《能源评论》音频节目

林佳乔：

大家好，我是磐之石的林佳乔，欢迎收听我们的能源评论节目，上期播客节目是一期特别节目，我们盘点一下我们2021能源评论所播出的节目，也希望各位听众继续关注我们未来的后续2022展望节目。这一期，我们是节选并编辑了我们上个月行为改变与电动汽车研讨会的发言，如果大家还记得我们24和25两期期节目就是关于电动汽车这个话题。

今天我们整理了其中一位发言嘉宾的录音，他就是是现任北师港浸大（UIC）数据科学与大数据技术专业副教授——轩辕哲博士。他的主要研究方向：智能网联汽车与机器人、大数据分析与应用、计算机网络等。轩辕博士曾在华为中央研究院、中山大学计算机学院从事研究、教学工作。承担了多项国家自然科学基金青年基金、教育部高校基本科研业务基金的研究课题，并在汽车自动驾驶相关领域顶级杂志发表论文若干，并拥有国内外多项专利。轩辕老师当时分享的题目是“自动驾驶中的关键技术及其交通减排影响”，首先他就自动驾驶和电动汽车这两者关系方面帮我们理清了思路。

轩辕哲：

自动驾驶跟咱们今天的电动车之间是什么关系？我想这两个是一个非充分必要的条件，也就是说自动驾驶可以是用电动车的，也可以用燃油车的，也可以用氢能源车，它没有一个必然的联系，反过来电动车也可以没有自动驾驶，也可以完全是手动驾驶的，也没有关系，只是说在今天很多场合场景以及技术路线上，大家可以看到电动车的发展和自动驾驶的发展已经在很多层面上深深地捆绑在一起了。

林佳乔：

对于自动驾驶的意义，轩辕老师用三个哲学问题引出，同时也分析了为什么自动驾驶这么有吸引力？

轩辕哲：

首先讲到自动驾驶，我们就会说为什么要有自动驾驶？我想这是为了解决我们的最重要的需求。人生有三个最重要的哲学命题就是我在哪？我该去哪？以及我该怎样到达？当然是从大的角度来讲的，落实到我们的日常出行中，实际上也是经常人头疼的问题。那么我们可能自然而然的就会说，出行的事情我们是完全有希望有机器人帮我们替代的，由自动驾驶的技术来帮我们实现的。之所以这个技术这么具有吸引力，我想有这三个重要方面的原因。

第一个大家都能感受到的就是解放双手。如果有一天我们在大量的时间通勤的道路上，不需要自己去开车，不需要经历堵车的痛苦，不需要经历长途驾驶的疲劳，那是一件非常美好的事情，每个人都可以感受得到。另外一点就是自动驾驶潜在来讲会比人工驾驶更加安全，这个可能是有点反直觉的，但是事实上我们有一个详细的数据来总结，就是超过95%的交通事故实际上都跟人有关。也就是说如果我们去除自动驾驶目前的成熟度不谈，如果自动驾驶能够把人的因素剔除，它用严格的规则来限制自动驾驶能够做和不能做的事情，就可以减少95%的交通事故。第三个当然跟咱们今天的话题紧密相关的，也就是在节能减排方面的影响。简单来讲，汽车的燃油经济性在自动驾驶的背景下，它能够得到很大的提升。同时如果说在跟电动车结合，跟我们共享出行结合，它可以大大提升我们的用车效率和道路的通行效率，这个也是在技术方面给我们带来的改进。

林佳乔：

轩辕老师分析得很清晰，那我们再看看自动驾驶的经济与产业价值，有哪些主要的技术和市场参与者呢，我们来听听轩辕老师有什么洞察？

轩辕哲：

自动驾驶的经济价值对于一个国家产业来讲当然也是非常巨大的。我国车企在这一方面实际上投入巨大，从国家层面政策来讲，这个主要是跟经济利益直接挂钩的，因为我们的汽车产量已经是世界第一大国，2020年乘用车产销量基本上是2000万辆左右，也是将会长期领先的。这是国家的经济结构以及消费市场的规模来决定的，那么自动驾驶这个技术之所以这么有吸引力，或者说对于国家产业来讲有价值，还因为它不光是汽车行业，也能带动上下游的产业链，这是国家一个战略产业。

自动驾驶同时还涉及的就是IT技术相关的东西，包括一系列科技装备以及软硬件行业的发展。比如说我们涉及到新的硬件装备，激光雷达、摄像头以及相应的人工智能算法，这些都是在科技发展过程中或者说国家的战略角度需要考虑的问题，而且能够带动上下游的非常多的产业的发展，占领技术的制高点，人才的制高点等等，所以它也是会被结合在整个汽车或者说工业的发展中间，作为一个战略的角色去考虑的，在这个过程中间就涌入了大量的玩家。

首先当然是我们的汽车厂，这是潜在的革命性的技术，所以所有的车厂肯定都是要进去玩的。当然相应的还有就是一级二级的供应商，原来的汽车产业结构里面的玩家。另外新增的玩家就包括了IT巨头，为什么搞IT的也要来玩汽车呢？是因为搞IT的实际上是从消费者的角度去考虑很多思维的。他们认为汽车不是一个驾驶的工具，而是另外一个出行空间，或者说你花时间在这个空间的时候，IT服务就会通过这样一个终端来到达消费者，当然都是兵家必争之地。同时IT企业它有先天的优势，也就是说它在算法人才上的积累，可以在自动驾驶领域发挥它们的作用。当然在这个过程中间，实际上现在就是混沌初开的一个状态，所以有很多新势力，所谓的新玩家初创企业也在加入整个行业的角逐发展。而且这个东西也在迅速地发展过程中，比如说其实像高分辨率相机、高可靠性的相机，以及激光雷达，激光雷达以前机械式的为主，后面怎么样通过技术的革新变成固态的，变得更稳定，变得成本更低，实际上这都是一个发展非常快的过程，但是我相信是朝着一个越来越普及的方向去发展。

林佳乔：

下面就是轩辕老师就自动驾驶系统的技术层面的一些分享，它到底有哪些模块，这些模块之间是怎么样组合的？

轩辕哲：

简单来讲，任何一个自动驾驶的系统都有三个大的模块，叫感知、规划和控制这样三个模块。他们分别回答的问题就是刚才提出的那三个哲学问题，我在哪？我去哪？以及我怎么去？我主要分享一下我个人也是比较熟悉的一块，就是感知这一块，也就是说简单来讲自动驾驶的汽车如何了解我们周围的环境，如何知道自己在哪里，那当然主要做到这一点是通过各种各样的传感器，汽车上面可以配备非常多的传感器，现在已经有一些量产车上已经大量地配备了，比如说相机，比如说雷达，比如说半导设备，红外线超声波等等这样的设备，不同的设备当然有它各自不同的价值，它们核心的作用就是从周围的环境收集信息进行处理，然后为汽车提供对整个外界环境的感知。

那么我首先先讲一下相机，相机是一个非常常用的传感器，实际上相机上车已经有非常久的历史了，但是相机的作用和它执行的任务，可能近些年来才更多地靠到自动驾驶方面。简单来讲它最重要的核心功能就是用来作为检测，也就是它要知道我周围到底有什么东西，那么这里面实际上涉及到的科学问题或者技术问题，计算机视觉的问题，这是一个计算机领域的大的研究方向，它要解决的问题就是怎么样理解和解释图像，因为我们的相机拍到的就是图像，拍到的交通场景的图像也是一张张的图片，这里面核心问题有第一我们叫分类问题，也就是我拍了一张图，这个图是什么？当然如果这个图比较简单，或者说里面的主体占据的范围比较大，我们可以说清楚这个到底是什么，当然从一个从人的角度来讲，当然比较容易知道，但是从计算机的角度来讲，怎么去解决这个问题，近年来得到了非常大的进展，但是还是存在有很多要解决的问题。

再进一步如果说一张图里面的内容非常多，或者说主体不明显的情况下，比如说我们交通场景有非常多的主体在同一张图里面出现，我们更多的关注的就是检测的问题。那么我们问的问题可能就是这里面有什么以及它们分别在哪里？再进一步我们可能就要解决的是一个预测或者判断的问题。也就是说图像里面的各种物体，它们下一步它的意图是什么？将向什么移动，他想做什么事情等等，这就是一个语境感知的问题。这三个问题从它的价值和难度上当然也都是一个递进的关系。

后来随着机器学习的发展，当然人们就会用手动的特征以及再加上学习的方式去对现有的数据及进行标注，然后通过模型来学习，最后获得一个准确的分类也好，还是检测也好的这种模型框架。再进一步到今天我们讲的大数据时代，实际上所有的模型都是数据驱动的，也就是说我们模型的方式，比如说深度学习的网络，其实大同小异或者说它的基本原理大同小异，至于你能得到什么，更多的是由你的输入数据决定的，也就是说你给模型训练什么东西，它就能够具备什么样的能力。实际上这个过程中间就体现的是一个包括计算机领域也是在自动驾驶的领域也是在正在发生的事情，就是以算法为中心到以数据为中心的这样的一个研究范式的转变。当然数据处理这个过程中间就有很多具体的技术和要求，我也不详细讲展开了，在这个过程中间，实际上是近些年相关研究方向非常热的一个领域，就是大家在这方面做了非常多的事情，然后也有非常大的进展。

林佳乔：

关于感知技术，这涉及到自动驾驶的汽车能否保障安全性，所以轩辕老师也深入分享了一下在这方面的技术进展以及挑战？

轩辕哲：

最终的目标当然就是希望能够实现安全的驾驶，比如说我们可以给大家看一下简单的例子，我们希望我们的车在驾驶的过程中间能够清晰的看到自己可以行驶的区域到底在哪里，周围的车辆是什么，这只是一个简单的例子，如果说现在的车辆其实即使是量产车已经能够做到比这个更加好，比如说它对汽车的检测可以做到3D然后对汽车的距离的判断也可以非常准确，包括远处的小目标的检测，也能够比这个做的更好，这只是一个简单的事例。当然道路上包括其他的设备，包括的其他的物体也都能做很好的检测，比如说交通标志，那么这个就是一个更加详细或者说最前沿的技术，也就是我们能够对整个场景中间的所有的物体进行一个非常细致到像素级别的分类。当然这个过程中间存在误分类等等，这是有的时候甚至可能是致命的。比如说特斯拉或者说蔚来之前出过的一些出过的一些事故，都跟这种技术的不完善性有关，但是这个技术在近些年是迅速发展的这样的一个状态。

总之来讲，在这些技术发展的过程中间，我们可以认为现在真正达到完全的自动驾驶还有很长的路要走，这里面主要的挑战区来自于准确性以及计算能力与功耗可靠性之间的这些矛盾。因为就像我刚才说你有什么数据得到的就是什么结果，但是目前的数据想穷尽所有交通中的这个场景是不可能的，这也是一个矛盾的地方。所以说怎么样用有限的数据能够实现通用的自动驾驶的这种智能水平，实际上是非常大的一个挑战，是一个核心根本的问题。

林佳乔：

看来汽车感知的准确性的确非常重要，但是能完全确保驾驶人以及路上其他车辆和行人的安全这个角度来看，还是有不少的挑战。下面我们再听听另外一个相关技术，就是定位，轩辕老师会怎么样刷新我们的认知呢？

轩辕哲：

另外一个相关的技术，就是定位的技术，大家一说定位可能想到GPS，但是GPS它的精度是不足以支持安全的驾驶的，所以说我们需要用到地标匹配的技术，也就是说我们需要知道我们周围有什么，然后拿它来跟我们已知的地图进行匹配，从而知道我们具体在什么位置。当然你可以用不同的传感器来做相关的事情。激光雷达当然它有它的好处，比如说它能够测量深度信息，也就是距离我的远近，然后它受光线变化的影响比较少，所以激光雷达越来越成为现在自动驾驶，包括车企研究方面一个必不可少的设备。

简单来讲就是说我拿我现在感测到的周围的一个我们叫做激光雷达的数据，我们叫点云，用这个点云跟你之前事先采集好的地图进行一个匹配，也就是找到你现在应该在什么地方，但是要做这件事情，实际上是我们都知道前提是需要你有一个高精度地图，这个高精度地图怎么去收集是一个很大的问题。因为如果你的场景非常大的话，你收集的很慢，它的带来的成本是非常高。我们在这个方面其实做了一些工作，我们做了一些地图建立和感知的技术，就是用多车的协同来进行定位，核心的问题是多个车辆怎么进行协调，我怎么知道另外一个车来过一个地方，实际上是一个地图匹配的问题，我们在这个方面做了一些研究的工作，之前还做过的研究工作包含远程驾驶，实际上这个是自动驾驶的一个初始阶段，也就是说我们一个人坐在比如说广州的实验室里面，在远程驾驶在北京的中国通信展上的一辆汽车，当然通过中间使用的是爱立信和中国移动提供的5G设备，我们早在4年前就已经做了这样的工作。

林佳乔：

这里我再次插入一个问答环节的提问，当时有参会者问到，特斯拉的自动驾驶技术是主要基于摄像头的技术，它跟激光雷达定位这种技术路线的相比，在可靠性和成本方面有什么区别？以及未来发展中，哪一个技术可能最后会胜出或者是共存吗？我们来听一下。

轩辕哲：

首先我先简单的分析一下，基于摄像头的我们叫视觉的技术和基于激光雷达的技术，在成本方面很明显是基于视觉的方式，在目前阶段是要好很多，也就是摄像头的成本是非常低的，一个感光芯片的成本可能几十上百就足够了。但是现在的激光雷达即使量产可能也要上千的这种概念。那么在可靠性方面也是相机的这个是比较高的，因为它的发展相对是比较成熟了，但是激光雷达现在也在从机械的到固态的这种转变，如果要做上车以及做我们叫车规级的级别，它在可靠性的方面还需要一个发展。在性能的角度，这就是两个各有优劣的地方，比如说摄像头它最核心的就是它能感知到色彩，这个是激光雷达没有办法做到的，但是激光雷达可以感测到深度，也就是距离。那么摄像头对于光线的变化敏感是非常大的，也就是不同的光线，不同的日照环境，不同的天气，不同的季节，它会带来很大的差别，这个就在后续的算法设计上实际上提出非常大的挑战，但是激光雷达在这一块会有比较大的优势，它更多的关注的是结构。

当然了如果说结构变化了，这里面也存在一些问题。如果说要做一个判断的话，从学术的角度，我当然认为这两个都有这两个技术或者说传感器的发展都有空间去做，但是我个人的判断，我觉得激光雷达应该是在以后可靠的自动驾驶中必不可少的一个传感器，实际上我认为光靠摄像头是不够的，因为摄像头会有它比较大的缺陷，就是它对空间的、尤其是距离的探测能力是比较差的。当然我们有立体视觉的技术去做这些事情，但是在距离比较长，或者说受到光线干扰比较大的情况下，它的可靠性至少在目前阶段是远远比不上激光雷达，而激光雷达的这个价格实际上一直在降低，它如果说排除了成本的因素以后，它实际上是跟摄像头是一个非常好的互补的关系，但是还有其他的雷达和传感器，所以我们也可以看到除了特斯拉以外的主流车企，实际上目前的趋势都是在激光雷达上车这样的一个状态，甚至已经有量产车安装了激光雷达，而且是不止一个的激光雷达，这个也是一个我相信对我的判断的注脚。

林佳乔：

我记得轩辕博士问了参会者一个问题，就是自动驾驶的最终形态是什么样的？我们到底用什么样的技术去实现自动驾驶？有没有一种点到点的出行方式，就是不用设置那么多的规则，输入图像，然后得到就是完全自动实现到达目的地。我们听听这样的事情能不能实现，离我们有多远呢？

轩辕哲：

其实也有很多人在尝试，中间当然就用我们现在最流行的深度神经网络来做这件事情，那么最终当然也是一个数据驱动的过程，是需要有大量的数据集来训练。比如说这个是我们在一个模拟器上训练的结果，分辨率不是很高，但是可以看到就像一个开车的游戏，我们可以收集一个人或者若干个人跑赛道跑赛车的一个数据集，包括他看到了什么场景，以及他做出了加油减速或者转弯的反应，通过这种方式再去训练车，让计算机自动来做这件事情，那么经过一定的训练后，这个车就可以自动完成这样的驾驶。

林佳乔：

因为我们那次会议跟出行行为改变以及减排有关系，所以轩辕老师就此也做了分享。我们来听一下。

轩辕哲：

我是在逻辑上有两个阶段，一个是自动驾驶技术对消费者出行行为会产生什么样的影响？第二，这些行为又如何影响了我们的交通减排？首先在交通者出行方式的改变上，自动驾驶它是一个催化剂，也就是说如果我们希望更多的共享出行，更多的人舍弃自己的私家车的话，实际上自动驾驶相当于提供了一个司机给你，你也不用自己的车了，这种情况下会促进共享出行的提升。比如说有报告指出的，在某一个城市地区按照使用率将从7%增加到未来的30%左右，而更进一步就是当未来的自动驾驶的比例更加提升的时候，这一个共享出行实际上出行方式也会成为人们的主流方式之一。

另外有研究对自动驾驶在消费者中的接受度，根据不同的因素来做来比较，比如说根据国家的不同层面，实际上我们可以看到中国人在自动驾驶技术上是接受度是相对比较高的，另外年龄比较轻的人群接受程度是比较高的，还有相对收入比较高的阶层，接受技术的比例也是比较高。

那么进一步讲在这样的大的背景下，自动驾驶如何影响了交通减排？主要是有4个方面，一个是它能够促进机动车保有量的下降；第二减少无效的公共交通；第三，车路协同它是自动驾驶的一种技术之一，它能够改善交通的通行效率；第四自动驾驶减少停车所造成的碳排放。这是总结的几个方式，比如说它的空置率是非常高的，也就是说它不工作的时间其实是非常高的，我们为什么要拥有它呢？实际上大家都在想这个问题，我们只是需要使用它而已，对吧？那么如果说一辆车你已经不需要当它的司机了，你对它的熟悉程度不再是制约你对它使用的一个因素了，实际上车就变成一个服务，我们随时需要的时候再使用它，这样的话促进共享，也就降低了机动车整体的保有量。

那么另外一个也是相关的问题，大量的车实际上是因为司机的固定职责和雇佣关系的原因，它跟出行需求的动态变化之间会有一个矛盾，所以说很多时候在时间空间上存在需求和供给不匹配的状态，但是如果说所有的这些，比如说公共出行的交通工具能够用自动驾驶来实现，它的机器人属性就会更得到强化，也就是不会受制于一些时间和空间上的影响，减少它的无效和分担不足的问题。

林佳乔：

说到行为改变，不同交通方式的选择，那么对驾驶者对于驾车这个行为的依赖在多大程度上会影响到自动驾驶技术的一个发展？我们听下问答环节轩辕博士对这个问题的回答。

轩辕哲：

其实我个人也是经常想这个问题，我在想我自己搞的自动驾驶技术我会不会用？我的结论是我可能希望有，但是我会在选择性的场景去使用它，因为我还是比较喜欢开车的，我觉得开车本身是对我来讲是一个需求和享受，当然是在特定场景下，所以未来我相信可能也是并存的一个状态。具体的数据的话，我相信可能会有人做相关的研究，但是这一块我没有特别去了解到一个整体的数据，我觉得这个是不矛盾的，就是我个人或者消费者对驾驶的本身的依赖或者体验和你自动驾驶的发展是不矛盾的，这是在不同场景下都会存在的一个需求。

林佳乔：

最后我们听听轩辕博士对于车路协同以及自动驾驶技术对于交通减排的一些观察和分享。

轩辕哲：

那么从技术上来讲，我们的车路协同技术实际上是现在也在蓬勃发展的一个技术，它能够减少交通的拥堵，能够提升交通通行的效率，在很多场景下已经能够得到验证了。很简单的一个技术就是滤波带的技术，也就是说根据车上路上的情况，自动地来设计整条路线的绿灯红灯，然后使得大家的出行减低拥堵，减低走走停停过程中间的碳排放，减低大家在道路上的时间等等，这些都是可以实现的。另外从交通通行效率上，货运是很大一部分，我们的长途卡车实际上可以实现一个叫做列队跟驰的技术，如果说能够长期地保持相对固定的间距和速度来行驶的话，实际上通过降低后车的风阻，可以大大降低整个车队的燃油或者说能源的消耗，提升它们的效率。在停车方面，实际上如果说第一你用的车本来就少了，停车的需求就少了。另外如果说减少了人在停车过程中间的干扰，停车也许可以更加智能、更加快速，还有停车位的减少，其实可以带来一个城市设计的改观。

最后综合以上所有的因素，实际上我们可以看到有些资料里面对未来的自动驾驶在减排潜力方面得到了一个评估。最后我就再讲一下自动驾驶和电动车的关系，实际上汽车的电气化、智能化、共享化以及网联化是它的主流趋势。虽然我们说了电气化，也就是说电动汽车和自动驾驶并不是一个充分必要的关系，但是实际上在今天绝大多数的操作中可以看到大部分的自动驾驶技术是跟电动车相关联的，这里面当然也有一些原因，比如说电池和车体的变化，带来的小型化轻量化对自动驾驶的一个支持，在执行机构上电信号的简单直接能够更加便于自动驾驶的支持，以及实际上这两件事情同时发生的，也就是使得这个车的产业也好，还是企业也好，他们可以比较在这个节点上，对这两个技术进行一个革新。所以总体来讲，我们认为自动驾驶其实是能够进一步提升新能源汽车的减排潜力，而在自动驾驶分级方面，实际上一般来讲我们用5层分级方式表示。我们认为L1到L2实际上就是辅助驾驶的层面，现在渗透率已经非常高了，也会在未来的时间更大地提高。

林佳乔：

最后轩辕老师总结中提到，他认为自动驾驶是一个非常复杂的系统技术，到最后实现真正自动驾驶，三级以上的自动驾驶尚需时日，他在发言结尾也放了一个在北京胡同里面停车图片，非常狭小的空间停了一台车，他说如果这个场景能实现，自动驾驶也就真的实现了。最后他也总结道：自动驾驶对交通减排肯定会产生积极的影响。好的，各位听众朋友，这就是本期节目的内容，感谢收听，如果你喜欢我们的节目的话，不要忘记点赞或者将分享给更多的人，我们下次节目再见！