时间：2017年5月18日 14：30 ~ 17：30
会议主要内容：
无人驾驶领域发展迅猛，现有许多公司都投入到这个领域中，希望寻求到一个好的发展机遇。现在主要有两大类公司从事无人驾驶领域，一类是传统的汽车公司，比如乐视；还有一类是拥有大数据的公司，比如谷歌、百度等。
1、《自动驾驶在中国市场的挑战》
自动驾驶技术的发展主要源于其安全性和快捷性，换句话来说就是自动驾驶更加安全，能够减少交通事故的发生以及减少交通拥堵，使得道路通畅、更加快捷。
PS: level0:驾驶员负责监视路况和全部操作；level1:驾驶员负责部分操作；level2:驾驶员负责监视路况；level3:驾驶员负责紧急情况；level4:驾驶员基本不介入，少部分工况除外；level5:全工况无驾驶员介入；
传统的汽车公司从自动驾驶技术的level0开始着手，现在能达到level2或者level3的水平，比如宝马辅助驾驶、特斯拉辅助驾驶等；而一些拥有大数据的互联网公司则直接从level2着手，甚至能达到level3的水平，比如谷歌原型车、百度等。预计最早在今年年底或者明年能够达到level3，而在2030年能够达到level5的水平。
现今，人工智能在自动驾驶中也拥有十分重要的地位。自动驾驶需要人工智能利用大数据进行环境感知、高精度定位和规划控制。
※众包地图利用其低成本、实时行和自学习的特点将取代传统地图成为新的地图模式。众包地图，其实就是利用众包的方式将地图信息收集起来，即用户将自己所经过的路线形成地图信息分享给其他用户，这样自动驾驶车则将变成智能采集终端。
现在还出现了基于驾驶行为的UBI（User Based Insurance）车险定价模式。
2、《智能汽车的平行驾驶与平行测试的探讨》
无人驾驶车辆面临的技术挑战有学习与自适应、环境感知、定位与导航、车辆控制、运动规划。其中学习与自适应可以通过人工智能解决，而车与车、车与路之间的无线通信网络则可以解决其他的问题。
平行交通系统，为无人驾驶提供基础支撑。平行交通系统包括了实际交通系统和人工交通系统，其中又分为三个部分，管理与控制、实验与评估、学习与训练，具体则包含自动驾驶数据采集与分析系统、混合交通信号控制、人工交通系统、云计算只能扩展服务平台和自动驾驶地图与交通信息发布平台。然而构建平行驾驶需要许多环境信息，比如交通环境实时信息，即周边其他车辆、行人、实时交通信号和V2X信息；智能交通系统信息，即交通拥堵情况、交通事故通报、道路监控信息；通行预测信息，即交通管制、道路施工、天气情况和道路状况信息；导航地图，即路面信息、车道信息和道路基础设施。人工交通系统交通信息的生成、预测与预案都是为了能够提前处理交通拥堵的形成。
3、无人车
无人车的关键技术：（1）在经验中获取知识；（2）复杂变化世界的自适应能力；（3）人与车、路的交互
参考论文：Ego-Centric Traffic Behavior Understanding through Multi-Level Vehicle Trajectory Analysis, Donghao Xu, Xu He, Huijing Zhao, Franck Guillemard, Stephane Geronimi, Francois, Aioun
4、V2X产业化进展与发展趋势分析
V2X是无人驾驶的必备关键支撑技术，并且可以避免81%的交通事故，道理交通效率提升30%。
在V2X设备直通场景下缺乏数据回传，规模化应用示范过程中设备间数据及安全告警数据等过于分散且不留存，难以基于微观数据对整体师范效果进行中观或宏观评估，基础设施优化成本高且缺乏可靠依据。
智能网联应用示范区，有必要建立专门的车联网大数据云平台，实现对示范区内OBU、RSU等设备进行统一管理，通过对关键状态数据的采集、处理和分析，逐步建设出示范效果评估与基础设施优化能力。
车载相机V2P应用的研究热点有，车载相机感知数据可以增强V2X现有应用，如V2P；单一感知源存在漏检和感知数据不精确问题；高精度地图数据也可以增强V2X应用，如车道线级别的信号灯协同；V2X数据对于车载相机和雷达数据能起到有效的交叉验证作用。
多层次多元素协同，智能网联汽车（CAV）和智慧交通（ITS）共同发展。智能网联汽车，高级别自动驾驶，要求包括V2X、高精度地图、高精度定位等在内的各种车内传感器、控制器、执行器协同。智慧交通，基于V2X技术，可以实现车与车协同、车与路协同，将其应用于智慧交通领域，有助于提高交通效率、节约减排。
