智能网联汽车技术的中国方案

汽车智能化时代来临，智能汽车是一轮科技革命的代表性产业，是世界工业强国的战略竞争高地。新一代人工智能，与汽车的实体系统、交通系统融为一体，已经形成发展共识，世界上重要国家和地区都在国家产业发展过程中，把汽车智能化建设作为核心领域。

面向下一代AI的智能网联驾驶系统，是依托多源多态传感器、互联互通控制器、云端大数据平台等装置，融合大数据驱动学习、人机协同增强智能和自组织群体智能等下一代AI技术，使运载工具实现交通环境深度感知、交通态势准确认知、人车路一体化决策和控制等能力，实现部分或全部无人驾驶的下一代智能系统。

基于新一代AI的ICV关键技术研究进展

未来在交通、汽车领域，无外乎是结构化道路和非结构化道路，分高速公路和普通公路，全要素的感知和态势理解行为认知，进行自主进化决策。

现在90%的AI公司只能做到单车感知，还有多车和大范围问题需要迭代完善，智能网联汽车交通系统的核心包含协同控制、驾驶决策、行为理解和融合感知等。基于生成式AI的智能驾驶系统，从单车到多车再到交通，是从自主、混合智能到群体智能，再到云控智能的演变升级，需要以下五大关键技术手段来实现。 

关键技术1：弱势交通参与者的联合深度感知

道路上弱势道路使用者（VRU）普遍存在，每年道路上超过一半死亡者(56%)是VRU，现在他们受到的保护依然有限，需要感知各个类别的VRU，以实现行驶环境对VRU的更优保护。

感知各个类别的VRU，数据集构建是开发环境目标检测的重要基础，团队建立了世界上第一个实用公开骑车人识别数据库，高达6.1万个样本，可助力实现动态复杂道路弱势交通参与者的联合识别。还提出了多示例目标候选区域选择的行人-骑车人联合检测方法，设计适用于多类别VRU检测的深度神经网络模型，解决不同类别弱势道路使用者易混淆等检测问题，非常适合于复杂场景。

关键技术2：交通参与者行为的长时域预测

高准确行为预测是自动驾驶的挑战性难题。检测以后，下一步是什么？汽车驾驶道路环境，随机性强、场景复杂，做到准确需要长时间预测。

李克强院士团队提出了时空分离动态场景建模与双阶段训练机制，克服了人工设计中间态变量的预测性能局限。通过编码、减码对轨迹和空间分开，用7项指标设计时空分离模型，把准确控制和微调结合起来做算法。这项工作非常有成效，现在已经有很多单位参与进来。

关键技术3：强化学习型智能汽车自主决策

现在做决策有很多方法，有专家规则型，监督学习型和强化学习型。李克强院士团队采取的是强化学习型。强化学习型有很复杂的算法，往往决策和控制分离，团队提出了决策控制一体化模型，不断进行迭代，在感知和决策里面用了动态规划和评价，特点是把模型驱动和数据驱动融为一体。团队还提出了DSAC算法，解决值分布过估计难题，是性能排名第一的强化学习算法，在各种工况下能够类人行为。

关键技术4：自动驾驶汽车高实时运动控制

运动控制实时性是高级别自动驾驶的挑战性难题。李克强院士团队提出了模型预测控制的循环求解机制，改善循环次数解决了不同时域长度的最优控制，把循环的次数和PMPC位置步长相等，在理论上这是非常漂亮的做法，现在还发表了很多文章。

此外，还提出了循环模型预测控制PMPC算法，具备对控制器算力的自适应能力，可以选择不同的适配次数。如果算力不够，迭代次数少，PMPC步数短，做人工智能迭代循环次数就缺少。如果计算芯片大的话，可以增加迭代次数，用人工智能强化学习来迭代优化。做了这个匹配，所学习的神经网络策略提高在线计算速度约900倍，有效满足运动控制实时性要求。

关键技术5：面向AI高性能计算的车脑/云脑一体化基础平台

车路云一体化的智能网联汽车核心挑战，是在大规模云端-路端-车端节点，信息流传递路径复杂多变，车辆行驶性能需求多样化，属于高维复杂信息物理系统。

李克强院士团队创建了“车-路-云”融合的智能网联汽车云控系统平台架构，研发了具有完全自主知识产权的车脑/云脑协同感知-决策-控制系统，具备分层次、跨时空、多任务等特征，是国际首个具备“车-路-云”融合特征的智能网联汽车云控系统平台架构。

云控基础平台共分四层，车端可实现毫秒级，将来基于5G条件，时间还可以进一步缩短。这样的架构不是一个概念，而是已经在实施、并且符合工程需求的项目，具有低时延高可靠性特征。在车端的自动驾驶操作系统，则设计了高实时操作内核软件，通过接口适配层，实现中间件与计算机硬件解耦。标准化功能层软件，实现了功能软件与应用软件的解耦，支撑了不同类型车端自动驾驶应用。

未来在自动驾驶层，要考虑实时性，并匹配不同硬件，这就需要新一代的操作系统。基于新一代的操作系统，将来的自动驾驶整车控制器除了芯片以外，还需要能够支撑操作系统的算法来协同快速开发，并把核心应用程序快速迭代，形成一个产业生态。

基于云的技术平台做好了，车的技术平台做好了，大家还担心通信实时性不高，可通过超视距实时感知技术，解决单车感知范围受限，通过广义优化节能驾驶技术，完成自主知识产权的云平台应用层功能软件开发。

智能网联汽车下一步发展的挑战和机遇

智能网联汽车下一步发展面临一些挑战。

自动驾驶的智能性不足，智能网联汽车的核心难题还是安全性。环境感知和准确性有待大幅提升，智能网联汽车已能区分典型环境目标，但并非绝对准确。红绿灯准确率达到95％，行人准确率达到90％（动态环境~80%），车辆准确率达到98％，但感知性能受到雨、雪、雾、霾、强光和沙尘等影响显著。

智能网联汽车决策智能性还远低于人类平均水平，对车外的决策，理解交通场景以及参与者意图，预测周车行为模式，合理判断行车风险，选择正确的应用操作。

信息安全性的挑战日趋严峻，智能网联汽车是新一代电子信息“终端”，类似手机，面临黑客从传感器、操作系统、车载总线、车联网等攻击和诱导等风险。

整体来看，AI驱动的智能网联汽车发展在系统智能性、安全性等领域任然存在技术不足的挑战，而且伦理困境及责任认定方面也亟待突破。