出品｜搜狐汽车·E电园 9月16日-9月17日，中国电动汽车百人会在南京国际博览中心举办2020全球新能源汽车供应链创新大会。来自国家新能源汽车创新工程项目专家组、相关政府部门、整车厂、零部件企业的众多大咖与会并抛出了与产业发展相关的关键意见。 在全球经济下行、汽车产业进入存量市场、汽车新四化转型的关键节点，汽车供应链企业们面临着盈利能力下滑、增长乏力、价值链条转移、新玩家入局等等挑战。而克服这些挑战，创新变革、提升抗风险能力、重新体现自身价值，就成了当下汽车供应链企业们所面临的关键命题。 本次大会就上述命题进行了着重讨论，对于供应链目前所面临的问题、需要达成的目标以及实现目标的路径进行了具体规划。
东南大学机械工程学院副院长、教授殷国栋与会并发表演讲，以下为演讲实录： 非常高兴参加在南京开的中国电动汽车百人会，我在东南大学，给大家分享我们在智能网联方面做的一些研究以及应用。 根据组委会主题报告的中心议题，主要围绕着智能化、网联化的供应链。 大家知道，智能化、网联化都在讲，都在做，但实际上需要有一个非常重要的应用场合和场景去支撑、去发展，关键技术才能得以应用。在高速公路上可以，而现行条件下最易于实现的是我们做的园区无人运输系统，把我们前期做的关键技术，在实际场景当中得到应用，而且国家在倡导、在推进智慧物流，特别是去年江苏省发改委发布了十几个园区的智慧物流示范基地，我们课题组代表东南大学是唯一一个高校来主持的，突破智慧物流的关键技术，起到降本增效的作用。 首先，功能化、信息化、标准化已经成为智慧物流的一种发展趋势，以及在智慧物流当中，它的关键技术是否真的起到一定的作用，因为智慧物流本身是一个非常好的供应链或者展示方式。 在我们智能网联汽车当中的第一个关键技术就是感知，而我们单个感知系统已经无法满足真正的智能化的推进速度，所以多元信息融合已经成为智慧物流或者说我们实际场景落地的一个非常重要的技术变革，这里面包括运动、仓储、协作以及配送等。今年年初的十几个部委发布的车联网以及智能网联汽车的创新行动计划里面，更能看出智能网联汽车是我们技术突破非常好的支撑，也就是说从我们现在的自主环境感知到中期、到远期的过程当中，应该看到智能网联汽车实际是一种必然，就是说我们在推进园区特定场景的过程当中是非常重要的支撑，从单车智能到车联网，包括环境感知、决策、高精度定位以及车路协同、车辆控制，这是一个非常完整的核心技术。首先我们应该推进我们的感知到多元信息融合，今天重点讲，就是解决我们实际无人园区的过程当中看到的，在车辆全视角的智能环境感知系统一定要搭建起来，而且智能化比人要做得好，就是说让我们的人上去要放心。 围绕这方面我们有几个关键技术和难点： 第一，无论高速、低速园区或者特定场景，首先它是一辆车，不是在我们一个厂房里面的小车，是一辆行驶的汽车，车一定是有载荷参数的变化，我们做汽车的知道，汽车行驶一定是一种动态变化的过程，变化过程当中他的载荷参数是非常敏感的，比如我们一辆5公里/小时的小车和50公里/小时的小车行驶在路上是完全不一样的，这里面我们要求感知的信息一定要精准，通过动力学特征表征出来，所以环境信息获取是第一步。 第二，我们一旦应用在特定场景当中就离不开我们的路，就是车路协同，用路侧感知信息来提升汽车的感知精确度、抗干扰能力。 比如智能融合感知，一定是多元异构的信息，特别是像今天下雨，从市区开过来没问题，但是无人车能不能开，如果无人车说NO，那就是做的不好，要真正落实到雨雾遮挡能解决，国内国外都在做，实际需要解决的就是智能融合感知。 第三，我们定义一个广义的和狭义的，比如激光雷达环境感知、视觉等等，这些感知技术都可以解决一定的问题，但是放在一起就要有融合的过程，检测周围复杂多变的环境，包括行人、交通路况消息。 怎么去做呢？首先要解决的是自身姿态的问题，就是这辆车本身的姿态要知道，而不是仅仅获知到周围的信息，周围的信息是第二步，就是目标感知，这两个结合起来，就能够解决单一感知系统所存在的问题，所以我们提出了一种新的异源信息融合方案，首先是车辆自身的状态，以纯电动汽车为例，比如轮毂电机、线控方向盘等等这是自身状态的感知。第二，周围环境感知，特别是像高速公路匝道的车道线检测，比如大曲率更是非常困难，如果直线是非常简单的。 我们再看看基于视觉方法的研究。我们做过很多智能车，每辆车都不一样，为什么？因为每种场景要求不一样。基于视觉的园区交通标志首先要影射出来进行分类，这和高速公路、无人方程式赛车不一样。分类以后我们进行快速的收敛，因为场景要求的速度非常高，要无损失的进行训练。 这是基于摄像头与红外热成像仪的融合方法。也就是晚上、雨天等环境都能正常的工作，所以必须把红外热成像仪加进来，能够做到低辨识，什么叫低辨识呢？也就是我们的人或者可见光情况下是不能识别的，而用摄像头与红外热成像仪能够识别出来，感知到周围的信息。同时要更加关注图像质量，这是分析计算的基础。 这是我们构建的全视角平台，能够做出全息的信息系统。我们在溧水、江宁，包括我们3800亩的新校区都在做，因为周围的信息都是未知的，也不知道是不是突然来一个人，包括晚上，周末都可以测试。以及遮挡物，比如小树林里突然出来一个人或者自行车都能测试到。 我们再看看车路协同，首先要实施构建地图以及定位策略，多辆物流系统运输车之间一定是有互联的，怎么做呢？考虑到他们之间的影响。首先把一个激光结合视觉激光的SLAM的方法，包括每辆车所经过的约束信息，他们之间有约束关系，不是独立运行。 还有车联网，包括现在大家都知道的5G，车联网离不开5G系统的推进，我们校园中也在铺设。有了车联网，定位精度会大大提升，包括路侧装备。有了车路协同，我们本身单车的感知系统也会降低成本。 另外我们还强调安全节能。节能一直是永恒的主题，无论是从传统汽车到新能源汽车，我们希望，因为我们多辆智能车的协同而提升了我们的节能效果，就是说让我们的能量损耗最低，简单地说就是一辆车本身应该是跑100公里，因为我们协同，每辆车可以多行驶几十公里，这是我们的一个节能降耗的过程。 编队说起来简单，实际队列之间有很多的约束，环境一直是未知变化的，不可能永恒跟着你的环境设定来设定，我们做了很多队列实验验证。 做智能网联系统很难，首先是理论体系，这个理论体系一定要有，而不是买一堆传感器直接安装调试，没有任何用的。第二个是原理性的验证，因为每个传感器都有自己独到的地方，我们要把多个传感器融合在一起，提升本身在一个系统当中的精度，像晚上又下着雨，怎么做，哪种是最佳效果。另外，我们从底层线控系统开始做，到年底有3辆车在我们校园里面跑，可以运送图书馆的书等。 智能物流我感觉是整个智能化推进过程当中非常重要的场景，另外也是我们国家非常重视的智慧物流当中降本增效的一个典型的推进点，江苏省建设的15个示范基地是作为全国示范的样板，明年验收。二是多学科交叉的问题，包括我们开始学汽车、学智能化，不是单一学科能推动的。最后要有标准的体系。 所以智能网联汽车、智能物流等载体的研究和实践，无论从我们的技术规范、示范运营，到行业的积极推进，每个链条都是非常非常关键的。需要各位同仁一起努力，共同推进智能网联汽车的发展。 谢谢各位！ |
