理想汽车智能驾驶安全高级质量经理
任职要求
1.本科及以上学历，车辆工程、交通工程、交通运输、机械工程等相关专业背景，工作经验5-10年，优秀者可适当放宽条件；
2.了解智驾相关产品逻辑和技术，对辅助驾驶系统有一定的研究和实践经验，能够推动智驾产品逻辑的优化和改进；
3.拥有出色的沟通协调能力，能够与跨部门团队进行…工作职责
1.安全特性定义： 与产品经理、系统工程、算法、感知、控制、测试等团队深度协作，将安全理念和合规要求转化为具体的、可度量的安全功能产品特性和需求； 2.风险识别与管理： 主导参与系统层面的风险分析、危害场景库构建与安全管理计划制定； 3.数据驱动洞察： 整合车端数据、仿真数据、封闭场地/道路测试数据、用户反馈、售后数据等多源信息，建立核心质量与安全指标体系（KPI/KQI），进行数据清洗、分析和深度挖掘，识别系统性问题和根因； 4.负责智能驾驶安全数据信息维护，挖掘历史事故优化机会点，支撑指标稳定提升； 5.负责交通安全事故舆情监控，主导完成与工信部、市场总局关于重点案件的响应和沟通； 6.结合国标/工信部/总局和相关标准要求，推动内、外部合规改善，确保产品合规； 7.关注行业内辅助驾驶安全性能趋势和竞品动态，制定具有可执行性和前瞻性的规划；
1、负责大区内智能驾驶车队相关的合规、降发生和应急等安全管理工作，对相关指标负责 2、组织或参与优化相关安全生产规章制度、操作规程 3、负责大区内相关城市相关安全生产教育和培训，按照培训计划落实培训工作，如实记录 4、负责组织大区内相关城市危险源辨识，风险识别和评估，督促落实各类风险控制控制措施 5、负责推动安全检查，检查相关的安全状况，总结关键问题，提出改进建议，并追踪改善落实 6、组织或开展大区相关城市合规流程的辨识、落实、监督检查等工作，开展法律法规及政策收集、评估、整改等工作，满足政府合规要求，做好政府检查迎检相关工作 7、组织大区内相关城市事故复盘调查，督促落实事故改进预防措施，事故妥善处置 8、负责大区安全事故专项应急能力建设、组织演练 9、负责大区内安全文化与沟通机制建设 10、履行其他法律法规要求的相关安全生产职责
驾驶安装“智能驾驶系统”的汽车完成测试工作，保证汽车在行驶过程中的安全，同时站在用户角度，严格遵守工作流程完成测试工作，主动发现并将追踪到的问题系统化地整理成文档，推动“智能驾驶系统”完善 ＊驾驶智能驾驶车辆在开放道路进行测试，每天道路测试时间5-7小时 ＊测试过程中，记录道路情况和系统情况，保障车辆和人员安全 ＊学习自动驾驶技术，真实详细记录反馈智能驾驶系统相关问题 ＊应对简单的自动驾驶软硬件故障，并和工程师沟通反馈，推动问题解决 ＊发现并反馈工作中的安全和待完善问题，促进自动驾驶技术和管理完善
智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。
智能驾驶系统产品线大规控部门负责城区、高速、停车场等全场景高阶辅助驾驶系统的规控和预测算法开发，同时搭建完善的仿真评测体系提升研发质量和效率。 开发理念： 打破惯性思维，根据问题本质寻找答案和设计解决方案； 不技术自嗨，守住性能底线后再做技术创新，用实车效果说话； 用数据驱动的思维做开发，做好数据闭环，注重评测迭代； 不做简单的规则堆叠，传统方法要提炼简洁优雅的“解析解”； 重视工具开发，提升研发效率，打开算法黑盒，尽量做解释性强的方案。 精益求精，打磨产品细节，做出亮点，提升产品体验。 1. 负责轨迹预测、行为决策、路径规划和运动控制等算法开发，并完成嵌入式量产平台部署； 2. 基于海量数据进行道路参与者行为预测算法研发，设计高性能、高准召、高稳定的预测模块； 3. 开发交互式决策和预测模型，改善自动驾驶车辆在复杂环境中的应对能力； 4. 负责自动驾驶系统产品级仿真引擎的架构设计，仿真平台自动化测试及可视化工具链的构建； 5. 构建可扩展的云端仿真框架，以在集群环境中运行批量仿真模拟，减少云端部署和运行成本； 6. 构建完善仿真场景库替代大部分路测，同时生成挑战性的场景增广路测能力； 7. 建立数据自动标注、难例批量挖掘和分析机制工具链，通过数据闭环持续提升算法能力。