第19届亚太汽车工程年会&2017中国汽车工程学会年会暨展览会（APAC 19 & 2017 SAECCE）于10月24-26日举办,本次论坛以“未来汽车与交通变革”为主题，携手行业领导、学会领导、院士、汽车及相关行业权威专家在内逾3000余位国内外业界嘉宾共同探讨汽车产业车厂与零部件协同创新和技术发展路径。以下是北汽集团新技术研究院主任工程师杨海军在会议上的演讲实录：

 

　　杨海军：大家下午好。我是来自北汽集团新技术研究院的杨海军。今天跟大家分享交流一下北汽集团在智能网联汽车的基础数据平台搭建过程。
 

　　主要分三个方向，第一个方向是基础数据平台发展现状，第二个我们是新技术院，新技术平台的基础数据平台搭建的技术手段技术路线，整体的实践方案，最后一个是表达一下我们希望携手共建基础数据平台的愿望。
 

　　首先第一个，智能网联汽车发展的现状。现在我们也看到整个论坛举行了三天，都围绕着智能化、网联化展开各种分组的讨论和交流。其中智能化、网联化都是发展得，大家也都对行业非常了解，这一块不多说。再一个是中间放的是人工智能，今年开始人工智能是非常火热的，对人工智能，国家国务院也有相关的整体发展规划。这是非常朝阳的一个产业。那么对于智能网联技术的演进，我认为是有这么三大阶段，第一个阶段是起步阶段，从现在往前推，前两年我们是起步阶段，各个公司也好，各个单位也好，或者说IT公司或者车厂，完成了智能化和网联化相关的技术储备，解决了智能车和网联车的从无到有的过程。现在所有做智能车，做网联化车的企业，现在都有车，随时可以拉车到试验场跑一圈，这是没有问题的。这是一个起步的阶段。按照国家或者行业的观点，智能化和网联化发展其实是一个长期的过程，我们现在所听到的很多的消息，到2019、2020年将量产智能车，或者是2到4级的智能车的观点和宣传，大家都有听到。整个过程是一个较长的发展过程。我们认为这是一个发展阶段，受限于这么几个方面，一个是硬件设备，比如说对于智能车辆的传感器，传感器本身的识别度、稳定性，还有失效的状态，这些问题会影响智能车或者网联车的量产。

 

　　第二是软件技术方面，同样现在在智能车方面的识别算法、决策、控制，这些方面都需要不断的优化。第三个方面，法律法规相关的，国家目前对于智能化、网联化相关的技术是用在量产车上的相关法律法规，目前还没有明确的，正在推进，但是没有明确的定义，应该怎么样规划相关的智能车上路。
 

　　最后一个是人的理念的问题，就是真的有一辆智能车，我们从两个角度，如何让人接受这个智能车，一种情况是从研发角度来讲，对于智能车，如果是在高速公路上，很多人愿意研究在高速公路上，高速公路模式下的智能车的相关技术，特点是高速公路的路况比较简单，识别准确度高，但是对用户来讲，不知道是什么感觉，我感觉让你坐上120迈的车在高速公路上跑，完全是L4级别的自动驾驶，你是不是会有点担心？哪怕是1%甚至是0.1%的事故率是不是也很危险？还有就是低速情况下的智能车，它的速度低，但是特点是路况工况比较复杂，相关的算法准确度或者是完善性，会影响整个使用车的体验。但是对用户来讲，相对速度比较低，我们日常生活中的小刮小蹭问题也不大。这是人们对智能车的理解和接受程度，这个发展的过程是需要几年时间的。
 

　　第三个阶段是目标阶段，这两天一直看论坛，很多时候用过这张照片，是特别理想的情况下，这是到最终的一个阶段。
 

　　对于智能化、网联化的基础数据平台有一些客观的需求，初步认为有这么四大方向。第一个方向是关于研发和测试相关的，对于在智能化和网联化研究过程中，首先一个问题是测试。所有的算法有了，硬件设备准备好了，能跑起来了，那么这个测试的覆盖率，我们现在强调如果没有数据支撑的话，这个覆盖率是达到很高的覆盖率。因为我们都知道，现在各个单位各个公司在测试的时候，基本上是围绕自己的单位周边，去试验场转一转测一测，能够持续测的公司不是很多。昨天百度的介绍材料，他们确实实实在在在全国在测，但是毕竟那个覆盖率也不会达到很高。通过基础数据平台，能够为测试提供相关的数据准备。
 

　　第二，强调的是人工智能的发展需要。人工智能需要以数据为基础，没有大量的数据作为支撑，人工智能相关的深度学习或者机器学习相关的数据支撑是没有来源的。
 

　　第三个是共享和交换数据，因为现在我们看到，目前形成了一个，在智能和网联开发过程中形成了一个很明显的数据孤岛，各个公司和企业单位都是各做各的，平常了解的现状是，十台以内的车，数量非常少，测试时间也达不到要求。数据也是各自有各自的数据。如果通过基础数据平台实现相互之间的数据交换，比如在北京，我们公司在北京，我们只能测北京的路况和一些天气情况的道路上的数据，那么像重庆这样有特色的地方，只能说把车开到重庆去测。
 

　　第二是运营监管的需求，智能化和网联化的车一旦上路之后，从管理部门来讲，需要有一个相关的监管的需求，保障车辆是可控的。同时也是提高出行效率，整个是一个网状，现在是车内网、车间网V2X，还有车和云之间的网络，这些网络连在一块儿才能实现整个交通规划。一个点的拥堵会持续发酵，造成后续的拥堵，所以整体协调是很重要的。再就是信息的共享需求。
 

　　第三个方向，形成产业生态链的需求。举一个简单的例子，最开始我们用PC机的时候，PC机最开始是单机的，后来互相联网形成信息的共享，形成一个互联的过程。这种情况下形成了我们到目前为止，移动网络和互联网络，这是非常有价值的。
 

　　第四是增值服务的需求，我们有了数据有了平台之后，车辆共享出行，形成新的服务内容和增值。
 

　　这是一个基础数据平台的结构，有网联车，有智能车，同时有路边设备，这样形成一个网络环境。同时还有云平台，路侧设备，车载设备，和云端进行数据交互，形成一个完整的网络环境，这个平台就是一个基础数据平台。基础数据平台主要完成四个功能，一个是基础数据采集，一个是智能网联协同，为相关交互提供服务，第三是运营监管，最后一个是实现增值服务。
 

　　对基础数据平台定位思考，基础数据平台分为三个层面，第一个层面是企业级的，像北汽自己有一个企业级的基础数据平台，为企业的开发和测试做相关的准备，提高在智能车的算法优化、性能提高这些方面做准备工作。第二层面是在企业基础上，结合相关交通数据，交通设施形成网络，形成区域基础数据平台，这样能够服务一个城市或者区域。第三是国家级的监管平台，能够实现相关的数据联合调度、运营监管相关的工作。
 

　　具体的实践方案，这是我们的架构图，分成三部分，左边是相关的终端部分，智能车、网联车，中间是平台的主要内容，包括云服务器，提供安全机制，实现平台与终端进行通信，完成相关的数据收集、数据管理、数据处理。最后一部分是相关的数据分析和数据挖掘，还有一些协同服务的内容。这部分内容其实跟我们的基础数据平台的概念，更多的强调数据的收集、处理、存储、分发工作，真正想要进行数据分析，还要有相关的接口，不是我们平台的主要工作内容。
 

　　这是标准规范思路，对于相关的采集规范、通信标准和业务流程，协同API等，采用业界和行业内的相关标准，进行扩展，这样便于相互和别的标准对接，实现推广。
 

　　数据采集阶段，目前我们认为分成两个阶段，目前我们在第一阶段，基础数据采集。它的主要应用方向是用于智能车和网联车的研发测试。数据范围相对第二阶段是全集数据，采集内容是最多最全的，而且是在量产之前做这个工作，主要用于研发测试，进行大范围的数据采集。
 

　　第二阶段是公共数据采集。为什么有两个阶段，基础数据采集是我自己来采的，这部分是可控的。第二公共数据采集，一方面涉及到个人隐私问题，不能采集过多的数据，这些数据有一个考量的。第二是说，对车厂来讲，很多数据不会公开出来给别的单位或个人，这是一个公共数据采集。目前我们项目在第一阶段，第二阶段是我们下一阶段工作的内容。在基础数据采集之后，用一部分的子集数据作为公共数据采集。
 

　　第三是数据交换，现在每个公司都握有一些测试的数据，放在自己的手里。我们希望形成交换数据的标准格式、规范，这样相互进行数据交换，也能形成数据的价值链。
 

　　这是基础数据分类，大概分成这么几类，包括外部感知数据，和外部互联互通的，还有车辆自身的数据，用户在操作过程中形成交互的行为数据，还有最后的基础数据，车主的年龄、身高、喜好什么的，用于形成客户画像。
 

　　这是我们的数据采集内容，分为两个部分，实际上我们分成两块做，这两块相对还比较独立，网联化和智能化，也就是说网联车和智能车。昨天我听百度在介绍的时候说的问题，现在虽然是智能化、网联化同时在提，但是很多是分不同的团队在做。有的专门做网联化，有的专门做智能化，采集的不一样。我们对智能化和网联化分别进行采集，最后合到一个平台上，采用同样的数据协议标准。
 

　　这是我们采用的车辆，上面是网联车，下面是自动驾驶的车。采集分两个途径，一个是几时采集，100毫秒采集一次，一秒上传一次。两个车都有即时数据采集，同时自动驾驶车有一部分是离线数据采集，一天采集一次，用硬盘的方式，相对比较院士的方式。
 

　　我们平台的概念把现在所做的工作，很多是数据平台化，相关采集之后在数据平台中，这是大致的数据库的内容，底层是原始的数据，上面对数据进行分析之后形成结果，包括一些基础数据。左边是相关的对数据库平台的管理的相关数据。
 

　　目前在做的采集规范包括这么三类，其中把V2X细化了一下，分成OBU，也就是车载采集规范，一个是路侧采集规范，分成这样两个规范，细分成两部分。第三个是智能车的采集规范。
 

　　这是我们正在做的初稿，路侧单元的采集规范的初稿，这在推进过程中是一个阶段性的成果。
 

　　这是基础数据平台，做过大数据分析大家都知道，包括底层支持Hadoop等等。中间是刚才提到的数据内容，上面是通过分析之后使用的开发语言。
 

　　基础数据平台化，我们按照正常的数据库管理思路，对采集的数据进行日常管理，还有场景数据，后面会提到，处理的时候也有场景数据的处理管理工作。查询、统计、下载，还有上传等权限管理工作。

这是自动驾驶数据处理的简单思路，首先我们有一个数据校验过程，第二是以时间戳为单位，有两个数据，一个是采集数据一个是上传的实时数据，通过时间戳进行同步，然后进行第三第四个，进行目标物的识别，打标签。最后一部分是场景化数据，主要是做场景化数据的提取，然后分类，然后进行管理。
 

　　这是自动驾驶数据的闭环流程，左边是对车进行数据实时采集，包括两部分，实时数据，原始数据，进行采集，采集完经过中间的数据处理流程，处理完之后输出两类数据，一个是目标物数据，用手工标注的方式，对实时过程中，把红绿灯抠出来，这也是识别目标物的数据，可以作为训练库的数据使用。还有场景数据，这里我们可以细化一下自动驾驶相关的场景，比如说自由行驶，再比如十字路口的直行，再有变道、超车等等场景数据，把它手工标注加计算机处理结合的方式，做一些场景数据进行管理。然后第四部分是对数据进行应用，我们会提供，比如自动驾驶相关的，他们用这些数据，优化算法，包括识别控制决策相关的优化等等，最后形成的算法通过OTA升级到车上，这样完成一个闭环。
 

　　下面是OTA的需求，咱们知道特斯拉都实现了，这是相对比较成熟的，但是量产的还不多。
 

　　这张图来自合作伙伴，我们本身是做自己擅长的部分，这部分不是我们应该做的。我们有标注的方案，OTA的，能够实现在线升级。明年我们计划做车上的安全网关的OTA整体方案，这个工作明年要启动。
 

　　这是关于信息安全的，也是谈得最多的，在智能驾驶相关的安全相关的最多的问题。而且这个面设计到，从终端到云管端各个方面都有，这是很大的一个方向。
 

　　这也是来自合作伙伴的关于安全的思路，这是总体的，以汽车为中心的，以终端为中心的安全架构模型。
 

　　最后是以云平台为中心的安全架构模型。
 

　　以上是关于整个基础数据云平台的整体方案。最后介绍两个应用，第一个应用是说，我们拿到这些原始数据，我们的数据可以做些什么工作，第一是自动驾驶仿真，拿出很多场景，比如说从第几帧到第几帧，包括相关的视频、图片、雷达数据，包括实时采集数据，把这些数据可以拿来研究。比如说特斯拉出现事故，如果也有这样的功能的话就可以还原当时是哪个算法没有识别出来。同时还有一个非常有效的好处就是说，可以评判这个算法，整个系统的可靠性和评级、评价等等最基础的工具。
 

　　就是说，我同样的这一套数据拿出来，A公司做的和B公司做的智能车，A公司能不能识别、识别到什么程度，B公司能不能识别、识别到什么程度，打多少分，这些都是为场景识别准备的。
 

　　第二个是我们正在做的监管的项目的展示，分成四个大屏，然后左上角显示实时的车内的情况和车外的情况，右边是显示车辆基本信息，以及车辆的事实采集之后的相关的数据的内容，包括数据的量、数据的变化，这个大屏上会实时采集。大家如果感兴趣可以去参观一下。
 

　　最后一部分，我们表达一个愿望，希望跟各个单位能够一起携手共建我们的基础数据平台，主要是说，我们想从这么几个方面跟相关车厂也好、研究机构、标准组织，还有高校、IT公司一起携手共建。包括第一部分是数据采集规范，第二是平台整体的建设，最后一个相关的平台的示范、应用、验证，这样三个方向，希望大家能够一起来共同推进这个基础数据平台的工作。
 

　　谢谢大家。