時(shí)間：2017年5月18日 ?14：30 ~ 17：30
會(huì)議主要內(nèi)容：
無人駕駛領(lǐng)域發(fā)展迅猛勤篮，現(xiàn)有許多公司都投入到這個(gè)領(lǐng)域中，希望尋求到一個(gè)好的發(fā)展機(jī)遇÷樘現(xiàn)在主要有兩大類公司從事無人駕駛領(lǐng)域落追，一類是傳統(tǒng)的汽車公司疏日，比如樂視偿洁；還有一類是擁有大數(shù)據(jù)的公司，比如谷歌沟优、百度等涕滋。
1、《自動(dòng)駕駛在中國市場的挑戰(zhàn)》
自動(dòng)駕駛技術(shù)的發(fā)展主要源于其安全性和快捷性净神，換句話來說就是自動(dòng)駕駛更加安全，能夠減少交通事故的發(fā)生以及減少交通擁堵溉委，使得道路通暢鹃唯、更加快捷。
PS: level0:駕駛員負(fù)責(zé)監(jiān)視路況和全部操作瓣喊；level1:駕駛員負(fù)責(zé)部分操作坡慌；level2:駕駛員負(fù)責(zé)監(jiān)視路況；level3:駕駛員負(fù)責(zé)緊急情況藻三；level4:駕駛員基本不介入洪橘，少部分工況除外；level5:全工況無駕駛員介入棵帽；
傳統(tǒng)的汽車公司從自動(dòng)駕駛技術(shù)的level0開始著手熄求，現(xiàn)在能達(dá)到level2或者level3的水平，比如寶馬輔助駕駛逗概、特斯拉輔助駕駛等弟晚；而一些擁有大數(shù)據(jù)的互聯(lián)網(wǎng)公司則直接從level2著手，甚至能達(dá)到level3的水平逾苫，比如谷歌原型車卿城、百度等。預(yù)計(jì)最早在今年年底或者明年能夠達(dá)到level3铅搓，而在2030年能夠達(dá)到level5的水平瑟押。
現(xiàn)今，人工智能在自動(dòng)駕駛中也擁有十分重要的地位星掰。自動(dòng)駕駛需要人工智能利用大數(shù)據(jù)進(jìn)行環(huán)境感知多望、高精度定位和規(guī)劃控制。
※眾包地圖利用其低成本氢烘、實(shí)時(shí)行和自學(xué)習(xí)的特點(diǎn)將取代傳統(tǒng)地圖成為新的地圖模式便斥。眾包地圖，其實(shí)就是利用眾包的方式將地圖信息收集起來威始，即用戶將自己所經(jīng)過的路線形成地圖信息分享給其他用戶枢纠，這樣自動(dòng)駕駛車則將變成智能采集終端。
現(xiàn)在還出現(xiàn)了基于駕駛行為的UBI（User Based Insurance）車險(xiǎn)定價(jià)模式。
2晋渺、《智能汽車的平行駕駛與平行測試的探討》
無人駕駛車輛面臨的技術(shù)挑戰(zhàn)有學(xué)習(xí)與自適應(yīng)镰绎、環(huán)境感知、定位與導(dǎo)航木西、車輛控制畴栖、運(yùn)動(dòng)規(guī)劃。其中學(xué)習(xí)與自適應(yīng)可以通過人工智能解決八千，而車與車吗讶、車與路之間的無線通信網(wǎng)絡(luò)則可以解決其他的問題。
平行交通系統(tǒng)恋捆，為無人駕駛提供基礎(chǔ)支撐照皆。平行交通系統(tǒng)包括了實(shí)際交通系統(tǒng)和人工交通系統(tǒng)，其中又分為三個(gè)部分沸停，管理與控制膜毁、實(shí)驗(yàn)與評(píng)估、學(xué)習(xí)與訓(xùn)練愤钾，具體則包含自動(dòng)駕駛數(shù)據(jù)采集與分析系統(tǒng)瘟滨、混合交通信號(hào)控制、人工交通系統(tǒng)能颁、云計(jì)算只能擴(kuò)展服務(wù)平臺(tái)和自動(dòng)駕駛地圖與交通信息發(fā)布平臺(tái)杂瘸。然而構(gòu)建平行駕駛需要許多環(huán)境信息，比如交通環(huán)境實(shí)時(shí)信息伙菊，即周邊其他車輛胧沫、行人、實(shí)時(shí)交通信號(hào)和V2X信息占业；智能交通系統(tǒng)信息绒怨，即交通擁堵情況、交通事故通報(bào)谦疾、道路監(jiān)控信息南蹂；通行預(yù)測信息，即交通管制念恍、道路施工六剥、天氣情況和道路狀況信息；導(dǎo)航地圖峰伙，即路面信息疗疟、車道信息和道路基礎(chǔ)設(shè)施。人工交通系統(tǒng)交通信息的生成瞳氓、預(yù)測與預(yù)案都是為了能夠提前處理交通擁堵的形成策彤。
3、無人車
無人車的關(guān)鍵技術(shù)：（1）在經(jīng)驗(yàn)中獲取知識(shí)；（2）復(fù)雜變化世界的自適應(yīng)能力店诗；（3）人與車裹刮、路的交互
參考論文：Ego-Centric Traffic Behavior Understanding through Multi-Level Vehicle Trajectory Analysis, Donghao Xu, Xu He, Huijing Zhao, Franck Guillemard, Stephane Geronimi, Francois, Aioun
4、V2X產(chǎn)業(yè)化進(jìn)展與發(fā)展趨勢分析
V2X是無人駕駛的必備關(guān)鍵支撐技術(shù)庞瘸，并且可以避免81%的交通事故捧弃，道理交通效率提升30%。
在V2X設(shè)備直通場景下缺乏數(shù)據(jù)回傳擦囊，規(guī)奈ハ迹化應(yīng)用示范過程中設(shè)備間數(shù)據(jù)及安全告警數(shù)據(jù)等過于分散且不留存，難以基于微觀數(shù)據(jù)對(duì)整體師范效果進(jìn)行中觀或宏觀評(píng)估瞬场，基礎(chǔ)設(shè)施優(yōu)化成本高且缺乏可靠依據(jù)买鸽。
智能網(wǎng)聯(lián)應(yīng)用示范區(qū)，有必要建立專門的車聯(lián)網(wǎng)大數(shù)據(jù)云平臺(tái)泌类，實(shí)現(xiàn)對(duì)示范區(qū)內(nèi)OBU癞谒、RSU等設(shè)備進(jìn)行統(tǒng)一管理底燎，通過對(duì)關(guān)鍵狀態(tài)數(shù)據(jù)的采集刃榨、處理和分析，逐步建設(shè)出示范效果評(píng)估與基礎(chǔ)設(shè)施優(yōu)化能力双仍。
車載相機(jī)V2P應(yīng)用的研究熱點(diǎn)有枢希，車載相機(jī)感知數(shù)據(jù)可以增強(qiáng)V2X現(xiàn)有應(yīng)用，如V2P朱沃；單一感知源存在漏檢和感知數(shù)據(jù)不精確問題苞轿；高精度地圖數(shù)據(jù)也可以增強(qiáng)V2X應(yīng)用，如車道線級(jí)別的信號(hào)燈協(xié)同逗物；V2X數(shù)據(jù)對(duì)于車載相機(jī)和雷達(dá)數(shù)據(jù)能起到有效的交叉驗(yàn)證作用搬卒。
多層次多元素協(xié)同，智能網(wǎng)聯(lián)汽車（CAV）和智慧交通（ITS）共同發(fā)展翎卓。智能網(wǎng)聯(lián)汽車契邀，高級(jí)別自動(dòng)駕駛，要求包括V2X失暴、高精度地圖坯门、高精度定位等在內(nèi)的各種車內(nèi)傳感器、控制器逗扒、執(zhí)行器協(xié)同古戴。智慧交通，基于V2X技術(shù)矩肩，可以實(shí)現(xiàn)車與車協(xié)同现恼、車與路協(xié)同，將其應(yīng)用于智慧交通領(lǐng)域，有助于提高交通效率述暂、節(jié)約減排痹升。
