从复杂路况角度，浅析自动驾驶的智能化表现丨曼孚科技

智能汽车是一个集成环境信息感知、行为决策、路径规划及车辆控制等环节的复杂系统功能。因其在提升车辆行驶安全、缓解交通拥堵、降低物流成本等方面的作用，智能汽车拔新领异，引领了新时代汽车行业的革新。

实际驾驶环境中，影响智能汽车行为决策的因素众多，户外环境的未知性、环境检测的准确性、交通规则的约束性、交通路况的突发性以及恶劣天气等，都是考验自动驾驶智能性的关键维度。

本文将从复杂路况角度，浅析真实环境下自动驾驶的智能化表现。

复杂路况下的自动驾驶

「模糊地带」：自动驾驶技术的决策取决于其程序设计与安全策略，而各驾驶场景间存在的 模糊领域，为程序规则制定增加了难度。

举个例子，当车辆检测到前方有行人，但尚有足够躲避空间时，是继续行驶，还是停车等待，自动驾驶难以抉择。跳转规则的不清晰不利于无人车辆输出及时、可靠的驾驶行为，这也在一定程度上降低了无人驾驶安全性。

「非平面环境」：行驶道路中常会遇到坑洼、凹陷等不平整路面，自动驾驶需要识别并准确预估路障的位置和轨迹，以决策如何通过该路段。

近年来，路面坑洼检测不仅是一个基础设施维护问题，也是许多汽车公司嵌入到 L3、L4级自动驾驶中的辅助功能。

如捷豹路虎利用数据驱动技术，通知驾驶员路障情况，并发出警报以降低汽车行进速度；ClearMotion利用智能悬挂系统，吸收和抵消路面冲击与振动，减轻震荡。

「无保护左转」：十字路口没有专门的左转信号灯，而是与直行车共用一个交通灯。因此，该场景中车辆需在遵守交通秩序（礼让直行车辆）的情况下完成左转。

具体讲，自动驾驶需向直行车辆传递左转意图（如缓行缓停），并抓住与直行车辆的安全空档期加速穿过直行道。在通过后，自动驾驶需立即减速缓行，并实时感知道路对象，以便安全地驶入对车道。

对自动驾驶来说，无保护左转对环境感知与行为决策的要求极高。首先，车辆需提前获知路口被遮挡的直行汽车、非机动车、行人等运动轨迹；其次，车辆要具备竞争策略，即在决策时融入对人类意图的理解。

现阶段，自动驾驶的环境感知力可通过优化算法模型改善，但其难以领会人类意图，只能死板地依据车辆距离判断行驶路线。对自动驾驶来说，了解人类的意愿、洞悉人类的心理，将是汽车智能化的终极命题。

提升长尾场景数据覆盖

因其技术特殊性，自动驾驶对于测试场景的多样性要求较高，须积累大量的样本数据来支撑当前的学习行为。

为改进自动驾驶安全系统，各车企纷纷加大了路测投入。2018年，北京市为百度 、蔚来汽车、北汽新能源、小马智行、戴姆勒、 腾讯 、滴滴、奥迪八家企业的56辆自动驾驶车辆发放了道路临时测试牌照，总自动驾驶车辆道路测试里程超过15.36万公里。

自动驾驶系统想达到甚至超越人类的驾驶水平，至少需100亿公里的数据。面对如此庞大的需求，有效提取高质量数据是技术人员亟待解决的主要问题。样本数据的有效性不足，将会降低智能驾驶行为决策的准确性。

因此，阳光明媚下日复一日的重复测试意义并不大，只有在事故易发处才能收集到更有价值的数据，经过专业数据处理，才能产出自动驾驶真实所需的高质量结构化数据。

曼孚科技作为一家专注自动驾驶领域的数据标注服务商，旨在为自动驾驶相关领域客户提供专业的数据解决方案。现阶段，曼孚科技已完成5000万元Pre-B轮融资，近三年累计融资金额超数亿元，攀至国内自动驾驶数据标注的市场市占率前三名。

在未来，曼孚科技将持续投入自动驾驶数据标注研发预算，构建从数据到算法的全链路体系，提升自身数据处理自动化水平，为自动驾驶进一步商业落地增添更多助力。