0
11月16日，在距离四维图新年度用户大会现场不远的一处停车场地，四维自主研发的自动驾驶测试车跑了起来。同一时间，四维图新CEO程鹏在相隔几千米的会场宣布了四维将全面构建“智能汽车大脑”的新战略布局。
而这个时候，距离去年四维开始逐渐在公开场合提及面向自动驾驶的转型计划，不过刚刚一年多的时间。
如果审视今天的泛自动驾驶市场，其实已经变得越发拥挤了，玩家包括且不限于车企、Tier 1、技术新创企业、互联网公司…而对于一家以导航地图业务起家，而后向自动驾驶方案商转型的企业，会有什么不同呢？
为了弄清楚这个问题，在参与了四维图新官方的自动驾驶汽车试乘后，雷锋网新智驾又再一次登门拜访了四维图新自动驾驶团队负责人马周，试图找到一个答案。
参与四维图新自动驾驶汽车公开试乘的那天，北京天气很冷、有风，来到测试场地，即当时四维图新召开用户大会附近的一处停车场时，四维图新基于一辆蓝色长城哈弗H7改装的自动驾驶测试车已经等在了那里。
在如今相当多元的传感器配置方案映衬下，四维的这辆测试车显得简单很多：用于环境感知的设备只有一台8线激光雷达和一台单目摄像头。
初步浏览后，雷锋网·新智驾随后参与了车内的试乘，坐在后排看，车内并没有复杂的线路和多余的电脑等装置。坐定后，驾驶员以一声“你好小新”，唤醒了四维研发的车内交互系统，之后的车辆起步和制动操作都是通过语音交互完成。
*驾驶员双手离开方向盘
车辆启动后，在一分钟左右的时间里，分别展示了转弯、避障规划和停车等动作，整体时速在30-40km/h，最长行驶直线距离70米左右。马周说，目前这款车已经覆盖了4G网络，除了有人的试乘展示，还可以实现车内完全无人化的自主召车。
*测试车展示自动转向
按照马周的表述，得益于四维所定义的带有道路规则信息（如左转车道、直行车道等等）的高精度地图数据（HAD），自动驾驶系统先验地了解了很多道路和环境属性——“地图是交通规则的缩写”——这样，环境传感器就可以把更多精力放在相对动态的道路环境，如检测人、车障碍物等，这在很大程度上减少了系统对环境传感器的过度依赖。虽然制约于当时的法规限制，这些更复杂的规划计算没有被完整展现出来。
外界开始逐渐听闻四维图新对自动驾驶的转型是在2016年，但马周告诉雷锋网·新智驾，四维在自动驾驶上的起点还要更早。
*四维图新自动驾驶负责人 马周
2015年，四维内部开始筹划搭建自动驾驶研发团队，当年底，一些基础工作基本完成。2016年4月，团队开始搭建自动驾驶系统的框架以及其他准备工作，8月，整车研发随之开始。这个时间点之后，四维在12月份官方公布了与长城汽车签署的《汽车自动驾驶项目合作协议》，表示将“联合开发基于量产车型的自动驾驶功能”。而彼时，四维自动驾驶团队基于长城汽车开发的样车已经能在路上跑了。
目前，马周作为四维图新自动驾驶团队的负责人，将带领团队从自动驾驶系统整体的感知、决策、控制等层面对整车做升级，从最初拓荒式的基础搭建，到现在，很多工作已经开始系统化了。
这个系统化，不只是表现在整车的集成上，更差异化的地方，其实在于四维基于自身导航地图和高精度地图数据的基础，所构建的具有“预判性”特点的驾驶决策脑。
为了把这件事儿的逻辑解释清楚，马周举了一个象棋的例子。
以象棋中的“马走日”规则为例，直接告诉计算机“马走日”，它是无法决策的，但如果把这种规则放在一个棋盘的环境里，事情就容易得多——“马走日”的动作可以被拆解为，棋子在当前的点，向上、下、左、右中的某个方向走两格，再向走或右走一格，这样其实就完成了一个棋子向周围所有方向可能的路径探索。当然，象棋中还有个“别腿儿”规则，如果把它考虑进去，那就需要再加一个规则限制，即第一步探索时如果前方有子，则停止该方向探索。
以上步骤，是用机器视角理解象棋“马走日”规则的过程，而这件事能为自动驾驶研发提炼出的最关键的信息，在马周看来，就是一句话——
“地图就是为自动驾驶汽车路径决策提供一个巨大的棋盘”。
诚然，如果“马走日”是象棋中对“马”行走的规则限定，那么交通本身，更是一个车辆行驶规则的集合体。例如这段路有多少车道、每条车道是直行道还是左转道、交通灯是直行交通灯还是左转交通灯，像这样的属性信息还有很多。而四维图新要做的，就是把这些信息先验地放在高精度地图里，让规则提前指导自动驾驶汽车行驶，而尽量减少用摄像头等传感器识别这些规则信息后再处理的流程。
马周告诉雷锋网·新智驾，严格意义上讲，四维图新计划交付的，是以决策为核心的自动驾驶方案。因为无论处于怎样的交通环境里，一辆车都必须要知道“自己在什么地方，红绿灯在哪里，周边有什么车辆，它们又要往哪里走”，而这些参考信息，通过四维基于高精度地图数据的决策指导，都能够提供。
“大家都在从自己最擅长的地方切入”，马周这样说道。
悉数今天涌入自动驾驶产业的玩家，可能一些来自汽车产业，精于车辆控制，一些则来自互联网等科技圈，精于基于人工智能的环境感知方案。从这个角度出发，四维选择的技术路径其实是顺理成章的。
大概在两三年前，四维图新首次提出自主标准定义的应用于高度自动驾驶的HAD高精度地图（Highly Automated Driving），随后，四维与车厂一起，明确了HAD中的不同规格制订和使用场景。今年四维用户大会召开时，程鹏宣布了HAD高精度地图进入“量产准备”阶段，彼时，HAD覆盖全国高速公路7万公里，精度达20cm，并支持周期性更新。
*四维图新CEO程鹏在2017用户大会上介绍了HAD地图
另一方面，四维目前已经接入包括滴滴在内的多源位置数据，可实时更新路况中诸如临时封路、事故等动态信息，这些数据，都将通过云端，为自动驾驶汽车大场景下的驾驶决策服务。
聊了这么多自动驾驶，插播一条广告。2018 年 1 月 16 日，雷锋网新智驾将在美国科技大本营硅谷举办 GAIR 硅谷智能驾驶峰会。本次峰会将有数十家中美两地顶尖的自动驾驶团队在峰会现场演讲分享，此外将有近百家自动驾驶产业链公司在现场交流。目前圣诞特惠票依然开放预订中。详情请访问 https://gair.leiphone.com/gair/gairsv2018。
马周告诉雷锋网·新智驾，严格来讲，目前四维自动驾驶整车实现的是准L3级的自动驾驶能力，这个概念的描述来自于，四维的自动驾驶能力已经可以实现在除收费站、服务区以外的高速路上进行完全自动驾驶，包括自主上下匝道等。
上述的准L3驾驶能力，就是基于四维图新自动驾驶团队构建的“双重融合决策”实现的。具体，先将各传感器与地图融合，引入交通规则等数据；之后再将传感器的识别信息与地图融合避障。
在四维图新看来，不论是怎样的传感器配置和自动驾驶方案，与地图数据的融合都是十分重要的。例如高精度地图中标注出了每个交通灯的具体位置属性，如果摄像头传感器把前车的高位刹车灯误判为红灯，那这个时候，融合的高精度地图数据就可以把这个错误剔除掉。
马周介绍，四维图新方案中的两次融合操作分别来自自动驾驶车的两层“驾驶脑”，一层是规则化的，一层是非规则化的。
规则化指的是基于地图的驾驶脑，它几乎可以解决90%的驾驶问题；
但事实上，并非每一个有人驾驶车都是遵守规则的，所以某些情况下，就需要非规则的驾驶脑起作用。
马周举了一个简单的场景。比如规则要求车辆一定要在车道线中行驶，但如果发现了占道、事故，只有半条车道可以用了，怎么办？这时候就需要打破原来的规则，允许车辆压着半条车道行驶。在这个部分，就需要引入深度学习，让车辆理解什么时候需要做出类似的决策。
眼下，据马周透露，四维图新已经签下了一单拥有自动驾驶方案需求的客户，更多工作正逐步展开。但在更理想的高阶自动驾驶产品化之前，四维如何为现阶段成果寻求初期落地呢？
对于这个问题，马周告诉雷锋网·新智驾，自动驾驶现阶段还无法在公共环境下形成量产产品，但四维正从两个方向寻求特定场景下的自动驾驶技术落地：其中一个是特定区域，另一个指的是特定功能。
特定区域不用多说，诸如物流等场景都属于这一类；而特定功能，其实是自动驾驶产业初期能够在公共道路上实现产品化的不错的选择。马周用“可预测性的主动安全产品”来描述四维在这个领域做的一些产品化尝试。
举个简单的例子，如果一辆车的定速巡航设置为100km/h，那么它即使在过弯时也会以这个速度行驶，这时候往往需要驾驶员介入进行降速。四维的方案是，基于高精度地图中的路况参数，如道路坡度、弯度等，提前判断最适宜的车速，并介入车辆的油门、刹车帮助调整。除了安全，这个功能也可以帮助车辆降低油耗，据四维官方此前的发布，这种面向ADAS功能的高精度地图数据和配套算法，可以帮助汽车发动机平均节油5个百分点。
马周说，除了以决策为主的自动驾驶方案外，四维也在通过对整车的研发熟悉自动驾驶方案中的各个环节，以满足用户的不同需求。
正如他所言，四维的定位一直是非常清晰的，不论是过去的图商，还是今天的服务商，“我们服务的目标还是车企”。
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
