新智驾|百度陶吉:Apollo智能交通一路走来的故事和思考( 三 )


每天我们在进行这样的融合和收集数据 。 有了这些数据之后 , 我们要做一个理论推演 , 车路协同对自动驾驶的增益到底是多少 。
新智驾|百度陶吉:Apollo智能交通一路走来的故事和思考
文章图片
【新智驾|百度陶吉:Apollo智能交通一路走来的故事和思考】我们认为目前的情况会在未来某一天发生改变 , 这套理论体系提出来 , 就是衡量真正理想情况下 , 车路协同对自动驾驶的帮助 。
简单来说 , 我们要测量一下有V2X时发生事故的概率和没有V2X发生事故的对比 , 这个比值代表了收益 。
V2X的覆盖率参数是C , 解决问题的比例是X , 解决了这些问题之后可以避免相应事故的概率是P 。
这里有一些简单的数字计算 , 大概的意思是说当我们单车智能可以达到人类驾驶水平的时候 , 有一个数字给大家作为一个参考 。 比如人类司机每10万小时出一次事故 , 单车智能接近人类水平时 , 剩下的问题大部分是因为看不见看不清看得太晚造成的 , 自动驾驶车当然不会有疲劳驾驶和鲁莽驾驶 , 而那个时候 , 自动驾驶车大部分都是因为感知带来的问题 , 而车路协同可以解决99%的问题 。
而今天我们的算法只能解决60%-70% , 而且希望到真正商业化的时候可以达到接近99% , 这是根据我们目前技术迭代的推演得到的 。
因此 , 通过车路协同可以减少10-100倍的驾驶风险 , 无人驾驶事故率降低99%-99% 。
新智驾|百度陶吉:Apollo智能交通一路走来的故事和思考
文章图片
这是我们基于实践理念的推演 , 随着我们大部分的试验和积累 , 这个数据我们会不断更新 , 让它更加精确 。
新智驾|百度陶吉:Apollo智能交通一路走来的故事和思考
文章图片
从车路协同到智能交通
新智驾|百度陶吉:Apollo智能交通一路走来的故事和思考
文章图片
有了ACE系统之后 , 我们就有了数字基础设施的底座 , 这个底座把道路的交通情况、车辆、行人做了影射 , 或者叫数字孪生 。
通过数字孪生之后 , 智能驾驶和车路协同引擎可以支撑很多的应用 , 这个引擎是开放的 , 有了数字孪生能力以后可以做很多事情 。
因此我们提出了ACE的引擎 , 作为我们智能交通整个的基座 。
比如说 , 有了ACE之后 , 信息控制优化可以给车更多可用的道路空间 。 通过车路协同设备 , 我们在不同的车端提供了我们的网联信息 , 包括我们和福特合作的前装车机的网络信息提示 , 包括百度地图上都可以收到我们的网联信息提示 , 给驾驶员带来非常好的伴随式体验 。


推荐阅读