□文/黃武陵

無人駕駛在路上，我們準備好了嗎？

□文/黃武陵

你還記得007系列電影《明日帝國》之中出現(xiàn)的人工智能汽車嗎？影片中，詹姆斯·邦德在執(zhí)行任務途中不幸陷入重圍，這時他用手機召喚了一輛無人駕駛汽車，最終成功脫險。我們驚嘆和羨慕無人駕駛汽車的魅力，也在幻想自己何時能像邦德一樣擁有酷炫的無人駕駛汽車。那么，無人駕駛離我們還有多遠？

2016年11月16日，18輛百度無人駕駛汽車集體亮相第三屆世界互聯(lián)網(wǎng)大會，完成了加減速、行人避讓、自主變道超車等一系列動作。早在8月25日，新加坡就推出了全球首個無人駕駛免費載客服務，乘客通過打車軟件就可以免費搭乘出租車了。另外在9月14日，優(yōu)步在美國運行了免費的出租車服務，并且沒有限定任何的行駛區(qū)域，整個城區(qū)都可以進行無人駕駛的的士服務，這是人類歷史上值得紀念的里程碑。很顯然，無人駕駛來了，我們準備好了嗎？

現(xiàn)在，我從三個方面來說說無人駕駛的那些事。第一方面，介紹國內(nèi)外無人駕駛應用的發(fā)展狀況；第二方面，分析無人駕駛所面臨的挑戰(zhàn)性，以及突破阻礙無人駕駛上路的應用綜合難題；第三方面，了解無人駕駛上路之前需要經(jīng)過的測試工作。

全球無人駕駛發(fā)展狀況

2009年，谷歌為無人駕駛做了個宣傳短片，視頻中的無人駕駛汽車（以下簡稱“無人車”）載著一個盲人到商店買東西，并自動送盲人回家，這是谷歌對未來無人駕駛的想象。現(xiàn)在的無人車或者智能網(wǎng)聯(lián)汽車實際上都是把無人駕駛和網(wǎng)絡互聯(lián)技術結合起來，這項技術極大提高了交通安全與效率。比如，街道的十字路口存在一定的盲區(qū)，而通過網(wǎng)聯(lián)的通信技術可以提前對路口信息進行預判，這對想要拐角的汽車能夠起到很好的規(guī)避效果，保證了汽車的安全。再比如，交通運輸過程中，可以有一個汽車在前面帶路，而后面的汽車可以通過無人駕駛和智能網(wǎng)聯(lián)技術來跟隨前面的車，這樣就形成了一個車間協(xié)同的車隊，極大提高了運輸效率。

無人駕駛和互聯(lián)網(wǎng)將會改變未來的生活方式?，F(xiàn)在，很多物流公司都在研究智能倉儲和物流，通過無人駕駛汽車可以把物流運輸和倉庫直接連接起來。另外智能的士服務也是一種無人駕駛的應用場景，可以通過手機APP直接請求無人的士來進行服務。因此，APP預約無人駕駛是未來網(wǎng)約車的方向。

美國在無人駕駛方面走在了世界前列。目前，美國的無人車已經(jīng)進入環(huán)境適應性的測試階段，比如福特的Fusion無人車目前在完全黑暗的環(huán)境中行駛。除了傳統(tǒng)汽車廠商，崛起的IT科技公司也是一股洪流，比如特斯拉、谷歌、微軟等。其中，特斯拉借助攝像頭和雷達組合的自動駕駛功能可阻止車禍發(fā)生，并且自2015年10月以來自動駕駛行程在短短6個月就達到了4700萬英里。另外，谷歌在2014年就計劃量產(chǎn)100輛第三代無人車，這款汽車最高時速設定在25英里，發(fā)動機蓋以泡沫材料打造，將撞車帶來的沖擊力降至最低。從2015年6月開始，這款汽車就在加州、德州等地進行公路測試。而在2016年12月，谷歌卻宣布將無人車項目單獨分離并成立子公司，放棄生產(chǎn)無人車，轉為提供無人車技術服務，這件事的原因耐人尋味。

德國作為老牌的工業(yè)強國擁有很多的汽車廠商，例如奔馳、寶馬都已經(jīng)開始研究無人駕駛技術，還包括汽車核心部件的供應商也開始涉入這個領域。2015年1月，博世BOSCH宣布將推出幫助無人車實現(xiàn)高速自動變道等功能的技術支持和配件。同月，德國政府在慕尼黑至柏林之間的A9高速公路上測試無人車在真實條件下的行駛狀態(tài)。2016年4月，德國政府表示汽車廠商應該盡快完成無人車的上路測試。

英國也在加快無人車的產(chǎn)學研合作。2015年2月，英國正式允許無人車合法上路行駛，RDMGroup也推出了英國首款無人車—LUTZ開拓者。2016年3月，英國計劃于2017年開始在高速路上測試無人車。

黃武陵 博士/副研究員

中國科學院自動化研究所復雜系統(tǒng)管理與控制國家重點實驗室

日本也是全球的汽車生產(chǎn)大國，但在無人駕駛領域一直保持低調(diào)，其實早在2013年，日本NEDO就在東京測試無人駕駛貨車。2015年，日本豐田、日產(chǎn)、本田等6家汽車廠商和電裝、瑞薩電子和松下等6家日本零部件企業(yè)在高精度三維地圖等汽車自動駕駛所需的8個領域展開共同研究，聯(lián)合推動無人車在2020年上路。2016年，日本“機器人出租車”在神奈川縣的普通公路上開始試運行無人駕駛出租車，或將在2020年東京奧運會期間投入運營。

我國的無人駕駛正處在研發(fā)熱潮期。2015年12月，百度無人車在國內(nèi)首次實現(xiàn)城市、環(huán)路及高速道路混合路況下的全自動駕駛。2016年4月，長安汽車進行重慶至北京2000公里無人駕駛測試，達到了自動駕駛三級水平，能夠實現(xiàn)結構化自動駕駛，包括全速自適應巡航、交通擁堵輔助、車道對中、交通信息識別、自動換道和非結構化道路接管提醒等。其實，百度和長安汽車只是我國在研究無人駕駛領域的科技和傳統(tǒng)汽車廠商的代表性企業(yè)，科技公司如樂視、小米、騰訊等都已經(jīng)開始涉入無人駕駛領域。傳統(tǒng)企業(yè)廠商如一汽、上汽、廣汽、吉利、比亞迪也與高校、研究院所有著密切的無人車研究合作。

那么，國內(nèi)的無人駕駛研究水平怎樣呢？從2009年開始，在國家自然科學基金委員會支持下舉辦了八屆“中國智能車未來挑戰(zhàn)賽”，匯聚了國內(nèi)無人駕駛車輛的頂尖科研院所，是現(xiàn)階段國內(nèi)唯一的無人駕駛比賽。2009年，參賽的無人車行駛速度很慢，而且周圍還是有人跟著車一起跑，有較多的人工干預，并且測試的是像簡單的過樁、泊車這樣的初級功能。到2014年，無人駕駛的水平提高了很多，汽車已經(jīng)能夠在真實的交通環(huán)境中自由駕駛，與其他車輛進行交互，這體現(xiàn)了快速、順暢、安全和智能的理念。2016年，第八屆“中國智能車未來挑戰(zhàn)賽”共有27支車隊報名，22支車隊參賽，參賽車包括西交廣汽聯(lián)隊發(fā)現(xiàn)號、軍交猛獅1號、2號、武大“途智號”、清華睿龍等。這些改裝過的無人車除了車頂?shù)募す饫走_以外，已很難分辨是無人車還是人工駕駛的汽車了。

無人車可以上路了嗎？

現(xiàn)在，全球已有很多無人車上路了，但在行駛的過程中出現(xiàn)了一些事故，比如無人車撞到路邊護欄、或者有時無法分辨路況等。例如，2016年7月份，一輛自動駕駛的特斯拉汽車在交叉路口撞上一輛大卡車，這是在增加了Autopilot功能之后，在超過2.1億公里的行駛里程中首次發(fā)生人員傷亡的事故。另外，早在2月14日，谷歌測試的無人車在加州與公交車發(fā)生了輕微碰撞，這也是由于無人車產(chǎn)生誤判所引起的事故。除此之外，無人車上路測試還發(fā)生過很多的事故，只是沒有公開而已。

無人車是輪式機器人

那么，無人車到底能不能上路？我認為，無人駕駛技術還遠遠不夠成熟，離真正實現(xiàn)無人駕駛還需要一段距離。無人車是一個綜合的系統(tǒng)，主要包括環(huán)境感知、任務規(guī)劃、行為執(zhí)行、運動規(guī)劃和車輛控制等功能。它是像人一樣的輪式機器人，各類傳感器相當于車的“眼睛”，計算機控制系統(tǒng)是其“大腦”，汽車結構和運動系統(tǒng)就是其“軀干”。

自主行駛的關鍵技術主要包括兩個方面。一方面，擁有自然環(huán)境感知能力；另一方面，具有智能行為決策。自然感知能力使得無人車能夠快速有效地感知道路環(huán)境，例如行人、動物、不明物體等。決策能力保證了無人駕駛汽車在感知信息之后，能夠做出有效判斷，例如變道、拐彎、減速、剎車、還有自動泊車等功能。在實現(xiàn)無人駕駛過程中，傳感器“功不可沒”，一般的無人車上都具有大量各式各樣傳感器。例如，卡耐基梅隆Tartan無人車上擁有16個主要的傳感器，包括激光雷達、高精度GPS定位器、攝像頭、測距雷達和輪速傳感器。

除了高精度傳感器設備之外，擁有高性能的計算軟件也是無人駕駛的必備。無人駕駛的軟件作為無人車的“大腦”非常重要，也非常復雜，而且價格超過百萬元。激光雷達在不斷進行360度環(huán)繞掃描過程中產(chǎn)生了大量數(shù)據(jù)信息，這些信息需要通過無人駕駛軟件進行計算形成了一個局部的地圖，并且還需要實時準確定位汽車的位置信息，這是一個相當復雜的過程。例如，奧迪研發(fā)的zFAS駕駛大腦就擁有很強的數(shù)據(jù)處理能力，除了實現(xiàn)行人探測、交通標識識別、車道識別等各類高級駕駛輔助系統(tǒng)（ADAS）功能外，系統(tǒng)在自動駕駛狀態(tài)時需要在極短時間對大量數(shù)據(jù)進行分析處理，進行駕駛員決策，操控汽車行駛。zFAS采用Tegra K1主流芯片的模塊化設計，這也意味著zFAS日后的升級會變得更加的靈活。

五大技術挑戰(zhàn)

雖然無人駕駛技術正在高速發(fā)展，但機器學習能力還遠遠沒有達到人腦的水平?，F(xiàn)在，無人駕駛技術面臨著五大挑戰(zhàn)。

挑戰(zhàn)一：無人車環(huán)境感知能力。眾所周知，無人車的激光雷達探測包括車輛、行人、樹木、路緣等，攝像頭可以辨識交通信號和車道等，車身周圍的微波雷達則感應移動障礙物等，GPS和慣導可以實時定位車輛位置。那么，這種挑戰(zhàn)在于汽車如何在復雜、動態(tài)和多樣化的交通環(huán)境下，克服傳感器各自物理限制和車輛運動干擾，提高環(huán)境感知精確程度，對動態(tài)目標進行識別與估計，完成交通環(huán)境信息的多視圖數(shù)據(jù)融合。例如，汽車在農(nóng)村這樣的非結構化交通環(huán)境下存在感知困難，難以區(qū)分路面和路沿，其環(huán)境幾何特征多變，這需要采用更高性能傳感器和更好信息處理算法，結合機器人學習車間通信技術擴展功能，解決自身局限性，進一步理解非結構化環(huán)境。

挑戰(zhàn)二：車輛控制與運動規(guī)劃。車輛控制與運動規(guī)劃是無人車感知環(huán)境后必然的反饋結果，所以保持汽車的行駛路徑和汽車的穩(wěn)定性相當重要。汽車的穩(wěn)定性可區(qū)分為橫向穩(wěn)定、縱向穩(wěn)定和垂直穩(wěn)定，這種穩(wěn)定性之間兩兩結合又形成了三種控制，橫擺控制、側斜控制和俯仰控制，它們決定著汽車的駕駛性能、操控性和姿態(tài)控制、抓地力等功能。汽車的控制單元結合車輛總線控制進行車內(nèi)深度改造完成各種功能，并建立車輛動力學模型，采用PID、模型預測等先進控制算法實現(xiàn)橫縱向控制。

無人車的執(zhí)行器主要分為轉向、制動和油門改裝等部分。許多車輛總線還沒對外開放，現(xiàn)在還有許多實現(xiàn)方案是不對原車做任何改動，直接附加一套電機裝置，類似于ADAS測試中使用的AD機器人，但這種方法安全性極低。而基于線控技術集成的自動駕駛系統(tǒng)將極大的提高了智能車輛的可靠性和操控性能。自動駕駛方案中動力、轉向和制動（部分還包括懸掛）三個系統(tǒng)需要X-bywiret線控技術。通過車輛內(nèi)部CAN通信的方式實現(xiàn)對EPS、ESP等執(zhí)行機構的準確控制。此外，在純電動或者混動車基礎上改裝具備線控（液壓）剎車的配置?？尚械耐ㄓ眉煞桨?，將控制系統(tǒng)集成到CAN總線、Flexray或者快速以太網(wǎng)總線上。

總線上有待改進的地方還有車載傳感器。我們通過車載傳感器集成和智能化降低整體費用，將現(xiàn)有車載傳感器通過各類總線技術進行集成配置，通過傳感器信息的智能化處理，輸出無人駕駛所需的環(huán)境感知和信息。也需要從車身內(nèi)的傳感器智能化與集成化入手，通過融合車載的IMU、車頭指向設備和GPS等傳感器進行車輛位姿精確感知，實現(xiàn)車輛控制。還可以通過全新無人車的架構設計，結合集成化控制系統(tǒng)和新型總線，將傳感器和智能計算單元進行配置和集成，將為無人駕駛提供基礎架構和支撐。

挑戰(zhàn)三：智能車輛定位與導航。目前的車載定位設備不能滿足擁堵交通流中的定位精度要求，這需要改善抗干擾性能、多路徑問題的修正和提高GPS信號跟蹤能力，以及GPS/INS組合導航技術在信號降低等情況下性能的改善等?？梢酝ㄟ^無線網(wǎng)絡信號與GPS集成，與精確數(shù)字地圖集成，與環(huán)境感知信息集成，輔以SLAM、視覺導航等技術，在復雜交通環(huán)境中增強無人車的定位與自主導航能力。

現(xiàn)在，我們可以通過高精度定位和地圖降低對傳感器的依賴。通過提供厘米級的定位以及應對復雜駕駛環(huán)境的精確三維地圖數(shù)據(jù)，讓無人車獲得最佳行車路線，地形特征，位置映射等，方便進行動態(tài)目標檢測和障礙物檢測等，極大降低對傳感器的依賴。

在自動駕駛方案中采用Applanix POS的系統(tǒng)提供多雙頻GPS接收信息實時集成，包括GPS方位航向測量、高性能慣導測量單元（6自由度、安裝靠近后軸處）、車輪量程計（DMI）、OMNISTAR衛(wèi)星虛擬基站服務等，系統(tǒng)實時位置誤差通?？傻陀?00厘米，方向誤差低于0.1度。后續(xù)需要集成基于低功耗、低價、微小型定位傳感器（MEMS IMU），提供高精度定位服務。

挑戰(zhàn)四：路徑規(guī)劃與任務規(guī)劃。在路徑規(guī)劃方面，交通環(huán)境通常是部分已知，可能還有障礙物臨時出現(xiàn)，所以必須重新規(guī)劃路徑。在實際交通環(huán)境下，如何判斷虛假擁堵，并進行正確的通行決策，這對路徑規(guī)劃提出了更高的要求。在任務規(guī)劃方面，如何在復雜的交通場景下實現(xiàn)安全的、與人類駕駛行為類似的自主駕駛，使其不會對正常交通流造成影響，同時保障車輛自主行駛安全性，這也對結構化道路的自主駕駛提出了很高要求。

除了交通環(huán)境、智能交通系統(tǒng)和通行預測信息對無人駕駛的主導影響之外，導航地圖對無人駕駛也分外重要。雖然當前的導航地圖還無法滿足無人駕駛要求，但通過采用激光雷達獲取的三維點云數(shù)據(jù)，并進行人工標記之后就可以建立路面模型。包含了道路上較為全面的交通標志、交通信號等信息，還包括車道線位置、道路坡度和斜度、車道限高、下水道口、障礙物以及其他道路上的一些細節(jié)。既提供當前道路的靜態(tài)環(huán)境模型，也可以通過預先存儲的點云和圖像特征數(shù)據(jù)來提供高精度定位。目前的高精度導航地圖分為兩類。一類是谷歌和Here的激光雷達和攝像頭獲取3D點云數(shù)據(jù)測量的地圖；另一類是通用、大眾聯(lián)手Mobileye的RoadBook眾包地圖，通過車輛攝像頭和GPS，結合本地以及云端軟件開展高精度地圖服務。

挑戰(zhàn)五：學習與自適應。機器學習將是無人車挑戰(zhàn)人類智慧的關鍵，我們需要將機器人學習的研究成果應用到無人駕駛上，使得無人車能夠處理復雜的交通環(huán)境，并產(chǎn)生自適應行為。另外，可以通過云計算服務器的強大計算和存儲能力，實現(xiàn)駕駛環(huán)境數(shù)據(jù)的挖掘、交通標志和移動目標的識別與標記，典型交通場景的識別以及相應的自主行駛動作系列，數(shù)據(jù)融合以及相關算法適應性學習等，簡化無人車的設計，克服智能車輛研究中的難點。而且在復雜的交通場景下實現(xiàn)安全的、類人駕駛行為的自主駕駛，使其不對正常交通造成影響。

除了無人車自身需要突破的挑戰(zhàn)之外，建立適應無人車運行的交通環(huán)境也相當重要。要對現(xiàn)有的交通環(huán)境進行改造，建成適合無人車駕駛的交通環(huán)境。例如設立專用車道、專用停車位、車路通訊和車間通訊環(huán)境、車路協(xié)同的交叉口等，還需在路測搭建包括監(jiān)控設備、無線網(wǎng)絡設備。

綜合應用障礙有待突破

現(xiàn)階段無人駕駛技術離適用還有一定距離，技術可行、允許和廣泛適用等五個方面的障礙還需克服。

第一方面，無人駕駛平臺需要通過嚴格測試認證，其中包括車載傳感器、核心部件、計算機平臺等整合與測試，還包括環(huán)境感知、車輛控制、路徑規(guī)劃和任務處理等功能測試；

第二方面，無人駕駛技術還需要完善復雜交通場景下的功能與技術，并讓這些技術便宜到市場能夠接受的程度；

第三方面，需要制定相關法律法規(guī)、提升心理認知與接受、需要面向處理交通事故的法律和保險索賠等方面挑戰(zhàn)的應用性可行框架；

第四方面，需要在現(xiàn)有交通設施基礎上建立一個針對自主駕駛的專用環(huán)境，例如開辟無人車專用道路等；

第五方面，需要開展駕駛員信任與采用新技術的討論，重新定義“駕駛員”角色等法律問題。

除了需要突破無人駕駛的挑戰(zhàn)和障礙外，制定規(guī)范的無人駕駛自主等級和安全測評標準也是加快無人駕駛技術發(fā)展的重要舉措。通過分析無人駕駛功能組成與測評指標，開展功能測評；研究無人駕駛綜合測評規(guī)范與體系，在復雜交通場景下開展測試；通過無人駕駛測評，分析存在的技術問題、技術可靠和成熟程度，隨后有針對性地開展研究。

眾所周知，無人車也被稱為輪式機器人，所以，無人車還需要面對能否處理“道德”問題的質疑。阿西莫夫在1950年出版的《我，機器人》里提出了“機器人三大定律”，解釋了機器人應該具備何種道德智慧。第一定律：機器人不得傷人或看見有人受傷卻袖手旁觀；第二定律：除非違背第一定律，機器人必須服從人的命令；第三定律：除非違背第一及第二定律，機器人應該保護好自己。

“假如一輛大貨車突然變道直奔而來，是猛打方向盤向左撞向那個騎自行車的人？或是往右避閃沖向路旁的一家三口？還是猛踩剎車讓自己的頭撞上方向盤？”，無論撞向哪邊，對于人來說是一個艱難的決定。那么，當無人車能分辨一個戴頭盔和一個沒戴頭盔的摩托車駕駛員時，而且當撞車無法避免時，無人車是否應該撞向戴頭盔的駕駛員以減小受傷程度？如果這樣的話，無人車作出的決定將是懲罰更多具有防護措施的人，這從人性上來講是違背倫理道德的。那么，無人車的爭議之處在于，當遇到無可避免的緊急情況時，它應該做出何種決定和反應，這種反應有何根據(jù)，應該由誰來決定？只有這些質疑完全解決之后，無人車才能真正上路。

圖1 Go Mentum Station測試場

無人車該如何測試?

無人車到底該不該上路，能不能上路？只有經(jīng)過大量的測試之后才能決定。無人駕駛的測試必須是在封閉的道路環(huán)境下進行，所以擁有完善的無人駕駛測試基礎設施相當重要。就目前而言，美國無疑是擁有最完善的無人駕駛測試基礎設施的國家。

Go Mentum Station位于硅谷以北40英里的康科德海軍武器站內(nèi)，占地面積5000英畝，已鋪好了20英里的公路和街道，專門供無人駕駛測試使用，其中立交橋、隧道、鐵路等城市基礎設施一應俱全。

2014年，谷歌租用加利福尼亞Castle空軍基地內(nèi)60英畝土地（現(xiàn)100畝左右）用于測試它的無人車（SDC），并培養(yǎng)無人車司機。在封閉的試驗場內(nèi)部有類似于郊區(qū)和城市的街道、支路和公路延伸。同時，還有模擬工作的交通信號燈、停止符和交通環(huán)島，甚至還有雨天模擬器。雖然谷歌現(xiàn)在宣稱不在生產(chǎn)無人車，轉做無人車的技術服務，但是自谷歌宣布無人車上路以來，其公路道路上和封閉測試區(qū)的總行駛里程已經(jīng)超過130萬英里，累積了大量的行駛數(shù)據(jù)，這對谷歌后期的無人車研究來說是一筆寶貴的財富。

另外，密歇根大學交通研究中心（MTC）建立了世界上第一座測試無人車、V2V/V2I車聯(lián)網(wǎng)技術的無人駕駛試驗區(qū)—Mcity,它的占地面積為32英里。目前，這個試驗區(qū)已經(jīng)開始與福特、通用、本田、日產(chǎn)、豐田、德爾福等15家車企以及零部件供應商以注資方式開展合作。

除了美國之外，世界上其他國家也相繼建立了無人駕駛測試示范區(qū)。比如在2013年6月，荷蘭、德國和奧地利簽署協(xié)議合作智能交通項目，通過V2X通訊技術在中控基站管理交通和路上的所有車輛；2014年，瑞士也宣布建立AstaZero安全技術總額和試驗場；2016年3月，日本政府宣布將在位于筑波科學城的茨城縣日本汽車研究所建設一個15萬平方米的無人車測試基地。

近年來，我國也開始關注無人駕駛技術并積極推動無人駕駛基礎設施建設。截至目前，全國已有六個獲得工信部批準掛牌的國家智能網(wǎng)聯(lián)試點示范區(qū)。其中，工信部于2015年6月批準上海國際汽車城承擔了國內(nèi)第一個智能網(wǎng)汽車試點示范區(qū)，今年6月已經(jīng)開園。工信部還與北京、重慶、浙江、杭州簽署了示范合作框架協(xié)議，合作開展示范區(qū)建設和應用項目。重慶試點示范區(qū)的模式與上海相似，既有展示又有應用。杭州則偏重于展示，包括V2X、自動駕駛、綠色出行、便捷停車等智慧交通領域的各個方面。北京試點示范區(qū)與樂視合作模式還有待確定。此外，還有長春、深圳等城市也在開展。

2015年8月18日，中國智能車綜合技術研發(fā)中心與測試中心落戶常熟，該中心將建設研發(fā)實驗室和靜態(tài)測試實驗室，通過對現(xiàn)有道路、路邊基礎設施和交通信號系統(tǒng)的改造，構建典型的實際交通測試環(huán)境并配套車聯(lián)網(wǎng)設施，提供高精度地圖和智能車測試等服務，在獨特的測試場地，實現(xiàn)智能車測試的智能化和標準化。中心還將匯聚眾多智能車研發(fā)單位，提供技術合作的支撐平臺，在智能車標準制定、技術交易、產(chǎn)品開發(fā)與產(chǎn)業(yè)化及高新技術企業(yè)培育方面發(fā)揮重要作用。

我們在擁有了良好的無人駕駛平臺之后，就需要深入的研究無人車測試方法?；趯嵺`和其他相關工作，我們提出了一個演化測試流程，以應對自主車輛測試的挑戰(zhàn)，包括無人車模塊設計和模塊驗證、無人車頂層設計與系統(tǒng)集成測試、無人車技術規(guī)范和系統(tǒng)驗證、無人車設計與系統(tǒng)驗證。

圖2 無人駕駛試驗區(qū)—Mcity

目前常用的無人車測試方法包括：1.軟件測試：可用于無人駕駛功能測試；2.仿真測試:可以用于功能模塊驗證；3.x-in loop:可以用于驗證車輛整體功能；4.實際測試：可以用于驗證和確認無人駕駛系統(tǒng)。其中，仿真測試更加的實用。為了對無人車進行科學的安全測試，我們可以通過仿真環(huán)境來幫助無人駕駛汽車的感知識別工作，包括車輛、行人和道路標識等。模擬城市環(huán)境可以提供道路周邊的樹木、人行道和道路交叉等準確標記，通過圖像、雷達等多傳感器視覺可以幫助培訓無人車的AI系統(tǒng)，識別和處理各種交通場景，例如下雨或下雪。

手機掃碼閱讀

實際上，我們已在無人駕駛上做了很多測試工作，例如測試所需的V2X聯(lián)網(wǎng)和信號控制基礎設施，測試所需的機器假人、移動路障、障礙車，測試所需的視頻監(jiān)控等基礎設施。在2016年的智能車比賽上，我們就對比賽視頻監(jiān)控、比賽結果進行了記錄和分析，并展示了比賽現(xiàn)場的動態(tài)情況、裁判車、測試點以及無人機傳回測試數(shù)據(jù)等，這些工作都為我們研究無人駕駛仿真提供了豐富的經(jīng)驗。

我們通過仿真道路測試場和車輛仿真軟件，還有專用測量設備及硬件接口、平臺，根據(jù)不同的測試對象進行仿真。智能車中心后續(xù)還要開展MIL（模型在環(huán)仿真）、SIL（軟件在環(huán)仿真）、HIL（硬件在環(huán)仿真）和VIL（實車在環(huán)仿真）等四個層次的仿真測試，對仿真測試數(shù)據(jù)進行分析。

綜上所述，可以看出，演化測試是推動無人駕駛發(fā)展的有效方式。從對無人車本身的測試到路測環(huán)境測試，形成了交通數(shù)據(jù)與學習系統(tǒng)的對無人駕駛的認知，再通過機器學習模型的相互學習，真正實現(xiàn)無人駕駛自主服務。

未來，智能車中心將基于真實交通環(huán)境，構建更復雜的真實交通環(huán)境，開展更多的測試，包括車路協(xié)同、車間協(xié)同等。也將繼續(xù)提供測試環(huán)境無人駕駛專用地圖、動態(tài)模擬數(shù)據(jù)等，便于離線開展算法驗證。我們還將實現(xiàn)真實交通環(huán)境測試與仿真環(huán)境測試的平行執(zhí)行，加速無人駕駛的研發(fā)與測試，為我國的無人駕駛汽車發(fā)展做出自己的貢獻。

（根據(jù)作者近期演講整理，未經(jīng)本人確認）