智能駕駛賽道的競爭越來越激烈，參與的玩家越來越多：主機廠在爭取全棧自研，傳統(tǒng)Tier 1在加大投入，互聯(lián)網(wǎng)與科技公司紛紛入局，甚至傳統(tǒng)的一些代工廠和消費電子廠商，也在布局智能駕駛業(yè)務?！霸絹碓骄怼?，是今年智能駕駛業(yè)內人士的共同感慨。
在激烈的競爭中，有的玩家利用先發(fā)優(yōu)勢，始終保持領頭羊的地位；有的玩家厚積薄發(fā)，形成了自己的一套特色方案；但更多的玩家，在汽車智能化的浪潮中起起伏伏，始終難以拿出具有競爭力的智能駕駛產品，無法在市場中占據(jù)一席之地。
誠然，決定一家公司產品實力的因素中，資金實力、技術實力、公司規(guī)模等，是不可忽視的重要因素，但筆者認為，對于智能駕駛來說，系統(tǒng)性的思維方式，是決定產品能否持續(xù)贏得市場的關鍵，也是區(qū)分一家公司是“正規(guī)軍”還是“雜牌軍”的重要標志。
本文將從智能駕駛整體內容出發(fā)，通過功能場景、軟硬件開發(fā)、測試、安全等方面的案例，展開說明系統(tǒng)性思維對于智能駕駛的重要意義，以及如何在智能駕駛的開發(fā)過程中，貫徹系統(tǒng)性思維。
02 什么是智能駕駛的系統(tǒng)性思維
在回答“什么是智能駕駛的系統(tǒng)性思維”之前，我們先看一段對話——
A：“你們公司的智能駕駛，都有哪些功能？”
B：“自適應巡航（ACC）、車道保持(LKA)、自動泊車、自動變道、AEB、前向碰撞預警、盲區(qū)監(jiān)測，還有一些其他的L2級功能，一共有20多種?！?/span>
A：“我看功能清單里沒有交通擁堵輔助功能，這個能做嗎？”
B：“目前沒有，但是我們可以后續(xù)升級?！?/span>
然后，就沒有后續(xù)了。
實際上，上面對話中A提到的交通擁堵輔助（TJA），就是低速場景中ACC與LKA功能的結合，既然B公司已經開發(fā)出了ACC與LKA功能，那么實際上當兩項功能同時開啟時，就可以實現(xiàn)堵車場景的TJA功能。
因為意識不到“通擁堵輔助功能其實已經有了，只是沒有明確提出而已”，B白白丟錯過了一個本來有可能拿下的訂單機會。
那么，B為何會“回答不恰當”呢？
因為，他沒有系統(tǒng)性思維。
所謂系統(tǒng)性思維，是一種從全局出發(fā)的結構化思維方式，通過將一件事物看成一套整體的系統(tǒng)，并研究系統(tǒng)中的各項元素及其相互間的作用和關聯(lián)，讓事物體系化、結構化，成為強邏輯性的有序系統(tǒng)。
系統(tǒng)性思維有如下特點：
（1）著眼于系統(tǒng)全局，而不是單個因素。系統(tǒng)性思維方式在分析問題時，會從系統(tǒng)全局出發(fā)，找到與問題相關的所有因素，并分析各因素對問題的影響機制和程度，然后提出全局化的解決方法，避免以偏概全。
（2）層次分明，邏輯清晰。系統(tǒng)性思維作為一種結構化思維方式，注重系統(tǒng)的層次和邏輯，在系統(tǒng)化思維方式中，系統(tǒng)是分層的，并且系統(tǒng)的各因素之間，存在包含、并列、因果等邏輯清晰的關聯(lián)，一定是可解釋和可復現(xiàn)的。
（3）注重迭代與閉環(huán)。系統(tǒng)性思維是一種閉環(huán)思維和迭代思維，不會通過某一次的個別現(xiàn)象就做出判斷得出結論，而是有一個觀察、分析、論證、確認和優(yōu)化的閉環(huán)過程，并在優(yōu)化過程中，完成對系統(tǒng)的迭代升級。
智能駕駛作為人工智能與汽車工程相結合的學科，所涉及的知識非常豐富，覆蓋的內容也相當廣泛，是多學科交叉融合的典型代表：計算機視覺、機器學習、人機工程、車輛動力學、汽車設計等等。如此多的知識內容，想要集成在智能駕駛中，以產品的形式呈現(xiàn)給用戶，必然需要有系統(tǒng)性思維，從面到線、從線到點、從整體到局部地去思考和應用，否則難免出現(xiàn)考慮不周、缺失、重復等現(xiàn)象。
例如，在看待智能駕駛時，非系統(tǒng)性思維的認知是：
智能駕駛就是在車上加點傳感器，加個芯片，再把對應的算法做出來，我們去選一款攝像頭，再選個差不多的雷達，去和英偉達/地平線/黑芝麻談談合作，再找有經驗的人開發(fā)一套算法，就差不多了。
我們常聽到傳統(tǒng)主機廠的人認為“智能駕駛和之前的電子系統(tǒng)差不多，只是加了一堆傳感器，用了更高算力的芯片而已”；也常聽到消費電子行業(yè)的人認為“做智能駕駛和做手機差不多，無非是把手機變成車載控制器而已”。這些認知都是因為缺乏對智能駕駛的系統(tǒng)性思考，只看到局部，看不到整體。
如果是系統(tǒng)性思維，就會有這樣的認知：
智能駕駛的應用場景是用戶出行場景，首先我們應該看看用戶出行場景都有哪些，做好分類，再根據(jù)不同的出行場景，會調研用戶到底需要什么樣的功能，應該做到什么程度；
為了實現(xiàn)這些功能，需要什么樣的硬件，需要什么樣的軟件算法；
如何測試和驗證產品效果，保證安全性和可靠性。
并且會思考：
智能駕駛系統(tǒng)與汽車的其他模塊有哪些關聯(lián)？
如果出現(xiàn)沖突，優(yōu)先級如何考慮？
智能駕駛與車聯(lián)網(wǎng)可能會存在哪些交互，是否可能利用車聯(lián)網(wǎng)的數(shù)據(jù)，做出更好的效果？
如今市場上的各種傳感器真的是必須的嗎？
什么情況下需要做安全冗余，做到何種程度？
CNCAP對AEB的測試場景，能夠滿足用戶日常出行的安全需求嗎？
可見，思維方式的不同，會導致認知的不同，進而影響智能駕駛的開發(fā)方法不同，以及產品的效果不同，最終體現(xiàn)就是市場的反饋不同。
用系統(tǒng)性思維開發(fā)智能駕駛，會讓智能駕駛成為一套系統(tǒng)，呈現(xiàn)出體系化、結構化的特點，并且智能駕駛各項要素之間，會存在邏輯關系和關聯(lián)關系。
03 功能與場景是一套體系
從用戶層面來看，智能駕駛包含多樣化的應用場景和多種功能，例如應用于車道內行駛場景的自適應巡航ACC功能和車道居中LCC功能，應用于變道場景的自動變道功能，應用于堵車場景的交通擁堵輔助TJA功能，應用于高速公路場景的高速領航駕駛NOA功能，應用于停車場景的自動泊車APA等等。
功能與場景作為智能駕駛直接呈現(xiàn)給用戶的內容，不是單獨存在的，而是一套完整的系統(tǒng)，可以根據(jù)特定的分類標準，分成不同的類別，再結合各項功能之間的關聯(lián)，形成一套場景與功能體系。
04 硬件與軟件是一個整體
從整車架構來看，智能駕駛是始終作為其中的一個模塊、或者說一個域存在的；智能駕駛相關的所有硬件與軟件，最終都是為了讓智能駕駛的效果達到預期，因此，智能駕駛的各類硬件與軟件，也不是獨立的，而是存在內在關聯(lián)，應該整體布局，用系統(tǒng)性思維去開發(fā)。
智能駕駛包含豐富的硬件配置和多種軟件算法。硬件有各種傳感器如攝像頭、激光雷達、毫米波雷達、超聲波雷達，以及多種芯片如SoC芯片、MCU芯片等，另外地圖和高精定位裝置，也可以看作廣義的傳感器；軟件有操作系統(tǒng)、中間件、以及各種算法如BEV視覺感知算法、PID控制算法等，并可以封裝成特定的功能算法如ACC算法、APA算法等。
如果用非系統(tǒng)性思維來設計5R1V的硬件方案，可能是這樣的：
“攝像頭精度要高，選個8M像素的；毫米波雷達只是輔助，選個市場主流的就可以；SoC芯片用國產化方案，地平線的就可以，J2和J3算力相差不大，用低成本方案J2就可以了?！?/span>
然后被告知J2芯片不適合處理8M像素攝像頭的數(shù)據(jù)，方案被推翻重來。
如果具備系統(tǒng)性思維，則會這樣考慮：
“5R1V最主要的是前向感知，比較一下我們現(xiàn)有的感知算法，應用于2M攝像頭、5M攝像頭和8M攝像頭，效果相差有多大？”
“看來效果存在明顯差別，還是需要用8M攝像頭。處理8M攝像頭的數(shù)據(jù)需要多大AI算力？看看目前市場上有哪些合適的選擇？看起來地平線J3比較合適，有成熟案例，國產方案成本也有優(yōu)勢?！?/span>
“我們現(xiàn)在的視覺算法能不能實現(xiàn)測距？測距的精度怎么樣？前向測距對前向毫米波雷達的依賴程度如何？看來要和算法一起評估一下是否有必要選高性能的前向毫米波雷達。”
“有些功能是單獨依賴角毫米波雷達的，比如盲區(qū)監(jiān)測，因此，角雷達要選性能高一些的?！?/span>
這樣，5R1V方案中的每一個硬件需求和選型，都有理有據(jù)，并且等達到整體的統(tǒng)一，能夠形成一套完整的系統(tǒng)，而不是單獨存在的5個雷達+1個攝像頭+1個芯片。
在設計軟件方案時，由于軟件算法的邏輯和參數(shù)，能直接體現(xiàn)在功能和性能層面，因此更需要系統(tǒng)性思維。
以典型的Corner Case Cut-In為例：當車輛在車道內激活ACC時，如果前方出現(xiàn)緊急Cut-In，那么自車應該及時減速。產生的問題是：減速度應該是多大？如果情況過于緊急，達到觸發(fā)AEB的要求，此時AEB與ACC之間的交互應該是怎么樣的？ESC輸出的制動力應該如何變化？
如果缺乏系統(tǒng)性思維，可能根本不會意識到這些問題，只是將ACC和AEB作為2個單獨的算法模塊來開發(fā)，直到問題暴露。
如果具備系統(tǒng)性思維，則在一開始就會定義好Cut-In場景觸發(fā)AEB時，ACC的功能狀態(tài)和AEB介入的時機，以及兩者對制動力的詳細控制邏輯，實現(xiàn)制動力的平穩(wěn)過渡，同時達到安全和舒適的效果。
系統(tǒng)性思維應用于軟件方案開發(fā)的另一個典型案例是智能駕駛各項功能的開關設計。
嚴格地說，功能開關設置屬于人機交互，也就是智能座艙的開發(fā)內容，但座艙中跟智能駕駛功能相關的開關設置，通常也需要智能駕駛的開發(fā)人員參與。
在早期的汽車機械化和電氣化時代，智能駕駛功能很少，ACC已經算是比較先進的功能，所以通常不會系統(tǒng)性地設計智能駕駛功能開關，常規(guī)做法是有一項功能，就加一個開關項。
如今智能駕駛的功能多達30多種，如果仍按照之前的思路，那么可能會存在30多個開關選項，這種情況在寸土寸金的車載屏幕中，顯然是不被允許的。此時就需要系統(tǒng)性思維，從全局思考如何設計智能駕駛各種功能的開關：
對于法規(guī)強制要求的功能，可以默認常開，無需開關；對于同類型功能，可以統(tǒng)一成一個一級開關，然后通過一級開關，彈出二級開關，例如將FCW與AEB統(tǒng)一為前向安全功能；對于存在包含關系的功能，分為兩級開關，例如NOA功能開關下設置自主變道功能的開關；對于用戶大概率不會更改設置的功能，可以隱藏，只保留一個統(tǒng)一入口供用戶做個性化設置。如圖1所示。
a） 同類型功能開關
b） 包含關系的功能開關
圖1 功能開關示例
按照這種系統(tǒng)性地做法，智能駕駛的功能開關將得到極大簡化，并且最大程度地考慮到用戶使用的頻率和場景。對于開發(fā)來說，開關信號邏輯也更加清晰，不會產生多個功能的開關信號優(yōu)先級沖突的情況。
05 測試應該全面覆蓋
經常在發(fā)布會上聽到這類宣傳語：“我們的智能駕駛目前行業(yè)領先，全國領先，能夠達到XX公里零接管，已經超越了特斯拉?！贝藭r我們的疑問是：XX公里零接管的場景和工況是什么？能夠覆蓋哪些路段？零接管是在臺架測試階段的仿真結果，還是實車路試結果？所謂的超越特斯拉，是哪些場景下的哪些參數(shù)或者性能表現(xiàn)超越，還是說所有指標都超越？
遺憾的是，目前沒有人能夠系統(tǒng)地回答這些問題，一種可能的情況是：這些玩家在高調宣傳的同時，自己其實并沒有非常系統(tǒng)地去完成測試與驗證工作，也缺乏系統(tǒng)性的思考：在什么階段，應該測什么內容？測試用例應該怎么編寫，才能保證測試過程不重復、不遺漏？需要多少測試數(shù)據(jù)，才能確保測試結果的可靠性？
需要經過系統(tǒng)化的全面測試與驗證，在不同階段，從不同維度去全方位地驗證產品的效果，才能保證讓用戶滿意，并且符合法規(guī)和標準要求。
智能駕駛作為涉及到安全、可靠、舒適等多個評價維度的復雜產品，通常需要經過軟件單元測試、軟件在環(huán)測試（Software-In-Loop，SIL）、硬件在環(huán)測試（Hardware-In-Loop，HIL，通常也可稱為臺架測試）、實車場地測試、實車道路測試、法規(guī)認證等多個測試環(huán)節(jié)，從軟件層、系統(tǒng)層、整車層等多個層面，逐一驗證，以便及時發(fā)現(xiàn)問題，及時調整優(yōu)化。并且，在產品驗證過程中，應該有一套系統(tǒng)化的測試大綱和全面的測試用例，實現(xiàn)對智能駕駛產品的系統(tǒng)、全面測試。
智能駕駛的測試應該是系統(tǒng)而完整的，應該覆蓋所有可能的場景，并且對產品性能的測試應該具有統(tǒng)計學意義，而不是僅通過個別幾次的測試結果，就對產品性能得出結論。
如果采用系統(tǒng)性思維，首先列出一套智能駕駛產品的所有應用場景和功能，以及各項功能的性能要求；然后根據(jù)不同階段的測試邊界能力，安排不同的測試任務；最后再根據(jù)產品和系統(tǒng)需求，以功能為單元，從全局考慮，編寫測試用例，形成測試方案，測試用例應該注意合理性和可復現(xiàn)。
以系統(tǒng)性思維下的自動泊車功能實車測試為例，自動泊車分為檢測車位和泊入車位2個過程，有時還會有泊出車位的效果，那么自動泊車的測試就應該按檢測車位、泊入車位、泊出車位的過程，分別開展。
測試檢測車位效果時，主要測試的是檢測成功率，應該將目前所有常見的車位類型都列入測試用例，例如標線車位的標線有全封閉、半封閉、開口、角點等類型，空間車位的參照物有其他車輛和各種障礙物等，更詳細的車位類型介紹，可參考九章智駕之前的文章《特斯拉、小鵬、蔚來的自動泊車產品測評》。然后根據(jù)不同的車位類型，分別多次測試自動泊車的檢測效果，并分別統(tǒng)計各類車位的檢測成功率。
需要注意的是，成功率應該具有統(tǒng)計學意義，不能僅僅以某幾次的測試結果去計算成功率，而是至少測試100次以上，才能得出具有統(tǒng)計學意義的結論。
另外，還要考慮天氣和光照的影響，也作為測試用例的一部分。
對于泊入車位和泊出車位的測試，應該列出所有需要測試的參數(shù)，例如成功率、用時、揉庫次數(shù)、泊車空間要求、平穩(wěn)性等等。一方面，應該針對各項參數(shù)，有針對性地制定測試用例；另一方面，測試結果也應該具有統(tǒng)計學意義，例如測試得出的泊車用時，不應該是某一次泊車所用的時間，而應該是多次泊車用時的均值。
06 安全應該全方位
對于安全的片面認知，是目前很多玩家缺乏系統(tǒng)性思維的典型代表。
曾聽不止一位同行說：“我們的智能駕駛功能肯定是安全的，因為通過了CNCAP的認證?！鄙踔谅牭竭^有些非汽車行業(yè)出身的高層建議：“反正都是SoC，我們也未必要用英偉達/地平線，用XX芯片（某消費級芯片）應該也可以，只要過了認證就行，你們產品和研發(fā)一起評估一下?！?/span>
對基于這種認知下所開發(fā)出的智能駕駛產品，我們的建議是：為了自身安全，碰都不要碰。
安全，作為智能駕駛區(qū)別于AI在其他行業(yè)應用的一項關鍵特性，也需要系統(tǒng)性地考慮。
從目前來說，交通法規(guī)、NCAP、功能安全、預期功能安全等，已經從多個方面對智能駕駛的安全性提出了要求；另外，用戶使用智能駕駛時的安全感受，也是安全性的一部分，這些應該在智能駕駛開發(fā)時綜合考慮，并分解到相應的功能需求和軟、硬件模塊中。
目前有很多法規(guī)和標準，對智能駕駛的安全性提出了要求，耳熟能詳?shù)挠蠳CAP標準、ISO26262功能安全標準、ISO21448預期功能安全標準等等，以及容易被工程師，尤其是缺乏駕駛經驗的工程師所忽略的《道路交通安全法》。另外，智能駕駛作為車載模塊，也應該嚴格遵守車規(guī)級的要求。
圖2 智能駕駛安全法規(guī)示例
因此，從系統(tǒng)性思維出發(fā)，智能駕駛的安全，需要從各個維度綜合考慮，并且分解、落實到開發(fā)的相關內容和目標中，而不僅僅是通過了某項認證、達到某個分數(shù)，就認為安全已經做好了。
07結語
以上，就是我們對智能駕駛的系統(tǒng)性思維的解讀，并從智能駕駛涉及的主要內容，通過案例講述如何在智能駕駛產品開發(fā)中，貫徹系統(tǒng)性思維。除了本文列舉的案例外，智能駕駛與整車其他模塊的交互、智能駕駛的開發(fā)流程等，也應該貫徹系統(tǒng)性思維。
可以說，系統(tǒng)性思維作為一種結構化的全局思維方式，對于智能駕駛這類復雜系統(tǒng)工程，是非常適用且必要的。對于長期主義的玩家來說，長久且穩(wěn)定地保持智能駕駛產品競爭力和市場份額，一定是系統(tǒng)性思維主導開發(fā)的結果；并且，系統(tǒng)性思維，也是一家“正規(guī)軍”區(qū)別于“雜牌軍”的重要標志。
轉自九章智駕
