- 手机：
- 13564805630
- 电话：
- 021-57708796
- 邮箱：
- 838717855@qq.com
- 地址：
- 上海市奉贤区民乐路88号3幢110室
所以可以称这一规定为新规，虽然已经生效了近一年，其实还没有厂家和车辆有资格违反它。
为了进一步增加准确性，我们看下权威的自动驾驶分级的标准GB/T 40429-2021的原文描述。
特别说明，国家其实不存在说L2+,L2++这些分级，这些事企业为了市场营销的一些宣传概念而已。
L2自动驾驶，驾驶员要监管自动驾驶系统的运行。L3自动驾驶，驾驶员就退化为后援用户了。什么是后援用户，原文也解释清楚：
因为即使AD系统给了驾驶员10s缓冲时间，但是客观环境可能不允许这宝贵的10s。比如行驶中的坠物砸车，比如鬼探头，比如视线盲区，都是要极力避免的。
其实笔者步行经过立交桥，就看到有人有意或者无意地把半空的饮料瓶放在立交桥正中间的护栏上，下方就是川流不息的车流。这样做的人可能是美剧的情节看多了，要利用自然随机力来作恶。
一阵风来，或者后面的人不小心碰到，就可以吹掉碰掉塑料瓶砸向下方车辆，司机吓一跳可能就是事故，因为车流非常密集，几乎没有躲避空间。而且很难抓住作恶的人，人早跑了。所以笔者在手上套上塑料袋，小心把瓶子取下来丢到了垃圾桶。
自动驾驶系统（尤其是L2-L4级）有明确的功能设计边界，超出边界时会触发接管，包括：
ODD是系统预设的安全运行范围，涵盖路况、天气、时间、地理区域等。例如：道路类型：从高速公路（L2/L3常见ODD）驶入未mapping的城市小路、非铺装路面（如土路、砂石路）。
天气条件：暴雨、大雪导致摄像头/激光雷达视野严重受阻（能见度低于系统阈值，如50米），或强逆光、强光直射导致传感器失效。
地理限制：驶出高精度地图覆盖区域（如偏远山区、国外未mapping区域）。
系统对突发或复杂动态事件的处理能力不足时，会请求接管，例如：突发交通冲突：如其他车辆严重违规（连续实线变道、逆行）、行人突然闯入（鬼探头）且系统预测无法通过制动/避让避免碰撞。
复杂交互场景：多车同时加塞、交叉路口无信号灯且多方抢行、动物突然横穿道路（如鹿、狗）等系统未训练过的低概率高风险事件。
极端交通参与者行为：如车辆突然停车、骑行者蛇形行驶、儿童在车道内玩耍等。
传感器故障，摄像头、激光雷达、毫米波雷达、GPS等关键传感器出现故障或数据异常，例如：激光雷达点云丢失（如被遮挡、硬件损坏）、摄像头镜头被污渍/雨水覆盖导致图像失效。
GPS信号丢失且无法通过IMU（惯性测量单元）持续定位（如进入隧道、高楼峡谷且超过系统容错时间）。
计算单元异常，域控制器、芯片算力不足或出现错误，例如：处理器负载过高（如同时处理大量动态目标，算力占比超过90%）导致决策延迟。
软件算法异常（如定位漂移、路径规划失败、控制指令冲突），系统自检到逻辑错误。
执行器故障，车辆执行系统（转向、制动、动力）出现偏差，例如：制动响应延迟超过阈值（如系统请求减速但实际减速度不足30%）。
当系统预测到潜在碰撞风险，且自身无法通过制动、避让等操作完全消除时，会触发接管，例如：
碰撞风险无法化解：系统通过传感器预测到与前方车辆、行人、障碍物的碰撞时间（TTC）低于安全阈值（如1.5秒），且计算发现即使全力制动也无法避免碰撞（如相对速度过高、距离过近）。
冗余系统失效：高等级自动驾驶（L3+）依赖多冗余设计（如双激光雷达、双域控制器），若关键冗余部件同时失效（如主雷达+备用雷达均故障），系统安全冗余不足，触发接管。
交通规则冲突：系统面临“规则困境”且无最优解时，例如：前方突发事故，按规则停车会被后车追尾，变道避让会压实线，系统无法决策时请求人类判断。
L2级系统要求驾驶员全程监控（如特斯拉Autopilot），若系统通过方向盘扭矩传感器、驾驶员监控系统（DMS）检测到驾驶员双手离开方向盘超过阈值（如15秒），且多次提醒后仍未接管，会逐步降速并触发接管。
驾驶员通过操作（如踩刹车、转动方向盘、按退出按钮）强制退出自动驾驶模式，系统直接移交控制权（严格来说不算“触发接管”，但属于控制权切换）。
紧急车辆避让，部分地区法规要求，当检测到救护车、消防车等紧急车辆鸣笛或闪灯时，系统若无法完成合规避让（如快速靠边），需触发接管由人类操作。
驶入事故区域（如前方有追尾车辆、交警指挥交通），系统无法识别指挥手势或绕行路径时，请求接管。
系统触发接管时，会通过视觉（仪表盘提示）、听觉（蜂鸣/语音）、触觉（方向盘震动、座椅震动）多模态提醒，同时预留接管时间窗口（L3级通常为5-10秒，L2级更短）。
若驾驶员未在窗口期内接管，系统会执行“最小风险策略”（如逐步减速至停车、开启双闪），确保车辆处于相对安全状态。
从以上触发接管的条件来看，“越是紧急的时候，越需要自动驾驶来保护人的时候”，自动驾驶越是把危机丢给人类驾驶员。比如，行人突然闯入（鬼探头）且系统预测无法通过制动/避让避免碰撞。快如闪电的机器都不知道怎么办了，让完全没有心理准备的人来接手，结果只会更糟糕。
如何破局？办法就是场景判断，判断某些场景不适合自动驾驶，根本就不让驾驶员打开自动驾驶。
激光雷达信噪比骤降（如大雨衰减率50dB/km）、摄像头能见度30米
车道线识别置信度0.5，或高精地图定位偏差1.5米（如无标线乡村道路）
以上场景仅仅是简单举例，随着AI算法的发展，还可以细分更多具体场景。比如，路边大量停车的路段，由于遮挡视线，容易出现突然的行人或者自行车。比如，紧跟在载货重卡或者危化品车辆后面或前面，禁止自动驾驶等。
路上开车远离重卡或者危化品车，几乎是司机们的共识，特别是家庭出行时。笔者曾经供职于国内头部重卡企业，站在研发楼上看试验车在楼下轰隆隆地跑圈测试。十几吨的车头加上几十吨的配重，和重型坦克相差无几。重卡的发动机功率在400-600马力之间。例如，JH6 卓越版重型卡车，其发动机功率为 460 马力。
可能读者对这个没什么直观概念，对比一下，二战苏联的T-34坦克采用B-2型四冲程V12缸水冷柴油发动机，功率为500马力。大名鼎鼎的德国虎式重型坦克，早期型号使用迈巴赫HL210P30汽油发动机，功率为650马力；后期型号换装迈巴赫HL230P45汽油发动机，功率提升到700马力。
而在一贯以技术保守著称的老欧洲，不是判断哪些场景不能用自动驾驶，而是决定只有那些场景能用自动驾驶。
比如，联合国欧洲经委会的条款规定，L3系统的激活的条件为：车辆应位于禁止行人和骑自行车者行驶的道路上；其次，该道路上设有物理分隔物，用于分隔沿相反方向行驶的车流（单车道）。这种这么理想的场景可能极为有限。
即使有可用场景判定，来防止自动驾驶临时丢包袱给没有准备的司机，用户其实还是不满意的。
不满意在于，我们是希望机器和算法帮我们解决最难最累的问题，而人类变轻松去解决次要小问题，这样才是真正解放了人类。
而不是让机器敲边鼓，最难啃的骨头还是人类自己来。现在成了最难的场景是自动驾驶甩手提前10s丢给人类。
不幸的是，几乎任何工具发明出来时，由于种种技术限制和社会竞争原因，本来意图是解放人类于繁重劳动，最终结果却是人更累了，这些工具不仅没有为人类解决最难最艰深的问题，还创造出了更多多原来没有的艰难问题。
“安迪”指英特尔前CEO安迪・格鲁夫，“比尔”指微软前任CEO比尔・盖茨。该定律的含义是，硬件提高的性能，很快会被软件消耗掉。
在过去，英特尔处理器的速度每十八个月翻一番，计算机内存和硬盘的容量也以更快的速度增长。然而，微软的操作系统等应用软件却越来越慢，体积也越来越大。所以，尽管现在的计算机比十年前快了很多，但运行软件的感觉却和以前差不多。而且，过去整个视窗操作系统不过十几兆大小，现在则要几千兆，应用软件也是如此。
也就是说，技术进步所节省出来的任何东西，又被技术进步吞噬殆尽，目前AI工具和自动驾驶也有这个趋势。
