Auto-E2019中国汽车技术青年学者论坛上多位大咖针对智能交通领域做了精彩的学术报告

在Auto-E2019中国汽车技术青年学者论坛上，多位专家大咖针对智能交通领域做了精彩的学术报告，想知道他们都说了什么？

无论是2014年，习主席提出的新能源汽车强国战略，还是2018年5月，***总理参观丰田北海道厂区。这些无不暗示着汽车行业越来越多地承担产业化战略的重要任务，也标志着发展新能源汽车是我国从汽车大国迈向汽车强国的必由之路。基于此背景，清华大学车辆与运载学院（School of Vehicle and Mobility, Tsinghua University, 简称SVM）成立仪式暨Auto-E2019中国汽车技术青年学者论坛于4月27日在清华大学成功举办。

27日的清华烟雨朦胧，正值清华大学108年校庆时期，众多专家学者出席本次车辆学院成立仪式暨2019中国汽车技术青年学者论坛。会上，多位专家大咖针对智能交通领域做了精彩的学术报告，想知道他们都说了什么？跟着小智一起来回顾一下吧。

***教授

清华大学汽车安全于节能国家重点实验室主任

会上，***教授发表了题为智能网联汽车系统动态设计与控制的主题演讲。***教授表示智能网联汽车是新一轮技术变革的产物，欧盟、美国、日本等发达国家已经在智能车领域拥有众多先进技术。为了积极响应中国2025计划，大力推动智能汽车的发展，掌握汽车智能化核心技术，要求中国学者追随国际先进技术的同时，也要在技术本地化进程中寻找创新点，这是中国战略计划非常重要的一部分。

***教授首先讲述了智能网联汽车复杂系统的特征和分类。智能网联汽车大体上可以分为两大类：功能技术和系统技术。如何将感知、决策、通信、定位等功能技术变为现实，就要求有完善的系统技术，就要求有完善系统动态设计。在系统动态设计方面挑战重重，比如广义车辆系统动力学特征机电信息强耦合；驾驶人行为高随机性且交通场景动态实时改变；安全节能舒适高效多目标矛盾制约等。所以从这些关键课题中可以看出，系统动态设计是智能网联汽车的关键。

从2000年开始，***教授带领团队就已经开始聚焦在系统动态设计领域。目前，行业内存在很多功能简单的系统，如ACC等，但是这些看似复杂的系统其本质都是简单的功能叠加。在这种情况下，做性能控制是很困难的，所以李教授团队建立的结构共用+控制协同理论与技术体系，就是在研究若干个功能如何协同实现。李教授带领学生基于他们自己提出的理论方法体系，设计了针对汽车交通三大基本问题，研制三类汽车智能应用系统，在节能安全高效三个领域去全面的研究复杂的耦合系统。

基于结构共用的智能节能系统，***教授提出汽车智能驾驶系统的共用设计方法，首先是统一模型搜索优化的传感器组合匹配，其次是软硬件资源虚拟分块的控制器任务调度。通过对比现有结构和李教授设计出的共用结构，可以明显看出，共用结构解决了安全和节能这个相互制约的条件。李教授的成果也逐步的形成产业化，目前与宇通金龙等达成产业化合作，获得了去年的科学进步奖。

基于控制协同的智能安全系统，李教授提出建立驾驶人跟车敏感参数的自适应在线辨识模型，发明了车辆安全、节能、舒适等多目标协同控制方法，实现了跟车安全性、燃油经济性和驾驶舒适性的综合平衡，并实现汽车智能安全电控系统的优化设计与集成匹配。目前该产品已经在40余款车型上实现规模化前装配套，主流整车企业累计销量超100万套。

针对如何做车路协同，李教授提出基于车云融合的智能网联云控系统。团队建立了云控多车系统的分层重构型动力学模型，保障了系统闭环稳定性的同时，提升了队列对通信失效的抗干扰能力。那么如何做实际应用？团队发明了交叉路口工况的旋转投影变换多车协同方法，就是把二维的车群问题，转换成一维虚拟队列问题，解决了交叉路口车辆冲突难题。燃油经济性提升6%，通行时间降低9%。该云控平台在国际上具有竞争优势，正在引导中国智能网联技术打破国外企业的壁垒。

近年来，李教授研发的基于行驶环境感知与控制协同的汽车智能安全新型电控系统并实现产业化，打破了国际巨头技术垄断，获2013年国家技术发明二等奖（排名1）。作为牵头人编写了国家制造强国建设战略咨询委员会委托的《智能网联汽车技术路线图》；作为技术负责人编写了国家发改委的《智能汽车创新发展战略》报告；作为科技部交通领域项目指南编制组专家，参与了“综合交通与智能交通”项目指南的编写；作为军委科技委创新局主题组专家，参与了先进陆上平台电子信息控制方向的立项论证工作。

曹东璞教授

加拿大首席科学家（驾驶员认知与自动驾驶）

会上，曹东璞教授发表了题为认知自动驾驶：挑战与研究进展的主题演讲。曹教授首先讲述了为什么他的团队聚焦认知这一领域，以及认知领域研究的重要性。

目前有两类复杂的人机交互：车内，针对L2-L3自动驾驶级别，驾驶员在环内；另一方面是车外L3-L5自动驾驶级别，是无人驾驶车和有人驾驶车的混合车流情景。所以曹教授认为车辆认知是非常重要的一个部分。

从历史的角度看，心理学的历史和车辆的发展史基本是同步的，1950年-1970年有一个爆发期，认知心理学从心理学中独立出来，在这个阶段轮胎动力学和汽车动力学高速发展。在自动驾驶快速发展的今天，认知心理学与自动驾驶交叉越来越大。

曹教授近年来回归滑铁卢，任职于滑铁卢认知实验室。从2010年到现在，团队的项目涉及很多方面。基于曹教授自身对驾驶员行为的深刻理解，团队于2014年开始决定做认知自动驾驶方向。目前研究主要有拟人化、激进方法、社会行为、驾驶员心理舒适度这四个方面，这其中应用的技术主要是增量学习。

对于L3如何实现接管问题？传统的欧洲高校的方法是采用人工因素学进行实验研究，直到2014年曹教授团队发明了认知工程学的研究方法，突破了原有的技术瓶颈，实验结果和专家评测也都证实曹教授团队的认知工程学的实验方法更加有效。曹教授还介绍了详细的L3控制权接管系统框架，以及为什么无人驾驶车从人开模式切换到自动驾驶模式要比从自动驾驶模式切换到人开模式简单的原因。由于驾驶员在车内的面部行为有高度的不确定性，可能有低头等行为，摄像头很难捕捉识别，所以采用分步处理的办法能更好的攻克这个问题。分步处理方法首先是解决信号接收，再结合90年代一些专家学者提出的研究驾驶员眼头动力学的认知办法，来全面的解决驾驶员车内面部识别问题。

L3自动驾驶接管系统接管信号选取和设计方面，为了保证驾驶员可以快速准确的接收到信号，曹教授团队设计研发了多模态的信号接收方式，比如听觉视觉触觉全面结合。曹教授表示，采用震动的方式比较直观，既可以有效提醒驾驶员接管，也可以通过震动座椅不同的部位表示实际道路的哪个方向出现了问题，需要驾驶员注意。目前曹教授团队正在对该想法进行验证试验，证明其有效性。

近期，有部分反对声音说，L3自动驾驶会导致驾驶员驾驶技能退化。对此，曹教授成立了驾驶员驾驶技能退化监控项目。反声音的大体逻辑是，如果长时间采用自动驾驶模式出行，可能造成驾驶员技能退化，当有危险情况发生，尤其是当有自动驾驶系统无法解决的危险情况发生时，即使系统提示驾驶员人为接管，但是由于驾驶技能的退化，驾驶员本能无法快速准确接管，仍旧会造成一定安全隐患。曹教授表示，在这方面国内外还没有针对该课题的文献资料，但是通过之前和吉林大学合作采集到的数据，可以看出驾驶员技能还是很重要的，这也确实是一个值得跟进并持续研究的课题。在下一阶段，曹教授希望对此前和吉林大学共同采集的数据进行梳理，希望能找到一些在该方向有价值的数据，提取共性研究分析。

报告中，曹教授还提到了伯克利大学提出的礼貌驾驶。礼貌驾驶的本质其实就是在两辆车之间加一个权重，然后在实际驾驶过程中，实现相互礼貌避让。曹教授评价，这个理论还有考虑不太全面的地方。曹教授说：“通俗来讲，太礼貌了，就没法开车了，车辆之间只顾着在路上相互避让，如果同时有5-6台车，这种避让情况会更复杂，可能更加影响驾驶效率。”

针对驾驶员情绪对驾驶情况影响的课题，曹教授团队做了详尽的研究。研究结果表明，生气和郁闷会对驾驶员驾驶有一定影响，唯一一个有正向帮助的情绪就是高兴，但是也不能太高兴，否则会起到反作用。曹教授建议，如果有学生对这个方面感兴趣，想进一步实验验证的话，不用每一种都考虑进来，只要8种情绪中的部分子集就可以了。

针对自动驾驶晕动症课题，曹教授表示，对于平顺性和晕车之间的相互作用，业内有存在一定的争议，一些文献主张平顺性是导致晕车的主要原因，而另一些文献主张正是因为平顺性才凸显了晕车问题。曹教授认为，平顺性和晕车实际上是两个不同的问题。基于此背景，曹教授团队进行实验分析，数据表示在纵向上，有一定规律可循，即开的越快晕车的症状越明显；横向受交通流影响较大，目前没有明确数据能论证横向上对晕车的影响。

无人驾驶认知时空路权框架，这方面分为主动的和被动的，如何保证交互质量和安全性，我们已经在国内，熟练的驾驶员使用无人车，采集了24小时的数据，目前正在研究。曹教授还为我们展示了在国内常熟和滑铁卢采集的部分数据集，其中在加拿大采集的雪天的数据集因为去年雪季结束较早，还差20%左右的数据没有采集到，需要明年雪季继续采集。希望明年会有好的结果。

最后，曹教授总结道，对于高阶自动驾驶，在复杂人机交互的环境下，认知自动驾驶提供了一种很好的解决问题的思路及框架。