Lentis/自动驾驶汽车

斯坦利是斯坦福大学斯坦福赛车队与大众电子研究实验室 (ERL) 合作开发的一款自动驾驶汽车。它参加了 2005 年的 DARPA 大挑战赛 并取得了胜利，为斯坦福赛车队赢得了 200 万美元的奖金，这是机器人历史上最大的奖金。

自动驾驶汽车被定义为使用人工智能、传感器和全球定位系统坐标来驾驶自己，无需人类驾驶员主动干预的机动车。这些“传感器”可以包括但不限于摄像头、激光雷达和雷达。 在过去几年中，自动驾驶汽车的设计者和倡导者在将自动驾驶汽车整合到交通系统中，最终实现普遍的自动驾驶交通方面取得了重大进展。这项技术可以彻底改变我们对交通运输的理解，据福特研究与创新部的吉姆·麦克布莱德所说，“从我们现在所处的位置到自动驾驶汽车，没有任何技术障碍。存在成本问题，但最大的障碍是客户接受度。” 随着自动驾驶汽车倡导者越来越接近大规模实施，社会因素将成为他们最大的障碍，他们必须从过去吸取教训，了解如何继续前进。

案例研究：从第一辆汽车中汲取的教训

汽车已经从无马马车发展成为与我们现代汽车相似的车辆。

19 世纪末和 20 世纪初，汽车的出现彻底改变了个人交通运输。这些“无马马车”最初是仿照人们已经习惯的马车设计的。随着人们逐渐克服了这些思维模式，汽车从马车式设计演变成与现代车辆类似的设计。随着汽车的演变，它们的运行环境也随之变化。汽车的早期阶段包括关于汽车是否应该允许在道路上行驶的辩论，因为道路是为马车和行人设计的。随着汽车的普及，无论是物理基础设施还是立法，整个基础设施都必须适应交通运输的变化；驾驶执照和交通信号灯成为了安全驾驶车辆的必要条件。与汽车的出现非常类似，自动驾驶汽车的接受体现了交通运输思维模式的巨大变化。人们驾驶汽车已经超过一个世纪了，学习完全放弃对电子设备的控制，这将是一次与汽车本身出现时相媲美的过渡时期。

自主程度

驾驶自动化程度

消费者对自动驾驶汽车的一个误解是，所有自动驾驶汽车都能在没有人类干预的情况下驾驶。实际上，存在从 0 级到 5 级的等级，描述了车辆独立运行的程度和频率。 4 级自主性是人类不再需要接管驾驶的程度，自动驾驶带来的许多承诺将在该级别实现。目前，大多数正在使用的自动驾驶汽车都处于 2 级，向 3 级和 4 级的进展正以前所未有的速度持续进行。

当前的自动化技术：2020

谷歌自动驾驶汽车在高速控制测试中。

如今，许多先进系统正在使用中，通用汽车的 Super Cruise、特斯拉的 Autopilot、宝马的 ADAS 以及其他系统都在提供主动驾驶员辅助功能。 虽然每个系统的性能和功能各不相同，但如今使用的系统都具有帮助驾驶员的自动化系统。例如，吉普 和 丰田 等汽车制造商已经发布了配备了诸如 自适应巡航控制 和 车道偏离警告系统 等自动化系统的车辆。

技术现状与发展

在全球众多汽车公司中，有三家值得注意的公司致力于开发全自动驾驶汽车，分别是 通用汽车、特斯拉 和 Waymo。

Waymo 以前被称为谷歌的自动驾驶汽车项目，已对其技术的性能进行了数百万英里的测试评估，并在亚利桑那州凤凰城推出了名为 Waymo One 的自动驾驶拼车服务。 Waymo 广泛使用 LiDar 和高清地图来实现深度感知。该公司正在积极努力降低其激光雷达传感器的成本。 Waymo 还使用名为“Carcraft”的模拟器对其汽车进行训练，以加快学习过程。

通用汽车的传感器套件与 Waymo 类似，使用 LiDar 和高清地图来构建场景。 但是，由于这种基于地图的方法，通用汽车和 Waymo 的汽车无法在未映射的道路上运行。Super Cruise 在驾驶室内配备了红外摄像头，可以识别驾驶员是否在观察道路，如果驾驶员的目光偏离，它将关闭自动化功能。

特斯拉开发了一项名为特斯拉自动驾驶的功能，根据美国国家公路交通安全管理局发布的自动化级别，该功能属于“部分自动化”；该公司希望未来开发支持完全自动驾驶的软件。 特斯拉的系统没有激光雷达，只使用摄像头和雷达，并声称他们可以仅凭摄像头视觉准确地估计深度。 特斯拉认为，性能只有通过训练的多样性和规模才能实现，因此最好的学习体验是现实世界的体验。 秉持这一目标，截至 2021 年 1 月，特斯拉估计已在自动驾驶模式下行驶了 50 亿英里。

优势

安全性

根据公路安全保险协会的数据，2017 年美国有超过 37,000 人死于车祸。 兰德公司 2017 年发布的一项研究发现，尽早采用高度自动驾驶汽车 (HAV) 可以挽救生命。 虽然完美的自动驾驶汽车仍在开发中，但今天的系统已经证明了安全性的提高。 截至 2020 年第三季度，特斯拉每行驶 459 万英里发生一起事故，而当时驾驶员启用了自动驾驶。 相比之下，美国国家公路交通安全管理局最新数据显示，在美国每行驶 479,000 英里就会发生一起汽车事故。

自动驾驶汽车在现实世界中行驶时面临的一个核心问题是，它们会遇到日常生活中各种各样的情况。 任何实时系统都必须处理环境中的所有复杂信息，并能够在新的情况下理性地行动。 虽然自动驾驶汽车中用于识别物体的底层神经网络在识别之前训练过的物体方面表现出色，但在将这种学习能力转移到新的物体和情况方面却很吃力。 安全性与物体感知的准确性成正比，特斯拉希望快速迭代，克服这一缺陷。 随着它们不断遇到新情况和新物体，并通过观察其系统失败的地方，它们可以重新训练底层的 HydraNets，防止由于场景中物体标记错误而导致的整类事故。

燃油效率和交通状况

自动驾驶汽车的广泛应用可以提高燃油效率，降低燃油消耗。 自适应巡航控制 (ACC) 被认为是 1 级自动化， 已经取得了一些成效。 电气电子工程师协会 (IEEE) 进行的一项研究发现，配备自适应巡航控制的车辆比没有配备 ACC 的车辆的燃油消耗降低了 5% 到 7%。 随着更高级别的自动驾驶技术的应用，燃油效率可能会进一步提高。

最佳燃油效率可以在更遥远的未来实现。 如果自动驾驶汽车被证明与一些专家预测的一样安全，汽车就可以完全重新设计。 通用汽车电气和控制集成实验室主任纳迪·布莱斯预测：“你可以去除用于碰撞保护的重量，使用非常轻的材料来替代金属作为外壳。” 通过去除不必要的重量，车辆的燃油效率将大大提高。 这还可以消除安全技术（如安全气囊）的成本。

车对车通信可以提高燃油效率和交通拥堵情况，以及安全性。 IEEE 发布的关于自动驾驶汽车跟随控制系统和协作式汽车跟随控制 (C-CFC) 系统模拟结果表明，这两种控制算法都能改善交通拥堵情况下的交通流量。 模拟中使用 C-CFC 算法的汽车比没有使用 C-CFC 算法的汽车燃油效率更高。

其他优势

2018 年多伦多大学的一项研究发现，自动驾驶汽车可以将停车场所需的面积减少 62%。 全自动驾驶汽车会将乘客送达目的地。 由于没有乘客需要在停车场下车，自动驾驶汽车可以停得更近。 车对车通信将允许汽车以网格状布局排列。 当一辆汽车驶出车库时，周围的汽车会重新排列。 这两个因素有助于减少公共停车所需的面积。

采用障碍

法律

法律问题是自动驾驶汽车大规模生产和使用面临的最重大障碍之一。 这些车辆的引入已经并且将继续影响社会的大部分方面，因此决策者必须朝着制定一套全面的适用立法迈进。

治理

内华达州（2011 年 6 月 6 日）是第一个有效允许自动驾驶汽车运行的州，该州授权内华达州交通部制定管理这些车辆的规则和条例。 自那以后，另外 29 个州颁布了与自动驾驶汽车相关的立法。 10 个州的州长已发布行政命令，以帮助推动法律进展。

在联邦层面，立法者试图为自动驾驶汽车的测试和运行制定一个框架。 自内华达州于 2011 年首次颁布立法以来，联邦政府进展甚微，因为法律问题已变得有争议且多方面。 2017 年是一个最近的转折点——两项两党法案在国会提出。 自驾法案在委员会一致通过，并在美国众议院议场以口头表决的方式通过，而 AV START 法案在委员会一致通过，但从未提交给美国参议院议场。 由于对安全细节的担忧，两项法案之间的分歧没有得到解决，而且两项法案都没有通过。 高速公路和汽车安全倡导者、消费者报告、美国消费者联合会和汽车安全中心表达了对安全性的担忧，声称“匆忙通过一项法案，为大规模部署危险的、未经验证的系统铺平道路…… 利用关于安全的可疑说法，充其量是误导和虚假，最糟糕的是鲁莽和致命。” 两项立法在很大程度上是类似的。 它们将“确立联邦政府在确保高度自动驾驶汽车安全方面的作用，鼓励这类车辆的测试和部署”， 同时防止各州颁布相关法律，除非严格遵守联邦法律。 它们还将指示美国国家公路交通安全管理局 (NHTSA) 发布自动驾驶汽车安全标准。 然而，在 2018 年，交通部发布了新的自动驾驶汽车指南，称为自动驾驶汽车 3.0。 这份自愿指南推动了安全原则和实施战略，减少了政策不确定性，并就未来如何与交通部合作提供了建议。

在 2019 年 8 月，美国众议院能源与商业委员会 和 美国参议院商务、科学和运输委员会 向行业、非营利组织和残疾人权益倡导者征求意见，以帮助制定新的两党法案。2019 年 10 月，参议院委员会开始分发预期法案第一个草案的前几节，该草案的措辞与 SELF DRIVE 法案的措辞相当。新法案的时间表尚不清楚。

责任

自动驾驶汽车广泛普及的一个主要挑战是 责任 不确定性。这是一个特别重要的挑战，因为它将决定自动驾驶汽车商业化的格局。 当发生汽车事故或其他有责任方的违规行为时，谁将承担责任仍然不确定，因为“目前还没有明确的法律框架来规定如何将责任分配给负责设计自动驾驶系统（制造商、供应商、软件提供商或软件运营商）的第三方。” 有人质疑，如果车辆存在所有者或运营商，他们是否应该因车辆损坏获得赔偿。 也不清楚是否将存在标准化的碰撞算法，以允许对责任评估采用更普遍适用的方法。

数据隐私

数据隐私与责任息息相关。保险公司权衡将访问或出售多少以及什么类型的数据以更准确地分配责任。自动驾驶汽车依靠无数的传感器持续采样以确保安全运行。位置数据可能会泄露到外部网络，使他人能够跟踪车辆。自动驾驶汽车用户可能会从其自动驾驶汽车数据中收到高度针对性的广告，这可能会向公司提供私人信息。

当前的政策解决了一些与车辆数据相关的隐私问题。 2017 年的《汽车安全与隐私研究法案》 要求国家公路交通安全管理局保护驾驶数据免遭未经授权的访问，包括出于营销和广告目的。该法案适用于自动驾驶汽车，但没有为这些车辆指定具体的附加措辞。

伦理

电车难题的描绘

2018 年 3 月，一辆在自动驾驶系统控制下运行的 Uber 汽车撞死了一名行人。这名行人伊莱恩·赫茨伯格当时骑着自行车穿过街道。尽管汽车检测到其路径中的物体，但算法没有刹车。预计在这种情况下，备用的人类驾驶员会踩刹车。 这一结果令许多人担忧，并引发了一个问题：机器可以作为道德主体吗？随着自动驾驶汽车的普及，工程师将不得不面对类似于 电车难题 的问题，该难题探讨了一辆在轨道上行驶的电车。电车可以继续行驶，撞到轨道上绑着 5 个人的轨道，也可以切换轨道，撞到 1 个人。伦理学家正在讨论这些难题。

网络安全

网络安全对自动驾驶汽车构成威胁。自动驾驶汽车容易受到黑客攻击，使连接到这些车辆的众多网络也容易受到攻击。自动驾驶汽车越普及，面临的威胁就越大。

公众认知

2019 年的一项研究发现，公众认知会影响自动驾驶汽车的采用难易程度。熟悉程度在这些认知中起着作用。随着人们与自动驾驶汽车的互动增加，公众对自动驾驶汽车的看法也会改善。该研究建议实施允许与自动驾驶汽车更多互动的政策。

经济学

对就业的影响

运输行业占美国劳动力的大部分比例。有 20.7 万名出租车司机、240 万名卡车司机、16 万名优步司机 和 57 万名公交车司机，总共有超过 340 万个驾驶岗位。这个数字还没有包括支持卡车司机/驾驶员的卡车停靠站、支持人员等，如果把这些因素考虑进去，由于自动驾驶汽车，将有高达 700 万个工作岗位面临风险。目前美国劳动力规模为 1.646 亿，这占美国劳动力的 4.25%。尽管这一比例很大，但预计到 2045 年至 2055 年（预计这些自动驾驶汽车将产生最大影响的时期），失业率只会下降 0.06% 至 0.13%。

潜在影响

就业方面的相对较小影响是由于自主驾驶汽车的益处以及美国预测的就业岗位转移。随着自主驾驶汽车的引入，交通出行将大幅增加，出行也更加便捷。由于缺乏交通工具而失业的人数将大幅减少，这对失业率产生积极影响。此外，美国每年花费 8400 亿美元用于应对和处理汽车事故。由于新的自动驾驶技术大幅降低了事故/碰撞率，预计到 2050 年，美国将每年因此受益 8000 亿美元。这些节省可以以促进就业的政府投资或其他形式的经济刺激的形式出现。就像一个世纪前从农业到工业的就业岗位转移一样，预计将发生从驾驶到其他行业的就业岗位转移。正如美国未来能源保障公司自动驾驶汽车和移动创新副总裁阿米泰·宾-努恩所说，“这不是因为美国人不再吃饭。” 在引入“偷走工作”的农业技术前后，对食物的需求是一样的，但失业率并没有受到很大的影响。驾驶技术的引入也反映了这种模式，因此预测了类似的结果。

应对措施

随着自主驾驶汽车的到来以及它们对美国就业的影响，如何应对这一问题成为了总统候选人安德鲁·杨争论的主题。虽然之前已经通过了关于自动驾驶技术发展的立法，但杨是第一个在辩论舞台上以及在他 2020 年总统竞选过程中，将对相关失业问题的应对措施作为一项核心政策的政治家。他曾引用“卡车驾驶是 29 个州最常见的职业”的著名言论，试图吸引工薪阶层，并提出可以缓解向自动驾驶技术过渡的解决方案。值得注意的是，杨的政策有两个主要要点

• 将任命一位“卡车运输主管”，负责监督卡车司机成功过渡到其他职业。
• 据估计，自动化货运将为企业每年节省 1680 亿美元。这些利润将被征税，并重新分配为对因这些新技术而失去工作的卡车司机的遣散费。

未来影响

交通流量

车水马龙和高峰时段是城市通勤者每天都会遇到的常见情况。如果一名司机突然急刹车，可能会对交通流量造成巨大影响，导致其后视镜中的每一辆车都像多米诺骨牌一样连锁反应，最终造成交通拥堵。自 20 世纪 30 年代以来，科学家和数学家一直在研究交通流量，利用偏微分方程来模拟交通拥堵环境中的驾驶员行为。借助亚马逊网络服务 (AWS) 的计算能力，如今的研究人员能够使用更强大的机器学习模型来模拟交通流量。加州大学伯克利分校教授亚历山大·拜恩一直在使用深度强化学习（机器学习的一个子集）来模拟封闭电路上的汽车行为。拜恩与该领域的其他科学家一起分析了对道路上每辆车的速度进行调节的影响以及对交通拥堵的影响。

拼车和出租车服务

拼车和自主驾驶汽车的交叉点变得越来越突出，因为 Uber 和 Lyft 等公司进入了自动驾驶技术的市场。2020 年 6 月，Lyft 宣布开发了 5 级自动驾驶汽车，可以提供更安全、更便捷的交通方式。利用超过十亿次乘车的数据，Lyft 的软件能够将视觉定位技术与现实驾驶场景相结合，模拟更复杂、更真实的驾驶行为。乘客可以随时召唤自动驾驶汽车；无驾驶员叫车服务的可用性不再依赖于该地区的驾驶员是否清醒且警觉。如果车内没有驾驶员，乘客与驾驶员之间不安全的互动将是不可能的。

随着拼车行业在全球范围内不断扩张，出租车行业受到了冲击。与拼车服务相比，出租车服务业务模式按行驶距离和走走停停的交通状况收费，导致乘客很难预测价格和下车时间。此外，从智能手机叫车和选择适合自己需求的车型的便利性让拼车公司超越了传统出租车服务。2017 年 7 月，Uber 在纽约市的日均乘客量超过了黄色出租车，日均乘客量为 289,000 人，而黄色出租车仅为 277,000 人。政府已经出台了限制措施来保护出租车司机的就业和生计，但随着自动驾驶汽车的兴起，传统叫车服务的未来可能会在不久的将来面临困境。

对技术的信任

自动驾驶汽车的发展速度快于普通人对该技术的了解速度。这种差距导致许多人缺乏对依靠计算机系统来满足其交通需求的信任。在完全自动驾驶的情况下，曾经主要由人类做出的驾驶决策将由车辆的硬件和软件结合做出。来自美国汽车协会、凯利蓝皮书和自动驾驶汽车教育伙伴关系 (PAVE)的调查得出了以下统计数据。

• 近四分之三的美国人表示，自动驾驶汽车技术“尚未成熟”。
• 大约 48% 的人表示，他们永远不会乘坐自动驾驶出租车或拼车。
• 另有 20% 的人认为自动驾驶汽车永远不会安全。
• 只有 34% 的人认为自动驾驶汽车的优势将超过其劣势。

通过计算机模拟试验和模型，许多研究人员认为，人为错误是造成绝大多数汽车事故的原因，而自动驾驶汽车可以减轻这些不利情况。但是，赢得人们对使用这种技术的信任是一个必须进一步解决的问题。高水平自动驾驶的有效性取决于使用该软件的人们的支持，因为这些技术在同步运行时效果更好，而不是在孤立的情况下运行。