随着车辆保有量逐年增加，以及城市规模不断扩大，导致城市交通拥堵问题愈发突出。
在人工智能兴起且技术渐趋成熟之后，人们开始将解决这一问题的希望投向自动驾驶领域。
研究显示，普及自动驾驶应用可显著提高城市交通效率[1]。此外，自动驾驶领域在资本市场备受青睐，在过去一段时间内获得大量融资[2]。
但受制于诸多因素，自动驾驶迟迟无法实现大规模商业化落地。
或许，以半自动驾驶电车为载体，可加快自动驾驶的商业化落地步伐。
自动驾驶商业化落地的四座大山
在介绍半自动驾驶电车之前，我们需要了解，自动驾驶商业化为何面临难题。
具体而言，安全、法律、伦理道德以及模型与数据的迭代优化已然成为四座大山，阻碍着自动驾驶行业发展。
首先，安全问题产生的根源在于技术受限。
从技术层面看，目前全世界范围内仍无法实现“绝对安全”的自动驾驶。
资料显示，全球每年因交通事故死亡的人数达百万人以上，平均每半分钟约1人因为交通事故丧生。
尽管成熟的自动驾驶技术可减少交通事故发生的次数，但目前自动驾驶技术的开发通常由单个企业独立进行。
在此情况下，即使自动驾驶技术造成伤亡的人数较少，仍将对该企业造成巨大的舆论压力[3]。
来自新闻舆论的压力，一定程度上使得比人类驾驶员安全性更高的自动驾驶技术，悬浮于高空难以落地。
其次，难以厘清事故责任。
如果高速行驶的自动驾驶汽车发生交通事故，将对车主和行人造成不可逆的伤害，而这也将引出难以厘清的责任。[4][5]
当前，具备辅助驾驶功能的主流车型在行驶过程中，通常将对驾驶员进行多次提示：即便开启辅助驾驶功能，也必须将双手放置于方向盘上，并时刻注意道路情况。
然而，“同一个任务交给两个人负责，等于没人负责”。驾驶任务同时交给驾驶员和系统，也将出现相似的情况。
Google曾对其子公司Waymo进行研究调查，结果显示：在开启自动驾驶功能后，安全员对道路突发情况的反应时间远远大于其独自驾驶时的所需耗时。
这种情况的发生是容易理解的：车辆自动、安全、无故障地运行数个小时后，人们将较难集中精力并及时关注道路突发情况。
自动驾驶汽车在行驶中，伦理道德问题不可避免。最为经典的伦理道德问题莫过于“电车难题”[6]。
“电车难题”指，自动驾驶汽车在突发情况下只能做出二选一的选择时，选择撞向5名不遵守交通规则的行人，还是撞向1名遵守交通规则的行人？
当自动驾驶汽车给出答案后，设定该决策逻辑的自动驾驶公司需要承担怎样的责任？
此外，如果决策代码因出现Bug而致人死亡，那么负责编写该代码的程序员在此类事故中是否需要承担责任？如果需要，责任将如何划分？
最后，自动驾驶汽车在道路实测后，模型与数据的迭代优化也是难题。
当前，大数据时代，深度学习、人工智能渐次落地，为人们的生产生活提供了便利。其中，深度学习和人工智能发展的重要基石之一为大量高质量的数据。
自动驾驶也不例外，只有拥有大量实测道路图像、激光雷达点云等高质量数据，自动驾驶才能进一步迭代优化算法模型。
然而，对于自动驾驶相关公司而言，数据和模型之间的关系如同鸡生蛋，蛋生鸡：自动驾驶车辆不进行路测意味着没有路测数据，进而无法迭代优化算法模型；然而，缺少优良的算法模型，自动驾驶汽车将无法上路。
当前，中国自动驾驶公司们拥有的自动驾驶测试车辆仍然较少，难以提供大量路测数据。
而拥有辅助驾驶功能的新能源汽车公司如特斯拉、蔚来汽车和小鹏汽车等，可通过数以万计的已售出汽车获得丰富、实时的路测数据。
然而，消费者拥有对摄像头、激光雷达、车辆运行轨迹等数据的所有权。新能源汽车公司利用已销售的汽车获取路测数据，在法律上不具备合理性，涉嫌侵犯用户隐私。
而在起步阶段，如何获取实时、大量、高质量的路测数据，是众多自动驾驶公司亟需脱离的困境。
以上种种问题，需要人们深入思考研究。
半自动驾驶电车
以上问题，或许可通过另一种形态的交通工具解决——半自动驾驶电车。
何谓半自动驾驶电车？在一段路程中，一半路程为自动驾驶，另外一半路程由人类驾驶。
具体而言，当半自动驾驶电车无人乘坐时，其为自动驾驶状态。在此种状态下，半自动驾驶电车可根据需求实时调度至乘客附近，或在小区、地铁、公交站附近等待乘客。
当半自动驾驶电车运载乘客时，只能由乘客手动驾驶。抵达目的地后，车辆将再次进入空载状态。如此循环，周而复始。
理想状态下，每辆半自动驾驶电车自投放市场，即进入无休止接送乘客状态，直到车辆报废。相对于私家车平均每天不到10%的使用时间，该小车使用效率极高。
半自动驾驶运行示意图
半自动驾驶电车与共享单车同样承担着解决“最后一公里”难题的任务。
相对于后者，半自动驾驶电车可自主运行，不会因闲置导致城市各地区大量堆积，可避免因此产生新的城市环境治理问题。
假如一辆半自动驾驶电车每小时可服务4位乘客，每天运营12小时，一辆半自动驾驶电车每天可以服务48位乘客，且不占据停车空间。
相对于共享单车，半自动驾驶电车或将达到“以一当十”的效果。人们将逐渐形成起点→半自动驾驶电车→公交/地铁→半自动驾驶电车→目的地的交通方式。
半自动驾驶与公交系统构成的新交通方式
安全性方面，半自动驾驶车辆低速运行可使得其面临更小的安全问题。同时，半自动驾驶电车只有在无乘客的情况下自行调度，造成人员伤亡的可能性将进一步降低。
即便半自动驾驶电车出现交通事故，法律方面也将更容易划分责任：乘客自主驾驶时，根据电动自行车管理的相关规范进行定责，追究驾驶员的责任；处于空载状态时，则追究该电车厂商的责任。以此方式，可较好规避法律和伦理道德方面的问题。
电车的低速运行特点，使得该电车难以遇到危及生命的“电车难题”场景。
迄今为止，尽管人们围绕“电车难题”争论不休，且交通事故依旧每天发生，但人们仍然选择开车上路。
这侧面证明着，半自动驾驶电车也无需完全解决“电车难题”。或许，半自动驾驶电车只需在统计意义上比人类优秀驾驶员的表现更安全，即可投入运营。
半自动驾驶电车，一般由某个企业研发并投放市场，供人们付费共享使用。
这一特性使得半自动驾驶电车的所有权归开发企业所有，车辆在运行中产生的的一切数据所有权将归属于开发企业，天然具备合法性。
通过大量的实测数据，开发企业可以进一步的优化算法模型，应对自动驾驶中产生的长尾效应。[7]
商业化模式
目前，自动驾驶得以实现主要源于包括激光雷达、摄像头和毫米波雷达等传感器的支持。其中，目前激光雷达的成本依然昂贵。
然而，低速运行的半自动驾驶车辆对相关传感器和算力的要求较低，成本也将随之下降。
通勤接驳，意味着人们乘坐半自动驾驶车的时间较短，结构设计可尽可能简洁。
譬如，去除车顶、车门、车座靠背和扶手等，仅留下车辆运行必需的设备，车身可设计得尽可能小巧，如设计为单座结构。
此外，为保证行驶安全，车速可参考GB 24155-2020中电动自行车的标准，不超过25km/h[8]。车辆的低速特性，仅需对驾驶员的年龄进行限制即可，无需对驾照进行要求。为保证随时服务，该车可采用换电模式，在电量不足时可自主运行至换电站完成补电。
随着生产链优化和技术的进步，此类小车的成本或将低至3万元左右。
正如上文所述，假设每辆小车每小时可以服务4位乘客，每天运营时间为12小时。在每一小时中，10分钟为运行状态，5分钟为调度状态。
每年运营350天，其中15天用于检修，假设单次付费1元，该车一年总营收将达到16800元。
为便于计算，本文假设其中6800元用于运维成本，则每辆小车每年可获得1万元的利润。
综上，投资3万元成本，每年可获得1万元的利润，该商业模式的盈利是具备可行性的。
基于青年接受速度快的特点，且大学新校区较多建立在远离市区的偏远地带，不易产生交通事故的优势，半自动驾驶电车可优先在大学校园投放，作为校园至地铁、公交站的摆渡车。
通过积累大量路测数据，该电车可进一步优化模型，逐步推广到全社会。
总 结
半自动驾驶电车不仅对自动驾驶的商业化落地有所启示，而且对于公共交通效率的提升也大有裨益。
打车上下班对于许多人来讲，是一笔不小的费用。基于经济方面的考量和公交专用车道不易堵车的情况，更多人选择公共交通上下班。
相对于共享单车，半自动驾驶电车有更远的末端运输里程，能从“最后一公里”拓展到“最后三公里”。
公交车站之间距离太短，造成公交车速度跑不起来，频繁停靠，极大降低了公交系统的运行效率。
半自动驾驶电车的普及，允许公交车站之间拉大距离，对于相距较近的站完全可以进行合并。
半自动驾驶电车和公交系统的共同进步，在节约能源、共享出行的同时，进一步提高人们的出行效率。
参考资料：
[1] 潘昊,章子皓,虞千迪.基于CA模型下自动驾驶汽车对交通堵塞影响的仿真模拟[J].科学技术创新,2021(23):14-15.
[2] 郭少丹. 3天内3家企业完成融资 自动驾驶再迎“资本热”[N]. 中国经营报,2021-08-16(C06).
[3] 倪浩. 蔚来汽车事故触发“自动驾驶焦虑”[N]. 环球时报,2021-08-17(011).
[4] 黄耀华. 自动驾驶汽车侵权责任研究[D]. 河北经贸大学, 2020.
[5] 沈慧慧. 自动驾驶汽车侵权责任研究[D]. 甘肃政法学院, 2020.
[6]朱振. 生命的衡量——自动驾驶汽车如何破解"电车难题"[J]. 华东政法大学学报,2020,23(6):20-34. DOI:10.3969/j.issn.1008-4622.2020.06.002.
[7] 杜丽. 面向自动驾驶的场景理解关键技术研究[D].北京邮电大学,2021.[8]http://openstd.samr.gov.cn/bzgk/gb/newGbInfo?hcno=3311C27BDA4A9CA581416ED0B9584280
原文链接：雷锋网
责任编辑：上方文Q
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/133372.html