2020年9月15日，由新能源汽车国家大数据联盟与武汉经开区联合主办的“安全·智能·促发展——新能源汽车国家大数据联盟2020成果发布会暨安全智能电动汽车高峰论坛”于湖北省武汉市联投半岛酒店隆重召开。中国工程院院士、武汉理工大学首席教授严新平出席了会议，并为分享主题为《网联环境下营运车辆智能辅助驾驶研究及展望》报告。
以下为演讲速记：
严新平：尊敬的孙逢春院士，尊敬的李力主任，各位领导，各位专家，大家上午好！很高兴受孙院士的邀请参加这次大会，我汇报的题目是——网联环境下营运车辆智能辅助驾驶及背景。
主要汇报三个内容，一是研究的背景，二是内容，三是趋势和挑战。我们国家是道路运输大国，通车里程公路是有500多万公里，高速公路将近15万公里，另外营运车辆达到1165.49万，其中货运的车辆占了93.34%。我们国家营运车辆是5.8万多起，导致2.4万多人死亡，一些重大事故的产生，对社会影响非常大。交通数据主要从营运车辆这个角度来进行统计。营运车辆交通事故的安全原因是什么？我认为主要是两个方面，一个方面是主观上违法驾驶行为占了一半以上，主要包括疲劳驾驶、超速、违法超车等。第二个方面，客观上由于车辆自身的技术水平，比如说它的感知能力不足，所以说随着行使环境的变化，使得它的安全性难以保障。然后就是人车环境，在这样道路运输的系统里面信息不对称和不协调，国家在这方面非常重视，科技部、交通部在“十一五”和“十二五”推动了“国家道路交通安全科技行动计划”，来保证营运车辆的交通安全。
下面汇报一下我们的研究内容，主要是三个方面的内容。第一，营运车辆事故的发生有一个很重要的原因就是感知能力不够，使营运车辆感知能力增强，提出了路面指纹和生成式对抗网络的模型。二是基于驾驶行为谱分析的营运车辆行车风险辨识技术。通过大量的统计数据建立行为谱，最后随着网联环境的发展，对营运车辆的智能辅助驾驶进行应用，进一步提升道路安全的保障。总体的研究思路，主要是围绕网联环境下的车辆驾驶辅助安全来开展。
首先是关于路面指纹和生成式对抗网络的营运车辆感知增强。营运车辆的传感器成本比较低，现在解决的方案是两个，一是在车端提升它的感知能力，二是在路侧增加各种传感器，使得它的感知能力更加提升。所以这里面核心的一个内容就是通过路面指纹的高精度定位，对我们感知的能力加以提升，同时对目标的识别加以增强。这是关于路面指纹这样的一个概念，实际上是我们团队胡钊政教授他们提出来的一个定义，包括了路面的场景信息，路面局部的图像体征，以及轨迹的位置，由这三个部分来构建路面指纹。路面特征信息，包括有标志特征的路面，无标志特征的路面，路面图像特征，轨迹位置，对我们感知的定位进行加强，是具有一种唯一性和不变性的信息，具有很重要的作用。它的路面指纹制作的思路，先做图再定做，根据地图节点的三要素，最终实现高精度的定位，整个过程基于路面指纹制图。这是我们开展试验的一些情况，我们有一个路侧GPS未知的一个装置，通过图像处理器来获取场景。这个识别率也有很大的提升，同时为精度也起到很好的作用。
第二个方面，提升营运车辆的感知，基于生产式对抗网络的小样本目标增强识别。根据比实际样本更多的训练样本，来增强模拟的建立。对于路面的标志标线，箭头，例如所获得的数据只有4幅图像，基于深层次的对抗网络的模型，可以生成比它多4倍的数据样本量，基于4倍的数据样本量再做模拟的构建。从两幅图可以看出来，增强前和增强后辨识能力有很大的增强能力。通过增强辨识以后可以提取，生成率有提升。这是我们在其他的场景下，包括左转弯、右转弯这些。
第二个是基于驾驶行为谱的分析，主要是基于车辆的运动来进行分析，采用固定指标辨识行车风险，面向驾驶人全体提取特征指标。对驾驶人心理分析少、不符合时变规律、忽视个体差异导致风险辨识不精准。驾驶行为谱是对驾驶人的行为习惯进行观察然后进行采集，实现驾驶员个性化建模。在这个基础上对它的机理剖析之后进行表征分析，进而对行为的演化时域进行分析。这是我们在开展这方面的基础工作，在实验环境下，在驾驶模拟场景下，通过驾驶行为的采集，通过方向盘的转角，以及车头间距的变化，以及一些行为动作，我们采集到驾驶人生理和心理的数据，建立量化模型。比如以一个疲劳驾驶这样的案例为例，如何来界定疲劳临界点是研究难点，通过聘请驾驶员在凌晨1点-5点进行驾驶实验，采集驾驶操作的特征，基于采集的数据我们建立了疲劳识别的算法模型，构建了生理节律、驾驶时长等时变规律指标和驾驶稳态疲劳的检测方法。基于驾驶个体差异的行车风险辨识模型，在这个基础上再进行风险辨识的域值。
建立了智能网联环境下的智能辅助驾驶系统。在此基础上针对协同式辅助驾驶的信息感知与交互需求，开展了智能路侧系统的优化设计，在路侧实现行车安全相关要素的增强识别。我们认为车很聪明，车路更好的协调，发挥真正的作用，才能更好的实现智能驾驶。在这样的基础上，我们来实现网联环境的辅助驾驶集成应用，同时也基于ADAS联网云控的营运精细化干预预警技术，这主要是实现了驾驶行为的挖掘，实现云端对驾驶行为人的分析以及评估。
上面这些研究的成果，在各单位共同合作与努力下，通过中国交通通信信息中心两客一危重点营运车辆联网联控系统，接入32个省、自治区、直辖市级平台，上线率达到91%。在新冠疫情之间，全国的防疫应急物流信息平台也发挥了作用。同时我们通过网联环境下的自动驾驶也得到了一些展示，研制了集成的ADAS监测的系统，作为一个车载终端实现了应用和企业级的管理。
最后说一下趋势与挑战。主要从运载工具的无人化智能化网联化角度来展望，包括道路交通、水陆交通、铁路交通、民用航空。以水路交通为例，船舶的智能化还是会实现少人化，一般一艘远洋货船出海以后需要3到6个月的航程，利用人工智能技术，替代在船上的一些岗位，是一个方向，完全实现智能目前而言有难度。未来的方式应该是远程驾驶，船上仍然还是有一部分人。
第二个挑战，新型运载装备带来的安全风险问题。另外，有人系统和无人系统构成的交通运输系统的安全问题。
第三个挑战，如何在这样交通运输系统发展的过程中，法律法规的建设要同步的实现。包括事故责任认定，以及社会的适应性方面。
再次感谢孙院士让我有向大家学习的机会，也是向大家汇报工作，也欢迎大家莅临指导，谢谢大家。