作者丨钱漪
编辑丨郝秋慧
汽车3.0时代最热的领域莫过于新能源、智能网联和无人驾驶。
第六届中国汽车技术转移大会旨在搭建中国汽车行业各界深度交流合作平台，促进技术成果对接转化，针对新能源、智能网联、无人驾驶等核心技术领域涉及的产业政策、行业趋势、技术路线和商业模式等问题进行探讨。亿欧汽车受邀参加本次活动。
在开幕式及高峰论坛上，清华大学研究院智能网联中心主任戴一凡、同济大学校长助理、汽车学院院长余卓平，北汽集团越野车有限公司总经理王璋，东风汽车集团有限公司技术中心科技创新部部长韩杨、新思科技验证事业部市场营销副总监Marc Serughetti发布主题演讲。
戴一凡的演讲解读了“基于移动通信网的高精度地位系统”，指出高精度定位是实现无人驾驶场景不可或缺的技术，也是智能交通和智慧城市建设核心的基础。为提升系统覆盖度，亟需协同移动通信网精密定位。
他认为技术落地正面临的如下三大挑战，第一，时钟同步误差导致基站定位误差；第二，多路径效应引起定位误差；第三，频谱资源利用的管理和运营。基于移动通信网的高精度地位系统则能够消除时钟同步的误差，将时间精度导致的空间误差从常规系统20纳秒提升至100皮秒。这对于厘米级精度自动辅助驾驶系统，城市密集区域的高精度定位服务来说是一大技术突破。
智能网联汽车技术沙龙以“测试技术-为无人驾驶保驾护航”为主题，论坛从场景库、虚拟仿真、信息安全、传感器及整车测试等方面出发，探讨了智能网联汽车在安全性提升方面的解决方案，发布了多个深度技术报告。
新能源汽车技术会议针对新能源行业的变化，对科技成果转化的问题和汽车技术升级提出发展建议。
亿欧汽车将主要嘉宾语录精华为您整理如下：
同济大学校长助理、汽车学院院长余卓平：补贴退坡后新能源汽车发展思考
插电混动和纯电动汽车有明显差价。插电混动车型，特别是中端车型，目前在市场上有很多。我们目前正在研发增程技术。增程技术的意义在于，一般在城市工况特别省油，到高速工况由于是串联耗能，我们通过增程技术，高速的时候发动机自驱解决高速时候能耗问题。
能源和能源装备是一一对应，氢将来会是燃料电池。从这样关系来看，燃料电池有非常好的发展空间，从长远来讲燃料电池价格不会贵。从市场发展来看，日本、韩国现在也正在大力推动，刚开始着眼点在乘用车上。
我们国家最近这一年，燃料电池使用场景基本上在运营商用车上。2021-2035的国家战略里面有提到，未来15年里面，我们国家要实现燃料电池商用车规模化运营，所以在这里面你们可以看到燃料电池有它的定位。长途、大运量、加注能源时间极短，这就是在运营车辆里面能找到定位的。不是讲燃料电池要取代纯电动，纯电动形式应用在小型电动车上我认为是最优的。
将来，氢能和电互补，燃料电池汽车和纯电动汽车也同样互补关系，不是竞争对立的关系。国家在发展氢燃料电池这方面有优势，但由于工程量大，标准规范上的挑战比纯电动多得多，应该在新能源汽车里最后一个实现产业化。
北汽集团越野车有限公司总经理王璋：“产业转型下越野车的创新发展之路”
越野车产品有它的特点与技术路线，我们要掌握越野车核心技术以及发展的新趋势。同时，我们要创新其他新技术应用，将相对成熟技术产业化和市场化结合。
北汽越野目前在做电动化、智能网联、轻量化、无人平台和综合防护方面的创新研发。越野车主要在混动方面，利用电高动力性，节油是一方面，电动技术在我们越野车上，更突出的优点反而是动力性提高。
P2是目前产业化程度最高混动技术，尽管产业化程度高，资源主要集中在比较大的国际公司，标定时间很长，研发费用高。但我依然认为这个技术在越野车上，是对车型改动最小、最容易实现、最容易接受的一个技术。
江苏省智能网联汽车创新中心戴一凡：面向无人驾驶的场景挖掘与构建
大家现在都知道无人驾驶汽车非常的热门，国外的特斯拉也好、Google也好，包括国内从无人驾驶到驾驶辅助，不同层面的智能汽车产品和一些实验都在进行大量的示范运行。我们从媒体上公开的报道，还有一些不公开的，能看到无人驾驶或者驾驶辅助系统导致的一些安全事故。
我们无人驾驶汽车真的要成熟的上路，大规模的用还有很长的路要求，还需要很多的测试。我们讲测试，我们传统汽车行业，汽车的测试一直随着汽车的发展，是已经发展了100多年的产业，汽车上路的第一天开始就有很多的测试。
我们说无人驾驶汽车测试，认为它的测试较传统汽车发生了本质的变化，包括第一，测试评价的内容。传统汽车测试的时候主要测试机器执行能力，但是我们对无人驾驶汽车主要评价机器的决策、控制、感知；第二，测试评价的工况变化；第三，测试评价的工具链。
下面讲讲基于视觉分析的场景挖掘技术。绝大部分的场景不是我们凭空想象出来，而是我们根据生活经验，包括从设计驾驶环境中发生的事故提取出来的。场景的来源主要有两个部分，一部分是真实数据源，一部分是虚拟数据源。
真实数据源大概有三种——第一，路测监控系统，这些数据为我们提取合适的场景提供了非常好的数据资源。第二，车载采集系统数据。这是现在很多场景库研发机构用的方法。第三，事故数据。发生交通事故以后交警部门和事故分析机构会到现场做记录，这些也是很重要的场景数据。
虚拟数据源大概也分三种：第一，试验设备驾驶模拟器开出来的，介于真实和虚拟之间的数据。第二，人为构建场景，人为合理想象出来的虚拟场景数据。第三，驾驶模拟器场景，它是经过人类的思考高度提炼写到标准中的数据，既然在标准当中，当然也是我们场景库里面需要测试的场景。
为什么今天要重点强调基于设计挖掘的场景？因为场景提炼的数据不止基于视觉，还有很多采集车有毫米波雷达、激光雷达，包括其它传感器，这些数据都可当作我们场景挖掘的基础数据。
