本次北京車展的東風展臺上，一輛無人駕駛巴士非常吸睛，它是東風汽車旗下智能化品牌“悅享智能”的重要成果。這款悅享巴士具備L4級自動駕駛技術，在雄安、武漢等城市路段開展了無人駕駛的試運營模式。圍繞著這臺Sharing-Bus，東風汽車智能化技術總師李紅林接受了媒體專訪。

在談到高階智能駕駛的技術路線和時間截點上，李總師介紹東風汽車采用了單車智能和網聯賦能兩條路線，以及漸進式和跨越式兩種模式。Sharing-Bus更多是跨越式的，能做到L4級；乘用車領域在做漸進式的推進，比如從之前的L0做到L2，一直在提升拓展。目前展臺上這些已經量產的車型，交通擁堵輔助、變道輔助、高速導航輔助等已實現。在今年年底，東風汽車會實現城市導航輔助，并在多品牌車型上進行搭載。

李總師認為，當前L4級自動駕駛落地還存在很多挑戰，除了感知能力、決策規劃能力和底盤執行單元、技術認證標準化等涉及技術的問題，還有消費者接受程度、公共交通體系如何接納的問題。目前東風能做的，是把技術路線盡量完善，同步推進對標準的支撐，積極參與國家標準的建設，以及整個生態體系的構建，積極做好示范應用。

對于未來的發展趨勢，李總師表示目前行業內很多企業還是用單車智能去挑戰高階的自動駕駛，而未來的發展有兩個大的趨勢，一個是網聯賦能，車路云一體化技術架構。另外一個大的趨勢是端到端自動駕駛，行業正在積極探索從感知到規劃的端到端系統。

此外，針對數據安全和消費者感知等問題，李總師也一一做了解答。以下是專訪實錄（有刪減）。

Q1：Sharing-Bus有哪些黑科技？

李紅林：這款東風悅享巴士本身實際已達到L4級自動駕駛要求，它的無人駕駛應用場景是整個公共交通領域中的關鍵環節。目前，在雄安、武漢等城區路段，該車型已實現了無人駕駛的試運營模式。從技術層面來看，它具備L4級自動駕駛技術，集成了豐富的感知單元，從攝像頭，到激光雷達，并結合了高精地圖。同時，Sharing-Bus也融入了“車路云一體化”技術方案，能接收路側的實時信息，有效地提升了感知能力。

Q2：未來會不會發展到量產車型上？

李紅林：會的，東風汽車非常注重利用高階自動駕駛的系統實踐去促進L2或者L3級別功能的開發。對于L4級來說，它在城區復雜交通環境下面臨的技術挑戰會更突出，正是通過在這些復雜場景下的實踐，我們積累了豐富的經驗和數據，為不同級別自動駕駛技術的進一步發展提供了支持。

Q3：這塊有具體的時間規劃嗎？

李紅林：目前關于自動駕駛的研發，我們按照兩個路線在走，單車智能和網聯賦能，以及漸進式和跨越式兩種模式。Sharing-Bus更多是跨越式的，能做到L4級；乘用車領域我們在做漸進式的推進，比如我們從之前的L0做到L2，一直在提升拓展。目前我們展臺上這些已經量產的車型，交通擁堵輔助、變道輔助、高速導航輔助等已實現。在今年年底，我們會實現城市導航輔助，并在多品牌車型上進行搭載。

Q4：您覺得這款車輛量產落地最大的壁壘和最大的難題是什么？

李紅林：我們可以從幾個方面探討L4落地。從技術角度來說，L4自動駕駛面臨諸多挑戰首先，當在行駛過程中即將超出ODD的情況時，L3規定向駕駛員做駕駛權的轉化，但對L4來說，即使即將超出ODD，它的安全責任主體依然在車輛。所以我們要做大量安全測試，以及傳感器和執行器的冗余，讓車輛能夠安全地處理各種情況，這對L4級別的安全性非常重要。，其次是運行的環境方面，對結構化道路來說，比如高速公路，各種道路情況和交通標識非常清晰，但是在城區人車混流的環境下，對自動駕駛系統的要求就會非常高。面對復雜路況的第一個挑戰就是感知能力，要考慮系統的感知能力是否足夠。

第二個挑戰是決策規劃能力。它的難點在于我們現在傳統的智能駕駛是基于規則式的，在什么場景下做什么決策都是基于規則。我們正在嘗試做基于強化學習的決策規劃算法。兩者都有挑戰，前者我們的規則不可窮盡，后者在于場景泛化能力。基于規則+學習的決策規劃，以及端到端自動駕駛，都是值得探索的路徑。

第三個挑戰是底盤執行單元，也是被稱為“卡脖子”的技術。我們需要對執行單元做備份和冗余。我們去掉方向盤之后，整個轉向系統、制動系統、驅動系統、電源管理系統等等，都需要做備份。

第四個挑戰是標準性的問題。現在整個國標體系有自動駕駛通用技術要求。 我們采用什么樣的方式去認證相關技術，是以傳統車型的法規公告的形式，還是用國際上采取的認證形式。

最后一個挑戰是消費習慣，消費者有沒有做好心理準備去迎接L4級的車型，目前的公共交通體系怎么接納L4級別自動駕駛車輛？這需要結合交通、通信，包括金融保險等多方面因素考慮。

對我們來說，我們現在能做的，是把技術路線盡量完善，同步推進對標準的支撐，積極參與國家標準的建設，以及整個生態體系的構建，積極做好示范應用。目標是盡快讓我們的高階自動駕駛落地，給客戶提供優質的產品體驗。

Q5：現在越來越多的智能座艙和自動駕駛的功能上線，這將會產生大量的數據，在迭代座艙功能和智駕功能的過程中，用戶會擔心車企會如何給我的數據加密或者脫密，有沒有可能因為數據安全問題給我的車輛帶來隱患？

李紅林：數據對于企業來說非常重要，自動駕駛、智能座艙，現在很多功能都是通過人工智能算法實現的，人工智能三個要素，數據、算法、算力，數據這個環節非常重要。對于東風公司，怎么保證數據安全，可以從以下幾個層面展開來說：

第一，從國家層面，國家有相關的數據安全標準，針對車端允許存儲什么數據，允許采集什么數據，數據怎么傳出車輛，數據怎么再返回到用戶或者車企，這些維度都做了規定。

第二， 對于車企來說，我們會按照相關法律要去，在企業層面針對數據構建分類分級的管理體系，在分類分級的基礎上，采用不同的數據安全策略來實現數據安全保護，哪些能存、哪些能傳、哪些必須脫敏后使用都有要求，并固化到相應的算法中，比如在做車端上進行數據存儲的時候，我們就會通過算法對涉及個人隱私及相關法規中要求脫敏處理的數據，進行數據脫敏，比如，座艙內的人臉數據，車輛地理信息，語音信息等。

第三，未來客戶可以通過手機APP，調用艙內外攝像頭的信息，比如看有沒有物品遺留在車里，相關數據在進行脫敏后，只在手機端用于顯示，不會保存或回傳。不管什么樣的場景，我們都會最先考慮客戶的隱私安全和數據的合規。

Q6：您覺得未來自動駕駛技術的趨勢是什么？是單車智能，還是車路云協同發展？

李紅林： 目前行業內很多企業還是用單車智能去挑戰高階的自動駕駛。L4這個產品形態經過2020年、2021年快速發展之后，目前還沒有充分地落地應用，針對整個技術方案，我們也在不斷反思。

關于未來的發展，我們認為有兩個大的趨勢，一個是網聯賦能，車路云一體化技術架構。對自動駕駛系統來說，路側設備可以提供超視距的感知，以及結構化的交通參與者信息。但是我們判斷純網聯式的自動駕駛不太會出現，而是利用車云一體去對單車進行賦能。車云一體化本身對產業鏈和生態的依賴非常強。 目前來說，商業閉環和商業價值的形成還在探索期。

另外一個大的趨勢是端到端自動駕駛，行業正在積極探索從感知到規劃的端到端系統。如果我們進一步說從感知到規劃，再到控制，整個系統形成端對端閉環的話，傳統自動駕駛系統中存在的局部最優、誤差累積等問題會得到緩解。

以上這兩點，車路云一體化技術架構與端到端自動駕駛系統，目前來看，是未來發展比較重要的方向。

Q7：目前網聯賦能看不到太多價值。未來如果走這條路，它最大的障礙在哪里？

李紅林：這個問題可以從幾個方面理解：

第一，是用戶使用產品之后是否能獲得價值感。現在導航會提醒紅燈倒計時，這個體驗就非常好。

第二，目前來說路側設施在全國的部署密度相對較小， 應用場景更多在示范區，在示范區以外的地方，客戶對于車路協同的感知會減弱。

第三，對于運營主體來說，云平臺、路側設施的建設費用投進去之后怎么形成商業閉環，這也是運營主體乃至行業需要去考慮的。現在來看，客戶價值和商業閉環的形成可能還需要一段時間。

Q8：在您看來，自動駕駛現在它的價值到底有多大？對于用戶來講，我這個車沒有自動駕駛是一個痛點？還是什么？想聽聽您作為研發專家的看法。

李紅林：從技術角度出發，產品開發出來，我們有時候不是為了秀技術，而是我們覺得它確實能夠給用戶帶來價值。以自動駕駛系統為例子，車輛控制是至關重要的一環，主要包括橫向控制和縱向控制，以及它們之間的耦合控制。為了更具體地說明這一點，我分別舉這三個方面的例子。

先說橫向。你們開車有沒有在高速公路上很困的情況？那時候我們的車輛會不自然的往某一邊偏，這時，如果開啟了車道保持功能，當車輛靠近某一條車道線時，系統迅速識別并啟動自動糾偏機制。

再說縱向。前段時間汽車圈在激烈討論的AEB功能，對于用戶來說，AEB每次發揮作用都能給我們挽回損失。盡管在緊急制動時，可能會給乘客帶來一些不適的感覺，但是它能在關鍵時刻有效避免或減少與突然竄出來的自行車、行人的碰撞切切實實減少了對自身車輛和他人帶來的傷害損失。

再者，有了駕駛輔助之后，車輛可以自動在車道內居中行駛，駕駛員的負擔不是那么重，它能緩解駕駛疲勞。如果再往功能高階領域去說，現在我們高速的駕駛輔助功能會在車輛接近匝道口時，提示用戶該下匝道了。用戶如果選擇使用自動變道，車輛將自動調整至右側車道，然后駛出匝道。這個過程是能夠解決用戶在高速上面錯過路口的焦慮，使駕駛過程更加輕松。輔助駕駛還可以結合駕駛員的注意力選擇性地提醒。綜合來看，自動駕駛的功能很豐富，每個客戶對自動駕駛的理解不完全一樣，但是在這些豐富的過程當中確實有很多功能為用戶帶來好處，為用戶提升駕駛的舒適性、安全性以及感受體驗。

當然，無論是傳統駕駛還是自動駕駛，駕駛員與車輛之間都需要一個磨合的過程。這個過程中，車輛需要適應駕駛員的駕駛習慣，而駕駛員也需要逐漸熟悉并理解車輛的性能和能力范圍。比如之前自動駕駛應對車輛加塞的表現不理想，有很多極限規劃，這需要我們的算法更好去應對這些狀況，同時也需要用戶理解車輛本身的能力范圍。

現在我們的自動駕駛方案是基于規則，后面肯定會逐漸向基于數據的方案過渡。行業專家一直在提數據的問題，基于數據驅動的自動駕駛方案更加靈活和智能，它可以通過不斷學習和優化，逐步適應各種駕駛場景和駕駛員的駕駛風格。通過收集和分析大量駕駛數據，我們的自動駕駛系統能夠逐漸理解并預測駕駛員的駕駛風格。無論是激進的駕駛者還是穩健的駕駛者，系統都能根據他們的駕駛習慣進行智能調整，適應駕駛員，這樣駕駛員也更愿意去使用我們的功能。

為了讓駕駛輔助系統成為用戶的“甜點”，我們從用戶需求、技術優化等多個方面入手，不斷提升系統的性能和用戶體驗，希望用戶在使用我們的自動駕駛系統過程中發現一些驚喜。

返回第一電動網首頁 >