中国工程院院士、中国汽车工程学会理事长李骏

“美国公布的指南很清楚，每年美国有2.5万人死于交通事故，95%是由于驾驶者的操作不当召开的，现在急需一个机器人来开车。”日前，新能源汽车国家大数据联盟主办的2017年会在京举办，中国工程院院士、中国汽车工程学会理事长李骏在发言中提出。

而且在李骏看来，无人驾驶汽车成为大趋势的前提下，传统汽车研发的方式需要变革。

“原来是生物人在驾驶汽车，智能汽车是需要机器人驾驶。”李骏说，“生物人是通过生物人自己的眼睛、大脑、手脚的并行进行操控，这是一个完整数据化的过程。”但是对于一个机器人来说，这套数据化系统却难以适用。

此外，传统汽车研发过程的数字化也不够。传统汽车的研发系统需要变革，原来的系统考虑的最重要就是相关交通场景，而现在这些交通场景必须要进行数字化。

“对于自动驾驶车来说，需要机器识别，这个机器的识别是随机性的，跟人脑的聪明不一样。”李骏说，“对于机器来说，它也不像几岁的孩子，发挥是随机的，所以它以无边界限制的产品为验证假设。这个挑战是核心问题，所以ICV（智能网联汽车）必须具备学习的能力。”

以下是李骏院士演讲全文，略经钛媒体编辑：

非常高兴能够受到新能源大数据联盟的支持。

我们看到，作为ICV（Intelligent Connected Vehicle，智能网联汽车）来说，传统汽车研发的方式需要变革了，原来的研发不完全适用，需要变，这是为什么？

第一，原来是生物人在驾驶，ICV是需要机器人驾驶。生物人是通过生物人自己的眼睛、大脑、手脚的并行进行操控，这是一个完整数据的过程，只是这个完整的数据过程只在生物个体上出现。现在是需要一个机器人，这个机器人的完整数据怎么流通？而且，又该如何证明这个机器驾驶的安全性？

美国公布的指南很清楚，目前每年美国有2.5万人死于交通事故，95%是由于驾驶者的操作不当造成的。因此，现在急需一个机器人来开车。所以非常重要的是解决机器人的驾驶，解决安全系统。

不过，传统的汽车测试方法是测试人的驾驶，现在该用什么方法来测试机器？现在国际上没有，我们也在构思去做一套系统。难题在于，百万公里以上的数据稍有改变就需要从头测试，所以传统的测试方法无法适用，ICV的研发需要新的标准。

第二，自动驾驶汽车的研发按照目前国际上比较公认美国交通运输部（Unite State Department of Transportation)的指南，有四个重大的内容，是现在没有的：

1，在机器驾驶过程中的动态驾驶任务，过去我们没有设计人的驾驶参与；

2，在什么样的条件下，这个车可以进入无人驾驶状态，例如你这个车在什么天气可以进入无人驾驶；

3，你进入无人驾驶状态（DDT）之后，在整个无人驾驶行驶的过程中，如何判断已经超出了无人驾驶的模式，从而退出，或者是进入动态驾驶任务（DDTF）支援模式。

4，动态驾驶任务（DDTF）的应急措施，其实就是系统已经判别了需要让司机接管过去，但如果没有司机接管，那当感知和判断系统（OEDR）发现了以后，就需要降低驾驶能力的车速等等。

以上这些都需要新的流程。由此来看就很明显了，传统汽车的研发系统需要变革，原来的系统考虑的最重要的就是人相关的交通场景，那现在交通场景必须要变成数据、数字来使用，因为是机器在驾驶，所以要通过定义机器的交通场景进入到开发流程中。

第四，传统汽车的研发流程和实验系统需要变革。无论从概念设施到概念平台，到概念的验证，到软件的开发，所有的这些都需要数据进来，同时要有不同的认证，要把交通分成模块化，进行驾驶评估，所以新的供需链就产生了。

最后一个变革就是技术平台的变革。最近我们在紧锣密鼓的组建雄安智慧城市、智能服务，就是数据要推送过去。你需要把城市、交通都整成智能的，不能都只是车上是智能的，这个车的范围太窄。所以我们要建新的交通层、车辆层、系统层、组建层。

下面讲一下（车辆）数据的需求。

首先我们要用新的指南，现在还没有形成标准，形成指南最好的是美国交通运输部15条，它要求每一个汽车厂商，你设计的产品必须要收集数据。

也就是说，你设计的这个智能汽车且要说明你在什么样的范围、光线的程度下、如何进入无人驾驶状态，如果你不能进入无人驾驶状态（DDT），还是人在开，就要对美国交通运输部发布出来，车辆的感知和判断系统（OEDR）都要进行评审，这样才能使得客户感到是买了一辆安全的自动驾驶汽车。

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（无人驾驶状态）数据的需求。而且对于这样一个数据的需求，在开发过程中如何进行开发任务的确定，使得开发任务中对于这些数据整个定制在无人驾驶器上是明确的。

对于设计运行范围（ODD），就是判断你是否可以进入到自动驾驶，那么它也有非常明确的数据需求，而且要建立这个数据库，从需求侧到供给侧。你的数据库有多大，体现在无人驾驶的时候才具有多大的能力，多高的水平。

车辆的感知和判断系统（OEDR）更加重要，OEDR相当于车辆的监管，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。

最后一个，如果车辆的感知和判断系统不行，面对冰、雪、雾等复杂情况，就要选择降低功能。而且降低功能之后，还需要得到应急测试的验证，不能说降低功能了还撞上了。

所以，我们总结起来是这样的，传统汽车的开发是以有边界的范围来做，因为在传统车上有一个人，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，这个机器的识别是随机性的，跟人脑的聪明不一样。对于机器来说，它也不像几岁的孩子，发挥是随机的，所以它以无边界限制的产品为验证假设。这个挑战是核心问题，所以ICV（智能网联汽车）必须具备学习的能力。

其次，我们需要四个数据平台。第一个是场景数据平台，像DDT（无人驾驶状态）的、ODD（设计运行范围）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，用户的数据。虽然它代表了数据整个数据网络。

为了达到以上的架构要建立什么东西？就是要建立ICV研发的持续学习的预测系统，建立这样一个持续学习的预测系统，需要把虚拟和物理融合在一起，所以需要包括复杂传统、传感、预测模型，以及数据趋势的预测环境。（本文首发钛媒体，李勤/整理）