2022年11月8日至10日，由中国汽车工业协会主办的第十二届中国汽车论坛在上海嘉定举行。作为党的二十大后汽车行业的首次盛会，本届论坛以“凝心聚力，蓄势待发”为主题，设置了“一场闭门峰会+一场会议论坛+16场主题论坛”。以汽车产业高质量发展为主线，与行业精英一起落实新精神，研判新形势，共商新举措。其中，11月10日下午，“主题论坛12:跨界融合，使能自动驾驶落地”，大陆集团前沿工程技术研究中国区负责人尤欢做了精彩演讲。
以下为现场演讲实录:
与您分享大陆L3及以上高自动化自动驾驶的全球部署，我们将进一步拓展独立停车服务的不同解决方案，期待与您在不同领域的进一步交流与合作。
大陆集团服务于L3及以上高度自动化自动驾驶的不同关键技术。中间内容是我们的核心技术。我们有不同的核心技术如我们的感知、定位、V2X、路径规划、动态控制等。通过这些不同关键技术的不断集成，服务于不同场合下不同车辆，包括乘用车和商用车的持续迭代开发。
接下来，我将带来一些我们的代表性项目与大家分享。
左上角的CityPilot是一款适用于城市环境的L4乘用车解决方案。我们的车辆主要从事实验场地和城市交通中场景的研发迭代，如路口、跟驰、超车、转弯等场景进行持续开发和优化。包括不同的交通参与者，对其他行人、其他车辆及其轨迹做出相应的预测，可以服务于我们自己的车辆做出相应的轨迹规划。此外，该项目还将集成自动驾驶在极端条件下的功能退化策略，如关闭自动驾驶，在恶劣天气条件下启用驾驶辅助功能。
视频中间是我们的独立停车服务。你可以理解，随着我们汽车保有量的不断增加，我们也将面临一系列问题。比如交通环境拥挤，城市停车位资源紧张，停车位少。在这种情况下，我们经常会发现一些局部路段会出现堵车和刮蹭事故。甚至当你去大型停车场时，你会发现很难找到停车位和车，这给司机带来了麻烦。Mainland China还致力于利用新技术为停车提供更高效、更安全、更便捷的解决方案。因为这一块以后会有进一步的发展，所以我不会在这里停留太久。
右图为大陆集团在自动驾驶高度的雪道上的操控。大家提到因为高自动化自动驾驶在感知、规划、动态控制等领域的冗余要求。，我会带一套制动冗余系统MKC1+HBE服务于高自动化自动驾驶。MKC1是我们的线控制动产品，它集成了我们的助力器、主缸和ESC电子制动系统，是一个集成的线控制动系统。HBE可以理解为电子控制系统的简化版。MKC1+HBE可以很好地服务于高度自动化的自动驾驶，尤其是当主系统出现故障时，辅助系统介入，保障驾驶安全。对于积雪路面，这套系统可以进行预测控制，结合轨迹规划、定位技术、地图和地面识别技术，对特殊路面进行动态控制和滑移率控制。
这也是我们的代表项目。除了乘用车，大陆集团还将为商用车平台上的高度自动化自动驾驶开发不同的解决方案。高速需要一步一步克服哪些困难？非结构化道路，环岛，小转弯半径，各种交通参与者的待遇。2020-2021年的项目主要以高速公路的场景为主，2022年的项目内容和场景将进一步拓展。
中间是我们的路面识别技术。如前所述，我们的雪地路面不仅限于雪地路面，还包括湿滑路面和颠簸路面。通过前面提到的大陆集团的一些核心关键技术，比如感知技术、定位技术、高精地图，来感知道路。我们需要路面识别和预测能力，为我们的驾驶决策提供最佳输入。
在介绍全球自动驾驶代表性项目的同时，如果你参加了大陆集团一年一度的技术体验日，我们称之为XP日。集团服务于城市快速路包括停车场景的高自动化自动驾驶乘用车平台，解决最后一公里连接的无人驾驶小巴，每年都有不同的展览，带来新的功能和新的痛点。利用技术体验日的活动，包括今天的论坛，与行业伙伴交流，也探讨一些合作的可能性。
Mainland China是全球500强企业。我们把更多的全球核心技术和平台带到中国，进行不同的迭代开发。我们也会问自己，每个平台都需要注入资源。如果资源供应有保障？如何才能保证我们有最大的价值输出？我们需要专注于有限的资源，以实现价值最大化。
对于自动停车服务，我们认为它将是高度自动化自动驾驶的首批商业场景之一。中国大陆集团的准RD部门也决定专注于独立停车服务，并在中国播下了这个准种子。我会在这里进一步展开。
独立停车服务的功能大家都比较熟悉，这里会做一些前期准备。首先，与自动停车服务相关的国际标准ISO23374将AVP功能分为三种不同的类型。左侧Type1AVP利用单车智能实现自主泊车服务，车辆端负责感知、规划和执行。
右侧Type2，根据ISO，使用现场智能实现独立停车服务功能。现场侧配备有传感器和边缘计算单元，以负责传感和规划部分。汽车只是作为执行机构，根据场方提供的指令执行驾驶任务。
前面说了，前瞻的种子是在中国种下的，就是中间这张图。通过智能汽车和智能道路，我们可以将我们的一部分智能从汽车端移动到场端，通过汽车和道路的协调，不仅可以提高驾驶安全性，还可以提高停车效率。
如果你不完全理解前面的图片，我们可以看看我们的功能架构。要实现自主停车服务，首先需要有传感器，形成环境模型，并对其进行定位，从而得到车在整个车库中的相对位置。知道了汽车的当前位置，包括可用停车位的位置后，就可以计算出最优路径，也就是我们所说的路径规划。在整个驾驶过程中，会有不同的交通参与者，比如行人和车辆。如何根据其他交通参与者做出合适的行驶轨迹和姿态规划控制。
从这一页，你可以看到我们有不同的颜色标签。橙色是车上需要搭载的功能，灰色是城市路边需要搭载的功能。根据ISO23374的定义，这个Type1的图形可以看出，感知、规划、路径规划、轨迹规划都是基于车侧的智能。这是第二类停车服务。如您所见，我们的传感器包括基于传感器的感知和定位、环境模型、路径规划和轨迹规划。这些功能都是在场端承载的，基于场端下达指令，车辆接收指令执行驾驶任务。
Type3有很大的区别，是我们大陆集团中国前瞻技术部推动的项目，即实现基于车路协调的自主停车服务。有一个典型的函数在里面。右上角的任务规划是我们的路线规划。我们场端从云端获取高精地图，我们车辆的位置，以及场端分配的车位信息。在这种情况下，场地可以规划出最佳路径并发送给车辆，这是Type3相比Type1的典型功能之一。
在这个基础上，你可以看到左边，尤其是我们的感知，感知到的环境模型，包括定位。在这一块，你可以看到你在车尾还是需要有智能的，需要360°左右看。超声波技术可以实现整个停车过程的现场处理。这些功能可以由橙色和灰色共享。你是怎么理解他们的？有些立柱一般建在室内停车场，这些立柱会形成一定的盲区。没有办法根据车辆侧感知第一时间检测到盲区的交通参与者。在这种情况下，车辆可以通过场侧的智能进行感知，给予车辆全面的信息输入，使车辆能够有一个更加全面准确的环境模型来规划和控制最终的行驶轨迹和姿态。
除了功能架构之外，我在这里还会和大家聊一聊。要承载这样的功能，要有不同的终端。这里我们列举了一些终端，也是有代表性的。我们的客户端包括右上角的云，车载端和现场端。能看出不同的终端承载了哪些功能吗？
不同的背景色代表不同的生态终端，这里的一些人物也有一些不同的颜色。深色是目前已经开发出来的功能，而浅灰色会在接下来的迭代开发过程中更进一步。
首先，用户需要承载一些功能，比如停车、泊车的需求，需要从用户端和手机端发送。包括ISO明确的标准要求，在独立停车服务的靠泊和离泊过程中，最终用户需要能够在手机上实时观看，这些视频流也可以保存，以便在发生事故和纠纷时帮助后续追查。
回到右下角，场边基础设施。前面说了，场端需要有高精地图，并且能支持SLAM定位。在这个过程中，需要知道车辆的位置，分配停车位。根据车辆的精确定位和停车位的选择，场端有能力计算出最优路径并发送给车端，这也需要我们的基础设施端来实现。
还有一些场景，比如目前希望把车路合作、自主停车服务的解决方案带到我们的公共停车场。需要考虑的是，当车辆出现问题时，我们需要具备远程接管和控制的能力，在驾驶员不在，停车功能因故障暂停的情况下，可以远程控制车辆行驶到停车点，保证车辆的安全和通行效率。
前面部分介绍了场边承载的功能，这里我来说说云。
目前云需要承载哪些功能？前面提到，因为要构建一个完整的系统，在云端，需要为地图存储和更新数据，包括地图的更新。因为这个解决方案是不断迭代的，需要终端用户和基础设施运营商，包括停车运营商更多的合作，更多的服务可以引入云端。例如，车辆可以在进入商圈的车库之前预约停车位，以获得自动停车的轨道输入，以预约充电服务和洗车服务，即使在大型商圈也是如此。例如，知道了我的目的地，我需要去西贝吃晚餐，系统可以预订离餐厅最近的电梯旁边的停车位，并获得最快的路径，帮助我非常高效地到达我的停车点。这些服务需要与云进一步整合，以扩展更多的使用场景，改善用户体验。
说到客户端、现场和云，这是我们的车。
刚才我们并没有特别强调场地方面。我们把所有的智慧都放在了战场上。我们现在对它很熟悉。怎么理解？高度自动化的自动驾驶要考虑冗余，但如果把所有冗余都放在车上，成本相对较高。我们希望能够利用好熟悉道路的理念，在部署一定范围的现场设备的基础上，适当减少车侧的传感器设备数量，实现完善的车路协同系统，提供多样化的功能扩展。
今天给大家分享一个应用场景。该停车场位于嘉定大陆集团RD中心。我们还在整个停车场区域设置了各种基础设施，基于停车场端对停车场端的支持，实现自主停车服务，并通过这里所说的共享智能，灵活应对和处理行人的避让，当有车辆超出可视范围的潜在事故风险时，通过车路一体化环境模型进行有效规避。
假设通过路口的车辆有盲区，可以通过场端的感知发送到车端，避免车辆发生碰撞。该系统还可以支持不同的提货点。根据不同的上客点，现场将分配路线，告诉车辆以高效的方式行驶到最终的上客点。
我们下一步的想法是与业内合作伙伴携手，在政府的支持下，在大型公共停车场进一步实施这一系统。如上所述，有很多技术难点，比如远程控制，多种业务的叠加，部分功能已经实现。但是，我们需要能够在更大的平台上继续迭代开发和验证，在与运营商和用户进行理念和技术的碰撞之后，才能将整个解决方案打磨得更加成熟，共同前行。
除此之外，在目前的发展过程中，我们遇到了许多困难。前面说了，我们用SLAM进行定位，但是SLAM定位会有问题。有一些场景特征值很少，无法服务好定位的需求。我们还会在后续的迭代开发过程中使用不同的定位方式，比如我们的室内UWB定位加上一些视觉标记，帮助解决目前的一些痛点。前面提到的技术路线侧重于在现场侧对自动驾驶车辆进行授权，但我们的方案也可以扩展到传统车辆。
在不断迭代开发的过程中，可以剥离一些功能，可以有更高的通用性，服务于传统车辆和自动驾驶车辆。比如前面提到的，可以解决找车位难、取车难等痛点。根据多样化的用户需求，提供全面通用的解决方案。
对于服务的叠加，这里就不赘述了。期待会后与大家交流，共同进步。
免责声明：该文章系本站转载，旨在为读者提供更多信息资讯。所涉内容不构成投资、消费建议，仅供读者参考。
