张希教授！电动汽车是智能化最好的技术平台

常州报道，5月19日，由中国汽车技术研究中心主办的第四届国际电动汽车及关键零部件评价研讨会在江苏常州成功举办。

记者全程跟踪报道。

以下为上海交通大学汽车工程学院张希教授题为《电动汽车智能化及关键核心技术》的演讲实录： 报告主要分为三个部分。

第一部分是智能电动汽车的现状和趋势。

当前，交通运输面临安全、拥堵、污染三大问题。

智能电动汽车的目标就是解决这三大问题。

从污染角度来看，电动汽车是无污染的。

从拥堵的角度来看，车联网和智能交通的概念可以解决拥堵问题。

为了安全，可以产生一些无人驾驶、智能控制来解决安全问题。

。

目前，专家和学者已经提出了很多智能汽车的概念。

我们团队的想法是，智能汽车在物理上采用新的传感器、控制器和执行器构建。

这三项也是汽车电子的主要技术。

融合当前的一些通信、网络、控制、人工智能等理论，解决环境感知、智能决策等问题，最终实现可以替代驾驶员操作的安全、舒适、节能、高效的功能。

对于它的一些技术现状的分析，我们提出了从0到4的五级分布。

从纵轴上，我们可以将感知和数据处理分为传感器和车联网，以及基于指示系统的。

目前的智能汽车大多处于2到3阶段，一些一开始的简单功能介于1和2阶段之间。

第三个是针对谷歌的自动驾驶汽车，它在一定的路况和驾驶限制下实现自动驾驶。

最后一个阶段是全工况自动驾驶阶段，无论运行环境如何都可以实现。

无人。

基于垂直轴，分为三个部分。

一是传感器，这也是当前智能汽车的基本功能。

它基于包括激光雷达、摄像头等传感器。

未来可以进行汽车之间的信息流通和交换，可以为智能汽车的决策和判断提供信息。

最后会基于自学习阶段，相当于取代了人类的思维模式。

就国内外的大学和企业而言，我们目前分为三个部分。

一是机构，包括科研院所和大学，二是传统车企，如大众、奔驰、长安等，三是新兴科技公司，包括谷歌、百度、乐视等。

所以我觉得这个趋势应该是解决这三个方面的融合问题。

最终，传统车企仍然是研发主导主体。

首先，智能汽车的第一步是感知和获取信息。

目前的问题是，很多正在研发的智能汽车所使用的传感器可能过于昂贵，比如激光雷达。

有的成本可能达到数十万元，这对于智能汽车市场化的推进非常不利。

所以我们的想法是利用相对低成本的传感器，结合一些相对高科技的内控策略和其他信息融合策略，最大限度地发挥智能汽车的功能。

这有利于市场化进程。

另一个是后续的市场化。

前期可能会面临一些测试规范的问题，分为三个部分。

第一个是实验室的模拟，第二个是真实交通环境和采集搭建的实际测试场地。

数据和监控传感装置通过内部场地建设实现，实现汽车的初步现场测试。

最后现在是在实际道路上，或者是实际高速公路上进行测试，最后在标定和标定中。

有很多传感器则需要标准校准和编程。

基于网络连接方面，考虑路测单元的信息输入，包括车道运行、协同感知、路口辅助等，以及移动通信网络的融合，从而提升整个数据的全面性获得。

第二部分介绍了智能汽车的关键技术。

智能汽车包括传统汽车、汽油车、柴油车等，电动汽车有以下优势作为基础。

首先是电机响应快。

另一个是电机充当执行器。

从传感和融合，以及生成的控制到执行器，都需要线控转向、制动等。

实现平稳运行，第三，电动汽车的智能反馈和节能环保，第四，结构相对简单，最后，我们在电动汽车的技术方面还处于比较好的研究水平，不像汽车的发动机和底盘技术。

传统汽车受到国外品牌的限制，电动汽车在产业化上更容??易突破，从而避免了一些技术壁垒。

我们将 ADAS 技术分为几个层次。

这些层与人类行为模式进行比较。

第一个是环境感知层，它模拟人体的五个感觉器官，利用认知功能，包括通过雷达、摄像头等，以下是大脑获得这些信息后的思考和处理，即信息融合和智能决策，是大脑的基本功能。

人脑中不仅存在神经元，大脑神经元之间还存在着信息和数据的交互。

最重要的是对人的行为做出行为决策。

最后是模拟人体四肢，是智能控制的执行层。

最终实现了对小车的控制和执行。

以下系统是我们提出的一个基本系统。

从环境感知开始，各种传感器、摄像头、雷达等采集数据，然后融合，包括场景重建，包括3D场景，然后通过GPS或者北斗系统获得精准定位，然后对障碍物进行识别，包括正反障碍物识别、车辆识别等综合起来，然后开始智能决策，包括路径规划、人机共建等，最后交给执行层，包括自动驾驶、转向、制动的驱动，到电机端或者一些执行器。

上面这些层可能需要和一些车辆动力学、车辆本身以及传统汽车本身的一些知识系统很好的结合起来。

目前，一些研究人员将我们的汽车视为黑匣子，并认为他们可能根本不了解汽车。

我不知道，但是你可以传输汽车的一些命令，但最终的效果可能不如你能够整合汽车的整个性能来达到好的效果。

关于安全系统的问题，智能系统也是汽车，所以有行车安全。

智能驾驶或者无人驾驶的安全性非常重要。

另外一个就是信息安全，这是一个新的概念。

信息安全和通讯系统，包括一些车联网或者一些信息融合在云端，如果信息传输存在一定的风险，别人就可以通过他们的一些控制来控制你的车。

现实中也有这样的案例。

另外，在智能控制系统的架构方面，必须建立好一个架构，建立一个统一的、集成的架构，最后进行整车的集成和标定。

要整合整车的关键部件和电池系统的适应性，就必须整合上述层面的数据或信息，最后就有测试的问题。

环境感知与信息融合包括几个理论，或者说一些基础知识体系，计算机视觉与图像处理，机器学习理论，数据融合理论等，包括三维场景的重建，行人及其行为的感知，因为可能存在前方有许多目标，包括行人在极端情况下过马路的可能性。

怎么处理，包括车辆遮挡行人的问题？行人被遮挡后，通过静态或动态传感，无法很好地判断行人移动的方向。

对于司机来说，这是基本要求。

有必要预测行人将如何移动。

这也对感知和信息融合提出了更高的要求。

下面是决策层面，人工智能、决策支持、机器学习等，仍然是基于高精度定位技术。

控制执行需要与执行器很好的结合，包括电机、电池等、线控技术等，必须集成到控制执行单元中。

最后还有一个安全体系，包括行车安全、信息安全等。

行车安全在传统汽车和现在的电动汽车中考虑的更多，但是信息安全给我们带来了新的挑战。

信息被他人侵入或者信息传输错误的概率将会影响最终的行车安全。

问题。

以下是车辆集成的控制架构。

我并不是说如果我的智能汽车多了一项功能或多一项控制，就必须添加一个控制单元。

如果是这样的话，控制单元的不断增加就会导致你整辆车的系统复杂度大大增加。

我们考虑的是通过多核处理单元、多核智能控制系统、同步并行处理、数据决策等获得的信息。

最后一步是将整个控制系统集成到整车中，这样可以降低通信分配的复杂性以及这种复杂性导致的数据传输错误的概率。

最后一步是测试过程，包括一开始在实验室环境中对传感器和控制器进行简单的单向测试，即功能测试；在封闭环境中，我们搭建一个封闭的测试场地，通过这个封闭的环境测试控制执行安全系统的功能和性能。

在交通稀疏的环境下进行测试，包括车辆较少的高速公路，或者非高峰时段的高速公路，为保证车辆的安全提供了一些可靠的基础条件，最终在全天开放的道路上进行。

进行测试。

综合考虑多方面因素，结合智能汽车的特殊要求，建立标准的专用场地，最终形成标准的测试体系，对于智能汽车的推广和智能化非常关键。

产业化思路，如何解决基础理论与整个自动驾驶汽车实现的平衡关系，目前都是在理论研究的基础上，如何真正融入产业化车辆的功能体现，这是智能电动汽车的一个关键到实施。

最后一部分是对智能电动汽车的建议与思考。

电动汽车是智能化的最佳平台，也为电动汽车的发展注入新的生机和活力。

这需要各方在制度、政策、法律等方面作出努力。

一是产学研协同发展理念，以用户为中心、以乘客为中心推动融合发展、发展技术。

打破行业壁垒，推动传统汽车、IT企业与交通运输行业融合。

如今，许多IT公司将汽车视为黑匣子。

传统汽车缺乏创新。

如何推动各方面产业融合非常重要。

利用IT公司强大的人工智能操作系统技术等创新成果非常重要。

我们认为，这是将创新思维与传统汽车产业完整技术体系相结合，推动智能电动汽车发展的更为合理的技术路线。

并坚持自主特色，形成智能汽车产业核心竞争力，坚持导航自主。

在我国当前非常复杂的交通场景下，实现更好的定位精度和信息输入。

智能汽车试验场和示范园区的建设对政府提出了一些要求。

目前，我国北京、上海、杭州、重庆等城市已批复智能汽车示范区，武汉正在审批中。

进一步加快智能汽车相关标准、法规和规范的建设，由于这些相关标准和法规是全新的，如何制定合理的标准和法规也给相关研究人员和政府机构提出了一些新的挑战。

最后，无人驾驶汽车可能会带来社会和道德问题。

最终的责任判定是，如果买了自动驾驶汽车，发生事故，是车主的问题，还是厂家的问题，还是保险公司的问题？目前大家都认为是汽车公司提供了汽车，一切都是错误的。

这是他能控制的，我无能为力。

责任可能在于汽车公司。

最终如何确定，是我们需要思考的问题。