在Auto-E2019中國汽車技術青年學者論壇上，多位專家大咖針對智能交通領域做了精彩的學術報告，想知道他們都說了什么？

無論是2014年，習主席提出的新能源汽車強國戰略，還是2018年5月，******參觀豐田北海道廠區。這些無不暗示著汽車行業越來越多地承擔產業化戰略的重要任務，也標志著發展新能源汽車是我國從汽車大國邁向汽車強國的必由之路。基于此背景，清華大學車輛與運載學院（School of Vehicle and Mobility, Tsinghua University, 簡稱SVM）成立儀式暨Auto-E2019中國汽車技術青年學者論壇于4月27日在清華大學成功舉辦。

27日的清華煙雨朦朧，正值清華大學108年校慶時期，眾多專家學者出席本次車輛學院成立儀式暨2019中國汽車技術青年學者論壇。會上，多位專家大咖針對智能交通領域做了精彩的學術報告，想知道他們都說了什么？跟著小智一起來回顧一下吧。

***教授

清華大學汽車安全于節能國家重點實驗室主任

會上，***教授發表了題為智能網聯汽車系統動態設計與控制的主題演講。***教授表示智能網聯汽車是新一輪技術變革的產物，歐盟、美國、日本等發達國家已經在智能車領域擁有眾多先進技術。為了積極響應中國2025計劃，大力推動智能汽車的發展，掌握汽車智能化核心技術，要求中國學者追隨國際先進技術的同時，也要在技術本地化進程中尋找創新點，這是中國戰略計劃非常重要的一部分。

***教授首先講述了智能網聯汽車復雜系統的特征和分類。智能網聯汽車大體上可以分為兩大類：功能技術和系統技術。如何將感知、決策、通信、定位等功能技術變為現實，就要求有完善的系統技術，就要求有完善系統動態設計。在系統動態設計方面挑戰重重，比如廣義車輛系統動力學特征機電信息強耦合；駕駛人行為高隨機性且交通場景動態實時改變；安全節能舒適高效多目標矛盾制約等。所以從這些關鍵課題中可以看出，系統動態設計是智能網聯汽車的關鍵。

從2000年開始，***教授帶領團隊就已經開始聚焦在系統動態設計領域。目前，行業內存在很多功能簡單的系統，如ACC等，但是這些看似復雜的系統其本質都是簡單的功能疊加。在這種情況下，做性能控制是很困難的，所以李教授團隊建立的結構共用+控制協同理論與技術體系，就是在研究若干個功能如何協同實現。李教授帶領學生基于他們自己提出的理論方法體系，設計了針對汽車交通三大基本問題，研制三類汽車智能應用系統，在節能安全高效三個領域去全面的研究復雜的耦合系統。

基于結構共用的智能節能系統，***教授提出汽車智能駕駛系統的共用設計方法，首先是統一模型搜索優化的傳感器組合匹配，其次是軟硬件資源虛擬分塊的控制器任務調度。通過對比現有結構和李教授設計出的共用結構，可以明顯看出，共用結構解決了安全和節能這個相互制約的條件。李教授的成果也逐步的形成產業化，目前與宇通金龍等達成產業化合作，獲得了去年的科學進步獎。

基于控制協同的智能安全系統，李教授提出建立駕駛人跟車敏感參數的自適應在線辨識模型，發明了車輛安全、節能、舒適等多目標協同控制方法，實現了跟車安全性、燃油經濟性和駕駛舒適性的綜合平衡，并實現汽車智能安全電控系統的優化設計與集成匹配。目前該產品已經在40余款車型上實現規模化前裝配套，主流整車企業累計銷量超100萬套。

針對如何做車路協同，李教授提出基于車云融合的智能網聯云控系統。團隊建立了云控多車系統的分層重構型動力學模型，保障了系統閉環穩定性的同時，提升了隊列對通信失效的抗干擾能力。那么如何做實際應用？團隊發明了交叉路口工況的旋轉投影變換多車協同方法，就是把二維的車群問題，轉換成一維虛擬隊列問題，解決了交叉路口車輛沖突難題。燃油經濟性提升6%，通行時間降低9%。該云控平臺在國際上具有競爭優勢，正在引導中國智能網聯技術打破國外企業的壁壘。

近年來，李教授研發的基于行駛環境感知與控制協同的汽車智能安全新型電控系統并實現產業化，打破了國際巨頭技術壟斷，獲2013年國家技術發明二等獎（排名1）。作為牽頭人編寫了國家制造強國建設戰略咨詢委員會委托的《智能網聯汽車技術路線圖》；作為技術負責人編寫了國家發改委的《智能汽車創新發展戰略》報告；作為科技部交通領域項目指南編制組專家，參與了“綜合交通與智能交通”項目指南的編寫；作為軍委科技委創新局主題組專家，參與了先進陸上平臺電子信息控制方向的立項論證工作。

曹東璞教授

加拿大首席科學家（駕駛員認知與自動駕駛）

會上，曹東璞教授發表了題為認知自動駕駛：挑戰與研究進展的主題演講。曹教授首先講述了為什么他的團隊聚焦認知這一領域，以及認知領域研究的重要性。

目前有兩類復雜的人機交互：車內，針對L2-L3自動駕駛級別，駕駛員在環內；另一方面是車外L3-L5自動駕駛級別，是無人駕駛車和有人駕駛車的混合車流情景。所以曹教授認為車輛認知是非常重要的一個部分。

從歷史的角度看，心理學的歷史和車輛的發展史基本是同步的，1950年-1970年有一個爆發期，認知心理學從心理學中獨立出來，在這個階段輪胎動力學和汽車動力學高速發展。在自動駕駛快速發展的今天，認知心理學與自動駕駛交叉越來越大。

曹教授近年來回歸滑鐵盧，任職于滑鐵盧認知實驗室。從2010年到現在，團隊的項目涉及很多方面。基于曹教授自身對駕駛員行為的深刻理解，團隊于2014年開始決定做認知自動駕駛方向。目前研究主要有擬人化、激進方法、社會行為、駕駛員心理舒適度這四個方面，這其中應用的技術主要是增量學習。

對于L3如何實現接管問題？傳統的歐洲高校的方法是采用人工因素學進行實驗研究，直到2014年曹教授團隊發明了認知工程學的研究方法，突破了原有的技術瓶頸，實驗結果和專家評測也都證實曹教授團隊的認知工程學的實驗方法更加有效。曹教授還介紹了詳細的L3控制權接管系統框架，以及為什么無人駕駛車從人開模式切換到自動駕駛模式要比從自動駕駛模式切換到人開模式簡單的原因。由于駕駛員在車內的面部行為有高度的不確定性，可能有低頭等行為，攝像頭很難捕捉識別，所以采用分步處理的辦法能更好的攻克這個問題。分步處理方法首先是解決信號接收，再結合90年代一些專家學者提出的研究駕駛員眼頭動力學的認知辦法，來全面的解決駕駛員車內面部識別問題。

L3自動駕駛接管系統接管信號選取和設計方面，為了保證駕駛員可以快速準確的接收到信號，曹教授團隊設計研發了多模態的信號接收方式，比如聽覺視覺觸覺全面結合。曹教授表示，采用震動的方式比較直觀，既可以有效提醒駕駛員接管，也可以通過震動座椅不同的部位表示實際道路的哪個方向出現了問題，需要駕駛員注意。目前曹教授團隊正在對該想法進行驗證試驗，證明其有效性。

近期，有部分反對聲音說，L3自動駕駛會導致駕駛員駕駛技能退化。對此，曹教授成立了駕駛員駕駛技能退化監控項目。反聲音的大體邏輯是，如果長時間采用自動駕駛模式出行，可能造成駕駛員技能退化，當有危險情況發生，尤其是當有自動駕駛系統無法解決的危險情況發生時，即使系統提示駕駛員人為接管，但是由于駕駛技能的退化，駕駛員本能無法快速準確接管，仍舊會造成一定安全隱患。曹教授表示，在這方面國內外還沒有針對該課題的文獻資料，但是通過之前和吉林大學合作采集到的數據，可以看出駕駛員技能還是很重要的，這也確實是一個值得跟進并持續研究的課題。在下一階段，曹教授希望對此前和吉林大學共同采集的數據進行梳理，希望能找到一些在該方向有價值的數據，提取共性研究分析。

報告中，曹教授還提到了伯克利大學提出的禮貌駕駛。禮貌駕駛的本質其實就是在兩輛車之間加一個權重，然后在實際駕駛過程中，實現相互禮貌避讓。曹教授評價，這個理論還有考慮不太全面的地方。曹教授說：“通俗來講，太禮貌了，就沒法開車了，車輛之間只顧著在路上相互避讓，如果同時有5-6臺車，這種避讓情況會更復雜，可能更加影響駕駛效率。”

針對駕駛員情緒對駕駛情況影響的課題，曹教授團隊做了詳盡的研究。研究結果表明，生氣和郁悶會對駕駛員駕駛有一定影響，唯一一個有正向幫助的情緒就是高興，但是也不能太高興，否則會起到反作用。曹教授建議，如果有學生對這個方面感興趣，想進一步實驗驗證的話，不用每一種都考慮進來，只要8種情緒中的部分子集就可以了。

針對自動駕駛暈動癥課題，曹教授表示，對于平順性和暈車之間的相互作用，業內有存在一定的爭議，一些文獻主張平順性是導致暈車的主要原因，而另一些文獻主張正是因為平順性才凸顯了暈車問題。曹教授認為，平順性和暈車實際上是兩個不同的問題。基于此背景，曹教授團隊進行實驗分析，數據表示在縱向上，有一定規律可循，即開的越快暈車的癥狀越明顯；橫向受交通流影響較大，目前沒有明確數據能論證橫向上對暈車的影響。

無人駕駛認知時空路權框架，這方面分為主動的和被動的，如何保證交互質量和安全性，我們已經在國內，熟練的駕駛員使用無人車，采集了24小時的數據，目前正在研究。曹教授還為我們展示了在國內常熟和滑鐵盧采集的部分數據集，其中在加拿大采集的雪天的數據集因為去年雪季結束較早，還差20%左右的數據沒有采集到，需要明年雪季繼續采集。希望明年會有好的結果。

最后，曹教授總結道，對于高階自動駕駛，在復雜人機交互的環境下，認知自動駕駛提供了一種很好的解決問題的思路及框架。