一、智能汽车的高级别自动驾驶如今面临哪些问题

如今，高级自动驾驶技术的发展已经遇到了瓶颈，接下来带大家盘点一下在这一领域面临哪些问题。

一、技术存在明显短板。虽然一些领先企业确实取得了一些技术进展，但其展示的自动驾驶技术都有限制条件。总体来看，当前的自动驾驶技术仍存在明显短板。比如，难以有效应对冰雪路面和复杂光线的环境，识别交警手势、特种车辆等的可靠性不足。很多企业曾展示过可有效识别物体的感知技术，却始终难以实现从“识别”到“理解”的技术跨越，自动驾驶车辆还不能从警察、行人等道路交通参与者的肢体动作中察觉其意图，进而采取可靠的行动。

二、生产运营成本高。L4、L5自动驾驶技术的应用普及将面临传感器、车辆系统、基础设施等方面的成本问题。虽然这些成本会随着技术发展而下降，但降速相对L2车辆比较缓慢，较汽车的常规价格仍然很高。在相当一段时间内，受限于公众消费能力和汽车企业营销策略，L4车辆数量少，难以通过规模生产降低成本。同时，高级别自动驾驶汽车的运营成本也令人担忧。一项针对旧金山自动驾驶计划部署的案例研究发现，由于自动驾驶车辆远程*作人员的安全监管、执照、保险、维护和其他系统成本高企，自动驾驶出租车很难在市场上与人类驾驶员驾驶的普通出租车竞争。

三、运行存在区域限制。高级别自动驾驶的运行普遍依赖于车联网基础设施，而后者多部署在人口较多地区，这不利于自动驾驶的大范围开展，特别是与城市和郊区相比，农村地区在短期内难以实现。自动驾驶所用的感知技术在很大程度上仍受天气影响，难以保证雨雪天气和复杂光线环境下的可靠性，所以，现阶段国外道路测试都集中在阳光充足的地区。此外，卫星信号质量、高精度地图覆盖度方面的差异，也会将自动驾驶汽车的运行区间限制在不同气候环境、不同运行场景，甚至同一城市的不同街道上。真正不受运行区间限制、可在广阔区域连续运行的高等级自动驾驶技术的出现尚需时日。

四、带来的社会影响尚难应对。高级别自动驾驶技术落地可能带来短期内难以应对的社会影响。例如，自动驾驶出租车若占据可观的市场份额，汽车供应链会受到影响，出租车行业从业者的工作也将从车辆驾驶转向路线规划、算法优化、设备维护等技术型工作。这些转变将危及汽车制造和服务行业数百万家庭的生计，但各国主管部门还未能研究和制定适应性政策。同时，公众的汽车消费心理尚未调整。对许多用户而言，汽车不仅是交通工具，还具有身份认同、阶级地位及日常生活物品的携带、储存等功能，自动驾驶技术所规划的共享汽车不适合这些用途。因此，在未来较长时期内，自动驾驶汽车将作为人类驾驶汽车的补充和延伸，而非取代。

虽然目前智能驾驶还有许多壁垒没有突破，但是随着技术的发展，实现无人驾驶指日可待。

二、智能驾驶adas技术的局限在哪

摘要：智能驾驶adas技术可以实现驾驶自动化，不过目前的技术存在一定的局限性，主要是由于感知端的识别精度及算法对场景处理的有限性，导致一些场景无法处理。这种局限性随着智能辅助驾驶技术的突破可以解决，不过技术发展仍然存在复杂交通场景的“周密感知”、理解“预行为”、“意外遭遇”的应对、人-车自然交互和网络安全五大难点。下面一起来了解一下智能辅助驾驶技术有哪些技术难点吧。一、智能驾驶adas技术的局限在哪

智能化是汽车发展的大势所趋，在智能汽车的发展中，adas系统是关键，智能驾驶adas技术可以辅助驾驶，提高驾驶的安全性和舒适性，不过它也有一定的局限。

就目前的技术而言，智能驾驶adas技术的局限性主要体现在感知端的识别能力、定位精度及实时性，决策算法对场景处理的有限性，导致对边界场景难以有效处理。比如高速、高架道路自动跟随目标车行驶，前车行驶过程中突然减速时自动刹车避免碰撞、自动上下高速匝道、车辆转弯时自动保持在车道中行驶，这些使用过程中可能存在由于识别目标丢失或无法识别目标出现碰撞风险。又或是在拥堵场景跟车行驶时，与两侧平行行驶车辆发生碰撞。

二、智能辅助驾驶技术有哪些技术难点

智能辅助驾驶技术的局限性主要是因为技术方面的局限，随着智能辅助驾驶技术的发展，这些局限也会逐一突破，不过智能辅助驾驶技术的发展本身也存在一些技术方面的难点。智能驾驶adas技术的难点主要有五个：

1、复杂交通场景的“周密感知”

智能辅助驾驶汽车必须要在所有条件下检测道路的特征，它必须要在天气、路况不断变化的情景中，做出安全响应。

也就是说智能辅助驾驶必须是一种不能犯错误的人工智能系统。因为它一旦犯错，就会酿成交通事故，必须要让智能辅助驾驶汽车能够周密可靠地感知它的周边环境。

2、理解“预行为”

此外还有一个难题，就是要让智能辅助驾驶汽车准确地判断周边物体或者周边车辆的预行为。所谓预行为，是在周边物体或者车辆没有产生这个行为之前，智能辅助驾驶汽车可以判断在下一个时刻，周边车辆或者移动的物体会发生什么样的变化。

人类驾驶员，都是根据前方车辆或者周边移动物体的预行为，来传达行驶意图。比如说，我们在路上开车，前方有一辆车，通过这辆车的驾驶状况，可以判断出司机是一个新手，还是一个老手，这样我们就能对自己的驾驶在下一个时刻应做出什么样的行动，有一个预判。但是目前的智能辅助驾驶技术，很难去解释细微的预行为。

3、“意外遭遇”的应对

人类驾驶员，可以根据身体的语言和其他语境的线索，来理解交通场景。比如说，我们开车到了某一个区域，这个时候突然交通管制了，人类驾驶员是通过交警的手势制定自己下一步行驶的决策，但是目前的智能辅助驾驶技术，很难去理解这类异常的情况。

此外，还存在这样一种情况，比如说路边有个孩子，他手上拿着一个玩具，突然这个玩具掉到路边了，他要去拾起这个玩具，在智能辅助驾驶中，我们没有办法对这样一种意外遭遇事先去编码，从而写入智能辅助驾驶的算法之中。

4、人-车自然交互

还有就是怎么能建立一种人与智能辅助驾驶汽车自然交互的环境，也就是说乘客坐到搭载ADAS系统的汽车里，他要能够用自己的语言和汽车进行交互。行驶的途中要与汽车对话：“我要去哪里”“还有多少时间能到达目的地”，这种自然的交流，不仅能够提供给乘客一种舒适的体验，实际上也是一种安全的认证。汽车理解乘客去哪里，能用语言回答，乘客就放心了。

此外还有一点，就是未来人类驾驶员开的车和智能辅助驾驶汽车，一定会共享道路，这时候，车跟车之间的交互也是非常重要的。

5、网络安全

后一个难题，就是网络安全。因为有智能驾驶辅助系统的汽车，要通过云端更新它的地图，去获取相关的数据，而通过云端获取和更新地图的智能辅助驾驶，将会面临着更大的风险。

可以想象，以后会出现这样一种**行为，比如说黑客侵入汽车中，他可以禁用智能辅助系统功能，有可能在行驶过程中制造交通事故。