智能驾驶和智能网联当前全球标准汇总表(227个)_智能网联汽车相关标准

标准化是制定规格的过程。大多数标准是由技术界制定的工程标准，规定了产品应该如何设计或应该如何执行。换句话说，它们有助于建立重点，特别是在技术的新兴阶段。标准通常是对法规的补充，以设定产品必须满足的要求，以便被批准引入市场。虽然标准和法规似乎有不同的目标，但事实上，它们经常相互交叉，在某些情况下作为政策工具，用于解决安全、环境问题，并在技术和市场的出现和发展中发挥重要作用。

自动驾驶汽车技术对标准化和法律机构提出了巨大的挑战。这是一个新的、迅速崛起的领域，存在着若干正式和非正式的标准。由于发布机构多种多样，完整的标准化系统缺乏灵活性和对核心技术的关注。在大多数情况下，来自不同利益相关者的标准之间没有联系，即使它们部分地涉及类似的主题。

关键自动驾驶技术的进步导致了汽车市场的巨大改进和期望。自动驾驶方面的专家和整个行业都认为，需要迅速建立全球标准，以使相关的自动驾驶技术进一步发展。尽管如此，任何标准化进程都应该考虑到主要目标不是创建一个封闭的生态系统，使之适合所有尺寸，而是支持不同供应商解决方案之间的互操作性。

越来越多的新车载设备和处理大量数据的复杂性需要一套标准到位。这样，我们将解决系统的具体架构决策和限制，以确保运行效率，同时提供一个安全的环境。当然，标准不应该给出实施问题的细节，因为产品在设计和性能上必须有一定的自由度。然而，标准通常是通过一个开放的合作过程制定的，它们应该消除阻碍创新、竞争产品和服务进入市场的障碍。

我们应该强调，全球标准化对于互联和自动驾驶（AD）的及时和成本效益的市场发展很重要。标准化还需要帮助克服与公众接受有关的障碍，同时促进对社会需求和愿望敏感的公共政策。

一些汽车协会开始研究，探索标准的优先次序，以支持合作、互联和自动驾驶的发展和部署。标准的缺乏和自动驾驶系统的多样性确实带来了一个明显的挑战，那就是车辆互动。标准不一定来自汽车平台本身，而是来自通信方面。在市场上已经有了一些自动驾驶的功能，但自动驾驶的标准化可能仍然被认为是在其早期阶段。

总的来说，标准化产生的标准，是一个更有效和更有竞争力的行业的重要组成部分。最大限度地发挥标准化的积极影响的关键是在欧洲标准化系统内发展协同作用，同时考虑到标准化的国际层面。

它们被分为两类:在开发和已发布。此外，每个标准被分配到以下领域:

术语和定义

管理/工程标准

AD/ ADAS功能

测试，验证和确认

车载系统，网络，数据和接口定义

智能网联

人机交互

人工智能

安全

隐私和安全

地图和定位

下图显示了每个领域的标准数量，分为已发布的和正在开发的。从图表中可以清楚地看到三个迹象:

智能网联是标准数量最多的领域。这个结果完全在预料之中，因为没有接口、带宽、频率、协议等的标准化，就无法建立通信。

测试、验证和验证是继智能网联之后的领域，该领域的标准数量较多。首先，这主要归功于自动化和测量系统标准化协会(ASAM)的工作，ASAM负责指导和协调所有与仿真和虚拟验证相关的标准[7]。自2018年起，ASAM开始管理openenrive、OpenScenario、OpenCRG、开放仿真接口(OSI)。其次，CAD系统的验证是其商业部署的瓶颈之一。因此，越来越多的努力致力于验证方法和方法的标准化和规范。

人工智能(AI)是唯一一个没有发现标准的领域，除非人们预期如此。

通过对人工智能标准的进一步研究，国际标准组织(ISO)和国际电工委员会(IEC)于2018年决定成立专门研究人工智能主题的小组委员会(SC42)。SC42小组委员会是“信息技术”联合技术委员会(JTC1)的一部分。小组委员会第四十二小组委员会分为四个工作小组:

WG1:基础标准

WG2:数据

WG3:诚信

WG4:用例和应用程序

这些工作组正在准备的所有标准都不是专门为互联和自动驾驶领域开发的，但它们考虑了广泛的应用。

在汽车行业，与功能安全(ISO 26262)和SOTIF(预期功能安全，ISO 21448)相关的标准化活动已经开始考虑在ADAS和自动驾驶系统中引入人工智能算法的问题。然而，据当前所知，在汽车系统产品中部署人工智能软件的安全问题仍然存在。

然而，WG3内部完成的工作可能有助于提高联网和自动驾驶汽车的安全性。特别是WG3，它致力于可信度，它有以下任务：

通过透明度、可验证性、可解释性和可控性建立对人工智能的信任。

调查人工智能系统的威胁和风险

研究实现人工智能系统鲁棒性、弹性、准确性、安全性、安全隐私的方法。

首先，透明度和可解释性的概念在那些负责自动操作的决策和执行的软件模块中非常重要。如果发生明显的错误操作导致的事故，自动驾驶系统在事故发生前的决策过程必须是完全透明和可解释的。

其次，威胁和风险的话题对于评估道德和选择的善性至关重要。特别是，考虑到一些人工智能技术的性质，选择的好处需要使用统计方法进行评估。因此风险无法消除，但可以尽可能地减少风险。剩余的剩余风险需要量化，以了解是否可以被社会接受。

最后，鲁棒性问题对于在智能驾驶和智能网联车辆中部署人工智能模型非常重要。“鲁棒性”一词被用作描述人工智能技术的一系列属性的通用术语。然而，可以将鲁棒性总结为在小的输入变化下保持性能不变的属性。详细地说，并不要求输出对于小的输入变化保持完全相同，但是总体性能必须保持不变。举个例子，假设有一个人工神经网络能够以90%的检出率识别汽车。鲁棒性要求检测率在一天中的任何时间都保持不变。

为了验证人工智能模型的鲁棒性和性能，在实践中无法使用形式化方法，因此必须采用统计方法。在这方面，如一些学术专家建议，需要一个国际标准进行现场测试。在不同的行业和不同的应用程序类型之间，这可能会有很大的差异。无论在什么行业，现场测试都可以提高该技术的可信度和安全性，或总体上提高该技术的可信度。此外，该标准可以帮助定义不同利益相关者在设计、实施、验证和认证阶段的职责。

如前所述，所有这些方面对于人工智能在智能驾驶和智能网联车辆上的部署至关重要。因此，WG3正朝着正确的方向前进，为这些挑战提供解决方案，并使汽车行业能够使用安全的人工智能技术。

（欢迎申请加入智能驾驶交流学习群，加小编微信号zhijiashexiaoming）