【2018全球自动驾驶论坛】兴民智通张人杰：智能网联汽车助力打造智慧交通系统

1月25-26日，2018全球自动驾驶论坛在武汉·中国光谷举办，本次论坛以“启发创新·开放共享”为主题，会议期间，兴民智通COO张人杰发表了主题演讲，演讲内容如下：

兴民智通COO  张人杰

很高兴能和大家关于智能网联做一个交流，今天这个论坛的核心是自动驾驶，但是我个人认为，自动驾驶离不开智慧交通系统，我们谈自动驾驶，我个人认为最好要从系统的角度去看，从系统角度得到的东西会更多一些。兴民智通以前是做车轮，是中国最大的车轮集团，这两年做了产业布局，逐渐从传统的车轮业务转到智能网联业务。大家看我们的产业布局，分为两大块，一块是车轮业务，这是中国最大的，我们是中国最大的钢圈企业集团，同时铝圈业务也在布局，关于智能汽车，我们为什么来到武汉？武汉有一个全资子公司叫英泰斯特，主营业务主要是在T-Box、数据平台、大数据分析、FOTA、V2X、高精度定位、道路试验、自动驾驶、总线记录及诊断。第二个公司叫九五智驾，除了手机运营之外，还做大数据分析、生物鉴权、虚拟钥匙、车队关系。上海的公司主要是做智能座舱、自动驾驶。在深圳的子公司叫广联赛讯，主要是做后市场产品、智能后视镜、大数据运营、流量管理、汽车金融服务等，我们做智能驾驶最多的是测试部分，以及相关的V2X、高精度定位的东西。

兴民智通网联布局，从数据平台到监控平台、运营平台、物流监控到智能驾驶全运营部分。核心部分，智能交通系统分为几个层面，我们怎么界定每一个层面有什么样的作用，我们的智慧交通系统不管多智能，最终离不开人，我相信有很多朋友都是这一两天来到武汉，我今天早晨4点到武汉，基本没有怎么睡，为什么呢？我们的交通系统其实并不智能，在某一个环节出现拥堵的时候，根本没有办法自动去调整。你到武汉会有一个感受，出租车会乱加价，这个时候没有办法，只能选择其它的交通工具协调，但是这个东西不是智能的，如果是智能的，系统会自动地把整个交通状态进行调整，规划出一个最佳的路线。对于感知层大家不陌生，现在谈智能驾驶最多的是感知层、通讯层，一谈这个大家就会把5G搬出来，因为没有5G就谈不了智能驾驶，因为带宽有要求，还有以太网。车内系统发生了很大变化，从传统的ECU点对点的方式到控制器的方式，对平台来讲，包括数据走线、大数据、智能系统都是智慧交通系统的核心部分。最终离不开运用层，包括运输管理体系、运营决策支持体系、交通管理体系，运用层决定了整个系统能否正常地运行。

V2X智能网联技术是智慧交通系统的基础，我们通过资源管理和数据分析，协调用户出行，提供优化的实时智能路径信息，减少拥堵，降低能耗，构建智慧交通体系。对于V2X前几年大家看得不是非常重，单车智能系统逐渐地被网络V2X协同计算的智能驾驶系统取代，为什么呢？因为单车的智能是不够的。博世的系统停车并不是在车上面做的多智能，是在停车系统，用了双目摄象头做整个停车处理。这跟国内的很多公司做法不一样，我个人觉得从系统的角度，做自动驾驶可能比从单车做自动驾驶更有意义。就好象在古代，人们驾的是马车，马车对应的道路是什么样的状态？现在是公路，我们有这样的交通体系，从未来讲，如果是一个自动驾驶的体系，道路本身应该要发生变化，整个系统需要重构。所以我们把智能网联作为辅助部分运用到智慧交通系统里。

2017年大家对MOBILITY并不陌生，关于智慧出行，移动互联网的厂商都说，我原来不是一个原来的我，我是一个出行服务商，大家都要做这个转型，为什么呢？社会离不开服务，核心是服务，产品是服务，所有的一些都是围绕服务进行的。为什么我们在机场打不到车？原因在服务不够好，要把哪些东西变成服务呢？今年CES上非常明确的一点，像丰田这样的OEM厂商，不再过多地渲染自动驾驶本身，是把自动驾驶包括其它一些出行服务，作为一种服务来为客户服务。不管是轨道交通、机车、飞机、汽车，核心都是围绕MOBILITY进行的，对于MOBILITY来讲，MAAS（出行级服务）是根据改变出行环境以及定义不同运营者的商业模式来改变整个交通运输系统。

我个人认为AAAS比MAAS更重要，因为自动驾驶变成服务之后，我们现在的生活格局会发生完全不一样的变化，我们不需要商店，因为所有的一切都在变化。以前熟悉的物流、商店、餐馆，这些东西都可以在移动的状态下进行，自动驾驶本身不是目的，它的目的是为我们更好地服务，所以整个服务体系会发生变化，这是我们在担心的。如果我们不跟随这个趋势，未来你会发现你所从事的职业、所在的公司，可能在这样的体系里面是无法生存的。我认为丰田的概念非常好，打造了下一代城市的雏形，我们看到的未来都不存在，未来看到的可能现在无法想象。这就是我们在智慧交通体系里面要想的，未来该做什么，我们做的东西在流动的环节里是否存在？所以不管是MAAS还是AAAS都是未来智慧城市的核心目标。

智能网联经过了三代发展，第一代是安吉星，推出了导航、实时路矿、紧急救援服务，中国很多厂商都是仿造这个系统来构建整个Telematics服务，很多人诟病，第一代车联网用户体验并不是很好。到第二代车联网，突出一个核心的思想：运营。比如车内管理、礼宾服务、UBI保险、汽车金融、维修和后市场服务。第二代核心思想就是数据。到了第三代车联网，更热的一个词加入到智能网联来，那就是AI，人工智能不必过多地渲染它，也不必神话它，我们认为应该拥抱它，不能排斥它，不能因为我们不熟悉就排斥，不能因为我们所从事的公司不再做这个事情就排斥。机器学习是一个非常老的概念，但是它可以作为我们做大汽车车联网的驱动力。

车厂经常说我有这么多传感器进来，这么多数据怎么处理？很多车厂都没有概念，我们大家也没有概念，为什么？大家每天都在说数据很重要，开一辆车装一个摄象头搜集数据，这个数据怎么清洗？我们要把数据清洗出来放在平台上，下一代车联网聚焦在清洗、分类、储存、分类、处理、转发。未来还要提供接口，我们的微信怎么把车联网的信息反馈在平台上为我们服务，这也是数据处理的范畴。还有智能座舱的协同计算，现在智能座舱更多是交互和显示，就像中控娱乐系统、虚拟仪表，更多是做交互，显示和交互会发生不一样的变化，自动驾驶来了以后，座舱会发生什么样变化？它显示的内容肯定跟以前不一样，我不再关注这辆车以每小时多少公里在行驶，关心的是移动出行过程中还能获得哪一些服务，下一站在哪里，能做什么事情，考虑的更多是服务的问题，智能座舱会和智慧交通系统结合起来。基于自然语言处理和人脸识别交互，可以在分时租赁、共享出行中使用，对第三代车联网聚焦更多的是AI、大数据分析的东西。

现在有一个词比较热，叫边缘计算，谈物联网离不开边缘计算，谈车联网、自动驾驶也离不开边缘计算。我们能够在设备侧打造更智能的设备，什么叫设备侧？智能座舱、T-BOX会变得更加智能，会把大数据输入到系统之前做很多预处理，没有预处理进去的数据太乱，没法处理，所以边缘计算是打造更智能的交通终端设备。对边缘计算来讲，智能网联的终端将会大大增强设备侧的处理能力，为汽车大数据平台输入做更多的过滤分类和计算处理，让我们输入到这个平台中的数据更加地安全有效，与智慧交通体系的其他终端设备一起，贡献结点的计算能力。

人机交互方式核心聚焦在三个方面：交互、鉴权、监测。交互可以是语音、手势和其它的没有发现的方面。如果我们把交互变得非常复杂，对于一个老年人或者儿童还需要学习，这种交互一定是失败的，我们做交互一定要做到非常简单，让所有的用户非常容易地学会使用车里的热机交互方式，不管是在乘客侧还是驾驶员侧。鉴权人脸识别、指纹、虹膜。监测，驾驶员疲劳的检测。导航技术发展，从最早的路径导航，到现在的路况导航，到未来一定是自动导航。如果自动驾驶落地，自动导航肯定是未来所有导航的趋势，比如前车感知到了这一条路线存在很多问题，例如有事故、施工，这样的状态会很快地反馈到后车，后车产生的路径跟前车就不一样，他们之间的时间差额可能只有10分钟，但是产生的路径完全不一样，这就是自动导航的概念。尤其是考虑到各种应用场景比如物流场景，考虑到各个不同的点去卸货、上货，比如京东，京东有很多物流仓库，到底从哪一个仓库调货，这些系统可以放到运输车里面去。

智能车有几个特点：数据、特征、模型。数据就是要做汽车大数据的清洗分类，存储分析处理。特征驾驶员的行为分析、驾驶员疲劳监测、自然语言和手势等人机交互。模型，对行驶路径进行优化，对电池寿命和一致性进行计算，这些都是人工智能带来的运用，这里有无限想象空间，不同厂商做的数据方式不一样，特征选取方式不一样，模型选取的方式也不一样，所以结果都不一样。我们以前做程序设计，都是确定输入，确定输出，当AI引入到大数据里面来以后，所有的东西都发生变化，不再是确定地输入就有确定地输出。

怎样提升智能网联的价值，怎样做大数据分析，分三个范畴。一是大数据的分析统计。二是隐藏数据规律的挖掘。三是数据建模和预测。如果我们能对大量数据车主的用车数据和车辆运行数据进行分析，会得到比如车速分布、转速分布、驾驶习惯等进行统计，为管理增效、营销策略等提供数据支撑，这个数据是反向迭代的作用，能帮助车企更好地改进汽车。大数据、人工智能的本质是统计学，大家可以看到，经常会神话他们，但是统计学始终是它的核心。就好象人类刚刚出生的时候什么都不懂，在不断地学习过程中掌握经验，遇到新的事物的时候用旧的经验反馈，这些新的事情应该怎么做。统计学就是这样，对人工智能绝对不是一个精确的结果，大数据分析有是这样，不同的模型分析，结果一定不一样。所以这里面涉及到怎样对隐藏的数据规律进行挖掘，我们通过车辆的工况数据找到隐藏的数据规律。比如驾驶行为与能耗的关系，拥堵工况与能耗的关系。

我们在现有能够获得的数据里面可以去挖掘无穷的数据规律，未来如果某个公司只是专注在做数据挖掘，一点不用惊讶，因为这里有很多文章可以做，如果你能够把数据挖掘做好，一定也能够进行数据建模，因为所有的挖掘目的就是为了建模。我相信大家在大学或者研究生学习的时候，应该会遇到数学建模这样的学习，我们怎样用机器建模的方法，把历史的数据运用到模型中，去训练模型，从而得到未来很多状况的预测，比如汽车零部件更换预测，用户使用习惯预测、电池寿命预测。现在的保险是整车保险，一辆车每年能够产生的价值是非常有限的，对于车厂来讲，未来对单一汽车零配件可以做寿命估计。比如这个刹车片其实可以工作两年，这个时候在一年的时候给你保险，就可以获得超额的价值，因为这个地方根本不会出现问题。车厂和保险公司可以结合在一起，有效地利用数据模型来创造更大的价值，对用户来讲也是一样，可以比较容易地知道电动车里面哪一部分电池组会出现问题，我提前就去做更换，避免在高速或者恶劣的地方出现状况。

协同计算，我的核心思想就是边缘计算加协同计算，车联网、网联不是目的，网联的目的是协同为智慧交通系统助力。所谓的协同计算就是，我们怎么样利用现有的数据平台，让它的计算能力和结果为我们的体系来服务。举一个例子，过去我们车里的显示终端，显示的内容很多时候是把模拟的东西变成数字的东西，或者是多显示一些信息，实际上这不是我们的目的，我们的目的是要改变显示的内容。过去我们在车里面显示，你的续航里程还有200公里，它怎么算呢？你的油箱体积是60升，续航是500公里，它按百分比，大约还有多少里程，这种计算毫无疑义，因为不同人的驾驶习惯、路况都是不一样的，只有把这些计算都融入到里面这样的显示才有意义。车联网不仅是指挥座舱，还会反馈到整个城市的调动体系，这才是智能网联的力量。我们的智能网联一直在发展，目标就是把自动驾驶和服务放到智慧城市里面去。

大家有兴趣可以扫我的微信，谢谢大家！

提示：“本文根据发言整理，未经嘉宾审核！” 如需转载或引用，请联系徐先生（021-39197820）

针对本次会议，盖世汽车进行全程直播，欲了解更多详情可关注以下专题链接：

PC端：http://auto.gasgoo.com/NewsTopic/70.html

移动端：http://m.gasgoo.com/news/topic/70