自动驾驶的道路上还有10%的技术问题需要解决

10月21日，全国首辆运行正常的5G无人公交车在苏州着陆。这款无人公交车，在苏州高铁新城亮相，在开放的城市道路上行驶，速度可达20-50 km/h，这款无人公交车不仅具有避开行人、自动变道、自动转弯、识别红绿灯等基本功能，还能应对城市中各种复杂的交通场景，如穿越人车混合的路口、处理后面的交通拥堵、“鬼探头”。

此前，10月12日，北京也开通了试点打车，其中包括海淀和亦庄。10月12日，北京电话超过2600。早在今年4月，长沙就全面开通了无人出租车服务。

自动驾驶服务是否一个接一个的落地，意味着它的商业化正在接近？

商业化迎来了最好的时机

目前自动驾驶的落地情况如何？发展到什么程度了？

“2019年12月，中国首次提出新基础设施的概念，掀起新一波浪潮。新的基础设施包括七个主要部分：5G、物联网、工业互联网、卫星互联网、人工智能、云计算和区块链。其中三大板块是自主驾驶软件——5G、AI、大数据中心(云计算)的核心技术。”轻舟知行联合创始人兼CEO于谦在接受《科技日报》采访时表示。

在钱看来，自主驾驶处于这些领域的交汇点，是新基础设施的典型应用。再加上近几年智能城市和智能交通相关政策的不断完善，可以说中国自主驾驶商业化迎来了最好的时机。

“整体落地方面，仅从近年来无人驾驶行业创业公司的情况来看，以2018年为分界点，无人驾驶领域确实有两个创业的黄金窗口。”于谦说。

第一个黄金窗口出现在2015年到2017年之间。这期间出现了一批自动驾驶公司。这个阶段的融资主要取决于估计的产品规模和团队背景。当时市场对L4级自动驾驶(全自动驾驶)产品的落地抱有很高的期望，并设定了很多乐观的短期目标。

“当最近的目标没有实现时，市场感到失望，并重新建立了对着陆时间的新认识。这时候遇到了资本寒冬，自主驾驶创业公司的声音就少了很多。”于谦说。

2019年后，人们对L4级别自动驾驶的期望开始回归理性。随着技术的进一步成熟，市场需求也呼唤无人产品登陆。同时，国家各项政策相继出台，相应的法律法规也逐步完善。随着硬件成本的大幅下降，L4级自动驾驶的短期落地场景逐渐清晰。

于谦表示，目前业内预计低速载人场景在公共道路上的落地运营时间约为1-3年，低速装载场景在公共道路上的落地运营时间为3-5年。虽然这几年各种物流车辆和汽车轮渡都投入了试运营，但这些试运营只局限在园区内，这里的落地指的是在开阔的道路上的落地。

无人驾驶小型公共汽车更有可能着陆

部分应用的落地是否意味着自主驾驶即将投入商业运营？自动驾驶的商业化还有多远？

在钱看来，自动驾驶能否商业化取决于不同的自动驾驶水平和不同的场景。比如L2自动驾驶(部分自动驾驶)的方案已经登陆了很多生产车辆。

“无人驾驶出租车作为当前市场最大、最具挑战性的部分，是复杂城市交通环境中无人驾驶的最终目标。但是，无人出租车着陆周期长，速度快，

目前，业界对无人驾驶小巴在开放道路上的商业应用较为乐观。无人小巴在国内很多城市开始正常运营，可以满足城市地铁衔接和微流通衔接的需求。

比如苏州在2020年7月发布了全球首个城市微循环无人小公共汽车市民体验路线，随后登陆国内首个运营正常的城市公共道路无人小公共汽车项目，并部署了无人小公共汽车的多条城市微循环路线。苏州无人公交项目将设置多条线路，覆盖新高铁城市周边9.8平方公里，解决居民“最后三公里”问题。这是目前国内最大的无人公交车项目，也是唯一运营正常的城市公共道路无人公交车项目。

于谦说，无人小巴有三个优点。第一，在中低速场景下，可以控制乘客对速度的预期，速度保持在20-50km/h之间，第二，固定路线和同一路线上的汽车反复训练，可以保证行车安全，实现红绿灯优先和预警。三是满足多人出行需求，有社会效益，在公共道路上享有优先权。

“无人小巴的应用场景结合了固定路线低速、多人出行权优先、部署基于5G的道路协调等优势，否则将成为L4级自动驾驶最快的实用着陆场景。”于谦说。

90%的技术问题已经解决

有专家指出，目前困扰自主驾驶的主要困难在于其决策规划和感知，认为这两个问题目前没有解决办法。这个观点已经被很多人认可了。现实是这样吗？

于谦认为，无论是决策规划还是感知，都可以归结为自主驾驶的长尾问题。自动驾驶技术已经解决了90%的问题，但剩下的10%可能需要同样多甚至更多的精力来解决。这10%包括许多角案。比如车辆遇到野鸭之前，工程师甚至不知道会有野鸭问题。因此，边界问题需要被发现和解决。

那么如何发现和解决边界问题呢？

“除了收集大量数据，更重要的是建立自动化生产工厂，通过自动化工具将不断收集的有效数据处理成可用的模型。以更快、更有效的方式应对边界问题。”于谦说。

于谦以上面的野鸭场景为例。如果需要专门为这些场景开发特殊的模型，那么将会有无穷无尽的场景需要处理。但是在自动化的帮助下，只要对数据进行标记，这种情况就可以在下一次系统更新中得到更好的处理，节省了很多工程师的时间。

“以感知为例很好理解，但其实策划技术也是一样的。为了对汽车做出准确的规划，最原始的方法是工程师编写规则——。大量的工程师编写大量的规则，但是这种方法不容易维护，不能满足最新的需求；进一步，奖励函数——的设计比写规则简单多了；然后，系统利用数据自动学习奖励函数。这个过程就是向自动化发展的过程。”于谦说。