平行驾驶与平行交通：从智能出行到智慧城市

作者按：

2018 年6月29日-7月1日，中国深圳，宝安区前海华侨城JW万豪酒店。在炎炎暑气和阵阵夏雨的交织激荡之中，在学界精英与业界领袖的见证参与之下，由中国计算机协会CCF主办、雷锋网和香港中文大学（深圳）联合承办的「CCF-GAIR」全球人工智能与机器人峰会顺利召开。

大会得到深圳市宝安区政府的大力指导，是国内人工智能和机器人学术界、工业界及投资界三大领域的顶级交流盛会，旨在打造国内人工智能领域最具实力的跨界交流合作平台。本次大会包含AI前沿主会场和11个分会场，涉及到计算机视觉、智能驾驶、机器人应用等诸多领域，共吸引超过2500余位AI业界人士参会，其中包含来自全球的140位在人工智能领域享有盛誉的顶级嘉宾。

开幕式当天的AI前沿主会场上，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任、中国自动化学会副理事长兼秘书长、青岛智能产业技术研究院院长王飞跃教授就当前智能交通技术发展的历史背景和未来展望，做了“平行驾驶与平行交通：从智能出行到智慧城市”大会报告。王飞跃教授主要是从事平行系统与平行理论等方面的研究，并率先将上述理论应用于模式识别、知识自动化、智能机器人、智能控制等相关领域。

在智能驾驶专场会议上，王飞跃教授围绕智能汽车，先后介绍了几个方面的内容：智能汽车简史；中国智能车发展；平行驾驶理论、发展与应用；平行交通与智慧出行以及对未来智能汽车、交通发展的展望。王飞跃教授作为国内最早一批从事无人车相关技术研究的专家、学者循循善诱、娓娓道来给听众讲述了一整部智能驾驶技术的发展变化史。

在报告中王飞跃教授特别强调了应该时刻警惕和避免自动驾驶技术发展中的“马粪问题”，并勉励大家在自动驾驶技术的商业化应用中应该从细微处入手、从特点场景入手、从小规模测试入手，循环渐进、积少成多累积足够的经验，从而逐步推动智能驾驶技术的稳步发展。同时，王飞跃教授强调互联网公司不能妄谈对传统汽车行业的革命，在技术远未成熟前，这种革命更多时候是对人命的漠视。目前谈无人驾驶的大规模商用，是无稽之谈，没有谁能为人的生命买单。

下面详细介绍王飞跃教授本次报告的主要内容：

 

智能汽车简史

自动驾驶真正走入公众视野是从2004年的DARPA挑战赛。那是2004年的3月13日，一大群工程师和数千名观众聚集在加州一家小酒吧外，聚精会神地注视着 15 辆参与莫哈维沙漠穿越赛的赛车“日暮沙漠陲，力战烟尘里”。参赛车辆毫无例外都有着夸张的外形，赛车方向盘由电脑控制的。尽管最终没有一辆参赛车完成142英里全程的赛事，却也成为了启蒙自动驾驶行业的里程碑事件。

“说起来我们还是最早把DARPA的这项军用项目引入学术研究界的人”。2005年，IEEE 国际智能车会议在美国拉斯韦加斯举行，作为大会主席的王飞跃教授邀请了DARPA挑战赛项目负责人Ron Kurjanowicz做晚宴报告，向大家介绍项目最新进展。

然而，亲身经历过这段无人车时代的王飞跃教授却说，“早在此（2004年DAPRA挑战赛）之前，就在1997年8月7-10号，加州圣地亚哥举行了名为Demo'97（The NAHSC 1997 Technical Feasibility Demonstration ）的无人车集中演示，在我看来，那场演示的规模、意义以及在当时所引起的影响比这场比赛更大。”

当时的情况是，美国国会在1991年通过了陆路复合运输效率法案(Intermodal Surface Transportation Efficiency Act, 简称为ISTEA冰茶法案)，作为响应，联邦高速公路管理局（FHSA）在1992年启动了一项全国性的自动化公路研究项目。Demo'97就是对该项目的成果展示，“其最大的目的是通过无人车辆编队实现高速路交通优化、在不增加现有道路的基础上扩大其通行容量，技术上主要通过在高速路面中嵌入磁条引导来实现”。

有超过20款自动驾驶汽车（包括小轿车、卡车、公共汽车）登场亮相Demo'97，其中大部分车辆来自GM通用，还有一些来自福特、本田等。大概有上千名的观众亲身体验了完全自动驾驶车辆在圣地亚哥I-15 HOV车道上7.5英里的行驶演示；每辆车之间隔着一个车身的距离，主要示范了车辆换道、车队加入以及车队分离等功能。

这场声势浩大的无人车展示必然离不开政府的支持。然而，“天真”的美国政府并没有预料到这项计划的花费，不到五年时间，9000万美金的预算倾泻一空，最终在90年代末被迫停止了这项计划。缺少了政府的支持，汽车自主驾驶研究和应用陷入低潮。

“那时候的无人车政策几乎就是零，后来底特律一些车企包括发明安全气囊（airbag)和时任GM的通用汽车OnStar公司的CEO Dave Acton找到我们，大家一起花了很大精力到美国国会和联邦交通部游说，最终美国政府推出了智能汽车（Intelligent Vehicle Initiative, IVI）的项目。”说到这里，王飞跃教授表示：“除了政策为零以外，那时网络几乎没有，车内通讯也没有，电控当时的车也不提供，比起今天来，困难太多了。”

王教授最早研究“移动机器人”是在上世纪80年代，研制为外空间机器人系统的外空远程控制试验服务的室内机器人，当时从纽约上州租一条T1专线仿真地球火星通讯就需要几十万美元。后来到NASA在亚利桑那的空间资源利用中心，他还负责了外空间自动工厂的设计与控制，当时是为了更好地利用机器人来开发火星与月球资源。后来与美国标准与技术院(NIST)的Albus合作，研制了“SpiderRobot”无人车和通过Zircon制氢的无人生产过程。

“若不是当年（1996年）民主党的总统克林顿与共和党的国会打架，导致我们火星项目预算不批、项目工资发不出来、被迫停止，研发出‘精神号’和‘挑战号’火星车的就是我们。”谈到这段往事，王教授有些无奈地笑起来“那时我必须在有现钱的Caterpillar矿山装载车和无现钱的火星车之间选，最终选择了矿山车”。

 

就这样他们把已经“到手”的项目又还给了JPL（喷气推进实验室），选择了有现钱的Caterpillar大型野外装载车(Wheel Loaders)的自动化项目，该项目也成了王教授“基于代理的网络控制”想法的起源。

后来因他将分层智能控制理论和智能挖掘算法用于98T自动装载车并取得了非常好的效果，获得了卡特彼勒技术发明奖；98年与同事合作完成了世界上第一本矿山自动车的研究专著。

即便是现在，项目过后的20年，王教授依然认为：“以挖掘、装载和运输为主的采矿作业自动化，是无人车技术最合适最‘靠谱’的一个应用领域。矿山是一个相对封闭和结构化的受控环节，加上对驾驶员的劳动强度太高和工作环境太恶劣，特别适合无人车和机器人等人工智能技术的应用。” 

矿山车自然不能与民用车相比，在开放不受控的外部环境中，实现车辆的自主行驶。为了改善拥挤的交通状况、降低车祸死亡率、让无人驾驶技术造福千千万万的家庭，90年代末，他又带领团队与亚利桑那州政府合作，研发了VISTA(Vehicles with Intelligent Systems for Transport Automation)自动驾驶车。

VISTA上路测试的当天，在亚利桑那州甚至整个美国，都引发了极大的轰动。因在该领域的杰出贡献，还获得了亚利桑那州府给予的至高荣誉——“美国亚利桑那州杰出成就奖”。

 

“马路”、路权和“马粪问题”

自从2004年DARPA挑战赛之后，智能驾驶技术开始走进资本的风口浪尖和大众的视野。纵观整个交通历史行业的发展，我们也许能从历史的长河中找到今天智能驾驶技术发展的些许启示。王飞跃教授谈到，在中国古代路权是属于马的，所以诞生了“马路”的概念，“马路”即为供马行走的道路。秦始皇能够统一六国，其中一个因素就是因为秦始皇祖上虽然是给周天子养马的小官，但却掌握了“马路”这项核心技术，所以才慢慢壮大了自己的实力。

在路权属于马匹之前，路权是属于人类的，所以人类出门只能靠走。而在蒸汽机车诞生之后，路权是属于汽车的，所以才诞生了底特律、纽约这样的超级汽车城市。现在呢？马上路是非法的（除了大连女骑警队的马），只能站在大卡车上上路。以前普通人家里都有马车，现在谁能养得起马？只有富人，一匹马上千万美元。唯一能见到马的地方是什么地方？赛马场。这就是人需要车的前提。

现在老百姓家里面都有车了，但将来呢？我想将来有人驾驶的车也只有富人能买得起，有人驾驶车唯一上路的方式是停在大卡车上，唯一能开的地方是在赛车场。汽车刚刚出现的时候，它和马车是一起上路的，车不能开得太快，太快把马惊了可能就会引发事故。所以英国定了红旗法案（Red Flag Act）说，汽车的速度每小时不能超过6公里将来智能车要是按照它的方式，很可能会把有人驾驶的车“惊”了，跟马“惊”了是一样的。

所以一定时期内，肯定是有人驾驶和无人驾驶车辆同时上路，因此我们也必须对无人车增加很多的限制。对于智能车来说，它开200公里/小时没任何问题；人要开到200公里/小时，不吓到别人也把自己吓到了。所以为了实现智能车的效率，智能车的速度，智能车的安全性，一定要把人‘赶’下去，否则它无法实现绿色、可持续、高效的目的。”

路权的归属问题和路权更迭导致的大量问题在历史上同样有迹可循，最典型的就是“马粪问题”。19世纪末的伦敦是当时世界上人口最多的城市，有500多万人，每天服务这500万人出行的，是30多万匹马。在伦敦市内，平均每16个人就有一匹马。虽然工业革命的出现，使得蒸汽汽车在更早的半个世纪前就已经出现，但马车灵活的特性，使得其在城市日常交通中，变得不可或缺，堪比今日的出租车、公交车。

30万匹马为伦敦的商业、社会生活带来了极大的便利，却同时引发了另一个难题：一匹马每天平均排泄7-12公斤粪便，1升的尿液，全伦敦每天就要产生3千吨粪便、30万升尿液。除此之外，2/3的马都因服役而死，带来了卫生隐患问题。春夏秋冬，周而复始，为了清理这些“污物”，伦敦雇佣了近10万人，来解决恼人的“马粪问题”。

这个问题并不止伦敦独一份，纽约、巴黎也同命相连，因此为了解决这一难题，1898年世界各大城市的管理者们在纽约召开了“国际城市计划会议”，共同商讨“人类如何在未来一个世纪处理马粪围城问题”。

一百多年过去了，我们生活的城市并没有“找到”马粪围城的终极方案，原因不是人类缺乏智慧，而是现在的道路上行驶的是汽车，马粪问题压根不存在。

历史的发展总是惊人的相似，有人驾驶汽车和未来智能汽车、无人车的路权更迭过程中，我们将同样面临有人驾驶汽车的“马粪问题”。自动驾驶目前所面临的一些技术、法规方面的难题，很可能在未来不复存在，因此过多的执拗于当下自动驾驶的不成熟，并无意义。而另外一方面自动驾驶技术的成熟，还有漫长的路要走，离普通的消费者随意购买无人车的时代还很远。自动驾驶是一项非常好的技术，乃至服务，但在其真正成熟前，普罗大众不应该成为其试验品。

 

中国智能车发展

“无人驾驶测试场可以重现无人驾驶汽车使用中遇到的各种各样道路条件，同时可用于验证和试验无人汽车的软件算法的正确性。”王飞跃教授提到，为了让无人驾驶的测试更专业更体系化，2015年8月，常熟市政府联合西安交通大学、中国科学院自动化研究所、长安大学和青岛智能产业技术研究院在常熟高新技术产业开发区共建“中国智能车综合技术研发与测试中心”（Intelligent Vehicles Proving Center of China，简称IVPC），由此实现了国内无人驾驶测试中心零的突破。

国家自然基金委从2009年开始，每年举办一次中国智能车未来挑战赛（China Intelligent Vehicle Challenge, IVFC），通过设计开放环境下的无人驾驶测试道路，为无人车在真实道路环境中学习、训练提供了很好的平台。2009年第一届IVFC只有6支比赛队伍，2010年有10支队伍参加比赛。2011年的IVFC开始在内蒙古的告诉公路和乡村道路上进行测试，并第一次由媒体报道为公众所知。2012年，IVFC的比赛队伍扩大到12支，2013年则是18支，并且从2013年开始固定在常熟基地进行比赛。从2014年开始，参加比赛的队伍数量逐年增长，比赛测试的任务和规则也越加规范、严谨和公正。

“从2016年第八届IVFC开始，我们增加了新的离线测试环节，通过模拟真实的交通场景来增强机器学习的手段让无人车进行模拟学习，不仅效率高，而且安全。”

离线测试是在真实道路交通场景数据库的基础上，通过仿真环境评估无人驾驶车辆的基本认知能力。利用车载相机获取真实道路视频图像构建交通场景数据库（包括光照、道路类型及车辆运动等动态变化情况），评估无人驾驶车辆检测车道线、交通信号、前方车辆等基本认知能力的有效性、实时性和适应性。

当前中国的自动驾驶相关公司，主要可分为这么几大类：提供无人驾驶整体解决方案的，有智行者、慧拓无限等；提供智能车制造的，有小鹏汽车、车和家等；提供网约车服务的，有首汽约车、滴滴等；提供视觉传感器的，有中科慧眼、魔智等；以及提供地图定位、汽车线控等相关技术和硬件的服务商。

 

平行驾驶理论、发展与应用

进入21世纪，谷歌等互联网巨头的加入让无人车研究看到了新的希望，随着车辆计算能力和传感器硬件进一步的发展，无人驾驶迎来了蓬勃发展的春天。

然而，尽管很多车企配备了高线束的激光雷达、先进的计算平台、能绘制出车道线级别的高精地图，仍无法保证全场景下的自动驾驶安全，实现量产更是遥遥无期。即便谷歌在今年年初推出了无人出租车业务，也只在降雨量较少的凤凰城等区域，特殊条件下还需要远程操纵。

对此，王飞跃教授表示，这是一个必然要经历的过程。在王教授看来，未来几年的交通会经历有人驾驶、无人驾驶、人机共驾等多种驾驶方式混合的时期。90年代研究智能汽车面临的问题是计算资源有限，而现在面临的是工程复杂性和社会复杂性会带来巨大的建模鸿沟。

“这个鸿沟一是靠数据填，要把小数据导成大数据，把大数据提炼出来变成精准知识即小规则，然后再指导车的驾驶，这就是平行。对于汽车来说，物理汽车跟软件定义的汽车一起开，开的过程中产生数据，通过计算实验，变成驾驶的精准知识—‘小知识’，而且产生崭新的职业，将来会有学习工程师、培训工程师、实验工程师、决策工程师。我们就是把司机换了一个地方，以前在车上开，现在是在操作办公室开，让无人车在上路之前，得到充分的‘教育’。”

“虚实结合，平行驾驶，最终统一L0到L5六个阶段”。

2015年，王飞跃教授在报告中第一次结合ACP平行系统理论与机器人学, 提出平行机器人的概念, 提出将机器人从CPS空间推向CPSS空间, 从服务机械制造的物理机器人演化成为同时服务于知识工作的平行机器人。

作为一种轮式机器人的无人驾驶汽车，同样可以在CPSS（Cyber-Physical-Social Systems）的理论框架下，将驾驶员、车辆、信息这几个组成部分，扩展对应到通过物理空间和信息空间耦合交互的三个世界：物理世界、心理世界和人工世界，形成了基于CPSS理论的平行驾驶。

“无人自主驾驶这三个圈(驾驶员、车和信息)，在技术方面能够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。要跳出CPS，迈向CPSS，以后每个人开车不仅仅是在物理世界，同时还在心理世界和人工世界。未来一定是平行交通、平行道路、平行驾驶。物理的汽车跟软件定义的汽车要平行起来，物理的公路要跟软件定义的公路合起来。”

在王教授构想的平行驾驶理论中，当人类司机驾着真实车奔驰时，作为“软件机器人”的智能代理也开着对应的“虚拟车”同时在虚拟世界中奔驰。这种虚拟车，学术上称为“人工车”或“软件定义的车”，根据不同的要求在不同的程度上与真实车一一对应。而且，一部真实车可以有多部虚拟车与之相伴，有的随车而行，有的存于家中、办公室、服务中心、厂家或政府的档案机构，或者各式各样的网络云端服务平台之中。

利用这种方式，虚拟车可以用可视化的形式提供真实车的本体知识、历史情况和实时信息；同时提供预测未来状态和情境的计算能力或检查事故原因的回溯计算功能；最终，还可以虚实互动，提供监视、控制、管理、服务真实车的各类功能。显然，这种智能汽车技术的发展与应用前景几乎是无限的。

“在未来从L0-L5六个阶段共存的场景中，我们需要一个无限安全的性能要求，就需要去预测车辆行为，这将是一个庞大的计算量。现有的计算能力仍很有限，无法在本地进行计算，需要在云端进行复杂的计算，同时在云端进行学习。有些车开得好，有些智能车做得比较差，就会在云端以好的方式让差的无人车进行学习，最后达到比较安全、比较智能的这样一种出行方式。”

为了构建更多样、更完备、更复杂的测试数据集，近两年王飞跃教授带领团队先后提出了平行视觉、平行图像、平行数据、平行感知、平行学习、平行网络、平行测试等方法，本质还是利用虚拟空间无限的可能性来弥补实际数据、实际交通场景、实际驾驶状况的不完备。

这种平行驾驶的构想并没有只停留在概念上，从2007年开始，王飞跃教授正式组织团队开始了平行驾驶相关研究。从2009年在苏州成立派尔公司到现在的慧拓智能机器公司，都是平行驾驶的坚定践行者。在2018年6月份召开的IEEE IV 2018国际会议上，国际平行驾驶联盟正式宣告成立。

 

平行交通与智能出行

自动驾驶目前最难的问题，在于感知。即让车辆拥有对行驶环境的探测、认知能力，从硬件上目前的做法是通过摄像头、毫米波雷达、激光雷达等传感器抓取环境的三维要素，以期得到环境的全面信息。但各种传感器都各有优劣，从物理层面上探测环境所能达到的精度、距离都有限。以视觉为例，目前针对视觉计算研究汇总存在的实际数据获取和标准成本高、难以覆盖复杂环境、极端场景样本稀少、训练的模型适应性差等。这些场景的处理能力，是制约自动驾驶更进一步的核心。

自动驾驶要模仿人类对世界的感知能力，虽然可以通过各种传感器来模仿人类的感官，但很难模拟人类的经验、学习能力。人在日常生活中，可以不断地积累各种汽车的先验知识，并在关键的时候产生作用，深度学习神经网络试图通过多层次，多维度的学习，来尽量逼近人类的学习认知能力。但计算机目前还很难举一反三，运用经验去灵活应对实际多变、未知的场景。

为了让自动驾驶能够更快的学习实际环境，多数自动驾驶公司、OEM都会希望通过实际路测来不断积累样本库，以及处置突发情况的能力。但一方面实际路测成本高昂，非一般人能效仿，另一方面在实际场景中测试，会有极大的“安全隐患”。本质上来说，自动驾驶目前还是一个实验技术，因此如果直接投放到社会道路上，以路测养技术，是行不通的，人类会因此沦为试验标本。

解决自动驾驶感知问题困难重重，但也并不需要为此杞人忧天。随着车联网的发展，5G的成熟，未来的道路将也会具有智能属性。届时，汽车并不需要像如今我们所追求的那样“敏感”，道路以及车辆信息可以在汽车间实时通达，汽车并不需要识别红绿灯、交通事故、障碍物，即可通过智能基础设施得到相应的信息，车与车之间也可以自由通讯，不需要检测，都可以令行禁止，畅通无阻。

今天让自动驾驶行业头疼的感知问题，或许在未来也将会成为一个“马粪”，不值一提。王飞跃教授认为，在自动驾驶的发展初期，应以虚拟测试为主，极少量路测为主。即90%的情况下是通过虚拟训练，提升自动驾驶感知技术，而以10%的情况路测验证。使得汽车逐渐在描述车辆、预测车辆、规划车辆方面，技艺日臻完善。

自动驾驶技术尚未成熟，前景遥远，那么对于自动驾驶公司而言，该怎样才能走出一条切实可行的道路呢？王飞跃教授表示，自动驾驶的商业化应用，应从小处入手，间而推广。简而言之，就是选取特定的场景，安全隐患下，投入较小，然后以小规模无人车应用试验，积累足够的经验。这些应用场景中，包括园区、小区、港口、特种行业，行业也可以涵盖物流、配送、矿山等。这种场景基本环境可控，人车以及无人车与普通车可以进行较好的区分，首先可以隔离无人车对人的安全隐患。

同时，互联网公司不能妄谈对传统汽车行业的革命，在技术远未成熟前，这种革命更多时候是对人命的漠视。目前谈无人驾驶的大规模商用，是无稽之谈，没有谁能为人的生命买单。

∑编辑 | Gemini

算法数学之美微信公众号欢迎赐稿

稿件涉及数学、物理、算法、计算机、编程等相关领域，经采用我们将奉上稿酬。

投稿邮箱：[email protected]