自动驾驶系统架构总览

自动驾驶（Autonomous Driving, AD）是指无需人类驾驶员主动干预，即可通过车载传感器、计算平台与执行机构完成车辆纵向与横向控制，并安全行驶于公共道路的智能系统，其核心目标是消除90%以上由人为失误导致的交通事故，同时提升交通通行效率、释放驾驶员的认知负荷，是汽车产业百年变革中最具颠覆性的技术方向之一。从1958年首款量产巡航控制系统的诞生，到2024年多城市开放L3级自动驾驶商业化试点，该技术经历了从辅助驾驶到高度自动化的多代演进，当前正处于从L2向L3/L4跨越的关键产业化阶段。

1.1 自动驾驶技术演进脉络

自动驾驶技术的发展与传感器、计算芯片、人工智能算法的进步高度绑定，整体可分为萌芽探索、工程验证、商业化落地三个阶段：

• **萌芽探索期（1920s-1970s）**：1925年美国发明家Francis Houdina演示了首款无线电遥控汽车，可视为自动驾驶的雏形；1958年克莱斯勒推出首款量产巡航控制系统（Cruise Control System），实现了车辆的纵向速度自动维持，是首个量产的驾驶辅助功能；1977年日本机械技术研究所研发出首款基于摄像头识别道路的自动驾驶车辆，最高速度可达10km/h，验证了视觉感知在自动驾驶中的可行性。
• **工程验证期（1980s-2010s）**：1986年欧盟启动普罗米修斯计划（PROMEETHEUS），首次将自动驾驶技术从实验室引入真实道路测试；1995年美国卡内基梅隆大学的Navlab5完成了横穿美国的自动驾驶测试，全程98%的路段由系统自动行驶，最高速度达105km/h，验证了长途自动驾驶的可行性；2004年美国国防高级研究计划局（DARPA）¹举办首届大挑战赛，虽然所有参赛车辆均未完成212公里的沙漠赛程，但首次验证了自动驾驶技术在非结构化越野场景下的感知与决策能力；2005年第二届比赛中，斯坦福大学的Stanley赛车以6小时53分的成绩完成全程，成为首辆完成DARPA大挑战赛的自动驾驶车辆，标志着自动驾驶技术从实验室研究走向工程化落地。
• **商业化落地期（2010s至今）**：2010年谷歌启动自动驾驶项目，2012年获得全球首张自动驾驶路测牌照，2016年该项目拆分成立Waymo，2020年在凤凰城推出全球首个商业化Robotaxi服务，截至2024年累计运营里程超过3000万公里，服务用户超10万人次；2015年特斯拉推出Autopilot辅助驾驶系统，通过纯视觉传感器与端到端算法的结合，首次将L2级驾驶自动化功能推向大众消费市场，推动ADAS渗透率从2015年的不足5%提升至2024年全球乘用车新车L2渗透率超过40%，中国市场更是突破55%；2023年以来，小鹏、理想、蔚来等中国车企陆续推送城市NOA（Navigate on Autopilot，自动导航辅助驾驶）功能，覆盖全国上百个城市，L3级自动驾驶车型如奔驰DRIVE PILOT、宝马Personal Pilot L3已实现量产交付，中国也于2023年底开放L3级自动驾驶上路试点，2024年已有超过10款L3级车型获得准入许可。

> 💡 侧边栏：DARPA（Defense Advanced Research Projects Agency）是美国国防部下属的核心科研机构，其举办的自动驾驶大挑战赛被业界视为自动驾驶技术从学术研究走向产业落地的分水岭，Stanley赛车采用的激光雷达、毫米波雷达、摄像头多传感器融合方案，至今仍是高阶自动驾驶的主流技术架构。

1.2 SAE J3016驾驶自动化分级标准解读

驾驶自动化分级是界定自动驾驶系统能力边界与责任划分的核心依据，当前全球通用的标准为国际汽车工程师学会（SAE International）于2021年修订的J3016标准²，该标准核心区分两个维度：一是驾驶任务的责任主体（人类驾驶员还是自动驾驶系统），二是人类驾驶员是否需要随时准备接管车辆，共分为L0到L5六个级别，每个级别的能力边界与责任划分如下：

| 级别 | 中文名称 | 英文名称 | 能力边界 | 责任主体 | 当前落地情况 | |------|----------|----------|----------|----------|--------------| | L0 | 无驾驶自动化 | No Driving Automation | 系统仅提供预警功能（如前向碰撞预警FCW、自动紧急制动AEB），不参与任何驾驶控制 | 人类驾驶员 | 全场景量产 | | L1 | 驾驶辅助 | Driver Assistance | 系统仅能执行单一横向（如车道保持LKA）或纵向（如自适应巡航ACC）控制，不能同时控制两个维度 | 人类驾驶员 | 全场景量产 | | L2 | 部分驾驶自动化 | Partial Driving Automation | 系统可同时执行横向与纵向控制（如特斯拉Autopilot、小鹏NGP），但仅能在特定场景下运行，人类驾驶员需全程监控并随时接管 | 人类驾驶员 | 2024年中国乘用车新车渗透率超55% | | L3 | 有条件驾驶自动化 | Conditional Driving Automation | 在特定设计运行域（ODD）内，系统负责所有驾驶任务，人类驾驶员无需监控，但需在系统请求时接管 | 系统激活期间由车企/运营方承担，接管请求发出后若未接管由人类承担 | 2023年起多款车型量产，试点开放 | | L4 | 高度驾驶自动化 | High Driving Automation | 在特定ODD内，系统负责所有驾驶任务，人类驾驶员无需接管也无需监控，系统可自主处理所有场景 | 系统运营期间完全由车企/运营方承担 | 限定区域Robotaxi试点运营 | | L5 | 完全驾驶自动化 | Full Driving Automation | 在所有道路、所有天气、所有场景下均可完全自主驾驶，无需人类驾驶员 | 系统运营期间完全由车企/运营方承担 | 尚未实现 |

> 💡 侧边栏：设计运行域（Operational Design Domain, ODD）是L3/L4级自动驾驶的核心前提，明确了系统可安全运行的范围，包括地理围栏（如城市核心区、高速路段）、道路类型（如城市道路、园区道路）、速度区间（如0-60km/h）、天气条件（如晴、小雨）、交通场景（如无非机动车、无临时施工）等参数，系统仅在ODD范围内可激活，超出范围必须立即退出并请求人类接管。中国《智能网联汽车准入和上路通行试点实施方案》明确要求L3级车型必须明确标注ODD范围，并向用户充分告知。

当前分级标准的核心争议在于L2与L3的边界：L2级系统仍需人类驾驶员全程监控，发生事故责任完全由人类承担；而L3级系统激活期间责任由车企承担，但人类需在系统请求后10秒内接管，这一时间窗口的设定、接管能力的判定标准仍是全球监管的难点。欧盟2022年发布的ALKS（Automated Lane Keeping Systems）法规是全球首个L3级自动驾驶的监管法规，明确要求L3级系统在激活期间发生事故由车企承担责任，中国也正在制定L3级自动驾驶的专属责任划分细则，预计2025年前后正式发布。

1.3 自动驾驶系统核心模块架构与交互逻辑

自动驾驶系统的核心功能逻辑可概括为“感知环境-确定自身位置-制定行驶策略-规划具体路径-控制车辆运动”，对应五大核心功能模块，加上支撑模块车云协同与安全监控模块驾驶员监控系统（Driver Monitoring System, DMS），各模块的定位与交互逻辑如下：

1.3.1 感知模块（Perception）

感知模块是自动驾驶系统的“眼睛与耳朵”，负责采集并解析车辆周围的环境信息，输入为多传感器原始数据，包括8-12个环视/周视摄像头的2D图像、1-5个激光雷达的3D点云、5个毫米波雷达的点云、12个超声波雷达的距离数据，以及IMU（惯性测量单元）、GNSS（全球导航卫星系统）的原始状态数据；输出为结构化的环境感知结果，包括动态障碍物（行人、非机动车、其他车辆）的位置、速度、类别、行驶意图，静态障碍物（路沿、施工路障、静止车辆）的位置与类别，车道线的类型、曲率、连接关系，交通标识与信号灯的状态，可行驶区域的边界等。

当前感知模块的主流技术架构为BEV（Bird's Eye View，鸟瞰图）感知，通过多摄像头图像的特征提取与Transformer模型的交叉注意力机制，将2D图像特征转换为3D鸟瞰视角的全局特征，再融合激光雷达、毫米波雷达的3D数据，实现多传感器信息的时空对齐，感知精度可达99%以上，横向误差小于0.2米，纵向误差小于0.5米。感知模块的核心挑战是长尾场景（Corner Case）的识别，即训练数据中覆盖不足的罕见场景，如突然横穿马路的行人、施工区域的临时标识、逆行的外卖员等，这类场景的感知精度直接决定了高阶自动驾驶的安全性。

1.3.2 定位模块（Localization）

定位模块是自动驾驶系统的“坐标锚点”，负责精确确定车辆自身的6自由度位姿（x/y/z坐标、横摆角/俯仰角/侧倾角），输入为