未来，可能会有越来越多的自动驾驶汽车开始采用“限制运行域”的做法。“在系统开发过程中，如果您的车辆必须有能力响应大量无限复杂的场景时，那么最直接、也最合乎情理的方式就是减少车辆需要响应的选项数量，”IHS Markit 首席汽车分析师 Jeremy Carlson 表示，“控制车辆需要响应的选项数量可以让您的产品更快进入市场，这比任何其他手段都更有效。”

更高水平的自动驾驶将首先出现在货运和穿梭巴士。（ZF）

当前绝大部分的汽车系统的安全都离不开人类驾驶员的全神贯注，一些最新出现的 SAE L2 级和 L3 级自动驾驶系统对此要求有所放松，但仍不能完全将人类驾驶员从驾驶任务中解放出来。未来，自动驾驶系统将继续增强，向着完全解放人类驾驶员的目标发展。

许多支持者认为，充分展示自动驾驶汽车在特定区域内实现安全自动驾驶的能力，是实现“完全解放驾驶员的伟大目标”的最好方法。西门子工业软件（Siemens Digital Industries Software）公司汽车和运输行业副总裁 Nand Kochhar 表示：“目前，我们的主要业务来自 L2 级到 L3级自动驾驶汽车，但我们已经必须开始着手为 L4 级和 L5 级自动驾驶汽车做好准备了。如今，自动驾驶汽车面临的最大问题是‘多安全才叫安全’？我们并没有如何进行测试或评估的标准。在此背景下，人们决定开始引入运行域，也就是他们经常说的“循序渐进”。

法雷奥（Valeo）正在研究如何提高传感器在恶劣天气下的性能。（Valeo）

阅读英文原文

循序渐进

现阶段，着力于实现在有限地理围栏区域中的自动驾驶要比直接追求终极自动驾驶更为现实。这种策略不仅可以减少车辆需要学会响应的变量，而且还更方便运营商在基础设施中部署更多传感器。举个例子，运营商可以在高速公路交叉路口和会车区域附近安装一些传感器，为大量商用车提供其自身车载传感器无法获取的信息。在城市地区，运营商和智能城市规划者也可以在电线杆和建筑物上安装传感器。

基础设施中的传感器可以与车载传感器相互配合，为道路用户提供更完善的信息。“我们正在与智能基础设施规划人员合作，把一些通常需要安装在车辆上的传感器转而安装在城市基础设施中，”大陆集团北美公司研究部技术项目负责人Steffen Hartmann 说，“这些传感器可以更好地监测车流或十字路口的行人，并将这些信息发送到车辆，帮助车辆采取恰当行动。”

车载传感器还有助于应对天气对驾驶系统的关键影响。目前，设计团队正在寻找方法，确保自动驾驶系统的性能不会受到天气的影响。现阶段，开发人员正在训练自动驾驶系统具备人类驾驶员在雾、雨和雪等气候下驾驶汽车的能力，主要尝试的方法包括：调整传感器的安装位置（使其处于可以受到保护的位置）、及时清洗摄像头镜头，以及通过软件减少灰尘和湿气对系统的影响。

“在使用传感器清洁系统时，关键是要最大限度地减少用水量。您肯定不想每天开车都带着一大桶水吧？”法雷奥创新副总裁Guillaume Devauchelle 表示，“我们还有一些算法可以检测摄像头镜头上出现水滴的情况。通常来说，一辆汽车上会有多个摄像头，如果其中某个摄像头已经快要超出其可以正常工作的范围时，那我们就不会考虑这部摄像头的输入。”

然而，无论传感器和系统的性能有多高，哪怕是在有限运行域中也会出现自动驾驶系统无法理解的情况。当系统无法确定该采取何种措施时，车辆通常的做法是尽可能安全地停下来。此外，还有一些公司正在研发新的技术，允许“远程操作员”在此类状况下进行提前干预。

车辆可以向远程中心发送消息，请求远程操作员接管车辆并根据情况进行适当操作。“举个例子，假设有一辆班车已经设置为‘仅在指定站点接送乘客’，这时如果出现其中某一个站点被临时占用的情况，比如那边停了一辆大货车，这辆班车可能会选择在附近停车，并持续等待直至该站点空闲下来。”采埃孚自主移动系统负责人Torsten Gollewski 说，“在这种情况下，远程操作员可以远程调整班车的停车位置，以避免堵塞交通，并允许乘客临时在非站点之外的位置上下车。”

“空中升级”可以让车辆软件保持时时更新。(Elektrobit)

阅读英文原文

深度神经网络助力

在车辆充分展示其在有限运行域中进行安全驾驶的能力后，运营商就会思考如何继续增强自动驾驶汽车的能力。一旦车辆进入行驶区域，车辆的软件空中升级将提供一种简单、直接的方式来更新软件，确保乘客安全。

Elektrobit 业务管理执行副总裁 Martin Schleicher 指出，这些技术包括针对安全性、可靠性、信息娱乐系统而重新设计的架构。他表示，“车辆要保持实时更新就离不来空中升级，无论是最新的信息娱乐系统功能、运行系统安全布丁、ECU升级，还是配置修改，这都需要通过空中升级完成。”

展望未来，这些增强功能将更多由人工智能程序提供，并依赖于车辆的自身的驾驶经验。这些软件升级通常采用PFGA 现场可编程电路，可以提供大多数半导体芯片无法达到的硬件定制化水平。

Xilinx 汽车业务部高级总监 Willard Tu 表示：“卷积神经网络（CNNs）/深度神经网络将是一个重大推动因素。”一个例子是最早的CNN 网络为 32 位，后来变成 8 位整数，现在正在继续向 4 位量化发展。Xilinx 设备可以支持不同长度的 CNN 网络，而其他公司必须为每种长度设计一个新设备。对开发人员而言，可以在同一硬件设备上升级AI 功能对开发来说也是非常有价值的。”

阅读英文原文

WCX - SAE 2020 全球汽车年会
网络峰会

2020年6月16-18日在网上与您相见

本次网络峰会将包括：