近年来，智能网联汽车产业进入发展快车道，政策法规环境持续完善，技术加速迭代，产业应用快速普及。

第九届国际智能网联汽车技术年会（CICV 2022）聚焦与新一代人工智能、智能交通、信息通信、智慧能源相结合的新型汽车产业生态，以“创新战略·跨界融合·协同发展”为主题，聚集全球顶级专家、政策制定者、产业领袖，共享全球实践、凝聚行业共识、促进产业发展、探索技术创新、强化生态建设、推动应用落地。

在8月1日的第九届智能网联汽车技术年会开幕式现场，丰田先进技术公司葛卷清吾先生，对日本网联化自动驾驶系统战略创新促进项目SIP进行介绍，以下为现场速记，未经本人审阅。

大家好，我是葛卷清吾，是自动驾驶系统SIP-adus的项目主管，我很高兴成为CICV科技委员会的专家成员，我也希望我们的2022年第九届CICV取得圆满成功。

很荣幸今天有机会为大家介绍一下我们的SIP项目，今天我所讲到的是以下主题。当我们考虑到未来交通出行的时候，我们是面临着很多社会问题要解决的，包括安全、环境以及自由出行方面的问题。我们的汽车行业已经进入到了百年一遇的变革期，换句话说，我们正在经历创新阶段。比如说我们现在已经有了很多创新的应用案例，我们也为各种交通出行选择做好准备，也包括自动驾驶可以成为未来新的交通方式。

今天我会为大家介绍一下日本的产业、学界、政府之间的合作，以及在实现自动网联驾驶方面做出的努力。

日本政府在社会5.0这样一个概念下不断推进研发政策，社会5.0有可能实现既能促进经济发展，又能通过网络和物理空间的平衡来找到更多社会问题的解决方案。根据相关部门统计，我们的创新促进计划或者说叫做SIP项目，也是实现社会5.0的重要计划之一，这是一个为期五年的项目，第二阶段是从2018年开始进行研究的，我们有两个项目正在进行当中。SIP的目标是要促进各个部门和行业以及学术界、政府之间的密切合作与研发工作。从基础研究到具体实践和商业化，这张图片为大家显示出了SIP-adus项目的推广框架，我们的政府和数字化机构紧密合作，提出了公共和私有部门携手合作的战略，并且提出了相关的倡议以及路线图。我们的国家部委也包括内部通信部、经济贸易、工业部、土地基础设施、交通和旅游部门共同合作，致力于更好的去实施SIP-adus项目，并且进行合理的监管。

现在我们也是处在激烈的发展和竞争当中来实现并推广自动驾驶，竞争是非常重要的，因为竞争可以让我们加速开发并且去降低成本，但同时我们也要展开合作来克服我们面临的共同挑战。所以我认为竞争和合作对于加速自动驾驶企业的实现是非常必要的，而我们面临的一些共同困境在于研发，包括高精动态地图，安全的保障以及国际合作方面，同时也包括公众的接受度、创新监管等等方面的问题。

我们的项目由四个重点板块组成，分别是技术研发、公众接受度、国际合作以及现场测试，我们也相信现场测试FOT会加速发展，不仅在合作领域，在竞争领域也是如此。我们也希望能有更多公开讨论的机会，这也会有助于促进国际合作，并且提高公众对于自动驾驶的接受度。

关于技术驾驶方面，SIP-adus第二阶段有四个重点主题，也就是发展动态交通、环境信息，也包括交通、环境数据部门，同时去实现自动驾驶系统adus安全保障虚拟验证平台和入侵导向系统的评估方法。

今天我会重点解释两个方面，首先是有关为自动驾驶系统建立交通环境信息方面的努力。正如我开始时候提到的SIP是为了实现社会5.0阶段我们面临的普遍问题，这张图就显示了一些动态的概念。动态地图是由高清3D地图和动态数据组成的，这样的动态地图数据库不仅仅对自动驾驶可以发挥作用，对路上所有行人和司机也可以带来帮助。作为SIP-adus项目的第一项成果，我们的动态地图、动态平台或者叫做DMP从2017年开始服务于我们，有六家地图公司以及九家老牌的制造商投资于这样一个DMP项目，从2018年开始在商业基础之上发布日本所有专用高速公路和高清3D地图的数据。

SIP的第二阶段我们会开发一个动态交通环境数据库，比方说包括交通情景信息，以及一些驾驶辅助和交通路况方面的信息。这些信息会进行高效的传播，同时我们尝试构建起一个动态地图信息架构。V2I和V2N都包括各自的优缺点，我们要根据每一个具体用例的需要进行选择。

2019-2022年我们在东京海滨地区进行了实际操作测试，首都快速路也作为一个重要的测试道路，我们也通过信息公开增加了很多问题，我们有二十九家参与者，包括汽车制造商，包括零部件供应商和高校。不仅仅是来自日本也包括来自欧洲的一些参与者，我们在东京台长地区在三十三个十字路口的交通信号灯上安装了数据通信设备，可以发布当前的交通信号信息以及接下来的路灯颜色变化，我们也证明通过V2I信号信息可以进行很好的数据传播，并且保持一个稳定的传播。即便这两个传感器都是在非常波动的环境之下，同时我们也证明了在信号的剩余时间当中，我们可以有效的避免一些十字路口出现的交通违法行为。

同时我们也可以看到右下角标明了TSI19091，是对自动驾驶系统的标准要求，从2021年开始我们对于V2N发布交通环境信息，可以进行更广泛的信息交流和传播，在东京海滨地区我们的FOT通过V2N发布交通信号信息，包括降雨量、交通堵塞信息，以及详细和精准的天气信息，紧急车辆的位置信息。这些信息对于自动驾驶汽车刹车、变道都是非常有帮助的，但仍然存在于像延迟、安全等等问题。

以上的例子只是在连接自动驾驶系统的用例当中体现，并且说明V2N有很大的潜力，但仍然有几个尚未解决的问题，我们也必须要与工业、产业、政府和学术界共同合作解决这些问题。

SIP项目也在为机器人智能技术路线图，以及在基础设施和更广泛的范围当中实现量产进行努力，我们也研究了关于基础设施的布局和功能，并且发布了这样的一个发展路线图。我们希望这样的一个路线图可以帮助汽车产业和信息通讯技术产业之间进行更多的对话和合作，解决这些问题。

现在我来为大家介绍一下DIVP项目，现在我来为大家介绍一下这个项目智能驾驶验证平台，其实安全对于自动驾驶来讲是非常关键的问题，我们也需要找到一个可行的方法来评估车辆的安全性能。目前，自动驾驶系统的可靠性和安全性验证都是以实际的驾驶性能验证为基础的，但真实的道路测试非常重要，但其中存在限制。我们启动了一个项目，在空间当中构建一个验证平台，这个项目就叫做DIVP项目或者我们把它叫做智能驾驶验证平台。这个项目聚焦于从现实出发，同时我们可以看到高度一致的传感器建模也是自动驾驶和自动驾驶系统安全保证的关键促成因素。

这个项目试图建立一种反射特性或者通过毫米波、雷达以及可见光摄像头和近红外激光雷达的物理模型进行射线追踪，通过这种特殊传播模型来进行构建。同时我们的项目还会建立起相关的物理模型，这些是建立在受探测环境影响的物理现象上的模型，比如说降雨、阳光等等。

这张幻灯片显示的是一个财务建模的框架，我们现在是通过系统化的识别，模拟建模实验、关联和差距分析的程序来制作模拟模型，基本的验证正在进行当中，是作为实验室水平和实验场，其中就包括静态和动态验证。最后，我们通过检查情况对方案进行扩展验证。

这段视频显示了摄像机模拟的输出，通过比较这两张照片很难找到真实拍摄与模拟之间的区别，摄像机模拟模型或者是摄像机模型模拟的是输出到CMOS等半导体的光谱特性，而不是对人眼友好型的RGB。

这个图形显示的是360度的灯光模型，激光由于指向性的特点相对来说比较容易调节。同时也可以去评估它对于人的眼睛，对人情绪的干扰，就如背景一样。激光雷达实际上是很难进行建模的，这是一个3D模型，根据无线电波在反射目标上的具体行为，定义并且使用了三种反射模型。分别是物理光学近似模拟、几何光学近似模型和雷达到截面的模型，这三个都是根据它们分配到物理的组合进行场景化的分析。结果我们得到了与现实环境非常良好的吻合度。

感应弱点的验证主要体现在环境条件上，需要物体物理模型的一些具体特性，比如说反射传输和额外的一些电磁波衰减。高动态范围的相机模型可以提供即使在黑暗条件下也能识别的一些具体任务。我们一定要特别的关注接近的验证或者是自动驾驶的场景，有必要将这个空间定义为一个单元，可以根据它的复杂程度设定一揽子方案，可以提高可靠性水平、安全性、可靠的安全评估都在这个方案当中进行。我们正在根据传感的一些特点，包括传感的一些弱点或者OEMS的具体选择，在这个领域生成虚拟模型。

弱点模型的生成是针对于我们的黑夜、暴雨、阴影的选择，音调的调整等等。

这是一个总结，DIVP将基于三个时期的弱点场景，为多个安全保障做出贡献，为每个传感器和测量与验证技术的物理特性进行环境模拟，我们希望通过国际合作能够持续的为自动驾驶安全保障做出贡献。

最后，我想要谈一谈2022年ASIP（音）的研讨会，我们计划于10月11日-12日，在京都举办ASIP研讨会，这是作为SIP-adus最后一次研讨会，我当时希望有越来越多的人能够参加到我们的研讨会当中。

我的演讲讲完了，非常感谢大家的支持！