自動駕駛落地步驟明朗，18位大咖共話智能交通 | CCF-GAIR 2019

新智駕按：7 月 12 日-7 月 14 日，2019 第四屆全球人工智慧與機器人峰會（CCF-GAIR 2019）於深圳正式召開。峰會由中國計算機學會（CCF）主辦，雷鋒網、香港中文大學（深圳）承辦，深圳市人工智慧與機器人研究院協辦，得到了深圳市政府的大力指導，是國內人工智慧和機器人學術界、工業界及投資界三大領域的頂級交流博覽盛會，旨在打造國內人工智慧領域極具實力的跨界交流合作平台。

CCF-GAIR 2019 延續前三屆的「頂尖」陣容，提供了 13 個專場（人工智慧前沿專場、中國人工智慧四十年紀念專場、機器人前沿專場、智能交通專場、5G & AIoT 專場、AI 晶元專場、AI 金融專場、類腦計算專場、智慧城市專場、智能商業專場、智慧教育專場、AI 醫療專場、智慧城市·視覺智能專場）的豐富平台，意欲給三界參會者從產學研多個維度，呈現出更富前瞻性與落地性相結合的會議內容與現場體驗。

大數據、5G通信、車路協同、人工智慧等構成了新一代智能交通系統的基石。構建智慧交通基礎設施、車路協同、自動駕駛的量產落地，這些都是行業人士所關心的議題。

7月13日，18位大牛在CCF-GAIR 2019智能交通專場上，就上述議題進行了行業探討。新智駕將本次峰會的所有主題演講進行了精華提取，冀望對各位智能汽車從業者有所啟發與幫助。

同濟大學馬萬經：網路環境下的智能交通管控

同濟大學教授、同濟大學交通運輸工程副院長馬萬經分享了網聯環境下交通出行發展的幾大趨勢。

目前，交通管控領域主要存在測不準、算不準、評不準等問題。

馬萬經認為，隨著網聯化的不斷融合，交通系統將從假設走向真實，從局部走向整體，從單目標走向多目標。

屆時，一旦有了網聯環境，就可以提前知道出行方案的各種情況，甚至知道未來的方案會有什麼變化，「這對信息輸入、調控手段會發生重要變化，檢測對象很可能變成檢測工具。」

安波福韋峻青：自動駕駛如何商用落地？

安波福自動駕駛全球副總裁韋峻青分享了該公司的自動駕駛技術商用開發經驗。據介紹，安波福在無人駕駛領域的獨特優勢是主動安全技術，通過這些技術的研發，該公司已經擁有了整套的感測器、計算能力和產品化的能力。

韋峻青認為，無人駕駛是一個生態系統，現在很多公司都在做垂直整合，包括從車的技術到出行的網路，所有東西都是自己做，這正是行業不成熟的標誌，成熟的行業一般會出現很強的水平整合。

「我們在拉斯維加斯學到的東西首先就是安全性，然後再考慮舒適性等用戶體驗。對於我們的工程團隊來說安全是第一位，我們在拉斯維加斯的運營中非常好地平衡了這兩點，給公眾一個信心，另外一方面我們也收集了很多數據。」韋峻青表示。

騰訊張雲飛：5G車路協同助力智慧出行

從傳統車聯網，到智能網聯，到智慧出行是一個逐漸的過程，其核心從目前汽車信息收集逐漸轉向人、車、路、店的整體協同，最終是要建立以人為核心的個性化出行的全生命周期管理。

智慧出行產業鏈非常長，且協作規模大，經濟產值高，所以構建行業生態至關重要。沒有一家公司能夠把這個產業鏈整個通吃。

環境數字化是實現車路協同、改善出行體驗的重要方式。

騰訊未來網路實驗室主任，國家「萬人計劃」特聘專家張雲飛提到，車路協同在人、車、路、網方面仍存在較大問題。從人的角度看，無主流用戶軟體觸達，即目前仍未有一家車路協同方案明確描述最終用戶如何使用問題；從車的角度看，車載終端普及率低，小於20%；從路的角度看，運營方眾多，道路信息碎片化；從網的角度看，5G沒有被平台整合和利用，路側設備信息通信能力小於200米，邊邊、邊雲協同尚未打通等等。基於上述考慮，騰訊在車端、路測、雲端進行了一系列布局，包括5G邊緣計算開源平台、車路協同的基礎設施打造工作等等。

滴滴鄭劍鋒：滴滴智慧交通三部曲

平台運作效率和用戶粘性的提高離不開新技術的支撐。人工智慧、大數據、智慧交通等新技術的開發和運用，將滴滴這項產品進一步地滲透進生活場景的方方面面。

滴滴城市交通演算法及研究負責人鄭劍鋒表示，在智慧交通的整個領域中，重點關注的還包括交通管理部分，以及未來智慧交通願景主要規劃分為三部分：

第一部分是智能交通基礎設施建設，包括紅綠燈智能化、動態道路分配、智能路網設計等。

第二部分是單車智能，未來人們將會選擇安全係數更高的自動駕駛車輛。

第三層則是智能出行優化，在緩解擁堵道路的同時提升整個城市的出行效率。

他提到，在大數據方面，滴滴每天新增的原始軌跡數據超過106TB，每天后台要處理4500TB以上的數據。

此外，滴滴研發的智慧紅綠燈方案已經擴展至濟南、蘇州、深圳、武漢等城市，平均降低了10%-20%的擁堵。

高新興吳冬升：5G車聯網的技術、應用和商業探

車聯網作為比較清晰的5G行業應用的場景之一。

高新興科技集團首席方案架構師兼戰略總經理吳冬升在演講中表示：5G車聯網的技術、應用和商業化發展目前在有序推進。車聯網技術上需要人、車、路、網、雲的多維配合。

在應用層面，可以在城市和城際兩個大場景方向進行場景的挖掘，城市場景會包括城市路口交叉場景、城市公交、環島、隧道、立交橋，以及主幹道，和一些封閉的園區等典型場景。

在商業模式上，車聯網可以為車企、運營商、行業客戶和城市管理等對象提供解決方案。但吳冬升也認為，車聯網的發展是一個多產業融合的過程，涉及政策、交通、通訊信息等行業，目前還面臨著諸多的挑戰。

四維圖新-世紀高通熊繼林：賦能智慧交通，位置大數據讓城市「血脈」通暢

人還沒到，信息先到，你要去的那條路堵沒堵車，提前就能知道。

世紀高通副總經理熊繼林提到，世紀高通作為位置大數據服務商，致力於構建全球位置服務生態，擁有海量、多源位置大數據，構建了全國位置數據倉庫。

近年來，世紀高通在智慧交通及大數據領域持續發力，融合了AI、大數據和可視化等技術，結合交通部門實際業務需求，把信號燈優化，交通預測、全域路網分析、交通參數感知與態勢評價及交通事件監測與管控等相關智能服務應用於交通領域。

在提升交通精細化管理方面，世紀高通支持多種信號控制模式，實現多目標協同優化。截止目前，交通智能產品已應用於北京、深圳、天津等城市。

其實，通過大數據分析，找出交通規律，為交通出行提供優質服務是未來的發展趨勢。

愛立信劉雲鶴：5G技術如何促進車路協同應用

多感測器融合的核心目的是實現環境感知的識別，獲取環境數據。裝感測器只是手段。而通過周圍人的眼睛、通訊手段告訴車輛，這也是一種思路。

在該思路的觸發下，出現了車路協同概念。感測器安裝在路端，相應地車輛通過路端感測器獲得周圍的信息，但前提是有低時延、高可靠的網路。在愛立信中國區汽車業務首席技術官劉雲鶴看來，在這種方案下，定位和通訊以及環境感知是三大核心技術，這是一個系統工程。

先進通訊技術的連接帶來的是「簡化」。例如夜晚某些場景下攝像頭識別紅綠燈依舊比較困難，識別率在50%左右，而通過通訊方式告訴車輛紅綠燈狀態，是一種確定性的方式，這簡化了整體的技術。第二是管理複雜性，聯網可以提升整體的交通效率。第三，連接可以促進很多創新，包括目前多是通過買汽車解決交通需求，未來可能是購買服務的方式。這都需要車聯網和網路的巨大進步。

采埃孚綦平：采埃孚域控制器proAI助力未來出行

采埃孚工程技術中心總監綦平分享了該公司在自動駕駛方面的戰略、設想和目前工作。他認為，對於以采埃孚來說，能否提供整體的自動駕駛解決方案至關重要。

雷鋒網新智駕了解到，采埃孚目前主要提供 ProAI計算平台和cubiX軟體產品等服務。同時，在實現自動駕駛的過程中，采埃孚這樣的供應商會不斷集成功能，並不斷地根據需求生成新的功能，包括ADAS的功能均會被不斷開發出來。

「我們發現，這幾年中國城市化進程速度很快，目前已經接近60%。人多了就需要出行，出行多的話產生的廢氣污染就多。我們認為要把出行和人的生活質量聯繫起來，做一個平衡。」綦平說。

馭勢吳甘沙：從1到1000的無人駕駛規模商業化探索

目前自動駕駛正處於從1到1000的過程。從1到1000其實比從0到1更難。

這兩個事情究竟是做什麼？馭勢科技聯合創始人兼CEO吳甘沙覺得從0到1要做的就是雜，有很多的場景訓練，但你不知道哪個場景最好；而從1到1000就是要專，一定要把所有的能量都聚焦在一個點或者幾個點。

從1到1000是馭勢希望做的事情：一是選擇場景，根據高頻剛需、算得過賬、真正無人三個重要的原則去選擇場景；第二是五大要求，包括成規模、多客戶、全交付、全無人、不停服。第三是馭勢要做五大工作：包括頂層設計；安全（車端、雲端、路測端、鄰近干預）；NOME設計（失效安全/可操作，OEDR/Fallback設計，整車電子電器架構設計）；ODD使能；測試體系及工具鏈。

中智行張振林：5GAI如何打造「特色」自動駕駛？

成立一年多中智行，希望成為L4級自動駕駛出行服務商， 2021年實現L4級別全天氣條件下自動駕駛的商業化。

什麼是「5G AI」？中智行技術副總裁兼技術委員會輪值主席張振林認為，他們將5G AI滲透到自動駕駛技術的感知、智能規劃、雲地精圖、邊緣車控、系統安全等各個方面，從而提升自動駕駛技術的演算法、算量和算力。

在現場，他分享了他們的具體技術路線，首先是超強感知，在激光雷達、毫米波雷達、攝像頭等感測器的基礎之上，增加5G無線感測器，實現車與路、人、車等萬物互聯。

其次是邊雲車控，一方面在邊緣車控上實現規劃軌跡、姿態定位、橫縱向控制、懸架控制，另一方面加入5G雲控實現雲控制計算、控制意圖分類、路面播報、個體化控制，從而確保自動駕駛汽車更安全、舒適。

魔視智能虞正華：自動駕駛量產之路

在魔視智能創始人兼CEO虞正華看來，要實現量產有四個關鍵點是必須解決的：第一，所有自動駕駛回到核心一點是依賴於演算法，人工智慧演算法是否有足夠的先進性，能夠適應外界紛繁複雜的交通路況和各種各樣的目標。第二，量產必須要有車規級、嵌入式，而且是低成本的運算平台來承載所有的計算。第三，所有這套系統從開發到設計、驗證、生產，必須按照汽車工程規範執行。第四，離不開海量測試數據和驗證。

首先，今天的市場需要一個全棧式供應商，不是只做前視或者只做泊車，未來一定是融合的產品。第二，必須滿足從L1到L4完整的覆蓋。第三，是從安全性上需要提升等級。如果就ADAS出身的團隊而言，從ADAS到L4自動駕駛，至少在系統性能上需要提升一個等級。第四，成本，目前車上可能有一套前視系統或者超聲系統，未來量產的L3/L4一定比所有系統加在一起還要便宜50%。

比亞迪王歡：自動駕駛開發升級之路

比亞迪智能駕駛首席專家王歡表示，自動駕駛要有一個正向的開發模式和驗證體系，而且主機廠迫切地需要自動駕駛系統架構。

作為主機廠，比亞迪更注重預期功能安全，甚至可以認為自動駕駛危險的產生主要是由於場景的不足，而非系統的不安全。

王歡認為，要做到自動駕駛安全，首先必須要有一個場景庫，這個場景庫是開發團隊的核心資料庫。其次是功能安全標準必須成熟。第三，針對信息安全，信息安全要解決的問題是怎麼抵抗黑客攻擊和網路攻擊。在信息安全上應該關注如何驗證外來數據的完整性、外來數據的真實性、信號來源的可靠性等。

香港科技大學劉明：低速無人駕駛系統的應用關鍵要素

從落地角度來看，香港科技大學自主駕駛中心主任劉明認為，自主物流系統是無人駕駛領域最容易落地的行業，進一步細化可以包括最後一公里的遞送、監控、和倉內的點到點運輸。

目前無人駕駛技術分為兩大類，一類是以深度強化學習為主的模式，另一類是工程模塊化系統，但兩者各有優劣勢。

因此劉明認為，將兩者結合在一起是低速無人駕駛的技術路線的最佳選擇。這個無人系統模塊化的技術結構包括了感知系統、決策與預測系統、規劃與控制等演算法以及相對應的產品形態等內容。其感知系統可以通過三維感知建圖與定位、利用多視覺信息來解決無人車、無人船的控制，通過單個的實時雷達來實現全套的場景。

雷鋒網新智駕註：本次峰會上，菜鳥ET物流實驗室主任張春暉、圖森未來副總經理薛健聰、禧滌智能總裁高進、馭勢科技聯合創始人兼CEO吳甘沙、西井科技CEO譚黎敏5人也展開了一場大討論，針對2019年自動駕駛的關鍵詞-落地進行了探討。

尋求最合適的落地場景，並找到落地到規模化量產之間的的里程碑。有關於這場圓桌討論的有趣的結論，請期待我們後續的報道。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！