为什么“自动驾驶”看不见停着的车？

　　来源：十一车

　　终于，所谓的“自动驾驶”问题引起了所有人的重视，尽管代价是（又）一条生命。

　　如今广泛应用的所谓“自动驾驶”，实际上无一例外皆属于（SAE 自动驾驶分级下的）Level 2 级别，而 Level 2 级系统完完全全不能对行车安全做任何程度的担保——这本应让每一个汽车消费者作为常识的常识，却在从车企到消费者整体的浮躁和默许之下，直到最近一位蔚来车主不幸丧命才终于获得了“传播正确”。

　　很难说这不是我们所有人的悲哀。

　　关于此次事故的具体原因，目前警方还在调查中，我们且不发表什么评论。但有个细节可能很多人都不知道，在蔚来 ES8 的车主手册中，有一条清晰明确的警告：“如前车静止或缓行，Pilot 存在无法刹停的风险。”

　　无独有偶的是，几乎同一时间，美国国家公路交通安全管理局（NHTSA）宣布，由于发生多起特斯拉汽车与停放的紧急车辆相撞的事故，该局已经开始对特斯拉的 Autopilot 自动辅助驾驶系统展开正式调查，涉及 2014 年以来的 76.5 万辆特斯拉汽车，调查中确定的事故已造成了 1 人死亡、17 人受伤。

　　这或许是一个机会，一个让大家从自动驾驶大跃进中平静下来，好好理一理所谓的“自动驾驶”——高级驾驶辅助系统一些基本原理的机会。放在以前，认真解释“自动驾驶”为什么会撞上静止车辆，大概只会被打成反智能化而行的保守顽固分子。

　　多普勒的静止陷阱

　　静止不动的目标，为什么反而是驾驶辅助系统的弱点？这其实是一个很基础很基础的话题，并不涉及任何自动驾驶（这里指真的自动驾驶）高阶知识。

　　自动驾驶的最初阶段和幼年形态，是 ACC 自适应巡航系统。而 ACC 诞生之初，借助的就是车载毫米波雷达，这个配置在今天应该不稀罕了。雷达大家都知道：天线发射出无线电波，碰到障碍物就会反弹回来，依照光速计算一下时间差，你就得到了障碍物的距离。

　　但要用在汽车上，用于自动驾驶或驾驶辅助系统，我们不止要知道前方有没有车辆/障碍物，要知道前方车辆的距离，还得知道前方车辆的速度。同样 100 米处，一辆静止的车与一辆和我们同速同向的车，意义显然截然不同。

　　普通的雷达，要想知道物体的速度，要靠发射两次回波再接受两次回波，用物体两次时间移动的距离估算速度。比如上一秒雷达测得物体离我们 1 米，这一秒雷达测得物体离我们 1.05 米，于是我们只能估计它的速度是：秒速五厘米。

　　这显然很不精确，也必然会有滞后，速度并不是实时得到的。用于航海之类的大场景通常足够，但对于汽车自动驾驶而言就太粗糙了，用今天的互联网黑话讲可以叫“颗粒度不够”。

　　直到 20 世纪的人们想起了 18 世纪著名大闲人多普勒先生的发现，多普勒效应。这个多普勒效应你可以这么理解：接近我们的物体和远离我们的物体，反射回来的电磁波波长和频率，和与我们相对静止的物体比起来会有所变化。

　　测得变化方向和变化的值，我们就能得到物体接近/远离我们的相对速度。因为我们自己的速度通常很容易得到，简单计算即可得到对面物体运动的绝对速度。

　　重要的是，通过多普勒原理测得速度可以认为是实时的，不像以往那样要测两次然后距离除以时间才得到，更精确且没有延迟。对于汽车自动驾驶和驾驶辅助系统而言，实时速度感知这个特点再适合不过了。今天我们熟悉的车载毫米波雷达，就是利用多普勒原理获取路上车辆的速度信息（当然也有方位和距离信息）。

　　但多普勒雷达也有自己的问题。

　　其实不光是路上行驶着的车辆有回波，静止不动的栏杆路牌大树路灯电线杆等等也都有回波。多普勒雷达之所以能“认出”行驶的车辆，是因为它将静止物体的回波通通视为了“背景”。而行驶中的车辆，相对于静止的地面等背景是有速度的，于是它们就“脱颖而出”。

　　这就造成了一种可能：如果是一辆停下来静止不动的车，会不会就混入了“背景”之中？所以包括此次事故车蔚来 ES8 在内，许多使用了毫米波雷达作为 ACC 传感器的品牌，才会在车主手册中加入这么一条：如前车静止或缓行，xxx 存在无法刹停的风险。

　　其实不光是汽车自动驾驶，这个问题甚至在军事领域也一样存在。

　　军用飞机希望躲过多普勒雷达的追捕，有一种常用的方法叫做“39 机动”，“39”代表 3 点钟方向到 9 点钟方向，即横过来垂直于对方雷达飞行。这时在雷达的主要探测方向上，飞机的相对速度与地面背景是一样的，也就有可能偷摸儿从多普勒雷达的追踪下溜走。

　　毫米波 or 视觉识别

　　在汽车领域，毫米波雷达借助多普勒效应识别出正在行驶的车辆（他们的位置和速度），而对于静止的物体则需要加以甄别：它究竟是不该出现的障碍物，还是路面背景的一部分？

　　这并不是一件容易的事，因为在雷达眼里，世界并不是（我们想象中的）这样：

　　而是这样：

　　现在已经应用的车载毫米波雷达，基本都不具备将探测到的物体具象化的能力，并且都无法识别高度坐标。也就是说同样在路中间但横跨在路上方的路牌，和真正停在路中间的车辆，在雷达眼里是不容易区分的。为了防止识别错误导致的频繁紧急制动等情况，毫米波雷达通常干脆放弃了对静止和低速物体的探测，而将这些任务交给视觉识别系统。

　　配备毫米波雷达的高级辅助驾驶系统，基本都同时拥有视觉识别（摄像头）。但视觉识别眼下还完全不具备 100% 的识别可靠性：摄像头可能被遮挡沾污，取决于各家算法的覆盖程度不同，可能无法识别所有出现在路上的物体（比如工程车）。

　　视觉识别高度依赖机器学习的积累，和最终得到的识别算法，虽然识别能力一直在提高，但眼下总会有一些情况尚未覆盖到的。同时视觉识别也容易受到外界条件的干扰，天气、尘土等等都会影响使用效果。

　　说到底，就是目前、市面上、任何已经投入使用的“自动驾驶”功能，都完全没有信心敢打包票说自己能应对可能出现在路上的任何状况。这压根就不是一个技术问题——否则 Level 2 就不会被定义为“需要驾驶员始终保持注意力”；这是一个纯粹的使用和宣传问题，一个“为什么全行业都在将辅助驾驶强行渲染成‘自动驾驶’”的问题。