原标题：都在拿掉自动驾驶的安全员，滴滴的做法有些不一样
4 月 19 日上海车展开展，沃尔沃展台上摆着两台特别的滴滴涂装车。车顶上醒目的激光雷达，提示观众这是两台 L4 级自动驾驶汽车。
两台自动驾驶汽车分别基于沃尔沃 XC60 和 XC90 打造。其中，XC90 版本承载了滴滴出行最新发布的自动驾驶硬件平台——滴滴双子星。新硬件平台性能有可观的提升。在整体造价保持不变的情况下，全车传感器数量增至 50 个，算力超过 700TOPS，每秒超千万级点云成像。而上一代硬件平台——就是 XC60 那个版本——传感器数量是 11 个。
（搭载滴滴双子星平台的沃尔沃XC90）
数字很抽象，而效果很具体。新平台搭载于 XC90 冗余车型后，在核心高性能传感器、车载自动驾驶系统、远程协助系统和前装量产车型深度兼容四个方面实现多层冗余。简而言之，滴滴自动驾驶硬件的安全性和可靠性得到了大幅提升。除此之外，滴滴双子星还实现了极高的车规化程度和套件模块化，方便车辆后装改造。
从这次升级中，不难看出滴滴自动驾驶的重点：增强可靠性，加快上车速度。相比其他一些 L4 级自动驾驶平台和公司，滴滴切入这块的时间其实不算早：2016 年开始试水，2019 年正式亮相。但在技术迭代和落地测试上，滴滴呈现了领先行业的加速度。2021 年 4 月，基于此前的自动驾驶硬件平台，滴滴发布了全球首个连续 5 小时无接管路测视频。在这段视频里，能看到滴滴的自动驾驶车辆面对一些复杂路况都能应对自如，比如路口左转遇到突然冒出来的电动摩托。
这背后，得益于其清晰的逻辑和落地路径。作为国内最大的网约车平台，滴滴天然就有自动驾驶诞生的土壤和落地场景。
滴滴做自动驾驶的护城河
随着自动驾驶落地进程的深入，滴滴的天然的优势将逐渐显现：数据覆盖完整度和混合派单模式。
对当前自动驾驶和 AI 有了解的都知道，海量数据是一切的基础。一些专门做 L4 级自动驾驶的公司，主流做法是自动驾驶车路测收集真实世界的数据，同时辅以虚拟仿真。
这种做法其实存在一定短板，道路环境千变万化，充满了随机行为。有限的自动驾驶车辆路测和仿真里程纵使做得再周全，覆盖了 99% 的普通场景数据，都会漏掉那 1% 长尾场景。比如三轮车逆行、摩托车闯红灯、躺在路中间的布娃娃、路边突然窜出来的小狗。
那 1%发生的概率很小，但一旦发生，对完全依赖数据的自动驾驶系统来说，都容易产生安全隐患。如果这个问题得不到解决，乘客就不可能百分百信任自动驾驶。
作为一个日均订单数达数千万的出行平台，滴滴在解决这个问题上是有优势的。这里不得不提滴滴在 2017 年启动的一个项目——桔视。这是一套软硬结合的安全设备，2019 年已经有百万级车辆安装。滴滴表示，司机的行驶轨迹加上桔视设备，全年可以采集近 1000 亿公里的真实场景数据，能够覆盖大多数想象中的长尾场景。
这为滴滴自动驾驶提供了足够丰富的数据养料。据滴滴透露，同样采用仿真系统提升测试里程，滴滴因为数据上的质量优势，能将测试里程提高5–6个数量级。从数据优势的角度看滴滴自动驾驶的技术加速度，也就不难理解为什么滴滴能在短短五年内实现连续 5 小时无接管。
而在落地场景上，滴滴也不愁，只要自动驾驶技术足够成熟，就可以融合进网约车业务中。滴滴此前表示，将尝试人机 “混合派单”的模式——自动驾驶车辆和网约车司机同步在线听单和接单，如果路况、天气和路径适合自动驾驶车辆接单，滴滴就会派单给它，积累运营经验，反之则会派单给网约车司机。
Uber 已经把自动驾驶业务出售了，这个模式可能会成为滴滴独有的护城河。目前，不合适自动驾驶车辆的区域和情况肯定还是比较多的，通过混合派单模式，让人类司机来完成订单，保证用户体验，可以弥补自动驾驶车辆的局限性。
随着技术的逐步成熟，“合适区域”的面积逐步扩大，商业化也就慢慢往前推进，商业化推进反过来也会带去大量长尾场景数据，反哺技术能力，形成正向循环。
这种渐进式落地自动驾驶又不影响用户体验的策略，几乎是其他 L4 自动驾驶技术公司无法复制的。
可靠性是自动驾驶的立根之本
当然，做自动驾驶方案最重要的还是可靠性。只有百分之两百的可靠，才能让护城河成为护城河，不然只会变成浪费掉的优势罢了。
当前，L4 自动驾驶不少公司都花精力拿掉安全员做演示。为自动驾驶车辆配备安全员，是为了发生紧急状况时，人类及时接管。把安全员拿掉，目的正是为了证明其自动驾驶系统的可靠性。但不同公司做这件事，背后思路是不一样的。
有的公司纯粹是通过软件系统迭代，增强决策算法去拿掉安全员，没有硬件兜底。不排除有的公司算法能力特别强，但这就好比，不带保险绳去走钢丝，确实能让人感叹其技艺高超。然而从实操的角度来说，不带保险绳去走钢丝可能连登场都不被允许。再或者，运动员只注重技巧而忽视力量训练，注定无法长远。
而滴滴的思路是通过打造硬件冗余，充分保证安全性的基础上，才拿掉安全员。“冗余”这一词汇最早是飞机常用术语，是指飞机的电子控制系统进行了安全备份，防止一套系统突然坏掉，影响飞机的正常运行。这就是为什么说，飞机是目前最安全的交通工具的原因之一。
在自动驾驶领域，常常由于传感器成本问题，限制了冗余设计方案的实际落地。而滴滴双子星平台在成本不变的基础上，实现了 11 个传感器扩增到 50 个传感器，并且将来会成为自动驾驶主力硬件方案。
如上所述，这套自动驾驶硬件在核心高性能传感器、车载自动驾驶系统、远程协助系统和前装量产车型深度兼容四个方面实现多层冗余。
首先，是50 个传感器带来核心高性能传感器冗余，最远探测距离超过 300 米，最小可探测距离为 10cm，车规级相机像素总和超 1 亿。通过设计远、中、近距的激光雷达、摄像头、雷达配置方案，结合红外相机等多种传感器功能，前向视角可实现 12 层传感器冗余覆盖叠加，可提升车辆在树荫、隧道、雨雾、逆光、黑夜等复杂的场景下的感知能力，使自动驾驶系统达到更高的安全等级。
其次，滴滴自动驾驶自主研发的 Fallback G 备用系统，形成了第二层冗余。即使极端场景下主系统不可用，仍能毫秒级提供足够的安全应对方案，能满足 ASIL-D 最高等级安全认证要求。ASIL 全称 Automotive Safety Integration Level（汽车安全完整性等级），共有四个等级，A 是最低等级，D 是最高等级。
此外，滴滴自动驾驶远程护航中心为自动驾驶测试运营构建了第三层安全冗余。通过车辆四周 4 个鱼眼摄像头，配合后台全方位自动驾驶运行场景检测，硬件平台能协助远程护航中心实现零距离多视角的远程监控，从而有效实施远程辅助或通过 5G 实现低延迟的远程控制。
最后，通过与沃尔沃合作构建了第四层保障。沃尔沃的主动安全系统有口皆碑，加上滴滴双子星平台，车辆能实现制动、转向、供电、通信冗余，进一步确保行驶安全。
在自动驾驶硬件平台的定制上，同样依赖于滴滴的数据能力和场景经验。滴滴可能是最解城市交通复杂度和多样性的出行平台，这让团队在定位问题时，无论是制定软件还是硬件解决方案时，都能更接近真实的使用的场景，并且找到性能和价格的平衡点，不是随意豪气堆叠传感器和计算资源，也不是一味追求低价。
冗余硬件设计提供了强大的感知能力，但怎么利用感知到的数据，提高软件层面的决策能力同样重要。现在业内流行用深度学习算法做决策，但深度学习产生的模型越来越复杂，以至于它们自己也变成了一种 “黑盒” 系统，也变成了一种不确定性的来源。滴滴的做法是优先解决那些定义完备，数据丰富，且有明确兜底方案的模块。中期考虑以持续提升模块性能为主，长期也需要投入一部分兵力做一些前沿研究，比如可解释 AI 系统。
不难看出，滴滴的自动驾驶技术发展很快，但都是在确保其可靠性上进行的。滴滴采取了足够的措施，比如硬件冗余设计和软件算法的谨慎，来保障安全。
据滴滴透露，其自动驾驶网约车从去年6月份开始在上海运行，已经有超过5万人报名体验。目前在上海嘉定的测试区域，整个测试规模已经到了530公里，场景覆盖上包括会展中心、酒店、学校、商业区、工厂、办公区域等。
