最新行业洞见:车路协同自动驾驶研究
2021-05-18 关键词:车路协同 点击量:164

未来中国高级自动驾驶选择车路协同技术路线,行业内已基本达成共识,但目前车路协同落地还面临诸多挑战,大部分企业在落地实践时依然选择单车智能路线。本报告围绕当前车路协同自动驾驶面临的挑战展开深度研究,并试图找出相应的解决方案。


观点摘要


车路协同自动驾驶逻辑架构:以智能网联道路为基础,采用先进的传感、计算机、通信、网络和控制技术,通过道路-车辆互补感知、安全高效连接与层次化协同决策,实现车辆自动化运行。


车路协同自动驾驶多层次协同决策体系:车辆行驶过程中的不同任务由决策主体之间协同决策,多层次协同决策体系重点解决车辆换道、跟驰、车道路权分配和道路协同控制等核心问题。


协同式自动驾驶的意义与挑战:协同式自动驾驶在突破单车感知局限、优化交通等方面具有重要意义,但目前在车(路)终端层面面临融合感知、协同决策问题,在交通层面需解决协同规划与调控的问题,在系统整体层面还面临数据与协同计算的挑战。


车路协同路侧感知系统面临的挑战:路侧基础设施建设缺乏顶层设计,一方面传感器性能面临感知精度、识别准确率等多重挑战,另一方面工程部署面临如何保证传感器部署长期有效的挑战。


车路协同感知面临的挑战:信息安全是车路协同感知的主要挑战,在实际应用中协同感知要求车端与云端多次互认,信息处理较费时,因此对安全芯片的性能提出了更高的要求。


交通协同规划与调控面临的挑战:车路云协同规划综合调控,是解决以交通拥堵为主的交通痛点问题的必经之路,要想做好交通协同规划综合调控就得①理清ICV渗透率的影响、②建立交通协同体系、③打造车辆与交通调控系统的协同机制。


车路协同数据交互面临的挑战:数据实时交互依赖高可靠、低时延的通讯网络,网络由4G提升至5G、提高算力、优化算法是解决自动驾驶时延问题的关键路径。


协同计算面临的挑战:计算发生量最大的地方是在边缘云与路侧智能单元,如何将计算资源在时空上进行有效的配置,以确保高效协同计算是目前最大的挑战。


车路协同测试验证面临的两大挑战:①亟待建立一套可反映车路云协同驾驶的测试环境与评价标准;②规划并建立一套可支持车路云协同业务开展的仿真系统和服务系统。


以下为报告全文










首页 电话 联系
会员登录
还未注册?点击立即注册
注册
已有账号?返回登录