江苏龙网

  1. 首页 > 人文 > >

无人科技蘑菇车联邓志伟：车路云一体化为自动驾驶落地提供系统级解决方案( 二 )


假设我们规划了一个从A点到B点的自动驾驶任务 ， 其中会有超车、并线、加速、减速、环境识别等子任务 ， 这些子任务就都属于DDT的范畴 。
OEDR（目标和事件探测及反应）
OEDR是DDT的子任务 ， 包括监测驾驶环境（检测、识别和分类对象和事件 ， 并准备按需要做出响应）并对这些对象和事件执行适当的响应（即根据需要完成DDT和/或DDT后备） 。
ODD（设计运行区域）
给定的驾驶自动化系统或其特征被设计为起作用的具体条件 ， 也就是这个标准对自动驾驶的条件限定 。 从右侧表格的右下角开始 ， 如果有ODD的限制 ， 就不是L5 ， 没有ODD的限制 ， 就是L5 。
可以看出 ， 在SAE的自动驾驶分级标准中 ， L0-L5只定义了一台车在什么环境、什么条件下、能够执行什么动作、达到什么结果 ， 没有任何外界环境因素介入 。 而到了2019年 ， 欧盟、美国、日本联合推出了一个新的支撑自动驾驶的道路设施标准叫ISAD ， 这个标准把车之外的道路设施分成了ABCDE五级 ， 其中A-C代表数字化道路设施 ， A等级最高 ， 代表协同驾驶 ， B等级代表协作感知 ， C等级则是动态信息数字化 。 另外 ， 美国交通部也在2019年提出了支撑自动驾驶的协同信息分级标准 ， 定义了车与外界信息交互的类别 ， 这里面就包括车辆与车辆以及车辆与设施之间状态、意图、行为的信息交互 ， 最终是为了形成协同最优的自动驾驶路径规划 。
无人科技蘑菇车联邓志伟：车路云一体化为自动驾驶落地提供系统级解决方案
本文插图
自动驾驶国际形势的重大变化
通过上述两个新标准的发布就可以明确 ， 这两年国际上对自动驾驶的技术路线已经发生了重大转变 。 业内纷纷将注意力从单车智能转移到车辆和外界环境的连接协同 ， 从而整体提升自动驾驶的鲁棒性 。 具体而言 ， 车将自身行驶速度、轨迹和驾驶意图传递给路 ， 路把所有交通参与者的驾驶意图信息上传到云端 ， 协助云端实时更新交通信息 ， 再通过车、路、云之间的全局协同做出最优决策 ， 从而体系化地提升自动驾驶的安全 ， 同时将单车智能化的高昂成本部分转移到路侧 。 这是全球自动驾驶产业走向大规模落地非常重要的路线突破 。
那么如何连接呢？5G 。 5G充当着“水管”的角色 ， 支持自动驾驶车辆和外界环境、道路的信息交互 。 在自动驾驶的高速场景中 ， 车和车、车和路之间的通讯需要的正是大带宽、低时延、大连接的5G通信管道 。 目前世界各国目前正在大力推动5G基础设施建设 ， 欧盟很早就开展了多个5G自动驾驶相关的项目研究 ， 包括5GCar、5GCroCo、5GMOBIX等等 ， 美国ITS战略规划提出了支持V2X和V2I ， 日本也从国家层面提出重点发展自动驾驶和未来智能社会之间的协同 。
讲完国外 ， 再来看看中国近年在自动驾驶标准、政策方面的变化 。 标准方面 ， 中国公路学会自动驾驶工作委员会在2019年发布了《中国智能网联道路系统分级定义解读报告》（意见征求稿） ， 从信息化、智能化和自动化几个维度对道路进行了非常明确的标准分级 ， 核心目的同样是让道路为车辆赋能 ， 进而提升单车的感知、分析和决策能力 。 政策方面 ， 截至2020年8月底 ， 车联网、智慧交通、车路协同的国家级相关政策法规累计已经达到57条 ， 还个数字还不包括地方政府发布的政策 。 这些都是非常强有力的国家政策信号 ， 即通过车外赋能推动自动驾驶大规模落地已是大势所趋 。
无人科技蘑菇车联邓志伟：车路云一体化为自动驾驶落地提供系统级解决方案
本文插图
自动驾驶国内政策支持
单车智能面临安全和成本两大核心挑战
从单车智能到车外赋能 ， 自动驾驶趋势重大变化的背后 ， 是单车智能自动驾驶面临的两大核心挑战日益突出 。
从全球范围来看 ， 目前单车智能化的自动驾驶路线主要有两类 ， 以谷歌Waymo为代表的激光雷达+重地图路线和以特斯拉为代表的重视觉路线 。 下面这张图展现了Waymo自动驾驶汽车的豪华配置 。


推荐阅读


上一篇：一味宠爱手机出现这个图标，不要轻易忽视，它可能会加速手机扣费

下一篇：闲情居谷歌前总裁：美国必须不惜一切代价在人工智能上击败中国