【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世界智能网联汽车大会在北京召开。本届大会围绕产业再造、融合应用、和合共生三个篇章展开，设有开幕式、主论坛，以及7场主题峰会、6个特色专场和2场闭门会，共邀请包括1位图灵奖国际专家、7位国内外院士、近150位国际国内智能网联汽车及ICT领域专家、企业家参与演讲探讨。以下是公安部道路交通安全研究中心机动车辆安全研究室主任周文辉的演讲实录，供参考。

图为：公安部道路交通安全研究中心机动车辆安全研究室主任 周文辉

演讲内容：

各位领导、各位嘉宾，大家上午好，我分享的内容是我们正在做的，说白了就是让自动驾驶怎么让它像人一样的了解交通规则。

目前在技术的推动下和政策的牵引下，自动驾驶测试目前应用是非常广泛的，但是测试的过程中我们发现自动驾驶企业或者是测试行为对交通的法规和交通安全的应对能力像人一样驾驶的内容考虑的比较少，咱们可以看中间这个图，变道的时候压的实线，并且大家能看到变道的过程中对后车造成很大的困扰，最右下角的图是北京去年自动驾驶道路测试报告，他们的统计数据显示，自动驾驶目前出现的测试问题，其中涉及到交通违法的大概占了30%，我们也分析一下原因，根本性的原因是交通规则引入不足，自动驾驶不管是测试也好还是示范应用也好，我们已经出了两个规定了，大部分还是遵循传统车辆管理办法在出规定，但是自动驾驶的驾驶行为是系统驾驶，相当于人力驾驶员变成系统，这样人的要素考虑的特别少，人的要素核心的是交通规则，当然还有驾驶能力，这块如果缺失，肯定会造成违法和事故的风险加大，风险加大以后，一旦出现事故或者出现违法以后，社会的舆论可能炒作的比较厉害。

我跟企业沟通过，他们也担心这个问题，万一测试或者示范运营中发生了事故，事故伴随着违法，他们特别担心责任各方面对他们的压力。对政府监管部门，主要是公安交通管理部门，他们也是有一定压力的。自动驾驶车如果发生事故以后，他们会面临着你是怎么管理的，有没有一个有效的管理手段等等，这方面有一些担忧。

总体而言，如果不引入交通规则或者不引入人的要素，就会导致不管是社会也好，企业也好，还是政府也好，对自动驾驶拿不准，最后会影响落地使用。所以我们提出的思路，怎么学交通驾驶技能的，大家都考过驾照，我们学科目1，把法律法规先学一下，通过科目2和科目3，场景驾驶技能和道路驾驶技能，把学到的东西做一个实际的应用，学完以后基本上可以拿到驾照了，如果还有违法，警察会对你技术执法，对你的驾照进行审阅，积满12分，让你重新学习，如果发生事故，会强制让你承担责任。不管是驾照也好，执法也好，都是为了让驾驶员很好的去学习掌握或者应用交通法规。

所以我们也是想能不能让自动驾驶也按照这个思路去掌握交通规则，所以我们做了这么几个工作。第一个是现有的交通规则能不能数字化，因为传统的交通规则车可能就不理解，也不认识，也不知道怎么去执行，把它数字化以后，数字化的目的是把法规定量化以后，机器就能理解、执行了，数字化以后我们就可以让自动驾驶学习数字化以后的规则，最终目标是让自动驾驶基本上达到和人差不多对规则的掌握能力。

构建数字化交通规则，交通规则数字化，根据我们的理解和国内外大量的研究，得出一个结论，一个车从开车到停车，大概有20大类的出行法规，我们梳理出来以后，列在这个图上的可能都是汽车没法理解也没法执行的。比如路口让行，法律里面就这么一句话，机器可能不好理解。还有礼让行人，最简单的环道通行有很详细的动作风险和指标，如果笼统的一句话机器可能没法执行。人能理解，但是机器不能理解，有的自动驾驶没法执行，这就是整个规则都要数字化的任务。

然后是具体数字化的办法，这个分为两步，第一步把自然语言转化成规范性的语言，把交通行为分成好几个步骤，举个例子安全超车，如果超车，先要判断前后方交通状况，还要打转向灯，打完以后变道，变道以后要加速超，在这个过程中要始终保持跟前车纵向安全距离和横向安全距离，分为七八个很详细的步骤。这些步骤分析完了以后，就可以把每一个步骤变成计算机程序语言，这样机器就可以执行了，它是连贯的语言，类似于小的程序包。

这个过程中最核心或者最难的，除了刚才说的把一个交通行为分解成各个动作以外，剩下最难的就是规划里的值，比如纵向安全距离、横向安全距离这个数到底是多少，到底什么叫礼让行人要给具体的值，要不然机器没法执行。我们根据法律法规，还有标准，还有事故判定的指标值，通过指标值构建数字化交通规则。

有了数字化的交通规则以后，相当于人学驾照，有了法规，就要出考题，考题就是场景，通过考题让机器学习。这里有一个例子也是以超车相对好理解一点，左上角是最简单的超车场景，但是实际的超车有各种很复杂的情况，我们都要考虑进去。我们大概梳理了一下，超车演变出20个情况，每一种都要设置考题，让机器去应对。这些考题最后都变成场景的方式。

最后一步就是搭建仿真测试平台，首先把预测系统，或者叫学习车的系统，接到法规平台里面来，把场景也接进来，在仿真平台里可以交互，产生各类的自车或者他车的轨迹信息，还有车辆的操控信息，然后用现有的刚才说的数字化的交规对轨迹信息进行评判，看符不符合现有的规则。目前规则进度比较快，高速已经完成了大概90%，城市道路相对复杂一点，完成30%，场景库更复杂了，我们调研下来发现自动驾驶大部分还是用高精地图决策的，高精地图标准又不统一，所以造成比较大的困难，现在只完成了31个场景库，城市完成了38个。

有了法规库，有了场景库以后，搭建平台以后就可以开展自动驾驶交规的验证，美团无人配送车进行验证，效果还可以，我们一共验证了38个法规的测试，最后发现有8项违规行驶，效果还是可以的。自动驾驶交通管理相关业务的开展，这里画的框框都是交警管理道路交通和管理车辆，或者管理驾驶员主要的职责，到了自动驾驶全部进行重构，所以这套办法我感觉应该是能支撑制度的程度，制度建立起来以后也能支撑制度的执行。车辆标准这块能不能把人力因素、法规因素直接放到车辆标准里头来，自动驾驶像人一样，人考一遍驾照，车搞一套标准，精力上也来不及，前段时间沟通，我们马上签一个战略协议，自动驾驶方面可能进一步合作，进一步融合起来，有了法规，有了这些东西以后，下一步我们管车辆的连接，因为改变性能了，大部分可能就是决策算法的内容，我们是不是从法规里面挑出一部分来，怎么改都行，但是不能把法规改变掉了。有了法规数字化或者是手段以后，自动驾驶交通执法和交通事故就有了最基本的遵循，发生违法我们测试，到底是不是真的发生违法了，发生交通事故责任认定过程中也可以看看事故过程中有没有违法的情况，现在的事故责任判定主要是看事故有没有违法，这样自动驾驶违法处罚和事故责任判定提供了很好的思路。

还有驾照证书级，自动驾驶要根据驾驶能力也要进行分级，便于交规的管控，什么都能应对，是不是哪里都可以去，如果其他的，是不是要进行限定性的管理。我们也在推动能不能在道路测试里慢慢先尝试着，先引入一部分交通规则的测试。还有各地公安交通管理部门选道路测试的时候，有些道路不敢选择，担心违法事故比较多，这套办法也可以帮助他对道路进行自动驾驶行驶安全性的评估，帮他学习道路。

第二大块危险交通状况应对能力和法规是两回事，是另外一个东西。中国交通状况大家都知道，我在遵守法规，但是其他人不遵守法规，这种情况下怎么办，或者危险情况怎么办，或者很多很复杂的情况我们应该怎么办，法规已经解决不了了。遇到各种冲突以后怎么办，基于交通事故案例数据，构建事故场景库，也类似于法规场景库，让机器去学习。

核心的评估的指标还是交通测试指标，主要是看自动驾驶与周边车辆可能潜在的碰撞时间，潜在的碰撞距离，还有潜在的安全空间或者车的速度限制，通过这些指标去评估，看看能不能适应，如果能适应，驾驶技能这块也是不错的。这是交通事故场景，利用现有的交通事故，还有好多交通违法，构建场景库的过程。

总结一下，我们这块工作跟国外对标过，国际上基本上也是遵循这套办法，最左边是ISO明确提出自动驾驶要遵守现有的交通法规，美国也是提出来要遵守交通法，新加坡更进一步，把自动驾驶需要遵守的交通法规，毕竟有些交通法规不需要遵守，也没法遵守，把现有的交通法规挑出来，列出来，形成标准，自动驾驶必须要符合的。英国是通过工程的办法解决的，他们设想做一个安全芯片，把交通法规也好，交通应对能力也好，放到芯片里面，如果出现问题及时进行叫停，有点像手机的角色，平常正常运行，一旦发现问题马上叫停。

最后呼吁一下，我们在这个过程中感觉很有意义，但是也特别辛苦，这个事情特别大，希望能有广泛的合作，车辆和驾驶员的管理也好，转入也好，看看有没有可能协同一下，共同推进一下。我们做的这块工作，也是得到了核心的企业和科研院所的大力支持，比如我们做的这套场景库和工具链，中国汽研给了很大支持，算法华为给了很大支持，评价的指标和模型清华大学帮了不少忙。测试现在是美团，把整个跑通了，可以做这件事情了。美团主要是城市道路，我们准备引入小马智行，在高速场景下也开展类似的工作。

我的介绍就到这里，谢谢大家。