我今天要讲的是智慧交通领域的自动驾驶。我们知道，过去几年来，自动驾驶已然成为最激动人心、最令人关注的技术之一。今天我来谈谈自动驾驶的一些背景，特别是与智慧城市和智慧交通相关的内容，比如Vehicle to Everything技术，简称V2X。

　　人工智能确实为新技术、新产业创造了前所未有的历史机遇。最先受到它影响的实际上正是IT产业本身：新算法、新软件、新芯片、新技术堆栈、数据中心……当然还有很多新产品和新服务。然后，它又变革了我们既有的传统产业，比如医疗业、金融业、教育业和制造业等。最重要的是，它还创造了新的产业，自动驾驶当然就是其中一个。

　　汽车产业已经发展了100多年，无论是从技术 、供应链还是从商业模式来看，它都已经是一个非常成熟的产业。它正经历这一百多年来的第一次重大变革，这是一次真正意义上的脱胎换骨。这次变革可以用四个字母来概括：CASE——联网化（Connectivity）、自动化（Autonomy）、信息共享（Sharing）和电动化（Electrification）。我认为，自动驾驶无疑给该产业带来了最大的影响，它也是我们今天要探讨的主题。

　　人们常常问我，你为什么要把人们从驾车的乐趣中“解放”出来？因为它首要的优点是安全性高。90%以上的车祸，尤其是致命的交通事故，都是由人为失误酿成的。所以，把人从驾驶中解放出来，当然就有助于消除或最大限度地减少这类失误。它的第二个优点是效率高。我们平均每天要花60分钟甚至更长的时间在车里，用于驾驶或是寻找停车位，简而言之就是在“交通”上花的时间。而自动驾驶能为你省下这些时间，我们就可以用来做其他的事情。当然了，这也将会创造巨大的经济效益。

　　百度和麦肯锡最新的报告显示，在不到10年后的2030年，新产业创造的经济规模将达1.5万亿至1.8万亿美元之间。这还只是单单从全球的驾乘和机动车产业来考察。在我看来，自动驾驶是一种集成了众多不同要素的技术。它具备感知、规划和控制、模拟、精确到厘米级的高清路线规划等能力，还涵盖了各种软件、新型的硬件堆栈联网功能等。最重要的是，除了必须集成这种相似的东西，还得有安全性，容错率极低。因此，就挑战性和复杂度而言，我认为自动驾驶可谓终极的人工智能系统。但同时，我相信这个难关是可以攻克的。我们可以把一个特别复杂的问题分解成一个个可以逐一击破的小问题。

　　那么，在实现自动驾驶的过程中，我们必须解决的关键问题、必须要做的关键决策有哪些呢？这分为两大类：市场力量和非市场力量。市场力量包括技术、蓝图——如何实现我们的目标、以及如何构建生态系统等。非市场力量包括政策、法规、伦理道德、隐私和其他的人为因素。

　　今天我们将讨论其中一些技术，特别是V2X方面的技术。当然自动驾驶中包含其他的技术问题，如要采用什么样的传感器？雷达还是视觉？实现路径是什么呢？是要像特斯拉和Mobileye一样，依次经历第二级、第三级、逐步进展到第四级，还是像谷歌Waymo和百度一样，直接跳到第四级研制无人驾驶汽车？还有它将是一个开源系统还是封闭系统呢？它是类似安卓系统还是像iOS系统呢？谁将赢得这场角逐呢？是传统的OEM汽车制造商，还是一些新兴的电动汽车制造商，还是科技巨头呢？这里边有很多有趣的问题。今天我们只关注一个主题，那就是V2X技术。

　　V2X技术的实现可分为三个循序渐进的步骤。第一个步骤就是协同感知。它就是简单地将道路和交通数据与你在车里看到的信息整合在一起。第二步是协同规划。协同规划意味着在掌握了这些信息后，就能做出路线规划决策，以实现更高的效率。下一步就是系统，全面的道路设施设计，可以从城市全局的角度最大限度地提升交通系统的效率。人们通常在自动驾驶的模型设计这个议题上有很多疑问：它应该更多地基于单车智能还是需要V2X数据智能的协助？哪个更重要？显然，车辆本身需要非常智能化。要把人们从驾驶中解放出来，当然需要有最基本的自动智能去实现它。我也相信V2X技术、道路信息、交通信息以及整个城市设施给予我们的种种信息，对于实现更高水平的安全性是至关重要的。

　　在道路安全方面，有一些极端情况：比如恶劣的天气影响了视线；比如发生了拥堵或事故；还有其他的问题，比如在你看不到的盲区、突然出现的并线车辆以及其他难以预见的因素。如果只有单车智能，那整体的视觉感知、数据和感知可能就会非常局限。在这种情况下，V2X信息就可以提供很多帮助，可以将全局的交通信息和路侧设备感知到的信息，以及单车自身全部范围内的信息和其他的危险信息相结合。简单说就是可以一边自己接收道路信息和交通信号灯信息，城市基础设施同时也补充额外的、无法从车辆上感知到的信息。

　　此外，我们用到的很多功能、很多深度学习算法，都是基于数据的。所以，拥有的数据越多，得出的算法就越好。

　　各国政府都积极鼓励部署V2X技术，包括美国、欧洲、中国等。在政策、试验场地和部署方面，中国处于领先地位。目前，已有“5+2”个路网被指定为示范区，将来还将有更多投入使用。C-V2X是一种用作基础设施通信协议的主要技术。百度“阿波罗”（Apollo）就是一个特别的例子。“阿波罗”是百度从2017年开始开发的开源平台。这一开源商业平台最初主要是用于单车的，但现在，尤其是过去3年来，它新增了很多V2X功能。它在全球拥有200多个合作伙伴，进行着V2X技术方面最前沿的工作：技术研发、部署和试验。清华大学与百度阿波罗开展了合作。大约一年前，我们启动了Apollo Air项目。充分利用路侧智能的潜力探索车路协同领域的技术无 人区。此外，就像汽车的自动驾驶分级一样，我们也在尝试定义路侧智能的分级标准。即使车辆本身没有自动智能，我们也可以借助路侧、交通、道路和基础设施的感知和算法，协助没有自动驾驶能力的汽车导航。

　　当然，为了更好地实现自动驾驶，我们还是要把单车智能和路侧智能结合起来。我们已在多个城市部署了这一系统，主要是在北京的亦庄高级别自动驾驶示范区，这是北京市政府为试验各类V2X技术而设置的开放式试验场地。为了证明V2X对驾驶安全的提升，我们设计了一个数学模型来评测两条路线在不同交互场景中的表现。其中一条路线仅使用了单车智能，另一条路线X、车路协同（VICAD）信息。然后我们再从车辆交互模型、交通模型去调整车辆驾驶模式，然后再通过安全评价模型去考察V2X技术实际上对车辆整体的安全性有多大提升。

　　P（AD）表示单车自动驾驶的事故率，P（VIDCAD）表示运用了V2X技术后的事故率。我们通过开发这一模型，得出了一组数据。我们也在亦庄用线X技术来协助验证了这一模型的效果。我们可以看到，在三个不同的场景中，V2X技术的表现是最出色的，显著提升了安全性。尤其是在无保护的左转路口，这是普通车辆驾驶最头疼的问题。你看不到道路另一侧——无论是与道路水平一侧还是垂直一侧的交通状况。在这种情况下，V2X技术就能提供惊人的超过10倍数量级的安全性。这些还只是初步的成果。我们在亦庄部署了很多车辆，我们也在改进和迭代安全模型，以期取得更重大的成果。

　　我们既有真实的车辆驾驶数据，也有基于算法的理论模型。正是这一切让V2X技术和整个自动驾驶体验变得更加安全、更加令人信服。

　　我想再次强调，自动驾驶是过去几年间最引人注目的技术进步之一。多年来，自动驾驶汽车一直是一个梦想。有史以来第一次，随着技术的进步，随着新功能的诞生，我们有了新的算法、有了我之前提到的CASE，我们正在让自动驾驶变成现实。

　　声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

　　及中央域控制(Domain)和区域控制(Zonal)架构是下一代车载网络的

　　员辅助系统中，例如碰撞预警和缓冲刹车、盲点检测、车道变换辅助等，然而高性能雷达

　　汽车。但如果你有很棒的人工智能和控制系统，但配的传感器很糟糕的话，同样还是会碰到问题，因为如果传感器不灵的话，汽车就没办法感知所处的周遭环境，继而撞上附近的物体。

　　事故，和最近在Defcon上演示的如何干扰传感器，都充分说明了传感器在

　　实现的基础，如果不能正确地感知周围环境，那么接下来的认知、决策与控制，都是空中楼台。

　　汽车和互联汽车的出现对无线连接测试领域提出了更高要求，尤其是汽车产业正在推行的汽车到万物（

　　对环境和拥堵产生积极影响。市场调研公司ABI Research预测：到2030年，道路上四分之一的汽车将会是

　　实际包含三个问题：一是我在哪？二是我要去哪？三是如何去？能完整解决这三个问题就是真正的

　　的投资热度在明显增强。另外，也已经有公司在开发不同于普通地图的3D地图，能详细到道路旁边的电线杆的位置，以及与下一个油桶、灯柱距离。对于

　　包含了两种传输模式，一种是直接通信，一种是基于网络的通信，这两种传输模式作为具备安全感知及

　　. 密集场景大型停车场等车辆聚集密集场景，众多车辆进出停车场，需要对所有车辆实时定位和路径规划调度导航，才能保证

　　就需要知道车辆在道路的精准位置信息，目前依靠GPS+RTK、惯导、激光雷达、毫米波雷达、超声波雷达、视频视觉，甚至需要更多道路信息，实现

　　安全需要。大型室内或准室内场地遮挡严重，存在GPS/GNSS信号盲区。在立交桥、涵洞、隧道、林荫道、地下停车场、楼宇间等场景下

　　汽车奠基人的斯坦福大学教授塞巴斯蒂安·特伦(Sebastian Thrun)。在谷歌任职时，特伦

　　的还是很喜欢这个mBot机器人，我测试完后可以给我上初中的弟弟玩，让他也能和我一样接触到电子研发。项目描述：

　　还没有成熟，没有足够的实验累积之前，不应该投入商用，不能拿民众生命开玩笑。也有部分网友认为，现在

　　汽车是依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，

　　系统，摄像头、雷达、超声波和激光雷达开始为我们保驾护航。不过，一辆车到底安不安全跟它搭载了多少传感器并没有太大关系，如何使用这些传感器才是

　　开云中国官方网站

　　(Vehicle-To-Everything)，包括车辆与外界进行的各种互联，这也是未来智能汽车、

　　，这是我们测试的视频《基于slam算法的智能机器人》调研分析报告项目背景分析机器人曾经是科幻电影中的形象，可目前已经渐渐走入我们的生活。机器人

　　(Vehicle to Vehicle 车-车)，可用于车与车间的信息交互，应用方向为车辆碰撞预警

　　为人们勾勒出了一副美好的未来出行的画面：坐上没有方向盘的汽车，一觉睡到公司门口；甚至我们可能不再拥有一辆汽车，需要出门时共享

　　是ADAS (Advanced Driver Assistance System，高级

　　”汽车普及也有相应的“痛点”，包括法律法规、伦理问题、成本高企等。 无人

　　（报告出品方/作者：国金证券，翟炜）报告综述产业链与市场空间：当前我国

　　D画面）的数据收集器。二、视觉主导还是激光雷达主导？据清华大学邓志东教授介绍，

　　路线主要有两种：一种是以特斯拉为代表的视觉主导的多传感器融合方案，另一种以低成本激光雷达为主

　　的130辆测试版雪佛兰电动汽车Bolt今天从密歇根州的Orion工厂正式下线，这也是首款采用量产工艺打造的、标明具备

　　汽车测试和研究的枢纽，硅谷目前已有六十家公司获得测试许可，能够在加州道路上

　　浮点运算的工作负荷，并在汽车应用可接受的功耗水平上获得实时的处理性能表现。随着全

　　功能进行加速的策略才能保证这些系统得到广泛应用。利用被称为 CDNN 的框架

　　概念车，但为什么直至最近无人车才不再被视为科幻小说，而是眼下将实现的革命性科技产品？追其原因，主要在于，人工智能的显著进展，以及开发无人车的所需

　　模式会有转换期，转换期会让行驶延续性有所冲突，虽能透过程序设计来避免这个问题发生，但机器

　　汽车已经行驶近30万公里了，非常的强大~~上次参加了重庆新能源汽车峰会，对会上富士通半导体宣讲的一款全景视频汽车实时监控

　　高阶版本的增强和补充，通过车与车、车与人、车与交通基础设施、车与网络的互联互通，让对环境已经具备感知能力的

　　——通过将车辆连接至车辆、路边设施、交通信号灯和许多其它系统来确保安全。

　　不断应用于汽车行业中，使得汽车控制系统的复杂度愈来愈高。同时，人们对于数字化生活的需求也逐渐扩展到汽车

　　汽车（AV）和电动汽车（EV）的未来的形成，和其他可能出现的趋势。在整个演讲中，两位发言者谈到了

　　车安全地上路，硬件性能与背后的软件算法，以及不同传感器之间的数据融合，都是需要提升的地方。

　　就是另外一回事了。此外，发生碰撞时的责任问题还将需要仔细核实，因为可能不再牵扯到人的问题（我们通常是犯错误或违法的群体）。理想情况下，路上的所有汽车都将具备

　　主要有三个方面：芯片、操作系统和传感器。”飞步科技CEO何晓飞如是说，芯片是上层建筑的基础，操作系统调度所有任务，传感器是神经末梢。三个方面目前都处在早期阶段，距离成熟还有非常长的路要走。

　　编者按 ：最新的一个爆料是关于华为汽车，华为轮值CEO在内部表态，“我们研究了4年，把未来电动汽车和

　　在于感知层面，而行业却仍在诟病视觉感知距离误差大，缺乏立体空间建模能力，且样本数据库过于庞杂。于是，周圣砚决定带领算法团队，重新定义单目视觉，跨界挑战激光雷达。

　　则能够将“人-车-路-网-云”等交通参与要素有机地结合在一起不仅可以支撑车辆获得比单车感知更多信息，促进

　　的研发、转化、应用，还有利于支撑构建一个智慧的交通体系，促使汽车和交通服务朝着新模式业态方向

　　——通过将车辆连接至车辆、路边设施、交通信号灯和许多其它系统来确保安全。

　　系统提供了重要的感知和决策能力。毫米波雷达模块通过实时探测和跟踪周围环境中的车辆、行人和障碍物，提供精确的距离和速度信息，帮助