我们为什么需要自动驾驶车？

在自动驾驶车真正上路以前，我们必须先问问最基本的问题：为什么需要自动驾驶车？它到底有什么用处？

自动驾驶车(Automated Vehicles；AV)正成为时下最时髦的关键词，几乎每周都有相关新闻发生。本月初，Waymo和Navya分别发布自家的自动驾驶计程车(robo-taxi)计划，紧接着又发生了自动驾驶巴士试营运的意外事故。

Navya的无人驾驶接驳车才刚在美国赌城拉斯维加斯(Las Vegas)展开试营运服务的第一天，就发生了与货车轻微擦撞的一场“小车祸”。

媒体以及大众(包括工程师社群)都在鼓噪自动驾驶将会跟司机抢饭碗的简单看法。许多工程师推崇人工智慧(AI)带来的超强运算能力，以及云端运算强化连网世界的潜力。

普遍的看法对于宣传自动驾驶都成了一些一成不变的陈腔滥调：高度自动化驾驶将会让行车更安全，而且也有助于提升我们(乘客)的生活或工作效率。同时，自动驾驶带来共乘共享的机制还能让车辆减少，都市的塞车和污染问题就能因此迎刃而解。

事实上，对于这些乌托邦的看法并未存在多少佐证或资料分析支持。技术产业一向对于促进更强大、更快速且更智慧的技术不遗余力，而媒体则以拉拉队之姿助阵。

关于一项技术是否较另一项技术更优越，这当然存在大量的看法。但是，在发表各种评论之前，很少有人会先思考这些论点的前提，或甚至问问早就该问的问题：为什么需要自动驾驶车？它到底有什么用处？

走过自动驾驶20年…

美国版《EETimes》最近专访了AutoKab的执行长Carlos Holguin与总裁Michel Parent。AutoKab是一家致力于开发“为商用车队确保安全自动化”技术的新创公司，该公司位于法国电脑科学与自动化研究所(French Institute for Research in Computer Science and Automation；INRIA)园区；INRIA总部位于原北大西洋公约组织(NATO)军队的中央指挥所。

尽管才成立两年，AutoKab的创办人团队在公共运输规划、道路车辆自动化和运作方面都有超过20年的经验。

AutoKab 的研发(R&D)中心看起来就像车库，里面放满了过去 20 年来所设计和使用的各种旧型自动驾驶接驳车、高尔夫球车和小客车，看起来简直成了自动驾驶车博物馆。

在Michel Parent 的职业生涯中，有一半的时间都花在像史丹佛大学(Stanford University)、麻省理工学院(MIT)和INRIA等单位做研究，另一半时间则投入于机器人产业，对于交通运输的“自动化”领域贡献了不少想法。Parent 说：“没错，20 年前，我一直想设计一个能像人一样开车的机器人。后来我问了自己一个问题，研发这样的机器人有什么乐趣？”不过，他认为最该扪心自问的是“我们在试图解决什么问题？”

对于当今的都市来说，要解决的就是塞车、空间拥挤(还得留些空间停车)、交通不便(离大众运输系统太远)以及能源浪费等问题。Parent指出，“我们需要互连、共乘且速度更快的公共交通工具与电动车(EV)”AutoKab执行长Holguin则总结道，“我们试图解决的就是最后这一哩路的问题。”

Holguin预期，除非自动驾驶能提供像自动驾驶巴士或自动驾驶计程车等共乘服务，“否则就算有自动驾驶车也无法缓解交通壅塞的问题，更糟糕的情况是让塞车情况变得更严重。”他认为，AutoKab的目标就在于解决“一人一车”或“低乘载”的交通资源浪费问题。

AutoKab 的主要员工来自两个不同的领域：“技术”和“运输”。Holguin 表示：“我们利用技术填补商用自动驾驶车营运时所缺少的环节。”更准确地说，该公司是在为公共交通运输业者提供一种“以里程计的自动化服务”。

为汽车和巴士打造的自动化套件

AutoKab 致力于安全和资料分析两方面的技术开发，同时还与许多都市合作，联手打造更有效率的大众运输系统。

AutoKab 的名称来自于‘Automation Kits for Autos and Buses’(专为汽车和巴士设计的自动化套件)的缩写。当然，它也有硬体开发的能力。该公司技术长Cristian Sandu表示，AutoKab 的自动化套件的设计可安装在任何车辆上，包括大量的感测器，如雷达、光达、视觉系统和运算处理器(来自英特尔和Nvidia等供应商)等，以实现安全驾驶。

不过，Sandu指出，要将这个套件完美地安装到车子上得费一番功夫，包括软体校正。但以随插即用的念来看，这款自动化套件“可以透过CAN汇流排或FlexRay连接车体，根据车子的需求进行安装或卸载。”AutoKab 打造该套件并不是因为对于销售硬体感兴趣，而是由于该套件对于想要降低自动驾驶车成本的人来说至关重要。

然而，Holguin 强调，AutoKab 对卖硬体没兴趣。相反地，它更看重与各大都市的合作，共同发展出能让交通运输业者更有率地执行“最后一哩”服务的计划。而AutoKab则是从城市中自动驾驶车行驶哩程取得利润。

成本太高了！

例如，AutoKab 参与了多项欧洲计划，其中包括 CityMobil2。Holguin 指出，从2014 年 10 月至 2015 年 4 月，该公司在法国拉罗歇尔(La Rochelle)展开自动驾驶测试，“以零事故的好成绩实现了超过 6 万人次的载客量。”

此外，La Rochelle当地居民对于这项自动驾驶服务的评价也相当高。不过，他们并不知道这只是个测试。更重要的是，媒体与一般民众并未担心测试期间的资料搜集问题。

同时，AutoKab表示在参与欧盟计划中累积了不少经验。Sandu 说：“我们深入研究在这些资料背后隐藏的意义。”首先，即使是低速的自动驾驶车共乘，营运成本也非常高。此外，这些共乘的车辆“经常乏人问津”。如果自动驾驶车和大众运输系统之间无法有效协调，想提升服务简直是天方夜谭。

Sandu 还指出，自动驾驶车的大小及其载客量必须根据不同城市的大小与实际情况来决定。

在 CityMobil2计划案的展示阶段，来自合作伙伴 Robosoft 和 Easy Mile 的两支测试车队分别在 7 个城市进行了阶段性测试，但这些车辆并不一定适合其他城市的情况。

Christian 说：“我们只能利用这些车队进行测试，因为目前只有它们能协助配合，”当然，未来仍有待进一步的分析。

其次，都市也需要加以调适与配合。Holguin 说：“它们必须对于V2X交通号志等基础设施进行投资。”光是打造自动驾驶车并不是解决都市所有问题的灵丹妙药，都市交通问题需要更全面的考虑，包括自动驾驶车专用的上下车区域。

两种不同途径

对外行人来说，Waymo的自动驾驶车可能相当酷炫。至于Navya的无人驾驶接驳车呢？可能就相形见绌了。

在美国，人们并不信任政府交通部门或政客对于投资都市基础设施的承诺，普遍都认为这些承诺很难兑现。如果人们不相信市政府官方愿意花钱架设支援V2X通讯技术的交通号志，如果他们信不过任何人打造自动驾驶专用的高速公路，那么，唯一的选择就是相信Google、Nvidia厶伋Intel/Mobileye了。这些巨擘正积极地打造够智慧的自动驾驶技术，以便能侦测路况、察觉路上的障碍物，以及建立即时的3D地图，而不必改变现有的道路基础设施。

欧洲(EC)的情况正好相反，类似 CityMobil2 的EC投资计划需要自动驾驶车成为自动道路交通系统(ARTS)的一部份。如同EC计划中所解释的：“ARTS 是基于全自动驾驶车(无驾驶座也未配置方向盘)的道路交通运输系统，对于所要使用的基础设施具有先验知识。即使未配置自动驾驶功能的 ARTS 车辆，也会由控制中心的人类操作员持续进行远端监督和管理。”

因此，欧洲和美国技术产业对于自动驾驶上路的看法完全不同。在欧洲的计划中，关键字包括对于自动驾驶“基础设施的先验知识”和“认证”。

既定发展路线

关于部署在自动驾驶车的AI技术，Sandu 直言：“我们对于深度学习的兴趣不大。我们有自己的既定发展途径，能让政府交通部门更轻松地认证自动驾驶车。”

美国卡耐基梅隆大学(Carnegie Mellon University)教授 Philip Koopman 曾经在接受《EETimes》的专访时表示，自动驾驶车面临的最大挑战在于克服潜藏于机器学习中的基本测试问题——这个问题困扰科学/工程界已经很久了。Koopman 说：“想让以机器学习为基础的系统达到传统安全标准可不容易。因为训练资料集并不符合软件要求与设计的传期待。”

AutoKab认为，商用的自动驾驶车要想通过认证，汽车制造商必须打造出能为市政府监管部门提供安全保证的解决方案。Parent 强调，“自动驾驶车必须像现在的火车、公车和飞机一样取得认证。”

机器人随机夹取的问题

Parent可说是一名“久经沙场”的机器人专家，目前的自动驾驶车让他想起机器人产业长久面对的“箱中取物问题”(bin picking problems)。

去年，机器人产业协会在一篇报导中到了产业面对着两难的问题。“虽然技术不断进步，但机器人箱中取物的能力依然有限，我们还是没能达到最后的神圣目标——让机器人拥有随机取放的能力。不过，我们依然有所崭获，在先进的视觉技术、软体和取放方案的辅助下，机器人正前进至一个从未达到的领域。”

“那么，为什么让机器人学会随机取放如此困难？答案就在于准确度。虽然机器人重复能力超强，但在一片混乱中随机取放依然需要很高的精准度。机器人必须在环境开放的可用空间定位一个不断更换位置和方向的元件。这就意味着机器人必须均衡各种灵敏度、机器视觉、软体和运算能力，以便即时处理所有的资料并得出最佳的取放方案。这样的要求虽然很高，但绝非无法实现。”

目前，机器人和自动驾驶产业解决这一问题主要都靠提升运算能力。但是，Parent解释，“解决这个相同问题的方法是整齐地依序在托盘上摆放元件，让机器人更迅速地取放元件。”换句话说，在发布R2D2机器人之前，得先解决掉混乱的情况。

Parent 认为，将类似的思维应用在自动驾驶计程车和自动驾驶接驳车上，就能减少基础设施的混乱，从而更有效率地解决都市交通问题。

以下是AutoKab“博物馆”中放置的几款自动驾驶车，它们可说是过去 20 年来自动驾驶产业的缩影。我们先从AutoKab今年推出的最新自动驾驶车开始。

这辆由 INRIA-IMARA/RITS 团队研发的高尔夫球造型车诞生于 1995 年， 1996 年制造，并在多个都市承担自动驾驶交通服务的开发和测试工作。这些都市包括法国(1998)、英国Daventry (2006)、法国La Rochelle (2007)、比利时布鲁塞尔(2009)、芬兰Vantaa (2009)、法国Antibes (2003、2011)、义大利Formello　(2011)与Reggio Calabria (2011)。

山叶(Yamaha)的自动驾驶导引车由 INRIA 和Yamaha联手于2000 年开发，随后用于 AutoCab 总部所在地Rocquencourt，以及2008年在挪威Trondheim、2011年在义大利Formello等地巡回展示自动驾驶服务。

这些车在法国La Rochelle展示技术开发和自动驾驶服务，随后在2003与2011年也部署于法国Antibes，2011年并在义大利Reggio Calabria展示。