全新视角理解智能驾驶系统运行原理与安全
作者 |赵国栋
本研究旨在重构智能驾驶系统理论和架构，彻底解决智能驾驶产业的安全问题，促进产业落地。本文需要和《智能驾驶系统实时校验机制的研究》（已在知网刊出/将在汽车工程期刊2025.7刊出）同步交叉阅读，确保逻辑的连续和完整。本文是对其研究范式、背后的思想、关键概念做解释说明。
不同的研究范式：
首先，需要把交通场景、智能驾驶系统和交通服务作为有机整体统一研究，追求整体的结构性协调、逻辑自洽。
其次，超越感观和经验，来理解交通场景运转的本质，包括宏观和微观层面。在物理层面理解一些基本概念，比如信息、机制、系统、错误、事故、不可解释性等。业界的约定共识，比如一些白皮书，一些安全标准等，既不是本研究的支撑点也不能左右其结论。
同时，研究覆盖电子系统、通信系统，佐证理论和思想的普适性。因为，电子系统、通信系统的产业成功是客观事实。
基础思想：
信息理论、系统理论贯穿全文。不过需要说明一下，当今业界的信息论和系统论还是上世纪四五十年代维纳、香农等人提出的。在人工智能时代，需要动态的理解和应用信息论和系统论。
核心的思想：
将交通场景的运转分为状态和规律两个层面研究；
超越AI计算，全局看交通场景运转涉及的计算、机制、规律、状态等；
提醒：本文中一些观点、解释并不是业界共识，一定程度依赖作者“直觉”。所以，读者可以理性的质疑、批判。针对这些观点，作者会在文中提示。
关键词：排列组合、秩序、统计、分类、错误、规律、机制、逻辑自洽。
1. 当前智能驾驶系统安全问题
当前智能驾驶系统框架如图1所示，围绕AI计算能力搭建。系统能力是有限的、静态的、封闭的，但是现实交通场景是开放的，多种交通要素随时间动态变化，并受环境影响，这是智能驾驶系统永远都有cornercase的根因。用表格1描述当前智能驾驶系统常用的安全措施和弊端。
表格1常用安全措施
安全措施 |
描述 |
弊端 |
性质 |
真实数据训练 |
采集真实的交通场景数据训练AI模型，提升模型能力 |
真实场景变化无穷，永远由cornercase |
前验措施 |
预期功能安全设计 |
ISO 21448体系，定义系统功能局限，适用场景的范围 |
很难提前定义准确场景范围、能力边界 |
前验措施 |
兜底规则 |
开发、验证阶段定义清楚不可应对的场景或条件，写成逻辑规则 |
很难提前定义准确所有的不可应对场景或条件 |
前验措施 |
GOD网络 |
计算复杂度高、数据依赖性高、极端条件下精度降低 |
作用有限 |
|
冗余备份 |
传感器、系统设备都可冗余备份 |
置信度问题，成本高 |
作用有限 |
增加AEB |
一种传统方案和智能驾驶方案的融合 |
也有置信度问题，整体系统没有完整、自洽的逻辑 |
作用有限 |
图1当前智能驾驶系统框架
另外，当前智能驾驶领域几个典型的现象：
一个普遍的观点“由于AI的不可解释性，导致智能驾驶系统无法设计实时校验机制，当然也无法做功能安全设计（ISO26262方法论下的安全设计）”。这是一个非常普遍的误解，AI的不可解释性是客观的，但是它和有没有校验机制没有因果关系。
当前智能驾驶领域汇聚了世界最聪明的科学家、工程师大规模开展研发超过10年，很难说L4/L5级别（公众理解的无人驾驶）的智能驾驶产业在某个时间点能落地，或者再解决多少工程、理论问题就能落地；
偶发的智能驾驶事故，大大降低了智能驾驶产业的公信力；
2. 认识交通场景及其运转原理
要想改造这个世界，先认识这个世界。
关于安全智能驾驶系统框架的推理逻辑参考《智能驾驶系统实时校验机制的研究》，这里深度解释一些基本概念，让读者在物理层面理解交通场景的运转原理。
这些基本概念需要放在一个具体场景中统一研究和论述才能看到本质。因为物理世界中的系统运转呈现整体性，孤立的研究一个概念往往会失去动态属性、关联属性。
另外，同一个事件在不同的场景中需要关注的信息含义也不同。比如在交通场景运转中，无论什么车只关注时空资源使用合理性，关键不能出现时空重叠（交通事故）、时空使用不合理（交通违规）。但是在商务场景，一辆车往往可以体现一个人的身份地位。
图2交通场景及其运转原理
对照图2，逐步解释交通场景中场景、信息、系统、机制、错误、事故等基本概念的物理含义。
2.1. 交通场景
在物理领域，通常将世界分为状态和规律两个层面来研究①，作者的思想与其不谋而合。在论文中将交通场景运转分为维度信息和本征信息两个层面，本文用状态和规律来描述，底层思想是一致的：
交通场景的存在状态；
主导交通场景运转的规律和法规；
2.1.1. 存在状态
交通场景的存在状态，就是描述在一个确定的时刻：
交通要素，特别是交通参与者在交通场景中确定的空间占有；
自车的路径规划；
交通标识、指示灯允许或限制一个确定的空间的使用条件；
关键属性，在一个孤立的时间点和静态空间范围研究，所有要素是静态的、独立的、确定的。细节可以详细阅读《智能驾驶系统实时校验机制的研究》中2.2.2节。
①将世界的描述分为状态和规律两个部分是有帮助的。状态描述了“这是什么”，规律描述了“事物如何改变”。
----弗兰克.维尔切克
当时还没有到弗兰克.维尔切克的《万物原理》，论文中用维度信息和本征信息描述。只是描述的差异，底层思想是一样的，而且用维度信息和本征信息在应用技术领域应该更合理，尤其在系统的普适性描述上。
这是本研究范式的关键思想基础，读者要跳出当前用AI面对一切问题的思维范式。
2.1.2. 规律与法规
交通场景最关键的活动是交通参与者从A点移动到B点，移动过程中必然中遵守物理运动规律。同时交通场景人类为了满足出行需求搭建的，参与者的行为必然在法规制度允许或限
制下进行。每个交通参与者都统一的规律和法规主导下进行交通活动，所以交通场景的运转被规律和法规主导。用信息模型描述主要体现几个维度上：
信息的时间序列性，每一个交通参与者的运动轨迹遵守物理规律，需要一个时间序列信息描述。
意图与关联，交通参与者根据法规规划自己的行车路径，过程中与其他要素相互影响（背后的物理法则，宏观世界时空不重叠）。
关键属性，在一段连续的时间和动态的空间范围研究。所有要素都是动态的、相互关联和影响、有不确定性。细节可以详细阅读《智能驾驶系统实时校验机制的研究》中2.2.1节，目前看论文中表1的描述依然合理准确。
2.2. 信息
2.2.1. 信息的定义
现实中，在不同领域都有对信息非常明确的定义和描述。
当今普遍意义上的理解，信息可以表征物理世界的属性、状态、运转；
香农认为“信息是用来消除随机不确定的东西”；
维纳认为“信息是人们在适应外部世界，并使这种适应反作用于外部世界的过程中，同外部世界进行互相交换的内容和名称”；
经济管理人员认为，信息是提供决策的有效数据；
作者试图给出更加物理意义的定义，场景由于某种作用发生导致波（或粒子）在介质中传递呈现出特定的排列组合，这种排列组合隐藏着场景存在和运转的所有含义。简要描述，信息就是能量波的排列组合。
举例在图2中，自然光打到交通场景里面的所有交通要素上，反射的光在频率、幅值、相位呈现出特定的排列组合形式，这种排列组合形式隐藏了交通场景存在状态和运转规律。
2.2.2. 信息单元概念
物理世界中，单个或几个能量波携带的信息含义非常有限，只能表征质量、温度等物理量。对于更多的事件、规律等必须用非常多的信息才能表征，人（智能系统）理解一些事件、一些规律也需要同时解析一批信息。这就是为什么有信息单元的概念。
对比电子系统、通信系统、智能驾驶系统处理的信息单元，进一步说明信息单元的概念和属性。
表格2信息单元的结构属性
系统 |
信息单元 |
单元中的要素 |
结构属性 |
电子系统 |
能量波 |
能量波在频域维度的排列组合 |
|
通信系统 |
信号 |
信号在时间维度的排列组合 |
|
智能驾驶系统 |
交通要素（交通参与者、交通标识和指示灯、交通设施） |
交通要素在时空维度的排列组合 |
2.3. 机制
机制，原指机器构造和工作原理。在信息系统中作者认可的定义，机制是将系统或现象中各要素相互关联以实现特定功能或目标、维持或优化系统的运行逻辑。这些要素之间客观上就存在因果关系、逻辑关系，或者遵守物理法则。所以：
机制是一种客观的逻辑存在，是被发现的。对于一种具体信息系统里面的机制，需要设计实现机制的手段；
机制可以被理解，可以被解释；
信息系统中常见的机制有反馈机制和实时校验机制。表格3可以看完论文进一步理解。
表格3反馈机制和实时校验机制对比
机制类型 |
起作用阶段 |
作用效果 |
机制工作原理 |
反馈机制 |
主要在系统能力建构、优化阶段 |
逐步优化系统内部参数，使系统达到可用程度 |
根据某些物理法则或逻辑，比较系统的计算值和真值，根据偏差调节系统参数 |
实时校验机制 |
主要在系统实时运行阶段，输出服务 |
使系统稳定到某种状态下运行 |
根据某些物理法则或逻辑，比较物理世界和数字世界的本征值（状态），依据偏差确定服务状态 |
2.4. 信息解析系统
业界普遍认可德内拉.梅多斯对系统的描述：系统的整体大于部分之和，任何一个系统都包括三种构成要件：要素、目标、关联。系统具有适应性、动态性、目的性，并可以自我维护和演进。
本文针对信息解析系统给出一个针对性的描述和更具体的解释。在一个具体的物理场景中，一个理想的信息解析系统必须能正确解析出物理世界的状态和规律，然后融入这个场景的运行，过程中与其他参与者协调一致。
图3信息解析系统工作原理
2.4.1. 系统中的组件
秩序，解析信息的能力要素；
统计和分类，解析信息的手段；
数字世界，与物理世界对称，大于物理世界的部分必须与物理世界协调一致；
机制，对齐数字世界和物理世界；
2.4.2. 关于秩序②
秩序是系统中关键的要素，埋藏着主导物理世界的运转规律、机制，以及对事件的理解。在系统建构阶段，由反馈机制主导下逐步形成秩序。
表格4秩序的对比理解
系统 |
秩序含义理解 |
实现秩序的方式 |
秩序建构方式 |
秩序的作用 |
电子系统 |
能量波在频域分布属性 |
某种滤波特性的电磁场 |
基于工程师的认知、经验、调试逐步搭建理想的信道 |
统计有用的、必要的能量波 |
通信系统 |
通信场景的时间序列属性等 |
通信协议 |
基于工程师的认知、经验、调试逐步搭建理想通信协议 |
统计有用的、必要的信号 |
智能驾驶系统 |
主导交通场景运转的规律、法规、事件的理解等 |
AI模型 |
基于AI训练逐步搭建理想的AI计算模型 |
统计有用的、必要的交通要素及其规律，并分类出一个数字世界 |
2.4.3. 信息解析系统工作原理
秩序实时统计出流入系统的信息单元内部有用的、必要的要素，再分类出一个数字世界③。数字世界里面分为既有数字现实和创造数字现实，也可以从状态和规律两个层面看待。假设秩序是完美的，既有数字现实与物理世界在状态和规律两个层面呈现守恒与对称的关系，创造数字现实与物理世界运行完全协调、和谐。就是因为系统内部创造了新的数字现实，系统才能实现功能和目的。建构和运行阶段，系统的数字世界出现和物理世界的偏差，由机制来调整或探测，实现系统的自我维护和演进，并具有适应性。
电子系统和通信系统只有统计步骤，没有分类步骤，也没有内部的数字世界，所以电子系统和通信系统不能独立驱动一个场景运转。这里不展开，需要读者仔细体会。
2.5. 错误④和事故
错误概念描述，物理世界（即自然界）本身并不产生“错误”。错误是人类（或系统）在测量、理解物理世界过程中出现的偏差，或参与物理世界运行的过程中出现的不协调。作者认为客观世界中只有三类错误，统计性错误、逻辑性错误、函数性错误。显然统计性错误不可彻底避免，而逻辑性错误可以理解并可以彻底规避或解决。
②2.4节依赖“直觉”的成分较多，读者理性接纳。统计概念一定是正确的，系统内部的微观世界在提取信息一定遵守统计属性，里面不可能有其他能力。分类概念略显笼统，已经是目前最好的解释。既有数字现实和创造数字现实的概念是合理的，可以非常方便的解释系统运行原理。这部分描述和分析基于物理学、脑科学、心理学、统计学等综合理解，也有一些哲学思考。
③所谓数字世界，在作者看来就是大量信息（电脉冲）在一定维度上（智能驾驶系统至少要在时空维度）有意义的排列分布。
④2.5节2.6节依赖“直觉”的成分较多，读者理性接纳。特别是错误的分类和“不可解释性”，是业界第一次这样说明。其他分析是严谨的。
图4错误的理解
参考图4分析，信息解析系统的错误一定是统计性错误。在信息解析过程中，错误产生在三个步骤：
能量波在介质中传递被噪声（天气环境、电路信道不理想）干扰，部分要素失真；
秩序与信息单元（排列组合）适配性不好，统计过程丢失部分要素；
秩序的不理想或统计中丢失信息要素，导致分类出来的数字世界失去真实意义；
错误的表现形式也从状态和规律两个层面理解：
数字世界和物理世界的状态出现偏差；
数字世界和物理世界的规律出现偏差；
错误的重要属性：
状态偏差和规律偏差必然完全耦合，同时出现；
由于状态是静态的、孤立的、确定的概念，所以状态偏差容易被探测；由于规律是动态的、相互关联的、不确定的，所以规律偏差无法被探测，只能看到错误的结果；
关于事故的解释，事故是错误在真实物理世界的体现。对于智能驾驶系统错误与事故在空间维度有一种对称关系，但是在时间维度上有先后关系，所以错误与事故呈现因果关系。如果有一种机制能探测到错误，就可以规避事故。
2.6. 不可解释性
用智能驾驶系统中的AI模型举例，所谓“不可解释性”是指在AI模型解析信息的过程中出现错误或正确的结果，无法用一些逻辑、流程、因果方式找到因素与之对应。在模型训练过程中，将主导交通场景运转的规律（包括物理法则、交通法规、时空理解、交通要素理解、相互关联、意图等）传递进AI模型中，埋藏到海量的参数中。每一个参数或多或少都对规律有一定的作用，但是都不起主导作用。假如AI模型是理想的，任何结构的信息单元都可以和AI模型完美适配，统计出信息单元里面所有的要素，而且能分类出一个和物理世界完全一致的数字世界，当然还有一个条件能量波的排列组合没有被环境破坏。这要求：
参数必须是海量的；
每个参数都起恰到好处的作用；
这显然不可能。AI模型解析信息单元的过程，整体上呈现统计属性。当数字世界和物理世界出现偏差，不可能与一个或几个参数有对应关系，也不可能用确定的逻辑、流程去理解。
或许，所谓的“不可解释性”就是AI模型（系统中秩序的实现方式）的基本属性，这样才能应对动态、复杂、充满不确定性、容易被环境影响的交通场景运转。一个或一些确定的逻辑、流程不可能应对交通场景运转。
事实上，电子系统和通信系统运行过程中出现错误也非常难找到根因。通常看到的电子系统中的电平异常，通信系统中的报文错误，本质是系统的校验机制探测到一种错误表现形式。
这个世界的宏观层面（交通场景运转）和微观层面（AI模型里面的规律）都没有错，是我们理解这个世界的方式有问题。我们应该做的事情是，给智能驾驶系统设计实时校验机制，将AI的统计性错误转变为系统的逻辑性错误；AI模型是不可解释的，但是智能驾驶系统是可解释的。
3. 安全智能驾驶系统原理、普适性、结构
安全智能驾驶系统的详细推导过程、原理验证、产业意义见论文《智能驾驶系统实时校验机制的研究》。安全状态的定义重新描述一下，当时由于篇幅关系论文中这部分删除了一些的描述，现在看这些描述非常有意义，可以体现出定义背后的思想。
3.1. 智能驾驶系统安全状态定义
交通参与者在享受出行服务的过程中，达成服务或偶尔的停止服务都可以接受，都可以定义为安全状态。细节可以详细阅读《智能驾驶系统实时校验机制的研究》中2.1节。
图5服务状态
这里增加一些论述。在表格5中有三种系统都分A/B两类，任何人都会选择B类系统，我们也确实调研过不同的人群。这样完全一致的选择和我们的教育背景、经济条件、价值观、善恶、信仰、生活地域等都无关，而是由物理世界中场景运转的复杂性、不确定性塑造出来的朴素认知。任何一种工具、系统，人类之所以使用是因为它会给我们带来便利、提高效率等，但前提条件是保障人类的自身安全和财产安全。
所以我们搭建的智能驾驶系统或将来的智慧交通体系，在理论上一定能收敛与安全状态。这是产业成功的必要条件，也会给智能驾驶产业建立公信力。
表格5安全状态理解的调研
电梯选择 |
A类电梯，非常可靠，几乎不出故障；一旦出故障会导致事故，比如坠毁。 |
B类电梯，可靠性一般，经常出故障；但是故障发生时候一定会停止运行，仅仅耽误上下楼的时间。 |
|
支付系统选择 |
A类支付系统，非常可靠，几乎不出系统故障；一旦出现故障会导致支付中的资金丢失； |
B类支付系统，可靠性一般，经常发生故障；但是故障发生时能保障资金安全，仅仅这次支付服务无效。 |
|
智能驾驶系统选择 |
A类智能驾驶系统，非常可靠，几乎不出故障；一旦出系统故障就会导致交通违规或交通事故。 |
B类智能驾驶系统，可靠性一般，经常发生故障；但是故障发生时候能暂停车辆，仅仅耽误出行时间。 |
3.2. 安全智能驾驶系统原理说明
图6安全智能驾驶系统工作原理
增加了实时校验机制的智能驾驶系统永远收敛于安全状态，因为：
有一种机制实时对比数字世界和物理世界的偏差；
如果出现错误，对于AI来说是统计错误，不可解释；对于系统来说是逻辑错误，是可以理解的；
3.3. 安全系统理论的普适性
如图7图8，分别对比电子系统和通信系统，与智能驾驶系统的工作原理一样。系统一旦形成，内部都有一种秩序可以实时统计信息单元的要素（智能驾驶系统还有分类功能），再通过一种机制实时对比系统解析后的信息分布状态和物理世真实信息分布状态。
图7电子系统工作员
图8通信系统的工作原理
如表格6，不同系统，共同点：
系统工作原理；
实时校验机制原理（其实反馈机制原理也一样）；
系统中的基本组件；
不同的系统面对的场景不同，处理的信息维度不同，所以：
实现秩序的方式不同；
实现校验机制的手段不同；
表格6不同系统工作原理对比
系统 |
信息单元 |
秩序 |
工作原理 |
校验机制 |
电子系统 |
单元整体形式：信号 单元内部要素：能量波 结构属性：能量波在频域上的分布形式； 含义：隐藏在能量波的排列组合中 |
特定滤波属性的电磁场 |
统计频域上的能量波 |
用电平对比系统两侧能量波在频域的分布形式 |
通信系统 |
单元整体形式：报文 单元内部要素：信号 结构属性：信号在时间轴上的分布形式； 含义：隐藏在信号的排列组合中 |
通信协议 |
统计时间轴上的信号 |
用CRC对比系统两侧信号在时间轴上分布形式 |
智能驾驶系统 |
单元整体形式：结构化数组 单元内部要素：交通要素 结构属性：交通要素在空间的分布形式； 含义：隐藏在交通要素的排列组合中 |
AI模型 |
统计结构化数组内部的交通要素，再分类成有意义的布局 |
用净空对比两个世界的交通要素分布形式 |
3.4. 智能驾驶系统的结构之美
如图9，当我们智能驾驶系统增加了实时校验机制，当我们把交通场景的描述分为存在状态和运转原理两个层面，交通场景、智能驾驶系统、服务呈现出逻辑自洽：
物理世界的存在状态、信息单元的结构属性、数字世界的存在状态呈现出一致性（空间对称性）。也可以认为假设理想系统，在场景运转中无论怎么转换、计算始终有一种不变的结构；
AI模型的“不可解释性”应对交通场景的动态性、复杂性、不确定性；
数字世界和物理世界呈现出守恒与对称性；
连接物理世界和数字世界的两条机制：
比较或探测数字世界和物理世界的偏差；
实时校验机制将一个不可解释的统计系统转变为一个可解释的逻辑系统；
数字世界和物理世界呈现对称则继续服务，如果对称破缺则暂停服务。服务状态与人们朴素的认知一致。
图9智能驾驶系统的结构之美
4. 系统背后的思考
4.1. 智能驾驶系统怎么运转
智能驾驶产业如果某天成功普及，一定会和电子产业、通信产业一样广泛影响人们的生产生活，本身就是这个物理世界运转的一部分。全世界任何一个地方交通法规框架都基本一致，哪怕一个没有交通法规的地区，交通场景运转呈现出一样的秩序，体现交通法规的客观性和合理性，更不用说物理法则。智能驾驶系统一定还是在现行的交通法规运行。
图10交通场景与系统的关系
如图10所示的智能驾驶系统妙不可言：
自然光和交通场景作用后，将交通场景的状态和规律编码到光波的排列组合中；
AI模型从“排列组合”中统计、分类出一个数字世界；
两条机制横跨物理世界和数字世界，对比某些值来对齐两个世界；
物理法则和交通法规主导着交通场景的运转；
过程中计算方式：排列组合、统计、分类、对比；
AI模型出现错误，最多影响人们的出行体验，绝不会造成生命和财产的损害；
整个体系只需要很少的规律，很少的机制，很少的计算，形成逻辑自洽。这样才合理，才能安全、经济、效率总体平衡。
工程师只需要在反馈机制的流程中调试参数完善AI模型，在实时校验机制的逻辑下完善安全措施，一砖一瓦地为智慧交通体系注入负熵，不能做多余的事情。
其他形式的交通参与者只需要遵守交通法规。
强调一点，ISO26262框架下的功能安全设计是需要的，因为它面对的是数字世界和物理世界偏差的风险和危害。所谓ISO26262不适用智能驾驶系统是当前普遍的误解，本质是当前的智能驾驶系统没有实时校验机制。
预期功能安全、规则兜底的理念等都不能是最终解决方案。因为人为的重新定义物理世界的范围，智能驾驶系统的能力边界，会复杂化整个体系。行业也很难统一标准、降低成本。
4.2. 智能驾驶产业意义
在解放驾驶人员的基础上，智能驾驶系统再解决了安全问题（在提供服务的同时能保障使用者的生命财产安全），意义重大。交通产业将不仅仅是一个A到B的事情，他会给个人（或三五好友）提供更多的自由时空资源，因此人们可以把工作、学习、购物、娱乐等布局到一个安全、舒适的移动空间中，如图10。
交通体系将在完美的秩序中运转，成本极低。
完全重塑人们的时空资源观，因为智能驾驶产业可以把人们可利用的时间、空间拼接起来。
每个人都生活在连续、完整的时空中。
4.3. 交通是AI落地的最好场景
交通场景标准化强，任何一个国家、地区道路设计都类似，交通法规基本一致，交通标识设计理念也一致。驾驶系统目标单一简单，目标就是从A到B，中间别出现事故（时空重叠）。
司机都没有等级划分不受背景的影响，本质是交通场景的运转不受道德、财富、情感、信仰、善恶等不确定因素影响。
智能驾驶系统只需要处理当下一段时间（典型8S）的信息即可，没有过去的事件、将来的预期影响。
5. 后续研究计划
缺少数学论证是论文《智能驾驶系统实时校验机制的研究》的关键缺陷。
希望在合适的时机，组织一些数学专家进来，用数学语言描述智能驾驶原理和智慧交通原理。为这个快速发展的行业统一认识，有序的推进工程落地提供理论框架。具体计划：
尽快组织开展《智能驾驶系统运行的数学原理》和《智慧交通体系运转的数学原理》的研究；
统一系统框架，促进信息理论和系统理论的发展；
参考引用
《智能驾驶系统实时校验机制的研究》知网链接：https://kns.cnki.net/kns8s/defaultresult/index?crossids=YSTT4HG0%2CLSTPFY1C%2CJUP3MUPD%2CMPMFIG1A%2CWQ0UVIAA%2CBLZOG7CK%2CPWFIRAGL%2CEMRPGLPA%2CNLBO1Z6R%2CNN3FJMUV&korder=SU&kw=%E6%99%BA%E8%83%BD%E9%A9%BE%E9%A9%B6%E7%B3%BB%E7%BB%9F%E5%AE%9E%E6%97%B6%E6%A0%A1%E9%AA%8C
《智能驾驶系统实时校验机制的研究》汽车工程网站或期刊在2025年7月25也会刊出。