中国汽车蓝皮书论坛韦峻青：滴滴每年可收集近千亿公里自动驾驶道路数据

中国汽车蓝皮书论坛韦峻青：滴滴每年可收集近千亿公里自动驾驶道路数据校园之我是全能 8月11日-13日，2020年第十二届中国汽车蓝皮书论坛在武汉举办。本次论坛以“冬芽”为主题，旨在后疫情时代经济下行、行业寒冬等特殊情况下，汽车产业能够聚力冲浪前行。 该论坛是疫情后

8月11日-13日，2020年第十二届中国汽车蓝皮书论坛在武汉举办。本次论坛以“冬芽”为主题，旨在后疫情时代经济下行、行业寒冬等特殊情况下，汽车产业能够聚力冲浪前行。

该论坛是疫情后中国汽车界首次在武汉举办的行业重量级汽车论坛。作为战略合作媒体，搜狐汽车也将全程视频直播和图文报道。

在“自动驾驶”分会场，滴滴自动驾驶公司CTO韦峻青发表题为“大数据驱动自动驾驶落地”主题演讲。

滴自动驾驶公司CTO 韦峻青

对于自动驾驶技术而言，各种相关路况，地图，场景等数据堪称基石。依靠平台，滴滴出行拥有了场景和数据优势。韦峻青表示，滴滴的大数据库每年可以在道路上收集近千亿公里的数据，得益于百亿以上的装机量，也得益于自动驾驶和网约车的运行时长比私家车的运行时间长。

通过数据漏斗，滴滴能发现一些高价值、高危险度的场景去打磨自动驾驶系统。韦峻青指出，滴滴的数据研究主要集中在四个部分，即海量场景的随机性测试、边缘场景发掘、人类驾驶习惯学习、地图更新。

至于自动驾驶怎么能够保证安全？韦峻青指出滴滴在四个方面进行了突破和尝试。一是在安全测试方面部署了76个流程，从安全员审查、出车门槛、行前预防、行中保护、行后处置、安全感知、安全管理七方面对自动驾驶的安全性作出保证；二是技术可靠，针对自动驾驶的不可预测性，通过借助路端感知，消除车辆自身视觉盲区，可以更好的保证安全性；三是通过部署远程监控、远程协助的控制中心，即时了解自动驾驶车辆的运行状况，对棘手问题及时解决；四是希望通过大量的仿真测试、道路测试产生方法论，以供行业发展参考。

以下是韦峻青演讲实录：

我今天想分享一下滴滴在自动驾驶领域的进展，分享的题目是用大数据驱动自动驾驶的安全落地。滴滴作为一家出行公司，我们做自动驾驶的初心，是为用户提供更安全、更高效的出行平台。美好出行最基本的就是安全，是希望通过技术的演进来使交通事故达到最低。

每24秒就有一人在路上失去生命；道路交通事故是5-14岁儿童和15-29岁年轻人的首位死因；超过90%交通事故由驾驶行为造成……这组数字大家在汽车行业都有了解，每年有多少交通事故，造成了多少悲剧。

另外一个对比是明显的，比如相对于航空产业，汽车在道路上的事故率完全不是一个量级的，通过技术的演进，通过自动驾驶，可以让整个出行变得更加的便捷、安全和智能。

滴滴出行在自动驾驶方向布局了几块业务，首先是人工智能技术，滴滴在过去3~4年间在投入了大量的研发，也已经打造了一个以AI技术为核心的人工智能自动驾驶解决方案，包括感知、地图、预测、决策等。

今天在这里就不说这些AI的解决方案了，我要分享的是对大数据的一些思考，分享滴滴如何利用滴滴的优势让自动驾驶更安全的落地。

AI的核心算法，我们认为是自动驾驶的发动机，它需要空气、需要燃料，让它运行起来。对于自动驾驶来说，我们认为数据就是AI引擎的最宝贵的燃料。

从左边我们希望自动驾驶能见多识广，到右边希望这些长尾场景要经过自动驾驶系统在这上面的演练，不断的迭代提升自动驾驶的性能，今天从这两个角度讲讲滴滴是怎么布局这两个方向的。

滴滴在整个网约车的平台布局了桔视，给自动驾提供了非常详实的设计，遇到了什么样的场景，我们有了最丰富的数据。我们在训练自动驾驶感知模型的时候需要采集一些数据，需要看人是什么样的，轮椅是什么样的，在路上遇到交通参与的时候，有时候会遵守交通规则，有时候不遵守，我们通过桔视见到了非常丰富的场景。

另外在自动驾驶测试中也会发现人类驾驶员有时有些超出预期的行为，在这里货车为了紧急躲避行人会朝车辆开过来，自动驾驶怎么做到处理这样的场景，做到临场不乱还能安全的处理这些场景，首先需要这些场景是存在的，其次要能在仿真系统里重现出来，使AI的演进有一个更好的动力。

从整体上来讲，要证明它比人类驾驶员安全很多倍，需要的测试量是巨大量的。

突破口要有足够的场景和足够的数据供这个引擎所使用，我们的大数据库每年可以在道路上收集近千亿公里的数据，得益于百亿以上的装机量，也得益于自动驾驶和网约车的运行时长比私家车的运行时间长。

我们有一个数据漏斗，发现一些高价值、高危险度的产品去打磨自动驾驶系统，路测的应用和场地测试做一个最基本的补充，

整个数据除了刚才讲的功能外，主要在四个方向上，在开发数据的中台，再开发仿真的引擎，再开发这些方法，运用这些数据分为4个运用。

一是海量场景的随机性设施，二是希望能够从这些数据中发觉边缘的场景，进行高强度的测试和研发，三是我们也在L4中慢慢的部署这种基于深度学习人类驾驶员的习惯，相当于自动驾驶基于规则，基于某种搜索去优化找到最优的路径是什么，真正从人类驾驶员好的例子和不好的例子中去学习到怎么样是一个好的驾驶习惯。四是地图，因为有这些数据，可以更好的去验证地图的新鲜程度，验证地图的准确性，地图出现了变化，可以让自动驾驶车辆更好的规避变化比较大的区域，提升自动驾驶的安全性。

最后一个就是滴滴所尝试的，怎么把自动驾驶落实。自动驾驶将来也是出行网络中很重要的一环，会把它无缝的衔接到滴滴的其它平台上，包括快车、专车，我们研发的用户体验就是混合派单，通过一个出行网络的APP，来叫所需要的出行服务。会用混合派单的模式，起点和重点都在自动驾驶的服务范围内，无论路况和天气情况，会派一辆自动驾驶车给乘客去服务。

比如，要跨省有比较多的乘客数量，可以有人类驾驶的司机来服务我们的出行需求。这样对客户来说自动驾驶不是一个从0到1，需要去调整和适应的，是一个渐进的过程，在滴滴的网络可以做到这点，我们也进行了一些尝试。

下面讲讲自动驾驶怎么能够保证安全？在做产品化的过程中，这个技术已经研发很多年了，安全是最重要的，这也是为什么自动驾驶成本是一个方面，怎么能够保证技术的安全性，也是它还没有大规模商业化另外一个原因。

从4个角度能在安全上有一个非常好的突破和尝试。首先是安全测试。我们在自动驾驶真正做到无人、产品化验证之前，这个产品是一个研发阶段的产品，可以提供给用户进行研发运营，给用户提供什么样的感受，车里还是有测试员和安全员的，有问题的时候可以接管这个车辆。滴滴在安全测试方面设计了非常充分的流程，保证测试是最安全的。整个滴滴自动驾驶团队录取率最低的是安全员，要经过很多的培训。

二是技术可靠。我们深度学习的算法，虽然数据证明它是最优秀的，有一些不可预测性，和汽车行业规则化的非常成熟的系统怎么能够结合，构建一个多层的网络，达到一个技术上荣御的软硬件的需求。借助路端感知，消除车辆自身视觉盲区，可以更好的保证安全性。

三是部署自动驾驶车的时候也会部署远程监控、远程协助的控制中心，我们知道自动驾驶车辆的运行状况，遇到了比较棘手的问题可以给出解决方案。在一年前遇到洒水车，没有对它进行特殊训练，也可以把这些信息发送到远程协助中心，通过人可以判断这个车辆是不是可以超车，这种混合智能的方式可以让自动驾驶车更快落地。

我们也希望通过大量的仿真测试、道路测试，能够产生一些方法论，把它变成像某些混合方式一样的规范，指导整个行业的发展。我们有这么丰富的测试场景，测多少次，怎么测，就能保证自动驾驶车什么级别的安全性，滴滴也在这里跟很多的同仁一起，推动这些行业标准的制定。我们真正从安全测试、技术、验证和合规的角度推动自动驾驶的落地。

最后做一个小小的广告，滴滴自动驾驶在6月底在上海有一个规模化的示范应用，各位朋友到上海可以打开滴滴的APP可以在嘉定这个区域连到自动驾驶车，在地铁站、会展中心、一些酒店，用滴滴的APP，像滴滴打车的网约车一样可以体验到滴滴自动驾驶车，模式是混合派单，在自动驾驶的服务范围内有可能是有一辆自动驾驶的车来接你。超过了公开测试范围，也会用人类驾驶的司机来给您提供最好的服务。

今天总结一下，我们讲了大数据对滴滴自动驾驶或者对于整个行业发展和落地有哪些作用，其次就是在自动驾驶产品化和安全性上进行了哪些尝试，也希望继续和各位同仁继续探讨。