王建强：智能网联汽车技术趋势

　　由中国智能交通协会主办，公安部交通管理科学研究所、国家道路交通管理工程技术研究中心、国家智能交通产业技术创新战略联盟、道路交通安全公安部重点实验室、无锡市滨湖区人民政府承办的“2015’第十届中国智能交通年会”于11月4日在无锡召开。

　　本届年会主题为“新技术背景下的智能交通创新与提升”，清华大学教授王建强在“汽车智能联网技术发展论坛”上发表题为《智能网联汽车技术趋势》的演讲，本文为其演讲速记，未经演讲者本人审定。特此感谢中国智能交通协会提供演讲速记。

　　王建强：各位专家下午好，我将谈一谈智能网联汽车技术趋势。每个专家对智能网联汽车的发展都有自己的认识，今天我就我的理解给大家交流一下其目前的发展。我将围绕着三个方面：背景、现状和趋势来展开。重点围绕第三个部分阐述，看一下现在的智能网联汽车到底往哪个方向发展。

　　研究背景

　　我们看一下智能网联汽车的定义和内涵。智能网联汽车是指搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，使车辆具备复杂环境感知、智能化决策与控制功能，能综合实现安全、节能、环保及舒适行驶的新一代智能汽车。

　　智能汽车发展的自主式内容包括：车载感知，自主决策和主动控制。未来智能网联的特点是：其更加丰富的信息，利用要素信息共享实现整个交通系统的协同控制。整个发展围绕着出行问题，为大家的出行提供服务，促进节能减排提高安全。国际上对智能化技术起到的作用基本上有这种共识，比如说交通安全，交通事故降低1%，这是我们愿景和目标，对交通效率可以提高10%，节能减排产业带动，国防领域的带动这是发展的目。

　　回过头看一下智能网联汽车的内容。信息共享使得我们能够利用大数据信息处理为车辆的控制提供基础，最终实现车辆的智能化控制，这就是智能网联汽车的结构组成。

　　技术现状

　　围绕着这样的一个技术背景，看看国际上发展的现状。这张图体现了整体的大概概况，欧洲、日本和美国经过20年的国家支持和推动，已经基本形成了协同信息及控制大规模的道路评价。

　　欧洲从2000年开始在国家以及其他项目的支持下，持续对智能网联技术进行开发应用。每一个阶段都有他们的研究重点，08年开展协同系统的开发，11年侧重于低碳的运用，13年着重提高效率的关键技术。从02年到13年他们投入了大量的资金发展智能行业技术。

　　美国的车联网技术有政府推动，国家制订相应的计划。在这样的计划支持下，美国车联网体现了几个特征，核心技术研发已经完成，已经开始展开运用，标准体系初步形成，现在也正在开展大规模的测试。

　　日本从96年开始开展相关工作，到2011年也制定了相应的计划，在2015年实现目标，这个目标体现的内容可以在图中看到，事故人数降低到三千人以下。

　　经对比，可以发现这几个地区的发展各有侧重。比如说美国他们主导DSRT的标准测定，他们希望在产业方面占领制高点。欧洲制订了相应的计划，奔驰、奥迪、沃尔沃更侧重车辆，预计2025年实现量产，日本2017年实现部分自动驾驶，在2020年后期实现自动驾驶系统市场化。

　　对我国来说，车辆联网发展体现在智能化方面。以无人驾驶知识大赛带动智能汽车的发展，以及863项目。11年到13年的863项目智能车路协同关键技术研，12年到14年的863项目车联网技术研究，这两个技术已经取得阶段性的比较有代表性的成果。同时工信部启动了重大专项计划，5G自动驾驶领域应用相关项目列入国家重点研发计划重点专项合。具体体现在"新一代宽带无线移劢通信网"国家科技重大专项的设立。同时相关标准和测试也在推动车联网的发展，比如说在上海的嘉定要开展智能网联的测试，常熟、重庆也相应在建设智能网联体系的测试基地。

　　上海的嘉定智能网联测试

　　发展趋势

　　对于国内外的情况我只讲这些。我们现在思考着一个问题：智能网联技术最关键的特征是什么？我们有通讯的手段实现信息的交互，我们可以利用这样的信息来开展很多智能化工作，这是智能网联的特点。而我们怎么样利用大数据呢？大数据可以给我们带来什么样的好处？

　　1基于车联网的驾驶行为智能学习

　　实际上智能汽车的发展趋势也是围绕大数据的应用来开展。我们第一个看到的应用是基于车联网驾驶行为的学习。我们都知道驾驶行为是我们研究的一个基础和核心，智能基础的发展是为驾驶员服务，这个服务必须是对驾驶员的需求和特点进行分析。智能网联汽车的发展就为此提供了相应的条件。我们可以利用大数据对驾驶行为进行评价，为安全驾驶、经济驾驶等等提供帮助。基于车联网的学习让自动驾驶更具有智慧，适应更复杂的变化。

　　在这样的特点下我举两个例子，看我们在这个技术体现的特点和功能。

　　基于车联网的交叉口驾驶行为分类-MIT——MIT的驾驶行为和分类的学习。通过对驾驶员在交叉路口的体现的特征，如是否遵守红绿灯，车辆的加速度等操作信息进行学习和分类。利用这种方法达到80%左右的分类正确率。

　　基于大数据这种学习方法在驾驶行为上有很好的优势，我们在设计驾驶服务器的时候，尤其是车路协同可以提供相应的服务依据。围绕该方法我们也开展了相应的工作——基于车联网的弯道预警技术。根据系统的构成，我们可以看到通过车载传感器等手段，将行驶在弯道上的车辆信息传到云端，通过云端为弯道的车辆提供服务。它的理念是什么？我们可以仅仅通过前方车辆的运行状态来辨别优秀驾驶人的通过弯道的行为。我们不需要安装路侧的传感器，无论你是什么样的天气，我们只通过考虑弯道的行为就可以为后端的驾驶人提供帮助。通过存储学习、处理，为后面的行驶车辆提供帮助，这种方法是车辆的车型车速，时间体现的概念。我们可以把历史的数据，某一时刻的数据做一定的加权输入到学习的中心上，这是基站，通过通讯模块输入信息，然后反映安全通信特征的变量，我们要做为重点考虑的内容。学习的输出主要就是最优速度的序列和回避的序列，这种序列的学习提供控制，这个就是预警技术。

　　如果总结该的思路和方法，主要就是采集车辆的信息，采取带遗忘因子的方法，然后为后面的车辆提供思路，这就是我们的核心思想。

　　2基于车联网的行车危险评估

　　第二个技术发展的方向就是我们如何用大数据进行新车危险的评估。我们知道交通非常复杂并且体现不同的特点，我们的难题在哪，这些究竟对安全产生什么影响，我们怎么量化这个指标，这是我们面临的问题，这个问题是我们现在的复杂性。无论是路还是车还是人的因素，都有存在导致交通事故的潜在原因。针对这样的问题，实际上目前采取的方法，我们知道基本上通过运动学和动力学，而我们车联网主要通过技术手段。我简单的把核心思想给大家介绍一下。国外用的是永井实验室的理论，这种方法仅仅考虑了两种物体之间的运动关系，存在的问题是考虑因素比较简单，少，另外一个无法量化。在去年的大会上我们提出的行车安全场理论把人的因素、车的因素、路，三种因素都考虑进去了，静止物体、运动物体和驾驶员，三种概念势能场、动能场、行为场建立模型。这种模型将各种因素都进行了各种考虑，比如说体现的虚拟质量，类型质量速度，严重程度都做了考虑，建立这样的一个统一的安全场的模型。这个模型的表现形式大家可以看到，这个形式既可以直观的理解又可以判断各种要素产生的作用，其次可以规划行车安全的路径。我们做了相应的实验，我们可以把车辆的状态信息既采集又交付。行车安全场判断很容易判断车辆的危险，这个也得到国际的认可，在刚刚结束的法国智能交通大会上获得最大的安全奖。

　　3基于车联网的多目标协同技术

　　第三个简单的说一下就是基于车联网的多目标协同控制，我们的目标是安全功能技术。大数据可以为此提供更好的条件。基于多目标协同化控制，我们开展了相应的研究工作，也是在国家863项目上提供工作，建立交通信号，突破交通信号和车辆的关键技术，研究就体现了车辆的相互融合。

　　好，这就是我介绍的内容，谢谢大家！