2018年7月6日，以“智能、互联、移动”为主题的第18届COTA国际交通科技年会在清华大学开幕，会议为期三天，聚集了包括全世界范围内交通专业学者和致力于研究发展中国家交通发展的行业人士。活动在汽车电动化、智能化、网联化和共享化的共识下，以及汽车技术与交通产生深度融合的背景下，聚焦未来交通体系重构的变革趋势，获得汽车、交通、IT等多产业学科的关注。

本次论坛设置的《智能网联汽车与交通》专题分论坛，邀请到北京航空航天大学运输系教授、博士生导师余贵珍，发表基于特定区域环境下无人驾驶思考的主题演讲。作为北京踏歌智行科技首席科学家，余贵珍通过分享自身以对市场的充分考察，为无人驾驶技术产业化指出运营方向并提供方案。以下梳理余教授的部分观点：

人工智能算法工具不是无人驾驶的“万能药”

对于近日行业讨论的人工智能存在的问题，余教授在无人驾驶实践后认为，人工智能具有以下鲜明的优势：

1、人工智能解决环境的感知问题，人工智能的图像处理能力非常强，通过深度学习能力，可以提高识别到99%，甚至更高！如Mobileye提供的智能行车预警系统，通过针对最具危险性的因素进行识别，建立自身技术壁垒。

2、人工智能解决复杂驾驶路况的决策问题，举例如五道口，在十字路口的驾驶决策将可以拆分出上万种决策，实验无法穷尽。而通过人工智能的增强学习，掌握最优决策后，再应用到无人驾驶技术内，可以达到较高决策能力。

3、对于过去未知世界，人工智能的深度迁移学习也开始解决很多问题。

针对人工智能应用到无人驾驶领域，余教授建议尽量用在点的研究上，对于整个无人驾驶系统都采用人工智能深度学习，规避黑盒导致的安全不确定性。

特定区域无人驾驶商机已经到来

针对无人驾驶实现量产商用问题，余贵珍教授认为核心是三大挑战：路权、用户心理、复杂环境；路权很好理解，目前无人驾驶没有法律支持，不可上路因此无法量产。其次，无人驾驶无法提供高安全可靠性，即使用户从无人驾驶车旁边路过都是被看做有危险性。复杂环境如上所说，类似人多车多的道路情况非常多，尤其在中国，需要海量实验验证，无法短时解决。

而在特殊区域场景下，如固定线路的无人驾驶：矿区运输、车间物流运输、码头港口运输；恶劣环境的无人驾驶：道路工程碾压、危险运输；汽车测试的无人驾驶：AEB测试、可靠性实验、碰撞实验等。这些场景有着巨大市场需求，并且规避了上文的三大挑战。

据初步预估，仅矿区运输方面，有着20-40万辆车的市场需求，通过无人驾驶技术的应用，帮助这些车在人力和安全上做到最优，这也是余教授合作的北京踏歌智行科技切入的蓝海。

真正量产的无人驾驶技术

本周，百度通过AI开发者大会公布了基于特定园区的商用大巴车，自称是率先全球实现L4级别的无人驾驶量产车。但从第18届COTA会后采访余贵珍教授获悉，在无人驾驶技术的解决方案上看，让无人驾驶量产车上路，北京踏歌智行科技早已经走在前面。

在余贵珍教授的采访中了解到，踏歌智行自2016年成立，通过大力研发自动驾驶机器人，获得自动驾驶机器人自动驾驶控制相关的十余项发明专利，同时，为了监控自动驾驶机器人的控制效果及安全反馈，在自动驾驶机器控制基础上增加了多项保障性发明专利，相当于一个机器人控制车辆，多维度的机器人进行安全监督，为自动驾驶提供双保险。

通过对特殊区域自动驾驶的市场探索，踏歌智行已经获得数十家企业合作，如在矿区环境：北方股份、同力重工、山东临工等；在汽车测试方向：上汽通用汽车；工程机械方向的XCMG徐工集团；物流及轨道交通方面的有东风汽车、交控科技、风神物流、江铃汽车等，可谓收获丰富。

当问起立足特定区域的无人驾驶细分市场原因，余教授认为，无人驾驶技术发展一定是分步发展，而在开放的社会公共交通环境下的无人驾驶市场成熟，相比特定区域还有5-10年的距离，无人驾驶技术不管在提升传统行业效率效能上，还是解放人在危险繁重的工程驾驶方面价值巨大，希望得到社会更多关注。