清华大学研究所所长张毅：车路协同技术，如何从底层重塑自动驾驶方案？

转自：雷锋网

9月24日，中国电动汽车百人会·常州论坛（2017）召开，会议主题为“交通变革与智能出行”。

张毅：今天的题目是“人工智能与智能驾驶”，从大家最关心的人工智能话题出发，看看它对智能驾驶的影响和作用，以及对未来出行领域的变革。

我是清华大学自动化系系统工程研究所所长，从事交通领域工作二十几年，国家的一些重要发展战略我们都有参与，同时我们也是第一个承担国家车路协同重点项目的主持单位。今天分享的内容包含四个方面：

我们现在在交通领域、交通以外的其他领域谈了很多，但是通过我的报告大家可以看见，实际上人工智能距离实际应用的路还非常漫长、任务还非常艰巨。

有机器学习是不是就能解决问题了？还不太行，还不能有效地解决问题，于是我们说进一步推进它，叫机器学习不够，我们做一个深度学习。在这样的情况下，如何看待人工智能真正在交通领域中应用的困难呢？

大家知道，要从许多许多图片中辨识和找到一只猫，人用眼睛一看就知道了，但对机器而言却非常困难，即便如此，我们还是取得了非常多的进展。延伸到交通领域，会不会产生同样的结果呢？

同样的一只猫，换到交通里可能不是猫了，是车辆，那么对车辆的识别是否像对一只猫的识别这么简单呢？情况可能会发生很大的变化。

为什么？第一，从二维图像而言，汽车有不同的角度、不同的方向。第二，汽车会移动，给我们增加了辨识的困难。第三，实际交通环境十分混杂，在车流中像人一样快速、准确地辨识非常困难。

这就是为什么，真正要把人工智能应用到交通领域中，远比我们想象困难得多。

举个例子，比如视频识别或车牌识别，这是人工智能与图象识别中最经典的应用方式，大家会发现，它的应用是最完备、最有效、最准确的。所以目前而言，将机器学习甚至深度学习的最新技术应用在一些静止场景是能做到的。

至于移动场景中，如恶劣的交通环境下，即便用最新的人工智能技术都不能准确地识别。所以回顾看来，所有交通系统里，能够将基于人工智能的图像识别应用最好的场景也就是屈指可数，其他复杂的、运动的条件下人工智能应用都还是非常困难的。因此，可以看得见，用人工智能实现智能驾驶是非常具有挑战性。

再以很有名的特斯拉事故为例，当时采用了Mobileye配合雷达传感器，Mobileye也应用了人工智能技术，但算法配合传感器仍然出现了这种典型的事故，如何能将人工智能技术更好地应用呢？今天我们谈到的车路协同系统如果能实现，将提供车车通信、车路通信，就能某种意义上避免这种事故。

第二，能判断、有思维。举个非常简单的例子，当你们在高速路上开车的时候，突然旁边有一辆汽车比你开得快，从你旁边穿过去了，一般老司机都知道这个司机开车的时候有什么样的动作，在你前边简单超车还是并道都会有一个判断，但是对智能驾驶系统来讲未必会这样，同时这也并非采用规则算法能理解和实现的。

第三，遇到各种事故后，能像人一样把车辆操作下去。

我们看到，SAE（美国汽车工程师学会）将自动驾驶进行了分级，从Level 0到Level 5，但其中是不是已经包含了人工智能？我的回答是并不包含。

目前，从业界情况看，人工智能如果按照上述的三条标准，那么在智能汽车中还没有应用。如果将Level 5实现，就是实现全自动化，那么它属于一个机器人，但要真正将人工智能贯穿进来，我们还会加两层，就是狭义上和完全意义上的人工智能，构成7级的模式，这是一种新的发展思路。

这样的情况下我们会遇到什么挑战？

以驾驶辅助系统为例，这是一个从定速的巡航逐渐过渡到变速功能的系统，即我们所说的ADAS。但随着车路协同引进后，自动驾驶又提出了新的条件，就是单车的驾驶辅助还可以与多车结合起来，于是我们就做了CDAS（协助式驾驶辅助技术），之前工信部已经报道说目前初步实现了CDAS，它的实现基础就是车路协同平台。

而人工智能引入之后就不是CDAS，还会升级成AIDAS。如今，巡航控制已经在许多车型上体现，但系统对前车的动作是不理解的，只是通过对距离和速度的判断，来判断前车可能在做什么。

下一个发展阶段，不论是车路协同还是自动驾驶，我认为前车或周边车辆的任何动作，都要反馈一个信息，而不是单单猜测你在做什么，人工智能和车路协同是完全可以结合起来的。

第一，驾驶安全的改进。在车路协同平台下，可以阶段性地实现一些交通安全需求的功能，如刚才提到的协助式驾驶辅助技术CDAS，就是现在发展中一个能看得见、摸得着、能够实现的应用。

简单来说，在传统的安全措施之上，我们提供了V2V平台，就使得所有车辆之间信息，包括操作信息可以共享，这种情况下，就改变了原来的安全模式。比如安全带、安全气囊，这是被动式安全模式，我们现在说的ADAS属于主动式，因为出现事故之前可以主动避障，但还是单机版的，不是多机协作的，到了CDAS，就实现了多辆车的协作，甚至把人工智能的技术引入，我们可以做到AIDAS。

第二，交通控制领域的革命性变化。现在大家所知道的信号控制的控制侧，不管你是中国的系统还是美国的系统，这些系统都是在传统的平台上搭建，现在我们给你一个新的平台，让你知道所有车辆在道路上行驶的位置、速度、加速度、方向，就可以很好地调整、变换你的控制侧，这样的情况下我们可以实现什么呢？要等到所有车都装上了设备，所有路侧设施都搭建好了，这是一个过程。

现阶段，我们能做到简单的单车引导，由于车和信号灯有交互，车辆在哪种行驶速度下达到路口正好绿灯，对这个信息可以做一个引导。单车可以引导，那么多辆车也可以，甚至多辆车和信号灯之间的信息也可以交互。新的控制系统中，整个交通系统的信号机完全不再起到决定性的作用，甚至可以让它消失，这是理想的状态。

有了车路协同，传统的自动驾驶会不会发生变化？同样也会发生变化。为什么说传统的，我们现在大家关注的自动驾驶，我总结下来基本包括两条技术路线。

第一，靠车载传感器探测车辆周边的交通环境信息，指导自动驾驶。

第二，不完全依靠于传感器，用高精度地图加高精度定位技术，结合近距离传感器，实现自动驾驶。

而利用车路协同平台，完全可以给自动驾驶车辆提供周边的交通环境信息，比如局部的交通以及所有道路的交通信息，并且可以做到高精度的。

传感器探测周边的环境，目前来说还是有很多局限性，路侧设备同样也可以探测，路侧设备探测比移动过程中的探测精度、可靠性都要高很多。基于此，可以使得自动驾驶完全依赖传感器的技术路线摒弃掉，完全依赖车载高精度地图信息就可以做到自动驾驶，而且靠基础设施的建设，可以大幅度降低车辆的成本。