傳感器融合技術取得了令人印象深刻的進步，可通過攝像頭，雷達，LiDAR和GNSS實時實現出色的導航精度。但是主題專家（其中許多人已經在這一工程挑戰上花費了十多年的時間）指出，在自動駕駛汽車成為我們日常生活不可或缺的一部分之前必須解決的，甚至有時被忽略的自動駕駛系統和原理。

Chaminda Basnayake是Locata的首席工程師，Locata是一家澳大利亞定位系統公司，在拉斯維加斯設有子公司，并且是前高級汽車安全系統工程師，在該領域擁有十多年的經驗。“嚴格來說，從技術角度來看，我相信我們擁有在幾乎任何環境下進行自動駕駛所需的所有技術。但是，圍繞可部署性（商用車輛的承受能力），可維護性，可伸縮性，人為因素（包括車輛內部和外部）以及環境因素，存在許多問題，這些問題尚未得到很好的理解或誤解。”

這些問題的核心是集中在兩個特定領域-本地化和在數值上有保證的系統完整性-這將指導自動駕駛汽車的發展。

自主車輛傳感器可分為兩類：感知傳感器或相對傳感器（例如，雷達，攝像機，LiDAR）和絕對傳感器（例如，地圖，GNSS，IMU）。正確的感知和處理系統必須調整為用于該空間的嚴格性能，安全性，成本，規模和可靠性要求的特定軟件。通用汽車技術研究員柯蒂斯·海（Curtis Hay）表示：“雖然絕對或相對傳感器是否更好尚有爭議，但我們的觀點是，一旦所有絕對傳感器類型可用，自動駕駛汽車便會相互補充。” GNSS，V2X和自動駕駛汽車的地圖技術。“未來的自動駕駛汽車將必須融合傳感器，這些傳感器必須利用絕對測量的優勢，并將相對傳感器與人工智能[AI]相結合。它必須知道何時取決于環境而依賴感知或絕對傳感器。”

當今工作中的一個有利挑戰是采用低成本，更精確的GNSS接收器和更高分辨率，更高幀率的相機。這種情況正在發生，但是制造商和開發商必須能夠高度自信地確保定位。

成功的可能性

針對汽車開發的ISO 26262功能安全標準通過對汽車安全完整性等級（ASIL）框架的不斷提高的完整性要求（ASIL A，ASIL B，ASIL C，ASIL D）對危險的嚴重程度，暴露和可控性進行了分類。例如，符合ASIL B并不一定需要傳感器冗余，但是符合ASIL D可以實現特定自動車輛功能的故障安全操作。

通用汽車公司的Hay：“正在進行大量分析，以證明符合ISO 26262標準。如果我們根據GNSS進行4/5級實時決策和控制，那么就必須遵循斯坦福模型來指定警報閾值。”

為此，Hexagon的定位情報（PI）部門處于領先研究計劃的第三年。全球實體的目標是量化和定義誤差范圍，并確保受故障和異常情況影響的GNSS測量的完整性。該研究由伊利諾伊理工大學，斯坦福大學，弗吉尼亞理工學院和州立大學的行業專家進行，對高完整性載波相位算法以及從飛機應用中學到的威脅模型和安全監控器的概念進行了更新和擴展。早期的開發和演示對于為自動駕駛汽車應用實現可行的完整性表現具有巨大的希望。

Hexagon PI當前正在測試一種高完整性PPP解決方案的原型，并計劃在未來幾年內完成開發和測試，以及時推出旨在利用高完整性GNSS的第一代車輛自主功能。研究將持續到2019年，目標是提供一些業界首個誤差范圍和具有指定概率的數值保證。

斯坦福大學廣域差分GNSS實驗室主任托德·沃爾特（Todd Walter）是其中一位首席調查員。量化GNSS完整性可確保在名義條件和故障條件下得出的值是準確的，從而確保錯誤發生的頻率不會比預期的高，并且會超出正常范圍來確定非常罕見事件的概率。”

沃爾特（Walter）指出，完整性對話的第三個組成部分是發出警報的時間-確定發送警報之前需要花費多少時間糾正錯誤。例如，在航空世界中，時間通常是從六秒縮短到兩秒。

沃爾特補充說：“我們花了很多時間思考可能出錯的問題，例如多徑，電離層和衛星誤差。” “現在，我們行業中的每個人都必須給每個人分配一個可能性，并確保已到位。”

設定操作界限

此外，需要為與人類駕駛員一起操作的自動駕駛汽車建立完整性界限。

洛卡塔（Locata）的巴斯納亞克（Basnayake）概述了這個問題：“請記住，即使是幾十年前增加了自動化的航空業，也沒有商用的全自動飛機。實際上，起飛和降落仍然是手動操作，訓練有素的飛行員在嚴格管制的空間內工作。對于自動駕駛汽車，我們正在將類似的功能引入到普通駕駛員或操作員要復雜得多的環境中。最近的波音737 Max 8墜毀是一個不幸的例子，說明即使在更加嚴格的環境下，這也可能出錯。”

駕駛員（或操作員）濫用或濫用自主功能的趨勢可能是另一個主要問題。Basnayake回顧了2007年的DARPA城市挑戰賽，該挑戰要求自動駕駛汽車在不到六個小時的時間內行駛96公里（60英里）的市區路線。這些規則包括遵守所有交通法規，同時與其他交通和障礙物進行協商并合并為交通。

他說：“車輛平均以大約14 mph的速度完成賽道，但是，在贏得比賽的過程中，車輛遇到的最大問題之一就是系統故障。” “在那種情況下，汽車后方的大型超大加速器會由于干擾而阻止傳感器正常運行。這是出乎意料的，當然也是計劃外的。”

該示例說明了具有冗余并確定潛在故障和失敗周圍的完整性邊界的復雜問題。故障或故障攻擊的示例包括GNSS丟失，接收錯誤的傳感器信息或攻擊車輛彼此之間與基礎設施之間傳輸關鍵信息的通信通道。

Basnayake：“因此，例如，在定位方面，我們必須能夠使用GNSS和其他定位信息，并提出故障保護操作方法，以實現我們實現全自動化的夢想。”

行為適應

與本地化一起，實時地圖繪制是必須開發以促進安全操作的基本系統之一。

“映射是可伸縮性問題，” Basnayake指出。“目前，大多數自動駕駛車隊在地理位置上受到限制，以使制圖問題簡單易行。作為一個行業，我們必須在如何實現完全自治的道路上做更多的工作。它可能是有限的空間，或者是某種形式的連接系統，或者是兩者的結合。”

這個想法不僅是要檢測其他物體的存在，而是要識別物體是什么以及它的行為方式，以及最終如何影響我們車輛自身的行車行為。

汽車行業內正在進行大量的研究和開發，以在零售車輛中使用低成本感知傳感器來創建高清自動駕駛汽車地圖。這種愿景要求將大量感知數據部署到云中的AI應用程序中，并且還需要一種機制，以將該眾包地圖傳遞到目標車輛。雖然要實現該愿景需要克服技術和商業挑戰，但世界各地的許多創新思維正在解決這個問題。

例如，寶馬正與英特爾子公司以色列技術公司Mobileye聯合，在駕駛環境中提供基于攝像頭的信息，該信息依賴于人工智能和眾包技術的結合進行實時地圖繪制。寶馬預計將在2021年之前為高速公路上的高度自動化駕駛提供一套測繪套件。自動駕駛技術開發公司Waymo LLC希望自動生成高質量的“神經網絡”，以使車輛能夠非常快速地解釋，識別和跟蹤物體。在最近的博客文章中，Waymo還詳細說明了其車輛使用機器學習來識別和響應緊急車輛，或者進行棘手的駕駛操作，例如無保護的左轉彎。

自動駕駛汽車系統開發商將繼續尋找解決方案，例如最近獲得RoboSense獎的RS-LiDAR-M1，這家中國公司已將其生產為全球首個用于自動駕駛乘用車的基于MEMS的智能LiDAR傳感器。借助嵌入式AI算法技術和片上系統，RS-LiDAR-M1能夠實時收集和解釋高清3D點云數據并處理道路數據，同時同步高精度定位輸出，交通標志，車道標記，駕駛區域，路緣石以及障礙物的檢測，跟蹤和分類。

隨著系統的不斷發展，必須將更多重點放在安全自動駕駛的核心原理上。從完整性的角度來看，開發人員必須知道與數據相關的特征提取發生錯誤關聯的頻率。

IIT的Spenko說：“例如，錯誤地將環境中提取的特征（例如路燈柱）與錯誤的地標關聯起來。” “我們知道這會發生，有時甚至不會被發現。因此，我們必須評估其發生的可能性以及對車輛位置和方向的影響。糾正措施可能是從周圍環境中提取預定義的界標，并將其映射為在出現諸如時鐘錯誤之類的故障時提供冗余。”

一切車輛

利用自動駕駛汽車的系統和原理，一個基本原理將是采用通用的V2X標準。Hay說：“汽車行業處于癱瘓狀態，這在很大程度上是由于競爭標準和不同無線電技術在汽車之間共享數據的不兼容性所致。沒有汽車制造商會成功。我們都需要一種通用語言來實現V2X，作為對我們自主傳感器的補充。

“如果我們要與其他汽車進行通信，則其他制造商需要采用通用標準來發送和接收基本安全信息。我們如何并且將克服這種癱瘓？答案將定義我們如何在線下彼此合作（和競爭）。”

車輛之間的傳統通信鏈路是專用短距離通信（DSRC）。正在開發和測試的新標準是蜂窩車輛到一切（C-V2X）。這兩個通信標準互不兼容，這促使汽車制造商選擇一個標準。

此外，這些競爭技術的頻譜分配仍然不清楚。實際上，兩個標準的開發已在V2X部署中引入了痛苦的延遲，并使汽車行業陷于癱瘓。

DSRC是一種無線通信技術，旨在允許智能交通系統中的汽車與其他汽車或基礎設施技術進行通信。DSRC技術在無線電頻譜的5.9 GHz頻帶上運行，并且在短至中距離（無小區網絡）上有效。DSRC使用GNSS進行車輛定位。基于DSRC的V2X基礎結構已在美國，歐洲和日本部署。

C-V2X由第三代合作伙伴計劃（3GPP）蜂窩調制解調器技術規范定義。與常見的誤解相反，C-V2X獨立于4G / 5G蜂窩網絡運行，并使用專用的5.9 GHz無線電提供車對車的側鏈（PC5）。預計2020年在中國部署C-V2X。

Hay補充說：“如果有機會通過在標準方面進行合作來使公眾更加安全，我們應該這樣做。” “除非競爭對手同意標準，否則無法取得真正的進步。”

可能會有一些解決方案來自諸如科羅拉多州的V2X技術安全和移動性改善項目等計劃，該計劃部分由“更好地利用投資促進發展”（BUILD）聯邦撥款資助。它的重點是使用V2X技術創建商業規模的聯網汽車環境。大約537英里的網絡將提供與相連車輛的實時通信，并為農村社區安裝200多英里的新光纖線路。協助者希望網絡通過基礎設施到車輛（I2V）的通信直接向駕駛員發送安全和關鍵性的消息，并通過車輛到基礎設施將道路上的撞車或危險通知科羅拉多州交通運輸部（ V2I）通信。

自治與社區

最后一個需要關注的領域是自動駕駛汽車如何適應現有基礎設施。有關基礎設施和自動駕駛汽車的幾項探索將有助于確定成功融入社區的必要系統和原則。

最近的一項研究是由美國國家科學基金會（National Science Foundation）為伊利諾伊理工學院的研究人員提供的三年資助。該項目名為“無處不在的機器人的城市設計和政策含義以及導航安全”，該項目著重于改造城市中現有的交通基礎設施，以容納自動駕駛汽車，同時解決周圍社區居民的安全，可用性，審美需求和關注點。

IIT的首席研究人員之一Spenko Spenko說：“本地化對于無人駕駛汽車的成功至關重要。傳感器必須識別諸如橋欄桿或行人，灌木叢和樹木等特征，以識別機器人的位置。因此，我們必須將城市景觀與航行安全聯系起來。我們可以微調和測試我們的導航安全算法，架構師可以看到他們的設計如何影響自主操作和安全性。我們正在積極尋找使用景觀作為代碼的方法，以幫助機器人更好地定位自身，特別是在受到GNSS限制的環境中。”

具體來說，該贈款項目將機器人和自動駕駛汽車工程師與城市規劃人員，建筑師和景觀設計師聚集在一起，以影響和設計城市空間，以適應未來的自主環境。

另一個項目涉及向俄亥俄州Youngstown的Youngstown SMART2網絡基礎設施企業提供1000萬美元的BUILD聯邦贈款。該項目包括專用的自動穿梭車道和光纖管道，以促進高速寬帶，這使道路數據收集能夠支持自動穿梭車，以錨定主要的地方機構。

同樣，位于佛羅里達州杰克遜維爾的城市核心河濱振興和海灣街道創新走廊項目將通過交通管制措施，自行車/人行道和由V2I通信系統支持的自治交通網絡取代哈特橋高速公路。

從景觀和導航安全解決方案到兼容標準，實時本地化和地圖繪制，最重要的是，可以確保科學證明位置和導航數據的完整性，自動駕駛汽車的道路有許多障礙需要克服。但是專家和創新者相信答案即將出現。