作者按：

2018?年6月29日-7月1日，中國深圳，寶安區前海華僑城JW萬豪酒店。在炎炎暑氣和陣陣夏雨的交織激蕩之中，在學界精英與業界領袖的見證參與之下，由中國計算機協會CCF主辦、雷鋒網和香港中文大學（深圳）聯合承辦的「CCF-GAIR」全球人工智能與機器人峰會順利召開。

大會得到深圳市寶安區政府的大力指導，是國內人工智能和機器人學術界、工業界及投資界三大領域的頂級交流盛會，旨在打造國內人工智能領域最具實力的跨界交流合作平臺。本次大會包含AI前沿主會場和11個分會場，涉及到計算機視覺、智能駕駛、機器人應用等諸多領域，共吸引超過2500余位AI業界人士參會，其中包含來自全球的140位在人工智能領域享有盛譽的頂級嘉賓。

開幕式當天的AI前沿主會場上，中國科學院自動化研究所復雜系統管理與控制國家重點實驗室主任、中國自動化學會副理事長兼秘書長、青島智能產業技術研究院院長王飛躍教授就當前智能交通技術發展的歷史背景和未來展望，做了“平行駕駛與平行交通：從智能出行到智慧城市”大會報告。王飛躍教授主要是從事平行系統與平行理論等方面的研究，并率先將上述理論應用于模式識別、知識自動化、智能機器人、智能控制等相關領域。

在智能駕駛專場會議上，王飛躍教授圍繞智能汽車，先后介紹了幾個方面的內容：智能汽車簡史；中國智能車發展；平行駕駛理論、發展與應用；平行交通與智慧出行以及對未來智能汽車、交通發展的展望。王飛躍教授作為國內最早一批從事無人車相關技術研究的專家、學者循循善誘、娓娓道來給聽眾講述了一整部智能駕駛技術的發展變化史。

在報告中王飛躍教授特別強調了應該時刻警惕和避免自動駕駛技術發展中的“馬糞問題”，并勉勵大家在自動駕駛技術的商業化應用中應該從細微處入手、從特點場景入手、從小規模測試入手，循環漸進、積少成多累積足夠的經驗，從而逐步推動智能駕駛技術的穩步發展。同時，王飛躍教授強調互聯網公司不能妄談對傳統汽車行業的革命，在技術遠未成熟前，這種革命更多時候是對人命的漠視。目前談無人駕駛的大規模商用，是無稽之談，沒有誰能為人的生命買單。

下面詳細介紹王飛躍教授本次報告的主要內容：

?

智能汽車簡史

自動駕駛真正走入公眾視野是從2004年的DARPA挑戰賽。那是2004年的3月13日，一大群工程師和數千名觀眾聚集在加州一家小酒吧外，聚精會神地注視著?15?輛參與莫哈維沙漠穿越賽的賽車“日暮沙漠陲，力戰煙塵里”。參賽車輛毫無例外都有著夸張的外形，賽車方向盤由電腦控制的。盡管最終沒有一輛參賽車完成142英里全程的賽事，卻也成為了啟蒙自動駕駛行業的里程碑事件。

“說起來我們還是最早把DARPA的這項軍用項目引入學術研究界的人”。2005年，IEEE?國際智能車會議在美國拉斯韋加斯舉行，作為大會主席的王飛躍教授邀請了DARPA挑戰賽項目負責人Ron Kurjanowicz做晚宴報告，向大家介紹項目最新進展。

然而，親身經歷過這段無人車時代的王飛躍教授卻說，“早在此（2004年DAPRA挑戰賽）之前，就在1997年8月7-10號，加州圣地亞哥舉行了名為Demo'97（The NAHSC 1997 Technical Feasibility Demonstration?）的無人車集中演示，在我看來，那場演示的規模、意義以及在當時所引起的影響比這場比賽更大。”

當時的情況是，美國國會在1991年通過了陸路復合運輸效率法案(Intermodal Surface Transportation Efficiency Act,?簡稱為ISTEA冰茶法案)，作為響應，聯邦高速公路管理局（FHSA）在1992年啟動了一項全國性的自動化公路研究項目。Demo'97就是對該項目的成果展示，“其最大的目的是通過無人車輛編隊實現高速路交通優化、在不增加現有道路的基礎上擴大其通行容量，技術上主要通過在高速路面中嵌入磁條引導來實現”。

有超過20款自動駕駛汽車（包括小轎車、卡車、公共汽車）登場亮相Demo'97，其中大部分車輛來自GM通用，還有一些來自福特、本田等。大概有上千名的觀眾親身體驗了完全自動駕駛車輛在圣地亞哥I-15 HOV車道上7.5英里的行駛演示；每輛車之間隔著一個車身的距離，主要示范了車輛換道、車隊加入以及車隊分離等功能。

這場聲勢浩大的無人車展示必然離不開政府的支持。然而，“天真”的美國政府并沒有預料到這項計劃的花費，不到五年時間，9000萬美金的預算傾瀉一空，最終在90年代末被迫停止了這項計劃。缺少了政府的支持，汽車自主駕駛研究和應用陷入低潮。

“那時候的無人車政策幾乎就是零，后來底特律一些車企包括發明安全氣囊（airbag)和時任GM的通用汽車OnStar公司的CEO Dave Acton找到我們，大家一起花了很大精力到美國國會和聯邦交通部游說，最終美國政府推出了智能汽車（Intelligent Vehicle Initiative, IVI）的項目。”說到這里，王飛躍教授表示：“除了政策為零以外，那時網絡幾乎沒有，車內通訊也沒有，電控當時的車也不提供，比起今天來，困難太多了。”

王教授最早研究“移動機器人”是在上世紀80年代，研制為外空間機器人系統的外空遠程控制試驗服務的室內機器人，當時從紐約上州租一條T1專線仿真地球火星通訊就需要幾十萬美元。后來到NASA在亞利桑那的空間資源利用中心，他還負責了外空間自動工廠的設計與控制，當時是為了更好地利用機器人來開發火星與月球資源。后來與美國標準與技術院(NIST)的Albus合作，研制了“SpiderRobot”無人車和通過Zircon制氫的無人生產過程。

“若不是當年（1996年）民主黨的總統克林頓與共和黨的國會打架，導致我們火星項目預算不批、項目工資發不出來、被迫停止，研發出‘精神號’和‘挑戰號’火星車的就是我們。”談到這段往事，王教授有些無奈地笑起來“那時我必須在有現錢的Caterpillar礦山裝載車和無現錢的火星車之間選，最終選擇了礦山車”。

?

就這樣他們把已經“到手”的項目又還給了JPL（噴氣推進實驗室），選擇了有現錢的Caterpillar大型野外裝載車(Wheel Loaders)的自動化項目，該項目也成了王教授“基于代理的網絡控制”想法的起源。

后來因他將分層智能控制理論和智能挖掘算法用于98T自動裝載車并取得了非常好的效果，獲得了卡特彼勒技術發明獎；98年與同事合作完成了世界上第一本礦山自動車的研究專著。

即便是現在，項目過后的20年，王教授依然認為：“以挖掘、裝載和運輸為主的采礦作業自動化，是無人車技術最合適最‘靠譜’的一個應用領域。礦山是一個相對封閉和結構化的受控環節，加上對駕駛員的勞動強度太高和工作環境太惡劣，特別適合無人車和機器人等人工智能技術的應用。”?

礦山車自然不能與民用車相比，在開放不受控的外部環境中，實現車輛的自主行駛。為了改善擁擠的交通狀況、降低車禍死亡率、讓無人駕駛技術造福千千萬萬的家庭，90年代末，他又帶領團隊與亞利桑那州政府合作，研發了VISTA(Vehicles with Intelligent Systems for Transport Automation)自動駕駛車。

VISTA上路測試的當天，在亞利桑那州甚至整個美國，都引發了極大的轟動。因在該領域的杰出貢獻，還獲得了亞利桑那州府給予的至高榮譽——“美國亞利桑那州杰出成就獎”。

?

“馬路”、路權和“馬糞問題”

自從2004年DARPA挑戰賽之后，智能駕駛技術開始走進資本的風口浪尖和大眾的視野。縱觀整個交通歷史行業的發展，我們也許能從歷史的長河中找到今天智能駕駛技術發展的些許啟示。王飛躍教授談到，在中國古代路權是屬于馬的，所以誕生了“馬路”的概念，“馬路”即為供馬行走的道路。秦始皇能夠統一六國，其中一個因素就是因為秦始皇祖上雖然是給周天子養馬的小官，但卻掌握了“馬路”這項核心技術，所以才慢慢壯大了自己的實力。

在路權屬于馬匹之前，路權是屬于人類的，所以人類出門只能靠走。而在蒸汽機車誕生之后，路權是屬于汽車的，所以才誕生了底特律、紐約這樣的超級汽車城市。現在呢？馬上路是非法的（除了大連女騎警隊的馬），只能站在大卡車上上路。以前普通人家里都有馬車，現在誰能養得起馬？只有富人，一匹馬上千萬美元。唯一能見到馬的地方是什么地方？賽馬場。這就是人需要車的前提。

現在老百姓家里面都有車了，但將來呢？我想將來有人駕駛的車也只有富人能買得起，有人駕駛車唯一上路的方式是停在大卡車上，唯一能開的地方是在賽車場。汽車剛剛出現的時候，它和馬車是一起上路的，車不能開得太快，太快把馬驚了可能就會引發事故。所以英國定了紅旗法案（Red Flag Act）說，汽車的速度每小時不能超過6公里將來智能車要是按照它的方式，很可能會把有人駕駛的車“驚”了，跟馬“驚”了是一樣的。

所以一定時期內，肯定是有人駕駛和無人駕駛車輛同時上路，因此我們也必須對無人車增加很多的限制。對于智能車來說，它開200公里/小時沒任何問題；人要開到200公里/小時，不嚇到別人也把自己嚇到了。所以為了實現智能車的效率，智能車的速度，智能車的安全性，一定要把人‘趕’下去，否則它無法實現綠色、可持續、高效的目的。”

路權的歸屬問題和路權更迭導致的大量問題在歷史上同樣有跡可循，最典型的就是“馬糞問題”。19世紀末的倫敦是當時世界上人口最多的城市，有500多萬人，每天服務這500萬人出行的，是30多萬匹馬。在倫敦市內，平均每16個人就有一匹馬。雖然工業革命的出現，使得蒸汽汽車在更早的半個世紀前就已經出現，但馬車靈活的特性，使得其在城市日常交通中，變得不可或缺，堪比今日的出租車、公交車。

30萬匹馬為倫敦的商業、社會生活帶來了極大的便利，卻同時引發了另一個難題：一匹馬每天平均排泄7-12公斤糞便，1升的尿液，全倫敦每天就要產生3千噸糞便、30萬升尿液。除此之外，2/3的馬都因服役而死，帶來了衛生隱患問題。春夏秋冬，周而復始，為了清理這些“污物”，倫敦雇傭了近10萬人，來解決惱人的“馬糞問題”。

這個問題并不止倫敦獨一份，紐約、巴黎也同命相連，因此為了解決這一難題，1898年世界各大城市的管理者們在紐約召開了“國際城市計劃會議”，共同商討“人類如何在未來一個世紀處理馬糞圍城問題”。

一百多年過去了，我們生活的城市并沒有“找到”馬糞圍城的終極方案，原因不是人類缺乏智慧，而是現在的道路上行駛的是汽車，馬糞問題壓根不存在。

歷史的發展總是驚人的相似，有人駕駛汽車和未來智能汽車、無人車的路權更迭過程中，我們將同樣面臨有人駕駛汽車的“馬糞問題”。自動駕駛目前所面臨的一些技術、法規方面的難題，很可能在未來不復存在，因此過多的執拗于當下自動駕駛的不成熟，并無意義。而另外一方面自動駕駛技術的成熟，還有漫長的路要走，離普通的消費者隨意購買無人車的時代還很遠。自動駕駛是一項非常好的技術，乃至服務，但在其真正成熟前，普羅大眾不應該成為其試驗品。

?

中國智能車發展

“無人駕駛測試場可以重現無人駕駛汽車使用中遇到的各種各樣道路條件，同時可用于驗證和試驗無人汽車的軟件算法的正確性。”王飛躍教授提到，為了讓無人駕駛的測試更專業更體系化，2015年8月，常熟市政府聯合西安交通大學、中國科學院自動化研究所、長安大學和青島智能產業技術研究院在常熟高新技術產業開發區共建“中國智能車綜合技術研發與測試中心”（Intelligent Vehicles Proving Center of China，簡稱IVPC），由此實現了國內無人駕駛測試中心零的突破。

國家自然基金委從2009年開始，每年舉辦一次中國智能車未來挑戰賽（China Intelligent Vehicle Challenge, IVFC），通過設計開放環境下的無人駕駛測試道路，為無人車在真實道路環境中學習、訓練提供了很好的平臺。2009年第一屆IVFC只有6支比賽隊伍，2010年有10支隊伍參加比賽。2011年的IVFC開始在內蒙古的告訴公路和鄉村道路上進行測試，并第一次由媒體報道為公眾所知。2012年，IVFC的比賽隊伍擴大到12支，2013年則是18支，并且從2013年開始固定在常熟基地進行比賽。從2014年開始，參加比賽的隊伍數量逐年增長，比賽測試的任務和規則也越加規范、嚴謹和公正。

“從2016年第八屆IVFC開始，我們增加了新的離線測試環節，通過模擬真實的交通場景來增強機器學習的手段讓無人車進行模擬學習，不僅效率高，而且安全。”

離線測試是在真實道路交通場景數據庫的基礎上，通過仿真環境評估無人駕駛車輛的基本認知能力。利用車載相機獲取真實道路視頻圖像構建交通場景數據庫（包括光照、道路類型及車輛運動等動態變化情況），評估無人駕駛車輛檢測車道線、交通信號、前方車輛等基本認知能力的有效性、實時性和適應性。

當前中國的自動駕駛相關公司，主要可分為這么幾大類：提供無人駕駛整體解決方案的，有智行者、慧拓無限等；提供智能車制造的，有小鵬汽車、車和家等；提供網約車服務的，有首汽約車、滴滴等；提供視覺傳感器的，有中科慧眼、魔智等；以及提供地圖定位、汽車線控等相關技術和硬件的服務商。

?

平行駕駛理論、發展與應用

進入21世紀，谷歌等互聯網巨頭的加入讓無人車研究看到了新的希望，隨著車輛計算能力和傳感器硬件進一步的發展，無人駕駛迎來了蓬勃發展的春天。

然而，盡管很多車企配備了高線束的激光雷達、先進的計算平臺、能繪制出車道線級別的高精地圖，仍無法保證全場景下的自動駕駛安全，實現量產更是遙遙無期。即便谷歌在今年年初推出了無人出租車業務，也只在降雨量較少的鳳凰城等區域，特殊條件下還需要遠程操縱。

對此，王飛躍教授表示，這是一個必然要經歷的過程。在王教授看來，未來幾年的交通會經歷有人駕駛、無人駕駛、人機共駕等多種駕駛方式混合的時期。90年代研究智能汽車面臨的問題是計算資源有限，而現在面臨的是工程復雜性和社會復雜性會帶來巨大的建模鴻溝。

“這個鴻溝一是靠數據填，要把小數據導成大數據，把大數據提煉出來變成精準知識即小規則，然后再指導車的駕駛，這就是平行。對于汽車來說，物理汽車跟軟件定義的汽車一起開，開的過程中產生數據，通過計算實驗，變成駕駛的精準知識—‘小知識’，而且產生嶄新的職業，將來會有學習工程師、培訓工程師、實驗工程師、決策工程師。我們就是把司機換了一個地方，以前在車上開，現在是在操作辦公室開，讓無人車在上路之前，得到充分的‘教育’。”

“虛實結合，平行駕駛，最終統一L0到L5六個階段”。

2015年，王飛躍教授在報告中第一次結合ACP平行系統理論與機器人學,?提出平行機器人的概念,?提出將機器人從CPS空間推向CPSS空間,?從服務機械制造的物理機器人演化成為同時服務于知識工作的平行機器人。

作為一種輪式機器人的無人駕駛汽車，同樣可以在CPSS（Cyber-Physical-Social Systems）的理論框架下，將駕駛員、車輛、信息這幾個組成部分，擴展對應到通過物理空間和信息空間耦合交互的三個世界：物理世界、心理世界和人工世界，形成了基于CPSS理論的平行駕駛。

“無人自主駕駛這三個圈(駕駛員、車和信息)，在技術方面能夠從這三個圈擴展到五個圈，那如何來擴展，一定是把物理空間和網絡空間打通，從單個車的智能到聯網的、群體的車之智能。要跳出CPS，邁向CPSS，以后每個人開車不僅僅是在物理世界，同時還在心理世界和人工世界。未來一定是平行交通、平行道路、平行駕駛。物理的汽車跟軟件定義的汽車要平行起來，物理的公路要跟軟件定義的公路合起來。”

在王教授構想的平行駕駛理論中，當人類司機駕著真實車奔馳時，作為“軟件機器人”的智能代理也開著對應的“虛擬車”同時在虛擬世界中奔馳。這種虛擬車，學術上稱為“人工車”或“軟件定義的車”，根據不同的要求在不同的程度上與真實車一一對應。而且，一部真實車可以有多部虛擬車與之相伴，有的隨車而行，有的存于家中、辦公室、服務中心、廠家或政府的檔案機構，或者各式各樣的網絡云端服務平臺之中。

利用這種方式，虛擬車可以用可視化的形式提供真實車的本體知識、歷史情況和實時信息；同時提供預測未來狀態和情境的計算能力或檢查事故原因的回溯計算功能；最終，還可以虛實互動，提供監視、控制、管理、服務真實車的各類功能。顯然，這種智能汽車技術的發展與應用前景幾乎是無限的。

“在未來從L0-L5六個階段共存的場景中，我們需要一個無限安全的性能要求，就需要去預測車輛行為，這將是一個龐大的計算量。現有的計算能力仍很有限，無法在本地進行計算，需要在云端進行復雜的計算，同時在云端進行學習。有些車開得好，有些智能車做得比較差，就會在云端以好的方式讓差的無人車進行學習，最后達到比較安全、比較智能的這樣一種出行方式。”

為了構建更多樣、更完備、更復雜的測試數據集，近兩年王飛躍教授帶領團隊先后提出了平行視覺、平行圖像、平行數據、平行感知、平行學習、平行網絡、平行測試等方法，本質還是利用虛擬空間無限的可能性來彌補實際數據、實際交通場景、實際駕駛狀況的不完備。

這種平行駕駛的構想并沒有只停留在概念上，從2007年開始，王飛躍教授正式組織團隊開始了平行駕駛相關研究。從2009年在蘇州成立派爾公司到現在的慧拓智能機器公司，都是平行駕駛的堅定踐行者。在2018年6月份召開的IEEE?IV?2018國際會議上，國際平行駕駛聯盟正式宣告成立。

?

平行交通與智能出行

自動駕駛目前最難的問題，在于感知。即讓車輛擁有對行駛環境的探測、認知能力，從硬件上目前的做法是通過攝像頭、毫米波雷達、激光雷達等傳感器抓取環境的三維要素，以期得到環境的全面信息。但各種傳感器都各有優劣，從物理層面上探測環境所能達到的精度、距離都有限。以視覺為例，目前針對視覺計算研究匯總存在的實際數據獲取和標準成本高、難以覆蓋復雜環境、極端場景樣本稀少、訓練的模型適應性差等。這些場景的處理能力，是制約自動駕駛更進一步的核心。

自動駕駛要模仿人類對世界的感知能力，雖然可以通過各種傳感器來模仿人類的感官，但很難模擬人類的經驗、學習能力。人在日常生活中，可以不斷地積累各種汽車的先驗知識，并在關鍵的時候產生作用，深度學習神經網絡試圖通過多層次，多維度的學習，來盡量逼近人類的學習認知能力。但計算機目前還很難舉一反三，運用經驗去靈活應對實際多變、未知的場景。

為了讓自動駕駛能夠更快的學習實際環境，多數自動駕駛公司、OEM都會希望通過實際路測來不斷積累樣本庫，以及處置突發情況的能力。但一方面實際路測成本高昂，非一般人能效仿，另一方面在實際場景中測試，會有極大的“安全隱患”。本質上來說，自動駕駛目前還是一個實驗技術，因此如果直接投放到社會道路上，以路測養技術，是行不通的，人類會因此淪為試驗標本。

解決自動駕駛感知問題困難重重，但也并不需要為此杞人憂天。隨著車聯網的發展，5G的成熟，未來的道路將也會具有智能屬性。屆時，汽車并不需要像如今我們所追求的那樣“敏感”，道路以及車輛信息可以在汽車間實時通達，汽車并不需要識別紅綠燈、交通事故、障礙物，即可通過智能基礎設施得到相應的信息，車與車之間也可以自由通訊，不需要檢測，都可以令行禁止，暢通無阻。

今天讓自動駕駛行業頭疼的感知問題，或許在未來也將會成為一個“馬糞”，不值一提。王飛躍教授認為，在自動駕駛的發展初期，應以虛擬測試為主，極少量路測為主。即90%的情況下是通過虛擬訓練，提升自動駕駛感知技術，而以10%的情況路測驗證。使得汽車逐漸在描述車輛、預測車輛、規劃車輛方面，技藝日臻完善。

自動駕駛技術尚未成熟，前景遙遠，那么對于自動駕駛公司而言，該怎樣才能走出一條切實可行的道路呢？王飛躍教授表示，自動駕駛的商業化應用，應從小處入手，間而推廣。簡而言之，就是選取特定的場景，安全隱患下，投入較小，然后以小規模無人車應用試驗，積累足夠的經驗。這些應用場景中，包括園區、小區、港口、特種行業，行業也可以涵蓋物流、配送、礦山等。這種場景基本環境可控，人車以及無人車與普通車可以進行較好的區分，首先可以隔離無人車對人的安全隱患。

同時，互聯網公司不能妄談對傳統汽車行業的革命，在技術遠未成熟前，這種革命更多時候是對人命的漠視。目前談無人駕駛的大規模商用，是無稽之談，沒有誰能為人的生命買單。

∑編輯?|?Gemini

算法數學之美微信公眾號歡迎賜稿

稿件涉及數學、物理、算法、計算機、編程等相關領域，經采用我們將奉上稿酬。

投稿郵箱：math_alg@163.com

總結

以上是生活随笔為你收集整理的平行驾驶与平行交通：从智能出行到智慧城市的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。