百度Apollo的L4级自动驾驶观光小巴阿波龙试运行

2019年1月18日，北京当天零度上下，没了雾霾笼罩，天朗气清，北方城市冬日的荒凉与萧索一览无余。

距离中关村约一公里的海淀公园，是百度Apollo的L4级自动驾驶观光小巴阿波龙试运行的地方。作为中关村国家自主创新示范区展示中心，海淀公园内包含了智能步道、语音交互、人脸识别等技术，游人可通过园内的设施体验AI技术。

体验需知

阿波龙试运行的地点有三个，北京、雄安、广州。北京的演示地有海淀公园和国家会议中心，根据公告，海淀公园运行的轨迹是西门到东门往返，单次行程长约800米，园内限速10km/h。每辆车可搭载7名乘客，乘客需系好安全带，身高需要在1.2m以上。

无人巴士在海淀公园一共有两个站，西门站和东门儿童乐园站，游客可在规定时间内从任意一个站上车。阿波龙会从一个站行驶到另外一个站，行驶时间约8min，之后短暂休整，载客，再次往返。由于公园路狭窄，只能容纳一辆车行驶，因此过程中仅有一辆阿波龙行驶。

西门站运行的时间表是，工作日四个班次，上下午各两个。周末会再加四个班次。

想要体验的游客需要提前在官方公众号上预约，约满即止，如若未约满，现场排队游客可依据顺序排队体验。阿波龙在工作日每日只接待56人，周末会翻倍。那么游人体验的热情高不高？

公众号约工作日体验，基本在两天左右即可约到，18日当天《高工智能汽车》现场试乘中，单趟网上预约实际到场3人，剩余4人均是在现场排队体验。当天体验者以老人、儿童居多，这部分人群基本上是以现场排队体验为主，网上预约者则是年轻人。

底盘调教还需要很多完善

阿波龙无人小巴在多个场合出现过，使用了超声波雷达、摄像头、激光雷达等感知传感器，用来感知周围环境，行驶轨迹中的高精地图事先已经采集完成。体验过程中除了乘客还会有一到两位的工作人员，进行解说和说明。

车辆在行驶过程中，面对相向而来的工作车辆、横飞而过的鸟儿以及园区内行人，采取停车的动作，为保证足够的安全，对障碍物感知的灵敏度阈值设置较低，同时工作人员也可以操控车辆停止行驶。工作人员表示，阿波龙的速度最高可达40km/h。

车辆行驶过程中会遇到坡度并不明显的上下坡路段，虽然速度较低，但依然能明显感受到车辆的顿挫感。在车辆的线控制动、加速调教中，还有非常多的地方需要改善。

业内人士表示，无人车辆一般出现行驶过程中卡顿、抖动现象，需要根据当时行驶的环境、速度、软硬件进行评估，确定是否是感知、线控或算法等方面的问题。一般上坡和平路出现这种现象较少，下坡过程中为了维持一定的速度容易出现。

如果是在路况较好，速度较低的情况下，下坡过程中车辆行驶出现顿挫，需要在其中加入相应的模块进行补偿，在感知系统未出现问题的情况下，软件算法需要做进一步的优化。

自动驾驶公司还未赢得OEM信任

一位匿名资深从业者表示，无人巴士在上下坡过程中，由于动力系统控制的时候比较难以做到柔性工况控制，人为驾驶过程中，通过改变加速踏板线性调控范围，通过一定区间内的速度调控，可以很好地适应由于坡道变化带来的控制（驱动系统采用转矩控制）。

转矩控制不能很好地满足速度变化带来的顿挫感，而如果采用转速控制，相对于无人小巴（初速0-15Km）控制可能更加平滑点。

无人巴士的制动系统和线控底盘部分，主要聚焦在执行控制的变化；制动系统执行过程中，通过传感器感知制动需求，这时候制动输出相对于人为制动缺少对于线性控制变化处理，特别是在制动执行过程中，比较难做到制动力矩随机调整；制动舒适度有所影响。

而线控转向在执行过程中，程序控制是按照角度范围进行控制，所以，转向控制也比较生硬。

坡道控制可以做到一定的舒适度，如采用速度环闭环控制可能好点，但是下坡控制好一点，上坡收到的坡道阻力随着车辆向上的牵引力变化，会出现一定的波动，这时候，需要对速度环控制设定一定范围的阈度控制。

如坡道上坡设定3km/h的范围调整，速度达到后，对于加速踏板控制减少电流；控制速度缓降，当速度降低之后，逐步增加输出电流，提高车速，一定程度上可以缓解。当然，这是比较精细的速度环控制，通过精调可以实现。

智能驾驶技术往往会给出控制指令，车端接收后执行，这方面需要传动系统和整车控制协调根据执行指令做适应性调整，生硬的执行控制指令会出现一定程度上的控制缺失，域控控制对于部分执行机构的独立控制权限需要深度探索，部分域控单元需要在一定的阈度边界内自我调节；指令的执行需要与控制层进行深度融合。

但当下的现状是做无人驾驶的团队，车辆控制相对较为粗犷，追本溯源，自动驾驶公司还未赢得OEM的全部信任，因此调试上也掣肘颇多。

车企对车辆控制深度开放存在一定的疑虑，因为深度开放控制权，对于车企来说还是做不到，另外，车辆控制由人为控制变为计算机控制，这个过程需要慢慢的融合和摸索，没有数据的积累和沉积，短时间还难以达到柔性控制和舒适性兼容的目标。

基于车辆控制和动力学控制是深度控制的层面，关乎到车辆运动机理，运动执行，力学、机械控制等多个层面的控制；车辆由人为控制变成计算机控制，需要从动力输出控制和整车协同控制联合，往往智能系统的控制凌驾于车辆运动学控制之上，所谓的顶层控制反而忽略了最基本的执行层的控制。

更为关键的是，如果单从车辆控制学而言，商用及特种车辆比乘用车会更难。从控制、制动、执行开发成熟度而言，乘用车比商用车会相对更完善和成熟。

匿名人士表示，无人驾驶是一门复杂的学科，涉及到太多的内容，国内目前刚刚满足基本应用需求。而主控制器和相关的辅助控制，均受制于国外芯片的深度技术限制，技术上还是有缺陷的，还不足以和欧美国家并肩。

智能驾驶已经算是国内奋起直追的技术典范领域，差距需要直视，不能忽略自身的短板，对技术要存敬畏之心，盲目的推崇技术应用，还需要建立在庞大厚实的工业基础上。

商业化首先要无人化

在刚刚结束的CES展上，Apollo也推出了3.5版本，新功能主要包括：借道避障，无保护左右转弯，识别减速带、斑马线、禁停区域并平稳通过，在市中心及住宅区的复杂道路上自动驾驶。升级后的版本，不知会不会有所改善。

按照百度此前在百度世界2018披露的计划，到2018年年底，阿波龙将落地12省/直辖市的17个区域。

对于普通民众而言，无人小巴是一个接近最先进科技的方式，但对于其带来的实际经济效益和体验的提升，还需要更长的时间去普及和实践。

在公园内，还行驶着百度合作伙伴生产的无人清扫小车，由专人陪同行驶。对于无人车而言，限定园区内的低速场景，将成为普罗大众最快能感受到技术带来的变化的地方，但无论对于运营方和技术提供方，距离真正产生实际的经济效益，还有非常长的路要走。

其中，首要跨过的门槛便是，低速无人车可以在无专业人员陪同监督的情况下行驶。