能力模塊一
對自動駕駛系統的基本認知

任務一 了解自動駕駛等級

學習目標

知識索引

情境導入

獲取信息

自動駕駛發展歷程

（一）國外自動駕駛發展歷程

從20世紀20年代開始，歐美國家就開始了自動駕駛技術的探索。從無線電遙控汽車，到運用計算機視覺技術輔助感知、規劃和控制，再到軍方、大學、汽車企業廣泛合作研發多輛自動駕駛汽車原型，自動駕駛的發展經歷了很多重要的時期。

自動駕駛的探索始于無線電遙控汽車。1925年，電氣工程師Houdina開發的無線電遙控汽車“美國奇跡”（American Wonder）通過接收后方車輛的無線電信號，完成起動、轉向、制動、加速、鳴笛等指令，在紐約繁忙的街道上從百老匯開到了第五大道，引起了巨大的轟動。盡管American Wonder并不是真正的自動駕駛汽車，卻讓這個概念走入了人們的視野。通用汽車在1939年的世界博覽會上進一步提出電子化高速公路的概念，通過嵌入公路里的電子設備發出信號，實現車輛加速和轉向的自動控制。但是由于成本問題，電子化高速公路的美夢還是破滅了。

20世紀60年代到80年代，由于計算機科學技術的迅猛發展，自動駕駛來到了一條新的賽道：計算機視覺。1966年到1972年間，美國斯坦福研究所（SRI）成功研制了世界上第一個真正可自主移動和感知的機器人Shakey。研究人員為Shakey裝備了電視攝像機、三角法測距儀、碰撞傳感器、驅動電機以及編碼器，并通過無線通信系統由兩臺計算機控制。Shakey具備一定人工智能，能夠自主進行感知、環境建模、行為規劃和控制，這也成了后來機器人和自動駕駛的通用架構。1977年，日本筑波機械工程實驗室的S. Tsugawa和他的同事們開發出了第一輛基于攝像頭來檢測導航信息的部分自動駕駛汽車，這是所知最早的使用視覺設備進行自動駕駛的嘗試。

20世紀80年代到90年代，伴隨著計算機、機器人控制和傳感等技術的突破，自動駕駛技術進入了一個快速發展的階段。這一時期的顯著特點是軍方、大學、汽車企業之間開展了廣泛的合作，成功研發了多輛自動駕駛汽車原型。最具代表性的成果要數美國卡內基·梅隆大學的Navlab系列、德國慕尼黑聯邦國防軍大學的VaMoRs-P系列和意大利帕爾馬大學視覺實驗室（VisLab）的ARGO項目。

20世紀80年代，美國國防高級研究計劃局（Defense Advanced Research Projects Agency，DARPA）制定了一個“戰略計算計劃”（Strategic Computing Program，SCP），希望以此從計算機架構、軟件以及芯片設計領域的高速發展中獲益，并推動人工智能（artificial intelligence，AI）技術達到新的高度。1984年，DARPA將自主式陸地車輛（autonomous land vehicle，ALV）列為SCP的研究項目之一。SCP的研究目的是讓汽車擁有充分的自主權，通過攝像頭來檢測地形，通過計算機系統計算出導航和行駛路線等解決方案。DARPA資助了卡內基·梅隆大學、斯坦福大學和麻省理工學院等大學與制造商共同參與研制。其中，卡內基·梅隆大學的主要任務是解決ALV系統復雜的感知和集成問題。為了攻克該技術，1984年，卡內基·梅隆大學導航實驗室（Navigation Laboratory）建成，專注于復雜環境中的高難度視覺感知問題的研究。1989年，卡內基·梅隆大學的Dean Pomerleau用神經網絡（neural network，NN）構建了一輛可以上路的自動駕駛汽車——ALVINN（Autonomous Land Vehicle In a Neural Network）。ALVINN在卡內基·梅隆大學校園內實現了在沒有任何人工干預的情況下自主行駛。盡管當時的硬件條件很大程度上限制了ALVINN的表現，其速度依然能夠達到70km/h。ALVINN還是首輛運用神經網絡控制的自動駕駛汽車。1995年，該團隊研制的Navlab系列智能車輛Navlab 5完成了橫穿美國東西部的自動駕駛試驗。在全長約5000km的美國州際高速公路上，整個試驗96%以上的路程是車輛自主駕駛的，車速達50～60km/h。盡管這次試驗中的Navlab 5僅僅完成方向控制，而不進行速度控制（車速及檔位由車上的測試人員控制），這對于自動駕駛的發展仍然具有非常大的意義。

由于國外自動駕駛技術發展較早，如圖1-1-1所示，到如今已有比較成熟的體系，多家公司有自主研發的軟硬件系統，現如今國外出色的公司有Waymo、Uber、ARGO AI、Aurora、Zoox以及特斯拉（Tesla）等。

（二）國內自動駕駛發展歷程

與歐美發達國家相比，我國在自動駕駛汽車方面的研究起步稍晚，從20世紀80年代末才開始。

1978年，我國實行改革開放，國內經過艱苦卓絕的斗爭，終于迎來了高速發展時期。自動駕駛技術也在我國開始萌芽。我國自動駕駛技術發展圖譜如圖1-1-2所示。

20世紀80年代，我國自動駕駛技術的研發正式啟動，“遙控駕駛的防核化偵察車”項目由哈爾濱工業大學、沈陽自動化研究所和國防科技大學三家單位共同參與研究。“八五”期間，北京理工大學、國防科技大學等五家單位聯合研制成功了ATB-1自動駕駛車輛，這是我國第一輛能夠自主行駛的測試樣車，其行駛速度可以達到21km/h。ATB-1的誕生標志著我國自動駕駛行業正式起步并進入探索期。

2011年7月14日，紅旗HQ3首次完成了從長沙到武漢286km的高速公路全程自動駕駛試驗，實測全程自主駕駛平均速度87km/h，創造了我國自主研制的自動駕駛車輛在復雜交通狀況下自主駕駛的新紀錄。這標志著我國自動駕駛車輛在復雜環境識別、智能行為決策和控制等方面實現了新的技術突破。

2012年11月24日，“軍交猛獅Ⅲ”完成了114km的京津高速公路行駛，這是一輛由現代途勝SUV改裝的自動駕駛汽車，由中國人民解放軍陸軍軍事交通學院研制。該車車頂安裝了復雜的視聽感知系統，車內裝有由兩臺計算機和一臺備用計算機組成的執行系統來處理視聽感知系統獲得的信息，讓車輛可以自主進行加速、制動、換檔等動作，實現了無人工干預的自動駕駛。

2015年8月29日，一輛宇通大型客車從河南省連接鄭州市與開封市的城際快速路——鄭開大道城鐵賈魯河站出發，在完全開放的道路環境下完成了自動駕駛試驗，共行駛32.6km，最高速度68km/h，全程無人工干預，不過為了保障安全，客車上還是配備了駕駛員。這是國內首次客車自動駕駛試驗。

2015年12月，百度公司對外宣布其自動駕駛汽車已在國內首次實現城市、環路及高速公路混合路況下的完全自動駕駛。百度公布的路測路線顯示，百度自動駕駛汽車從位于北京中關村軟件園的百度大廈附近出發，駛入G7京新高速公路，經五環路，抵達奧林匹克森林公園，并隨后按原路線返回。百度自動駕駛汽車往返全程均采用自動駕駛，并實現了多次跟車減速、變道、超車、上下匝道、掉頭等復雜駕駛動作以及不同道路場景的切換，測試時最高速度達到100km/h。

2016年4月17日，長安汽車宣布完成2000km超級自動駕駛測試項目。長安汽車此次長距離自動駕駛測試總里程超過2000km，從重慶市出發，在歷時近6天，途經四川、陜西、河南、河北等省后，最終抵達北京市。根據長安汽車智能汽車技術發展規劃，復雜城市路況的完全自動駕駛汽車計劃于2025年實現量產。

2016年6月7日，由工業和信息化部批準的國內首個“國家智能網聯汽車（上海）試點示范區”封閉測試區正式開園運營，這意味著我國的智能網聯汽車行業從國家戰略高度正式進入實際操作階段。同年，中國智能汽車大賽舉辦。

2017年4月17日，百度展示了與博世合作開發的高速公路輔助功能增強版演示車。該車由百度與博世聯合打造，集成了百度高精度地圖和博世道路特征服務，并通過上百萬輛配備博世攝像頭、毫米波雷達的量產車輛實現數據眾包，使高精度地圖數據做到實時更新。這輛車已經實現高速公路的部分自動駕駛，包括車道保持和駕駛員監控下的車道自動切換。得益于定位技術，該演示車可以在進出彎道時自動控制車輛速度；同時在增強現實人機界面技術的幫助下，駕駛員能獲得更舒適安全的駕駛體驗。

2018年7月4日，百度與廈門金龍合作生產的全球首款高度自動駕駛（L4）巴士“阿波龍”量產下線。“阿波龍”搭載了百度最新的Apollo系統，擁有高精度定位、智能感知、智能控制等功能。達到4級自動駕駛的阿波龍巴士，既沒有轉向盤和駕駛位，更沒有加速踏板和制動踏板，是一輛完全意義上的“無人”自動駕駛汽車。

截至2019年5月底，全國已有13個城市發放了約105張自動駕駛路測牌照。從城市發放牌照的數量來看，北京市發放數量最多，共59張，占發放總量的約56%；其次是重慶市，牌照發放數量為12張，占發放總量的約11%。

2020年2月，國家發展改革委、中央網信辦、工業和信息化部等11個部委聯合發布《智能汽車創新發展戰略》，指出智能汽車已成為全球汽車產業發展的戰略方向，發展智能汽車對我國具有重要的戰略意義，需要從關鍵技術、測試評價、應用示范、基礎設施、網絡通信、標準法規、質量監督、網絡安全等方面確保2025年實現有條件自動駕駛（L3）的智能汽車達到規模化生產，高度自動駕駛（L4）的智能汽車在特定環境下市場化應用。

華為在2021年的分析師大會上公布了其自動駕駛解決方案和實車資料，成為市場關注熱點，華為宣布進入造車市場意味著未來智能汽車市場的競爭將越來越激烈。

2021年11月25日，北京市高級別自動駕駛示范區工作辦公室正式對外發布《北京市智能網聯汽車政策先行區自動駕駛出行服務商業化試點管理實施細則（試行）》，并向部分企業頒發國內首批自動駕駛車輛收費通知書。

2022年自動駕駛行業依舊熱度不減，理想L9、智己L7以及華為發布的問界M7均具備一定程度的自動駕駛功能，各主機廠商依然熱情澎湃，高歌猛進。

隨著自動駕駛技術的不斷成熟以及政府政策的出臺與調整，目前，全球的自動駕駛汽車行業發展態勢較好，但量產投入使用的地區還較少。自動駕駛技術與5G通信技術、新能源汽車的相關技術共同發展，國際領先機構現已完成自動駕駛汽車的研發，進入試運行、調試階段；國內大多數研發自動駕駛汽車的企業現在仍處于試驗階段，即行業發展正處于起步階段。

國際自動駕駛分級

根據駕駛系統自動化程度的高低，美國汽車工程師學會（SAE）將駕駛自動化分為六個級別，如圖1-1-3所示。

Level 0（L0）：無自動化。在“0級自動駕駛”的場景中，駕駛員執行所有操作任務，如轉向、制動、加速或減速。

Level 1（L1）：駕駛輔助。在這個級別，車輛可以輔助一些功能，但駕駛員仍然可以處理所有的加速、制動和周圍環境監控。

Level 2（L2）：部分自動化。在這個級別，車輛可以輔助轉向或加速功能。駕駛員必須隨時準備控制車輛，并且仍然負責大多數安全關鍵功能和所有環境監控。

Level 3（L3）：有條件自動化。從L2到L3及以上最大的飛躍是，從L3開始，車輛本身負責環境的所有監控（使用如激光雷達等傳感器）。

Level 4（L4）：高度自動化。在L4，自動駕駛系統將首先在條件安全時通知駕駛員，然后駕駛員將車輛切換到此模式。它不能在更動態的駕駛情況之間做出判斷，例如交通堵塞或并入高速公路。

Level 5（L5）：完全自動化。L5自動駕駛完全不需要駕駛員執行駕駛任務，不需要駕駛員踩加速踏板、制動踏板或控制轉向盤，因為自動駕駛系統執行所有關鍵任務、監控環境并識別獨特的駕駛條件，如交通堵塞等。

中國自動駕駛分級

2021年8月20日，由工業和信息化部提出、全國汽車標準化技術委員會歸口的推薦性國家標準《汽車駕駛自動化分級》（GB/T 40429—2021）由國家市場監督管理總局、國家標準化管理委員會批準發布（國家標準公告2021年第11號文），于2022年3月1日起實施。

該標準為《國家車聯網產業標準體系建設指南（智能網聯汽車）》規劃的分類和編碼類推薦性國家標準項目（體系編號102-3），規定了汽車駕駛自動化分級應遵循的原則、分級要素、各級別定義和技術要求框架，旨在解決我國汽車駕駛自動化分級的規范性問題。

《汽車駕駛自動化分級》中給出了駕駛自動化等級與劃分要素的關系，見表1-1-1。在汽車駕駛自動化的6個等級之中，0～2級為駕駛輔助，系統輔助駕駛員執行動態駕駛任務，駕駛主體仍為駕駛員；3～5級為自動駕駛，系統在設計運行條件下代替駕駛員執行動態駕駛任務，當功能激活時，駕駛主體是系統。

0級駕駛自動化（應急輔助，emergency assistance）：系統不能持續執行動態駕駛任務中的車輛橫向或縱向運動控制，但具備持續執行動態駕駛任務中的部分目標和事件探測與響應的能力。

1級駕駛自動化（部分駕駛輔助，partial driver assistance）：系統在其設計運行條件下持續地執行動態駕駛任務中的車輛橫向或縱向運動控制，且具備與所執行的車輛橫向或縱向運動控制相適應的部分目標和事件探測與響應的能力。

2級駕駛自動化（組合駕駛輔助，combined driver assistance）：系統在其設計運行條件下持續地執行動態駕駛任務中的車輛橫向和縱向運動控制，且具備與所執行的車輛橫向和縱向運動控制相適應的部分目標和事件探測與響應的能力。

3級駕駛自動化（有條件自動駕駛，conditionally automated driving）：系統在其設計運行條件下持續地執行全部動態駕駛任務。

4級駕駛自動化（高度自動駕駛，highly automated driving）：系統在其設計運行條件下持續地執行全部動態駕駛任務并自動執行最小風險策略。

5級駕駛自動化（完全自動駕駛，fully automated driving）：系統在任何可行駛條件下持續地執行全部動態駕駛任務并自動執行最小風險策略。

（一）應急輔助

如圖1-1-4所示，在這一階段，自動駕駛系統可以感知環境，并提供提示信息或短暫介入車輛控制以輔助駕駛員安全駕駛車輛，如車道偏離預警、自動緊急制動等在部分駕駛場景下可以輔助安全駕駛的功能都可以歸類為0級駕駛自動化。

（二）部分駕駛輔助

這一級別的自動駕駛要求駕駛員要接管并操作除了計算機接管車輛以外的全部事項。目前市面上被定義為1級自動駕駛的配置是自適應巡航控制（ACC），車輛會根據駕駛員的設置自動調整與前車的距離，如圖1-1-5所示。

（三）組合駕駛輔助

在這一階段，自動駕駛系統可以完成更多的駕駛場景，是部分駕駛輔助功能場景的提升，這一級別要求車輛可以在合適的情況下取代駕駛員，獨立控制車輛的轉向和速度，完成變道等任務。和部分駕駛輔助相同的是，在這一階段，駕駛員與自動駕駛系統可以同時執行車輛的駕駛任務，駕駛員需要充當安全員的角色，監管自動駕駛系統的駕駛行為，如圖1-1-6所示，駕駛員可以隨時介入自動駕駛汽車的駕駛行為，并立即解除自動駕駛系統的控制權，如果遇到危險，駕駛員需要立刻介入，以保障安全駕駛。

（四）有條件自動駕駛

在這一階段，自動駕駛系統已經可以獨立完成部分駕駛場景中的自動駕駛的功能，駕駛員只需要充當安全員的角色，監管自動駕駛系統的駕駛行為，如圖1-1-7所示。自動駕駛系統只需要在遇到不能完成駕駛行為的場景或自動駕駛系統功能失效時，向安全員提出請求讓其介入駕駛行為，在請求安全員介入駕駛行為的過程中，自動駕駛系統仍然可以獨立完成一段時間的駕駛，以便讓安全員做好接管的準備；如果安全員長時間沒有根據自動駕駛系統要求接管車輛，自動駕駛系統可以適時采取避免車輛發生危險的措施。此外，自動駕駛系統還可以識別安全員駕駛車輛的能力，如果不滿足要求，自動駕駛系統可以立即發出介入駕駛行為的請求。

（五）高度自動駕駛

在這一階段，自動駕駛系統可以獨立完成規定的駕駛場景（如園區、學校等）中的自動駕駛功能，駕駛員依舊需要充當安全員的角色，監管自動駕駛系統的駕駛行為，如圖1-1-8所示。自動駕駛系統在遇到不能完成駕駛行為的場景或自動駕駛系統功能失效時，會向安全員提出請求讓其介入駕駛行為，如果安全員對請求不做響應、安全員不滿足駕駛車輛能力要求或安全員要求自動駕駛系統控制車輛到最小風險狀態，自動駕駛系統可以自行將車輛控制到最小風險狀態下。

高度自動駕駛的車輛已經不需要轉向盤，駕駛員只需要對車輛的駕駛自動化系統進行簡單操作即可。截至2022年12月，4級自動駕駛汽車仍處于概念車階段，如百度Apollo汽車機器人（圖1-1-9）。

（六）完全自動駕駛

這一級別的自動駕駛程序全程不需要“駕駛員”操作，或者可以說根本就沒有駕駛員的存在。系統在任何可行駛條件下持續地執行全部動態駕駛任務并自動執行最小風險策略。在這一階段，自動駕駛系統可以獨立完成所有駕駛場景中的自動駕駛功能，駕駛員可以充當安全員的角色，監管自動駕駛系統的駕駛行為。自動駕駛系統已經可以保障車內乘員的安全，在遇到不能完成駕駛行為的場景或自動駕駛系統功能失效時，會向安全員提出請求讓其介入駕駛行為，如果安全員對請求不做響應或安全員要求自動駕駛系統控制車輛到最小風險狀態，自動駕駛系統可以自行將車輛控制到最小風險狀態下。5級自動駕駛道路模擬如圖1-1-10所示。

小組分工

工作計劃

按照前面所了解的知識內容和小組內部討論的結果，制訂工作方案，落實各項工作負責人，如任務實施前的準備工作、實施中的主要操作及協助支持工作、實施過程中相關要點及數據的記錄工作等，并將結果填入工作計劃表中。

進行決策

1）各組派代表闡述資料查詢結果。

2）各組就各自的查詢結果進行交流，并分享技巧。

3）教師結合各組完成的情況進行點評，選出最佳方案。

任務實施

評價反饋

1）各組代表展示匯報PPT，介紹任務的完成過程。

2）請以小組為單位，對各組的操作過程與操作結果進行自評和互評，并將結果填入綜合評價表中的小組評價部分。

3）教師對學生工作過程與工作結果進行評價，并將評價結果填入綜合評價表中的教師評價部分。