为人多、交通环境杂乱的城乡结合部地区。

据介绍，按照自动驾驶的l0～l5级别及地理围栏两个维度的进行判断分析，就能大致规划出自动驾驶的落地时间。“低级别、低地理围栏的自动驾驶汽车已经量产，或近期就可落地；中、高级别的自动驾驶则需要制定中、长期发展目标。”

“自动驾驶汽车的研发方向，无非是载人、非载人以及低速和高速车辆等方向。”北京智行者科技有限公司联合创始人兼ceo张德兆认为，自动驾驶应该从低速专用车做起，比如低速物流配送车或固定路线的载人车辆；自动驾驶汽车首先要强调其工具属性，之后逐步发展低速载人领域的车辆，最后进入高速载人领域。

“大部分人认为自动驾驶的实现是比较遥远的事情，完全自动驾驶要等到2025年甚至需更长时间。不过，自动驾驶在特定场景的市场化应用今年就可实现。”张德兆告诉记者，首先低速自动驾驶车辆基本不受法律法规的限制；其次，低速自动驾驶车辆的行驶环境一般可以预知，技术风险可控。

北京踏歌智行科技有限公司副总经理周华生则认为，我国每年新生产重型卡车约50万辆，其中10％～20％在相对固定的路线上从事运输，很有可能成为自动驾驶落地的对象之一。与自动驾驶技术运用在乘用车上相比，踏歌智行采用的自动驾驶机器人更偏向工业场景。据周华生介绍，这些场景的特点是危险性高、路线重复性强以及精确性高。比如矿区运输、码头运输、危险品运输、机场碾压、景区观光等。

测试条件有待规范和成熟

今年7月初，百度研发的自动驾驶汽车在北京五环路行驶被交警查处的事件引发热议。在目前的法律法规下，我国尚不允许自动驾驶汽车上路测试。但自动驾驶汽车研发的推进离不开路测，因此建立封闭的测试区成为本次论坛重点讨论的话题之一。

重庆大学通信工程学院副教授韩庆文全面阐述了自动驾驶v2x测试面临的挑战。她认为，目前v2x测试存在着严重的行业隔阂。“到底自动驾驶测试是以测车为主还是以测通信为主？在自动驾驶测试过程中，与汽车行业人士沟通的难度或许不大，但与通信行业的人员沟通则存在较大障碍。”韩庆文说，“汽车行业与通信行业有各自的测试规程，这其中存在着行业隔阂。”通信行业的测试重点在于单个零部件系统，在与整车融合过程中还需要经过整车级测试，最终的结果如何目前不可预知。

此外，还有一个问题也被摆到桌面上：国内的自动驾驶测试场地是否具备商用的测试能力？据韩庆文了解，答案是否定的。她还提出：“在整个自动驾驶测试环节，每个测试盒子都有独立的结构，而不同的测试盒子拥有不同的数据包结构，那么远程用户单元（rsu）怎么办？因为一旦有遮挡物的时候，必须要有rsu做转化。”而从技术层面上来看，自动驾驶测试场景的不可重复性，外场参数的采集困难及实验室内测的成本问题成为目前难以跨越的障碍。

据了解，由上海汽车城承担的首个国家级智能网联汽车试点示范区已经投入建设，该试点将从封闭测试区逐步开放到城市道路、典型城市和城际走廊，进而形成系统性评价体系和综合性示范平台，这意味着自动驾驶汽车的测试可覆盖各种工况，完成技术和原始数据的积累。

以上是网络信息转载，信息真实性自行斟酌。