9月16日，由北京市人民政府、工业和信息化部、公安部、交通运输部、中国科学技术协会联合主办的2022世界智能网联汽车大会，在北京中国国际展览中心（顺义馆）开幕。本届大会以“智能加速度 网联新生态”为主题，包含1场开幕式暨主论坛、7场主题峰会、6个特色专场、2场闭门会及1场实地调研活动。
在9月17日主题峰会三：新型基础设施与数字化赋能中，北京理工大学机械与车辆学院书记、教授席军强发表了题为“智能网联汽车个性化控制”的演讲。
以下内容为现场演讲实录：
各位嘉宾上午好，非常高兴能有机会和各位嘉宾做一个关于智能网联汽车个性化控制的汇报。我的介绍分成三个方面，首先我们先来谈一谈开发智能网联汽车的初心，我们这个车从最开始开发，就是为了人的载运出行服务，智能网联汽车也是一样的，为了更好的满足人的载运需求，也就是服务于人为核心。既然是服务于人，人的需求也是多样的，对于车的基本性能需求，通过这么多年的汽车技术发展，车的基本性能越来越成熟，无论是可靠性还是舒适性、安全性的水平越来越高，所以人对车基本的性能需求基本满足了。在这个过程当中，车辆也是从传统的机械产品逐步再往机电、智能化的方向发展，软件在车辆里面所起的作用也是越来越大的。
但是我们还是有很多个性化的需求，比如这个图里面，在上个世纪30年代，那个时候我们比较熟知的像福特车，所有车都是黑色的，原因就是我们为了大批量的生产，为了控制成本。虽然基本性能可以满足，但是没有过多的考虑人不同的需求，对于车型和颜色等等。后来车的技术逐步发展，我们就有了各种各样的颜色和车型。
从性能层面来说，我们感觉车对人的个性化需求满足目前还不是很充分，举个例子，现在我们的车从以前最开始的纯机械转向，发展为电助力、电助力到后来的线控助力、线控转向。但是现在我们车辆里面的控制系统，往往是所有的车控制系统出来以后，参数都是一样的，什么含义？比如我开这个车转向助力是这个特性，换了另外一个人转向助力特性还是一样的。比如对于我来说，我可能希望助力不是太大，我希望路感强一点，因为我觉得我的臂力还不错，我不需要这么大的助力。但是如果是一位比较娇小的女士，她可能对于车的需求，希望助力大一些，不希望这个车开起来感觉比较累。但是现在的车适应不了，对人的适应度不仅仅是转向系统，其他的电控系统对人的适应度目前还不是很好。目前的情况是人适应车，而不是车适应人，我们千车千面的个性化控制，目前还有差距。
谈到智能网联汽车的现状又是什么样的？我们可以看到数据显示，大概会有2/3的车主，会把智能网联里面的功能关闭，比如像车道偏离预警，可能有2/3的车主关闭。为什么？还是不同的车主，他对车的需求不是完全一样的。包括我们后面讲的协同式自适应巡航系统，有的比较激进的驾驶员，车离前面的车距离近一点没有关系，但是有的驾驶员比较保守，希望我的车距离前面的车距远一点，每个人的需求是不一样的。但是如果所有的车做出来以后都是控制参数千篇一律，不能适应人的话，可能有的驾驶员就会把这个功能关闭。
从智能网联汽车里讲也是一样的，目前对于个性化的需求也是没有满足。这里面谈到了，智能网联汽车后面发展的目标就是无人驾驶，无人驾驶是不是还要考虑人，既然是无人了，车不需要驾驶员驾驶，是不是还要考虑人的个性和特性，这个图里也做了描述，L1-L4都是人机共驾，是要人去参与，肯定要考虑人的特性在里面。到了L5完全自动驾驶，是不是可以不考虑人了呢？我们认为也不是，到了L5，我们的自动驾驶，如果比较完善的产品，应当是有个性化的无人驾驶。什么含义？因为无人驾驶的车还要拉人和载客，乘客在车上如果觉得这个车坐起来比较舒服，比如悬挂是什么样的程度，是刚性的还是比较软一些，车的加速度是有推背感还是缓一些，每个人的需求都是不一样的。
最新的交通工程研究也证明了和我们的观点类似，他提出乘客对无人驾驶的信任决定了无人驾驶的落地推广，这个我们也可以理解，比如有时坐一个车可能边上是其他人开车，有的时候坐在边上就会感觉害怕，因为你对开车的人不是很信任，你怕他会出现交通事故，或者怕他开车的方式和你不太一样，这个时候的感受就不太一样。所以即便到了L5，也是以服务人为核心。
智能网联车，或者到了后面的无人驾驶，关键和核心都是服务于人，但是我们目前人对车辆千人千面的个性化需求还远远没有达成。像我们团队做了一些个性化控制方面的研究，在这里跟各位嘉宾做一下沟通和汇报。
首先，人对车个性化的需求，从车里面的设置上是可以看到的，比如现在有些车里面，我们可以看到有一些选择开关，让你选择运动模式、经济模式还是正常模式，需要你手动调节。也包括自制定巡航系统，也有一个人机操纵界面，可以通过这个界面选择你认为相对安全的车距。这个和我们的驾驶风格，比如你是进击的激进的、保守的，或者正常的，这是有关系的，我们的车辆既然是智能的，能不能把人的需求，或者人的驾驶风格识别出来，把这个作为输入，让我们的控制系统可以针对不同的人，有不同的控制特性。
我们叫驾驶员的操作特性，另外一个是驾驶员的驾驶异同，不同的驾驶员针对于相同的场景，可能也会产生不同的驾驶异同，比如这个里面举了一个例子，突然碰到坑洼的路面，有的驾驶员会选择从边上绕过去，但是不减速，但是有的驾驶员可能会慢一些，低速比较稳定的通过。甚至有一部分驾驶员比较激进，就不减速，直接就冲过去了。面对这种场景，不同的驾驶员会有不同的控制意图，包括目前车道的偏离系统。
控制器或者机器对人的意图也需要进行预判，这是我们在智能网联车辆里面经常面对的问题，我们经常通过博弈分析人的意图。像车辆辅助驾驶中，车道系统对后面人的操作，会把车纠回车道上面来，还是说会驶离车道，人的意图怎么判断？这个也是体现个性化的要素和难点。
在这个基础上，我们知道了人的不同风格和不同的意图，我们可以更好的理解不同人的个性化驾驶行为，如果我们掌握了个性化的驾驶行为以后，我们就可以针对智能网联去开发个性化的控制或者叫个性化的智能驾驶。我们认为这里面需要突破的关键技术有三个，一个是驾驶风格，我们怎么识别准，驾驶意图怎么判断清楚，另外基于这两个，我们把驾驶员的认知决策机理搞清楚，这样后面才可以实现类人驾驶，让这个车开的更像是车的主人，这个驾驶员开的情景。
首先我们先来看驾驶风格，驾驶风格面临的几个问题，我们简单抽出两个来做一个介绍。驾驶风格目前分成了激进、正常和温和，这种分类是否合适，是分成三种合适、五种合适还是更多种，这个目前也在做研究。
比如说这个人是激进的，但是有些情况也不激进，比如车上坐了一个非常重要的客人或者病人，这个时候我的驾驶风格就从激进变成温和了，这种情况也会发生。驾驶风格既固定也会变化，怎么能够把驾驶风格判断准了，这都是驾驶风格里面碰到的问题。
目前对于驾驶风格大多数情况下还是分成三类，就是激进、保守和温和，对这三类进行识别，再输入到控制系统里。一般情况下我们通过先期的数据采集，通过人工贴标签，然后通过训练和学习获得模型，用于后面机器的自动驾驶员分类。针对这块，我们也做了研究，目前也取得了一些成果，基本上分成三类相对还是比较准的。
我们在国家自然基金也做了相关研究，也发表了相关成果，发现通过上面的方式，也可以使车的性能得到提升，像我们的研究，驾驶风格确定了以后，驾驶管理燃油消耗可以省2%-12%。因为悬挂的需求不太一样，有的时候希望动力性，有的时候希望舒适性，通过悬挂的个性化控制也可以提升舒适性和动力性。
后续的发展里面，驾驶员的驾驶风格，我们认为和机器的接口要变成连续的，因为人的描述用三种方式比较合适，但是对于机器来说，后面的研究和发展方向、目标应该是连续的，而不是离散的，目前我们也在做连续驾驶风格的输出，做相关的研究。
下面我们再来看驾驶意图的识别，驾驶意图的识别，我们人都在开车，根据环境产生相应的决策，最后会通过手和脚，比如会通过离合器踏板、油门踏板、刹车踏板、方向盘等等体现驾驶意图。所以一方面可以通过人的操作行为可以进行驾驶意图的识别，我们很多控制器，目前车辆里面的控制器也在通过这样的方式对驾驶意图进行识别，包括自动辩诉里面，我们急踩油门就会减挡，这也是体现驾驶意图的一个方面。
比如典型的是ESP，ESP就是识别出了这个车的真实运动轨迹和驾驶员期望的运动轨迹，和驾驶员的意图不一致，这时候通过车辆动力学，通过对于轮胎力的控制，最后把车辆纠正到符合驾驶员意图的轨迹上来，前提就是理解人的意图。这里面也有一些问题，目前仅仅是基于人的操纵行为来识别人的驾驶操作意图，还有一些缺陷，比如我们踩刹车，这个动作我采集到了，但是刹车踩了以后后面到底要做什么，比如要把车给刹停，还是仅仅减速，然后很快就会加油。甚至我干脆踩错了，确实出现过这种情况，本来想踩刹车，结果踩了油门，或者想踩油门结果踩了刹车，这个操作对还是不对，这个仅仅是通过驾驶数据来分析，有的时候会判断不准确、不清晰。
我们也在做研究，把驾驶员的操作数据和生理信息包括脑电信息结合，通过多元信息更准确地识别驾驶员的驾驶意图。这里面我们稍微解释一下，比如我们现在做研究，包括现在做国际自然基金项目，通过脑电信息和驾驶员的操作数据融合，在预测这个车速。这个和传统的脑控车不一样，我们不是通过脑子控制车，而是通过脑电信息理解人的驾驶行为。
换言之，即便这个信息缺失了，这个该怎么跑还是怎么跑，因为人的驾驶行为已经发生了，还是人在控制这个车，我们只是把它作为更加丰富的信号输入，帮助人去理解车。
举个例子，比如刚才讲到刹车，我见到红灯以后就会踩刹车，这种场景人踩刹车基本是刹停的。我们通过研究发现，其实我们辅助于脑电信息，我们可以把这个场景识别出来，可以识别这个刹车是因为驾驶员看到红灯的行为，这个我们可以更加准确的理解人为什么要做这样的操作，从而使后面的控制更有依据。
我们了解了人的驾驶特征，也了解了人的驾驶意图，下面我们进行类人驾驶，或者研究人为什么会产生这样的驾驶行为，从而为后续的发展，具有个性化功能的无人驾驶奠定基础。我们想表达的含义主要是几个方面，个性化控制需要突破驾驶的风格识别和驾驶意图的识别以及驾驶员认知决策的关键技术，这里面还是有很多问题需要我们解决。
最后我再介绍一下智能网联汽车的个性化控制，智能网联由于云端的介入，为我们个性化控制提供了非常好的条件和基础。这里举个例子，目前和国内比较大的车企，我们在做关于驾驶员操作特征的项目，这个项目里面我们用了100个人，采集100个人的操作数据，给它贴标签，大概跑了2300公里。我们产生的数据是3个TB，这意味着如果在车端里面做这种事情，基本上是不太现实的。如果在云端做这个事情的话，就为它提供了可能性，所以我们认为基于大数据，包括车端实施数据的融合和匹配，可以更加好的实现车辆的个性化控制。
比如和车企合作，我们目前对于驾驶员风格的识别，我们采用的是长时风格和短时风格，长时风格是基于云端的数据获取。刚才我们讲人的风格，在一段时间里还是不太容易变的，换言之实时性不是很高。在云端里面的数据，通过长期的积累，我们可以得到一个输入，我们可以把它下到车端。车端里面在这次驾驶的过程当中也会产生驾驶的数据，这个驾驶数据基于这个来判断它的短时风格。这样基于长时风格和短时风格的融合，可以更加好的让车辆得到正确的，或者比较适合当前状态的驾驶员风格的判断，提高驾驶风格变化的稳定性和准确率。同时也是基于这样一个智能网联的技术，我们可以借用大数据，可以更好的实现驾驶意图的识别。
比如我们目前采用GMR、HMM等技术，我们对数据离线进行训练。如果有了网联，我们就可以在云端把更新的数据进行传递，在那个上面可以进行训练。我们在车端把参数和模型进行匹配，这样就可以不断的迭代我们的驾驶意图模型，让我们的模型更加准确，同时更加实时的用在车端，从而对驾驶员的意图可以更加准确的进行判断。
我们现在基于离线的方法，仅仅是基于驾驶员的操作数据，我们对于制动意图的准确识别率目前可以做到90%，车道偏离的误警率可以下降3.13%。
在我们有了驾驶的特征和意图之后，我们可以设计个性化的控制，我们后面可以实现个性化的自动驾驶。这个车以后出来的自动驾驶，不同的人会有不同的自动驾驶特性，都是自动驾驶的车，但是我坐车和你坐车所体现出来的特性是不太一样的。基于前面的研究，我们认为智能网联汽车往后面的发展，比较高阶就是实现个性化的自动驾驶。
我们认为智能网联汽车还是以服务人为核心，智能网联汽车最终比较高级的目标是实现个性化的自动驾驶。
我跟各位汇报和分享的内容就这么多，谢谢大家，欢迎大家提出宝贵意见。
（注：本文根据现场速记整理，未经演讲嘉宾审阅）
