IT之家 8 月 18 日消息，美国交通部发布了一项全国道路安全计划，旨在通过广泛部署车联网（V2X）技术，实现零道路死亡的目标。该计划明确了未来 12 年的发展路线图，并得到了多个政府部门和行业组织的支持。
图源 Pexels
根据美国国家公路交通安全管理局的数据，去年美国有超过 4 万人死于车祸。美国交通部认为，V2X 技术能够通过车辆、行人、自行车、其他道路使用者和基础设施之间的实时通信，共享位置、速度和路况等信息，从而显著降低事故发生率和严重程度。
IT之家注意到，该计划提出，到 2028 年，将在全国 20% 的高速公路和主要城市 25% 的信号灯交叉口部署 V2X 技术。 到 2036 年，实现全国高速公路系统全面覆盖，75 个主要城市 85% 的信号灯交叉口具备 V2X 功能，并有 20 个车型的车辆具备 V2X 能力 。
然而，V2X 技术的推广面临诸多挑战，包括频谱分配、网络安全、成本等问题。尽管如此，美国交通部和相关机构对该技术的潜力充满信心。美国交通部长布蒂吉格表示，这项计划将改变人们的出行方式，并有望挽救无数生命。
聪明的车or智慧的路？自动驾驶的未来将走向何方
易车原创 前面几期,易车科技从自动驾驶企业到自动驾驶的技术,做了深度解析,主要围绕车端的硬件设备、软件算法以及底层架构等方面,今天我们将视野拉高,更加宏观的来聊聊自动驾驶目前的两大发展方向——单车智能和车路协同。
单车智能:它的重心更倾向于车辆驾驶的自动化程度,而单车智能的技术实现路线也被分为两种,一种是以Waymo为代表的,以多线激光雷达、多种传感器进行感知;第二类以特斯拉为代表,基于摄像头和视觉感知。
车路协同:则是在单车智能的基础上,通过车联网将“人-车-路-云”交通参与要素有机地联系在一起,助力自动驾驶车辆在环境感知、计算决策和控制执行等方面的能力升级,加速自动驾驶应用成熟。
简单来说,单车智能和车路协同的本质是技术和成本在车侧和路侧的分配。
其中,单车智能是国内外大多数无人驾驶企业所在推进的方案,但是这并不意味着这将成为实现无人驾驶的最优解,也不能笃定说车路协同就是最优解。 虽然L4-L5级的自动驾驶最理想的模式是实现“车端-路端-云端”的高度协同,从聪明的车配上智慧的路,车端智能和路侧智能协同呼应,但车端智能和路端智能的发展不是完全同步的关系,自动驾驶的路线选择面临感知能力、决策能力(算力)等不同能力在车侧和路侧分配的问题,所以对应的自动驾驶成本也不同。
目前来说在自动驾驶这条赛道内,各家企业的技术路线还真不是完全趋同的,有的是主攻单车智能,尽可能的把车武装到牙齿,激光雷达、毫米波雷达、摄像头、高精定位等硬件设备全都配全并且选用的都是参数拉满的配置,代表企业如AutoX和小马智行等;有的是单车智能和车路协同齐头并进,两手都要抓,代表企业如网络Apollo以及蘑菇车联等。
单车智能的代表企业,国内来说AutoX算是较为突出的,AutoX总裁肖健雄曾表示:自动驾驶不能单纯依靠路车协同实现,目前道路智能化还难以真正做到全覆盖。 要提升自动驾驶的安全性以及驾驶体验,必须改进单车智能的技术,以应对雨雾等各种极端天气,确保用户能够得到安全的Robotaxi体验。
同时,车路协同与单车智能相辅相成,车路协同是对单车智能的一种有益补充。 假如国家层面加大道路基础设施建设,可以辅助提升自动驾驶的道路精准度,同时也能增加道路交通的安全性。
可见肖健雄对于单车智能还是更加看重的,其认为路侧的设施存在故障、维修、养护等一系列问题,只能当做是一种辅助作用,重点还要把车做到最为智能与安全,提升传感器冗余,做到万无一失。
今年7月,AutoX发布了第五代全无人驾驶系统AutoX Gen5,是为无人驾驶而从零开始打造的,一共具备了超过50个传感器,配备了规模庞大的传感器集群,总像素达到2.2亿像素每帧,配备了高清的4D毫米波雷达并可实现0.9度分辨率。 每秒钟成像的激光雷达点云实现了1500万,算力平台支持2200TOPS的算力平台。 这套惊人的硬件总成表现了AutoX要把车做到最“聪明”的决心。
车路协同以网络Apollo为例,网络的技术路径是“聪明的车+智能的路”双剑合璧力图实现自动驾驶最优解。
单车智能方面,网络Apollo推出了联合北汽极狐共同打造的新一代共享无人车Apollo Moon。
硬件方面,Apollo Moon搭载的第五代套件采用了1颗主激光雷达,13颗摄像头和5颗毫米波雷达的多冗余传感器组合。 车辆前部加装了一颗成本很低的前向激光雷达,将在系统失效情况下用于冗余系统。 虽然减少了激光雷达的使用,但Apollo Moon增加了摄像头的个数,同时还大幅度提升了图像分辨率和帧率,视觉感知能力正在发挥越来越大的作用。
另外Apollo采用的计算平台提供的算力超过800TOPS,用了更多车规级的器件,为无人化实现了主计算系统和备份安全系统的一体化设计,采用水冷散热设计,不仅体积减小,结构简化,整体噪音也极低,车内非常静谧。
在路侧方面,Apollo Air是目前全球唯一仅通过路侧感知就能实现开放道路L4自动驾驶闭环的技术。
Apollo Air技术可以在没有车端传感器、仅借助路端轻量感知和红绿灯信息的情况下,通过利用V2X、5G等无线通信技术实现“车-路-云”的信息交互,从而赋能自动驾驶。
相较于单车智能,车路协同技术路线通过超视距的道路感知、车路云多个终端的智能信息互通互联,不仅可以扩大车辆感知范围、保障自动驾驶安全,还能降低对车端感知系统的要求,从而进一步降低单车自动驾驶的成本。
根据网络自身统计,车路协同已经可以解决单车智能在路测时遇到的54%左右的问题,减少62%的接管次数,降低30%的单车成本。
目前网络已经在北京、广州、上海开展了车路协同方案的落地实践。
在北京,网络针对12.1公里28个路口进行车路协同智能化改造,搭建支撑L4级自动驾驶车辆测试运行的基础环境;建设车路协同边缘计算支撑平台,搭建了边缘计算服务框架,实现设备管理、车路协同算法同步等边云一体化功能。
2020年8月,黄埔区、广州开发区与网络Apollo开启“广州市黄埔区广州开发区面向自动驾驶与车路协同的智慧交通‘新基建’项目”,覆盖黄埔133公里城市开放道路的102个路口和路段。
上海嘉定汽车城开展开放道路智能网联汽车测试环境建设,项目建设里程37.8公里,覆盖范围约65平方公里,通过对56个路口以及重点路段进行智慧化改造,提供了更加丰富的测试场景。
通过这两家的技术路线我们看出,各家虽然都表达了单车智能+车路协同两条腿走路的愿景和目标,但实际实施过程中还是各有侧重的,这也让双方走向了不同的岔路,未来哪方能立足于市场还得拭目以待了。
单车智能存在的局限性:
1、超视距感知、视觉盲区无法感知到。
无论是摄像头还是激光雷达,本质上都是探测电磁波,与人类的视觉感官类似,人看不到的地方,这些设备也探测不到。 视觉盲区典型的例子就是“鬼探头”,如下图中,行人出现时,减速已经来不及了。
2、恶劣环境感知。
单车智能有许多长尾问题有待解决,比如暴雨天气下,单车感知系统几近失灵,激光雷达因积水反射,噪点增多,摄像头画面模糊,目标识别的置信度降低。
在黑夜场景下,单车视觉感知条件严重不足,曝光时间延长,感光范围缩小,雷达因缺少摄像头反馈的颜色和语义信息支持,无法辨别障碍物。
3、高成本设备利用率低。
在一辆车上装激光雷达等设备,很贵。 然而一辆车大部分时间是停着不动的,行驶的时间只占一小部分(停一晚上开车去上班,停一天开车下班)。 这样昂贵的设备利用率很低,不划算。
讲单车局限性一定要讲两个例子,Uber自动驾驶撞出事故、特斯拉自动驾驶车祸,这是典型的单车智能局限性的体现。 数据表明,传统汽车大约每50万英里发生一起事故,单车智能自动驾驶汽车大约每4.2万英里发生一起事故。
所以要有车路协同。 把昂贵的设备安装在路上,由路上的设备来进行感知(有时候也做一些计算工作)。 车路协同是由“路”来“告诉”车周边的情况,例如前方200米有车,注意减速;在路线上前方5公里处有车祸,提前绕行。 (车速很快,需要高带宽低时延的传输方式,所以车路协同是5G很好的应用工具)
这样车和路就成了一个统一的整体。
路侧设备采集到了所有的车的信息,这些数据可以上报到一个统一的中心,由这个中心根据这些数据进行分析并加以应用,这个中心就是所谓的“云脑”:
1、出现车祸、拥堵能及时的告诉所有车辆,设定了目的地之后根据交通状况计算出行时间;
2、通过大数据提前预知什么时间、什么地方会发生拥堵,提出预警;
3、根据预测的交通流,给出出行建议,几点出发走那条路会最顺畅。
从车路协同道路设施来说,智能路牌、信号灯等车路协同的设施能够保证单车智能对于外界数据和信息的获取,保证交通的统一调度以及安全行驶。 在理想状态下,车路协同确实是能很好地解决单车智能的这些弱点。
车路协同存在的局限性:
车路协同对单车智能也是存有依赖性的,其中有一点是十分重要的,不论是车路协同和单车智能的网络安全防护并非不可破。
对于黑客来说,破坏单车智能网络,可能只是几辆车的交通事故,但是车路协同网络安全性故障,带来的可能是整个交通网络的瘫痪甚至更严重。 所以,一旦车路协同遭到侵入,这时单车智能的重要性就体现出来了,暂且不提如何实现不堵车的问题,保证车辆行驶时的安全性则只能由单车智能接管。
另外要想实现全域范围的L5自动驾驶,那就需要全路段都铺设智能设备,那么且不说政策何时能够完全匹配,光是这些路端设备的维修、保养和检测就需要投入很大的人力和物力,并且如果某一个路口的设备出了问题,还是要看车辆能否足够智能来应对。
总的来说,根据美国交通部的说法,车联网的核心价值是提升消费者的出行安全,减少交通事故。 那么,窥一斑而见全豹,从最重要的网络安全与道路安全的角度去看车路协同和单车智能,两者未来一定需要融合发展。
对于美国而言,人工智能领域全球领先,人才储备充足,基础科研实力强,美国的人工智能企业数量位居全球首位,遍布基础层、技术层和应用层。 另外,美国拥有发达的集成电路技术,高端芯片设计领域一直保持领先态势,为高性能车载芯片的发展打下良好基础。 另一方面,美国在通信行业和5G领域落后于中国的发展,且基础设施的投资一般由市场主导而非政府主导,网联化推动进程缓慢。 不论是单车智能“谷歌派”还是“特斯拉派”,背后的核心能力都是人工智能算法和决策芯片,而这正是美国的战略优势所在。
对于中国而言,以华为为代表的通信企业在5G技术方面世界领先,且4G和5G基站数量多,覆盖广,2020年底中国5G基站数超过60万个。 2020年2月《智能汽车创新发展战略》预计到2025年,智能交通系统和智慧城市相关设施建设取得积极进展,车用无线通信网络(LTE-V2X 等)实现区域覆盖。 另外,从中国的道路情况来看,中国高速公路总里程世界第一,公路总<a href=tit
车联网有什么用,有什么功能？
车联网用途：车联网能够为车与车之间的间距提供保障，降低车辆发生碰撞事故的几率；车联网可以帮助车主实时导航，并通过与其它车辆和网络系统的通信，提高交通运行的效率。
功能：车辆上的车载设备通过无线通信技术，对信息网络平台中的所有车辆动态信息进行有效利用，在车辆运行中提供不同的功能服务。 借助无线通信网络与现代智能信息处理技术实现交通的智能化管理，以及交通信息服务的智能决策和车辆的智能化控制。
发展历程
车联网在国外起步较早。 在20世纪60年代，日本就开始研究车间通信。 2000年左右，欧洲和美国也相继启动多个车联网项目，旨在推动车间网联系统的发展。 2007年，欧洲6家汽车制造商（包括BMW等）成立了Car2Car通信联盟，积极推动建立开放的欧洲通信系统标准。
实现不同厂家汽车之间的相互沟通。 2009年，日本的VICS车机装载率已达到90%。 而在2010年，美国交通部发布了《智能交通战略研究计划》，内容包括美国车辆网络技术发展的详细规划和部署。
以上内容参考网络百科-车联网
5G网络表现怎么样?车联网如何打造更好的未来？
现在5G网络的覆盖范围尚未全面铺开，用户体验整体一般，目前还没有能够充分利用5G高速传输的应用程序。 车联网技术的成熟将显著降低交通事故的发生率，并助力我们实现“智能用车”的愿景。 5G网络当前的表现5G网络使用的是较高频段，因此移动网络运营商分配到的频段包括160MHz（2515MHz-2675MHz）和100MHz（4800MHz-4900MHz）。 中国电信和中国联通共享一个100MHz的频段（3400MHz-3500MHz），这导致相同功率的信号传播距离较短。 为实现与4G信号相同的覆盖范围，需要建设更多的基站，数量约为原来的4至5倍。 一线城市可能需要两年时间来实现全面覆盖，而农村地区要达到目前的覆盖水平可能至少需要五年。 许多5G手机用户报告称，他们在城区大部分地方能够接收到5G信号，但信号并不稳定，手机经常在无5G信号时切换到4G模式。 随着5G基站数量的增加，这一情况将逐渐得到改善，但具体时间将取决于运营商在每个城市的部署计划。 车联网塑造的美好未来成熟的车联网技术能够实现车辆之间（V2V）、车辆与行人（V2P）、车辆与基础设施（V2I）以及车辆与云端的通信（V2C）。 这将带来诸多益处：帮助驾驶者观察到视觉盲区内的行人；主动提醒驾驶者对面来车的行驶情况，最大限度地减少交通事故；通过提醒红绿灯信息和压线情况，结合导航系统，有效避免违章行为；更智能、实时地告知驾驶者路况拥堵情况，并主动避让。 此外，车联网是自动驾驶技术实现的基础，只有结合实时路况和车辆数据，才能避免诸如行人突然闯入等潜在事故。 5G网络是车联网发展的基石5G网络针对车联网提出了“低时延”的应用，将无线传输延迟降低到1毫秒的级别（之前为100毫秒级别）。 这样的改进使得车联网中车辆与周围车辆及行人的即时交流变得可行。 目前，我们仍需等待5G和车联网技术的相互促进和协同发展。
