正文
在全球范围内，ADAS系统（例如，夜视功能及车辆盲点探测）的出国量从2014年的9000万套增加到了2016年的约1.4亿套，仅两年时间规模就增长了50％。其中，部分ADAS功能相比于其他功能更有吸引力，例如，从2014年到2016年，具有环视视角的停车系统（Surround-View Parking Systems）的普及率增长超过了150％，而自适应前置照明系统（Adaptive Front-Lighting Systems）的数量在同一时间段内增加了约20％，如图1所示。
▲图1 ADAS系统的部分市场数据
客户的支付意愿和产品价格的下降都帮助了ADAS系统套件的普及。麦肯锡公司最近的一项调查发现，为了给汽车配置相应的ADAS功能，驾驶员将平均多花费500 ~ 2500美元。尽管起初ADAS功能只在豪华车上配置，但目前许多汽车制造商可以在售价20000美元级别的汽车上配置相同的ADAS功能。许多高端汽车不仅在高速公路条件下能自动转弯（即横向控制）、加速及制动（即纵向控制），而且还能采取相应的行动避免车辆发生碰撞。一些在有限距离的固定线路上行驶的商用乘用车（如短驳车）甚至可以将自己停入空间极为紧凑的停车位。
但是，虽然ADAS已经取得长足的进展，但整个行业还没有确定半自动驾驶汽车（如SAE Level 3车辆）的最佳技术原型，因此目前仍处于测试-改进模式（test-and-refine mode）。截至到目前为止，共出现了3种技术路线：
以摄像头（Camera Systems）为主，毫米波雷达为辅；
以毫米波雷达（Radar）为主，摄像头为辅；
混合路线，即把激光雷达、毫米波雷达、摄像头等硬件以及传感器融合算法相结合，以实现对环境更细致的理解。
实现上述技术路线的成本各不相同，其中“混合路线”最为昂贵。截至到目前为止，上述3种技术路线之间尚未决出胜负，每个系统都有其优缺点，例如，“以毫米波雷达为主”的方法可以在高速公路场景下运行良好，该场景中的交通流量相对而言较易预测且对环境进行测绘的精度要求并不高。另一方面，“混合路线”的方法在人口稠密的城市地区能够更好地工作，在该场景下，精确的测绘可以帮助汽车能沿狭窄的街道行驶，识别出体积较小的但影响行驶安全的物体。
自动驾驶汽车无疑将开启了交通运输行业的新时代，但整个行业尚需解决一些技术难题，方可真正实现能够商业化的自动驾驶技术。我们已经看到，ADAS功能可以减轻驾驶负担，并使驾驶的过程变得更安全。但在某些情况下，该技术也会引发新的问题，例如，人类过分信任或依赖这些新系统。这并不是一个新现象，当安全气囊成在20世纪90年代为汽车的标配时，一些驾驶员和乘客将此作为自己可以不佩戴安全带的理由，显然这种错误的观念将导致额外伤亡事件的发生。
与之相类似，ADAS功能的标配化会使驾驶员在工况超出ADAS处理能力的情况仍然盲目依靠它。例如，自适应巡航控制技术在汽车直接跟随另一辆行驶中的汽车时能够运行良好，但它通常不能发现静止的物体。不幸的是，现实生活中的情况以及受控实验都表明，对自动化过于信任的驾驶员最终会以撞上静止的汽车或其他物体而告终。ADAS目前可实现的功能有限，而这正是许多早期用户所没有真正领会理解到的。
此外，还有一些因素会导致安全难题。2015年，在美国，驾驶传统汽车（即SAE Level 0）的司机因开车时分心而引发的交通事故造成了近3500人死亡，39万余人受伤。不幸的是，据专家预计，在引入具有某种级别自动驾驶功能但仍要求人类驾驶员随时接管车辆控制权以防止事故发生（注：即该自动驾驶系统仍然无法完全取代人类驾驶员，应该指SAE Level 3及以下的自动驾驶水平）的汽车之后，一开始车祸发生的数量并不会显著下降。
安全专家担心，半自动驾驶汽车的驾驶员可能会在自动驾驶模式下进行阅读或发短信等活动，从而在被要求接管汽车控制权的瞬间会缺乏对环境必要的感知。随着驾驶员又再次操控汽车，他们必须立即评估周围环境、确定车辆在其中的位置、分析其所面临的危险状况并选定一个安全的行动方案。而当车速达到65英里/小时（约合104公里/小时）时，汽车只需不到4秒的时间便可驶过相当于标准足球场长度的距离，且驾驶员将控制权交给汽车的时间越长，再次进入驾车状态的过程也会越长。因此，汽车制造商必须开发更好的人机界面，以确保新技术将挽救更多的生命而不是引发更多的事故。
我们在其他场合也遇到过类似的问题：2009年，因为飞行员在客机处于自动驾驶模式下飞行时没有及时接管控制权，致使该航班飞机驶过了其目的地机场约150英里才被发现。对于半自动驾驶汽车而言，“空域”（对应于汽车行驶的“地面”）将变得更加拥挤，“飞行员”（对应于操控汽车的“驾驶员”）的训练状况也较差。因此，对于全神贯注于做其它事情的驾驶员而言，汽车在自动驾驶模式下运行时间过长会变得更加危险。
在接下来的5年中，可能会出现属于SAE Level 4级别的自动驾驶汽车，该类汽车能够在特定场景下完成所有原本需要人类驾驶员完成的驾驶任务，期间并不需要人类驾驶员的干预。虽然此技术已经能够在有限场景下以将来正常工作的状态进行测试，但真正验证该系统的性能可能仍然需要花费数年时间，因为系统必须进行大量测试以求得能够暴露于罕见场景（注：即机器学习中所谓的“Edge Cases”）中的机会，并采取应对措施将其剔除。此外，工程师还需要实现与保证系统可靠性及安全性方面的目标。起初的时候，公司通常会将系统设计成能够在特定地理区域内的特定应用场景中可靠运行，即所谓的设定“地理栅栏”（Geofence）。另外一个先决条件是，在调整系统以确保能在特定场景中成功运行之后，当“地理栅栏”扩展到涵盖更广泛的应用场景和更大面积的地理区域时，亦需进行相应的额外调整。
实现SAE Level 4及SAE Level 5的难点在于需要在任何环境下且在没有任何限制的条件下安全地操控汽车，例如，需要在没有绘制过地图的地区或者没有车道线及重要基础设施和环境特征的道路上行驶。因此，由于工程师必须要覆盖和测试的应用场景（Use Cases）数量呈指数级增长，建立一个可在（大部分）无限制环境中运行的系统将需要花费更多的精力。例如，在没有车道标记或车辆行驶在未铺设石板/柏油的道路上，系统必须能够判断出哪些区域是可行驶区域。这是一个困难的计算机视觉技术问题，特别是如果路面与周围环境没有显着差异时，例如道路被大雪所覆盖时间。
鉴于目前的发展趋势，未来10年内完全自动驾驶汽车（SAE Level 4及以上级别）将难以真正实现，其中主要的障碍在于开发满足SAE Level 4及以上级别要求的软件。虽然硬件方面的技术创新能够提供所需的计算能力，而且价格（特别是传感器）会下降（注：由于反摩尔定律的作用），但软件仍将是关键的技术瓶颈。
▲图2 自动驾驶汽车上所使用的各类传感器
事实上，硬件的性能已经接近达到使高度优化后的自动驾驶汽车软件（Well-Optimized AV Software）顺畅运行所需的水平，目前的技术应该能够很快达到自动驾驶汽车所需的计算能力，不论是图形处理器（Graphics Processing Units，GPU）还是中央处理器。
目前摄像头已经能够满足测试距离、分辨率和视场等方面的性能要求，但在恶劣天气条件下也面临显着的局限性。毫米波雷达在技术上已经准备就绪，它是恶劣天气及路况条件下进行探测的最佳选项。提供最佳视场的是激光雷达，它可以极高的精度探测车辆周围360度内的环境状况。虽然目前市场上出售的激光雷达的价格还非常昂贵，但一些商业上可行的小型廉价产品应该会在未来一两年内进入市场。几家高科技公司声称可将激光雷达的成本降低到500美元以下，另一家公司已经推出了一种售价约为10000美元的能够实现完全自动驾驶的系统（大约有十几个传感器）。从商业化的角度来看，企业需要了解SAE Level 5汽车所需的最佳的传感器数量，以控制整车的成本。（注：例如，以色列固态激光雷达创业公司Innoviz在5月23日刚刚推出的固态激光雷达产品InnovizPro的售价将低于7000美元）
