市民在北京市海淀区稻喷鼻香湖路的百度自动驾驶出租车指定上车点乘车。新华社 任超摄
10月21日，全国首个常态化运营的5G无人公交在苏州落地。这个在苏州高铁新城亮相的无人公交是在开放的城市道路上运行，且速率可达20—50千米/时。这辆无人公交车除了具备避让行人车辆、自动变道、自动转向、红绿灯识别等基本功能，还能应对各种城市繁芜交通场景，例如穿行人车殽杂的路口、应对后车加塞、“鬼探头”等。
此前，10月12日，北京也开放了无人驾驶出租车试乘，可试乘区域包括海淀、亦庄等，12日当天北京地区的呼单量就打破了2600单。而早在今年4月，长沙已经全面开放了无人驾驶出租车做事。
自动驾驶做事陆续落地，是否意味着其商业化附近？
目前自动驾驶的落地情形如何？其发展到了一个什么程度？
“2019年12月，海内首次提出了新基建的观点，掀起了一股新浪潮。新基建包括5G、物联网、工业互联网、卫星互联网、人工智能、云打算、区块链七大板块，个中有三大板块是自动驾驶软件的核心技能——5G、AI、大数据中央（云打算）。”轻舟智航联合创始人、CEO于骞在接管科技日报采访时表示。
在于骞看来，自动驾驶处于这几大领域的交汇点，是新基建的范例落地运用。加上近年来不断完善的聪慧城市、聪慧交通干系政策，可以说，自动驾驶在海内的商业化落地正迎来最佳的机遇。
“在整体落地方面，仅从近几年无人驾驶行业的创业公司情形来看，以2018年为分界点，无人驾驶领域确实是涌现了两个创业的黄金窗口。”于骞说。
第一个黄金窗口涌如今2015年至2017年之间，在这段韶光里，涌现了一批自动驾驶公司，在这个阶段的融资紧张是靠估算的产品规模以及团队背景，当时市场对L4级别自动驾驶（全自动驾驶）产品落地的期望值很高，定下了不少比较乐不雅观的近期目标。
“在近期目标没有实现时，市场感到了失落望，并重新对落地韶光树立起了新的认知，这时又遇上了成本寒冬，以是自动驾驶创业公司的声音少了许多。”于骞表示。
在2019年之后，人们对L4级别自动驾驶的预期开始回归理性，随着技能的进一步成熟，市场的需求也呼唤无人驾驶产品落地。同时国家的各种政策先后推出，以及相应的法律法规逐渐完善，随着硬件本钱的显著低落，L4级别自动驾驶的短期落地场景逐渐明确了。
于骞表示，目前，业内估量公共道路中低速载人场景的落地运营韶光大概在1—3年，公共道路中低速载货场景的落地运营韶光则是在3—5年。虽然前几年已经有各种物流车、摆渡车试运营，但这些试运营都只局限在园区里头，这里的落地，指的是在公开道路中的落地。
无人小巴更具落地可能性部分运用落地是否意味着自动驾驶将很快投入商业化运行？自动驾驶的商业化道路还有多远？
在于骞看来，自动驾驶能否商业化取决于不同自动驾驶级别和不同场景，例如L2级别自动驾驶（部分自动驾驶）的方案已经在许多量产车上落地。
“无人驾驶出租车作为目前市场规模最大的、最有寻衅的部分，是城市繁芜交通环境无人驾驶的终极目标，但无人驾驶出租车的落地周期比较长、速率快、非固定路线，落地难度会比较大。”于骞说。
目前业内更看好无人小巴在公开道路的商业化落地运用，无人小巴正在海内多个城市启动常态化运营，可知足城市中的地铁接驳及微循环接驳需求。
如苏州在2020年7月发布了环球首条城市微循环无人小巴市民体验线路，并随后落地了全国首个常态化运营的城市公开道路无人小巴项目，支配多条无人小巴城市微循环线路。苏州的无人公交项目将设置多条路线，覆盖高铁新城周边9.8平方公里区域，办理居民出行“末了三公里”难题。这是目前海内覆盖范围最大的无人公交项目，也是唯一常态化运营的城市公开道路无人公交项目。
于骞表示，无人小巴这一运用处景具有三大上风。第一，中低速场景，搭客对车速的预期可控，速率保持在20—50千米/时之间。第二，固定路线，车在同一条线路上反复磨练，更能确保行驶安全，并可实现红绿灯优先和预警。第三，知足多人出行，具有社会效益，在公共道路上享受优先路权。
“无人小巴这一运用处景结合了固定路线中低速、多人出行路权优先、可支配基于5G的车路协同等上风，或将成为L4级别自动驾驶的最快实际落地场景。”于骞说。
已经办理90%的技能问题有专家指出，目前困扰自动驾驶的紧张难点在于其决策方案和感知，并认为目前并没有看到这两个难题的办理方法，此不雅观点得到不少人的认同，现实情形是否如此？
于骞认为，决策方案和感知的问题都可以归结为自动驾驶的长尾问题。自动驾驶在技能上已经办理了90%的问题，但剩下的10%却可能要花费同样多乃至更多的精力去办理，这10%包括很多边界化难题（Corner case），如在车辆遇上野鸭子之前，工程师乃至不知道会有野鸭子的问题。以是边界化难题是须要去创造并办理的。
那么边界化难题若何去创造并办理呢？
“除了网络大量的数据，更主要的是建立自动化生产工厂，将源源不断网络来的有效数据，通过自动化的工具，加工成可用的模型。以更快的速率、更高效的办法应对边界化难题。”于骞表示。
于骞以上面野鸭子的场景为例，如果须要专门针对这些场景去开拓分外的模型，那会有无穷无尽的场景须要处理。但借助自动化的办法，只要数据标注好了，下次系统更新时便可以更好处理这种情形，省下大量工程师的韶光。
“以感知举例是比较随意马虎理解的，但实在方案技能也一样。要想让车做出准确的方案，最原始的方法是工程师写规则——大量的工程师写出大量的规则，但这种办法不易掩护性还不能知足最新需求；再进一步便是设计褒奖函数——设计褒奖函数比写规则要大略得多；再今后则是系统利用数据自动学习褒奖函数。这个过程便是往自动化方向发展的过程。”于骞说。
编辑：张爽
审核：管晶晶