“美國公布的指南很清楚，每年美國有2.5萬人死于交通事故，95%是由于駕駛者的操作不當召開的，現在急需一個機器人來開車。”日前，新能源汽車國家大數據聯盟主辦的2017年會在京舉辦，中國工程院院士、中國汽車工程學會理事長李駿在發言中提出。

中國工程院院士、中國汽車工程學會理事長李駿

而且在李駿看來，無人駕駛汽車成為大趨勢的前提下，傳統汽車研發的方式需要變革。

“原來是生物人在駕駛汽車，智能汽車是需要機器人駕駛。”李駿說，“生物人是通過生物人自己的眼睛、大腦、手腳的并行進行操控，這是一個完整數據化的過程。”但是對于一個機器人來說，這套數據化系統卻難以適用。

此外，傳統汽車研發過程的數字化也不夠。傳統汽車的研發系統需要變革，原來的系統考慮的最重要就是相關交通場景，而現在這些交通場景必須要進行數字化。

“對于自動駕駛車來說，需要機器識別，這個機器的識別是隨機性的，跟人腦的聰明不一樣。”李駿說，“對于機器來說，它也不像幾歲的孩子，發揮是隨機的，所以它以無邊界限制的產品為驗證假設。這個挑戰是核心問題，所以ICV（智能網聯汽車）必須具備學習的能力。”

以下是李駿院士演講全文，略經鈦媒體編輯：

非常高興能夠受到新能源大數據聯盟的支持。

我們看到，作為ICV（Intelligent Connected Vehicle，智能網聯汽車）來說，傳統汽車研發的方式需要變革了，原來的研發不完全適用，需要變，這是為什么？

第一，原來是生物人在駕駛，ICV是需要機器人駕駛。生物人是通過生物人自己的眼睛、大腦、手腳的并行進行操控，這是一個完整數據的過程，只是這個完整的數據過程只在生物個體上出現。現在是需要一個機器人，這個機器人的完整數據怎么流通？而且，又該如何證明這個機器駕駛的安全性？

美國公布的指南很清楚，目前每年美國有2.5萬人死于交通事故，95%是由于駕駛者的操作不當造成的。因此，現在急需一個機器人來開車。所以非常重要的是解決機器人的駕駛，解決安全系統。

不過，傳統的汽車測試方法是測試人的駕駛，現在該用什么方法來測試機器？現在國際上沒有，我們也在構思去做一套系統。難題在于，百萬公里以上的數據稍有改變就需要從頭測試，所以傳統的測試方法無法適用，ICV的研發需要新的標準。

第二，自動駕駛汽車的研發按照目前國際上比較公認美國交通運輸部（Unite State Department of Transportation)的指南，有四個重大的內容，是現在沒有的：

1，在機器駕駛過程中的動態駕駛任務，過去我們沒有設計人的駕駛參與；

2，在什么樣的條件下，這個車可以進入無人駕駛狀態，例如你這個車在什么天氣可以進入無人駕駛；

3，你進入無人駕駛狀態（DDT）之后，在整個無人駕駛行駛的過程中，如何判斷已經超出了無人駕駛的模式，從而退出，或者是進入動態駕駛任務（DDTF）支援模式。

4，動態駕駛任務（DDTF）的應急措施，其實就是系統已經判別了需要讓司機接管過去，但如果沒有司機接管，那當感知和判斷系統（OEDR）發現了以后，就需要降低駕駛能力的車速等等。

以上這些都需要新的流程。由此來看就很明顯了，傳統汽車的研發系統需要變革，原來的系統考慮的最重要的就是人相關的交通場景，那現在交通場景必須要變成數據、數字來使用，因為是機器在駕駛，所以要通過定義機器的交通場景進入到開發流程中。

第四，傳統汽車的研發流程和實驗系統需要變革。無論從概念設施到概念平臺，到概念的驗證，到軟件的開發，所有的這些都需要數據進來，同時要有不同的認證，要把交通分成模塊化，進行駕駛評估，所以新的供需鏈就產生了。

最后一個變革就是技術平臺的變革。最近我們在緊鑼密鼓的組建雄安智慧城市、智能服務，就是數據要推送過去。你需要把城市、交通都整成智能的，不能都只是車上是智能的，這個車的范圍太窄。所以我們要建新的交通層、車輛層、系統層、組建層。

下面講一下（車輛）數據的需求。

首先我們要用新的指南，現在還沒有形成標準，形成指南最好的是美國交通運輸部15條，它要求每一個汽車廠商，你設計的產品必須要收集數據。

也就是說，你設計的這個智能汽車且要說明你在什么樣的范圍、光線的程度下、如何進入無人駕駛狀態，如果你不能進入無人駕駛狀態（DDT），還是人在開，就要對美國交通運輸部發布出來，車輛的感知和判斷系統（OEDR）都要進行評審，這樣才能使得客戶感到是買了一輛安全的自動駕駛汽車。

這樣的話，對于每一個任務的數據都要有明確的規定，比如說對于DDT（無人駕駛狀態）數據的需求。而且對于這樣一個數據的需求，在開發過程中如何進行開發任務的確定，使得開發任務中對于這些數據整個定制在無人駕駛器上是明確的。

對于設計運行范圍（ODD），就是判斷你是否可以進入到自動駕駛，那么它也有非常明確的數據需求，而且要建立這個數據庫，從需求側到供給側。你的數據庫有多大，體現在無人駕駛的時候才具有多大的能力，多高的水平。

車輛的感知和判斷系統（OEDR）更加重要，OEDR相當于車輛的監管，監管的程度越細膩、越可信、越可靠，那你這個無人駕駛的汽車才越讓人放心，所以對監管的數據如何形成感知的數據庫。然后怎么進行監測，這個非常重要，而且對于感知和判斷的設計數據需求是非常大的。

最后一個，如果車輛的感知和判斷系統不行，面對冰、雪、霧等復雜情況，就要選擇降低功能。而且降低功能之后，還需要得到應急測試的驗證，不能說降低功能了還撞上了。

所以，我們總結起來是這樣的，傳統汽車的開發是以有邊界的范圍來做，因為在傳統車上有一個人，人可以判斷，他不需要讓這個車做什么處理。

但是對于自動駕駛的車來說，需要機器識別，這個機器的識別是隨機性的，跟人腦的聰明不一樣。對于機器來說，它也不像幾歲的孩子，發揮是隨機的，所以它以無邊界限制的產品為驗證假設。這個挑戰是核心問題，所以ICV（智能網聯汽車）必須具備學習的能力。

其次，我們需要四個數據平臺。第一個是場景數據平臺，像DDT（無人駕駛狀態）的、ODD（設計運行范圍）的；第二是動態地理環境數據平臺，ITS路邊設備數據、精準地圖的數據等等，這個是非常大的數據；第三個是行車的數據平臺，就是駕駛員的健康情況、乘員的健康情況等等；第四個是用戶數據的平臺，用戶的數據。雖然它代表了數據整個數據網絡。

為了達到以上的架構要建立什么東西？就是要建立ICV研發的持續學習的預測系統，建立這樣一個持續學習的預測系統，需要把虛擬和物理融合在一起，所以需要包括復雜傳統、傳感、預測模型，以及數據趨勢的預測環境。

返回第一電動網首頁 >