“【2021世界智能网联汽车大会】周文辉：智能网联汽车交通规则遵守与危险交通状况应对能力提升”

9月25日至28日，2021年世界ICV大赛在北京举行。 本届大会围绕产业再造、融合应用、共生三个章节展开，设有开幕式、主论坛和7个主题峰会、6个特色专题会场和2个闭门会议，设有图灵奖国际专家1人、国内外院士7人、近150人的国际国内ICV和ICC 以下是公安部道路交通安全研究中心汽车安全研究室主任周文辉的演讲实录，请参考。

照片是公安部道路交通安全研究中心汽车安全研究室主任周文辉

各位领导，各位嘉宾，大家好。 我共享的复印件是我们在做的。 说白了，就是自动驾驶如何能像人一样理解交通规则。

目前，在技术推广和政策的带动下，自动驾驶测试目前应用非常广泛，但在测试过程中，自动驾驶公司或测试行为对交通的法规和对交通安全的应对能力却鲜有人考虑。 从中间的图可以看到变道时按下的实线。 同时，可以看出在变道的过程中给后面的车带来了很大的麻烦。 最右下图是北京去年的自动驾驶道路测试报告。 根据他们的统计数据，自动驾驶目前发生的测试问题中，与交通违章相关的约占30%。 我们也分析一下原因吧。 根本原因是交通规则引入不足。 无论自动驾驶是测试还是示范应用，我们都已经提出了两个规定。 大部分是按照以前流传的车辆管理方法做出规定的。 但是，自动驾驶的驾驶行为是系统驾驶，相当于人力驾驶员成为系统。 没有特别考虑这种人类因素。 人的要素的核心是交通规则，当然也有驾驶能力。 如果缺少这一点，引起违法和事故的风险就会变高，风险变高之后，事故和违法发生之后，社会舆论就有可能极大地高涨。

我根据公司的信息，他们也很担心这个问题。 万一在测试和示威运营中发生事故，事故会伴随着违法，他们特别担心负责人会面临他们的压力。 对政府监管部门来说，首要的是公安交通管理部门，他们也有一定的压力。 自动驾驶车发生事故后，他们对你是如何管理的，有没有比较有效的管理手段等方面有些担心。

总体来说，如果不引入交通规则，不引入人的因素，无论是社会上、公司上、政府上，都会对自动驾驶产生不正确的影响，最终会影响落地录用。 所以我们提出的构想是，如何学习交通驾驶技能，大家都取得过驾照。 我们学科目一，先学法律法规，通过科目二和科目三，场面驾驶技能和道路驾驶技能，把所学的东西实际应用，学完后基本上就可以拿到驾照了。 如果违法，警察会执法你的技术，审查你的驾照，积累12分，让你重新学习，如果发生了，无论是驾照还是执法，都是为了让驾驶员好好学习和应用交通法规。

所以我们和自动驾驶都想用这个想法来掌握交通规则，所以我们做了这样的工作。 第一，现有的交通规则能否数字化。 以前流传下来的交通规则车可能不理解，不认知，也不知道怎么执行。 将其数字化后，数字化的目的是将法律规定量化后，机器才能理解、执行。 数字化后，我们的目的是让自动驾驶学习数字化后的规则，最终使自动驾驶达到基本与人相同的规则掌握能力。

数字化交通规则的建立，交通规则的数字化，基于我们的理解和国内外的许多研究，得出一辆车从驾驶到停车，大到20种出行规则梳理后，这张图上的可能都是汽车无法理解、无法执行的结论 例如，在十字路口通行，法律中只有这一句话，机器可能很难理解。 也有礼让行人。 最简单的环道通行有详细的动作风险和指标。 笼统的一句话可能无法运行机器。 人能理解，但机器不能理解。 也有无法执行的自动驾驶。 这就是将整个规则数字化的任务。

然后，是具体数字化的方法。 这分为两个阶段。 第一步，将自然语言转换为规范语言，将交通行为分为几个步骤。 举个例子，要安全超车，首先要评估前后的交通状况，发出转向灯，结束后改变方向，改变方向后加速超车。 在这个过程中，要始终保持前车的纵向安全距离和横向安全距离，有七八个详细的步骤。 分解这些步骤后，各步骤可以转换为计算机程序语言，机器就可以执行了。 这是一种连贯的语言，就像一个小包装。

这个过程中最核心或者最难的是，除了前面提到的将一个个的交通行为分解为一个个的动作外，剩下的最难的就是计划中的值，比如纵向的安全距离、横向的安全距离这个数到底是多少，到底是什么让礼让行人有了具体的值 我们根据法律法规、标准、以及事故判断的指标值，通过指标值构建数字化的交通规则。

一旦有了数字化的交通规则，相当于人学习驾照，如果有法规，就必须出考试题。 考题是场面，通过考题让机器学习。 这里有几个超越超车的例子。 左上是最简单的超车场景，但实际超车有各种复杂的情况，必须考虑。 粗略整理一下，超车发展到20种情况，要分别设置考题，应对机器。 这些考题最后成了场景的方法。

最后一步是建立模拟测试平台。 首先，将预测系统，或称为学习车的系统接收到法规平台中，将场景也纳入其中，在模拟平台中交互生成各类本车和其他车的轨迹新闻，以及车辆的操纵新闻 现在规则进度比较快，高速已经大致完成90%，城市道路相对多而杂，完成30%，场景库更多而杂，我们查了一下，自动驾驶大部分由高精地图决定，高精地图的标准是

有了法规库，有了场景库，搭建平台后，就可以展开自动驾驶交通规则的验证。 由美团无人配送车进行验证，效果良好。 我们一共验证了38项法规测试，最后发现了8项违章行驶。 有效果。 关于自动驾驶交通管理相关业务的展开，这里描绘的框是交通警察管理道路交通和车辆，或者是驾驶员管理的首要职责。 因为是自动驾驶所有后进行再构筑，所以我觉得这个方法只是能够支撑制度的程度，在制度确立之后也能够支撑制度的执行。 车辆标准这一人力要素、法规要素可以直接纳入车辆标准之中吗？ 自动驾驶就像人一样，即使人一次拿到驾照，车做标准套，精力也来不及了。 虽然是这之间的信息表达，但我们很快就会在战术协议上签字，自动驾驶方面会更加合作，更加融合。 有了法规，有了这些东西，下一步就要管理车辆的连接。 由于性能发生了变化，大部分可能是决定算法的拷贝。在法律法规数字化或手段出台后，自动驾驶交通执法和交通事故具有最基本的合规性。 如果发生违法，我们会进行测试。 我们可以看到是否实际发生了违法，交通事故责任认定程序中也可以看到事故过程中是否存在违法情况。 目前的事故责任判定第一是看事故是否违法。 这样自动驾驶的违法处罚和事故责任判定提供了很好的想法。

也有驾照等级。 自动驾驶也根据驾驶能力进行等级划分，交通管制变得容易。 什么都可以应对。 哪里都能去吗？ 否则，是否要进行限定性的管理呢？ 我们也在道路测试中慢慢地先尝试，推进能否先导入一部分交通规则的测试。 另外，各地公安交通管理部门在选择道路进行测试时，有些道路不敢选择，担心违法事故多，但这种方法也有助于他对道路自动驾驶行驶的安全性进行判断，学习道路。

第二大危险交通状况应对能力和法规是两回事，是两回事。 中国的交通状况众所周知。 我遵守法规，但其他人不遵守法规。 这种情况下怎么办？ 或者危险的情况怎么办？ 或者多而复杂的情况我们应该怎么办？ 法规已经不能处理了。 遇到各种碰撞怎么办，根据交通事故的样本数据构建事故场景库也类似于法规场景库，让机器学习。

的判断指标还是交通测试的指标，第一要看自动驾驶和周边车辆潜在的碰撞时间、潜在的碰撞距离、潜在的安全空之间或者车的速度限制，用这些指标判断，看是否适应。 如果能适应的话，驾驶技能也不错。 这是交通事故的场景，利用现有的交通事故，有很多交通违章，是构建场景库的过程。

总的来说，我们的这项工作和国外投标过。 国际上也基本遵循这个方法。 最左边的是iso明确提出自动驾驶要遵守现有的交通法规。 美国也提出要遵守交通法。 新加坡还提出了自动驾驶必须遵守的交通法规。 果然，有些交通法规既不能遵守也不能遵守。 必须拾取现有的交通法规，形成标准，并满足自动驾驶要求。 英国用工程的方法处理了。 他们设想建立一种将交通法规和交通应对能力都纳入芯片中的安全芯片。 发生问题后立即停止，就像手机的作用一样。 平时正常工作，一发现问题马上停止。

最后，我们觉得在这个过程中很有意义，但是很辛苦。 这个事件特别大。 我想广泛合作，看看车辆和司机的管理和调入都有没有合作，一起推进的可能性。 我们从事的这项事业也得到了核心公司和科研院所的大力支持。 例如，我们搭建的这个场景库和工具链，中国汽研得到了很大的支持，算法华为得到了很大的支持，评价的指标和模型清华大学给予了很多帮助。 测试现在是美团，贯穿全局，可以做这个事件。 美团计划主要在城市道路上，引进小马智行，在高速场景下也开展同样的工作。

我的介绍到此为止。 谢谢你。

会议副本不断增加。 请点击以下链接查看。

网站: auto.gasgoo/newstopiclive/358

移动终端: m.gasgoo/news /主题直播/ 358