前言
自动驾驶汽车可收集、感知并分析数据,以便根据周围环境做出独立决策并采取行动。
自动驾驶是汽车产业智能化升级的核心方向,可降低人为失误带来的交通事故,优化道路通行效率,带动芯片、算法等产业链发展,是抢占出行科技制高点的关键赛道。当前行业以L2级辅助驾驶大规模落地为主,未来随着算力、AI算法迭代以及法规完善,将循序渐进向L3、L4高阶自动驾驶迈进,深度融合智慧城市交通,重塑大众出行模式。
官方标准自动驾驶分级
汽车行业的自动驾驶共有六个级别(在航空航天领域有三个级别),即从无自动化(L0)到完全自动化(L5)。
1、L0应急辅助(无自动化)
系统无法持续控制车辆转向、加减速,仅具备环境探测与预警、瞬时紧急干预能力。全程由驾驶员全权操控车辆。
核心功能:车道偏离预警、前向碰撞预警、盲区预警。
责任主体:驾驶员
2、L1部分驾驶辅助
系统仅能单独控制车辆横向转向或纵向加减速其中一项,另一项操作必须由驾驶员完成,无组合控制能力。
核心功能:定速巡航、单车道保持。
责任主体:驾驶员(全程监控接管)
3、L2部分自动驾驶(基础辅助驾驶)
系统可同时控制转向+加减速,实现手脚辅助解放,但驾驶员必须全程目视路面、手握方向盘,随时准备接管车辆,不可分神、脱手。
核心功能:全速ACC自适应巡航、车道居中保持。
责任主体:驾驶员(所有事故由驾驶员承担)。
L2是官方分级;L2+、L2++、L2+++都不属于国际/国标正式等级,属于车企、行业口头俗称、营销叫法,国标GB‑40429只有L0‑L5。
(1)L2+(进阶L2)
在基础L2功能之上,新增主动智能变道功能,支持高速封闭道路自主超车、合规变道,无领航导航能力,仅适配简单高速场景。
(2)L2++(高阶L2·高速NOA)
NOA:Navigate on Autopilot,也叫导航辅助驾驶、自动导航驾驶。
完整高速领航辅助能力,支持高速全程导航自动驾驶,可自动进出匝道、自主超车、避让大车、切换高速路段,仅适配高速/城市快速路,不支持城区道路。是目前主流智驾芯片(J6M等)主力落地等级。
(3)L2+++(顶级L2·城市NOA)
准全场景领航辅助,覆盖高速+常规城市道路,可识别红绿灯、通行路口、避让行人与非机动车、自主绕行障碍,实现城市点对点导航辅助驾驶。是民用量产辅助驾驶最高水平,仍属于L2范畴。
4、L3有条件自动驾驶(人机责任分水岭)
限定场景下,系统可独立完成全部动态驾驶任务。系统无法处理路况时,会主动下发接管请求,驾驶员需及时响应接管。
适用场景:封闭高速、城市快速路等限定环境
责任主体:系统运行期间由系统担责,接管窗口期由驾驶员担责。
现状:国内量产落地车型极少,法规严格受限。
5、L4高度自动驾驶
指定区域、限定场景内全程全自动驾驶,系统可自主完成路况应对、风险处置、最小风险停车,无需人类监控与接管,超出场景可自动安全驻车。
适用场景:园区接驳车、限定区域Robotaxi、无人巴士。
责任主体:车企/运营方。
6、L5完全自动驾驶(终极形态)
全场景、全天气、全道路通用的无限制自动驾驶,无需方向盘、油门、刹车等人工操控结构,可应对所有复杂路况与极端场景。
现状:纯理论研发阶段,暂无任何量产落地应用。
责任主体:系统/运营方
补充:关于L6。无任何官方L6分级,仅为部分企业宣传噱头,无统一技术定义、无行业标准、无法规依据,不具备参考价值。
自动驾驶分级核心对照表
分级 | 属性 | 核心能力 | 适用场景 | 责任主体 |
L0 | 应急辅助 | 仅预警、无持续控制 | 全人工驾驶 | 驾驶员 |
L1 | 单项辅助 | 仅转向/加减速单项控制 | 常规道路 | 驾驶员 |
L2 | 部分辅助 | ACC+车道居中,无自动变道 | 常规道路、高速 | 驾驶员 |
L2+ | 进阶辅助 | 支持高速自动变道超车 | 高速封闭道路 | 驾驶员 |
L2++ | 高速高阶辅助 | 完整高速NOA领航 | 高速、城市快速路 | 驾驶员 |
L2+++ | 全场景辅助 | 高速+城市道路NOA领航 | 全常规道路 | 驾驶员 |
L3 | 有条件自动驾驶 | 场景内全程自动驾驶 | 限定封闭道路 | 系统+驾驶员 |
L4 | 高度自动驾驶 | 限定区域无需人工接管 | 园区、专属示范区 | 运营方/车企 |
L5 | 完全自动驾驶 | 全场景无限制自动驾驶 | 所有道路场景 | 运营方/车企 |
自动驾驶汽车的优势与不足
汽车自动化为社会带来了以下福祉:
人们在交通拥堵时段通勤时不会感到烦躁,并能在长时间行驶中处理其他事务;
自动驾驶汽车的预测能力更高,撞车事故更少;
以最佳速度行驶,减少了交通堵塞;
人为错误、分散注意力和疲劳驾驶减少,因此提高了高速公路上的驾驶速度和安全性;
为残障人士提高了交通便利性;
自动驾驶可以通过减少交通流量来降低碳排放,如果与电动汽车(EV)相结合,效果会更好;
更大规模的制造降低了成本,这不仅有助于生产成本更低的汽车,而且还可创造新的经济市场。
但其也有一些潜在的不足之处:
技术极为复杂的系统需要大量数据,因为软件中的一个小错误就可能会导致事故;
严格的测试要求会导致高昂的生产成本;
基于云的软件可能会受到黑客干扰;
需要稳健的通信网络实时处理大量数据。
