中汽中心發布自動駕駛場景平臺，主機廠最關心這5點

智能網聯汽車的研發離不開“場景”和“信息安全”。自動駕駛系統通過學習高速公路、停車場和城市道路各種場景的應對方法，獲得在相同環境下安全駕駛的技能。因此，許多企業和研究機構正在收集真實的駕駛環境數據，提取有效的場景來訓練和測試自動駕駛汽車。智能網聯汽車信息安全也是一個熱門話題。根據汽車信息安全的技術可靠性和通信安全性，從大量的研究案例中形成了漏洞數據庫。以漏洞數據庫為核心，進行汽車信息安全測試，及時發現信息安全問題并進行安全防護，可以減少和避免信息安全事件的發生。標準化的日常維護和應急措施可以最大限度地減少損失。考慮到這兩點，2018年3月20日，由中國汽車技術研究中心有限公司主辦的“中國智能網聯汽車駕駛場景與信息安全數據大會”。，由中國汽車中心數據資源中心（以下簡稱“數據資源中心”）主辦的有限公司（以下簡稱為“中國汽車中心”）在天津汽車中心東麗校區舉行。本次大會在業內首次發布了《中國智能網聯汽車駕駛場景數據共享平臺》、《中國汽車行業脆弱性應急響應平臺》、智能汽車信息安全自愿認證規則及評價體系。

中國智能網聯汽車駕駛場景及信息安全數據在駕駛場景數據共享平臺正式發布。近兩年來，數據資源中心積累了數據建設、場景分析、模型構建、平臺運營和行業服務的能力，并在初步探索中取得了一些成果，包括：收集了天津、上海近500個停車場景，處理了部分數據，形成了近100個停車測試場景；已完成北京、天津、河北等地30萬公里高速公路行車場景采集和數據處理；已完成北京、天津、上海等城市道路駕駛場景采集，里程超過1000公里，并完成相關數據處理和測試案例提取。在本次會議上，數據資源中心發布了幾項內容，包括駕駛場景數據采集與存儲規范、基于視覺與多傳感器融合的典型駕駛場景數據、基于視覺的精細標注數據。在活動現場，中汽中心還展示了一個自建的數據采集平臺，該平臺包括兩種類型：一種是基于視覺傳感器的駕駛場景數據采集測試車，另一種是多傳感器駕駛場景數據獲取測試車。現場工程師告訴我們，考慮到經濟性和實用性，數據資源中心將使用基于視覺傳感器的駕駛場景數據采集測試車，長期采集典型的駕駛場景，然后使用多傳感器采集車進行有針對性的采集。未來，數據資源中心的工作也得到了進一步規劃：場景的覆蓋：在2020年之前，將專注于L3和L4自動駕駛系統的開發和測試；覆蓋高速行車、地下車庫、城市道路、農村道路、山區等重點道路類型；覆蓋晴天、多云、雨天、雪天、霧霾、夜間等天氣條件；覆蓋識別標志、紅綠燈、交警手勢等關鍵場景；覆蓋跟車、變道、超車、路邊停車等關鍵場景；

駕駛場景數據業務計劃在2020年底前完成覆蓋中國40個重點城市的5000萬公里自然駕駛場景數據采集，并完成駕駛場景數據庫建設，將在三年內開展。其中，計劃2018年采集500萬公里駕駛場景數據，2019年采集1500萬公里，2020年采集3000萬公里。

在信息安全漏洞應急平臺數據系統會議上，中國汽車漏洞應急平臺（CAVD）正式發布。數據中心專家指出，漏洞平臺是數據的載體，這意味著行業需要共同推動四個方面的工作，一是漏洞收集，二是漏洞驗證和審計，三是有條件共享漏洞，四是漏洞修復和應急響應。目前，數據資源中心已聯合各企事業單位共同開展汽車信息安全測試與保護共性技術研究，構建了國內首個汽車行業漏洞數據庫，研究制定了智能汽車信息安全自愿認證規則和評估規定。據介紹，數據資源中心對汽車總線做了大量測試，形成了測試規范和使用手冊，總結了信息安全的主要攻擊點，并完成了數十次車輛測試。

中國汽車數據開放共享智能網聯工作組有一個龐大的數據收集過程，需要更多的人參與。會上，中國汽車中心倡導主機廠、供應商及相關運營企業的參與，以中國智能網聯汽車數據開放共享工作組的形式推動共建共享新模式，持續推進中國智能網聯網汽車產業數據的建設和應用。那么OEM關心什么呢？許多企業和供應商的代表參加了這次會議。針對智能網聯汽車駕駛場景數據共享平臺的建設，大家主要關注以下幾點：1。數據收集。收集多少數據是合適的？它是一次性收集還是初步收集，然后進行有針對性的補充？企業數據收集是否涉及相關資質？你能考慮與私家車或地圖經銷商合作，在收集數據的同時構建自動駕駛地圖嗎？如果我們考慮與私家車或圖形經銷商合作，數據準確性如何匹配，覆蓋范圍如何全面？2.數據處理和質量控制。訓練自動駕駛汽車需要經過測量和標記的真實有效的數據。對于自動駕駛的研發企業來說，類似雨雪天氣的Corner Case（罕見場景）尤為重要。能否通過軟件算法對采集到的數據進行標記，從而最大限度地減少人工處理，提高效率？誰來評估數據質量？3.數據采集規范和標準。數據類型、場景定義和數據校準需要標準化，這將是所有工作的前提。需要什么樣的數據類型以及如何統一格式需要原始設備制造商和供應商的參與。4、平臺建設總體規劃。自動駕駛的發展是一個系統工程。目前，原始設備制造商在市場上有不同級別的自動駕駛產品。根據自動駕駛L3-L5所需數據的不同，數據采集計劃應與原始設備制造商的產品計劃綁定或匹配。5.分享工作組的管理模式。項目管理是否可以用于促進每個節點的進度和結果，OEM是否可以全程參與？為了確保項目有利益機制，我們可以考慮引入資金，使其真正成為一個運營和管理的實體。如何在合作的同時確保不同公司產品的個性化？智能網聯汽車的研發離不開“場景”和“信息安全”。自動駕駛系統通過學習高速公路、停車場和城市道路各種場景的應對方法，獲得在相同環境下安全駕駛的技能。因此，許多企業和研究機構都在收集……

g真實的駕駛環境數據，并提取有效的場景來訓練和測試自動駕駛汽車。智能網聯汽車信息安全也是一個熱門話題。根據汽車信息安全的技術可靠性和通信安全性，從大量的研究案例中形成了漏洞數據庫。以漏洞數據庫為核心，進行汽車信息安全測試，及時發現信息安全問題并進行安全防護，可以減少和避免信息安全事件的發生。標準化的日常維護和應急措施可以最大限度地減少損失。考慮到這兩點，2018年3月20日，由中國汽車技術研究中心有限公司主辦的“中國智能網聯汽車駕駛場景與信息安全數據大會”。，由中國汽車中心數據資源中心（以下簡稱“數據資源中心”）主辦的有限公司（以下簡稱為“中國汽車中心”）在天津汽車中心東麗校區舉行。本次大會在業內首次發布了《中國智能網聯汽車駕駛場景數據共享平臺》、《中國汽車行業脆弱性應急響應平臺》、智能汽車信息安全自愿認證規則及評價體系。

中國智能網聯汽車駕駛場景及信息安全數據在駕駛場景數據共享平臺正式發布。近兩年來，數據資源中心積累了數據建設、場景分析、模型構建、平臺運營和行業服務的能力，并在初步探索中取得了一些成果，包括：收集了天津、上海近500個停車場景，處理了部分數據，形成了近100個停車測試場景；已完成北京、天津、河北等地30萬公里高速公路行車場景采集和數據處理；已完成北京、天津、上海等城市道路駕駛場景采集，里程超過1000公里，并完成相關數據處理和測試案例提取。在本次會議上，數據資源中心發布了幾項內容，包括駕駛場景數據采集與存儲規范、基于視覺與多傳感器融合的典型駕駛場景數據、基于視覺的精細標注數據。在活動現場，中汽中心還展示了一個自建的數據采集平臺，該平臺包括兩種類型：一種是基于視覺傳感器的駕駛場景數據采集測試車，另一種是多傳感器駕駛場景數據獲取測試車。現場工程師告訴我們，考慮到經濟性和實用性，數據資源中心將使用基于視覺傳感器的駕駛場景數據采集測試車，長期采集典型的駕駛場景，然后使用多傳感器采集車進行有針對性的采集。未來，數據資源中心的工作也得到了進一步規劃：場景的覆蓋：在2020年之前，將專注于L3和L4自動駕駛系統的開發和測試；覆蓋高速行車、地下車庫、城市道路、農村道路、山區等重點道路類型；覆蓋晴天、多云、雨天、雪天、霧霾、夜間等天氣條件；覆蓋識別標志、紅綠燈、交警手勢等關鍵場景；覆蓋跟車、變道、超車、路邊停車等關鍵場景；

駕駛場景數據業務計劃在2020年底前完成覆蓋中國40個重點城市的5000萬公里自然駕駛場景數據采集，并完成駕駛場景數據庫建設，將在三年內開展。其中，計劃2018年采集500萬公里駕駛場景數據，2019年采集1500萬公里，2020年采集3000萬公里。

在信息安全漏洞應急平臺數據系統會議上，中國汽車漏洞應急平臺（CAVD）正式發布。數據中心專家指出，漏洞平臺是數據的載體，這意味著行業需要共同推動四個方面的工作，一是漏洞收集，二是漏洞驗證和審計，三是有條件共享漏洞，四是漏洞修復和應急響應。目前，數據資源中心已聯合各企事業單位共同開展汽車信息安全測試與保護共性技術研究，構建了國內首個汽車行業漏洞數據庫，研究制定了智能汽車信息安全自愿認證規則和評估規定。據介紹，數據資源中心對汽車總線做了大量測試，形成了測試規范和使用手冊，總結了信息安全的主要攻擊點，并完成了數十次車輛測試。

中國汽車數據開放共享智能網聯工作組有一個龐大的數據收集過程，需要更多的人參與。會上，中國汽車中心倡導主機廠、供應商及相關運營企業的參與，以中國智能網聯汽車數據開放共享工作組的形式推動共建共享新模式，持續推進中國智能網聯網汽車產業數據的建設和應用。那么OEM關心什么呢？許多企業和供應商的代表參加了這次會議。針對智能網聯汽車駕駛場景數據共享平臺的建設，大家主要關注以下幾點：1。數據收集。收集多少數據是合適的？它是一次性收集還是初步收集，然后進行有針對性的補充？企業數據收集是否涉及相關資質？你能考慮與私家車或地圖經銷商合作，在收集數據的同時構建自動駕駛地圖嗎？如果我們考慮與私家車或圖形經銷商合作，數據準確性如何匹配，覆蓋范圍如何全面？2.數據處理和質量控制。訓練自動駕駛汽車需要經過測量和標記的真實有效的數據。對于自動駕駛的研發企業來說，類似雨雪天氣的Corner Case（罕見場景）尤為重要。能否通過軟件算法對采集到的數據進行標記，從而最大限度地減少人工處理，提高效率？誰來評估數據質量？3.數據采集規范和標準。數據類型、場景定義和數據校準需要標準化，這將是所有工作的前提。需要什么樣的數據類型以及如何統一格式需要原始設備制造商和供應商的參與。4、平臺建設總體規劃。自動駕駛的發展是一個系統工程。目前，原始設備制造商在市場上有不同級別的自動駕駛產品。根據自動駕駛L3-L5所需數據的不同，數據采集計劃應與原始設備制造商的產品計劃綁定或匹配。5.分享工作組的管理模式。項目管理是否可以用于促進每個節點的進度和結果，OEM是否可以全程參與？為了確保項目有利益機制，我們可以考慮引入資金，使其真正成為一個運營和管理的實體。如何在合作的同時確保不同公司產品的個性化？

標簽：北京發現

汽車資訊熱門資訊