[導讀]滴滴在整個網約車平臺布局了“桔視”設備，設備覆蓋率達到50%，遍布全國300多個城市，滴滴每年可以獲得近1000億公里的駕駛場景數據，從而實現自動駕駛算法的迭代。

8月11-13日，以“冬芽“為主題的第12屆中國汽車藍皮書論壇在武漢舉行。為期3天的會議期間，眾多重量級汽車行業人士圍繞著23個討論議題進行演講與對話。

在自動駕駛板塊，剛加入滴滴自動駕駛公司出任CTO不到一年的韋峻青現場發表了演講，介紹了滴滴如何用大數據驅動自動駕駛的安全落地。

去年8月，滴滴出行宣布旗下自動駕駛部門升級為獨立公司，專注于自動駕駛研發、產品應用及相關業務拓展。同時，滴滴出行也拿到由上海頒發的國內首批自動駕駛載人示范應用牌照。

據韋峻青介紹，得益于滴滴在整個網約車平臺布局了“桔視”設備，設備覆蓋率達到50%，遍布全國300多個城市，滴滴每年可以獲得近1000億公里的駕駛場景數據，從而實現自動駕駛算法的迭代。在充足且準確的大數據面前，滴滴出行加速整個自動駕駛行業的部署和應用，以及商業化落地。

滴滴的無人駕駛網約車也在一步步向消費者靠近。

今年6月底，滴滴自動駕駛在上海嘉定進行了一個規模化的示范應用。在地鐵站、會展中心、一些酒店，用滴滴的APP，像滴滴打車的網約車一樣可以體驗到滴滴自動駕駛車，目前還是采用了“混合派單”模式，即在自動駕駛的服務范圍內有可能是有一輛自動駕駛的車來接你，如果超過了公開測試范圍，也會用人類駕駛的司機來提供服務。

以下為演講實錄：

我今天想分享一下滴滴在自動駕駛領域的進展，分享的題目是用大數據驅動自動駕駛的安全落地。滴滴作為一家出行公司，我們做自動駕駛的初心，是為用戶提供更安全、更高效的出行平臺。美好出行最基本的就是安全，是希望通過技術的演進來使交通事故達到最低。

每24秒就有一人在路上失去生命；道路交通事故是5-14歲兒童和15-29歲年輕人的首位死因；超過90%交通事故由駕駛行為造成……這組數字大家在汽車行業都有了解，每年有多少交通事故，造成了多少悲劇。

另外一個對比是明顯的，比如相對于航空產業，汽車在道路上的事故率完全不是一個量級的，通過技術的演進，通過自動駕駛，可以讓整個出行變得更加的便捷、安全和智能。

滴滴出行在自動駕駛方向布局了幾塊業務，首先是人工智能技術，滴滴在過去3~4年間在投入了大量的研發，也已經打造了一個以AI技術為核心的人工智能自動駕駛解決方案，包括感知、地圖、預測、決策等。

今天在這里就不說這些AI的解決方案了，我要分享的是對大數據的一些思考，分享滴滴如何利用滴滴的優勢讓自動駕駛更安全的落地。

AI的核心算法，我們認為是自動駕駛的發動機，它需要空氣、需要燃料，讓它運行起來。對于自動駕駛來說，我們認為數據就是AI引擎的最寶貴的燃料。

從左邊我們希望自動駕駛能見多識廣，到右邊希望這些長尾場景要經過自動駕駛系統在這上面的演練，不斷的迭代提升自動駕駛的性能，今天從這兩個角度講講滴滴是怎么布局這兩個方向的。

滴滴在整個網約車的平臺布局了桔視，給自動駕提供了非常詳實的設計，遇到了什么樣的場景，我們有了最豐富的數據。我們在訓練自動駕駛感知模型的時候需要采集一些數據，需要看人是什么樣的，輪椅是什么樣的，在路上遇到交通參與的時候，有時候會遵守交通規則，有時候不遵守，我們通過桔視見到了非常豐富的場景。

另外在自動駕駛測試中也會發現人類駕駛員有時有些超出預期的行為，在這里貨車為了緊急躲避行人會朝車輛開過來，自動駕駛怎么做到處理這樣的場景，做到臨場不亂還能安全的處理這些場景，首先需要這些場景是存在的，其次要能在仿真系統里重現出來，使AI的演進有一個更好的動力。

從整體上來講，要證明它比人類駕駛員安全很多倍，需要的測試量是巨大量的。

突破口要有足夠的場景和足夠的數據供這個引擎所使用，我們的大數據庫每年可以在道路上收集近千億公里的數據，得益于百億以上的裝機量，也得益于自動駕駛和網約車的運行時長比私家車的運行時間長。

我們有一個數據漏斗，發現一些高價值、高危險度的產品去打磨自動駕駛系統，路測的應用和場地測試做一個最基本的補充，

整個數據除了剛才講的功能外，主要在四個方向上，在開發數據的中臺，再開發仿真的引擎，再開發這些方法，運用這些數據分為4個運用。

一是海量場景的隨機性設施，二是希望能夠從這些數據中發覺邊緣的場景，進行高強度的測試和研發，三是我們也在L4中慢慢的部署這種基于深度學習人類駕駛員的習慣，相當于自動駕駛基于規則，基于某種搜索去優化找到最優的路徑是什么，真正從人類駕駛員好的例子和不好的例子中去學習到怎么樣是一個好的駕駛習慣。四是地圖，因為有這些數據，可以更好的去驗證地圖的新鮮程度，驗證地圖的準確性，地圖出現了變化，可以讓自動駕駛車輛更好的規避變化比較大的區域，提升自動駕駛的安全性。

最后一個就是滴滴所嘗試的，怎么把自動駕駛落實。自動駕駛將來也是出行網絡中很重要的一環，會把它無縫的銜接到滴滴的其它平臺上，包括快車、專車，我們研發的用戶體驗就是混合派單，通過一個出行網絡的APP，來叫所需要的出行服務。會用混合派單的模式，起點和重點都在自動駕駛的服務范圍內，無論路況和天氣情況，會派一輛自動駕駛車給乘客去服務。

比如，要跨省有比較多的乘客數量，可以有人類駕駛的司機來服務我們的出行需求。這樣對客戶來說自動駕駛不是一個從0到1，需要去調整和適應的，是一個漸進的過程，在滴滴的網絡可以做到這點，我們也進行了一些嘗試。

下面講講自動駕駛怎么能夠保證安全？在做產品化的過程中，這個技術已經研發很多年了，安全是最重要的，這也是為什么自動駕駛成本是一個方面，怎么能夠保證技術的安全性，也是它還沒有大規模商業化另外一個原因。

從4個角度能在安全上有一個非常好的突破和嘗試。首先是安全測試。我們在自動駕駛真正做到無人、產品化驗證之前，這個產品是一個研發階段的產品，可以提供給用戶進行研發運營，給用戶提供什么樣的感受，車里還是有測試員和安全員的，有問題的時候可以接管這個車輛。滴滴在安全測試方面設計了非常充分的流程，保證測試是最安全的。整個滴滴自動駕駛團隊錄取率最低的是安全員，要經過很多的培訓。

二是技術可靠。我們深度學習的算法，雖然數據證明它是最優秀的，有一些不可預測性，和汽車行業規則化的非常成熟的系統怎么能夠結合，構建一個多層的網絡，達到一個技術上榮御的軟硬件的需求。借助路端感知，消除車輛自身視覺盲區，可以更好的保證安全性。

三是部署自動駕駛車的時候也會部署遠程監控、遠程協助的控制中心，我們知道自動駕駛車輛的運行狀況，遇到了比較棘手的問題可以給出解決方案。在一年前遇到灑水車，沒有對它進行特殊訓練，也可以把這些信息發送到遠程協助中心，通過人可以判斷這個車輛是不是可以超車，這種混合智能的方式可以讓自動駕駛車更快落地。

我們也希望通過大量的仿真測試、道路測試，能夠產生一些方法論，把它變成像某些混合方式一樣的規范，指導整個行業的發展。我們有這么豐富的測試場景，測多少次，怎么測，就能保證自動駕駛車什么級別的安全性，滴滴也在這里跟很多的同仁一起，推動這些行業標準的制定。我們真正從安全測試、技術、驗證和合規的角度推動自動駕駛的落地。

最后做一個小小的廣告，滴滴自動駕駛在6月底在上海有一個規模化的示范應用，各位朋友到上海可以打開滴滴的APP可以在嘉定這個區域連到自動駕駛車，在地鐵站、會展中心、一些酒店，用滴滴的APP，像滴滴打車的網約車一樣可以體驗到滴滴自動駕駛車，模式是混合派單，在自動駕駛的服務范圍內有可能是有一輛自動駕駛的車來接你。超過了公開測試范圍，也會用人類駕駛的司機來給您提供最好的服務。

今天總結一下，我們講了大數據對滴滴自動駕駛或者對于整個行業發展和落地有哪些作用，其次就是在自動駕駛產品化和安全性上進行了哪些嘗試，也希望繼續和各位同仁繼續探討。