江苏龙网

  1. 首页 > 人文 > >

滴滴自动驾驶公司首席运营官孟醒：用基因赋能美好出行新时代

2020年6月22日-23日 ， 由南京经济技术开发区与盖世汽车联合主办的“2020第三届全球自动驾驶论坛”隆重召开 。 本次论坛重点围绕与自动驾驶规模化商用有关的核心技术、法律法规、技术评测、商业模式等话题展开探讨 ， 下面是滴滴自动驾驶公司首席运营官孟醒在本次论坛上的发言：
滴滴自动驾驶公司首席运营官孟醒：用基因赋能美好出行新时代
文章图片

滴滴自动驾驶公司首席运营官孟醒
各位领导 ， 各位同行 ， 早上好！今天很高兴借这个场合和大家分享一下滴滴自动驾驶在过去四年里面 ， 尤其是针对自动驾驶出行服务方向的探索 。
滴滴在历史上做自动驾驶这件事比较低调 ， 所以分享内容一般不太容易出来说 ， 但是说的时候可能说得比较多 ， 今天的内容比较多 ， 我争取说得快一点 ， 可能节奏上会有点赶趟 。 不好意思！
滴滴做自动驾驶的初心很简单 ， 因为滴滴本身是一个出行公司 ， 在出行领域 ， 做了八年的服务工作 。 在出行领域大家最关注的几个点 ， 无非是给乘客提供更安全的服务 ， 更有效的服务和更好的体验 。
有一个数据跟大家分享一下 ， 在今天的这个行业里面 ， 由交通造成的事故 ， 这不是说的滴滴 ， 也不是说的国内 ， 在全球范围之内 ， 大概交通造成死亡事故大概100多万 ， 差不多24秒有一个人因交通事故死亡 。 我们发现有一个问题 ， 其实交通道路事故是儿童 ， 甚至于青少年的首位死因 ， 大概将近20%的青少年突发事故都是因交通事故而起的 。
我们觉得可能需要有一个更好的方式来解决这个问题 ， 或者是更稳定的方式 ， 能够用我们今天的技术 ， 用我们的科技和智能方面来解决我们交通出行的安全问题 。
对应下来以后 ， 我们的目标是什么呢？现在对应下来 ， 航空飞机大概一年差不多死亡事故是500多 ， 500多每条都是人命 ， 但是对应到交通领域的差别来讲是非常大的 ， 这就抛给我们自己一个问题 ， 我们能不能把道路安全做到跟航空安全一样的等级？当然我们最重要的目标希望做到这个数字都是零 ， 这是我们长期的目标 ， 这也是我们做自动驾驶的初心 。
做自动驾驶 ， 其实行业的出发者非常非常多 ， 其实在行业里面做自动驾驶 ， 最早的时候我们关注的可能是技术能力 ， 我们做了时间长了以后 ， 发现不光是技术能够实现 ， 还需要场景 ， 还需要很多很多其他的东西 。 尤其我们是一个出行服务公司 ， 把自动驾驶和出行结合在一起的时候 ， 我们深知做出行本身就是一件不容易的事情 ， 而出行跟自动驾驶结合在一起是更难的事情 。
我总结一下有三个东西是非常重要：
第一个是需要AI技术 ， 技术的能力；第二个是我们数据的能力；第三件是自动驾驶网络的能力 。
滴滴在做自动驾驶的情况下 ， 我觉得自动驾驶本身是一个非常长的产业链 ， 刚才麦肯锡的吴总讲了很难有一家公司去通吃产业链 ， 需要上下游合作 。 针对滴滴自动驾驶 ， 我们其实非常专注在L4级以上的城市交通出行服务 ， 在这个场景下所有的技术环节 ， 全栈的技术能力是我们在内部研发和迭代的 。
其实在这里面也包括很多环节 ， 包括感知、决策规划等等系统 ， 这些东西能够连接在一起去整体开发 ， 对于我们挑战自动驾驶非常难的是一件非常必要的事 。 只要把它连接 ， 软硬件每个层次一起优化 ， 才能更快实现自动驾驶的目标 。
但这就是一个基础 ， 你是一个好学生 ， 你是一个聪明的人 ， 让你能够胜任岗位 ， 这只是一个打基础 。 自动驾驶也是这样的 ， 在有这个基础之上 ， 我们需要见多识广 ， 看到更多的场景 ， 同时也要做更多的路测和驾驶数据 ， 这两件事加在一起才能使我们自动驾驶的能力实现我们最开始的愿景 。
见多识广 ， 我们今天讲的是绝大多数 ， 今天路上的情况80%是相似的 ， 大量重复出现 。 对于绝大多数做自动驾驶 ， 在过去这么多年的公司来讲 ， 大家也都见过 ， 处理过 ， 很多车在路上跑的时候也能应对这些场景 。 但是真正比较难的是最后5%、1%、0.1%、0.05%的场景问题 。 但是要解决这些问题 ， 首先要见过这些问题 ， 才能处理这个问题 。
今天所有自动驾驶的车队加在一块是非常非常小的车队 ， 怎么能有资源见过这么多的场景？这是这个行业的事情 。 第一个答案是什么？第一个答案是我们叫做桔视的设备 ， 这个设备每年采集将近1千亿公里的场景 ， 我们看到它会迭代 ， 会升级 。
我们会看到什么？我们会看到鸡飞狗跳 ， 真正在路上有鸡飞狗跳的场景 ， 当然也有三轮车 ， 有轮椅 ， 老人代步车 ， 逆行的老人代步车横跨穿行 ， 这就是最后的0.1%、0.01% ， 这些场景不解决 ， 我们做自动驾驶是不能找这样的借口 ， 是一定要找到它之后 ， 我们才能安心上路 。
除了复杂的交通参与者之外 ， 交通参与者复杂的行为 ， 也是我们需要找到的 。 这是我们在上海路测时的一个场景 ， 像这个红色的卡车 ， 它不仅可能会做一些行为上轨迹的摆动 ， 除此以外 ， 它会半占车道 ， 一半的车身行驶到我们的车道上 ， 正常情况下我们认为它不应该这么做 ， 因为它的轨迹是一个非法行为 。 但是像这样的行为会大量发生 ， 需要应对 ， 应对以后我们还要确定在算法升级后智能车端是否真的能够自主应对 ， 这就是一个完整的迭代过程 。
第二个部分 ， 是测试里程 ， 跟上面是息息相关的 。 我们得看到 ， 看到了以后才能测试 ， 测试完以后才知道我们是安全的 。
这是讲的我们汽车收集出来后的第二件事情 ， 数据量大是第一步 ， 怎么合理地使用数据使得你的技术不断地迭代也需要考虑 。 我们有海量的数据 ， 这些量级都堆到我们的系统里面是处理不过来的 ， 我们一定要有一种自动化的方式来做 。
我们的做法是这样的 ， 我们收集到的数据是这样的 ， 它不带任何额外的信息 ， 就是摄像头拍出来的像素信息 。 但是进入到下一个阶段 ， 涉及到感知的时候 ， 我们会自动提取出来交通参与者 ， 系统会将这些参与者抽象 ， 放到仿真引擎里面进行三维重建 ， 就从一个现实的案例变成一个我们可以反复训练的虚拟案例 ， 可以不止一遍的去练 ， 可能稍微改变之后 ， 可以变成一百个一千个类似的案例库 ， 我们会输出给虚拟引擎里面去跑跑看我们能不能应对 ， 如果不能应对 ， 我们去进行迭代 。
这样的流程会帮助什么？我们有两套测试方式 ， 所有的技术演进都需要现实的迭代 ， 我们需要路测 。 绝大多数自动驾驶公司在行业里面验证自动驾驶或者收集自动驾驶的数据 ， 就是路测 。 路测 ， 毕竟车辆数有限 ， 能跑的公里数有限 ， 在路测基础上会做仿真系统 ， 主要拼的是仿真的能力和可计算的数据量 。 但这也是远远不够的 ， 真的大数据其实是这么做的 ， 我们相信有一百万台这样的桔视设备收集到这样的信息 ， 让我们可以去进行迭代 ， 才能应对L4以及以上的需求的处理能力 。
刚才讲了我们的技术能力 ， 讲了我们的数据 ， 为什么说我们线下还有一个数据环节 。 除此以外 ， 我们还有出行数据 ， 这个数据量非常大 ， 我就不详细说了 ， 大家都是滴滴的用户 ， 可能都乘坐过 ， 有滴滴的体验 。 这些数据我们做什么呢？我们可以做一个简单的猜测 ， 举个例子 ， 在上海如果大家拍脑袋想一下 ， 如果我们知道上海所有网约车的运营情况 ， 我们猜一下上海打车最多的地方可能是哪里？我们想的可能是上海站、南京路、金融贸易中心等等 。
但是真正打车最多的地方是这些地方吗？其实不是 ， 如果放得更大的范围 ， 我们可能会想到虹桥等等 ， 其实不是 ， 最大数据量的可能是松江大学城 。 这件事为什么重要？因为在开自动驾驶服务的时候 ， 它不像人类的司机 ， 一定不是一下能开到一个全城全区全国的范围 ， 一定只能从一个小的区域开始进行测试验证 ， 然后慢慢一块一块突破 ， 这样最能保证安全和最有效率 。
选择区域非常重要 ， 选择一块完全没有人的地方做测试是没有效率的一件事 ， 所以我们选择过程中一定要判断最合适的地方 。 选择最合适的地方 ， 无论是安装路测设备也好 ， 还是做导入测试也好 ， 都需要大量的数据支撑决策 。
做这样的工作对于滴滴来讲 ， 可能是大概10秒 ， 在系统里拉数据就直接跑出来了 。 但是对于一般的公司来讲可能需要做用户调研 ， 直接在线下采集这些数据 ， 在这些地方验证技术的可行性 ， 比如判断这些路面上车道线是不是清楚 ， 红绿灯是不是正常 ， 然后再派出车队 ， 再做一些调整 ， 根据早高峰的时间点等等来进行调整 ， 可能一般需要大半年的时间 ， 而对于滴滴来讲就只需要10秒钟的时间去拉数据 。
滴滴每天有5亿多用户 ， 包括中国和全球的用户 ， 用户的需求和用户的行为 ， 刚才已经讲到了 。 当自动驾驶上线的时候 ， 这些大量的用户需要能够被无缝连接 ， 从正常的生活服务连接到自动驾驶服务 ， 我们是一个现成的平台 ， 可以轻易地导进来 。
第二个是车队服务运营 ， 这些车资产管理上需要车的采买、加油、维修、保险等等都变成非常重要的环节 ， 管理上百万辆车的能力 ， 是远远超出自动驾驶技术能力 ， 滴滴在这个层面已经在管理100万辆车的服务能力 。
我举一个细节 ， 大家可以感受一下这个平台和这些能力背后到底代表什么意思 ， 比如说自动驾驶如何保证安全？普通人会想到很多问题 ， 大多数人可能会想到我们有安全员 ， 安全员有标准审查工作 ， 需要车辆安全审查工作 ， 早上车检车辆的安全状况等等 ， 这些是我们所有人想到自动驾驶安全的时候想到的东西 。
对我们来说做的什么呢？我们有一整套的体系 ， 安全员的检查等等完整的一套流程体系 。 这只是第一层 ， 在背后加在一块大概有76个模块 ， 车辆怎么做 ， 安全员怎么做 ， 对安全员有非常非常严格的考核 ， 对于安全员的录取率低于1% ， 比上哈佛还难 。 怎么教育他 ， 他的情商也要比较高 。
对于大家的感知来讲是一件很简单的事情 ， 但它背后是很复杂的流程体系 。 对车辆管理和运营服务方面 ， 有上百个流程体系都需要来做到 。
回顾一下我们刚才讲的三件事 ， 第一 ， 就是人工智能能力 ， 数据能力 ， 人和车的网控能力 。 NDA有一个非常好的模式 ， 我们重新排列一下就是DNA ， 就是我们人的基因 ， 我们做这件事一定要有基因 ， 有初心 ， 有基因 ， 这件事才能跑得通 。
基因只是这个事情开始的一步 ， 我们是怎么做的呢？其实有三个对应的产品 ， 对于智能来讲 ， 其实刚才讲了 ， 人工智能在自动驾驶里面产生的价值最多就是体现在这三个方面上 ， 更安全的体验 ， 更好更舒适的体验和更智能的体验 。
对于安全来讲 ， 这是我们实际上线的产品 ， 将来我们通过滴滴打到自动驾驶车的时候 ， 我们可以看到在每辆车上跟用户的交互 ， 所有的交互都只需要一块屏幕 ， 所有的车和信息都可以通过这块屏幕传达给我们的乘客 ， 去了解车辆实际情况 。 在乘客上车之前 ， 也没有人跟他确认信息 ， 他需要扫码 ， 车门是否有关好 ， 安全带是否有系好 ， 如果没有做好的话车是不能动的 。 过去都是通过口述 ， 未来所有的这些工作都通过自动的检测装置和算法写死 ， 没有完成就不能启动 。
在整个行程结束过程中经常会碰到一个场景是什么？乘客下车开车门没有看后边 ， 所以一推开车门会把旁边的自行车或者车撞到 ， 在自动驾驶当中会有一个提醒 ， 甚至在未来直接把车门锁死 ， 不让他随便开车 ， 避免安全事故的发生 。
这是车里面的安全 。
车外面还有一个团队在负责整个监控和运营安全 ， 这是我们的运营监控中心 ， 他会观察和监控车的每一个车辆 ， 这是真实的截屏 ， 在我们的一些场景里面 。 这是我们在运营中心跑的车 ， 每辆车可以知道它实时的情况 ， 接单信息、剩余的里程数 ， 如果出现情况 ， 我们可以直接调取他遇到的情况 ， 如果他的车不能解决问题 ， 我们会帮助他处理 ， 去判断说这样的一个场景 ， 远程监管 ， 人类应该怎么做 ， 给他输进去 ， 就可以对应这个行为 。
从体验上来讲 ， 这块屏非常重要 ， 在车上出现的每一件事 ， 每一个行为都可以由这块屏和乘客进行交互 ， 为什么它要刹车了 ， 为什么它要往前走 ， 为什么它要给自行车让道 ， 所有的这些都是我们的实际需求 。
智能的部分 ， 我觉得其实讲一讲就可以了 ， 我放一段视频 ， 给大家看一下我们实际车队的情况 。
这是一段我们在上海的场景录的一段视频 ， 其实在路上看到很多路上可能会突发的场景 ， 比如说车门没有关闭 ， 包括在弯道超车的时候可能有一些交汇 ， 在市内交通中低速过程当中会碰到的一些场景 。
接下来 ， 是数据的部分 ， 我们简单提炼一下 ， 过去一般讲自动驾驶说到地图 ， 就说的是一件事情 ， 就是高精度地图 ， 是大家做L4以上必备的 。 但是除了高精度地图以外 ， 真正做自动驾驶是需要一套完整的体系 ， 是战术地图和高精度地图整合到一起的 ， 战术地图可以判断一个区域里面上车下车点 ， 本质上代表第一件事就是经营地图 ， 什么时间点有这些信息 ， 什么时候没有 ， 根据这个来判断这些区域的经济价值 ， 甚至于这些经济价值可以直接放到这些路段上 。 第二个是安全地图 ， 我们根据历史上网约车以及人类驾驶行为来判断哪些区域里面人类开车比较安全 ， 哪些容易出事故 ， 是什么事故 ， 是刮蹭还是一些大型的事故？
第三个部分是我们的技术地图 ， 可以看到这些技术和场景的耦合度 ， 这些路段的限速 ， 车道线是否清晰 ， 比如左转有没有专用道等等 ， 把这三张地图叠加在一起 ， 会形成我们自动驾驶地图 ， 来判断出来最合适的驾驶场景 。
这样生成地图是有非常强的实效性和极其强调的普世性 ， 在全国和全球 ， 只要有数据 ， 都可以处理出来和生成出来 。
最后是网络 ， 我们实际对应的网络大概有这么几块 ， 在我们的平台上其实有非常多的产品 。 我们刚才讲到了安全护航平台 ， 我们监控运营中心看所有车辆运行状况 。 交通数据 ， 我们除了看车的状况 ， 也看每个路况整个车流量的情况 ， 每个路的车速 ， 车辆的状况 。 第三是看每个区域里面供需平衡的地方 ， 越绿的地方供大于求 ， 越红的地方供小于求 。 最后我们的运力 ， 有这么多车 ， 未来可能是上千辆上万辆的车 ， 怎么管理好 ， 怎么不出事故 ， 如果有了问题之后我们能快速响应 。
最后一点 ， 跟大家分享一下滴滴做自动驾驶这件事情 ， 我觉得最大的特点和价值 ， 我觉得也是任何一家公司做自动驾驶出行服务可能需要做的一点 ， 就是区域性开放的时候面临的问题是出行服务这个业务本身是一个人的需求和车辆匹配 ， 人的需求是多种多样的 ， 你至少要满足到一定程度的人的需求之后 ， 这个业务才能形成 ， 也就是说双边服务达到一定需求的时候才能形成这个双边市场 。
我们解决的方式是把自动驾驶服务和人类驾驶服务做一个混合派单模式 ， 放在一起 ， 也就是说从乘客的角度来讲 ， 他其实并不关心是自动驾驶的车辆来接你 ， 还是有人驾驶的车辆来接你 ， 如果天气不好 ， 我们派一个人来接你 ， 如果自动驾驶车辆没有空 ， 我们派一个人来接你 ， 反之我们可以用自动驾驶来覆盖所有的场景 。 这样的组合 ， 在自动驾驶哪怕不能覆盖所有场景的情况之下 ， 依然能够提前开始这项服务 ， 让更多的人得到这项体验 。
【滴滴自动驾驶公司首席运营官孟醒：用基因赋能美好出行新时代】很快的 ， 我们会在上海上线自动驾驶服务 ， 在滴滴上能打到 。 如果南京欢迎我们 ， 我们也非常愿意能够来到南京 ， 把自动驾驶的服务和体验带到南京来 ， 让更多的市民 ， 让更多的同事们一起体验到自动驾驶出行 。 让我们为未来一起努力 ， 谢谢大家！


    推荐阅读


    上一篇：电动牙刷哪个牌子好？热门推荐高奢时尚大牌产品

    下一篇：美国多家门店被关，苹果手机顶不住了，库克：还好有中国