张希：电动汽车是智能化的最佳技术平台

常州报道，5月19日，由中国汽车技术研究中心主办的2016·第四届国际电动汽车及关键部件测评研讨会于江苏常州成功召开。记者全程跟踪报道。

以下是上海交通大学汽车工程研究院教授张希，发表题为《电动汽车智能化及关键核心技术》的演讲实录：

张希：

报告主要分三部分，第一部分是电动汽车智能化的现状以及趋势。目前交通面临三大问题，安全、拥堵和污染，智能电动汽车的目标是解决这三大问题。从污染来说，电动汽车是无污染的，拥堵上来说，从车联网、智能交通的概念，可以解决拥堵的问题，安全是可以产生一些无人驾驶和智能化的操控，来解决安全的问题。目前对智能汽车，很多专家和学者提出了很多概念，我们团队的提法，就是智能汽车是物理上搭建新的传感器、控制器、执行器，这三个也是针对汽车电子的主要技术。融合现在的一些通信、网络、控制、人工智能等理论，解决环境感知、智能决策等问题，最终实现安全、舒适、节能、高效的功能，可替代驾驶员操作。

对于他的一些技术状态的分析，我们提出，从0到4五个等级的分布，从纵轴来说，我们针对感知和数据处理，可以分为传感器和互联汽车，还有基于指示体系的。针对目前的智能汽车大多数处于2到3的阶段，一开始具有一些简单的功能是介于1和2阶段。第三个是针对谷歌的无人驾驶的汽车，是在一定的路况条件下行驶约束下实现无人驾驶，最后一个阶段是全工况的无人驾驶阶段，不管什么样的运行环境都可以实现无人驾驶。基于纵轴来说，是三个部分，一个是传感器，也是目前智能汽车所具有的基本功能，就是基于包括激光雷达，摄像头等传感器。将来车和车之间，他可以进行一个信息的交通和交流，可以提供对于智能汽车的决策判断的信息，最后是基于自学习的阶段，相当于代替人的思维模式。从国内外的高校以及企业来说，目前我们分为三个部分，一个是院校，包括研究所和高校，第二个部分是传统的车企，大众、奔驰、长安等等，第三是新兴的科技公司，包括谷歌、百度、乐视。所以我觉得这个趋势应该是解决这三方的融合的问题。而最终还是以传统车企作为一个主导的研发主体。

首先，智能汽车第一步就是传感，信息的获得。目前问题是很多在研发状态的智能汽车采用的传感器可能过于昂贵，像激光雷达，他的一些成本可能都达到数十万人民币，这对于智能汽车市场化的推进是非常不利的。所以我们的想法是利用成本相对低廉的传感器，结合内部的一些比较高新的控制策略以及他的信息融合的策略，从而实现智能汽车的功能最大化。这样对市场化进程是有利的。另外就是后续的市场化，前期可能是要面临一些测试规范的问题，分为三个部分，第一个是在实验室的模拟，第二个是搭建的实测的场地，具有真实交通环境以及采集数据和监测传感装置，通过内部的场地的建设，来实现汽车的初步场地测试，最终是现在实际的公路上，或者说实际的高速公路上的测试，最后是在校准和标定，有大量的传感器，然后需要一个标准校订和程序。

基于网联方面，考虑路测单元的信息输入，包括车道的运行，协同感知，路口的辅助等等，还有移动通信网的整合，从而推进整个数据获得的全面性。第二部分是介绍智能汽车的关键技术，智能汽车包括传统汽车、汽油车、柴油车等等。电动汽车作为依托有以下几个优势，第一个是电机反应迅速，另外是电机作为一个执行机构，从感知和融合，以及产生的控制来传到执行机构，需要一个线控转向、制动等实现运行的平顺，第三，电动汽车的智能回馈和节能环保，第四是结构相对简单，最后，电动汽车在技术上我们还是处于一个比较好的研究高度，不像传统汽车上发动机和底盘技术受国外品牌的限制，电动汽车更易于产业化的突破，从而避开一些技术壁垒的问题。我们把ADAS技术分为几个层，这几个层是跟人类的一种行为模式的比照，第一个是环境感知层，这是模拟人体的五官器官，是通过认知的功能，包括通过雷达、摄象头等等，下面是获得这些信息之后，人需要大脑的思考和他的一些处理，就是一个信息融合和智能决策，大脑的一个基本功能。不但是人大脑里面有神经元，大脑神经元之间需要一个信息和数据的交互，最重要的，是对人的行为产生一个行为决策，最后是模拟人的四肢，就是智能控制的执行层，最终实现对车的一个控制和执行。

下面一个体系是我们提出的一个基本的体系，从环境感知，从各个传感器、摄象头、雷达等等，得到这些数据采集，然后是融合，包括场景重构，包括3维场景，然后是精准的定位，通过GPS或者北斗系统，获得一个定位，然后障碍物的识别，包括正负障碍物的识别，车辆的识别等等，融合以后，就开始做一个智能决策，包括路径的规划，人机的共建等等，最终是给一个执行层，包括自动驾驶的驱动，转向制动，到电机端或者一些执行机构。上面几个层可能要跟车辆的一些动力学，车辆本身，传统汽车本身的一些知识体系进行一个很好的融合，而目前有一些研究者把我们的车当做一个黑匣子，认为他可能对车并不了解，但是可以对车的一些指令进行一些传输，但是这个最终体现的效果可能不如你把车的整个性能很好的融合，最终达到好的效果。

安全体系的问题，智能体系也是一个车，便有行车安全，智能驾驶或者无人驾驶的安全是非常重要的。另外一个是信息安全，这是一个新的概念。信息安全和通信系统，包括一些车联网，或者云端的一些信息融合，如果是存在一定的信息传输风险，别人是可以通过他的一些控制来把你的车给掌握，这个也是有真实的案例的。另外在智能控制系统的架构上，一个架构必须有一个很好的建立，建立一个统一的融合的架构，最后是整车的集成和标定。集合整车关键组件以及电池系统适应性的改变，必须把上述几个层面的数据或者信息来进行一个整合，最后就是测试问题。

环境感知和信息融合，包括了几个理论，或者是一些基本的知识体系，计算机视觉与图象处理，机器学习理论、数据融合理论等等，包括三维场景的重构，行人及其行为的感知，因为前方可能有很多的目标，包括有可能在极端的情况下有行人横穿马路的情况，怎么样处理，包括车把行人给遮挡的问题，行人遮挡以后，通过静态或者动态的传感，并不能很好的判断行人移动的方向，对于司机来说，这是基本的要求，要预判行人是怎么样行动的一个路径，这个也对感知和信息融合提出了更高的要求。下面是决策的层面，人工智能、决策支持、机器学习等等，这还是基于高精度的定位技术。控制执行，这是跟执行机构，包括电机电池等等，要进行一个很好的结合，线控技术，等等，这些必须要融合在控制执行单元里面。最后是一个安全体系，包括行车安全、信息安全等等。行车安全在传统汽车和目前电动汽车里面考虑比较多，但是信息安全，这对我们提出了一个新的挑战，信息被其他人的侵入或者信息传输可能错误的概率，这个都会影响最终的行车安全的问题。下面是一个控制架构整车集成，我并不是说我的智能汽车里面多了一个功能，或者多了一个控制的东西，就必须增加一个控制单元，如果这样的话，控制单元不断的加入会导致你整个车的系统复杂性大大增加，我们考虑是说通过多核的处理单元，多核的智能控制系统，同步并行处理获得的信息，以及数据的决策等等。最终就是把整个的控制系统整合在整车之中，这样可以减少通信上分布的复杂性，以及在这个复杂性前提下产生的数据传输错误的概率。最终就是测试环节，包括一开始在实验室的环境下进行一个简单的传感器、控制器单向的测试，这是一个功能测试；在封闭的环境下我们搭建一个封闭的测试场地，通过这个场地的封闭环境对控制执行安全体系功能和性能的测试。在稀疏的流量环境，包括车辆很少的高速公路，或者非高峰期的公路上进行测试，这样对车的安全性的保障提供了一些可靠的基本条件，最终是在全天侯的开放道路上进行测试。考虑各种因素，结合智能汽车的特殊要求，建立标准的特殊场地，最终形成一个标准的测试体系，这对智能汽车的推广和智能化是非常关键的。

产业化思路，如何解决基础理论与整个自动驾驶整车落地实施之间的平衡关系，目前是基于理论上的研究，怎么样真正的融合到产业化的车的功能的体现，这个是智能电动汽车实现的一个关键。

最后一部分是对智能电动汽车的建议和思考。电动汽车是智能化的最佳平台，也为电动汽车发展注入新的生机和活力。需要从体制、政策、法律各个方面，各方进行一个很好的努力。一个是产学研协同发展的理念，推动一体化的发展，以用户为中心，以乘坐者为中心发展技术。打破行业壁垒，推动传统汽车和IT企业和交通产业的融合。现在很多IT是把车作为一个黑匣子，传统汽车在创新性方面有所欠缺，怎么样推动各个方面的产业融合，这是非常具有重要性的，利用IT企业的强大人工智能操作系统技术以及他创新性的思维，来结合传统汽车产业具有的完整技术体系，来推动智能电动汽车的发展，这是我们认为比较合理的技术路线。而坚持自主特色，形成智能车产业核心竞争力，坚持导航自主化。在我国目前非常复杂的交通场景下实现更好的定位精度和信息的输入。智能车测试场地和示范园的建设，这是为政府提出了一些要求，目前在我国的北京上海杭州重庆等已经批复了智能该同的示范区，武汉正在批复的过程当中。进一步加快智能车的相关标准法规和规范的建设，因为这些相对的标准和法规是全新的，怎么样制订合理的标准法规，这个也是为相关研究人员和政府机构提出了一些新的挑战。最后就是无人驾驶汽车，可能会存在社会问题和伦理道德的问题。最终责任认定，如果你买了无人驾驶汽车以后，出了事故，到底是车主问题，制造商问题，还是保险公司问题，目前看来，大家认为是车企，他提供了车，什么都是由他控制，我并没有操控，责任可能是在车企，最终是怎么样认定，这是我们需要思考的。