自動駕駛的敏捷項目管理

儲謙

[摘 要] 隨著自動駕駛技術的不斷發展，傳統的項目管理和系統工程方法逐漸不能很好地應用于人工智能和軟硬件結合的超快迭代節奏，那么探索基于敏捷開發的項目管理和系統工程，尤其是針對于自動駕駛領域的研究，便越發地重要和不可忽視。

[關鍵詞] 敏捷開發；項目管理；人工智能；系統工程；自動駕駛

中圖分類號：U463.6 文獻標識碼：A

卡車司機的短缺以及物流行業的持續增長已經成為世界性的話題。根據美國卡車運輸協會的數據，運輸業的司機人數缺口達到6.3萬人，并且這個數字還在持續上升。通過自動駕駛技術可能帶來的商業價值不可估量，這也促成了大量新興創業公司與老牌汽車行業的聯合。這場大融合將面臨一個巨大的挑戰，那就是傳統的車企和新興人工智能的項目管理方法的碰撞和探索。

一、自動駕駛行業與傳統軟件開發和傳統車企的區別

（一）自動駕駛與一般軟件開發的區別

自動駕駛系統是當前各類新興技術的大集合，一般由感知識別、定位、高精地圖、控制、路徑規劃、車輛硬件等核心模塊構成，這幾乎注定了自動駕駛系統上項目管理的復雜性。在系統的前沿性上自動駕駛系統往往也是大幅領先，在其核心模塊中，各式各樣的算法如深度學習、機器學習、機器人控制技術等也是一直在探索現代科技的盡頭，這直接導致了相當多的內嵌算法項目無法給出明確的預期。更多的新興人工智能創業公司往往都是從實驗室發展到產品化，前期的各類實驗性質的項目跟相對明確的軟件工程項目比起來，更加不可控[1]。

安全是所有自動駕駛系統的最高優先級。由于自動駕駛系統的應用場景多半復雜且涉及到一系列的跟人類的交互，這讓自動駕駛的項目管理對于安全的把控至關重要。尤其是對于高等級的自動駕駛系統，這一特性更加明顯[2]。

（二）自動駕駛與傳統車企的區別

現在越來越多的傳統車企也在嘗試和探索自動駕駛系統的開發和應用，但是傳統車企往往采取瀑布型的項目管理，這會極大地拉長一個開發周期，瀑布型的項目管理常應用于車輛生產和硬件開發，一個產品周期有時會需要以年計。自動駕駛系統由于其自帶的人工智能屬性，其對于迭代速度和效率的要求高的驚人。在一個快節奏的人工智能或者自動駕駛公司，一個迭代周期可能需要壓縮到以星期計算以便及時調整產品和項目策略，并且快速拿到實驗性質項目的結論[3]。

（三）自動駕駛項目管理的重要性

以上，自動駕駛系統的開發既不能照搬照抄傳統保守的瀑布式開發，也無法直接應用被目前軟件工程廣泛認可的敏捷開發。這使得探索針對于這類復雜系統的工程管理方案變得非常重要，也不可避免。

二、自動駕駛項目管理的痛點

（一）軟件迭代速度和系統復雜度的博弈

正如上文所說，自動駕駛系統對于迭代速度的要求是非常高的，在如此快節奏的迭代需求和如此復雜的系統框架下，工程管理人員無疑任務繁重的。在以星期為衡量單位的迭代周期中，自動駕駛系統一直會面對新的模塊與舊的模塊無法兼容，或者舊的模塊需要一直跟著新的迭代調整自己以達到兼容，這會讓模塊與模塊之間的依賴變得更加復雜。如果以兩周為一個迭代周期來看，每次可能會更新至少10個子模塊的內容，然后這10個子模塊又是分別平行開發的，這會導致需要大量的時間來完成10個更新的兼容性考察和改進。

（二）軟硬件的集成

自動駕駛系統有一個至關重要的依托和平臺，那就是車輛。本身車輛工程和人工智能就是兩個南轅北轍的學科，在自動駕駛平臺上需要完成大融合。一個不理解車輛功能和功能實現的項目經理往往不能很好地把握自動駕駛項目。在自動駕駛中，控制就是一個強依賴于車輛的模塊，每一輛車的轉向桿和轉向器在給到固定信號都有可能在實際駕駛中出現細微的區別，這些誤差都會在駕駛活動中持續累積。這使得軟件和硬件之間的接口設計要求非常高，并且在軟件的迭代中需要充分地考慮到硬件的特性，在保證系統和平臺的穩定性下還要加上對于整體產品穩定性的了解和分析，在實踐中是非常難的。

（三）功能安全的應用

功能安全一直是自動駕駛的熱門話題，這其中不乏對于ISO26262或者SOTIF如何應用到自動駕駛開發中的探討。功能安全肯定是自動駕駛系統商業化不可避免的路徑，可是功能安全的整體流程繁多，各類測試如果都想要達標耗時耗力，其中功能安全基本的V-型開發原則，要求開發者能夠在系統的每一個發布和迭代階段都能層層遞進并且測試，在現在自動駕駛系統的原型工程階段，是一個天價的應用。

（四）長尾問題

眾所周知的自動駕駛，尤其是高級自動駕駛系統一定會面對的問題，那就是駕駛活動的長尾問題。人類駕駛員能夠在各種各樣的開放環境下進行駕駛活動，是因為人類駕駛員從出生就一直是一個巨大的學習機器，所以能夠在復雜并且稀少的場景下進行推斷和交互。自動駕駛系統想要做到這個程度還非常遠，舉一個例子，把中國的司機帶去美國公路上，也可以靠“猜”明白個大概，可是機器人不一樣，機器人對于自己沒有見過和處理過的場景是很難理解的。當人類駕駛員看到對面的車慢慢停下來并且對方駕駛員做出了揮手的動作還打了一個遠光燈想要引起你的注意，就能夠反應過來這是對方希望禮讓，試想一下自動駕駛系統需要學習多少的知識才能領悟這幾個動作組成的含義。

（五）大數據的分析和決策

基于長尾問題，想要在開放環境中應用的自動駕駛系統不得不面對一個問題，那就是大數據的分析和基于大數據的決策。面對人類駕駛行為的海量數據，怎么能夠有效地獲得數據，怎么能夠消化這些數據以及如何根據這些數據來決策，是每一個自動駕駛項目經理頭疼的問題。

三、在自動駕駛下項目管理的路徑

（一）認清冗余流程的不必要性

那么作為自動駕駛系統的項目經理，一味地照搬照抄現有的開發和測試流程是遠遠不夠的，關鍵是需要能夠為你的流程找到價值和性價比。在項目管理中，對于項目管理的思路本身也需要有迭代的概念，很多冗余或者當前資源不能支撐的流程，應該給予適當地修正甚至刪除，有時候有一個簡單易懂，并且可以很容易讓別人也能夠接受的流程比一個復雜流程在穩定性和效率上都會好得多。在如此需要優化資源的環境下，凡是流程必須要精簡，要能帶來價值，要能容易推行。

（二）Data-driven的項目管理應用

既然自動駕駛自帶了海量數據，那么以數據來指導開發就變得非常重要。數據的處理需要格外小心，并且需要非常注重數據的結構化，打一個比方，當你對于你的駕駛數據有一個至少30個維度的描述的時候，很可能大部分的駕駛活動都可以通過這30個維度來進行檢索和分析從而形成非常有價值的結論。這里面需要關注長尾問題，但是在自動駕駛項目的原型階段，長尾問題的發現比解決更為關鍵。

（三）固定運行域

固定一個相對窄的運行域是一個能夠加快自動駕駛落地的思路。如果能夠發掘到相對封閉的運行域，并且有一定的商業價值，能夠在很大程度上減小系統的復雜性。這只是一方面，最重要的是，長尾問題的減少和測試成本的減少，這才是在原型階段的自動駕駛系統最大的成本所在。這個思路已經被很多的公司所應用，目前能看到大量的自動駕駛公司選擇固定運行域，比如港口，礦區，醫院或者園區等。

（四）完善風險機制

功能安全和風險評估是自動駕駛系統不可避免的路徑，建立和完善測試和運營的風險控制機制是非常重要的，這其中包括了操作員接管的嚴重性和可控性評估，離線測試用例以及測試標準的搭建，內部卡法測試流程的完善甚至操作員的教育和訓練。建立起一套好的風險機制能夠極大程度上讓一些前期的問題及時被發現，也能讓發現緊急事項的同時能夠有效地轉換成低風險的事件。

四、結語

自動駕駛作為復雜系統和人工智能的代表，其商業化一直是所有人關注的熱點。項目管理在自動駕駛系統開發上的應用非常重要，傳統車廠和新興的自動駕駛公司必然會碰撞出前所未有的火花。

參考文獻：

[1]石彩云.一人駕駛兩輛卡車[J].經營者（汽車商業評論），2019（09）：1.

[2]科技司.《汽車駕駛自動化分級》推薦性國家標準報批公示[EB/OL].http：//www.miit.gov.cn/n1146295/n7281310/c7797393/ content.html，2020-03-09.

[3]北京百度網訊科技有限公司.自動駕駛安全第一白皮書[Z].北京：北京百度網訊科技有限公司，2019.