在昨天的文章中我們著重討論了，ADAS系統目前的市場狀況、作用以及技術趨勢等相關問題。隨著ADAS系統普及的加快，越來越多的中級車輛都開始配備這些系統，它將成為乘用車輛的標準化配置。本篇將主要介紹自動駕駛的安全性、ADAS的重要性以及ADAS系統的應用等相關技術問題。

自動駕駛的安全性

自動駕駛汽車的安全性是一個敏感話題。我們應該明白，ADAS畢竟是一套軟硬件系統，還談不上智能，更不是百分百可靠，下面是一些自動駕駛（實際上是ADAS）的事故實例。 車禍均為高檔車自動駕駛功能未識別前方物體釀成。據央視報道，2018年3月，中國首例自動駕駛致死事故后，相關公司將“自動駕駛”改為了“自動輔助駕駛”。 不過，特斯拉還是信心滿滿，在2019年第4季安全報告指出：自動駕駛系統或許遠比我們想象中要更加可靠。該報告統計了特斯拉售出車輛的事故數據，第4季在使用Autopilot自動駕駛功能情況下，平均每494萬公里發生一次事故；未使用Autopilot但有主動安全系統情況下，平均每338萬公里發生一次事故；兩者皆無平均每264萬公里就會發生一次事故。從這一點看，自動駕駛（ADAS）在作為駕駛輔助之余，對降低安全事故還是很有用的。

ADAS的重要性

為了安全，讓更多車裝上ADAS，半導體廠商是汽車電子的上游供應商，其研發的芯片直接關系到一級供應商的產品功能。Texas Instruments（TI）Jacinto處理器產品線總經理Curt Moore認為，隨著ADAS不斷向汽車工程師協會定義的L4和L5級自動駕駛汽車的方向發展，我們有機會通過創造可用于更大范圍的自動駕駛汽車技術，對未來的駕駛模式產生更深遠的影響。

他說，盡管從經濟角度來說，給所有汽車配備全ADAS技術是不切實際的，但目標仍是盡可能為汽車配備多點駕駛輔助功能。這意味著，將有更多實時數據和高效行車狀況感知和處理的需求。 他告訴記者，保持ADAS在不同路況下持續運行是一項挑戰。在突遇惡劣天氣或道路情況欠佳等意外情況時，需要車輛實時適應。這些情況很難用傳統模式來處理，而通過一個能夠幫助汽車感知、理解周圍世界并對其作出快速反應的動態系統，汽車就可以變身為司機的得力副駕駛。這樣的系統不僅需要數據，而且需要高效地結合計算機視覺和深度學習神經網絡，對數據進行實時處理。

ADAS系統的應用

ADAS解決方案需要從不同的傳感器集中提取數據，并將數據轉換為車輛的行為情報。這些傳感器需要配備不同類型的攝像頭、搭載相關光學、雷達和超聲波技術；甚至在更復雜的情況下，還需要配備激光雷達和熱夜視儀。此外，該系統可以通過比較從傳感器數據提取的特征與高清地圖數據來定位車輛。可以對多模式傳感器數據進行實時理解和分析（新數據每秒到達60次），而無需在汽車后座架設數據中心服務器。

圖1：ADAS應用實例（圖源：Texas Instruments） TI公司利用數十年汽車安全領域的專業知識，開發了Jacinto TM 7處理器平臺，致力于提供感測、操作和系統級難題解決方案，采用以汽車為中心的設計方法優化動力并降低系統成本。它可以提高駕駛者在更高駕駛速度、雨霧天氣等環境中的感知；支持800萬像素攝像頭，讓汽車看到駕駛者看不到的事物；在單芯片上接入并處理4到6個攝像頭的數據（單個攝像頭分辨率為300萬像素），增強車輛感知能力和360度環視處理功能；使系統能夠直接上路使用。

圖2：ADAS應用——避障（圖源：Texas Instruments） 安全最重要。為了減少事故，挽救生命，Curt Moore認為，眼下最重要的是先讓更多車輛裝上ADAS。他胸有成竹地表示，高性能片上系統（SoC）可以幫助ADAS技術實現大眾化，只要做得好，給更多汽車配備強大的ADAS功能指日可待。 雖然ADAS帶來便捷和新的乘駕體驗，但筆者不建議隨便加裝ADAS。安全是重要的考量，這或許是導致近年汽車后裝ADAS市場沉寂的原因。

明天，我們將介紹ADAS技術的未來技術趨勢、研發方向、未來智能化交通以及完全自動駕駛技術的一些特點。

責任編輯：lq