早上好，下午好，晚上好。无论你在哪里，都向你问好。我是来自清华大学的张亚勤。我今天要讲的是智慧交通领域的自动驾驶。我们知道，过去几年来，自动驾驶已然成为最激动人心、最令人关注的技术之一。今天我想花15到20分钟来谈谈自动驾驶的一些背景，特别是与智慧城市和智慧交通相关的内容，比如Vehicle to Everything技术，简称V2X。

人工智能确实为新技术、新产业创造了前所未有的历史机遇。最先受到它影响的实际上正是IT产业本身：新算法、新软件、新芯片、新技术堆栈、数据中心……当然还有很多新产品和新服务。然后，它又变革了我们既有的传统产业，比如医疗业、金融业、教育业和制造业等。最重要的是，它还创造了新的产业，自动驾驶当然就是其中一个。

汽车产业已经发展了100多年，无论是从技术 、供应链还是从商业模式来看，它都已经是一个非常成熟的产业。它正经历这一百多年来的第一次重大变革，这是一次真正意义上的脱胎换骨。这次变革可以用四个字母来概括：CASE联网化（Connectivity）、自动化（Autonomy）、信息共享（Sharing）和电动化（Electrification）。我认为，自动驾驶无疑给该产业带来了最大的影响，它也是我们今天要探讨的主题。

那么，它带来的重大社会效益和经济效益有哪些呢？

人们常常问我，你为什么要把人们从驾车的乐趣中“解放”出来？因为它首要的优点是安全性高。有90%以上的车祸，尤其是致命的交通事故，都是由人为失误酿成的。所以，把人从驾驶中解放出来，当然就有助于消除或最大限度地减少这类失误。它的第二个优点是效率高。我们平均每天要花60分钟甚至更长的时间在车里，用于驾驶或是寻找停车位，简而言之就是在“交通”上花的时间。而自动驾驶能为你省下这些时间，我们就可以用来做其他的事情。当然了，这也将会创造巨大的经济效益。

百度和麦肯锡最新的报告显示，在不到10年后的2030年，新产业创造的经济规模将达1.5万亿至1.8万亿美元之间。这还只是单单从全球的驾乘和机动车产业来考察。在我看来，自动驾驶是一种集成了众多不同要素的技术。它具备感知、规划和控制、模拟、精确到厘米级的高清路线规划等能力，还涵盖了各种软件、新型的硬件堆栈联网功能等。最重要的是，除了必须集成这种相似的东西，你还得有安全性，容错率极低。因此，就其挑战性和复杂度而言，我认为自动驾驶可谓终极的人工智能系统。但同时，我相信这个难关是可以攻克的。我们可以把一个特别复杂的问题分解成一个个可以逐一击破的小问题。

那么，在实现自动驾驶的过程中，我们必须解决的关键问题、必须要做的关键决策有哪些呢？这分为两大类：市场力量和非市场力量。市场力量包括技术、蓝图——如何实现我们的目标、以及如何构建生态系统等。非市场力量包括政策、法规、伦理道德、隐私和其他的人为因素。

那么今天，我们将讨论其中的一些技术，特别是V2X方面的技术。当然自动驾驶中包含其他的技术问题，如要采用什么样的传感器？雷达还是视觉？实现路径是什么呢？是要像特斯拉和Mobileye一样，依次经历第二级、第三级、逐步进展到第四级，还是像谷歌Waymo和我们的百度一样，直接跳到第四级研制无人驾驶汽车？还有它将是一个开源系统还是封闭系统呢？它是类似安卓系统还是像iOS系统呢？谁将赢得这场角逐呢？是传统的OEM汽车制造商，还是一些新兴势力、新兴的电动汽车制造商，还是科技巨头呢？这里边有很多有趣的问题。但是今天，鉴于我们要探讨的是智慧城市和智慧交通，我们只关注一个主题，那就是V2X技术。

V2X技术的实现可分为三个循序渐进的步骤。第一个步骤很简单，就是协同感知。它就是简单地将道路和交通数据与你在车里看到的信息整合在一起。第二步是协同规划。协同规划意味着在掌握了这些信息后，就能做出路线规划决策，以实现更高的效率。下一步当然就是系统、全面的道路设施设计，可以从城市全局的角度最大限度地提升交通系统的效率。人们通常在自动驾驶的模型设计这个议题上有很多疑问：它应该更多地基于单车智能还是需要V2X数据智能的协助？哪个更重要？显然，车辆本身需要非常智能化。要把人们从驾驶中解放出来，当然需要有最基本的自动智能去实现它。我也相信V2X技术、道路信息、交通信息以及整个城市设施给予我们的种种信息，对于实现更高水平的安全性是至关重要的。

在道路安全方面，有一些极端情况：比如恶劣的天气影响了视线；比如发生了拥堵或事故；还有其他的问题，比如在你看不到的盲区、突然出现的并线车辆以及其他难以预见的因素。如果只有单车智能，那整体的视觉感知、数据和感知可能就会非常局限。在这种情况下，V2X信息就可以提供很多帮助。它可以将全局的交通信息和路侧设备感知到的信息，以及单车自身全部范围内的信息和其他的危险信息相结合。本质上，简单的说就是，你可以一边自己接收道路信息和交通信号灯信息，城市基础设施同时也为你补充额外的、你无法从车辆上感知到的信息。

此外，我们用到的很多功能、很多深度学习算法，都是基于数据的。所以，拥有的数据越多，得出的算法就越好。这里是一个无保护左转路口的例子，你可以从模拟器上看到其中的信息。左边是只使用单车感知的系统，右边是车载感知关闭而仅使用路侧感知系统的情况，这两套不同的传感方式，都能够保障主车顺利通过路口。

这是另一个例子，一辆救护车在毫无预兆的情况下突然驶来。看到左边（的画面），我们没有路侧感知信息。会车时，你得紧急刹车，这个体验就很不好。看到右手边（的画面），使用V2X技术可以预知这辆救护车的驶来，并及时提醒司机提前刹停或减速，避让那辆救护车。

各国政府都积极鼓励部署V2X技术，包括美国、欧洲、中国等。在政策、试验场地和部署方面，中国处于遥遥领先的地位。目前，已有“5+2”个路网被指定为示范区，将来还将有更多投入使用。C-V2X是一种用作基础设施通信协议的主要技术。百度“阿波罗”（Apollo）就是一个特别的例子。“阿波罗”是百度从2017年开始开发的开源平台。这一开源商业平台最初主要是用于单车的，但现在，尤其是过去3年来，它新增了很多V2X功能。它在全球拥有200多个合作伙伴，进行着V2X技术方面最前沿的工作：技术研发、部署和试验。清华大学与百度阿波罗开展了合作。大约一年前，我们启动了Apollo Air项目。充分利用路侧智能的潜力探索车路协同领域的技术无 人区。此外，就像汽车的自动驾驶分级一样，我们也在尝试定义路侧智能的分级标准。即使车辆本身没有自动智能，我们也可以借助路侧、交通、道路和基础设施的感知和算法，协助没有自动驾驶能力的汽车导航。

当然，为了更好地实现自动驾驶，我们还是要把单车智能和路侧智能结合起来。我们已在多个城市部署了这一系统，主要是在北京的亦庄高级别自动驾驶示范区，这是北京市政府为试验各类V2X技术而设置的开放式试验场地。为了证明V2X对驾驶安全的提升，我们设计了一个数学模型来评测两条路线在不同交互场景中的表现。其中一条路线仅使用了单车智能，另一条路线运用了V2X、车路协同（VICAD）信息。然后我们再从车辆交互模型、交通模型去调整车辆驾驶模式。然后再通过安全评价模型去考察V2X技术实际上对车辆整体的安全性有多大提升。P(AD)表示单车自动驾驶的事故率，P(VIDCAD)表示运用了V2X技术后的事故率。我们通过开发这一模型，得出了一组数据。我们也在亦庄用真实的车辆和V2X技术来协助验证了这一模型的效果。我们可以看到，在三个不同的场景中，V2X技术的表现是最出色的。它显著提升了安全性。尤其是在无保护的左转路口，这是普通车辆驾驶最头疼的问题。你看不到道路另一侧——无论是与道路水平一侧还是垂直一侧的交通状况。在这种情况下，V2X技术就能提供惊人的超过10倍数量级的安全性。这些还只是初步的成果。我们在亦庄部署了很多车辆，我们也在改进和迭代安全模型，以期取得更重大的成果。

这里有一个视频片段，它展示了我们的一部分工作、我们在亦庄部署的车辆以及供我们用V2X技术提升安全性的一些场景，这也是在实际的交通中会遇到的场景。

这就是视频片段的内容。抱歉，它没有英文版本。但我希望各位能领会其中的大意。视频中截选的不同交通场景，都是从无数真实场景中提取出来的。其次，我们既有真实的车辆驾驶数据，也有基于算法的理论模型。正是这一切让V2X技术和整个自动驾驶体验变得更加安全、更加令人信服。

我的（演讲）时间快到了。我想再次强调，自动驾驶是过去几年间最引人注目的技术进步之一。多年来，自动驾驶汽车一直是一个梦想。有史以来第一次，随着技术的进步，随着新功能的诞生，我们有了新的算法、有了我之前提到的CASE，我们正在让自动驾驶变成现实。

非常感谢各位的聆听。