有多少司机开着辅助驾驶玩手机，有多少司机开着辅助驾驶玩手机游戏-热闻精选-小童说事

8月10日，一辆正处在辅助驾驶状态下的晓亮P7撞到了一辆停靠在高速快车道的小车，造成一人当场身亡。

依据官方申明，事发时，一辆道路养护车正停靠在高架桥最左边（归属于违规行为），工作员疑是在后尾工作时，一辆P7在没有任何降速的情形下直接撞到了正前方车子，造成操作人员被撞倒。

晓亮被认可看作是国内自动驾驶水准最高企业之一。

实际上，针对目前的辅助驾驶系统软件而言，精确辨别出一个非规矩的静止不动物体，而且立即进行恰当反映无疑是一道地狱级的一大难题，那也是类似安全事故这几年层出不穷缘故。

8月8日，一辆理想化ONE在打开NOA（导航栏辅助驾驶）时撞上了高速公路工程车辆。上年8月，一辆蔚来汽车ES8还在辅助驾驶状况下碰撞已经作业工程车辆，司机不幸罹难。而特斯拉汽车即在类似场景中转换成本了大量致命性安全事故。

快速路上的静止不动物体，基本上已是辅助驾驶的致命性情景。

摄像头毫米波雷达=青蛙眼？

时下全部有着辅助驾驶作用车型，都是会标准配置AEB（自动紧急刹车）作用，目的是为了避免追尾事故，缓解撞击。

但难点在于，AEB生效的标准非常苛刻——解决变道非常容易无效，对静止不动物体非常容易无效，时速超出一定区域（一般是60km/h-80km/h）也有可能无效。

辅助驾驶为什么这么娇情？一般认为，感知系统的能力弱不禁风要背大铁锅。

8月10日涉嫌的晓亮P7硬件配置规格型号以现在并不是很高，XPILOT 2.5系统软件搭载了5个摄像头、3个毫米波雷达，其计算平台使用了英伟达显卡上一代自动驾驶芯片Xaiver，最高值算力为30TOPS（领域一般认为L3或以上无人驾驶必须百余至过千T算力），承担快速场景下的主感应器为一枚毫米波雷达和单眼摄像头。

但在事发时，二种感应器由于各自局限性，未及时鉴别停靠在的作业车。

理想化汽车创始人吴昊曾说过：“摄像头毫米波雷达的搭配像小青蛙的双眼，针对动态性物体分辨还行，针对非标的静态数据物体基本上软弱无能。”

在其中，毫米波雷达可以检测与正前方物体之间的距离，但检测不上物体相对高度，信息密度低。若并对过度信赖，往往会导致辅助驾驶“风声鹤唳”，“鬼魂刹车踏板”的情况高发。

为了降低误触发率，现如今毫米波雷达往往会在高速上设为全自动过虑静止不动总体目标。因而，毫米波雷达即便看到了后方的静止不动物体，要不会置若罔闻，要不难以立即发出信号。

右为传统式毫米波雷达检测云数据，借助这种信息做精准鉴别不太现实

单眼摄像头则无法精准激光测距，其认知自然环境依靠深度神经网络驱动视觉识别系统，必须大规模数据训练。假如某一情景或物体的训练数据不足，摄像头可能作为物体不会有，或把它误鉴别为地面、天上等环境。

2016、2020、2021年，三辆特斯拉汽车在打开Autopilot后均撞到了横贯在路上的乳白色货车。事故调研皆偏向摄像头：它把货车白色的车箱认成了天上[1]。

但在中国，造型设计各异的作业车则成了新力量们共通的噩梦。在晓亮P7涉及到的交通事故中，撞到车子是一辆普通轿车，工作人员即在事发时站在房后，更为变大鉴别难度系数——摄像头能各自鉴别人们与车子，但二者叠在一起，特点产生干预，对摄像头而言变成一个全新的物体。

做为一个人类可能会觉得也很荒诞，其实相似的实例并不鲜见——粘在车里的广告策划像，能被辅助驾驶系统检测成飞奔车速60公里真人版。

此外，视觉效果识别算法往往需要运作一段时间得到结论，效率不高的需求百余ms[2]。应对静止不动物体，鉴别时长可能进一步延至2-4秒多。在80km/h车速下，车子在这里时长可给出44-88米，系统软件容错性被进一步降低[3]。

一定程度上，目前辅助驾驶大部分时候都是在借助单眼摄像头加传统式毫米波雷达2个“二维生物”认知世界——摄像头看不见深层，毫米波雷达测不上相对高度。但难点在于，事实是繁杂的三维，辅助驾驶必须人们这一有智慧的三维生物来防贫。

令人遗憾的是，常常会有过于乐观的司机尝试强制让辅助驾驶系统软件进行“高维严厉打击”，把它作为无人驾驶系统应用。

硬软更新，就万事大吉？

以往两三年，汽车企业用数十至百余T大算力处理芯片、三十甚至四十个感应器配置刺激性着客户神经。

但很少有客户意识到了，车子算力、感应器总数翻番并不等于辅助驾驶水平翻番，一方面，主要是因为算力是行车安全必需非充分必要条件，另一方面这是因为在特殊场景中，真真正正派得上用途的控制器通常还是少数。

在2021年蔚来汽车ES8的撞击交通事故中，车子搭载了24枚感应器，包含一个三目摄像头，4个环顾摄像头，5个毫米波雷达及其12个超声波雷达。虽然配备装备精良，但行驶时，可以对正前方合理检测的，仅有三目摄像头与一枚精子活动率毫米波雷达。

本质上，多目摄像头可以通过视差产生立体视觉，得到三维感知力，但是由于算力规定、稳定性、认知间距的限制，蔚来汽车ES8的三目摄像头并没选用立体式视觉算法，实质就是三个单眼（类似笔记本的长焦镜头、上焦、广角镜头）的累加。

实质上，这跟流行辅助驾驶硬件配置从未有过代差。

因而，特斯拉汽车跟新阵营们在今年的新品的关键使力方位，并不是纯粹层叠感应器总数，反而是提高感应器品质、健全传感器融合、更新软件算法，让智能驾驶可以“身处三维空间”，以辅助驾驶的结构磨炼无人驾驶能力。

特斯拉汽车挑选纯视觉效果线路，重新构建算法框架，应用AI支持的摄像头来激光测距，运用人工智能算法将数枚超清摄像头收集的二维图像转化成俯瞰三维图。

但这一途径仍依靠很多数据训练，特斯拉汽车向一小部分司机先发送的公测版FSD（Full Self-Driving，特斯拉汽车称完全自动驾驶系统软件，但是被美监管部门定性为辅助驾驶），其安全驾驶水准和人类差别依然显著，不识路、撞框支柱的现象并不少见。

特斯拉汽车FSD勇撞框支柱，大师傅漂移过弯不如

相比倾落九霄的特斯拉汽车，其他公司侧重于选用摄像头、毫米波雷达、激光雷达多传感器搭配线路。

在其中，超清摄像头因有利于提高鉴别水平，已广泛配备在中国L2级辅助驾驶系统中。

但在毫米波雷达行业，为了应对传统式毫米波雷达信息内容效率低下问题，搏世、内地、华为公司、傲酷等公司研制出具有三维感知力的4D毫米波雷达。但是该技术成熟度不太高，目前还没有批量生产，除此之外其屏幕分辨率相比摄像头与激光雷达很被动。

在这里环境下，激光雷达变成在今年的关注度最高无人驾驶感应器。

激光雷达根据发送脉冲光、检验反射面数据信号来检测与物体间的距离，创建周边环境的三维模型。高电子线束的激光雷达不仅有检测距离较远、激光测距准的优点，也有很高的角分辨率。这一特点让激光雷达难以对横贯在路中的大容积静止不动物体置若罔闻。

在蔚小理的第二代服务平台车系和北京长安阿维塔、上汽汽车智己等豪华车型上，均配置了激光雷达，做为更新辅助驾驶的重要途径。

蔚来汽车ET7激光雷达认知实际效果

仅仅激光雷达并不是全能，在其强光照、下雨天条件下的检测水平也会受到危害，除此之外因为数据样本偏少，激光雷达的识别算法依然不完善。

在一个多传感器智能驾驶认知构架中，摄像头、毫米波雷达、激光雷达信号怎样结合、相信，也依旧是待解的一大难题。

而以上一系列配备是仅仅是为了处理无人驾驶里的认知难点，则在以后，也有整体规划、操纵、实行环节技术难点待解。

这也许代表着在非常一段时间里，司机都要带繁杂的感情应用辅助驾驶——一方面做为主人家，享有对其安全驾驶任务减负增效；另一方面，却不得不做为家庭保姆，小心地监测这一不成熟的系统软件，避免其崩溃导致无法挽回的代价。

用户教育比产品升级难以

早些年，自动驾驶行业热钱流入奔涌时，从业者热衷探讨的基本都是 “自动驾驶发生意外时保司机或是保路人”这种新艺术运动电车难题。

但现在的事实上，让人民群众懂得如何规范使用辅助驾驶更为刻不容缓。上半年，中国L2级辅助驾驶占有率已经达到了30%[4]。

而如同前文所说，辅助驾驶对驾驶员立场的规定实际上充满着哲学思辨：你不信则无实际意义，你太信很有可能献出生命。

2017年，谷歌搜索集团旗下自动驾驶公司Waymo发觉人的本性终会败给这类磨练：其劳动者在检测辅助驾驶系统软件时，了解作用后，会到车速90公里时速下打瞌睡、美甲、看手机，出情况时压根乏力接手[5]。

因此，Waymo应急喊停辅助驾驶产品研发，全力以赴开发设计无人驾驶车[5]。虽然今日从商业服务上来说，Waymo因为这管理决策屡屡讽刺，可是却社会道德或是风险规避层面上，难以指责其挑选。

当Waymo的无人驾驶车仍在加利福尼亚凤凰城累积数据信息时，一些汽车企业就选择直接把辅助驾驶吹出无人驾驶甚至自动驾驶，再分期兑付。但在实际操作中，客户将辅助驾驶不经意作为无人驾驶应用甚至炫耀的个人行为并不鲜见。

客户演试：怎样用一只桔子骗得某品牌辅助驾驶汽车方向盘检验

这触动了辅助驾驶的剧场效应——当一个人挑选起身听戏，身后的人就没办法坐下来。

当一家汽车企业能够每年都会服务承诺“在今年的完成无人驾驶”且不投入一切成本，别的汽车企业假如不跟踪，也就只能硬接对手知识产权侵权。

晓亮是许多汽车企业中比较最典型的一个：一方面大干快上，将“全栈自研”做为本身核心竞争优势大肆宣扬；另一方面又小心谨慎，创新了辅助驾驶开启前必须测试等方式，并在车内配备了DMS（全名Driver Monitor System，可以从驾驶人员疲惫、分心时给予提示或撤出辅助驾驶），正确引导司机恰当使用方式。

但出于竞争战略、成本费、个人信息安全、感受等角度考虑，晓亮等在内的绝大部分汽车企业对驾驶人员滥/错用辅助驾驶的管束全是柔性的，DMS关键给予响声或振动警示，并可关掉。也就是说，主要依靠驾驶人员主动。