王飞跃，中科院复杂系统管理与控制国家重点实验室主任。其主要研究领域为智能科学、社会计算、平行系统、知识自动化和复杂系统的建模、分析与管理，早期从事人工智能、机器人和无人车的研究和研发，是智能控制方面的国际知名学者，也是该领域的早期开拓者之一。

首届中国智能车大会暨国家智能车发展论坛

王飞跃

大家好，非常高兴参加首次中国智能车大会和国家智能车发展论坛。由于时间原因，我的报告尽量快一点。首先，从个人角度，回忆一下智能车的发展历史、范式、现状和我们自己设想的智能车未来趋势。

我的报告是英文的，是由上个月去日本参加两个会议的主题报告合并而成：一个是在东京开的“汽车和交通技术的今天和未来(Today and Future ofAutomotive and Transportation Technology)”会议，另一个是在仙台举行的“下一代汽车的全球/区域创新(Global/Local Innovationfor Next Generation Automobiles)”会议。说来也巧，两个会议的主题报告人都是加州伯克利的Masayoshi Tomizuka (Tomi)和我，Tomi是机器人和智能车的元老，我做学生时就认识，到现在30年了，而且做VISTA自主驾驶车时就去找过他，到现在也20年了，后面会简单地讲一下这两个会议的情况。

首先是从自主驾驶的定义，刚才高文院士也讲了自主驾驶的分级情况，需要说明的是不同的国家或组织有不同的智能标准，最全的是分6级(如图)。

前三级以人为主，0级为完全手动驾驶，1级是软件辅助人员驾驶，2级为局部模块自动化；后三级就以“车”为主了，3级可以在某些环境下达到自动驾驶，4级的时候车辆就能做到基本都是在自主驾驶了，最后，5级就是完全自主驾驶，就是大家想象中的智能车。一般情况下，前三级(0-2)是驾驶员在观测、感知、判断驾驶环境，后三级(3-5)就是自主驾驶系统在做这部分工作了。

这是欧盟2015年发布的，他们设想的自主驾驶如何从0级走到5级的路线图。主要是通过对两条途径的探索，最后的目标，就是在完全真实的交通环境下实现无人车的自主驾驶。阶段性目标包括：2020年的时候能够在低速或低复杂度环境下实现自主驾驶，2025年时实现在机动车道上的自主驾驶，2030年时能够应对较为复杂的城市环境并实现城市中的自主驾驶。

两条途径一个是从路的方面(环境的设置)来做，从简单到复杂；一个是从车的方面来做，从ADAS到自主驾驶；最终合二为一(如图所示，大概是在2020年，两条途径产生融合，2050年完全重合)，达到目标，其中车联网将发挥关键作用。

要达到这个目标就需要各种各样的信号，不能只依靠传统的传感器，传统的传感器只有物理信号，现在的传感器可获取人的信号，当前已经有一些工作开始把各种各样的开源信息嵌入到汽车中来，而且将来一旦车联网成为现实，一定要把社会信号加上来，所以将来的无人自主驾驶车辆一定能够同时处理物理信号(设备)、心理信号(驾驶员)还有社会信号(环境)。在这上面，如何进行创新，现在视听觉认知重大计划已经开了个头，李德毅老师军团的“双驾双控”更是“多车当先”，带了个好头，我非常希望中国在这方面能够继续创新，走出我们自己的道路来。

常熟无人驾驶测试中心的设立，也是希望能够打通这两条途径，两方面协同发展。其中最大的问题是考虑“混合交通”的情况，就是从L0级到L5级的的各种车辆会长期共存(2020-2050年之间)，互联互通。现在我们一方面是把每次的比赛做好，再者是把单个车的智能，迅速的扩展到车联网的协同智能上去，变成车与车(Vehicle to vehicle)、车与路(Vehicle to roadside units)、车与人(Vehicle to human)的联网化发展。

中心的发展，也希望能像郑校长讲的，成为智能车的驾校：智能车考试出来之后，根据结果来定车的智能等级，1级的证书、2级的证书，一直到5级的证书。将来的测试中心，必须根据每一级的智能性要求，设置具体的测试任务。当然，在此之前还有很长的路要走。

智能车的研究有很长的历史了，差不多与汽车同步，别忘了汽车最初的英文是Automobile，Automobile就是自动车的意思，可惜当时的“自动”是靠买部车还必须雇一个专职司机来实现的，今天大家好多人都忘了这段历史，这还要感谢福特发明的流水线，现在无需专职司机了。

现代意义上的第一部无人车是上世纪30年代，通用汽车在芝加哥的世博会上展示的，后来过了30年，都毫无进展(没有报道)，直至60年代初，美国俄亥俄州立大学(OSU)的Bob Fenton教授又较为系统地做了一次无人车的“科学实验”，这也是为什么2006年首次IEEE智能交通杰出研究奖会颁发给他的原因。之后又是20年无人问津，80年代机器人热起来之后，卡内基梅隆大学CMU又开始了这一方向的工作，最初打着“移动机器人”的旗号，进行了第一次跨美国东西海岸的无人驾驶Demo。90年代末，SanDiego的无人车Demo，亚利桑那的VISTA无人车项目等等，把无人车研究推向高潮后却立即跌入低谷，美国国会取消相关经费支持，主要是出于法律法规上的考虑，并非技术上的问题。到了本世纪，DARPA的Grand Challenge和Urban Challenge，中国基金委“视听觉认知计算”重大计划和“智能车未来挑战赛”，Google的无人车等等，使无人车研究“起死回生”。今天，大家都来了，连百度、华为也来了，不过同机器人不同，我还不担心无人车研发过热，现在火候还是不够。

刚刚也听各位老师讲到了无人自主驾驶这三个圈(驾驶员、车和信息)，我们希望能够在技术方面从这三个圈扩展到五个圈，那如何来扩展，一定是把物理空间和网络空间打通，从单个车的智能到联网的、群体的车之智能。

我自己进入这个领域，也是80年代从“移动机器人”开始的，1991年的这篇文章就是一个侧面，从室内机器人入手，但是为了空间机器人系统的外空远程控制试验服务的。

第一个实验是在NASA/RPI空间探索智能机器人系统中心做的，从纽约上州花几十万美元租了一条T1专线仿真地球火星通讯，这篇文章就是远程控制中心与当地控制系统之间的延时测试与仿真的结果。感谢Kostas，Athans和Michael，使我第一次有了带研究生的经验。

后来到了NASA在亚利桑那的空间资源利用中心，除了机器人空间车之外，还加上空间自动工厂的设计与控制，与美国标准与技术院(NIST)的Albus合作，研制了蜘蛛机器人车(Spider Robotic Vehicle)和通过Zircon制氢的无人生产过程，这是相关的两篇论文。

本来沿着NASA的项目一路下来，我们自然就是火星/月球车的PI，而且1996年项目也明确了，由我同矿业系的一位教授和月球实验室的另外一位研究员主持火星车的研制。无奈，接下来民主党的总统克林顿与共和党的国会打架。当年的政府预算就是不批，可那位研究员发的工资是“软钱(Soft Money)”发的，没有项目经费发不出来，我们只好放弃火星车的项目，把项目还回JPL(喷气推进实验室)。接着承担了Caterpillar的大型野外装载车(Wheel Loaders)的自动化项目，而Caterpillar的项目比NASA的意义小。过了许多年后看到“精神号”和“机遇号”的火星车的巨大成功，心里总有种很特别的感觉。但我不后悔多年前的决定，而且装载车项目是从我用机器臂挖石头开始，历时四年，仅项目合同谈判就花了一年半的时间。那时我必须在有现钱的Caterpillar装载车和无现钱的火星车之间选，最终选择了矿山车。令人高兴的是，由这个项目，我与自己的学生和同事完成了也是世界上第一本矿山自动车的研究专著。这是当年的98T自动装载车和相应的研究专著，这也是我基于代理的控制和想法的起源。

这个大卡车是全世界第一个全自动装载、挖掘和运输的无人自主驾驶大卡车，这台车是从生产线上下来的第二台车，花了三个月时间，我们把它“改装”成了一辆全自动的车。

90年代末，加州San Diego的(无人自主驾驶的)Demo之后，我所在的亚利桑那州的几位立法议员要求把州际高速公路I-10中间的隔离带变成无人车专道，用于Tucson和Phoenix之间的长途，这样可以充分利用Phoenix的机场，所以我就做了一个VISTA(Vehicles with IntelligentSystems for Transport Automation)自动驾驶车，只是加州项目几千万美元的预算，可我只有10万美元，所以做这个项目自己还倒贴了不少。VISTA绝对低成本，雷达花了3,000美元，GPS更少，视觉最贵，花了30,000美元，外加一个几千美元的四进程实时控制系统。整个团队三名老师，十几个学生和访问学者，除了一个印度老师和一个南斯拉夫学生之外，都是中国人，而且都不会开车！1999年在高速公路I-51公众演示后，还接受了电视台的采访。

自主驾驶车方向，我共毕业了四个博士，十多个硕士。2005年，李力(现在是清华的老师)的博士论文整理扩展为“Advanced Motion Control andSensing for Intelligent Vehicles”专著，由Springer出版。技术方面，这是第一本智能车的著作。版权已由国内一家出版社买入，将要出版中文书稿。这就是我做智能车经历的一点简单的回顾。

回国之后，还做一些车的基础研究，毕业的几位学生大都去了美国，中科院团队主要是在做车的测试和比赛，其中一位学生同我做的是平行车的博士论文，但是除了题目之外，内容和理解上还是有些令人难以认同。现在做什么？刚刚我也提到，要从三个圈扩到五个圈，怎么来做呢？我现在的理念和想法，就是要做平行车或平行驾驶，就是希望把机器人，我说的这个机器人，不是传统意义上的物理机器人，而是把物理机器人、软件机器人或知识机器人，都嵌入到车里面。以后，人开车的时候，就有一批的机器人同时陪着你开，帮你看路况、检查车况，帮你订餐馆，找你要去的地方，让你在驾驶的时候不要那么紧张(在时间或者空间方面)，因为观察发现很多交通事故都是因为分散精力导致的。平行驾驶则不会出现这样的情况了。车也是平行车，物理车在路上开的时候，网络空间中的平行车，就是软件定义的车也在和你一起开，时刻帮你检查车的性能，校准路线和时间，优化油耗使用，与物理车和你进行交互。

现在我们买的车，都有一个驾驶说明手册，但是我从来不看的，我想许多人也都不看。以后都不需要这个纸质的手册了，给你一个软件定义的车，或者三维的动画，你就可以模拟驾驶，这个车在不同的环境下能够怎么样的运行，就能了解车的性能了。那这个软件的车和你物理的车是连起来的。互联网、物联网和车联网把各个相关单元都连接在一起，实时监控你的人、车和环境的状态，所以你不需要看那么长的手册了，而且每个车应该是开放空间的，每个人都有个这样的车来帮助你生活的各个方面。所以以后的驾驶员是平行驾驶员，车也是平行车，这样就能实现从三个圈到五个圈的扩展。我认为，这样才能使车的等级，从0级到5级，统一起来。因为在相当长的一段时间内，他们都是混合的，不会全都是人驾驶的车，也不会都是全自动的车。怎么来统一，那就是通过平行车和平行驾驶。

我是和英国的曹东浦和清华的李力，还有西交大郑南宁院士，一起讨论过怎么从认知车到平行车和平行驾驶。现在的设想是一个车在路上开，那就同时有一个人工车、人工驾驶员一起来开，就把这三个空间(Cyber-Social-Physical，物理、社会、信息)打通，把物理的、精神的、人工的、社会的、经验的、因素都整合在一起，这就是现在的需求。在封装的汽车和开源的信息之间加一个人工车和人工驾驶员，而且都是以软件定义的、人工的形式，来减少人的精神、心灵和体力上的负担。然后让车跟物、跟基础结构连接起来，变成无缝衔接。

最近我们提出并研究了一个以驾驶员为中心的智能电动车（DC-iEV）框架：其中驾驶员和汽车控制器之间有一个协同，以实现共驾。但是该框架中其中一个关键难点是驾驶员的环境认识（situation awareness）如何有效建模。这里给出一个人机工程学里最常用的人-环境认识的模型框架。在DC-iEV里, 目前我们的思路是基于一个简化的环境认知框架(如上图所示)，然后用机器学习来进行计算建模，并测试其有效性。

另一个难点是如何给汽车控制器引入一个驾驶员认知量（或状态），并以此来实时调整汽车控制器，以实现以驾驶员为中心的智能驾驶。当然，别的领域的文献中也提供给我们了大量的前期研究信息。

如果想短期内实现DC-iEV基本功能，我们可以简化DC-iEV。比如这里给出一种简化思路，基于驾驶员状态实时监测，我们可以相应做路径规划调整，同时可以做行车风险评估（Threat assessment agent(TAA)）, 然后进行驾驶权的分配。

这里给出一个基础研究的例子：驾驶员在环内的行车稳定性分析。传统汽车动力学的行车失稳速度定义是完全基于汽车动力学参数的，和驾驶员（模型参数）无关。但我们知道驾驶员在行车稳定性里起着关键的作用。这里我们要去尝试解决这个问题。

采用不同的简化驾驶员模型（传递函数），加上汽车动力学模型，我们可以进行系统稳定性分析。一些简化的系统模型能够得到很有意义的。比如这里我们得到两个不同的失稳速度的新的公式：第一个（模型1）里面包含了驾驶员的两个基本参数（预瞄时间Tp, 和时间延迟taud），而第二个（模型2）包含了驾驶员的三个基本参数（除了前两个，还有一个控制增益(Gh)）。

根据上述参数，对两个模型进行实验分析，这里给出了结果比较，结果显示模型2效果更好一些。同时模型2能够用来简单解释：即使车是不足转向，行车仍有一个失稳速度。

也可以进一步系统分析并做简单的性能优化。这里可以看出，对于不同的车，如果选取不同的性能指标权重，驾驶员的最优控制增益是不同的。

另一个研究课题是认知底盘控制（CCC），这里我们假定可以比较准确的估计驾驶员的认识负荷量（Cognitive Workload Index(CWI)）。现在研究问题是：如果我们知道CWI了，该怎么调CCC控制参数？

我们先看一下认知心理学里的Human performance chart: 当人在某个工作负荷的时候，人的性能的最优的。这里我们可以假定横坐标为驾驶负荷，纵坐标为驾驶员驾驶性能。比较CCC和传统底盘控制的整体性能，可以看出CCC的优越性。

将来至少还需要考虑的一点是驾驶员的情绪，比如一个情绪理论显示：如果驾驶员处于生气状态，其驾驶性能不是最优的。而此时CCC控制器需要做相应的调整。上面这个例子，也是只考虑了驾驶员心理，还有精神、感情，这些是没有人能控制的，这些因素也要考虑进来。不同违章情况下，驾驶员在精神好和精神坏的状态下，导致的结果完全不一样。一种是Cry不舒服，一种是aggressive，那第二种就蛮危险的。传统的方法无法考虑这些因素，这就是为什么我们要做平行驾驶，要做人工车、人工驾驶员，要做计算实验，最后要平行执行的。

另一个研究项目是基于随机预测控制的驾驶员技巧建模，这里考虑的两个随机量是：路面摩擦系数和路面不平度。这里显示的是模型整体的框图。最常见的一个就是SMPC(Stochastic ModelPredictive Control)模型，但是这里面好多参数是随机的，不同情境下算出来的结果也不一样。

该模型采用多点预瞄方法，而目标函数包含两个部分：路径跟踪及驾驶员舒适度。该项目也进行了实车试验和数据采集。

这里给出的是模型试验验证：路径跟踪，汽车方向盘转角和侧向加速度曲线。模型计算的时候，仿真的结果就和实际的情况非常符合。但是很多峰值的地方，还是很不一样，差别非常大。以前不同的人(司机)面对不同的路况，计算的结果都是一条直线，现在全不一样了。虽然全不一样了，但是要实现智能的控制也不能让驾驶员来做这些细微的调节，要不他们就手忙脚乱了，非得出事不可。怎么来解决这个问题，那就要平行，要平行驾驶机器人，要这个机器人来调节。

基于该驾驶员模型，我们可以用来进行汽车动力学校调和优化。这里给出一些仿真结果。

为了进一步细化模型，我们可以采用认知心理学里的human fear theory来实时调节权重，从而来提高模型的精度，特别是在高侧向加速度区域。为什么峰值的时候(仿真情况和实际情况的)差别比较大？其实跟人的紧张、害怕是非常有关系的。如果出现了比如说你发现行为偏离太大了，你肯定会紧张；如果不考虑紧张的因素，是不是就可以直接算出来一个数来。那紧张的因素加进来之后，就能得出不同的结果。

其它的研究也包括无人车的运动规划等。这里需要提到的一点是：未来无人车的运动规划也可以考虑驾驶员（或操作员）状态，从而进行优化路径以实现驾驶员友好性。举例来说，在精度上的驾驶员或速度上的驾驶员，要面临一个动态刹车的情况下，这时候要提高精度的指标，降低速度的指标。但其实这个行为也是蛮复杂的，以后能让驾驶员来做这个事情吗？现在的控制系统，是不考虑驾驶员的行为因素的，也不考虑emotion的这个状态，它们也无法考虑。我们只是做了一些初步非结果。要在考虑驾驶员行为、状态情况下，实现精确地控制，就要有一个强大的计算平台。

我们一直在提要做物联网、云计算、大数据，怎么用呢，主要是用来支持这个实验的计算、策略的优化、决策的选择等等。所以，这就是我们沿着平行驾驶所做的一些初步的探索。

这样才能把物联网、云计算、大数据都充分利用起来。把云上的资源和车上的资源无缝的衔接起来，充分的考虑安全性、舒适性、敏捷性和智能性等4S指标。

下面讲一下去日本参会的情况，第一个是“Today and Future of Automotiveand Transportation Technology”，会议是由IEEE机器人与自动化学会(RAS)前主席Kazuhiro Kosuge教授主持，Tomi先讲，我后讲，重点介绍了基金委的智能车未来挑战赛和常熟基地的测试中心。之后，就与KK(我们做学生时就认识，30年了一直叫他KK)乘火车去东北大学(Tohoku University)参观他的机器人实验室。这是我们三人在KK实验室的合影，照片中的背景机器人即为当年令KK在全世界声名鹊起的舞女机器人“们”。但KK现在的工作很实际，目标是要实现Unimation，不是原来的Universal Automation，而是更专门的Universal Manipulation。我和Tomi还在东北大学给学生们上了一课，我讲平行机器人，学生很感兴趣，但KK不认同软件机器人的概念。这是我第一次在日本大学给学生上课，回教室的感觉蛮好。

之后就是在日本仙台的会议，2012年日本地震之后政府给了仙台一笔钱，他们就用这笔钱办了“Global/Local Innovationfor Next Generation Automobiles, Japan”的会议，很多日本的企业、美国的企业和欧洲的企业都来参加，开了三年了。他们的计划是开五年，会议之后我也在思考，是不是以后常熟的这个测试中心也和他们联合起来，一起开这个会？

会上听到剑桥大学一位教授的报告蛮有意思的，报告中讲到除了谷歌之外，世界上还有25家做无人自主驾驶车辆的公司，最后一个是宇通，我认为这是李德毅院士的功劳，他们的无人客车造成的影响力还是蛮大的。但是后来我们自己数了数，把中国做无人自主驾驶车辆的公司加上，总共是36个公司，我也希望中国的这些企业能够做的更好。让我吃惊的是，他认为上汽是未来智能汽车发展的模式。

我认为日本无人自主驾驶这方面是做的非常扎实的，他们已经开始从国家层面来关注无人车的测试和合法性。

这是美国对于无人自主驾驶车辆的调研，有三分之一的人声称永远都不会买无人车，但这部分人差不多年龄都在40岁以上，年轻人对于无人车的态度还是十分友好的，我想无人车还是有相当的吸引力。

由于时间原因，其它的我就不讲了。我个人的愿景是希望：一，今年是我们第一届中国智能车大会也是第一届国家智能车发展论坛，必须坚持发展下去，因为2018年我们会在常熟开IEEE的Intelligent Vehicle会议，一定要做好充分准备，开好这个国际上历史最久，水平最高的智能车专业会议；二，2009年在西安开创了我们的中国智能车未来挑战赛，2018年在常熟是我们的第九届，大家一起努力，在IV大会和FutureChallenge上给世界呈现一个不同的中国智能车的研发和应用新局面。

谢谢大家！

王飞跃, Intelligent Vehicles: From ADAS to Parallel Driving, 首届中国智能车大会暨国家智能车发展论坛, 苏州, 2015.11.14.