雖然滴滴在上海世界人工智慧大會上展現了他們的無人車，但理性分析，

1.滴滴前些年做自動駕駛動靜不大，自動駕駛團隊其實剛成立不久，前幾個月還在大量挖人，仍需要繼續技術儲備。

類似今年的華為，風風火火進入汽車行業。可以說，滴滴在網約車平台已經一家獨大，能做的工作就是不斷優化調度演算法，優化路徑，提升乘客乘車安全，滴滴在入局自動駕駛之前可以說是純粹的一家軟體起家的公司，現在到達一個瓶頸，要繼續發展，繼續盈利，繼續跟上時代先鋒，跟車一直打交道的滴滴必然要做轉型。

滴滴自動駕駛團隊目前共有300餘人，150多名工程師，北京矽谷各一半，還有100多人是路測團隊司機等。

自動駕駛團隊是滴滴最牛逼的團隊之一，CTO親自負責。 外企文化，不加班，薪酬給力和滴滴其他部門不一樣的待遇。

滴滴組織架構調整，重心調整，後期的成本挖掘，降低減少司機成本，只能從無人車進發了。前幾年，無人駕駛技術還遠遠不成熟，滴滴的精力或資金鏈也不允許其花重金在無人駕駛上，都知道無人駕駛是一個燒錢的項目，前期投入巨大，短期很難看到回報。現在這個時期籠絡人才，開始入局無人駕駛，不算太晚，不過做自動駕駛計程車載客的，需要技術成熟，風險大，民眾能接受，道阻且長。

目前世界人工智慧大會展示的無人駕駛車，以及演示的功能，更像是一輛demo車。

視頻來源:車東西公眾號，侵刪。

2.儘管滴滴拿到上海市首批智能網聯汽車示範應用牌照，固定線路的載人運行計程車服務意義不大。

在今年9月上海嘉定舉行的世界智能網聯汽車大會上，公布了上海市智能網聯汽車示範應用牌照 ，這次拿到牌照的有上海汽車集團股份有限公司、寶馬（中國）服務有限公司、上海滴滴沃芽科技有限公司，此次牌照與以往的測試性牌照不同， 最大的區別是可以具備載人情況下的自動駕駛。以下是不同級別的牌照差別。

商用車牌照（載人測試和商業化運營）&>汽車示範應用牌照（允許功能化的載人應用）&>測試牌照（僅做測試，不允許載人）

預計自動駕駛車輛將達 30 輛，訂單距離可超過 10 公里

短距離的載客運行，意義不大，都是固定路線。

感測器的核心配置為3個Velodyne的激光雷達（1個64線機械式激光雷達、兩個16線激光雷達）和7個攝像頭

光激光雷達成本已經達到了幾十萬元，「成本可觀」。

即使正式運營，也需要安全員的存在。

https://mp.weixin.qq.com/s/xDR829Ml0oGrgi7u-AWrXw?

mp.weixin.qq.com

前些日子，Waymo發郵件稱要開放沒有安全員的無人車，剛成立的滴滴目前還不具備這個魄力。不取消安全員，盈利尚早。

三級駕照老司機發生的事故

這個視頻就是在嘉定區公開智能網聯道路人為開車發生的一起事故，駕駛員三級駕照，三年內未出任何事故，視頻可以看到，機動車突然橫向闖出，駕駛員來不及反應，車上感測器系統也未給予提醒或緊急剎車，欣慰的只是邊緣碰撞，未造成大的傷害。無人車對此場景，cover難度巨大，對感測器的要求極高。

3.宣傳造勢莫當真。

看互聯網企業，百度、華為，初創企業，Momenta、圖森、地平線，有的大量挖人，有的大量融資。自動駕駛的香餑餑，目測就快要落地了，某些固定場景，簡單場景下（港口、礦區、機場、物流園區），已初現苗頭。

這幾家公司的落地場景稍與滴滴不同，滴滴肯定還是圍繞自動駕駛計程車來做的，其最大的難點痛點在城市道路，有行人的地方，有非機動車的地方都是潛在的危險因素，另外城市道路，若沒有V2X通信加持，平常不起眼的紅綠燈僅靠視覺去識別難度巨大，100%的準確率，但城市道路的紅綠燈數量多，全部安裝V2X不現實，所以相比港口、礦區等簡單場景城市道路難度很大。

所以滴滴說今年年底推出無人駕駛計程車，不太看好，人在嘉定，喜聞樂見願意去體驗各種場景。

最後吐槽一下，都9012了，滴滴還頂個大傢伙呢。

放個彩蛋，路人甲逮到Waymo真無人計程車

Waymo計程車

安利一波真無線。

Libratone（小鳥耳機）TRACK Air+ SE特別版 降噪真無京東￥ 1598.00去購買?

---

人在魔都，剛下班車，準備搬磚.....

15年大三進入課題組開始學習智能車，入門水平的菜雞強答一波。

---

題目中提到的今年底用戶可在上海特定區域（開放測試區？畢竟剛拿到測試牌照）打到滴滴無人駕駛計程車。預計自動駕駛車輛將達 30 輛，訂單距離可超過 10 公里，應該還是有監督員監督的無人駕駛計程車，實際上就是demo。

個人淺薄之見：滴滴在年底推出無人駕駛計程車的demo車不難，但大規模使用和推廣目前還不太現實。這不是針對滴滴，而是說目前的無人駕駛技術在不限場景的情況下都做不到大規模的商用。

---

高贊諸葛童鞋已經從滴滴公司的智駕團隊情況、組織架構、測試拍照和行業情況分析了無人駕駛計程車的可行性。我從近幾年智能駕駛技術學習和研究的親身經歷來淺談智能駕駛落地在技術方面、倫理方面的問題。

1.智能駕駛汽車的發展情況

先偏一波題，還記得當年第一次摸到毫米波雷達、mobileye和激光雷達的激動，還記得當年團隊親手改裝的demo車，完成第一次路跑的喜悅。如今，即使是初創的公司，招幾個有開發經驗的工程師開發一款能跑的demo車、測試車已經不難。就像某峽谷早期可能只有鉑金以上才的瑞文才可以光速QA，而如今滿峽谷都能遇到幾個。

這幾年，依賴感測器、高性能處理器和演算法方面的進步，自動駕駛技術在深度上不斷進步，低級的自動駕駛技術，也就是目前常說的高級輔助駕駛在廣度上也一直在普及。人們對自動駕駛的接收程度越來越高，特別是在開放測試路段，自動駕駛汽車屢見不顯。

但即使到今天，無人駕駛汽車實際應用的演算法很多還是參考2000年甚至是90年代的論文，都是早期工業上應用很經典的演算法，僅僅從演算法創新的角度，可以說是「吃老本」。當然，這並不意味著無人駕駛汽車沒有技術上的突破，只是想表明無人駕駛技術是技術，而不是基礎科學，無人駕駛技術的發展將是一個「研發——測試——研發」長期發展過程。

談及智能車技術，就不得不提自動駕駛技術的分級。這張圖大家應該已經見過很多次，但是到智能駕駛確實繞不開。借用某教授對level 4級通俗的理解：L1我自己開、L2幫我開兩下、L3我盯著你開、L4你開我不開。三級的自動駕駛就已可以算的上人們理解中的「自動駕駛」了，在絕大數情況下（也可以理解為適配過的場景下）自動駕駛系統可以實現可靠的自動駕駛，人工只需要在決策出現困難或者異常時才需要進行干預。這個等級的自動駕駛汽車上如果出現因自動駕駛系統出現事故是由汽車製造商（無人駕駛技術服務商）來負責。

那麼目前國內外自動駕駛汽車發展到哪個階段？

大家普遍認同Google的子公司Waymo是智能汽車發展的領頭羊。在2018年底，Waymo在美國亞利桑那州鳳凰城率先推出無人計程車服務Waymo one，這也是無人計程車在全球範圍內首次實現商業化落地。2019年9月才開始測試無監督員的自動駕駛計程車。也就是說目前Waymo仍是處於4級自動駕駛的階段。

而實驗室階段的測試車或者說各廠在各大智能駕駛大會上秀肌肉用的概念車可以達到Lv4的就多了。比如最近在2019世界智能網聯大會上展出的BMW X7、上汽的marvel X等

Waymo自動駕駛計程車

而量產車型中目前處於level 3級的只有Audi A8L自動駕駛，但實際上這個level 3級還很稚嫩，僅僅適用於交通擁堵的低速情況，脫離擁堵後如果駕駛員不接管會自動減速靠邊停車，還達不到我們想像中的自動駕駛。而較為出名的Tesla「autopilt」系統實際上只是接近Level3的level 2級別的駕駛輔助系統。其他各個整車廠搭載ACC（自適應巡航系統）、LKA（車道保持系統）、AEB（自動剎車輔助系統）都是在Level 2階段的自動駕駛汽車。也就是說目前，市場上大家可以買到的自動駕駛汽車通常都是Level 2級的，都需要大家時刻關注行駛信息，隨時準備接管駕駛權。下圖為部分國內外汽車智能駕駛系統的方案。

2.智能汽車技術簡述

智能汽車實際上就是設計和訓練初一個虛擬的駕駛員來代替人類駕駛員，根據人類的認知、判斷和執行，將智能汽車的結構進行功能劃分，其大體結構可如圖所示。

近幾年隨著高精度定位技術，圖像識別技術，雷達測距、識別與跟著等技術的發展，智能汽車的環境感知能力得到了極大的提升。特別是人工智慧技術的發展，機器視覺的應用在智能汽車上越來越廣，能識別的目標個數和種類得到了的顯著的增長，識別速度和識別準確率也不斷提高。相應的生產成本也得到了顯著的下降，特別是激光雷達和高精度的慣導系統，早幾年這一套系統的成本就接近百萬，而現在國產化以後十多萬也可以組一套「低配版」。當然目前的量產車上目前還沒有上這些設備，主要還是使用相機+毫米波雷達+超聲波雷達。總的來說，近幾年智能車的環境感知能力得到了極大提高，但是在應對無人駕駛中各複雜場景的要求，仍需進一步發展。

信息融合與決策系統則取決於晶元性能和演算法，演算法工程師應該深有體會，很多演算法本身很好用，但是用到移動端以後由於性能吃緊需要對演算法進行閹割和優化。控制演算法一般都是基於經典的PID、模型預測、模糊演算法等進行開發，在單個系統的控制性能上魯棒性、穩定性較好。由於人工神經網路的「黑盒」特性，在控制系統上應用較少。Waymo在控制系統使用深度循環神經網路進行駕駛員的訓練。目前遇到的問題駕駛風格的調整、路口通行或換道時猶豫、缺乏與人類駕駛員的互動、頻繁制動、頻繁被超車、加塞以及在複雜場景下的可靠性問題。這些問題的解決依賴測試的大數據，也依賴V2X通信。

至於底層的控制執行問題，基於線控技術的開發的線控底盤以及能夠滿足轉向、擋位和驅動的控制，其相應速度和性能基本能夠滿足智能汽車的使用。在控制的精確度、響應速度、耐久性、魯棒性還需要進一步發展。

智能汽車本身面臨複雜環境感知、實時規劃決策和線控底盤的技術，除此之外還有很多非車端的基礎關鍵技術，如智能汽車的「三橫三縱」圖所示，V2X通信、雲控系統、調度機制、高精度地圖、可靠性及測試標準、實車車路協同測試等問題也十分關鍵。近幾年，封閉和開放測試區在各地開花，相關的測試標準和法規都在起草和試行階段，百度、四維圖新、千尋都在高精度地圖方面著力，為智能汽車做配套。

為什麼近幾年智能網聯汽車的概念比智能汽車更火，其實從某種程度上來說就是智能汽車的發展遇到了瓶頸，在車端繼續提升系統的可靠性、魯棒性十分困難，而通過網聯來完成車輛的調度和信息交互，從而是實現無人駕駛和智慧交通比單單從車端入手更有效。借著5G萬物互聯的東風，道路信息的結構化和數據化，打破車與人、車與路、車與車之見也會時空的隔膜實現信息互通，最終實現智慧出行。

3.倫理道德與立法問題

菲力帕·芙特提出了著名的電車問題，其大致內容：假設你看到一輛剎車壞了的有軌電車，即將撞上前方軌道上的五個人，而旁邊的備用軌道上只有一個人，如果你什麼都不做，五個人會被撞死。你手邊有一個按鈕，按下按鈕，車會駛入備用軌道，只撞死一個人。你是否應該犧牲這一個人的生命而拯救另外五個人？

假設你在開車，由於你打了個盹，車即將要撞到前方的高級轎車，你是選擇打方向盤避開還是直接撞上去？

如果旁邊有個麵包車，你是選擇撞麵包車避開前方的高級轎車，還是撞高級轎車避開麵包車？

如果麵包車是違規在緊急停車道違規行駛的，你如何選擇？

如果高級轎車裡面有孕婦，你如何選擇？

如果高級轎車換成幼兒園校車，你如何選擇？

我們知道，即使是無人駕駛汽車，在某些極端情況下也有可能會發生事故（剎車失靈或者其他極端情況），在面臨不得不撞的時候，這個時候演算法如何設計才可以避免道德倫理問題。

特別是汽車無人駕駛系統事故的責任歸屬是整車廠，有可能是由保險公司來賠付，會不會要求損失最小來進行邏輯上的選擇。

當然，雖然在智能駕駛落地之前還有許許多多技術和倫理道德上的問題，Lv4級的自動駕駛還在小規模測試階段，但依舊相信智能駕駛會一步步改變我們的生活，提高我們的出行體驗，最終達成「零事故」的目標。

---

這是我們體驗的國內首個一線城市落地試運營的自動駕駛計程車，不過不是滴滴，希望大家能從這個視頻中了解到目前自動駕駛計程車的情況。

無 人 駕 駛

---

無人駕駛計程車必然不可行。

難點不在於技術，而在於社會影響。中國的出租/滴滴司機群體，起源於98年下崗再就業，繼承了我國工人階級的光榮傳統：neng不死你。

被失業的滴滴司機，到時候會天天在路上碰瓷滴滴無人車，他們有一萬種方法讓無人車全責，直到滴滴妥協。

如果不妥協，搞出人命來，死幾個乘客怎麼樣？反正交通意外不用賠命，划算。

建議滴滴的高管去閱讀一下當年碼頭工人是怎麼抵制集裝箱的，最後航運公司花了多少錢才擺平了那些「碼頭土匪」。滴滴司機可比這些人多幾千倍。

經歷了順風車的shit storm後，滴滴現在已經草木皆兵，啥頭也不敢出了。坐等滴滴被社會壓力悶死。

---

在有安全員的運營方式下，無人駕駛計程車用起來沒啥問題。選擇相對簡單的場景先用起來迭代演算法並積累數據是大家都在用的方法。

從商業模式上現在當然是走不通的，幾乎所有公司都是在看未來。另外如果能夠有一定的計程車收入，對於滴滴自動駕駛業務的單獨估值提升也有很大的作用。通過市銷率去算估值不用太計算凈利潤只需要有流水即可。

所以這件事不光可行，而且在技術和商業上也都有價值。當然，這不是說在外灘也可以坐上自動駕駛計程車～

---

推薦閱讀：