清華大學張亞勤院士：我們正在讓自動駕駛變成現實

7月19日，IEEE 2022網絡、計算機和通信國際研討會（ISNCC2022）首次落地中國，圍繞“Touch the Future數字未來之路”主題。中國工程院院士、清華大學智能產業研究院（AIR）院長、IEEE Fellow張亞勤發言。

以下是發言全文：

早上好，下午好，晚上好。無論你在哪裡，都向你問好。我是來自清華大學的張亞勤。我今天要講的是智慧交通領域的自動駕駛。我們知道，過去幾年來，自動駕駛已然成爲最激動人心、最令人關注的技術之一。今天我想花15到20分鐘來談談自動駕駛的一些背景，特別是與智慧城市和智慧交通相關的內容，比如Vehicle to Everything技術，簡稱V2X。

人工智能確實爲新技術、新產業創造了前所未有的歷史機遇。最先受到它影響的實際上正是IT產業本身：新算法、新軟件、新芯片、新技術堆棧、數據中心……當然還有很多新產品和新服務。然後，它又變革了我們既有的傳統產業，比如醫療業、金融業、教育業和製造業等。最重要的是，它還創造了新的產業，自動駕駛當然就是其中一個。

汽車產業已經發展了100多年，無論是從技術 、供應鏈還是從商業模式來看，它都已經是一個非常成熟的產業。它正經歷這一百多年來的第一次重大變革，這是一次真正意義上的脫胎換骨。這次變革可以用四個字母來概括：CASE聯網化（Connectivity）、自動化（Autonomy）、信息共享（Sharing）和電動化（Electrification）。我認爲，自動駕駛無疑給該產業帶來了最大的影響，它也是我們今天要探討的主題。

那麼，它帶來的重大社會效益和經濟效益有哪些呢？

人們常常問我，你爲什麼要把人們從駕車的樂趣中“解放”出來？因爲它首要的優點是安全性高。有90%以上的車禍，尤其是致命的交通事故，都是由人爲失誤釀成的。所以，把人從駕駛中解放出來，當然就有助於消除或最大限度地減少這類失誤。它的第二個優點是效率高。 我們平均每天要花60分鐘甚至更長的時間在車裡，用於駕駛或是尋找停車位，簡而言之就是在“交通”上花的時間。而自動駕駛能爲你省下這些時間，我們就可以用來做其他的事情。當然了，這也將會創造巨大的經濟效益。

百度和麥肯錫最新的報告顯示，在不到10年後的2030年，新產業創造的經濟規模將達1.5萬億至1.8萬億美元之間。這還只是單單從全球的駕乘和機動車產業來考察。在我看來，自動駕駛是一種集成了衆多不同要素的技術。它具備感知、規劃和控制、模擬、精確到釐米級的高清路線規劃等能力，還涵蓋了各種軟件、新型的硬件堆棧聯網功能等。最重要的是，除了必須集成這種相似的東西，你還得有安全性，容錯率極低。因此，就其挑戰性和複雜度而言，我認爲自動駕駛可謂終極的人工智能系統。但同時，我相信這個難關是可以攻克的。我們可以把一個特別複雜的問題分解成一個個可以逐一擊破的小問題。

那麼，在實現自動駕駛的過程中，我們必須解決的關鍵問題、必須要做的關鍵決策有哪些呢？這分爲兩大類：市場力量和非市場力量。市場力量包括技術、藍圖——如何實現我們的目標、以及如何構建生態系統等。非市場力量包括政策、法規、倫理道德、隱私和其他的人爲因素。

那麼今天，我們將討論其中的一些技術，特別是V2X方面的技術。當然自動駕駛中包含其他的技術問題，如要採用什麼樣的傳感器？雷達還是視覺？實現路徑是什麼呢？是要像特斯拉和Mobileye一樣，依次經歷第二級、第三級、逐步進展到第四級，還是像谷歌Waymo和我們的百度一樣，直接跳到第四級研製無人駕駛汽車？還有它將是一個開源系統還是封閉系統呢？它是類似安卓系統還是像iOS系統呢？誰將贏得這場角逐呢？是傳統的OEM汽車製造商，還是一些新興勢力、新興的電動汽車製造商，還是科技巨頭呢？這裡邊有很多有趣的問題。但是今天，鑑於我們要探討的是智慧城市和智慧交通，我們只關注一個主題，那就是V2X技術。

V2X技術的實現可分爲三個循序漸進的步驟。第一個步驟很簡單，就是協同感知。它就是簡單地將道路和交通數據與你在車裡看到的信息整合在一起。第二步是協同規劃。協同規劃意味着在掌握了這些信息後，就能做出路線規劃決策，以實現更高的效率。下一步當然就是系統、全面的道路設施設計，可以從城市全局的角度最大限度地提升交通系統的效率。人們通常在自動駕駛的模型設計這個議題上有很多疑問：它應該更多地基於單車智能還是需要V2X數據智能的協助？哪個更重要？顯然，車輛本身需要非常智能化。要把人們從駕駛中解放出來，當然需要有最基本的自動智能去實現它。我也相信V2X技術、道路信息、交通信息以及整個城市設施給予我們的種種信息，對於實現更高水平的安全性是至關重要的。

在道路安全方面，有一些極端情況：比如惡劣的天氣影響了視線；比如發生了擁堵或事故；還有其他的問題，比如在你看不到的盲區、突然出現的併線車輛以及其他難以預見的因素。如果只有單車智能，那整體的視覺感知、數據和感知可能就會非常侷限。在這種情況下，V2X信息就可以提供很多幫助。它可以將全局的交通信息和路側設備感知到的信息，以及單車自身全部範圍內的信息和其他的危險信息相結合。本質上，簡單的說就是，你可以一邊自己接收道路信息和交通信號燈信息，城市基礎設施同時也爲你補充額外的、你無法從車輛上感知到的信息。

此外，我們用到的很多功能、很多深度學習算法，都是基於數據的。所以，擁有的數據越多，得出的算法就越好。這裡是一個無保護左轉路口的例子，你可以從模擬器上看到其中的信息。左邊是隻使用單車感知的系統，右邊是車載感知關閉而僅使用路側感知系統的情況，這兩套不同的傳感方式，都能夠保障主車順利通過路口。

這是另一個例子，一輛救護車在毫無預兆的情況下突然駛來。看到左邊（的畫面），我們沒有路側感知信息。會車時，你得緊急剎車，這個體驗就很不好。看到右手邊（的畫面），使用V2X技術可以預知這輛救護車的駛來，並及時提醒司機提前剎停或減速，避讓那輛救護車。

各國政府都積極鼓勵部署V2X技術，包括美國、歐洲、中國等。在政策、試驗場地和部署方面，中國處於遙遙領先的地位。目前，已有“5+2”個路網被指定爲示範區，將來還將有更多投入使用。C-V2X是一種用作基礎設施通信協議的主要技術。百度“阿波羅”（Apollo）就是一個特別的例子。 “阿波羅”是百度從2017年開始開發的開源平臺。這一開源商業平臺最初主要是用於單車的，但現在，尤其是過去3年來，它新增了很多V2X功能。它在全球擁有200多個合作伙伴，進行着V2X技術方面最前沿的工作：技術研發、部署和試驗。清華大學與百度阿波羅開展了合作。大約一年前，我們啓動了Apollo Air項目。充分利用路側智能的潛力探索車路協同領域的技術無人區。此外，就像汽車的自動駕駛分級一樣，

我們也在嘗試定義路側智能的分級標準。即使車輛本身沒有自動智能，我們也可以藉助路側、交通、道路和基礎設施的感知和算法，協助沒有自動駕駛能力的汽車導航。

當然，爲了更好地實現自動駕駛，我們還是要把單車智能和路側智能結合起來。我們已在多個城市部署了這一系統，主要是在北京的亦莊高級別自動駕駛示範區，這是北京市政府爲試驗各類V2X技術而設置的開放式試驗場地。爲了證明V2X對駕駛安全的提升，我們設計了一個數學模型來評測兩條路線在不同交互場景中的表現。其中一條路線僅使用了單車智能，另一條路線運用了V2X、車路協同（VICAD）信息。然後我們再從車輛交互模型、交通模型去調整車輛駕駛模式。然後再通過安全評價模型去考察V2X技術實際上對車輛整體的安全性有多大提升。P(AD)表示單車自動駕駛的事故率，P(VIDCAD)表示運用了V2X技術後的事故率。我們通過開發這一模型，得出了一組數據。我們也在亦莊用真實的車輛和V2X技術來協助驗證了這一模型的效果。我們可以看到，在三個不同的場景中，V2X技術的表現是最出色的。它顯著提升了安全性。尤其是在無保護的左轉路口，這是普通車輛駕駛最頭疼的問題。你看不到道路另一側——無論是與道路水平一側還是垂直一側的交通狀況。在這種情況下，V2X技術就能提供驚人的超過10倍數量級的安全性。這些還只是初步的成果。我們在亦莊部署了很多車輛，我們也在改進和迭代安全模型，以期取得更重大的成果。

這裡有一個視頻片段，它展示了我們的一部分工作、我們在亦莊部署的車輛以及供我們用V2X技術提升安全性的一些場景，這也是在實際的交通中會遇到的場景。

這就是視頻片段的內容。抱歉，它沒有英文版本。但我希望各位能領會其中的大意。視頻中截選的不同交通場景，都是從無數真實場景中提取出來的。其次，我們既有真實的車輛駕駛數據，也有基於算法的理論模型。正是這一切讓V2X技術和整個自動駕駛體驗變得更加安全、更加令人信服。

我的（演講）時間快到了。我想再次強調，自動駕駛是過去幾年間最引人注目的技術進步之一。多年來，自動駕駛汽車一直是一個夢想。有史以來第一次，隨着技術的進步，隨着新功能的誕生，我們有了新的算法、有了我之前提到的CASE，我們正在讓自動駕駛變成現實。

非常感謝各位的聆聽。