【要点】
1.自动驾驶车辆道路测试管理实施细则逐步宽松与完善。
2.13家企业中仅百度一家开展载人测试,单车累计测试里程数屈居第二。
3.车队累计测试里程稳步快速增长,2019年比2018年大幅提升577%。
4.百度遥遥领先,小马智行一骑绝尘,丰田、腾讯加速前进,蔚来脚步放缓。
5.测试改装车型中,自主品牌不输国外品牌。
6.关键感知部件激光雷达的国产化趋势较为明显。
7.自动驾驶脱离数据中,86%的脱离是由人为接管造成。
8.除却人为接管的关键脱离才是衡量各家企业技术的可靠指标之一。
2020年3月,北京智能车联产业创新中心发布了《北京市自动驾驶车辆道路测试报告(2019)》,报告系统梳理了北京市自动驾驶相关政策、标准、测试环境、测试牌照发放情况、封闭试验场测试情况、开放道路测试情况等。
基于此,本文打算立足于2018年和2019年,对该篇报告从管理政策、牌照发放、测试里程、企业布局、改装车型、关键部件、人工接管、故障记录等方面稍作解读,希望能够梳理当前自动驾驶政策现状,对比各家自动驾驶企业的技术攻关、测试运营现状,从而了解当前自动驾驶行业的整体发展情况。
以下为笔者的几点总结与发现——
(1)自动驾驶车辆道路测试管理实施细则逐步宽松与完善
第一,车牌续发程序由“可续发1次”到“可续发3次”,意味着拥有测试牌照的测试主体能够全年不间断地参与测试;
第二,测试车队数量由“不超过5辆”变成“不限5辆”,表明政策正放开数量限制,鼓励车队主体向大规模测试方向前进;
第三,增加载人、载物、编队行驶测试内容,鼓励企业探索自动驾驶商业化落地模式;
第四,在实车测试基础上新增“实车与仿真结合”的测试评价模式,提升自动驾驶车辆道路测试服务。
图1 北京市测试管理实施细则更新情况
(2)13家企业,仅百度一家开展载人测试,单车累计测试里程数屈居第二
如图2所示,2018-2019年度,全市共有13家企业参与道路测试,但仅有百度投放40辆载人测试车辆,其余12家均无载人车辆上路。
与此同时,以单车累计测试里程(累计测试里程数/累计道路测试车辆数)为衡量指标,小马智行为1.73万公里/辆,百度为1.72万公里/辆,两者基本持平,小马智行略胜一筹。
图2 北京市测试牌照发放与道路测试情况
(3)车辆累计测试里程稳步快速增长,19年比18年大幅提升577%
如图3所示,从2018年3月到2019年12月底,北京市自动驾驶道路测试累计里程呈现快速稳步增长趋势,从2018年年底的15万公里上升至104万公里,增长幅度高达5.8倍。
按照图4每月的测试里程统计来看,除了9、10月明显放缓之外,其余月份内,2019年每月的测试里程均数倍于2018年。
图3 道路测试累计里程统计
图4 每月道路测试里程统计
(4)百度遥遥领先,小马智行一骑绝尘,丰田、腾讯加速前进,蔚来脚步放缓
如图5所示,百度以89.39万公里高居榜首,小马智行以12.13万公里位列第二,两者的累计测试里程远远超过其它企业。
2018年蔚来本位居第三,但在2019年被丰田、腾讯陆续赶超,可见其自动驾驶测试在2019年明显放缓了脚步。
丰田由2018年的0测试公里快速上升为2019年的1.1万公里,腾讯由2018年259公里快速提升至4157公里,都足以表明两家企业在自动驾驶领域的加速布局。
滴滴2019年也在明显加速测试步伐,但规模仍较小;美团的测试里程仅133公里,可见其无人配送在测试运营层面的积累仍是微乎其微。
图5 不同企业累计测试里程对比
(5)测试改装车型中,自主品牌不输国外品牌
目前自动驾驶测试车辆多基于现有量产车型改装。如图6所示,2018年,多家企业选择的改装车型覆盖国内、外品牌,国外品牌车型为林肯、奔驰、奥迪,国内品牌为蔚来、北汽、哈弗。
2019年,国外品牌车型新增雷克萨斯,国内品牌新引进比亚迪、东风风光、WEY与红旗。可见改装车型的国产化趋势也较为明显。
图6 国内外获得牌照测试主体车型对比
(6)关键感知部件激光雷达的国产化趋势较为明显
如图7所示,国外激光雷达供应商主要为Velodyne,国内供应商主要为禾赛与速腾聚创,且从方案数量供应角度来看,国内供应商的占比已从2018年的20%提升至40%,虽目前仍是国外品牌占据主导,但国产化趋势也在逐步显现。
图7 激光雷达国内外品牌对比
(7)自动驾驶脱离数据中,86%的脱离是由人为接管造成
引用:“自动驾驶脱离是指自动驾驶车辆出现系统故障或遇到无法处理的场景时,车辆控制权限切换为人类驾驶员的事件。
系统故障定义:系统监测到异常发出接管信号引发的接管。
策略缺陷定义:由于算法模块策略原因导致的非预期的车辆行为引发的接管。
人工安全防御定义:超过设计ODD,车辆系统无法解决时的接管。
人为接管定义:由于测试需求或人为原因造成的接管。
注:ODD运行设计域是指自动驾驶系统被设计的起作用的条件及适用范围”
如图8所示,在所有的自动驾驶脱离数据中,86%为人为接管,仅14%为关键脱离。人为接管是由于测试人员更换数据记录设备、需重新规划路径或个人原因等非自动驾驶技术性缺陷导致;关键脱离是指由于策略缺陷、人工安全防御、系统故障造成的脱离记录,具体的脱离原因见图9。
关键脱离是由自动驾驶技术性缺陷导致的,这些记录是供企业迭代算法、提升自动驾驶系统稳定性和安全性的重要案例。对关键脱离数据的积累分析,对企业、行业共同提升自动驾驶技术水平具有重要意义。
图8 自动驾驶脱离类别占比
(8)除却人为接管的关键脱离才是衡量各家企业技术的可靠指标之一
2020年2月,美国加州机动车管理局(DMV)发布《2019年自动驾驶接管报告》,有部分分析师将Disengagements(人工干预频率)作为衡量企业自动驾驶技术好坏的标准。技术越好,接管干预次数越少;技术越差,接管干预次数越多。
该项评价指标引起了不小的争议。第一,企业可能出于安全性考虑,选择保守的测试策略,从而人工干预频率较高;第二,每家公司测试的路段、路况千差万别,有些测试场景特别复杂,导致人工干预频率较高;第三,接管数据是公司自主上报的,不排除有虚报的成分。因此,粗略层面的“人工干预频率”并不一定能够代表企业的技术好坏。
然而,如果能够在相同的测试环境、任务、场景条件下,除去86%人为接管的试验记录,用剩余14%关键脱离所对应的接管记录代表各家企业在相同测试条件下的性能表现,并转化为新的“人工干预频率”指标,将能够有效弥补过去指标的不足,从而成为衡量各家企业自动驾驶技术的可靠指标之一。
(9)软件、硬件、算法不足仍是自动驾驶急需解决的问题
如图9所示,从脱离类别和原因方面来看,系统故障、策略故障、人工安全故障仍然反映了当前自动驾驶在软件、硬件、算法方面的欠缺。
软件方面,地图加载异常、地图标注异常、系统时延异常为主要故障记录;
硬件方面,传感器故障、车辆及硬件异常、车辆EPS控制器故障、数据记录设备故障等成为车辆脱离的高频记录。
算法方面,定位偏离、与社会车辆的博弈、对复杂场景的理解(感知策略)以及应急情况下的处理能力(决策规划与控制策略)仍阻碍着自动驾驶应用落地。
图9 道路测试脱离类别及脱离原因(上)
图9 道路测试脱离类别及脱离原因(下)
总结:
无可否认,长远来看,自动驾驶存在诸多落地应用场景,如无人接驳、无人外卖、无人清扫、无人零售、无人快递、无人巡检等,以上应用也将带来巨大的商业、社会价值。
然而,综观整个北京市自动驾驶车辆道路测试报告来看,开放道路下大范围(超出设计ODD)、大规模(车队级别)的自动驾驶应用仍面临诸多软件、硬件、算法层面的瓶颈,离全面商业落地依旧是遥遥无期。哪怕是把视线放到封闭园区低速载物的简单场景,美团133公里(2018-2019年)的测试里程记录也让人噤若寒蝉。
但从以上冷冰冰的数据中,依旧能够看到以百度、小马智行为首的一批企业正如火如荼的攻关自动驾驶难题,无论是百度大规模的测试车队与测试里程,小马智行排名第一的单车累计测试里程,改装车型及关键零部件激光雷达的国产化趋势,亦或是诸多于2019年奋起直追的自动驾驶企业,这些现象都表明了我国的自动驾驶进程正在加速向前迈进,期待2020年的自动驾驶车辆道路测试数据……
图|网络及相关截图
作者介绍:郭家辉,同济大学博士研究生在读。
凤凰网汽车公众号
搜索:autoifeng
官方微博
@ 凤凰网汽车
报价小程序
搜索:风车价