2024（第二十三屆）中國互聯網大會於7月9日至11日在北京召開。大會以「互聯三十載 智匯新質變」為主題，聚焦人工智慧、工業互聯網、數據要素、算力、數位政府、智慧教育、數據安全等熱點。
【每日經濟新聞】記者註意到，近日，無人駕駛出租車在武漢街頭與行人相撞事件引發社會廣泛關註。
在大會召開期間，圍繞無人駕駛出現故障的可能原因、影響無人駕駛車輛安全性因素、何時能大面積普及等問題，沈陽航空航天大學電腦學院院長、教授趙亮接受【每日經濟新聞】（以下簡稱NBD）記者專訪時表示，目前，自動駕駛技術正處於快速發展階段，已經在某些特定環境下實作了較高的自動化水平（L4級別），但整體上仍未完全成熟。主要不足包括應對復雜和動態道路環境的能力、極端天氣條件下的可靠性以及對人類行為預測的準確程度。
「無人駕駛實作100%安全仍是一個巨大挑戰。中國無人駕駛車輛的大規模普及可能還需要10至15年。」
自動駕駛應對復雜和動態道路環境能力不足
NBD：有市民反映，無人駕駛出租車在道路上營運期間，出現車輛在綠燈狀態下停滯不前、紅燈時沖入路口中央、轉彎時卡頓不動等情況，並引發交通擁堵現象，對市民出行造成了一定影響。從技術角度看，為何會出現這些問題？未來能否避免？
趙亮：從技術角度來看，這些問題通常源於自動駕駛系統的感知、決策和控制模組協調不足。感知模組可能在辨識交通訊號或動態環境變化時出現誤判，特別是在復雜的城市交通環境中，傳感器數據可能受到幹擾或遮擋。決策模組在處理即時數據時，可能由於演算法的局限性或計算資源的不足，導致決策錯誤。控制模組在執行決策時，可能因硬體效能限制或訊號延遲，導致動作執行不流暢。
以上缺陷可以透過最佳化演算法、傳感器融合、增強車載計算能力等技術手段改進。最重要的是目前無人自動駕駛技術主要依賴單車智慧，還缺少車-車、車-路旁、車-人的互聯互通。如果進一步引入C-V2X（蜂窩車聯網）技術，在可靠互聯的加持下，能更大程度確保道路安全。
NBD：目前自動駕駛技術處於什麽階段？未來能否實作100%安全的無人駕駛？
趙亮：目前，自動駕駛技術正處於快速發展階段，已經在某些特定環境下實作了較高的自動化水平（L4級別），但整體上仍未完全成熟。主要不足包括應對復雜和動態的道路環境的能力、極端天氣條件下的可靠性以及對人類行為預測的準確程度。無人駕駛實作100%安全仍是一個巨大挑戰，可能需要多個領域的突破和長期的積累。
NBD：您認為中國無人駕駛何時能大面積普及？要提高自動駕駛安全性需要從哪些方面入手？
趙亮：根據學術界和產業界的共識，中國無人駕駛車輛的大規模普及可能還需要10至15年。這一過程中需要解決多方面的問題。
在技術層面，當前的自動駕駛技術雖然已經取得了顯著進展，但在處理復雜路況和應對極端天氣時仍存在挑戰。為了提高系統的魯棒性（註：魯棒性就是系統的健壯性 ，是在異常和危險情況下系統生存的能力 ）和可靠性，需要進一步最佳化感知、決策和控制演算法。此外，傳感器的效能直接影響自動駕駛系統的感知能力，未來需要研發更高精度、更耐用的傳感器，並推動多傳感器數據融合技術發展，以提高感知的準確性和穩定性。同時，自動駕駛系統需要處理大量即時數據，這要求高效能的車載計算平台，未來需進一步提升計算能力，確保即時性和低延遲。
基礎設施建設也是關鍵的一環。自動駕駛車輛的普及依賴於智慧交通基礎設施建設，包括車路協同系統、高精度地圖和5G通訊網路等。這些基礎設施可以提供更準確的定位和即時交通資訊，提升自動駕駛的整體安全性和效率。特別是高精度地圖，是自動駕駛車輛實作精準導航的關鍵。需要建立全國範圍內的高精度地圖系統，並保持即時更新，以確保導航的準確性和可靠性。此外，公眾對無人駕駛技術的接受度和信任度也要逐步提升，這需要透過長期的示範營運和教育來實作。
企業應建立完善的事故應急處理機制
NBD：在實際執行過程中，影響無人駕駛車輛安全性的因素有哪些？
趙亮：一是復雜路況，如行人、非機動車和突發障礙物等，特別是在城市中心區，這些因素對自動駕駛系統的感知和決策提出了很高的要求；二是極端天氣，如雨雪、霧霾等會嚴重影響傳感器的效能，導致感知數據不準確；三是網路訊號，網路訊號的不穩定可能影響車輛與雲端的通訊，導致數據傳輸延遲或遺失，增加故障風險，這在需要即時處理大量數據的情況下尤為明顯；四是道路設施，不完善的道路標識和訊號系統也會影響車輛正常執行。
在網路受限的極端場景下，為了提高無人駕駛的可靠性，必須增強本地計算和決策能力，在一定程度上減少對外部通訊的依賴，同時透過多傳感器融合技術提高感知系統的魯棒性。例如，在雨雪和霧霾等惡劣天氣情況下，可以采用影像處理技術去除影像中的幹擾物，確保感知數據的準確性。
NBD：不同城市道路規劃不同，自動駕駛系統適應不同路況條件的關鍵是什麽？如何提高自動駕駛道路預測的準確性？
趙亮：適應不同城市道路規劃的關鍵在於自動駕駛系統的靈活性和自適應能力。具體來說，首先，多樣化數據訓練是提升系統通用性和適應能力的基礎。透過收集和訓練大量來自不同城市、不同路況的數據，自動駕駛系統可以更好地理解和應對各種復雜交通場景。例如，不同城市的道路標識、交通規則和駕駛習慣可能存在差異，系統需要透過大量數據訓練來學習這些差異，從而在不同城市環境下都能表現出色。
其次，高精度地圖和即時定位技術是確保車輛在不同城市道路上實作準確導航的關鍵。高精度地圖不僅提供詳細的道路資訊，還包括車道級別的細節、交通標誌和訊號燈的位置等。結合即時定位技術，車輛可以在復雜的城市道路環境中實作精準導航，避免因地圖誤差導致的導航錯誤。
即時學習和更新也是不可或缺的一部份。透過機器學習和人工智慧技術，自動駕駛系統可以在實際執行過程中不斷學習和最佳化決策能力。例如，系統可以透過不斷積累和分析即時數據，最佳化路徑規劃和避障策略，從而提高整體決策的準確性和魯棒性。
傳感器融合技術則透過結合多種傳感器的數據，提高對復雜路況的感知和理解。例如，雷達、雷射雷達和網路攝影機等傳感器可以互為補充，在不同環境條件下提供穩定和可靠的感知資訊。這種多傳感器融合不僅提高了系統的感知能力，還能夠在傳感器數據不完全一致的情況下進行合理判斷，從而提升整體系統的可靠性。
為了進一步提高道路預測的準確性，需要不斷最佳化預測演算法，結合歷史數據和即時資訊，增強系統對動態變化的應對能力。例如，可以引入先進的深度學習模型，對交通流量和行人行為進行預測，從而提前應對潛在的風險。透過多層次數據分析和預測模型，自動駕駛系統能夠更準確地預測道路環境的變化，作出更為安全和高效的決策。
NBD：除了技術，您認為無人駕駛商業化營運還面臨哪些挑戰？
趙亮：在商業模式方面，需要探索永續的商業模式，確保無人駕駛技術的經濟可行性。這包括尋找盈利點，如無人駕駛出租車服務、物流配送等，同時考慮如何降低成本，提高市場競爭力。
在無人駕駛交通事故中，目前中國法律還在逐步完善中。如果出現事故，應根據具體情況，由交通管理部門、企業和保險公司共同調查和處理，明確責任歸屬，確保受害者得到合理賠償。例如，可以設立一個專門的調查委員會，對事故原因全面調查，依據調查結果明確責任方，並由保險公司賠償。
同時，企業應建立完善的事故應急處理機制，確保在事故發生後能夠迅速響應並妥善處理。此外，國家應加快制定和完善相關法律法規，明確責任劃分，為未來無人駕駛技術提供法律保障。這需要立法機構、技術企業和社會各界形成合力，共同推動自動駕駛技術的健康發展。
每日經濟新聞
