当前位置:主页 > 衡水科技 > 文章内容

青岛港物流信息网:无人驾驶汽车的中国摸索

日期:2020-03-14 浏览:

无人驾驶正面对着冰火两重天。

一方面,市场对无人驾驶有极高的预期,有机构预测仅中国市场就有万亿计的局限。造车新势力、传统车企、老牌互联网企业、初创企业纷纷入局,寻找切一块蛋糕的时机。

另一方面,无人驾驶的前景苍茫。落地难,实际应用结果不抱负。加之当前的经济下行周期,无人驾驶好像正在经验隆冬。

遭遇瓶颈期,险些是所有创新规模城市面对的阶段。寻求打破瓶颈的路径,也是所有创新规模面对的一定课题。

中国,这个课题,有一个可行的谜底。


青岛港物流信息网:无人驾驶汽车的中国摸索

智能网联:无人驾驶的中国偏向

汽车驾驶,都是感知、决定和节制三个环节。

而无人驾驶,就是用传感器替代人眼和耳朵来管束,用计较平台替代大脑来决定,用电控执行系统替代人的手脚来节制车辆。

从技能上讲,无人驾驶是传统汽车+智能传感器+人工智能计较平台的整合。

但从真正实现无人驾驶的技能蹊径上讲,无人驾驶的重点不是在一辆车上代替司机的浸染,而是让一辆车可以自动化的形式。因此,中国提出智能网联汽车,以车路协同方法实现自动化驾驶,才是无人驾驶更可行的偏向。

一辆具有智能化感知、决定和节制系统的汽车,在实际行驶阶梯上,很难到达抱负状态。在巨大的阶梯环境中,智能汽车的算力和响应速度,大概无法满意实际交通环境需要。

但假如智能汽车与伶俐阶梯联网,通过不属于阶梯上的边沿计较,与智能汽车自身的算力共同,则更大概实现安全可控有效的交通。而大量的行驶数据在云端汇总并分发,以云计较批示交通,则能进一步优化自动化驾驶。

所以,业内人士称,智能网联汽车才真正诠释了自动化驾驶的精华。

以智能汽车为终端,以伶俐阶梯的边沿计较和车联网设备为协作结点,以云计较为统合批示,这种云-边-端的漫衍布局,是中国无人驾驶的路径和偏向。

在这个别系下,云计较认真筹划从出发地到目标地的最优蹊径,发送给智能车辆,从而实现交通网络的统合打点。在阶梯上,车辆与车辆之间的协调,则依靠漫衍于伶俐阶梯上的边沿计较节点打点,就像一位永不疲惫的交警,确保各智能车辆不会产生碰撞,有序通行。而需要快速响应的突发情况,则发挥当地计较速度快的优势,由智能车辆自己完成。

这低落了智能车辆自己的算力要求,但操作了智能车辆快速响应的优势。将不需要快速响应但需要大量计较的部门,陈设到边沿侧或云端,操作边沿侧和云端的算力优势,从而使云-边-端发挥各自优势,实现协同打点。

在不久前举行的中关村科学城智能网联汽车创新论坛上,清华大学自动化系张毅传授指出,车路协同才是将来中国智能网联汽车产业的要害偏向。中国电动汽车百人会秘书长张永伟先生暗示,将来中国将构建智能化阶梯的阶梯网、基于5G网络的车联通讯网和对应的位置网和内容处事,形成阶梯网+车联网+位置网的三大基本设施,以构建智能网联汽车的应用环境。

这条技能蹊径,比开拓具有极高算力和回响本领的智能汽车更简朴高效,实际应用也更安全靠得住。

智能网联的中国优势

智能网联汽车这条路,更适合中国的优势。

在西欧国度,智能网联汽车和车路协同的蹊径并非不可思议,但如此大面积的基本设施改革,难度比开拓智能汽车更大。

但在中国,会合气力办大事和互相协作的传统,却可发挥优势。

智能网联汽车是一条极其巨大的产业链,超过数个规模的十余个行业,全球范畴数百家企业。用于感知的摄像头、激光雷达、超声波雷达等,汽车通讯方面的车联网、高精度舆图等,决定中的算法、芯片及平台等,尚有实现汽车节制的制动、转向、油门,甚至照明等等,涵盖方方面面,极为复杂。个中,认真决定的算法和芯片与每一个规模彼此协作,必需与其他层级和配件实现高度共同,每个规模都须统一和完美共同,不可堕落。

其他体系出点Bug,最多带来未便,智能网联汽车呈现Bug,就是关乎人命的安全变乱。今朝,整个产业都处于探索和试错的阶段,因而看起来前路苍茫。

打破这个瓶颈,一定需要各企业的整合协作。美国以企业同盟形式相助,而在中国,智能网联企业不只仅是智能汽车,还涉及到5G通讯网络、云计较、大数据等一系列前沿信息和通讯技能,更需要顶层设计和整合协同。

今朝,依托当局顶层设计,正以产业园为载体,敦促科研机构、第三方智库与差异行业企业之间的协作。好比,海淀区已在中关村环保园建树自动驾驶示范应用场景,一期项目已于10月底以前完成建树。示范应用项目突出技能创新、模式创新和协同创新。园区同时陈设了LTE-V、EUHT两种尺度的车路协同设备。千方科技、新岸线等多家企业在园区中建树陈设了车联网设施、仙途科技智行者的无人清扫车、京东和白犀牛的低速无人配送车、春风5G自动驾驶小巴等多家企业的智能网联汽车已经在园区内开始测试。后续,英特尔研究院、地平线将参加园区智能感知、边沿技能等技能测试与应用。启明星辰和神州绿盟将介入车联网安全防护的技能测试。