【汽车与环境】上海淞泓智能汽车科技有限公司副总经理李霖：昆仑计划——中国智能驾驶全息场景库建设

上海淞泓智能汽车科技有限公司副总经理李霖

谢谢。我先介绍一下上海淞泓智能汽车科技有限公司，这个公司是合资公司，现在各地在做制造中心，上海目前也成立了四家针对不同领域智能制造的中心。上海第一家创新中心由淞泓承担，由于国家要求制造中心必须有实体公司承担，所以我们创立了一个公司，所有的研发和建设运营都由这个公司承担。

今天上午很多专家讲了自动驾驶相关的精彩内容，包括传感器系统集成和整车，我分享一下在基础数据方面做的工作。数据是人工智能非常重要的部分，我们为了服务这个行业的测试和研发，以及相关人工智能的训练和学习专门开了一个昆仑计划，中国智能驾驶全息场景库的建设，和大家分享一下相关的内容。

首先介绍一下背景，这是智能驾驶的架构图，驾驶是一个非常复杂的内容，涉及到驾驶员和道路环境多层次、多维度的交互，传统汽车在做的时候考虑到周边绿色部分，车辆在操作情况下与路面交互作用，在驾驶环里是很小的层次。我们现在做无人驾驶是逐渐用机器代替人类驾驶的行为，驾驶角色的转移导致我们现在在做智能驾驶开发测试的时候不仅要考虑路面和车辆的交互，还要考虑车辆和所处区域周边的场景、以及整个路网的交互，所以它是更丰富、更深维度的交互结果。我们认为场景是拓展传统汽车研发和覆盖智能网联汽车的基础和关键，因为他不止要考虑路面还要考虑周边环境的作用。

这是现在智能驾驶和自动驾驶的需求以及发展痛点。这是美国RAND公司做的统计，在美国如果证明自动驾驶比人为驾驶安全，从统计学上证明，我需要有一百辆车全天24小时以40公里的速度跑，整个时间需要225年，如果覆盖这么多里程是不可能实现的。我们跟行业内交流的结果是这个里程是这样的，但是这个里程的场景有重复性，或者统计上有可浓缩的机制，里程这么长，但是里面的场景可以进行相关的浓缩，建设场景库是推动自动驾驶汽车快速上路的有效途径。

我们现在正在建设国内第一个自动网联汽车示范区，我们构建一个系统性的评测体系和综合性示范平台，我们在第一期做封闭测试区的时候，很多场景设置都是来源于实际采集和分析的场景。同时我们的场景需求也为后面几个阶段的建设做出指引，我们在安亭25个平方公里的区域内构建全息透明道路，这个区域无论是道路监控或者中间设施布置，都把整个道路数据化信息化，支撑我们采集，让整个交通环境全息数据采集，所以这个场景库是整个示范区建设环境的理论支撑。

第二部分，环境库建设内容

我们的目的是建设自动驾驶的全息场景库，这是国家给我们的任务，支撑我们这里成为中国智能网联相关标准规范发源地，我们要打造智能网联车相关的中国标准。为什么叫做昆仑？我们理解场景库是整个智能汽车开发研发车子的起点，我们有了场景才知道要开发什么功能，才知道怎么测试，同时它也是贯穿整个自动驾驶或者智能网联汽车研发测试全生命周期过程的工具，我们在开发过程中用到很多测试工具，每个测试工具都需要场景支撑，做软性支撑，这样我们才知道每个工具怎么测。同时我们一方面建设全息采集环境，另外一方面构建大数据中心支撑我们的场景库不断完善，这样分析下来跟中国的传统文化里的昆仑非常相似，所以我们叫做昆仑计划。

这是昆仑计划构架，我们构建了第一条仿真工具链，从场地道路到开发测试等等是比较系统完整的工具链，从仿真模拟到实际的场地测试这样一个工具测试。但是如果没有方法支撑也不行，所以我们构建了一个场景库。场景库支撑单项测试验证和需求，同时相关数据形成相应反馈，比如做封闭的测试和开放道路测试，相应的数据会反馈到驾驶场景库，不断的丰富完善场景体系。

这是场景库数据需求，以前我们做汽车的时候分为事故、危险、研究、驾驶。我们对ADAS上做了很多分析研究，ADAS大部分覆盖事故和危险领域，还有很多正常驾驶情况需要筛选。因为人和机器对环境要素的敏感度和响应度完全不一样，我们在道路上人可以非常轻松的开，但是对于车辆来讲是非常复杂的过程。针对智能网联正常驾驶场景也是非常重要的部分。另外现在道路上没有场景，包括自动驾驶车辆之间的场景和人为交互的场景，我们也得在场景库提炼内容。还有时效应对场景，这一块我们会通过相应的工具筛选和提炼，我们觉得这个智能汽车测试的覆盖面大大增加了外部作用，需要数据来支撑，需要更多体系和工具支撑这个场景库建设的工作。

这里介绍场景库的建设模块，数据来源，包括事故、自然驾驶、驾驶模拟、V2X数据、标准规范场景和自动重构场景。第二个是场景库建设方法，包括实施方案。这个数据库非常大，如果手动处理完全不能支持我们的需求，所以一方面跟合作伙伴合作研究自动处理和标注方式，比如人工智能训练要标签化，我们现在和合作伙伴，一方面他们为我们开发相应的工具，另一方面用团队支撑数据标注。还有做模块的研发和汽车算法学习，快速测试场地，进行V2X测试。

从场景库需求讲一个是要全面的，自动驾驶等维度要体现，还有每个维度对车辆场景的影响。我们现在在做智慧交通，一方面做车辆智能控制，我们现在在尝试云端控制，如果对整个交通信息全息感知之后，通过云端控制中心告知怎么开，还有做单车控制的时候也是全息的，另外极限条件也要包括，还有事故和自然驾驶模拟路侧交通等等，尽可能达到一个无线全息场景的重构。

这是交通事故这一块，我们会提供相应的数据，虽然事故的数据一方面反馈的信息量比较少，通过事故还原得到数据有限，事故代表了自然驾驶环境里危险情况的缩集，有了事故数据库之后我们知道发生的危险是怎么样的，这一块是我们构建智能驾驶避撞能力研发的非常重要的部分。

自然驾驶，我们在国内做了大量的工作，像自动驾驶平台构建，驾驶实验数据处理平台还有场景分类入库。自然驾驶现在逐步在铺开，以前在建设电动汽车示范城市的时候，我们有两个大的平台，一个是EVCar，现在有三万多辆，在上海有一万辆，我们会同步推送数据采集。而且自然驾驶平台构建数据采集方式也是多维度的，我们也想采集更复杂的数据，配备激光雷达传感器，这个方面也会做数据采集设备，但是量不会大，整体来讲是多个功能层级的数据采集设备，逐渐向大规模的车辆铺开的过程。

现在在实际道路中还采集不到交互的场景，人为驾驶和自动驾驶混行或者自动驾驶交互场景，这个我们用驾驶模拟器来做，我们把目标设计成自动驾驶或者人为驾驶，跟自动驾驶进行相关的交互，把现在在实际道路中提取到的交互场景提炼出来，这也是我们正在开展的非常重要的一块工作。

路侧的交通流越来越被我们重视，因为我们跟国外很多主机厂交流过程中，一方面大家做感知上，比如人工智能算法训练，人的识别或者车辆识别非常高了，但是对于行为预测非常难。车辆还好，车辆是行为不能突变的物体，但是对于人行为突变非常严重，如何提炼这些人的行为特征和行为反映，怎么预测行为反应是非常重要的点。现在很多厂家提出需要这块的数据，我们对这块进行大规模的布置，目前有一千多组做这个布置，采集相关数据。我们传统的数据采集是车辆视角，这块是上帝视角，从这个视角上看，信息给我们另外一个维度的认识，这一块是支撑我们做云端控制非常重要的一点。

刚才提到ADAS这一块，有大量ADAS测试场景，我们把这些场景提炼出来构建测试研发的支撑，主要考核验证车辆应对危险和事故的处理能力。前面提到五个数据源本质来讲都是有限的，而实际驾驶状态空间是无限的，我们现在做的另外的工作是分析场景要素，构建机制，一方面是这个要素的解构，把场景里各个要素解出来，然后再研究组合机制。这些组织受到多方面的约束，比如场景约束和道路规范约束、交通法规约束，这个组合有一定规律和约束的机制，我们现在在做这方面的研究，研究这个场景要素的结构和自动重构机制，有这个机制之后，我们把场景状态空间进行扩展，会用到很多随机方法，比如采样大量运用，尽量做到场景覆盖整个状态空间。

这是现在的状况，以及我们后面做了一些工作，现在交通事故有四千多起，我们现在在开展交通事故数据采集工作，现在有160多万公里的数据。驾驶模拟器场景100公里，大概1000人次的模拟测试数据。路侧现在有一百小时地面道路路侧监控数据，有1270组快速路监控设施，现在推动长三角区域的共享了。法律法规这块有80余类，后面会持续跟踪。最后这个是场景库解构和重构机制研究，如果把这一块解决了，我们可以覆盖整个驾驶环境的状态空间。有了这个之后，现在做的第二个工作是模拟器，仿真模拟环境得到提升，因为我们现在谈加速测试，我们的测试在仿真环境里才能达到效果，这个仿真模拟器谷歌已经有了，百度也在做，我们现在在和合作伙伴做这一块的工作。

现在我们做场景库的时候，虽然我们投入大量精力、人力、物力，但是我们采集到的数量占整个场景库的规模非常小，我们也想以这么一个机会构建小型生态，大家一起来做。现在参加的有十几家的厂商和技术提供商，后面希望更多伙伴参与到当中，把这个场景库更加完善。

提问：是不是参与到昆仑计划才有权利享用这个数据，这个数据什么时候能用？

李霖：你可以看国家的汽车创新战略里，国家急于构建六大类基础平台，其中数据平台是非常重要的支撑。我们要把这个数据做成开源共享数据，基础数据，上面要做很多商业化的应用，这个是我们的合作伙伴去做。我参与方面可以共享公共数据，再往后是行业逐步开放公共数据，但是公共数据上面做的有竞争性，叠加自己的工作，这个有更多合作伙伴做，这部分数据他们是有价值的共享。数据的使用方面，现在我们已经在用，只是还在逐步完善中。

提问：关于什么时候可以用，有没有时间点？

李霖：现在参与进来，大部分数据针对合作伙伴是共享的。

敬请关注盖世汽车“2017汽车与环境创新论坛”直播专题

提示：本文为现场速记，未经专家审核，请勿转载！