大陆集团服务于L3及以上高自动化自动驾驶不同的关键技术。中间内容是我们的核心技术，我们有我们的感知、定位、V2X、路径规划、动态控制等不同的核心技术。通过这些不同的关键技术不断地整合，服务于不同车型，包括乘用车车型、商用车车型在不同场合的不断的迭代开发。
接下来会带我们的一些代表性的项目给大家做分享。
左上角CityPilot，它是服务于城市工况的L4级别的乘用车解决方案。我们的车辆主要是在实验场以及城市交通进行场景的处理研发迭代，比如说十字路口，跟车、超车、转弯等场景进行不断的开发及优化。包括针对不同的交通参与者，针对对方行人，对方车辆，及其的轨迹进行相应的预测，这样可以服务于我方车辆自身进行相应的轨迹规划。 除此之外，该项目也会整合在极端条件下自动驾驶的功能降级策略，例如在恶劣的天气条件下，关闭自动驾驶并启用驾驶辅助功能。
中间视频是我们的自主代客泊车，大家可以理解随着我们的汽车保有量不断增长，我们也会面临一系列的问题。比如说交通环境的拥挤，城市停车位资源紧张，停车位空间小等问题。在这种情况下，我们经常会发现我们会有一些局部路段的交通堵塞，剐蹭事故的发生。包括大家去大型停车场也会发现找车位难、找车难等问题，给驾驶员带来困扰。大陆集团也是致力于运用新技术，能够给大家在泊车方面提供更高效、更安全、更便捷的解决方案。因为这一块我们后续会进一步地展开，所以我在这边就不做过多的停留。
右边图是大陆集团在高自动驾驶雪地路面的操控。大家提到因为高自动化自动驾驶在感知，规划，动态控制等领域有冗余的需求，我这里会带来一套服务于高度自动驾驶制动冗余系统MKC1+HBE，MKC1是我们的线控制动产品，把我们的助力器、主缸、ESC电子制动系统做整合，是一套一体式的线控系统。HBE可以理解为是一个简化版的电子控制系统，通过MKC1+HBE能够很好地服务于高自动化的自动驾驶，特别是在主系统失效的时候，辅助系统介入来保证行车安全。对于雪地路面，这一套系统可以进行预测性控制，通过结合轨迹规划， 定位技术， 地图，地面识别技术来进行特殊路面的动态控制及滑移率控制。
这边也是我们的代表项目，除了乘用车，大陆集团全球也会在商务车平台进行高自动化的自动驾驶不同的解决方案的开发。在高速情况下，有哪些难点需要一步一步攻克？非结构化道路，环岛，小转弯半径，各种交通参与者的处理。2020年到2021年的项目主要聚焦在高速公路的场景，2022年的项目内容和场景会有进一步的拓展。
中间是我们的路面识别技术，前面提到了我们雪地路面，当然不仅限于雪地路面，包括湿滑路面，颠簸路面，通过前面提到的大陆集团的一些核心关键技术，比如感知技术，定位技术，高精地图，可以对于道路进行感知。我们需要对路面的识别加上预测的能力才能针对我们的驾驶决策提供最好的输入。
在介绍全球自动驾驶代表性项目的同时，大家如果有参加到大陆集团一年一度技术体验日活动，我们称之为XP Day。大陆集团高自动化自动驾驶的乘用车平台，服务于城市高速包括泊车场景以及解决最后一公里接驳的无人驾驶小巴在每年都有不同的展出，带来新的功能及提出新的痛点。借技术体验日的活动，包括今天的论坛和业界合作伙伴们进行交流，也探讨一些合作的可能性。
大陆集团是一家全球500强企业，我们更多地把全球核心技术、核心平台带到中国来，进行不同的迭代开发。我们也会问自己，每个平台都需要注入资源，如果保证资源的供给？如何能够保证我们有最大的价值输出？我们需要把有限的资源进行聚焦，实现价值最大化。
针对自主代客泊车，我们认为它将会成为率先商用的高度自动化自动驾驶的场景之一。大陆集团中国前瞻研发部门也决定聚焦自主代客泊车并且把这颗前瞻的种子种在了中国。我这边会做进一步的展开。
对自主代客泊车功能，大家并不陌生，在这边会做一些前期的铺垫，首先自动代客泊车相关的国际标准ISO23374将AVP功能分为3种不同的类型。左侧Type1 AVP利用单车智能实现自主代客泊车，感知、规划和执行均由车端负责。
右边Type2，按照ISO来说，利用场端智能实现自主代客泊车功能，场端安装传感器和边缘计算单元，来负责感知和规划部分，汽车仅作为执行机构，依据场端提供的指令执行驾驶任务。
前面提到把那一颗前瞻的种子种在了中国，是中间这一幅图。我们通过聪明的车，智慧的路，能够通过把部分的智能从车端挪到场端，通过车路协同， 既提升了行车安全性又提高了泊车效率。
如果大家对前面一幅图并没有充分理解，我们可以看一下我们的功能架构。对于要实现自主代客泊车来说，首先需要有传感器，形成环境模型，并且定位，由此得出车在整个车库的相对位置。在知晓车的当前位置，包括可用车位的位置后，可计算出最优路径，这就是我们提到的路径规划。在整个行驶过程中，也会有不同的交通参与者，比如说有行人，车辆，如何根据其他交通参与者做出合适的行驶轨迹和姿态规划及控制。
从这一页大家就能看到我们有不同的颜色标签，橙色是需要搭载在车上的功能，灰色是需要搭载在城市道路端的功能，如果按照ISO23374的定义，Type1这张图可以看到，感知、规划、路径规划、轨迹规划都是基于车端的智能。这是Type2，第二类代客泊车，大家可以看到我们的传感器包括基于传感器的感知定位、环境模型、路径规划、轨迹规划，这些功能都是搭载在场端，基于场端给出指令，车辆接收指令执行驾驶任务。
在Type3这一块可以看到有很大的差异，这是我们大陆集团中国前瞻技术部门往前推进的项目，就是基于车路协同来实现自主代客泊车。里面有一个典型的功能，右上角mission planning就是我们的路径规划，我们场端从云端获得高精地图、我方车辆的位置及场端分配的车位位置信息。在这样的情况下，场端可以规划出最优路径，发给车辆，这是Type3相较于Type1比较典型的功能之一。
在这个基础上，大家可以看到左边特别是我们的感知，感知的环境模型，包括定位，这一块可以看到其实还是需要车端有智能，需要有360环视，超声波技术实现整个泊车过程中的场景处理。这些可以有橙色和灰色来共同承载的一些功能，怎么理解？在室内停车场普遍会搭建一些立柱，而这些立柱会形成一定的盲区， 针对盲区车端感知没有办法第一时间探测到盲区的交通参与者，这样的情况下可以通过场端的智能进行感知，给予车一个全面的信息输入，从而车辆有更全面而准确的环境模型，来进行最终的行驶轨迹和姿态规划及控制。
除了功能架构，在这边我也会和大家聊一聊，需要承载这样的功能，需要有不同的终端，在这里我们列举了一些终端，也比较有代表意义，我们这边的用户端，包括右上角的云端，车端和场端。可以看一下分别在不同的终端承载哪些功能？
不同的背景颜色代表不同的生态终端，这里面的一些文字，有一些不同的颜色，深色的是当下已经在开发完成的功能，浅灰色是在下一个迭代开发的过程中会进一步地往前推进。
首先用户端它需要承载有一些功能，比如说泊车泊入泊出的需求，需要从用户端、手机端发送。包括ISO有明确的标准要求，自主代客泊车在泊入泊出的过程中，需要终端用户能够在手机上可以实时看到，而这些视频流也能得以保存，帮助后续在有事故纠纷的情况下能够进行追溯。
再回到右下角，场端基础设施，前面提到了场端需要有高精地图，并且能够支持SLAM定位，在这个过程中，需要得知车的位置，也需要分配停车位，根据对车辆的精准定位和泊入车位的选择，场端有能力计算最优路径，并发给车端，这也是需要我们基础设施端来实现的。
还有一些场景，比如说当下希望能够把车路协同自主代客泊车解决方案带到我们的公共停车场，那需要考虑当车辆出现问题的时候，我们需要有远程的接管及控制能力，在驾驶员缺位并且泊车功能因故障而暂停等情况下，能够远程操控车辆行驶到泊车点，保证车辆的安全以及通行的效率。
前面介绍了场端承载的功能，这边我再讲一下云端。
云端目前需要承载哪些功能？前面提到一些，因为要搭建整套系统，在云端，针对地图需要进行数据的储存，数据的更新，包括地图的更新。因为这一套方案在不断地迭代，需要和终端用户，和基础设施运营方，包括停车场运营方能够有更多的一些合作，在云端可以引入更多的一些服务。比如说车辆可以在进入商圈车库之前先预定停车位，来获得自动泊车的轨迹输入，来预定充电服务，及洗车服务，甚至是在大型商圈，知道我的目的地，比如说我需要去西贝用餐，系统可以预留通往餐厅最近的电梯口旁的车位，并且获得最快的路径帮助我非常高效地到达我的停车点。这些服务是需要和云端进一步融合，来扩展更多的使用场景，提高用户体验。
讲到用户端、场端、云端，这边是我们的车端。
刚才讲场端，并不是完全偏重场端，把所有的智能都放在场端，我们现在是轻车熟路。怎么理解？对高自动化的自动驾驶我们要考虑冗余，但是如果把所有的冗余都放在车上，成本相对偏高。我们希望能够用轻车熟路这个概念，在部署一定范围的场端设备基础上，适当降低车端的传感器设备数量，从而实现完善的车路协同体系并提供多样化的功能拓展。
今天和大家分享一个应用场景，这个停车场就坐落在大陆集团嘉定研发中心。我们在整个停车场区域也搭建了前面所提到的基于场端来支持车端来实现自主代客泊车的各类基础设施，并且通过这边提到的共享智能，来灵活应对和处理对行人的避让、在车辆存在超视距的潜在事故风险时，通过车路融合的环境模型进行有效规避。
假设通过路口的车辆有盲区，可以通过场端的感知发送给车端来进行车辆的碰撞避免。系统也可以支持不同接车点，根据不同的接车点，场端会分配路径，告诉车辆以高效的方式行驶到最终的接车点。
我们下一步想法是能够和业界的合作伙伴携手，把这一套系统在政府的支持下能够在大型公共停车场能够进一步落地。因为前面提到有很多的技术难点，比如说远程的控制，多种服务的叠加，有一些功能已经实现，但是我们需要能够在更大的平台上去持续迭代开发及验真，并且在与运营方，用户端进行思想的碰撞，技术的碰撞之后，可以把整个解决方案打磨得更加成熟，共同向前迈进。
除此之外，在当前的开发过程中我们碰到了很多难点，前面提到了我们定位是用SLAM定位，但是SLAM定位也会有问题，有一些场景的特征值并不多，不能服务于很好的定位的需求。我们也会后续在迭代开发的过程中会用不同的定位方式，比如说我们室内的UWB定位加一些视觉标记物，来帮助解决当下的一些痛点。前面提到的技术路线聚焦在场端对自动驾驶车辆的赋能，但是我们的方案同样能扩展到传统车辆。
在我们不断迭代开发的过程中可以剥离出一些功能，它可以有更高的普适性，可以服务于传统车辆和自动驾驶车辆，比如前面提到的，解决找车位难、取车难等痛点。根据多样化的用户需求，提供全面的、普适性的解决方案。
针对服务的叠加，这里就不再赘述，期待在会后和大家相互交流、共同进步。
