中汽中心发布自动驾驶场景平台，主机厂最关心这5点

智能网联汽车的研发离不开“场景”和“信息安全”。自动驾驶系统通过学习高速公路、停车场和城市道路各种场景的应对方法，获得在相同环境下安全驾驶的技能。因此，许多企业和研究机构正在收集真实的驾驶环境数据，提取有效的场景来训练和测试自动驾驶汽车。智能网联汽车信息安全也是一个热门话题。根据汽车信息安全的技术可靠性和通信安全性，从大量的研究案例中形成了漏洞数据库。以漏洞数据库为核心，进行汽车信息安全测试，及时发现信息安全问题并进行安全防护，可以减少和避免信息安全事件的发生。标准化的日常维护和应急措施可以最大限度地减少损失。考虑到这两点，2018年3月20日，由中国汽车技术研究中心有限公司主办的“中国智能网联汽车驾驶场景与信息安全数据大会”。，由中国汽车中心数据资源中心（以下简称“数据资源中心”）主办的有限公司（以下简称为“中国汽车中心”）在天津汽车中心东丽校区举行。本次大会在业内首次发布了《中国智能网联汽车驾驶场景数据共享平台》、《中国汽车行业脆弱性应急响应平台》、智能汽车信息安全自愿认证规则及评价体系。

中国智能网联汽车驾驶场景及信息安全数据在驾驶场景数据共享平台正式发布。近两年来，数据资源中心积累了数据建设、场景分析、模型构建、平台运营和行业服务的能力，并在初步探索中取得了一些成果，包括：收集了天津、上海近500个停车场景，处理了部分数据，形成了近100个停车测试场景；已完成北京、天津、河北等地30万公里高速公路行车场景采集和数据处理；已完成北京、天津、上海等城市道路驾驶场景采集，里程超过1000公里，并完成相关数据处理和测试案例提取。在本次会议上，数据资源中心发布了几项内容，包括驾驶场景数据采集与存储规范、基于视觉与多传感器融合的典型驾驶场景数据、基于视觉的精细标注数据。在活动现场，中汽中心还展示了一个自建的数据采集平台，该平台包括两种类型：一种是基于视觉传感器的驾驶场景数据采集测试车，另一种是多传感器驾驶场景数据获取测试车。现场工程师告诉我们，考虑到经济性和实用性，数据资源中心将使用基于视觉传感器的驾驶场景数据采集测试车，长期采集典型的驾驶场景，然后使用多传感器采集车进行有针对性的采集。未来，数据资源中心的工作也得到了进一步规划：场景的覆盖：在2020年之前，将专注于L3和L4自动驾驶系统的开发和测试；覆盖高速行车、地下车库、城市道路、农村道路、山区等重点道路类型；覆盖晴天、多云、雨天、雪天、雾霾、夜间等天气条件；覆盖识别标志、红绿灯、交警手势等关键场景；覆盖跟车、变道、超车、路边停车等关键场景；

驾驶场景数据业务计划在2020年底前完成覆盖中国40个重点城市的5000万公里自然驾驶场景数据采集，并完成驾驶场景数据库建设，将在三年内开展。其中，计划2018年采集500万公里驾驶场景数据，2019年采集1500万公里，2020年采集3000万公里。

在信息安全漏洞应急平台数据系统会议上，中国汽车漏洞应急平台（CAVD）正式发布。数据中心专家指出，漏洞平台是数据的载体，这意味着行业需要共同推动四个方面的工作，一是漏洞收集，二是漏洞验证和审计，三是有条件共享漏洞，四是漏洞修复和应急响应。目前，数据资源中心已联合各企事业单位共同开展汽车信息安全测试与保护共性技术研究，构建了国内首个汽车行业漏洞数据库，研究制定了智能汽车信息安全自愿认证规则和评估规定。据介绍，数据资源中心对汽车总线做了大量测试，形成了测试规范和使用手册，总结了信息安全的主要攻击点，并完成了数十次车辆测试。

中国汽车数据开放共享智能网联工作组有一个庞大的数据收集过程，需要更多的人参与。会上，中国汽车中心倡导主机厂、供应商及相关运营企业的参与，以中国智能网联汽车数据开放共享工作组的形式推动共建共享新模式，持续推进中国智能网联网汽车产业数据的建设和应用。那么OEM关心什么呢？许多企业和供应商的代表参加了这次会议。针对智能网联汽车驾驶场景数据共享平台的建设，大家主要关注以下几点：1。数据收集。收集多少数据是合适的？它是一次性收集还是初步收集，然后进行有针对性的补充？企业数据收集是否涉及相关资质？你能考虑与私家车或地图经销商合作，在收集数据的同时构建自动驾驶地图吗？如果我们考虑与私家车或图形经销商合作，数据准确性如何匹配，覆盖范围如何全面？2.数据处理和质量控制。训练自动驾驶汽车需要经过测量和标记的真实有效的数据。对于自动驾驶的研发企业来说，类似雨雪天气的Corner Case（罕见场景）尤为重要。能否通过软件算法对采集到的数据进行标记，从而最大限度地减少人工处理，提高效率？谁来评估数据质量？3.数据采集规范和标准。数据类型、场景定义和数据校准需要标准化，这将是所有工作的前提。需要什么样的数据类型以及如何统一格式需要原始设备制造商和供应商的参与。4、平台建设总体规划。自动驾驶的发展是一个系统工程。目前，原始设备制造商在市场上有不同级别的自动驾驶产品。根据自动驾驶L3-L5所需数据的不同，数据采集计划应与原始设备制造商的产品计划绑定或匹配。5.分享工作组的管理模式。项目管理是否可以用于促进每个节点的进度和结果，OEM是否可以全程参与？为了确保项目有利益机制，我们可以考虑引入资金，使其真正成为一个运营和管理的实体。如何在合作的同时确保不同公司产品的个性化？智能网联汽车的研发离不开“场景”和“信息安全”。自动驾驶系统通过学习高速公路、停车场和城市道路各种场景的应对方法，获得在相同环境下安全驾驶的技能。因此，许多企业和研究机构都在收集……

g真实的驾驶环境数据，并提取有效的场景来训练和测试自动驾驶汽车。智能网联汽车信息安全也是一个热门话题。根据汽车信息安全的技术可靠性和通信安全性，从大量的研究案例中形成了漏洞数据库。以漏洞数据库为核心，进行汽车信息安全测试，及时发现信息安全问题并进行安全防护，可以减少和避免信息安全事件的发生。标准化的日常维护和应急措施可以最大限度地减少损失。考虑到这两点，2018年3月20日，由中国汽车技术研究中心有限公司主办的“中国智能网联汽车驾驶场景与信息安全数据大会”。，由中国汽车中心数据资源中心（以下简称“数据资源中心”）主办的有限公司（以下简称为“中国汽车中心”）在天津汽车中心东丽校区举行。本次大会在业内首次发布了《中国智能网联汽车驾驶场景数据共享平台》、《中国汽车行业脆弱性应急响应平台》、智能汽车信息安全自愿认证规则及评价体系。

中国智能网联汽车驾驶场景及信息安全数据在驾驶场景数据共享平台正式发布。近两年来，数据资源中心积累了数据建设、场景分析、模型构建、平台运营和行业服务的能力，并在初步探索中取得了一些成果，包括：收集了天津、上海近500个停车场景，处理了部分数据，形成了近100个停车测试场景；已完成北京、天津、河北等地30万公里高速公路行车场景采集和数据处理；已完成北京、天津、上海等城市道路驾驶场景采集，里程超过1000公里，并完成相关数据处理和测试案例提取。在本次会议上，数据资源中心发布了几项内容，包括驾驶场景数据采集与存储规范、基于视觉与多传感器融合的典型驾驶场景数据、基于视觉的精细标注数据。在活动现场，中汽中心还展示了一个自建的数据采集平台，该平台包括两种类型：一种是基于视觉传感器的驾驶场景数据采集测试车，另一种是多传感器驾驶场景数据获取测试车。现场工程师告诉我们，考虑到经济性和实用性，数据资源中心将使用基于视觉传感器的驾驶场景数据采集测试车，长期采集典型的驾驶场景，然后使用多传感器采集车进行有针对性的采集。未来，数据资源中心的工作也得到了进一步规划：场景的覆盖：在2020年之前，将专注于L3和L4自动驾驶系统的开发和测试；覆盖高速行车、地下车库、城市道路、农村道路、山区等重点道路类型；覆盖晴天、多云、雨天、雪天、雾霾、夜间等天气条件；覆盖识别标志、红绿灯、交警手势等关键场景；覆盖跟车、变道、超车、路边停车等关键场景；

驾驶场景数据业务计划在2020年底前完成覆盖中国40个重点城市的5000万公里自然驾驶场景数据采集，并完成驾驶场景数据库建设，将在三年内开展。其中，计划2018年采集500万公里驾驶场景数据，2019年采集1500万公里，2020年采集3000万公里。

在信息安全漏洞应急平台数据系统会议上，中国汽车漏洞应急平台（CAVD）正式发布。数据中心专家指出，漏洞平台是数据的载体，这意味着行业需要共同推动四个方面的工作，一是漏洞收集，二是漏洞验证和审计，三是有条件共享漏洞，四是漏洞修复和应急响应。目前，数据资源中心已联合各企事业单位共同开展汽车信息安全测试与保护共性技术研究，构建了国内首个汽车行业漏洞数据库，研究制定了智能汽车信息安全自愿认证规则和评估规定。据介绍，数据资源中心对汽车总线做了大量测试，形成了测试规范和使用手册，总结了信息安全的主要攻击点，并完成了数十次车辆测试。

中国汽车数据开放共享智能网联工作组有一个庞大的数据收集过程，需要更多的人参与。会上，中国汽车中心倡导主机厂、供应商及相关运营企业的参与，以中国智能网联汽车数据开放共享工作组的形式推动共建共享新模式，持续推进中国智能网联网汽车产业数据的建设和应用。那么OEM关心什么呢？许多企业和供应商的代表参加了这次会议。针对智能网联汽车驾驶场景数据共享平台的建设，大家主要关注以下几点：1。数据收集。收集多少数据是合适的？它是一次性收集还是初步收集，然后进行有针对性的补充？企业数据收集是否涉及相关资质？你能考虑与私家车或地图经销商合作，在收集数据的同时构建自动驾驶地图吗？如果我们考虑与私家车或图形经销商合作，数据准确性如何匹配，覆盖范围如何全面？2.数据处理和质量控制。训练自动驾驶汽车需要经过测量和标记的真实有效的数据。对于自动驾驶的研发企业来说，类似雨雪天气的Corner Case（罕见场景）尤为重要。能否通过软件算法对采集到的数据进行标记，从而最大限度地减少人工处理，提高效率？谁来评估数据质量？3.数据采集规范和标准。数据类型、场景定义和数据校准需要标准化，这将是所有工作的前提。需要什么样的数据类型以及如何统一格式需要原始设备制造商和供应商的参与。4、平台建设总体规划。自动驾驶的发展是一个系统工程。目前，原始设备制造商在市场上有不同级别的自动驾驶产品。根据自动驾驶L3-L5所需数据的不同，数据采集计划应与原始设备制造商的产品计划绑定或匹配。5.分享工作组的管理模式。项目管理是否可以用于促进每个节点的进度和结果，OEM是否可以全程参与？为了确保项目有利益机制，我们可以考虑引入资金，使其真正成为一个运营和管理的实体。如何在合作的同时确保不同公司产品的个性化？

标签：北京发现

汽车资讯热门资讯