车路协同技术的优势、进展和挑战!

李弯弯
在实现自动驾驶的过程中,单车智能存在很大的局限性,比如特斯拉自动驾驶,通过摄像头进行感知,而摄像头在雨雪天气下感知能力大为减弱,会极大的增加安全隐患。车路协同技术,就是在车辆智能化之外,在路侧安装感知传感器、在路侧进行计算,计算完后的数据再提供给车辆,给车辆提供更全面的道路信息,以支持车辆完成实现自动驾驶。

本文来自电子发烧友,作者/李弯弯。

车路协同,是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上,开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成安全、高效和环保的道路交通系统。

车路协同,是智能交通系统的最新发展方向。交通部从2016年开始,就一直在推进车路协同建设,希望打造智慧交通体系来支持自动驾驶。

车路协同的作用体现在哪

在实现自动驾驶的过程中,单车智能存在很大的局限性,比如特斯拉自动驾驶,通过摄像头进行感知,而摄像头在雨雪天气下感知能力大为减弱,会极大的增加安全隐患。车路协同技术,就是在车辆智能化之外,在路侧安装感知传感器、在路侧进行计算,计算完后的数据再提供给车辆,给车辆提供更全面的道路信息,以支持车辆完成实现自动驾驶。

车路协同的优势很明显,百度创始人李彦宏此前谈到,首先是安全,遭遇极端天气、物体遮挡等情况,单车智能容易看不见。而车路协同可以帮助车辆感知视野盲区的信息。通过车路协同可以让自动驾驶事故率降低99%。

其次是成本,目前自动驾驶汽车硬件成本100万左右,如果将部分自动试驾功能转移到路端,以此补齐单车智能短板、还可降低成本。如果每辆车能够节省1.98万元的成本,就可以在每公里的道路上投入100万元的智能化改造。

当然,车路协同的落地成本很高。车路协同需要改造路端,如果要让路端变得智能,可能需要在路口架设一些智能的设备,比如低延时的摄像头、路侧计算设备等;除了硬件,软件方面也得投入,比如搞数据底座、建算法平台。不过李彦宏认为,车路协同一方面可以复用原先的旧设备,另一方面,它主要通过优化算法的方式来让系统更智能,这样可以节省成本。

随着车辆不断的智能化和网联化,对路侧设备的互联需求会越来越大,完全依赖车辆实现自动驾驶存在很大的难度,自动驾驶90%会依赖智能车本身,而剩下的10%就可以通过路侧的感知数据提供辅助,这也有利于降低对车端大算力的需求,减轻云端计算和传输的延时影响,对于实现完全自动驾驶起到至关重要的作用。

车路协同的进展和挑战

车路协同是车、路、人、环境之间,能够做到实时动态的交互联动。例如直接在路灯杆上装各类传感器,包括摄像头、毫米波雷达、激光雷达等,把各种传感器采集到的信息综合之后,传到车联网和每辆车上。路灯杆上的传感器更多更全,而且视野更高、不容易被遮挡,采集到的信息比单车传感器更好。

2020年9月,由百度Apollo支持建设的中国首条支持高级别自动驾驶车路协同的高速公路G5517长常北线高速长益段正式通车。该智慧高速路段覆盖了干线、互通、隧道、桥梁、服务区等典型的高速公路场景,路侧和云平台系统采用了百度Apollo车路协同方案。

今年冬奥会首钢园滑雪场,就是一个经典的车路协同落地应用案例,达到了L4的高级别自动驾驶。园区内跑着美团的无人配送车、能够精准配送,到货提醒。新石器的无人零售车、招手即停、售完自动开走。百度Apollo无人驾驶出租车、北汽的自动驾驶商务车,由一个司机领队,后面跟着3辆无人驾驶汽车。

目前车路协同技术尚处于市场初级阶段,在技术上还存在诸多难点,比如,车端如何使用路端信号,路端信号如何做到实时、准确等。在商业落地方面,也存在一些问题,比如,道路建设方投资建设了路端设备,后续如何通过路端设备进行收费盈利,目前还没有探索到合适的模式,这导致道路建设方投资建设的积极性不足;另外后续运营存在困难,部署在路侧的设备,过几年就得更新换代,这种升级是大规模的,需要耗费大量的费用和周期。

当然任何新科技都是在不断的探索中逐步向前发展的,虽然当前车路协同还处于初期阶段,也存在不少挑战,不过在万物互联和数字化的大趋势下,预计未来几年将会迎来较快的发展。

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论