登錄由新華網、上海市汽車工程學會、江蘇省汽車工程學會、廣東省新能源汽車產業協會、中國土木工程學會城市公共交通學會、廣東省充電設施協會、新能源汽車產業網、振威展覽股份聯合主辦的新能源汽車輕量化論壇。
以下是清華大學蘇州汽車研究院智能網聯汽車中心主任戴一凡演講：
尊敬的各位嘉賓，大家早上好，我來自清華大學蘇州汽車研究院的戴一凡，今天給大家分享的智能網聯汽車的發展動態和安全性評價。
第一部分動態可能大家都比較清楚了，我快速過一下。主要是在智能網聯測試評價的一些想法給大家做一個分享。
汽車工業經過了純機械的時代，電子的時代，軟件定義時代的，現在進入了云計算，大數據、新的商業模式驅動的發展時代，就是智能網聯汽車的概念。車輛已經不單單是自己的節點，而是整個智能交通系統里面的一個部分，大家可以看到現在有很多新的名詞出來，混合智能、群體智能、云控智能，基于大數據的決策，車路協同等等。我們在談論智能網聯的時候已經不能僅僅局限于汽車本身了，而是放在大的交通系統來看。
智能網聯汽車的發展到底對未來的汽車，包括交通帶來一些什么東西呢?一些什么好的影響呢，包括交通安全，這個是最主要的。
美國人以前在90年代評估的時候，CACC提出說有潛力把交通事故降低80%，現在各種新的基于車車通信，車路協同的系統，明顯降低交通事故，有評論說降低到1%左右的水平。這是最主要的影響力。除了安全以外，還有節能減排這塊對未來的交通體系帶來好的影響，包括對產業的拉動，除了汽車產業以外，對信息互聯這些其他的產業。還有對出行模式，商業模式等等的改變。
去年年底的時候，發改委推出了叫做《國家智能汽車創新發展戰略》，這里面核心的要素就是提出來要打造中國標準的智能汽車，里面提出了遠期的遠景和近期的目標，到2020年建成自主可控的生態體系，生態完備的路網體系等等。還有市場規模，智能網聯規模新車2020年達到50%，還有網聯式的裝配率達到10%以上等等。
這里面提出了推動我們國家智能汽車發展的六大體系，包括自主可控技術汽車體系，跨界融合的智能體系，先進完備的智能汽車體系，系統完善的智能汽車體系等。剛才說的國家層面的法律法規政策，在我們企業層面，一個是從我們傳統的OEM的角度，大家都非常清楚，我們各大OEM都在紛紛推出自己的新的智能化的發展戰略，包括一些新的產品，可能從L1-L2級是量產的階段，到3級、4級以上是道路測試，參加比賽，這幾天重慶也在做很多智能汽車的比賽。
除了傳統的OEM以外，還有BAT、互聯網企業，包括華為也在參與智能汽車的研發，還有剛才提到的測試，我們國家從北京、上海這兩個城市算是第一步先行，后面重慶等等，現在已經有很多的城市開始推動智能汽車測試，包括工信部從國家的層次也發布了很多相關的一些法規，交通部前段時間也發了。
從全球范圍來看，1-2級駕駛體系進入了大規模量產的階段，三級、四級處于研發、小規模測試的階段，各個國家推動開放道路，完善法律法規，市場主體空前豐富，除了傳統OEM以外，互聯網企業，還是專門做出行服務的企業紛紛開始進入這個市場。
另一方面引出我們為什么重視智能汽車的安全性評價，它的測試技術。我們看到自動駕駛技術在全球雖然在測試階段，已經造成了交通事故。包括特斯拉，特斯拉是一個量產車，它現在已經產品說明書改過來了，駕駛員必須手扶在方向盤上，否則會報警。我試過，我就不理它，在高速公路它就停下來了。以前不是這樣的，你手不扶是可以的，可以繼續開，所以造成了一些致命的事故，包括優步出的時候撞死了一個行人，包括信息安全的問題。
我們關注自動駕駛技術推出來的時候，我們怎么樣讓大家信任它，好像最新的在國際上的一些調研顯示，普通民眾對于自動駕駛的信任程度是在逐漸降低的，覺得你們這個技術還沒有驗證清楚就放路上跑，拿我們普通老百姓做實驗對象，這個其實是很不負責任的。
下面我就給大家介紹一下我們我們在智能汽車測試評價方面的一些想法，包括做的一些事情。給大家先看兩個視頻。這個是我們前幾年跟蘇州市交通管理部門有一些合作項目，我們在蘇州市一些道路上依托監控視頻，我們開發了一些車輛違章和異常交通行為的自動識別算法，現在有好幾百個攝像頭實時跑，左邊是原始圖像，右邊是我們處理過的。這個是我們為了拍它違章什么的，它倒車的速度、姿態我們在實時后臺里現場算出來，把圖像記錄下來。做這個事情的本意，前幾年交通管理部門解決道路違章，還有道路出現異常情況，比如說貨車跌落了貨物等等，要后臺處理。本意是做這個，幫助交通管理部門提供監控效率，否則用人的肉眼看不過來。
后來我們把這個事情進一步延伸，既然我們有這么大量的數據，記錄下了很多的異常的交通行為，我們正好可以把這個事情用在自動駕駛的場景庫的建設，而且是真實發生的，代表中國一些典型的交通場景，像下面這個視頻大家看到，這個是大貨車跌落的貨物，這些小車基本上及時避開了，待會兒還有一個大卡車過來直接撞上去了，還好這個貨物不是一個石塊硬的，可能是一袋面粉之類的，但是如果是一個大石頭塊，一個車撞上去，很可能造成比較嚴重的交通事故。
剛才這幾頁視頻主要想跟大家介紹一下在中國的道路條件下，其實國外也一樣，只是中國相對復雜一些，很可能出現一些很多你意想不到的，你在仿真里面很難想象出來，很難模擬出來的一些交通場景。這些極端的場景往往是對你自動駕駛系統的考驗最大的場景。
這是我們參考傳統汽車開發的微流程，把整個智能汽車的測試畫了一個邏輯圖，智能汽車測試現在談的比較多的是建封閉測試廠，在道路上測，封閉道路上測，開放道路上測，道路測試在汽車開發環節里面是必不可少的一步，但絕不是測試的全部，如果測試全部放在道路上做的話，成本太高，時間周期太長，很多場景沒有辦法重復，而且很危險。我們認為整個測試流程從方針到在環再到道路，核心的就是你要有一個核心的場景庫的支撐，而且這個場景庫一定能代表中國比較典型的路況，我們國家的汽標委國際場景庫的牽頭人，我們想把從國際標準到國內標準，場景庫的標準建立起來。
前面講的是整個測試的流程，這一頁結構圖講的我們思考怎么去建設場景庫，包括怎么把這個場景庫用到測試環節里面去，這個圖從下往上看，下面是我們數據來源，我們的數據來源剛剛給大家展示的視頻從道路監控攝象頭來，大量的數據還有從車載本身的產品，行車記錄儀里面記錄下來的數據。這些我們叫自然駕駛數據，我們提取出一些危險和極端的數據，作為我們的場景有效來源。
第二個來源，我們現在已經有的很多標準，很多國內外，國際的標準，這些標準里面定義了很多標準化結、構化的場景，這個本身也是我們必須要測試的。
第三個來源，發生的交通事故。我們交通管理部門，包括我們一些像行業的部門手里其實有大量交通事故的數據，這些數據有些需要我們還原，需要我們再去有一些計算在里面，事故數據像交警手動填的單子，大部分的數據是很低效的。有了數據以后，我們要提取出我們感興趣的信息，把它結構化，按照我們定義好的場景的緯度，包括我們覺得交通參與物，人車物等等。路的結構和天氣等等，光線，還有駕駛人員。從結構緯度提取場景，同時也要對場景的危險程度做一個分類，我們現在也是在參考像26262里面用的方法，包括做交通的人對道路風險做評估的時候，經常用到一些方法，我們建立不同等級的危險程度的場景，從幾個緯度我們會把場景庫建設起來。建設起來我們怎么去用場景庫，建場景庫本身不是目的，主要為了在測試環節里面去用，所以涉及到一個場景重構。分很多類，我們在仿真里面重構，然后在系統里面重構，你要檢測毫米波雷達能不能檢測出障礙物。整車級重構，在整車在環的實驗室里面復現出來。然后再是場地重構，我們越在前端，越像仿真這一端我們做的交通場景越豐富，越在后端，你能做的交通場景是比較有限的。
這個也是國外做了大量的項目，咱們做事情參考國外的，很多東西有一個依據可以參考做。像Adopt也是剛剛結束的項目，主要也是圍繞個項目做。現在做了一個L3Pilot項目，主要分四大類，普通正常道路，高速道路，堵車的時候，泊車。每一個類定義了很多詳細的場景，這個項目剛剛開始，現在沒有太詳細公開的信息。
這個就是剛剛放的視頻，我們截取的監控下比較有意思的場景，比如說這種大客車在高速公路上直接停下來開始下課了，開始下人了，開始卸貨了，還有大卡車橫在馬路中間，中國城市里面經常見的小貓小狗到處亂竄，還有雨雪結冰，還有塑料袋在路上飄，這些是視頻截取出來，未來會用在測試系統去。
這個是車載攝像頭拍的，這些產品里面有部分產品和用戶簽署合作協議，我們把采集的數據記錄下來，然后再做分析，這些在我們的系統里面，報警的時刻前后記錄下來。所以它記錄下來的已經是一個比較危險的場景，對我們以后做產品庫的分析是非常有用的。
這個也是舉一個例子，上面這個視頻就是我們真實的交通場景，這個比較快，大家可以看到，這一輛車不知道什么原因，可能錯過了路什么的，它沒有開，停在路中間，而且半個車屁股斜著，第二輛車過來的時候，也在那里停了一會兒，大概10秒鐘左右，然后才走，這其實是兩個場景。第二輛車過來的時候面對第一輛車，如果是自動駕駛系統能不能識別。第二個車，這兩個車同時堵在那里的時候，后面的車怎么處理，這里是實線，你能否合理的處理這個情況。
下面這個是我們把這個事情復現了，因為這個里面的車速都是我們自動識別出來的，整個把它在仿真軟件里面復現，下一步我們把復現的場景在我們的系統級的測試系統里面再復現，我們用毫米波雷達去拍，它到底能不能看到，攝像頭到底能不能識別，會做出什么動作。這也是一個案例，在實際場景中出現的時候，我們在做場景設計的時候，你憑著想很難想出來的東西。
前面講場景，后面講怎么把這個場景用起來，用到我們各種車系統里面去，這里面包括系統級的測試和整車級的測試，道路的測試我不介紹了。我們也有跟我們幾個孵化企業合作，現在正在做，我們也有一些包括圖像測試的系統，把實景在測試系統里面回訪，然后你相機實時捕捉，還有幾個場景，你實時拍，還有直接注入到攝象頭的ECU里面去，然后去看檢測的結果，包括動作的結果，還有我們也有專用的對毫米波雷達的測試系統。支持24G&77G雷達測試。
前面兩個已經比較成熟量產的東西，我們現在正在做的把各個系統整合起來，整合成一個多篡改器融合的測試系統，這里面要解決的主要是同步性的問題，時間上同步，還有場景上同步。比如說一個車停在你前方，你怎么保證你看到這個車的特征和毫米波雷達拍到車的特征是真實，描述的是同樣一個車，這里面場景的同步性也是一個比較重要的問題。
還有我們下一步，這是我們正在規劃建設的一個整車的實驗系統，剛才說的是系統級的測試，實際上再往下一步，去道路測試之前我們覺得整車級室內的測試是非常重要的一個環節，我們在規劃建設一個長300米，寬是三車道寬的整車在環自動駕駛的測試系統，測試車輛會停在轉股上，這個臺架除了沒有縱向的自由度，縱向不會移動，其他各個方向的移動都可以的，支持車輛做左右30度的橫擺運動，橫向的移動，這些自由度都是有的，可以模擬在道路上，比如說跟車，或者換道超車，縱向通過目標車底下變動的小托盤托著它走。基本上除了像十字交叉路口這種路況不太適合做，像高速的測試都非常適合在這里做。
我們現在建封閉測試廠的時候，很多時候由于受到土地規模投資成本的限制，還是有難度的。如果跟這個實驗結合，這個實驗室做一些高速測試，標準干道的測試，我們在真實道路實驗廠里面多做一些城市的交叉路口，V2X，這樣的測試非常好節省我們的土地資源和我們的投資。而且這里面還有一個，它可以做成全封閉，可以模擬雨雪、光照，不同的氣象條件，天氣條件等等都可以做，在室外不具備這個能力的。
今天的分享主要是這些。謝謝大家。
