【2020汽車藍皮書論壇】韋峻青：大數據是自動駕駛這臺發動機最寶貴的燃料

作者：

時間：1900/1/1 0:00:00

Remote discovery

6月27日，滴滴出行在上海首次向公眾開放自動駕駛服務，接受公眾體驗報名。央視新聞還在雨中直播了兩個小時的全程體驗。

雖然仍有安全員坐在主駕駛位置，但充滿話題的大膽選擇還是讓業界驚呼，“自動駕駛”網約車終于來了！自動駕駛一直被認為是重塑未來的出行方式，可以提高安全性和效率，造福人類。

滴滴出行持續堅定地致力于此。去年8月，滴滴出行宣布旗下自動駕駛部門升級為獨立公司，專注于自動駕駛研發、產品應用及相關業務拓展。此外，滴滴出行還拿到了上海頒發的國內首批自動駕駛載人示范應用牌照。

雖然取得了一定的成績，方向也足夠堅定，但滴滴出行創始人兼CEO程維也坦言，自駕車網約車的路是堵的，也是漫長的，至少需要十年持續投入的計劃，需要做好各種困難和挑戰的準備。

依托平臺，滴滴出行擁有場景和數據優勢。對于自動駕駛技術來說，各種相關的路況、地圖、場景等數據堪稱基石。

據悉，滴滴每年可以獲取近千億公里的駕駛場景數據，從而實現自動駕駛算法的迭代。面對充足準確的大數據，滴滴出行加速整個自動駕駛行業的部署和應用，以及商業化。

8月11日，滴滴自動駕駛公司CTO魏在2020年第十二屆藍皮書論壇上，以“大數據驅動的自動駕駛落地”為題做了主題演講。

以下為魏演講實錄:

今天我想分享一下滴滴在自動駕駛領域的進展。分享的題目是用大數據驅動自動駕駛的安全落地。作為一家出行公司，滴滴自動駕駛的初心是為用戶提供一個更安全、更高效的出行平臺。一次美好的旅行最基本的就是安全，希望通過技術的進化將交通事故降到最低。

每24秒，就有一個人在路上喪生；道路交通事故是5-14歲兒童和15-29歲青年的第一死因；90%以上的交通事故是由駕駛行為造成的...汽車行業的人都知道每年造成多少交通事故和悲劇。

另一個對比很明顯。比如，汽車在路上的事故率和航空業相比，根本不是一個量級。通過技術的演進和自動駕駛，讓整個旅行變得更加便捷、安全和智能。

滴滴出行在自動駕駛方向布局了幾項業務。首先是人工智能技術。滴滴在過去3~4年投入了大量研發，也構建了以AI技術為核心的人工智能自動駕駛解決方案，包括感知、地圖、預測、決策。

今天在這里就不說這些AI解決方案了。我想分享的是對大數據的一些思考，以及滴滴如何利用滴滴的優勢讓自動駕駛更安全。

AI的核心算法，我們認為是自動駕駛引擎，需要空氣和燃料才能讓它運行。對于自動駕駛，我們認為數據是AI引擎最有價值的燃料。

從左邊看，我們希望自動駕駛能夠很好的獲知，從右邊看，我們希望這些長尾場景能夠被自動駕駛系統鉆出來，不斷提升自動駕駛的性能。今天從這兩個角度出發，滴滴是如何在這兩個方向上布局的。

滴滴在全網約車平臺上布局了橙視，為自動駕駛提供了非常細致的設計。我們遇到過什么樣的場景，我們有最豐富的數據。我們在訓練自動駕駛感知模型的時候需要收集一些數據，需要看看人是什么樣的，輪椅是什么樣的。我們在路上遇到交通參與，有時候會遵守交通規則，有時候不會。我們通過橙視看到了非常豐富的場景。

此外，在自動駕駛測試中，會發現人類駕駛員的行為有時會超出預期。在這里，卡車會朝著車輛駛來，以便緊急避開行人。自動駕駛怎么處理這樣的場景，才能安全處理，現場不混亂？首先這些場景需要存在，其次要在仿真系統中重現，讓AI的進化有更好的推動力。

總的來說，要證明它比人類司機安全很多倍，需要的測試量是巨大的。

這個引擎必須有足夠多的場景和足夠多的數據才能使用。我們的大數據庫每年可以在路上收集近1000億公里的數據，這得益于100多億的裝機量，也得益于自動駕駛和在線租車。運行時間比私家車長。

我們有數據漏斗，找了一些高價值高風險的產品來打磨自動駕駛系統，路測和場地測試的應用是最基礎的補充。

除了剛才提到的函數，整個數據主要用于四個方向。在開發數據的中間階段，開發仿真引擎，然后開發這些方法。這些數據的使用分為四種應用。

一是海量場景的隨機設施；二是希望從這些數據中找到邊緣場景進行高強度的測試和研發；第三，我們也在L4慢慢部署基于深度學習的人類駕駛員的這種習慣，相當于基于規則的自動駕駛，基于某種搜索優化找到最優路徑，真正從人類駕駛員的好例子和壞例子中學習什么是好的駕駛習慣。第四是地圖。因為這些數據，我們可以更好地驗證地圖的新鮮度和準確性。地圖發生了變化，可以讓自動駕駛車輛更好地避開變化較大的區域，提高自動駕駛的安全性。

最后一個是滴滴嘗試了什么，如何實現自動駕駛。在未來，自動駕駛也將是出行網絡中非常重要的一部分，它將無縫連接到滴滴的其他平臺，包括快車和專車。我們開發的用戶體驗是混合發送訂單，通過旅行網的一個APP調用需要的旅行服務。將采用混合調度模式，起點和重點都在自動駕駛的服務范圍內。無論路況和天氣情況如何，都會派一輛自動駕駛汽車給乘客服務。

例如，如果跨省的乘客更多，我們可以有人類駕駛的司機來服務我們的出行需求。這樣對于客戶來說，自動駕駛不是一個從0到1的過程，需要調整和適應。這是一個漸進的過程。我們在滴滴的網絡中可以做到這一點，也做了一些嘗試。

先說自動駕駛如何保證安全。在產品化的過程中，這項技術已經發展了很多年，安全是最重要的。這就是為什么自動駕駛的成本是一方面，如何保證技術的安全性是它沒有大規模商業化的另一個原因。

從四個角度在安全性上有非常好的突破和嘗試。首先是安全性測試。在自動駕駛真正無人駕駛、產品化之前，這個產品是研發階段的產品，能給用戶提供R&D操作，能提供什么樣的感受。車上還有檢測員和安全員，有問題可以接管車輛。滴滴在安全測試方面設計了非常充分的流程，確保測試最安全。整個滴滴自動駕駛團隊錄取率最低的是安全員，要經過大量的培訓。

第二，技術可靠。我們的深度學習算法，雖然數據證明是最好的，但是有一定的不可預測性，如何與汽車行業規范的非常成熟的系統結合，構建多層網絡，滿足一個技術優越的軟硬件的要求。借助路側感知，消除車輛自身的視覺盲區，可以更好地保證安全。

第三，部署自動駕駛汽車時會部署遠程監控和遠程協助的控制中心。我們知道自動駕駛汽車的運行狀態，當我們遇到更棘手的問題時，我們可以給出解決方案。一年前遇到灑水車，也可以把這些信息發送到遠程救助中心，不需要專門培訓。通過人，你可以判斷這個車輛是否可以超車。這種混合智能的方式可以讓自動駕駛汽車更快地著陸。

我們也希望通過大量的模擬測試和路測，能夠產生一些方法論，像一些混合方法一樣變成規范，來指導整個行業的發展。我們有那么多測試場景，測試多少次，怎么測試才能保證自動駕駛汽車的安全。滴滴也在這里和很多同事一起推動這些行業標準的制定。我們真正從安全測試、技術、驗證、合規等角度推動自動駕駛的落地。

最后做個小廣告。滴滴自動駕駛6月底在上海有大規模的示范應用。朋友來上海，可以打開滴滴的APP，連接嘉定的自動駕駛汽車。在地鐵站、會展中心和一些酒店，可以使用滴滴的app體驗滴滴的自動駕駛車輛，就像滴滴的打車網一樣。模式是混合調度，在自動駕駛服務范圍內可能會有自動駕駛車輛來接你。在公開測試的范圍之外，人類駕駛的司機也將被用來為你提供最好的服務。

今天總結一下，我們談到了大數據在滴滴自動駕駛或者說整個行業發展和落地中的作用，接下來是什么a……在自動駕駛的產品化和安全性方面已經做了empts，希望繼續和同仁探討。

敬請關注蓋世汽車專題“[蓋世直播] 2020中國汽車藍皮書論壇”。

https://auto.gasgoo.com/NewsTopic/262.html Remote discovery