3 天、21 支参赛车队、19 公里——亲历中国智能车未来挑战赛的24小时

头顶昂贵的“花盆”式激光雷达、后备箱巨大的计算设备、线路密集地布满车内，除了智能车挑战赛，恐怕没有哪一件事能把这么多近乎野蛮的“汽车机器人”聚在一起。

这是 2017 年 11 月 25 日，第 9 届“中国智能车未来挑战赛”（Intelligent Vehicle Future Challenge, 简称 IVFC）真实道路比赛的开幕现场，参赛车辆列队备战，它们马上要证明的，是在完全无人干预情况下穿过单程 13 公里的快速高架道路，并应对人工车流干扰、缴费站路障等一系列难题之后自主驾驶能力。

在选手、观众们的一片嘈杂中，裁判长王飞跃笃定地告诉现场媒体，“在自动驾驶这条路上，中国从来都不是弯道超车，而是要在平行赛道上直道超车”。说这话时，IVFC作为中国自动驾驶的技术狂欢，到今年已经跑到了第九年。

关于这场比赛

8 年前，也就是 2009 年，“中国智能车未来挑战赛”在国家自然科学基金委重大研究计划“视听觉信息的认知计算”项目下被创办，它也是目前中国国内启动时间最早、行业影响最大的无人车比赛。

多年来，挑战赛的赛程也在不断进行调整和创新，从 2009 年第 1 届相对简单的测试场景和自动驾驶汽车们的“蹒跚学步”，到 去年首次引入离线与真实道路的并行测试，今年，比赛还引入了真实交通流、复杂乡村道路以及自动驾驶路径规划、自主决策等新的考点。

具体，11 月 24 日为赛事首日，举办的是以考察环境感知算法实力为主的离线测试，25 日至 26 日则是实际道路上的真枪实战：25 日考察高速公路场景，26 日考察城市道路场景。

据雷锋网新智驾了解，此次智能车挑战赛的真实路况测试中，为了模拟自动驾驶落地所面临的几大典型技术挑战，如恶劣天气、行车安全、隐私保护、基础设施不完善、频谱分配不足等，大赛特别设立了一些针对自动驾驶汽车的“坎儿”。

例如据官方介绍，此次高速道路测试首次引入了真实交通车流，模拟高复杂度的行驶情况，并让无人车对交通部门执法者或公路安全人员的语音指令和手势信号做出响应；抑或是在车道标识不清的情况下，考察无人车的安全驾驶能力，在没有车道线、反光球或明确道路边界的情况下，考察无人车的驾驶决策。

以上这些，还只是比赛重重挑战中的一小部分，从离线到高速公路，再到城市道路，耗时 3 天，总时长近 24 小时，到底发生了什么？雷锋网新智驾从现场带来了挑战赛的实景。

Day 1：认知能力离线测试

认知能力离线测试是 IVFC 从 2016 年开始引入的全新测试项目，没有实车参与，只通过电脑完成，考察的主要是无人车的环境识别能力。

主要测试项目包括 ：前方车辆检测、车道线检测、前方车辆距离监测、车道保持状态监测与交通信号检测。 将从准确性和适应性方面对参赛队伍的识别算法进行评测。

1、车道线检测。 要求无人车在不同交通场景视频中识别常见的车道线位置并识别其线型。在真实交通场景中，车道线的线型主要有黄实线、黄虚线、白实线、白虚线四种。队员们从抽签得到的视频数据中，利用预先编好的算法检测出车道线的类型和位置。

2、交通信号检测。 要求系统检测出不同交通场景视频中常见交通标志和信号灯的位置并识别其类型。

3、前方车辆检测。 要求无人车检测不同交通场景视频中的前方车辆，不区分车辆类型。

4、车道保持状态检测。 要求系统基于给定交通场景视频，对测试车辆在行驶中的车道保持状态进行持续监测。

5、前方车辆距离监测。 要求基于给定交通场景视频，对与安全通行相关的多辆前方车辆的距离进行持续监测。

上述5个任务，每个任务有 100 组数据，每个参赛队伍将随机从中抽取多组形成数据合集，供自己的算法执行运算。最终，基于正检数（识别正确）、误检数（识别错误）以及漏检数（未识别）三个重要指标评分。

*赛队正在观测检测结果

很明显，离线测试是针对自动驾驶系统中感知模块算法的考核，清华大学自动化系副教授，也是本次离线赛事的专家组成员之一李力告诉雷锋网新智驾，此次测试所使用的数据集，来自团队从西安到常熟的沿路真实道路场景拍摄，包括高速和城市道路，数据集的形式包括图像和点云。

另据介绍，除了离线测试，在线测试还将涉及决策和控制层面，这是因为离线是无反馈的，是一个单向的识别过程，但在线测试可能会根据实际场景进行决策、反馈等复杂的互动过程。李力还透露，明年赛程中可能会通过模拟器的介入，设置虚实互动的更多测试场景。

Day 2：高速道路测试

11 月 25 日的高速道路测试，为 IVFC 的真车实战打了头阵。

今年，来自高校、科研机构和企业的 21 支车队，试图在全程无人干预的情况下，穿越单程 13 公里的常熟三环高架路，同时像人类司机一样解决路途中的突发状况。 据雷锋网新智驾了解， 赛方为了模拟更真实的交通和高速路场景所设置的考点共 5 个，包括入口匝道、模拟收费站、故障车辆、施工路段、以及汇入真人驾驶车流等。

考验从起点处就开始了，当匝道入口信号灯变绿时，无人车需要在规定时间内完成出发动作，并在与其他有人驾驶的汽车同行的情况下，通过匝道，汇入高架快速路。

之后，无人车将来到 ETC 模拟收费站，与去年不同，今年 ETC 共设置了两个通行出口，这意味着无人车辆需要从二者中择其一。另据王飞跃介绍，车辆在抵达 ETC 前需要完成降速至 15km/h 以下的动作，否则也视为失分。

施工路障引导掉头场景为赛道折返点，无人车辆需在这处考点完成掉头到对向道路的动作。

引入有人驾驶车辆并模拟真实交通流，是本届比赛的一大亮点，据赛方介绍，本次共计 20 辆有人驾驶车会与自动驾驶汽车共享赛道，并模拟出真实的高速路场景，这将要求车辆除了基本的依据车道线和指示牌等的驾驶决策外，也要通过测速、预判等复杂认知与其他车辆进行交互。

*部分参赛车辆现场图

现场，雷锋网新智驾随机采访了几家参赛车队，在传感器方案上，由于赛事的科研和学术性质浓厚，很多团队不吝使用最昂贵的 64 线激光雷达设备，辅以摄像头、GPS 以及惯导等感知设备，车前部多放置单线激光雷达，除此之外，成本较低的毫米波雷达是车队们的一致选择。

也有车队舍弃了高线束激光雷达方案，主要依赖高精度地图加定位辅助驾驶决策，由上海交通大学杨明教授带队的 CyberTiggo 属于后者，他告诉雷锋网新智驾，CyberTiggo 采用了以 16 线激光雷达结合高精度地图的传感器方案，整体方案成本较低，且 16 线激光雷达已经能够实现效果很好的 SLAM 自主建图和定位运算，定位精度 5-10 厘米，这对于第二天城市道路赛中屏蔽 GPS 信号区域的考点也有优势。

*上海交通大学车队CyberTiggo

另一方面，一些团队已经在尝试接入车辆底层控制，而非粗暴对油门、制动踏板进行改装，作为本届比赛的冠军赛队，西安交大联合广汽研究院研发的发现号和夸父号就做了类似尝试。西安交大带队教授、博士生导师薛建儒告诉雷锋网新智驾，此次参赛车队与广汽研究院合作，后者为无人车开发了底层运动控制，而前者则可以通过网络接口协议，与汽车 ECU、电控单元对话，做部分的速度、方向控制。

*西安交通大学&广汽研究院夸父号

*本届夺冠的西安交通大学&广汽研究院发现号出发

Day 3：城市道路测试

城市道路与乡村道路测试，于 11 月 26 日在常熟智能车测试场的“九宫格”交通场景测试区展开。“九宫格”是中国首个智能车测试中心的外场测试区，这个名字源于从空中俯瞰，测试场赛道呈现的九宫格外形。

据官方介绍，测试区域内设置有包括典型交通标线与标志、有信号灯及无信号灯的平交路口、非机动车混行路段、避让行人路段，卫星导航信号缺失路段、乡村简易道路以及终点等十余个考点。参赛车辆需依次通过每个考点，最终成绩根据车辆用时、人为干预次数等计算。值得一提的是，本届的城市道路测试也引入了真实交通流配合，这将要求参赛队伍将更多的无人车交互和复杂场景决策能力考虑进来。

相比高速道路，城市道路测试重视交通灯、行人、隧道等多元场景下无人车的应对能力。第一关卡，就是模拟GPS信号缺失的隧道场景，随后，考察无人车的信号灯和交通标志，以及骑车行人等元素的识别和决策。

 

*模拟隧道及自行车通过场景

在模拟交通流考点，除了无人驾驶车辆之外，还有数辆人工驾驶车辆行驶。人工驾驶车辆在道路上与无人驾驶车辆之间会发生超车、并线、会车等情形。要求无人车在无信号灯平交路口，按交通标线标志停车让行，依次通过。

*乡村道路测试

这几点也值得一提

告别野蛮生长，已经有人追求产品化方案

在雷锋网新智驾走访的参赛车队中，不乏选配 64 线激光雷达和一系列冗余配置的昂贵传感器方案的队伍，据初步估算，整车成本高于百万人民币。不过，相对粗暴的实验室方案已经不再是这场赛事的唯一风景，同济大学 Dominant 车队就属于另一类。

从同济大学 Dominant 的整体外观看，几乎是参赛队伍中最“干净”的，Dominant 车队成员告诉雷锋网新智驾，他们的整套方案是面向车厂可接受的逻辑进行传感器配置，车前脸一个 Velodyne 16 线激光雷达，配合车侧方雷达，分别进行了嵌入式处理，GPS 定位和摄像头被集成在车内。

*Dominant参赛车现场图

近两年，随着车企把自动驾驶车辆的量产提上日程，除了学术比拼，有利于产品落地的可行性方案值得参赛队伍去思考。

更多企业参与

正如裁判长王飞跃所言，许多创业团队，是在参加智能车挑战赛后，把技术逐渐形成了商业转化。雷锋网新智驾发现，在本次赛事中，除了众多高校、学术团队，包括广汽集团旗下广汽研究院、重庆力帆汽车、智能驾驶初创公司天瞳威视在内的一系列企业也参与了车队的合作研发，产研结合趋势明显。

此外，除了与西安交大合作，广汽研究院还派出了自己的参赛车祺迹 WitStar，在高速道路测试获得第七名，城市道路测试中获得第四名成绩。广汽研究院工作人员告诉雷锋网新智驾，目前参赛车队仍以 64 线激光雷达等多传感器冗余的方案为主，但与此同时，广汽对于可量产的辅助驾驶技术也在同步推进，前者积累的部分技术成果有望在辅助驾驶产品中形成转化。

*广汽研究院参赛车祺迹WitStar

本土传感器厂商崛起

去年，可能还有许多团队抱怨激光雷达传感器的高成本和供货不足，今年，更多国产激光雷达产品已经出现在参赛车队的整体方案里。粗略统计，今年智能车挑战赛至少有 4 家来自国内的激光雷达厂商与车队达成合作，并将产品集成在参赛车辆中。

此外，诸如 GPS 天线等设备今年的国产化比例也明显上升。

附本届中国智能车未来挑战赛赛果：

高架快速道路测试前三名：

• 第一名 发现号（西安交通大学&广汽研究院）、特立笃行号（北京理工大学）并列第一名

• 第三名 清华苏研 （清华大学苏州汽车研究院&重庆力帆）

城市与乡村道路测试前三名：

• 第一名 发现号（西安交通大学&广汽研究院）、驾驶宝（苏州市驾驶宝智能科技有限公司&苏州市职业大学）并列第一名

• 第三名 京龙一号（北京联合大学&苏州天瞳威视电子科技有限公司）

。