李骏院士讲L3智能汽车的研发

目前，在征求意见稿里把智能汽车分5级，即L1辅助自动驾驶、L2部分自动驾驶、L3有条件自动驾驶、L4高度自动驾驶和L5完全自动驾驶，L3级别以上被称为中高级别智能汽车。李骏院士讲《L3智能汽车研发与测评》，分析高级别智能汽车研发与传统汽车的五大不同，L3以上智能汽车的研发，不仅仅是汽车本身的事情，人、车、路、网等多生态紧密相联，需要多平台大数据的支撑，离了数据库，中高级别智能汽车的研发和评测无从谈起。


李骏院士在讲述L3智能汽车研发与测评

一、ICV（智能汽车）研发新流程

1.传统车研发方式需要变革

对于ICV来说，传统汽车研发方式已经不能完全适用，需要变革了。为什么？
首先，原来是人通过自己的眼睛、大脑、手脚的并用对车辆进行操控的，ICV是需要通过一个机器人来完成，这个机器人的数据怎么流通？而且需要证明这个机器人驾驶的安全性。

我们也在构思，现在国际上都没有的，就是要做一套系统，这是个大问题。验证安全性需要百万公里以上的实测数据，而且研发稍有改变就需要从头测试，传统的测试方法无法适用，所以ICV的研发需要新的标准。

2.传统车设计的内容和研发标准需要变革

我们看看研发的内容发生了什么变化。按照目前国际上比较公认的DOT（美国交通部）指南有四个重大的内容，是传统车研发没有的。

(1) 是在机器驾驶过程中的动态驾驶任务，叫DDT（动态驾驶任务），过去没有这个设计，传统车的驾驶任务由驾驶员操作；

(2) 是在什么样的条件下，这个车可以进入无人驾驶，叫ODD（自动驾驶范围设计）。例如大雪、大雾天，这个车是不是什么天气都可以进入无人驾驶。

(3) OEDR（感知与判断），还是过去没有的，你进入驾驶状态后，在整个行驶过程中，如果条件变化已经超出了设定的模式，这个车就要退出自动驾驶模式，或者是进入下一的DDTF（动态驾驶任务应急措施），就像我们人，在驾驶过程中感觉到自己困了，就要把车停到安全地带，休息一下。这叫感知和判断。

(4) 第四个DDTF动态驾驶任务应急措施，其实就是ODD已经判别了，出现状况让司机要接过去，如果没有司机接，就是无人驾驶。那当OEDR发现了以后，需要新的、降低驾驶能力的车速等等开发任务。

3.传统车研发输入需要变革

很明显了，传统车研发输入需要变革。智能汽车设计的输入最重要的就是相关交通场景，必须把这个场景要变成数据，变成数字来使用。因为是机器在驾驶，所以数据库的数据及记录推出不同的场所，要通过定义交通的场景进入到开发的流程中，包括概念。因此基于交通场景来确定ICV的设计需求，从根本上改革了、变革了传统汽车的问题。

4.传统车研发流程和实验系统需要变革

传统车研发流程和实验系统需要变革，无论从概念设计到概念评价，到概念的验证，到软件的开发，所有的这些都需要传统的数据进来，同时要有不同的认证。至于要把交通工况分成模块化的，进行驾驶的评估等等才能解决问题，所以新的供需链就产生了。

5.传统车研发的技术平台需要变革

最后一个变革就是技术平台的变革。技术平台需要再加一层交通平台。最近我们在紧锣密鼓地组建雄安智慧城市，智能服务就是数据要推送过去，只有把城市、交通都整成智能的，才能满足要求。不能只是车上是智能的，范围太窄了。

二、 智能汽车研发的数据需求

1.ICV的设计指南

我们现在还没有形成标准，形成指南最好的是美国ODT 15条，它要求每一个汽车厂商，设计的产品必须清楚定义出ICV的动态驾驶任务，确定该产品的适用范围及其相应的SAE等级。也就是说你这个智能汽车，智能到什么程度，而且必须对这个ODD不同的等级要进行变化，要说明你在什么样的范围、光线的程度下如何进入，如果你不能进入是不是还需要人来驾驶。而且对ODT上要发布出来，这个OEDR是从正常驾驶情景、预期的障碍物和驾驶中发生的不确定时间等不同情况下都要进行评估。这样才能使客户感到是买了一辆安全的自动驾驶汽车。

2.DDT的数据需求

这样的话，对于每一个任务的数据都要有明确的规定，比如说对于DDT数据的需求，我们都可以明确需求的种类，例如事故场景、危险场景、试验场景、仿真场景等。而且对于这样的一个数据库的需求，在开发过程中如何进行开发任务的确定，使得这些数据在整个过程中在无人驾驶器上是明确的。

3.自动驾驶ODD设计的数据需求

对于ODD，特别重要就是判断你可以进入到自动驾驶，那么它也有非常明确数据的需求，而且要建立这个数据库。从需求侧到供给侧，中枢是什么，中枢就是场景的数据库，你的数据库有多大，你这个车在无人驾驶的时候具有多大的能力，多高的水平。

而且对于ODD最重要的是自动驾驶ODD的设计数据需求，要跟数据库一起设计，以及相关的研发工作。所以从这一个点来说，这个数据库影响后续进行所有的开发活动和测试，以及影响开发过程。

4.感知和判断OEDR设计的数据需求

OEDR更加重要，OEDR相当于你在监管，你监管的程度越细腻、越可信、越可靠，那你这个无人驾驶的汽车才越让人放心，所以你对监管的数据如何形成感知的数据库。然后怎么进行监测，这个非常重要，而且对于感知和判断的设计数据需求是非常大的，这个车还要有学习能力。

这个数据库有两个优点。一是因为数据进行逻辑性训练，就是你OEDR很充分了，你的ODD就会拓展。二是降低成本提高效率，就是我们以前开发这个测试的应用。

5.动态驾驶任务应急措施DDTF的数据需求

最后一个，如果OEDR不行了，情况变得太复杂了，冰雪雾，这个情况下就要选择降低车的功能。在什么情况下要降低功能呢？降低功能之后，怎么能够最后得到应急措施的有效验证，不能说降低功能了还把车撞了，这个不行，所以这个是非常重要的工作。

只有把这个应急措施做到最完善，才能升级，否则的话做L3/L4/L5都没意义。所以对于驾驶员的数据和非驾驶员的数据都必须要进行安全、可靠验证，一个是安全，一个是可靠。底下这一层全是自动驾驶的，所以这个可靠性是很重要的。最大化的降低车上人员的风险，这是定义ICV最重要的一点。

三、总结：对无限扩展的场景覆盖能力

传统汽车的开发是以有边界的范围来做的，因为在传统车上有驾驶员，出现问题时人可以判断，他不需要让这个车做什么处理，但是对于自动驾驶的车来说，需要机器识别，这个机器的识别是无边界的，随机性的。不像下围棋，把棋盘、棋局、棋谱输入，相对比较简单，智能汽车行驶在路上，遇到各种各样的状况，要复杂得多。所以它以无边界限制的产品为验证假设。

这个是最具挑战的核心问题，所以ICV必须具备学习的能力，以便从使用条件上，推广到实际行驶、运用时候的无限能力的研发，你必须造出这样一种东西，这样的话，我们就需要四大平台，因为最核心的ODD是最核心的。

这四个数据平台是什么呢？第一个是场景数据平台，刚才我讲了主要是这个，像DDT的、ODD的；第二是动态地理环境数据平台，ITS路边设备数据、精准地图的数据等等，这个是非常大的数据；第三个是行车的数据平台，就是驾驶员的健康情况、乘员的健康情况等等；第四个是用户数据的平台，用户实际反馈的数据。构成一个数据整个的网络。

为了达到这个要建立什么东西？一个是要建立ICV研发的持续学习的预测系统，包括复杂场景轨迹感知、传感融合系统、预测模型，以及数据趋势的预测环境，而且要深度的把虚拟和物理融合在一起的学习系统，否则没法上路行驶。

最后就是要实施ICV研发的持续学习的过程。这个持续学习的过程就包括从数据到模型，ABC，不断地把预测偏差的数据和预测偏差较大的数据不断的进行修正，使得这个车越来越好用，从而使你DDT的设计更加适用和准确，这就是ICV。