蘑菇车联车路云一体化自动驾驶突破暴雨、黑夜极端场景

（本文转载自猎云网）

10月16日，FUS猎云网2020年度人工智能产业峰会在北京举行。

峰会上，蘑菇车联副总裁、蘑菇OS部总经理邓志伟受邀发表《蘑菇车联车路云一体化自动驾驶方案》的主题演讲，他表示：“近年来，围绕自动驾驶标准、政策以及技术路线的国际形势正在发生重大变化。车路云一体化为单车智能提供车外赋能，提供体系化保障，蘑菇车联率先落地引领趋势。”

蘑菇车联副总裁、蘑菇OS部总经理邓志伟

2014年左右，美国国家公路交通安全管理局（NHTSA）和美国汽车工程师协会（SAE）确立了L0到L5的六个自动驾驶分级标准，到2019年，欧盟、美国、日本又联合推出了新的支撑自动驾驶的道路设施标准ISAD，开始对道路的智能化程度进行分级。至此，国际上对自动驾驶标准的探讨已经从对单车定义变成了车外赋能。此外，这两年我国针对自动驾驶产业的发展也出台了不少战略级政策，其中大部分都和道路智能化、车联网、车路协同相关。

邓志伟表示，对于自动驾驶产业来说，国际标准和国家政策很重要，它代表着产业未来的关键着力点和发展趋势。自动驾驶是系统级工程，需要系统级解决方案，这也是蘑菇车联车路云一体化自动驾驶落地的底层逻辑。

本次峰会由猎云网主办，猎云资本、企业管家、猎云财经、锐视角协办，近百位知名资本大咖，独角兽创始人、创业风云人物及近千位创业者共聚一堂。峰会以“AI UP！”为主题，聚焦人工智能产业的应用，通过展示多领域多维度人工智能技术和产品以及分享讨论AI在不同场景中最新落地应用，展现人工智能产业落地应用的最新成就，同时围绕产业“进击”与“破圈”，探讨AI技术如何为产业赋能。

以下为邓志伟演讲实录，猎云网整理删改：

尊敬的各位嘉宾，大家上午好。我是来自蘑菇车联的邓志伟，很荣幸能够在这样一个场合和大家共同探讨人工智能产业化应用的相关话题。今天我分享的内容是蘑菇车联基于车路云一体化的自动驾驶方案。

先简单介绍一下蘑菇车联。蘑菇车联聚焦于智慧交通，以车路云一体化为技术路线，专注于车载OS、AI云、自动驾驶等核心技术，通过车辆智能化、道路智能化以及AI云，实现自动驾驶商业化应用。

今年，随着AI、5G新基建的加速部署以及智能网联相关国家政策的不断出台，相信大家都能深刻的感受到人工智能在自动驾驶产业的应用非常热。而提到自动驾驶，人们自然会关心的是一台车如何只靠自己就能实现自主感知、分析决策和自主控制。但实际上，最近这两年国内外围绕自动驾驶标准、政策以及技术路线都发生了重大变化。

自动驾驶趋势发生重大变化 新突破从车路云一体化开始

把时间拉回到2014年。我们要感谢两个机构，这两个机构提出了自动驾驶的分级标准。一个是美国国家公路交通安全管理局，另一个是美国汽车工程师协会（SAE）。前者提出了L0-L4的自动驾驶分级标准，后者把L4一分为二，这就衍生出了后来国际通用的L0-L5自动驾驶分级标准。到了2016年，SAE对这个标准又进行了一次修订，随后美国交通部（DOT)把这个标准定为全球汽车自动化和自动驾驶的标准。

大家可以看一下画面左下角的自动驾驶分级表，其中Level 0指的是驾驶员完全掌控车辆，没有任何自动驾驶的参与，Level 5则是完全的自动驾驶。

为了更好地解读L0-L5分级标准，给大家解释几个跟自动驾驶等级相关的专业名词：

DDT（动态驾驶任务）

假设我们规划了一个从A点到B点的自动驾驶任务，其中会有超车、并线、加速、减速、环境识别等子任务，这些子任务就都属于DDT的范畴。

OEDR（目标和事件探测及反应）

OEDR是DDT的子任务，包括监测驾驶环境（检测、识别和分类对象和事件，并准备按需要做出响应）并对这些对象和事件执行适当的响应（即根据需要完成DDT和/或DDT后备）。

ODD（设计运行区域）

给定的驾驶自动化系统或其特征被设计为起作用的具体条件，也就是这个标准对自动驾驶的条件限定。从右侧表格的右下角开始，如果有ODD的限制，就不是L5，没有ODD的限制，就是L5。

可以看出，在SAE的自动驾驶分级标准中，L0-L5只定义了一台车在什么环境、什么条件下、能够执行什么动作、达到什么结果，没有任何外界环境因素介入。而到了2019年，欧盟、美国、日本联合推出了一个新的支撑自动驾驶的道路设施标准叫ISAD，这个标准把车之外的道路设施分成了ABCDE五级，其中A-C代表数字化道路设施，A等级最高，代表协同驾驶，B等级代表协作感知，C等级则是动态信息数字化。另外，美国交通部也在2019年提出了支撑自动驾驶的协同信息分级标准，定义了车与外界信息交互的类别，这里面就包括车辆与车辆以及车辆与设施之间状态、意图、行为的信息交互，最终是为了形成协同最优的自动驾驶路径规划。

通过上述两个新标准的发布就可以明确，这两年国际上对自动驾驶的技术路线已经发生了重大转变。业内纷纷将注意力从单车智能转移到车辆和外界环境的连接协同，从而整体提升自动驾驶的鲁棒性。具体而言，车将自身行驶速度、轨迹和驾驶意图传递给路，路把所有交通参与者的驾驶意图信息上传到云端，协助云端实时更新交通信息，再通过车、路、云之间的全局协同做出最优决策，从而体系化地提升自动驾驶的安全，同时将单车智能化的高昂成本部分转移到路侧。这是全球自动驾驶产业走向大规模落地非常重要的路线突破。

那么如何连接呢？5G。5G充当着“水管”的角色，支持自动驾驶车辆和外界环境、道路的信息交互。在自动驾驶的高速场景中，车和车、车和路之间的通讯需要的正是大带宽、低时延、大连接的5G通信管道。目前世界各国目前正在大力推动5G基础设施建设，欧盟很早就开展了多个5G自动驾驶相关的项目研究，包括5GCar、5GCroCo、5GMOBIX等等，美国ITS战略规划提出了支持V2X和V2I，日本也从国家层面提出重点发展自动驾驶和未来智能社会之间的协同。

讲完国外，再来看看中国近年在自动驾驶标准、政策方面的变化。标准方面，中国公路学会自动驾驶工作委员会在2019年发布了《中国智能网联道路系统分级定义解读报告》（意见征求稿），从信息化、智能化和自动化几个维度对道路进行了非常明确的标准分级，核心目的同样是让道路为车辆赋能，进而提升单车的感知、分析和决策能力。政策方面，截至2020年8月底，车联网、智慧交通、车路协同的国家级相关政策法规累计已经达到57条，还个数字还不包括地方政府发布的政策。这些都是非常强有力的国家政策信号，即通过车外赋能推动自动驾驶大规模落地已是大势所趋。

单车智能面临安全和成本两大核心挑战

从单车智能到车外赋能，自动驾驶趋势重大变化的背后，是单车智能自动驾驶面临的两大核心挑战日益突出。

从全球范围来看，目前单车智能化的自动驾驶路线主要有两类，以谷歌Waymo为代表的激光雷达+重地图路线和以特斯拉为代表的重视觉路线。下面这张图展现了Waymo自动驾驶汽车的豪华配置。

装配了这么多豪华感知设备，还有高精度地图的加持，整体的感知灵敏度肯定是非常高的，可感知范围内的感知精准度也非常不错。但是这种方案的劣势也在于它对高精地图的依赖性非常高。目前国内高精度地图的大规模实时更新以及演进还比较困难，而且根据前面提到的ODD，只要有任何条件的依赖，自动驾驶都不能达到L5。其次是单车智能天然面临的长尾问题，难以解决大量极端工况和不规则问题。整个方案成本也非常高，不利于大规模商业化落地。

再来看单车智能自动驾驶的另一家代表企业，特斯拉。大家都知道特斯拉的自动驾驶系统主要是基于摄像头和毫米波雷达的视觉感知。这种技术路线的硬件部署成本相对会低一些，但是由于没有激光雷达，在感知的准确性上存在缺陷，由于车视角较低，道路上的很多物体都会被遮挡，感知范围有限。

总结一下单车智能自动驾驶面临的挑战：

1.安全问题。自动驾驶车辆通过部署足够多的传感器、计算单元等硬件，可以精准感知外界。即便如此，单车感知仍然有限。以车载摄像头为例，只能感知周围50米左右的距离，且设备容易被遮挡，只要前面有大货车，基本上就无法感知前面的路况了，还很容易受雨雪天气影响。

2.成本。装配这么多激光雷达、摄像头、计算单元也就意味着成本很高。国际上有一个数据，为了充分测试自动驾驶的长尾问题，要跑完110亿英里的路测里程。假设公司有100台自动驾驶测试车，一年365天一天24小时以40公里的时速不停运行，需要跑518年。我昨天算了一下，光车钱和油耗加在一起就要两三百个亿，成本非常巨大。所以，从发展速度来看，数据共享非常重要。

车路云一体化 为自动驾驶提供系统级解决方案

怎么破局？在蘑菇车联车路云一体化的自动驾驶方案和实践中，我们通过将车外的交通环境智能化，支撑并参与到自动驾驶中，同时全局协同人、车、路、网、云，系统性打通车路云的感知、分析和决策环节，为自动驾驶提供体系化保障，并极大地简化了车端智能系统的设计与成本。

下面是蘑菇车联的实际落地视频。这也是国内第一个落地的车路云一体化自动驾驶。

（本文中）这个一镜到底的视频拍摄于7月，当时北京二级橙色预警等级，降雨量达到近150毫米，积水很深。这种极端天气环境中，车载摄像头、激光雷达几近失效，部分路段还有植被覆盖遮蔽了车道线。通过车路云一体化融合感知和协同，自动驾驶车辆仍然安全顺畅的完成了无保护左转、严重积水通行、逆向绕行避障这些高难度场景。这完全来自于车路云一体的体系化保障。

去年10月，我们在北京顺义北小营国家级智慧交通示范基地落地了国内第一个开放式5G智慧交通车路协同项目，我们的自动驾驶车辆就跑在这条5G车路协同示范路上，大家可以从视频看出，这是一条典型的混合型交通路段，有非常多的对向来车，既有机动车，也有非机动车，时常有大货车出没，路边还有一些摊点，道路非常不规则。基于车路云一体的体系化保障，我们的自动驾驶车辆在暴雨这样的极端天气下依然平稳行驶。

夜晚对单车智能的视觉感知还是蛮有挑战的。大家都知道光照强度对相机的曝光时间是有影响的，在光照度比较低的情况下，相机的曝光时间会变长，本来1秒有30帧，光照度低的情况下只有5帧，这就代表着每200毫秒才能获取1帧图像，才能做分析。对于自动驾驶车辆来讲，如果时速是80公里，在100-200毫秒的时间里就已经行驶三五米的距离了，这三五米的距离中，任何情况都可能发生。

基于车路云一体的体系化保障，我们的自动驾驶车辆在几乎无照明的路况下依然平稳行驶，在无保护左转的场景中，仍然能够快速判断出一个合适的时机，插到两辆车中间。

自动驾驶是一个巨大的系统工程，需要系统级的解决方案。前不久，中国工程院李骏院士同样提到了自动驾驶需要新的技术路线，并提出了车路云融合感知与决策的使能赋能一体化新思路。这也是蘑菇车联车路云一体自动驾驶落地的底层逻辑。

最后，自动驾驶还是一个国家工程，我们也非常希望能够和整个产业链上下游的伙伴通力合作，推动中的自动驾驶大规模落地，实现商业化。谢谢大家。