车联网、V2X

车联网、V2X

李骏院士:自动驾驶汽车需要新技术路线

博客自动驾驶小能手 发表了文章 • 0 个评论 • 14 次浏览 • 2 天前 • 来自相关话题

自动驾驶技术研发面临“感知不充分”、“规则不明确”及预期功能安全等难题,欧美日联合推出支撑高级别 ...查看全部

自动驾驶技术研发面临“感知不充分”、“规则不明确”及预期功能安全等难题,欧美日联合推出支撑高级别自动驾驶的交通设施ISAD规范,指导未来自动驾驶汽车的开发。中国应该怎么做?

核心观点

自动驾驶技术研发面临“感知不充分”、“规则不明确”及预期功能安全等难题,欧美日联合推出支撑高级别自动驾驶的交通设施ISAD规范,指导未来自动驾驶汽车的开发。中国应基于城市智慧化、交通智能化、驾驶规范化等基础,加速探索智慧城市、智能交通、智能汽车(SCSTSV)融合一体化的中国标准智能网联汽车发展之路。

01. 自动驾驶汽车需要新技术路线

1.1自动驾驶汽车开发面临两大挑战

研发ADV的最大挑战之一:感知、规则、安全、复杂、可靠的问题。相比较来说,如果是把机器驾驶放在原来是有人驾驶的车上去,最大的缺点就是“感知不充分”,这是人类驾驶员能够做到而目前机器驾驶做不到的。目前的ADV研发尚未找到解决“感知不充分”和“规则不明确”两大难题的技术方案。

研发ADV的另一个重大挑战——必须解决SOTIF预期功能安全问题,系统预期功能安全问题由感知层、决策层、执行层的预期功能安全问题共同构成。机器驾驶的原意是要解决人驾驶时的交通事故问题,由于机器驾驶之后又出了安全事故问题(非系统故障原因),这就是目前在全球自动驾驶最大的挑战之一,也称SOTIF预期功能安全。在自动驾驶汽车开发的时候将其避免掉,否则自动驾驶汽车又会产生新的不安全因素。

1.2 单车智能两条技术路线各有优势

一种是基于车载激光雷达和重地图的“饱和”感知系统。另一种是特斯拉路线,基于车载图像和“轻地图”的自动驾驶技术路线。在解决自动驾驶汽车“感知不充分”难题方面挑战大。随着人工智能对图象处理和传感系统不断的完善,感知不充分问题可以解决,但依然难以解决“规则不明确”问题。其最大的优势是便宜,能够商业化,但是该技术依然属于传统汽车“搭载上”的产品独立性设计理念范畴,也没有用赋能的概念。

1.3 国际自动驾驶技术路线的演变

欧美日联合推出支撑ADV的交通设施ISAD规范,用道路设施来支撑自动驾驶。

美国交通部于2019年提出高级别自动驾驶的协同技术分级CAD。认为对于L3、L4、L5这样的车需要有路侧协同,有路侧的协同、有车外的协同;美国的第2级是说清楚意图,第3级就是说车与车之间通过谈判协商路线。虽然美国还没有5G-V2X技术,但是它已经注意到未来技术路线应该往这个方向走。

全球已有初步共识,要搞基于ODD(全球通用)、ISAD(局部)与各国家交通法规融合一体化的框架,用来指导未来自动驾驶汽车的开发。这是我国自主OEM还没有注意到的大变化,有必要将这样的架构提到国内自动驾驶汽车技术路线讨论的议程上来。本次欧盟在WP29签的98协议,而中国是58协议,所以探索中国智能网联汽车发展之路非常有必要。

探索中国智能网联汽车技术创新之路

中国汽车自动驾驶主要面临三大难题:城市布局不合理、交通场景太复杂、驾驶行为不规范。

在“基于ODD/ISAD和各国家交通法规融合一体化全球框架”下构建中国标准ICV架构。加速探索中国智能网联汽车发展之路,要基于我国的法律、法规和知识产权,基于我国的场景标准、地图标准、交通标准、通信标准、安全标准来支撑中国标准的智能网联汽车。

探索中国智能网联汽车技术创新之路的总体思路是,基于SCSTSV一体化的中国标准智能网联汽车“3-3-2-1”发展战略。

实施三大布局:宏观布局,构建一个能够支撑融合一体化的智慧城市,包括智能交通和智能汽车;中观布局,构建智慧交通网络系统,包括像V2X的信息物理融合,以及RSU系统以及能够达到ISAD标准的设施;微观布局,三类汽车的开发分别应该在车辆技术层面、系统和服务层面、社会和法律层面,来实现中国标准的智能网联汽车的自主研发。

强化三大融合,“智慧城市+智能交通+智能汽车”的一体化融合。

实现两大创新,正向研发和颠覆性创新。

实现一个目标,研发出国际领先水平的SCSTSV融合一体化的中国标准智能网联汽车。

交通部发布“车联网”重磅文件!

博客自动驾驶小能手 发表了文章 • 0 个评论 • 17 次浏览 • 2 天前 • 来自相关话题

据中国政府网官网消息,7月31日,交通运输部办公厅印发关于征求《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》意见的函,其中提到,到2022年底,初步构建支撑车联网应用和产业发展的标准体系。 ...查看全部

据中国政府网官网消息,7月31日,交通运输部办公厅印发关于征求《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》意见的函,其中提到,到2022年底,初步构建支撑车联网应用和产业发展的标准体系。



征求意见稿指出,我国政府高度重视车联网及智能网联汽车相关产业发展。2017年2月,国务院发布《“十三五”现代综合交通运输体系发展规划》,提出加快智慧交通建设,不断提高信息化发展水平,充分发挥信息化对促进现代综合交通运输体系建设的支撑和引领作用。
2018 年4 月,工业和信息化部、公安部、交通运输部联合发布了《智能网联汽车道路测试管理规范(试行)》,对测试主体、测试驾驶人及测试车辆、测试申请及审核、测试管理、交通违法和事故处理等方面作出规定。北京、上海、保定、重庆和深圳等城市先后出台了自动驾驶道路测试管理规定。
征求意见稿称,针对车联网产业发展技术现状、未来发展趋势及智能交通行业发展状况,聚焦营运车辆和基础设施领域,建立支撑车联网应用和产业发展的智能交通相关标准体系,分阶段出台一批关键性、基础性智能交通标准。
征求意见稿提出,到2022年底,初步构建支撑车联网应用和产业发展的标准体系,完成一批智能交通基础设施、辅助驾驶等领域智能交通相关标准,制修订标准20项以上;到2025年,系统形成能够支撑车联网应用和产业发展的标准体系,形成一批智能管理和服务、车路协同等领域智能交通关键标准,再完成20余项标准制修订任务,标准体系完成总数达到40项以上。
北斗组网成功,车联万物渐近,行业规模稳健增长,产业正值快速发展期。川财证券分析师方科称,行业进程正由人车互联迈向车与万物互联。
车联网的未来是为了实现自动驾驶,而自动驾驶的坚实基础是网联智能(车路协同)。产业链包括上游涵盖终端设备的核心组件:芯片、通信模组等;中游涵盖车载、路侧等终端设备以及汽车承载自动驾驶核心功能的高精度地图等组件;下游涵盖测试验证、运营服务等。
根据赛迪顾问的预测,2016-2021年间,我国车联网产业规模的年复合增长率将达到24.93%,到2021年,我国车联网产业的规模将达到1115亿元。
渤海证券分析师徐中华认为,三大因素将催化车联网产业进程加速。其一是政策的持续推出;其二是产业内巨头争相加码,此前以传统汽车及零部件厂商和ICT科技巨头为主,科技巨头加入车联网产业之后,也加速了行业的变革和洗牌;其三是R16标准冻结,北斗完成全球组网,助力车联网提速。
其认为,短期内,车联网的基建是核心(路侧&车载终端设备、软件等);中长期来看,车联网数据的获取、运营才是核心,也是最有可能诞生行业巨头的领域。此外,当前车联网领域的终端传感器和云端运营服务商尚处于割裂状态,二者的盈利模式也不尽相同。未来车联网的传感器和运营服务或将在一定程度上融合,部分厂商的盈利模式将变成“前端传感器销售+后端运营服务”。
交通运输部办公厅关于征求《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》意见的函
交办科技函〔2020〕1229号
各省、自治区、直辖市、新疆生产建设兵团交通运输厅(局、委),工业和信息化部、公安部、市场监管总局办公厅,全国道路运输、智能运输、交通工程(公路)、城市客运标委会,全国汽车标委会客车分委会,信息通导标委会,中国公路学会、中国道路运输协会,部科学研究院、部公路科学研究院、中国交通通信信息中心:
为落实《交通强国建设纲要》,加快自动驾驶和车路协同技术应用,推动国家车联网产业标准体系建设,交通运输部组织编制了《国家车联网产业标准体系建设指南(智能交通相关)(征求意见稿)》(以下简称《指南》),拟联合工业和信息化部、国家标准化管理委员会印发。现将《指南》送你单位,请研提意见并于2020年8月14日前反馈我部。


联系人:科技司 赵晓辉,电话:010-65292199,传真:010-65292100,邮箱:zhaoxh@mot.gov.cn。

交通运输部办公厅

2020年7月29号







智能网联汽车参展95届中国电子展(2020-8-14深圳)

博客自动驾驶小能手 发表了文章 • 0 个评论 • 24 次浏览 • 3 天前 • 来自相关话题

智能网联汽车飞速发展,如何在风口上找到自己的发展之道

从第一台收音机上车开始,人类对于汽车的期待就不在仅限于出行了,而是赋予其更多的使命,如今随着智能科技的飞速发展,汽车更是成为了一个可移动的智能化设备。AI助手、语言识别、自动驾驶,智能互联,近几年不断涌现的科技设备,一次次的改变着人类对于智能汽车的认知,也将人类对智能出行的期待拉到了一个前所未有的高度。

“智能汽车”已经被行业普遍认为是下一个新赛道。以特斯拉为例,从年初至今,股价上涨幅度超过300%,稳坐全球车企第一市值的宝座。而其股价上涨的核心驱动力并不在于特斯拉续航里程有多远、短期是否盈利,而是特斯拉竖立起的以智能汽车为主的技术壁垒,才是被资本市场看好的重要原因。

国内的造车新势力同样如此。小鹏汽车刚宣布完成由Aspex、Coatue、高瓴资本和红杉中国等知名投资机构参与的C+轮融资,融资金额近5亿美元。在2020这个洪涝之年,资本更加趋于理性,但小鹏汽车仍然获得了一大批资本雄厚的投资方认可,其主要原因便是小鹏汽车紧抓智能化这一赛道,利用智能优势实现产品差异化突围,市场潜力获得认可。

除了资本市场看好智能网联汽车,国家政策层面同样是利好导向。今年二月,国家发改委、科技部、工信部等11部委联合印发《智能汽车创新发展战略》,明确我国发展智能汽车战略愿景和主要任务。

资本政策双重利好之下,便是极其宽阔的发展空间。据中商产业研究院发布的《2020年中国车联网行业市场前景及投资研究报告》显示,到2020年,我国车联网产业市场规模将超2000亿元;我国智能网联汽车的市场规模可达到1000亿元以上。工信部电子科技委副主任兼秘书长莫玮说,根据预测,智能网联汽车将迎来持续20年的高速发展,到2035年,将占全球25%左右的新车市场。

规模逐渐壮大的同时,也会给上下游供应商带来极大的发展机会,智能网联汽车产业链之长,其上游涵盖了感知、控制、执行等关键系统;中游涵盖了智能驾驶舱、自动驾驶解决方案以及智能网联汽车等集成系统;下游涵盖了出行服务、物流服务等应用服务。无论哪个环节,都孕育着成千上万的机会。

因此智能网联汽车行业,也被认为是未来20年内最具想象空间的行业,其无论是市场规模还是带动产业链上下游发展的能力,在当下都是当之无愧的独一档。但机会与风险,永远都是并存,如何在市场、科技飞速变革的前提下,应对各种变化以及把握汽车智能化的发展趋势,成为企业当下需要重点思考的一个点。

2020年8月14日-16日,深圳会展中心将会举办第八届中国电子信息博览会,智能网联汽车板块作为一个重点核心内容,将会在CITE2020上集中展示主动安全与智能辅助驾驶系统。届时,各大企业将会齐聚一堂,一同分析车联网前瞻性技术,探讨智能网联汽车生态体系建设,培育产业新业态,构筑竞争新优势,占领战略制高点。包括腾讯旗下的梧桐车联,阿里巴巴投资的福信富通,华为在自动驾驶标准的方面的布局均在本次电博会有不同程度的参与和展示。

腾讯系的梧桐车联虽是腾讯与长安共同出资建立的公司,但建立之初的目的就是面向整个行业,而非成为长安的御用车企服务供应商,其可以向企业提供完整“生态车联网”操作系统完整解决方案。旗下的TINNOVE OS通过将腾讯车联的基础能力和腾讯核心生态资源深度整合,构建了乐趣、连接、AI三大核心能力。据悉,今年下半年TINNOVE OS将会迎来一次重大升级,升级后,其架构会更加开放,适应性也会更加强,至于会不会在此次电博会露面,大家可以多一丝期待。

相比梧桐车联,福信富通可能更少被人熟知,它是由互联网巨头阿里巴巴投资的一家致力于智能交通、车联网、大数据挖掘、北斗技术应用等相关产品的研发及应用的高科技企业。其自主研发的ASCS主动安全智能防控管理系统,基于北斗/GPS卫星定位技术、GIS地理信息技术、定时或及时抓拍图片、实时GPS位置及轨迹查询显示等先进的技术,为公交车、客运车、出租车、网约车等商用车辆的安全出行以及智能化管理保驾护航。同时,该系统一举拿下“2019中国汽车主动安全智能防控十佳平台”殊荣,展现了其深厚的研发实力。

华为作为通信行业的巨头,虽然一度表示不造车,但其在自动驾驶领域上的动作却是不断,先曝出其自动驾驶操作系统内核成功获得业界Safety领域最高等级功能安全认证,成为国内首个获得ASIL-D认证的操作系统内核。接着又在最近被曝光所申请的自动驾驶专利,该专利摘要为:根据用户的历史驾驶行为数据以及当前环境数据确定自动驾驶策略,从而实现安全驾驶。华为在自动驾驶领域的建树,已经使其成为自动驾驶领域不可忽视的一个重要科技企业。

值得注意的是,第八届中国电子信息博览会开展的同时,同期的车联网大会也将在深圳会展中心六层茉莉厅14日至15日全天召开,将结合5G、自动驾驶、北斗卫星导航、主动安全、道路运输信息化等内容,与展区内容互相呼应,形成政、产、学、研、用全产业融合创新的展览会议平台。

综上:

汽车智能化已经成为当下不可阻挡的一个趋势,如何在激励的竞争中找到属于自己的发展之道,成为所有企业都要思考的问题,而第八届中国电子信息博览会的开展,将会给智能网联汽车企业及周边技术企业提供一个展示最新一代技术且具有友好交流、互利共赢属性的大平台,有利于行业核心技术的突破,共同推进中国智能汽车走向世界前列。

高通宣布与华为达成专利纠纷和解

博客自动驾驶小能手 发表了文章 • 0 个评论 • 30 次浏览 • 2020-07-31 17:09 • 来自相关话题

据外媒报道,高通公司本周三表示,该公司已与华为就专利许可问题达成协议,华为将在第四财季向高通支付18亿美元的追补款。该消息发出后,高通公司股票在盘后交易中上涨了高达12%。高通表示,已与华为达成了和解协议,并达成了一项“长期的全球 ...查看全部

据外媒报道,高通公司本周三表示,该公司已与华为就专利许可问题达成协议,华为将在第四财季向高通支付18亿美元的追补款。该消息发出后,高通公司股票在盘后交易中上涨了高达12%。

高通表示,已与华为达成了和解协议,并达成了一项“长期的全球专利许可协议”,该协议包括一些交叉授权。不过,根据美国法规,目前华为仍被禁止购买高通的芯片。

高通公司CEO Steve
Mollenkopf在一场分析师电话会议上表示:“随着华为协议的签署,我们现在进入了一个与所有主要手机OEM厂商都已达成多年专利授权的时期。”

双方的协议签订消除了高通与华为在专利许可问题上的纠纷。高通表示,目前该公司已与市场上所有主要厂商签署了100多份5G专利许可协议。

高通在本周三预测称,由于其5G芯片的销售以及以及与华为达成的和解协议,该公司在第四季度的收入将大大超过华尔街预期。

不过,高通暗示,一款“旗舰”5G终端设备可能会延迟,这将影响其收入。媒体推测,这很可能指的是苹果公司备受期待的5G
iPhone。高通去年取代了英特尔,成为苹果iPhone的5G芯片供应商。

从成都车展看智能网联汽车三大趋势

博客自动驾驶小能手 发表了文章 • 0 个评论 • 35 次浏览 • 2020-07-30 16:42 • 来自相关话题

7月24日,国内第一个A级车展——第23届成都国际车展正式开幕。本届车展汇集了德系、美系、日系、韩系以及合资、自主等120多个汽车品牌,参展车辆超1500余辆。
作为“疫”后国内率先举办的A级车展,各大车企对本届成都车展的重视程度不言而喻,展会首日就有50多场汽车品牌发布会,带来了多款全球及国内首发和限量版车型。
据相关数据统计,今年成都车展共有120多个汽车品牌参展,参展车辆1500余辆,首发车型69款,其中全球首发16款,全国首发26款。而这个数据在2019年,则为130多个汽车品牌,1600余辆车展车,首发车型80款,全球首发28款,全国首发41款。
尽管在参展规模上,这届的成都车展有所“缩水”,但在笔者看来,这届成都车展依然看点多多。

智能网联成为自主品牌主流搭配

如果说2019年的成都车展,搭配智能网联的车型还算少数,那么,在今年的成都车展上,搭配智能网联的车型已占据主流地位。
智能化再进阶的2021款哈弗F7/F7x,也在本届成都车展上正式亮相。通过对数字时代新青年出行需求的调研,2021款哈弗F7/F7x围绕“世界同步”和“娱乐至上”两大用户需求,率先搭载哈弗新一代智能网联系统,其主要的变化是换搭了腾讯车联TAI3.0系统,车载娱乐内容以及流畅度都有明显提升。
在功能上,这套全新车机系统包括了腾讯随行和腾讯爱趣听,同时拥有丰富的第三方内容生态服务。此外,该系统还支持车载微信功能,在方向盘上将配备微信专属控制按键,并支持全语音交互。
新宝骏RS-3 1.5T车型的上市,也成功吸引了很多观众的驻足。新车定位智能畅快SUV,搭载全新1.5T涡轮增压发动机,售价8.78万-9.88万元。其最大的亮点在于作为一款不到10万元的车型,新宝骏RS-3同时搭载了自动驾驶辅助系统和智能网联系统两大智能化功能。
新车搭载的同级领先的0-150km/h ACC全速域自适应巡航系统,能有效缓解长时间驾驶疲劳,让出行更简单、更安全。在网联方面,新宝骏RS-3 1.5T搭载的新宝骏车联网,可实现远程操控,支持APP全应用投屏互联,同时更新后的系统响应速度更快,连接稳定性更佳,用户还可以直接在线OTA升级。而这样的例子在本届车展上有很多,比如,广汽新能源埃安V、哈弗H6、北汽EU7、长安欧尚X5等,遍及中国绝大多数汽车品牌。
合资品牌加速布局智能网联车型
一直以来,合资品牌对待智能网联系统的态度都不温不火,不过,在本届成都车展上,笔者发现已有相当一部分合资品牌正加速布局智能网联汽车。
在时隔七年之后,奔驰GLA终于换代了,除了在外观部分的变化外,全新一代奔驰GLA标配了双10.25英寸“大视界交互屏”、64色环境氛围照明系统,还配备全新升级的MBUX智能人机交互系统,带有同级独有应用AR增强现实技术的“实景穿越导航”和新增的“洗车模式”。
无独有偶,在起亚官方公布信息中,新车搭载了L2.5级智能驾驶辅助系统,其中包括RCCA后方交叉防撞辅助系统、FCA前方防撞辅助、BCA盲区防撞辅助、SEA安全下车辅助、SVM全景影像、LKA车道保持辅助、DAW驾驶员疲劳提醒等配置。
东风日产则携全系车型亮相2020成都车展,并发布了“智联未来”计划,全面加速日产智行在中国的落地推进。同时,搭载全新升级Nissan Connect超智联系统的2021款劲客及2021款骐达同步亮相,展现了日产智行的科技魅力。
具体来看,用户可以通过超智联APP就能控制车辆的空调、车门锁、行车记录仪等;一句“你好,日产”唤醒后,便可语音控制空调、行车记录仪、座椅加热、导航等实用功能。
在车载在线服务方面,超智联系统可实现车内微信/支付宝/银联在线支付,并支持OTA在线升级、车辆健康监测及维保预约、车载4G WIFI热点等12项车载在线服务。此外,诸如远程实时监测、全时在线导航和在线语音娱乐等功能也没有落下。
智能座舱从概念进入落地阶段
从本届成都车展为数不多有关智能技术的发布信息中,还能得出一个结论,智能座舱正从概念进入落地阶段。
车展日当天,吉利发布了CMA超级母体技术,通过集中式的分布结构,采用FlesxPay总线,其传输速率将是CAN总线的20倍。此外,该架构不止会融合全新一代的GKUI车机系统,还会融合吉利自主研发的低轨卫星,抢位无人驾驶领域。总体来说,吉利新一代架构融合了自动驾驶与智能座舱这两个方面。
长城VV7科技版的智能科技座舱,则从豪华科技、安全科技、智能科技三个维度,为用户带来全面升级的科技感知。
标配的全生态座舱清洁控制系统,包含智能座舱清洁系统、AQS质量控制系统、PM2.5检测过滤系统、负离子空气净化等系统及功能,从空气质量控制、粉尘过滤、检测及净化四方面,为用户带来全面守护;
标配的智控三视行车记录仪的车型,可实现对车前、车内及车后实况进行实时查看,支持抓拍及摄像功能,并可在多媒体显示屏进行预览和查看;
标配的全自动智能泊车辅助系统,当车辆车速<30km/h时激活系统开始自动搜索车位,通过车身两侧传感器探测到当前车辆所在位置满足泊车条件后,系统将通过声音及中控显示屏提示泊车信息,驾驶员只需根据系统提示操作,车辆可自行完成全自动泊车。
长城VV7科技版还配备了AI智能面部识别功能、IACC智能巡航车速限制系统、AEB双闪提醒、二次碰撞缓解系统、未关窗提醒、LCK车道居中保持等40余项科技安全配置,从行人、乘员以及驾驶员三方出发,进一步优化智能驾驶辅助体验功能。
此外,威马也在本届车展上力推智能座舱概念,按照其官方的说法,EX5-Z、EX6 Plus意在满足家庭用户,在健康安全、智能科技方面的使用需求,并且搭载了L2级Living Pilot智行辅助系统和一键智能APA自动泊车功能,可以带给用户更智能、便捷的用车生活。

别了,公交落水事故!解析客车驾驶安全智能解决方案

博客自动驾驶小能手 发表了文章 • 0 个评论 • 75 次浏览 • 2020-07-22 16:58 • 来自相关话题

客车驾驶安全智能解决方案主要涵盖驾驶行为监控预警、驾驶行为分析、驾驶行为评估、车辆运行大数据智能管理以及车辆轨迹及视频监控五大系统,旨在打造全运营流程的客车安全防护 ...查看全部

客车驾驶安全智能解决方案主要涵盖驾驶行为监控预警、驾驶行为分析、驾驶行为评估、车辆运行大数据智能管理以及车辆轨迹及视频监控五大系统,旨在打造全运营流程的客车安全防护体系。

贵州公交落水事件再次将公共交通安全,尤其是驾驶安全拉入大众视野。
为了实时监管驾驶员的驾驶行为,从而及时制止此类事件再次发生,7月17日,福田欧辉公布了其“客车驾驶安全智能解决方案”,旨在为平安出行保驾护航。
1595408130939254.png
【福田欧辉驾驶安全智能解决方案应用范围】
那么,福田欧辉“客车驾驶安全智能解决方案”是什么?
福田欧辉“客车驾驶安全智能解决方案”是基于云计算、大数据等底层能力,与CAN总线、车载智能网联设备高度融合,构成完整、安全、智能、开放的客车驾驶安全系统架构。
目前,该驾驶安全智能解决方案涵盖了驾驶行为监控预警系统、驾驶行为分析系统、驾驶行为评估系统、车辆运行大数据智能管理系统、车辆轨迹及视频监控系统五大系统,从而实现驾驶行为的实时监控、预警、分析以及车辆信息的实时掌控和事件跟踪回溯,进行全场景、全运营流程的客车安全防护体系。

一、驾驶行为监控预警系统

客车出行作为当下主流的出行方式之一与民众的生活息息相关,在乘车过程中,驾驶员的自身状态和操作行为关乎乘客的生命安全,极其重要。因此,福田欧辉客车驾驶行为监控预警系统从疲劳驾驶报警系统、LDWS车道偏离报警系统、ADAS碰撞预警系统三个方面保证驾驶的规范可靠。
其中,疲劳驾驶报警系统能够实时监控司机驾驶状况,自动识别闭眼、打电话、抽烟、打哈欠、左顾右盼等驾驶行为。同时,可穿戴智能设备还能实时对驾驶员的身体状况进行检查,对剧烈情绪变化、情绪失常及突发心脏病、高血压等紧急情况进行掌握,从而有效预警。
1595408162696497.png
【疲劳驾驶报警系统】
LDWS车道偏离报警和ADAS碰撞预警系统,可自动识别碰撞风险、车道偏移、限速标识、过往行人情况,并提前2.7秒发出预警,避免事故发生。
二、驾驶行为分析系统
从新手司机到安全运营无事故的老司机,每一次驾驶细节的优化和经验积累尤为关键。福田欧辉客车通过对驾驶人员驾驶习惯和行为的系统分析,为每一位司机师傅打造专属“驾驶档案”,通过对驾驶员超速、急刹车、急加速等驾驶习惯分析,形成行为分析图,在特殊路段或者特殊天气及时反馈,实时监督驾驶员行为,更好的保证驾乘安全。
1595408192959913.png
【驾驶人员不良驾驶行为分析表】
三、驾驶行为评估系统
每个司机的驾驶习惯都不相同,或高或低参差不齐,如何规范驾驶员驾驶习惯、完善驾驶培训体系对于公交集团等具备较多数量客车的运营方而言,尤为重要。
驾驶行为评估系统根据车队运营管理方的痛点,对驾驶人员习惯行为进行评估呈现,不断引导矫正,在意外发生之前杜绝。
1595408219233158.png
【驾驶行为数据】
四、车辆运行大数据智能管理系统
除对驾驶员的实时监控外,车辆状态也是影响安全的重要因素之一。福田欧辉客车通过大数据智能管理系统能够实时检测车辆状态,一方面驾驶人员可以通过可视化仪表台随时随地观察车辆情况,及时处理突发故障;另一方面车辆信息与云端同步,管理人员可通过智能化管理系统进行远程诊断、干预及制动,实时守护车辆行驶安全。
1595408244927013.png
【运行分析】
五、车辆轨迹及视频监控系统
在车辆行驶过程中,福田欧辉“客车驾驶安全解决方案”能够实时将行车轨迹上传云端,通过GPS定位系统绘制车辆轨迹图,同步车辆信息,包括运行轨迹、停留时长、速度等。同时,车辆配备的视频监控系统,即“黑匣子”,能够自动截取安全事故发生时前后30秒视频,便于管理员精准定位安全事件、判断安全事件责任和及时预警。
1595408269260709.png
【车辆历史轨迹】
福田欧辉驾驶安全智能解决方案从驾乘安全方面提供完备体系,实现了对驾驶员的实时监控和车辆的实时诊断,最大限度的保证了出行安全。据了解,未来,福田欧辉将继续对智能领域进行升级,为民众出行提供更为系统化、完备化的解决方案,共筑安全出行新篇章。

CAICV联盟智能网联汽车测试示范工作组成立

博客自动驾驶小能手 发表了文章 • 0 个评论 • 94 次浏览 • 2020-07-22 16:46 • 来自相关话题

为进一步聚焦智能网联汽车安全,促进车路协同发展,落实共享互认倡议,全面提升我国智能网联汽车测试管理和服务水平,7月16日,中国智能网联汽车产业创新联盟智能网联汽车测试示范工作组(以下简称“工作组”)成立会议通过线上会议形式顺利召开。中国工程 ...查看全部

为进一步聚焦智能网联汽车安全,促进车路协同发展,落实共享互认倡议,全面提升我国智能网联汽车测试管理和服务水平,7月16日,中国智能网联汽车产业创新联盟智能网联汽车测试示范工作组(以下简称“工作组”)成立会议通过线上会议形式顺利召开。中国工程院院士、中国汽车工程学会理事长、中国智能网联汽车产业创新联盟理事长、国家智能网联汽车创新中心主任、清华大学教授李骏,工业和信息化部装备工业一司汽车发展处四级调研员陈春梅出席本次会议,并作重要讲话。来自国家级智能网联汽车测试区(场)、车联网先导区、整车企业、科研机构和高校等35家发起单位和32家参与单位的行业专家共150余人参加本次会议,会议由联盟智能网联汽车测试示范工作组组长陈涛主持。

李骏院士首先为工作组成立致辞,他强调:

“当前智能网联汽车测试示范存在技术标准不统一、结果不互认的问题;测试示范工作组要大力发挥OEM和Tier1代表企业的核心作用,推动共性测试技术研发,支撑相关部门出台智能网联汽车测试、准入相关法规规范,推动产品认证,解决责任认定和保险体系等社会问题,促进L3级及以上智能网联汽车商业化落地,产生经济效益和社会效益。”

陈春梅调研员对工作组相关工作提出了几点希望:

支撑部委开展全国智能网联汽车测试区(场)的统筹协调,促进其差异化发展,落实共享互认倡议;支撑三部委修订道路测试规范,推动测试示范共性技术研究与标准制定,促进测试结果互认和数据共享;组织开展标杆作用的测试示范活动,探索商业模式,探索开展跨国测试示范项目;推动基础设施建设,促进车路协同相关技术发展。

陈涛组长介绍了工作组的基本情况:

会上,陈涛组长对工作组愿景、工作目标、工作内容、2020年工作计划、工作机制等进行了相关介绍。

工作组2020年专项任务小组牵头单位中国汽研陈涛总监、同济大学朱西产教授、北京智能车联吴琼副总、上海国际汽车城樊晓旭工程师、联盟秘书处于胜波和陈桂华研究员分别介绍了各专项工作的已有进展和下一步计划安排。

工作组的成立将联合国内智能网联汽车产业资源,借助国内智能网联汽车蓬勃发展的产业生态环境,开展智能网联汽车测试示范相关政策与产业研究,推动测试示范共性技术研究与标准制定,落实测试结果共享互认,促进相关学术交流、人才培养、国际联合测试等活动,推动智能网联汽车商业推广及应用。

工作组介绍

工作组组长:

陈涛,中国汽车工程研究院股份有限公司总监,中汽院智能网联科技有限公司总经理

工作组副组长:

朱西产,同济大学汽车学院教授,汽车安全技术研究所所长

吴琼,北京智能车联产业创新中心常务副总

李霖,上海国际汽车城(集团)有限公司副总工程师

中国智能网联汽车产业创新联盟介绍

为进一步推动我国智能网联汽车产业和技术发展,中国汽车工程学会、中国汽车工业协会在工信部的支持下,于2017年6月12日组建成立“中国智能网联汽车产业创新联盟”。工信部作为联盟指导单位,苗圩部长和辛国斌副部长分别担任联盟指导委员会主任和副主任。联盟是由国内企业、高校、研究机构、行业组织等自愿组成的联合体,包括来自汽车、信息通信、交通等领域的理事单位64家,普通成员单位429家。联盟按照约定的工作机制,在政策和战略研究、关键共性技术研发、标准法规、测试示范、产业化推广、学术交流与国际合作、人才培养等方面开展工作,已经成为国内推动智能网联汽车产业发展的重要平台。

理想汽车递交上市申请,李想是第一大股东

博客自动驾驶小能手 发表了文章 • 0 个评论 • 149 次浏览 • 2020-07-14 14:39 • 来自相关话题

中国造车新势力车企理想汽车已递交上市申请,证券代码为Li。理想汽车也将成为中国第二家美股上市的新势力车企,此前2018年蔚来汽车在美股上市。 ...查看全部

中国造车新势力车企理想汽车已递交上市申请,证券代码为Li。理想汽车也将成为中国第二家美股上市的新势力车企,此前2018年蔚来汽车在美股上市。
1594433303879990.jpg
根据消息显示,此次上市理想汽车将至多募集1亿美元,募集来的新资金将用于新产品的研发和公司的运营资金。
理想汽车成立至今已完成9轮融资,累计融资额达20.75亿美元。最新一轮融资在今年7月,由美团领投5亿美元,投后估值为40.5亿美元。
招股书显示,CEO、创始人李想是理想汽车的最大自然人股东,持有约3.56亿股,约占总股本的25.1%,拥有70.3%的投票权。王兴及其关联方美团为理想汽车第二大股东,持有3.32亿股,约占总股本的23.5%,拥有9.3%的投票权。
业绩方面,2019年理想汽车营业收入2.81亿元人民币,净亏损24.4亿元人民币;2020年一季度,营业收入8.52亿元人民币,净亏损7711.3万元人民币,现金流10.5亿元人民币。截至6月底,理想汽车累计交付10473辆理想ONE。
1594433311461935.jpg
理想汽车是由李想在2015年7月创立的新能源汽车公司,公司早前命名为“车和家”,2019年3月车和家更名为理想汽车。理想汽车通过收购力帆乘用车,从而获得生产资质,自建工厂设在江苏常州。2019年12月,理想汽车首款增程式混合动力汽车—理想ONE开始交付。
理想ONE采用业内使用率较低的增程式插电混合动力技术,搭载一台来自东安动力的1.2T汽油增程器用于发电,增程器直接输出给电机或给电池组充电,而不会参与驱动汽车。该车还配备宁德时代的三元锂电池组,充满电纯电行驶可至180公里。该车使用前后两个电机驱动,综合最大输出326马力,最大扭矩530牛·米,百公里加速时间约6.5秒。售价方面,该车仅推出一款配置车型,价格为32.80万元。

重磅!5项关于“智能网联汽车”大动作

博客自动驾驶小能手 发表了文章 • 0 个评论 • 138 次浏览 • 2020-07-14 14:36 • 来自相关话题

7月11日,长三角G60科创走廊智能驾驶产业发展大会在苏州高铁新城举行。会上,公布了多项智能网联汽车大动作。1、长三角国际研发社区智能网联汽车产业规划及产业政策正式发布会上,长三角国际研发社区 ...查看全部

7月11日,长三角G60科创走廊智能驾驶产业发展大会在苏州高铁新城举行。会上,公布了多项智能网联汽车大动作。

1、长三角国际研发社区智能网联汽车产业规划及产业政策正式发布

会上,长三角国际研发社区智能网联汽车产业规划及产业政策正式发布,分别从量产支持、金融支持、总部支持、运营支持和配套支持五大方向给予智能车联网企业强有力的支撑,进一步加大扶持力度。其中,针对重点领域的量产企业,将通过股权投资方式给予全力扶持,最高金额可达1亿元。

2、长三角国际研发社区智能网联汽车研创园揭牌

长三角国际研发社区智能网联汽车研创园重点围绕智能车联网产业引领企业创业创新,目前已落户魔门塔、智加科技、禾多科技、挚途科技等智能驾驶企业。

3、长三角国际研发社区新基建·智能交通产业园发布

长三角国际研发社区新基建·智能交通产业园占地面积157亩,总建筑面积36万平方米,可容纳智能交通和智能网联汽车企业超100家,并提供封闭和半开放的智能网联示范应用场景。

4、相城区Robo-Bus市民体验线路发布


相城区Robo-Bus市民体验线路正式发布,该条Robo-Bus市民体验线路位于苏州高铁新城,由智能车联网企业轻舟智航部署,沿途设置8个站点,待正式投入运营后,苏州市民可通过手机预约乘坐该无人小巴,预计将给周边数十万人带来出行便利。

5、重大项目签约

长三角国际研发社区新基建•智能交通产业园由苏州高铁国控集团与苏州创元集团合作开发建设,重点在智能整车、环境感知系统和高精度地图等智能驾驶领域进行产业布局,未来将打造百亿级车联网产业集群。

联合国发布三项智能网联汽车领域重要法规

博客自动驾驶小能手 发表了文章 • 0 个评论 • 116 次浏览 • 2020-07-09 11:21 • 来自相关话题

联合国世界车辆法规协调论坛(WP.29)第181次全体会议于2020年6月24日以网络会议形式顺利召开,160余位各国代表出席会议,工业和信息化部装备工业一司陈春梅副调研员及中国汽车技术研究中心有限公司标准化研究所技术专家代表中国参会。会上,《1958年 ...查看全部

联合国世界车辆法规协调论坛(WP.29)第181次全体会议于2020年6月24日以网络会议形式顺利召开,160余位各国代表出席会议,工业和信息化部装备工业一司陈春梅副调研员及中国汽车技术研究中心有限公司标准化研究所技术专家代表中国参会。会上,《1958年协定书》管理委员会(AC.1)投票表决通过了信息安全(Cybersecurity)、软件升级(Software Updates)以及自动车道保持系统(Automated Lane Keeping Systems,ALKS)3项智能网联汽车领域的重要法规。

一.信息安全与软件升级

联合国“信息安全与软件升级”两项新法规将通过为汽车制造商建立明确的性能和审核要求,帮助解决这些安全风险。同时也是这一领域有史以来首批国际统一并具有约束力的技术规范。两项法规的要求涵盖:1.管理车辆网络风险;2.通过设计确保车辆信息安全,以减缓价值链上的风险;3.检测并处置车队的安全事件;4.提供安全可靠的软件升级并确保不会损害车辆安全。上述两项法规将于2021年1月起实施。

1.《信息安全与信息安全管理系统》法规

本法规适用于与信息安全相关的M类、N类、至少装有1个电控单元的O类以及具有3级以上自动驾驶功能的车辆。“信息安全”是指道路车辆及其功能受到保护,使其电子电气元件免受网络威胁;“信息安全管理系统(CSMS)”是一种基于风险的系统方法,定义了组织过程,职责和治理,以处理与对车辆的网络威胁相关的风险并保护其免受网络攻击。法规包括信息安全相关的一般要求、CSMS合格证书、管理审批等内容,并提出了详细的信息安全威胁、漏洞、攻击方法,以及对应缓解措施,为汽车行业实施必要的流程提供了一个框架:

2.《软件升级与软件升级管理系统》法规

本法规适用于允许软件升级(更新)的M类、N类、O类、R类、S类、T类车辆。“软件升级”是指用软件包将软件升级或更新到新的版本(包括更改配置参数);“软件升级管理系统(SUMS)”是一种通过定义组织过程和程序,以符合本法规软件升级要求的系统方法。法规主要包括有关软件升级过程的车辆类型批准申请、标识、SUMS合格证书、RX软件标识号(RXSWIN)、一般要求等内容,为汽车行业实施必要的流程提供了一个框架:

二.自动车道保持系统

联合国《自动车道保持系统(ALKS)》法规是针对“3级”驾驶自动化功能的第一个具有约束力的国际法规。该法规规定ALKS在具备物理隔离且无行人及两轮车的道路上行驶,且运行速度不应高于60 km/h。该项法规将于2021年1月起实施。

该法规以联合国《自动驾驶框架文件》为指导,从系统安全、故障安全响应、人机界面、DSSAD、信息安全及软件升级等方面对ALKS提出严格要求。其中“系统安全”要求系统在激活后可以执行全部动态驾驶任务;“故障安全响应”要求系统具备驾驶权转换、碰撞应急策略和最小风险策略;“人机界面”规定系统的激活和退出条件,并明确系统的应提示信息及形式;“DSSAD”要求应记录系统的驾驶状态;“信息安全和软件升级”要求系统应满足“信息安全法规”和“软件升级法规”。

中国作为联合国世界车辆法规协调论坛自动驾驶与网联车辆工作组(WP.29/GRVA)副主席国,积极提案建议并参与制定联合国有关智能网联汽车法规协调的规划性文件,在智能网联汽车相关法规规划初期提出《1958协定书》与《1998协定书》同期制定并保持技术内容协同的方案,获得相关各方的普遍支持并得到了联合国的采纳;与此同时,确立了自动驾驶法规制定的目标、原则和计划,形成联合国《自动驾驶框架文件》作为相关法规制定的顶层指南。《信息安全与信息安全管理系统》《软件升级与软件升级管理系统》《自动车道保持系统》三项联合国法规即是在此框架下开展制定与协调并率先被《1958协定书》采用,后续联合国还将继续开展基于《1998协定书》的法规制定工作。

作为WP.29中国工作委员会(C-WP.29)秘书处单位,中汽中心标准所在工业和信息化部领导下,将组织行业专家继续全面参与联合国智能网联汽车法规协调,以推动我国汽车产业技术进步为目标,以维护我国汽车产业核心利益为担当,持续提升我国在国际汽车法规协调中的影响力。

3000万!智能网联汽车技术创新最高补助

博客自动驾驶小能手 发表了文章 • 0 个评论 • 116 次浏览 • 2020-07-02 14:03 • 来自相关话题

作为合肥市重要的战略性新兴产业,新能源汽车产业今年一季度受疫情等因素影响,销售有所下滑。好消息是,第二季度以来,情况有了明显好转。1~5月,全市推广新能源汽车1.36万辆,整个市场已逐渐摆脱疫情影响。在全省层面,新能源汽车暨智能网联汽车创新项目,也将有更 ...查看全部

作为合肥市重要的战略性新兴产业,新能源汽车产业今年一季度受疫情等因素影响,销售有所下滑。好消息是,第二季度以来,情况有了明显好转。1~5月,全市推广新能源汽车1.36万辆,整个市场已逐渐摆脱疫情影响。在全省层面,新能源汽车暨智能网联汽车创新项目,也将有更多支持,单个项目最高补助3000万元。

前5个月全市推广新能源汽车1.36万辆
经过十余年的规划和培育,新能源汽车产业已经成为合肥市重要的战略新兴产业,已具备一定先发优势、技术优势和规模优势。不过,今年一季度,受新冠肺炎疫情、中央财政补贴退坡等因素综合影响,新能源汽车的销售情况出现明显下降。
来自合肥市科技局的统计显示,今年一季度,合肥市新能源汽车销量为0.55万辆,同比下滑67.05%,回落幅度高于全国平均水平。不过,进入二季度之后,随着复工复产的加快推进,全市新能源汽车销售情况出现了明显的好转。刚刚过去的端午小长假,不少4S店的新能源汽车站厅里人头攒动。
最新统计数据显示,今年1~5月,合肥市推广新能源汽车共计1.36万辆,目前全市已经累计推广新能源汽车总量已达24.3万辆。合肥市科技局相关负责人表示,目前,合肥市新能源汽车市场已逐渐摆脱疫情影响。
高质量发展政策支撑将有实施细则
情况的好转,得益于多重因素的影响。其中,政策利好尤为关键。5月初,合肥市今年就出台了推动新能源汽车高质量发展政策,对范围内新购和运营新能源汽车的单位给予3000元每辆的运营奖励,对范围内新购和使用的个人用户给予2000元电费奖励。
同时,对研发创新给予支持,鼓励“车电分离”等新型商业模式发展,对安全可靠、技术领先的全新新能源汽车整车或平台、性能优化的动力电池研发给予一定比例的研发奖励支持。
合肥市科技局相关负责人表示,将尽快制定出台实施细则,对政策各项具体条款进一步规范和细化,指导广大新能源汽车企业和用户用好用活政策。另外,落实好各项奖补政策,确保政策落到实处,最大程度发挥政策对全市新能源汽车高质发展的推动作用。
技术引领重大项目落地叠加效益明显
除了有政策支撑,强大的技术引领也必不可少。在这方面,合肥市大力引导新能源汽车领军企业加强技术研发与突破,江淮汽车蜂窝电池技术有效解决三元锂电池安全控制问题,实现一颗电芯爆炸,电池包不起火,不爆炸,达到世界领先水平。
另外,利用国内产业链首次开发并应用的高效热泵空调系统在环境温度-5度,可实现节能40%;国轩高科研制三元电池单体能量密度突破302wh/kg,单体能量密度达到200wh/kg的磷酸铁锂电池进入小批量生产阶段。安凯客车研制的氢燃料电池客车、无人驾驶客车试点应用。
今年以来,合肥市还抢抓发展机遇,加快新能源汽车重大项目落地。比如,蔚来中国总部成功落户合肥,将在合肥建立研发、生产和销售基地,蔚来EC6量产项目正式启动。江淮汽车与大众汽车战略合资合作项目启动,大众中国与国轩高科股份有限公司举行战略投资签约。
智能网联汽车技术创新最高补助3000万
近年来,在新能源汽车发展方面,智能网联汽车产业逐渐成为热门。目前,全省已拥有以江淮汽车、奇瑞汽车为代表的新能源乘用车生产企业集群,合肥智能网联产业也有一定基础。当前,合肥市已经选址滨湖塘西河公园,谋划建设4.4公里5G智能网联汽车示范运行线路。这条线路计划在今年下半年开放。
为了进一步加强新能源汽车暨智能网联汽车产业技术创新工程项目和资金管理,近日,省发改委出台实施细则。该细则明确,新能源汽车暨智能网联汽车产业技术创新工程项目,给予承担单位投入最高50%的补助,单个项目补助金额最高3000万元。
补助资金采取分期分批拨付方式,项目启动后拨付40%(即第一阶段资金),中期评估通过后再拨付50%(即第二阶段资金),项目完成并通过验收后再拨付剩余10%资金(即第三阶段资金)。按要求,项目单位必须严格遵守国家固定资产投资管理程序和资金管理各项规定,资金实行专账管理,专款专用,确保本项目配套资金与省级补助资金同步足额到位。
项目擅自变更将收回上一阶段补助
新能源汽车暨智能网联汽车创新工程项目实行中期评估和终期验收,由项目所在市发改委会同有关部门组织实施,省发改委会同有关部门委托第三方咨询机构开展复核。项目中期评估时,将根据复核情况确定第二阶段支持额度;项目验收评估后,将视复核情况确定第三阶段支持额度。
省发改委相关人士介绍,在项目实施过程中,如项目资金申请报告、资金监管协议和项目批复文件发生相关变更,或项目不能完成预期目标时,由项目所在市发改委提出处理建议并报省发改委,省发改委将视情况组织论证后,出具同意变更或不予变更意见。如项目擅自变更,视作自动终止,并收回上一阶段已拨付资金。
骗取资金将被追责
考虑创新项目特殊性,还将建立容错机制。比如,在项目实施过程中,工作没有达到预期效果或者因成果转化后续价值发生变化造成损失,其负责人已经履行应尽职责,未牟取个人非法利益的,负责人不承担相关责任。
提供虚假情况,骗取专项资金的;转移、侵占或者挪用专项资金的;无正当理由未按协议完成目标或延期两年及以上未验收的……省发改委将责令其限期整改,核减、停止拨付或收回专项资金,作为严重失信行为计入企业信用记录,并依法追究有关责任人的行政或法律责任。另外,停止项目所在市申请专项资金1年。

千寻位置携手广汽新能源:全球首款北斗高精度定位智能车上市

博客自动驾驶小能手 发表了文章 • 0 个评论 • 102 次浏览 • 2020-06-18 09:39 • 来自相关话题

6月17日,千寻位置与广汽新能源联合宣布,全球首款北斗高精度定位5G V2X智能车发布并正式上市。依托千寻位置提供的北斗高精度时空智能服务,“下一代智能SUV”——广汽新能源埃安V的定位精度达到厘米级,可以实时知道自己开在哪一个车道,行驶更加安全、可靠。 ...查看全部

6月17日,千寻位置与广汽新能源联合宣布,全球首款北斗高精度定位5G V2X智能车发布并正式上市。依托千寻位置提供的北斗高精度时空智能服务,“下一代智能SUV”——广汽新能源埃安V的定位精度达到厘米级,可以实时知道自己开在哪一个车道,行驶更加安全、可靠。

据广汽新能源方面介绍,车道级定位能力可以帮助ADiGO 3.0自动驾驶系统准确判断设计运行区域(ODD),决定自动驾驶功能在合适的时候进行交接。在相对定位方案失效的情况下,比如车道线不规则、车道线短暂覆盖、道路无明显标志物、弯道曲率过大,埃安V依然能够根据准确的卫星定位和高精度地图数据,进行自动驾驶功能决策。

此外,基于千寻位置提供的高精度定位和授时服务,埃安V拥有的V2X技术可以获得车与车、车与人、车与路侧单元等各类信息交互的统一时空体系。这意味着,埃安V的ADiGO 3.0自动驾驶系统,将不受视线遮挡、恶劣气候等因素干扰,在紧急制动预警、前向碰撞预警等安全功能中减少误报漏报,保障车主、行人等交通参与方的安全。

据悉,千寻位置与广汽新能源合作的另一款车型埃安LX,也搭载了北斗高精度定位技术,可实现L3级自动驾驶,在高精地图覆盖的全国高速及城市快速路,实现0-120km/h“脱手脱脚”自动驾驶。

根据前期测试结果,无论是烈日还是大雨,埃安LX都能在复杂极端的环境下安全、稳定地自动驾驶。在高速弯道行驶时,系统则可以提前获得弯道信息并规划行车路线,以最合适的速度和路线通过。

据千寻位置方面介绍,2020年将有6款搭载千寻位置智能驾驶专有服务FindAUTO的车型量产上市。这意味着,北斗高精度定位服务今年开始将大规模“上车”。

千寻位置是北斗高精度时空服务平台,提供厘米级定位、毫米级感知和纳秒级授时能力,各类应用终端通过互联网就可以随时随地获取这项服务。

千寻位置的FindAUTO时空引擎已达到车规级量产能力,为L2.5级的高速公路自动巡航, L3级的高速自动驾驶,或特定场景的L4级无人自主泊车提供精准、可靠、安全的高精度时空绝对基准。

百度车联网高级研发架构师:小度车载 2020

博客自动驾驶小能手 发表了文章 • 0 个评论 • 137 次浏览 • 2020-06-11 10:58 • 来自相关话题

6月4日,“2020首届软件定义汽车云论坛”以网络视频直播的形式顺利召开。本次论坛主要围绕“软件定 ...查看全部
6月4日,“2020首届软件定义汽车云论坛”以网络视频直播的形式顺利召开。本次论坛主要围绕“软件定义汽车”趋势下企业的思考与战略选择展开探讨,为业界搭建一个沟通、学习的平台。下面是百度车联网事业部的郭向东在本次论坛上的发言(内容有删减):
大家好!我是来自百度车联网事业部的郭向东。首先感谢主办方的邀请,今天也有很多专家以及嘉宾分享了很多精彩的内容。

今天非常荣幸给大家分享一下百度在车载领域的探索跟实践,从2015年以后,车载联网率越来越高,这对车载体验提出了新的要求。比如说驾驶阶段是精神高度集中的过程,人机交互的方式就需要使用全语音的模式,同时需要AI大脑,能够完美地进行自然语义的理解。

伴随着近几年人工智能技术的高速发展,AI的能力得以在车载领域落地。小度车载天然依托百度集团在人工领域领域的先进技术,很好地完成全新的交互升级,让汽车变得更聪明。

接下来首先想邀请大家看一段时间,感受一些小度车载2020的全新体验。

刚刚的这段视频相信大家直观感受到小度车载2020的智能体验,其中包括丰富的生态,智能的地图体验,以及流畅的语音交互体验,疲劳检测等能力。百度Apollo一直秉承着几个非常重要的发展理念、开放能力、共享资源、加速创新以及持续共赢,目前我们车联网合作的品牌有60多个,包括一些世界顶级的OEM车企。合作的车型达到400多个,服务一千多万车主,累计里程达到10亿公里。

我们认为开放才是核心的竞争力,共创才是硬道理,小度车载2020最核心的是我们从之前的支持端到端的解决方案小度车载OS,扩展到可集成的嵌入式解决方案,也就是小度车载DAS,小度车载DAS包含了入口层的小度助手,生态层的百度地图,以及从音乐、视频到娱乐的随心听、随心看、随心唱系列,并且支持了全系覆盖3600行的智能车载小程序。我们还提供了强大的底座能力,百度生态帐号以及聚合支付,形成了从入口到生态,再到底座能力的完整开放闭环,相当于既有能力向OEM实现端到端的交付,提供最极致的用户体验。也能够为OEM提供可充分集成的小度车载DAS的解决方案,为车企提供更多的选择性。

小度车载的核心能力包括三大核心能力:

第一是连接能力,所谓的连接能力主要就是我们基于语义解析引擎,包括智能场景,形成双引擎的驱动,打造汽车最强大脑,智能连接用户场景,需求以及用户服务,不光能够听懂你所说的内容,而且能够你的需求推荐你所需要的内容。

第二个核心内容是生态服务,生态服务就是360度全场景的智能服务自定义能力,助力车企打造具备全场景,多模交互的能力,最强的车载生态服务。

第三个小度车载核心能力是底座的能力,所谓的底座能力就是底层基础能力,打好基础设施的提供,不需要各个OEM,包括开发者重复造轮子,助力整个车企,包括开发者降低研发成本,提升研发效率,把核心的研发都聚焦在亮点功能开发上,基础能力我们提供,这是底座能力的开放。

车载场景的领域里,百度的语音识别在业界是相对领先的,我们的小度车载助手除了普通话的识别,也支持中英文的混合识别,包括方言的识别和声纹的识别。小度车载升级了一次唤醒多次交互,不需要多次唤醒,极大提升人和车的沟通流畅度。2019年有一个非常热门的话题是自定义TTS,自定义播报的功能,个性化TTS在百度是使用了独创的语音韵律迁移技术,将语音中的音色提取出来进行线上的模型训练,采用交叉训练的算法,将个性化的语音合成,定制门槛大大降低,使得在小度车载上能够轻松地体验个性的TTS功能。

我们本身会基于鸿鹄芯片提供一体化的解决方案,通过语义增强以及语音声学建模一体化的技术,用深度学习代替传统的数字信号的处理,错误率降低了30%,其实一体化的解决方案在语音识别准确率提升上已经是一个非常大的飞跃。

接下来还想邀请大家一起再看一段视频,这段视频有很好的语音语义的体验。

这段视频大家看完之后,能够充分体现了语音语义的能力,也体现了语音交互的便捷性和智能性,为整个出行提供了更好的体验。在人机交互发展上,其实有一种交互目前正在快速发展,其实就是视觉交互。视觉交互算是一个新的交互模式,能够真正实现多模态的交互,在语音听懂的基础上通过摄像头或者图象识别看懂用户,给用户极致关怀的满足。

PPT上第一个图是疲劳检测,根据国家2016年公安部交管局的数据,疲劳驾驶导致的交通事故比例在21%,这是很大的比例,这些问题需要解决。图象识别技术天然就有这个能力去解决这一类的问题,而百度在视觉算法领域属于非常领先的地位,视觉能力也在小度车载上进行落地,就是上面的疲劳监测,包括手势的识别,包括表情开心不开心等等一些识别,还有头部动作的识别,包括点头,摇头等等,通过这些交互的不断提升,去提升整体用户体验,也是通过多模交互和图象识别解决用户实际场景的问题。

接下来是智能场景的引擎,前面讲到核心能力里,场景引擎是属于我们双引擎之中的一个,首先我想解释一下什么是场景的引擎。在过去搜索时代,主要是用户的主动搜索为主,虽然搜索模式最为高效和精准,因为是我想要搜什么。通常搜索模式是有明确目标的时候发起的任务模式,也是所谓的人去找服务,寻找服务。随着近几年信息流的发展,逐渐转换成了服务找人的模式,根据用户特定的信息,特定的标签,结合着我们百度用户画像,或者是车载场景的车辆画像,通过推荐算法为用户提供更精准的内容,做到千人千面个性化的体验。

车载场景里,我们也是在打造这样一个引擎,在合适的场景或者是合适的时机将合适的内容主动推送给用户。举个例子,比如在油价低的时候,给用户推荐周边性价比最高的加油站,并且完成去加油站的导航,自助加油包括线上支付的完整闭环,其实我们也是将这样的引擎能力最终提供给开发者,提供给主机厂,让OEM有更多自由的发挥度。

车载场景里,地图会作为车载场景最高频的使用场景,也是非常核心的内容。百度地图大家应该比较熟悉,提供定位、地图,包括轨迹、路线规划、导航以及路况等等这些功能,目前已经拥有980万地图覆盖量,超过全国1.5亿POI的数据,并且基于百度先进的AI人工智能技术,为用户带来更精准的路线推荐。作为车载场景最核心的要素之一,地图也会不断为大家带来服务,提供更智能的出行。

说到出行,车载场景本身是一个非常典型的出行场景,因为开车嘛,为了满足丰富的出行体验,解决中频、高频的长尾需求,我们提供了场景覆盖,让闭环在车内完成。包括停车,预约保养、车险、充电、违章、外卖,而且还会不断地对生态进行丰富。我们也以开放的方式邀请开发者和OEM跟我们一同建设车载场景的生态,给用户更多的选择,更丰富的体验。

车载出行场景里,另一个比较高频的场景就是车载多媒体,车载多媒体作为生态当中最重要的一个部分是广大车主的强诉求,在内容方面我们小度车载有百度体系提供的丰厚资源,比如说爱奇艺,短视频有好看视频,同时我们也在积极引入外部优质资源,目的是为用户提供更加丰富、多样性的多媒体体验,不光是要求数量,我们同时也是对质量有一定的要求。

我们会结合推荐的引擎,将用户最感兴趣的内容推送给用户,并不是车载多媒体光是一个内容的聚合,其实更是一个智能助手。前面讲的基本上都是车载领域的生态,其实在车载领域做生态,天然跟移动互联网比起来具有一定的困难,一个是因为车的数量和手机的数量相比存在很大的差距,但是数量少的问题也会逐渐解决。原因是什么?随着车辆网联率越来越高,数量少的问题会逐渐降低,因为车辆的网联越来越多。另外一个是车机本身的安全性考虑,和手机场景不太一样,不光涉及到车机本身的安全性,也涉及到驾驶和车辆的安全,所以车载环境其实是一个相对封闭的环境,所以说OTA频率远远低于手机场景。

车载的应用,同时它的更新频率也会相对来说较低,这个时候有一个小程序,作为轻应用范畴很好的载体是一种非常轻量的解决方案,包括它的开发以及最后的发布和更新,都是不依赖客户端的,都可以直接云端发布,也可以支持跨平台的能力。同时我们也为我们的车载小程序赋能语音多模交互,因为市面上现在的小程序,绝大多数都是不支持语音的体验,更多是触屏的体验,所以给我们小程序赋能语音多模等等这些能力。因为车载场景是一个需要驾驶人员高度集中的,所以语音的控制相对来说是比较适合的,这种小程序也是我们开放能力的一部分,也可以跟开发者和OEM共同基于智能小程序的开放平台建设自己的小程序。

接下来也是一个比较重要的部分,也就是车载安全,是整个车载里非常核心的内容。车载里对于安全的要求要比移动互联网的要求更加严格,本身车联网有专门的安全团队做安全攻防,会把市场上主流智能网联车机做智能攻防演练,目前主要做了三个层面的防护。首先是硬件底层的防护,主要是保证车联运行指令的可靠性,还有网络的三层防护,因为车辆实现网联之后,必不可少涉及到网络安全的问题,包括访问控制控被安全以及边界隔离。在应用和系统层也是实现了四层防护,包括系统防护、应用防护以及用户隐私防护,最大限度地保障车机跟车载的安全性。安全领域里也有很多突出的成果,比如说2019年6月份,我们联合中汽协发布整个智能网联汽车信息安全评估与规范,这个白皮书的发布,希望能够服务我们整个车载行业,我们在安全领域会持续投入,并且会持续借助百度集团安全技术的优势,严把安全质量关口。

上面提到了很多次开放和共创,我们期望的是让每一个OEM都拥有属于自己的智能车联系统,不仅仅是百度提供端到端的OS解决方案,所以百度是秉承百度Apollo的理念,开放能力、共享资源、加速创新、持续共赢,同样百度车联网也有非常开放的态度,我们期待跟OEM一起,跟开发者一起建设下一代的智能车联系统。我们相信共创才会实现共赢,共创才会实现生态更加丰富,让用户更满意。

小度车载开放平台,将会开放三大能力:入口开放、生态开放以及底座开放。

入口的开放主要包括语音交互、视觉交互和智能场景,让OEM拥有更多维度的连接能力。这几个入口的能力是一个连接层面的开放,我们想要赋能开发者,更好地去连接自己的人力服务,而且在语音跟视觉基础上,我们的整体能力在业界属于比较领先的位置,所以说能力的开放,相信能够给广大开发者和OEM带来更多惊喜。

内容上,唤醒词不仅是小度小度,也可能是自己定义的唤醒词,包括TTS播报,自定义的TTS播报,包括语义解析的能力,还有就是场景推荐的能力,都可以实现OEM的定制开发包括开发者的定制开发。

生态方面,智能小程序的开放让开发者和OEM能够做适合自身需求的生态场景,我有某一方面的场景需求,可以通过小程序的方式做开发,跟我们一起建设属于OEM的车载系统。

底座能力的开放,主要是底层能力的开放,将一部分通用服务进行开放,比如说生态帐号,以后可能还有其他能力的开放,最大程度地提升开发者的开发效率,让开发者能够更加聚焦业务本身,打造属于自己的精品应用生态。

今天主要的内容就是小度车载2020的体验和能力升级,包括我们整个开放性的升级,以上就是我今天想要跟大家一块分享的百度Apollo小度车载的内容,非常感谢线上的朋友。

关于智能网联汽车开放道路测试发展的一些思考和建议

博客自动驾驶小能手 发表了文章 • 0 个评论 • 93 次浏览 • 2020-06-11 10:53 • 来自相关话题

一、开放道路测试和开放测试道路介绍开放道路测试是智能网联汽车在地方政府允许开展测试的路段区域内进行车辆自动驾驶能力验证的一种测试方法,是自动驾驶车辆可量产、向市场大规模推广应用的 ...查看全部

一、开放道路测试和开放测试道路介绍

开放道路测试是智能网联汽车在地方政府允许开展测试的路段区域内进行车辆自动驾驶能力验证的一种测试方法,是自动驾驶车辆可量产、向市场大规模推广应用的标志性测试,是目前最容易得到市场和用户认可的测试、也是最能体现车辆真实能力的测试。

开放测试道路是进行开放道路测试的前提,可以配套相应系统平台为开放道路测试提供场地、通信信号、路况信息、红绿灯信息、实时事件信息、交通数据信息、气候信息等。

目前国内外对开放测试道路的规划和开放多以高度智能网联化示范路段、高里程道路、丰富场景为方向,推动开放道路测试的发展。

二、开放测试道路管理单位(示范区)的现状

目前国家级智能网联汽车示范区已超过十处,如何确定各地示范区分工、有效实现协同配套、打造示范区特色还是各地政府面临的困扰。

在探讨示范区发展方向前,先阐述三个观点:其一是示范区的主体职能主要包含网联系统测试、通信系统测试、智能网联汽车测试、安全监管测试、示范应用探索等,其中智能网联汽车测试是重中之重。其二是各地不同的气候环境、地形环境可以为各类测试提供更全面更完整的补充,但同时也可能成为掣肘智能网联汽车在部分极限环境地区落地应用的软肋。其三是不同地方的智能网联汽车相关产业的发展情况和优劣势会有所不同,利用好产业优势是各地示范区需要努力的方向。

三、对开放测试道路总体定位的一些建议

关于开放测试道路的规划和建设,结合目前国家“智能汽车创新发展战略”和“新基建”以及新冠肺炎疫情的背景,主张以“低建设成本、高效适用智能网联、自动驾驶企业积极参与”为核心目标,以“简单可靠的基础设施辅助优先、智慧先进的智能网联化道路托底、行为文明的交通参与者支撑”为技术实现路线,以“智能网联技术落地应用,可预期的智能网联规模产业化,城市经济结构转型升级”为项目价值体现,以“科研探索带动惠民应用”为可持续发展方向的总体思路,推动各地示范区和开放测试道路的建设。

开放测试道路建设目标将遵循低成本、高里程、多目标场景、高利用率、多应用的原则,并以道路建设为基础,配套开发相应的测试评价体系,形成具备各地示范区特色的开放测试道路和测评影响力。

四、探究具有吸引力的开放道路测试及建议

在开放道路测试的具体推动过程中,自动驾驶企业参与程度将很大程度决定开放测试道路建设项目的成败。所以围绕测试企业需求,打造示范区吸引力成为了开放测试道路建设中配套项目的重中一环。根据本人过往从业经验和与相关企业的交流,总结出以下五大“吸引力”。

01省心

政策豁免,为企业测试提供便利
现阶段的大部分自动驾驶车辆是在传统汽车基础上进行改装后诞生出来的,在现有法律约束下无法获得路权资质,导致车辆测试行为有很大的局限性。在此方面建议从示范区先导先试和政策支持等措施进行保障。

02省钱

为企业省钱降本
企业进入示范区进行开放道路测试,需要配套一系列的资源,以保障测试正常进行,这将大幅增加企业的运营成本。在此方面建议从人才招聘、办公、住宿、测试牌照、车辆维保等措施进行保障。

03省时间

提升研发测试效率
自动驾驶企业的竞争已日渐激烈,研发周期的长短将很大程度决定企业未来在行业内的地位和产品在市场的占有率。在此方面建议从高测试里程闭环道路和丰富目标场景库等方面进行研究和开放。

04模拟推广

验证商业应用模型
将自动驾驶车辆进行商业化应用,获取收益是自动驾驶企业发展的根本动力,良好的商业应用模型是企业发展的根本。在此方面建议打通政策和法规瓶颈,建设模拟商业运营环境,为企业提供用户体验测试测评、自动驾驶车辆商业应用模式测评、大范围推广应用可行性测评等测评服务。

05促融资

提升行业影响力和知名度
目前大部分初创自动驾驶企业的资金来源于融资,企业对自身的行业排名和知名度有着强烈的期望,特别是在产品不成熟、还不能投入市场的时候,行业排名和知名度将直接影响企业的融资额度和研发费用投入。在此方面,建议开发与开放测试道路配套的测评体系,并定期对外发布,形成行业影响力。

五、对开放测试道路规划建设方面的一些建议

考虑到环境的影响,以气候环境和地形较为简单的地区为假想对象进行考虑。

围绕开放测试道路的总体定位和五大“吸引力”,以政策支持为针,吸引力为线穿引基础设施建设和测评体系建设,再以实际测试车辆需求为动态要素,可以从七个方面对开放测试道路进行规划建设。

1.后勤保障方面

充电桩:在开放测试道路范围内,将现有充电桩纳入可供自动驾驶车辆使用范围、同时除了已经建设的充电停车场以外,积极开拓测试道路周边社区、商圈等单位,共同合作建设充电桩。

加油站:利用现有加油站和规划加油站,不再另作规划。

紧急救援:前期为测试提供道路救援相关单位沟通电话,后期形成一定规模后再考虑设置专用道路救援团队或聘请第三方合作。

停车场:利用现有停车场,力争对停车场进行技术保密、车辆安全等方面的改造升级和专人看管,让企业放心。

维保车间:形成规模以前,由企业自行与附近维修厂接洽,有困难时,由示范区协调解决,后期力争修建专业配套维保车间。

安全设施:消防方面在开放测试道路路段两侧配置灭火沙。交通事故及财产安全保障方面在全道路域范围内加装视频监控。

人员相关办公:为入驻测试企业提供便利的办公环境。

2.测试道路环境方面

基础道路路面维护:维护道路基础环境(道路平整、道路标线、路灯等)等,除人流车流较复杂的城区道路以外,其它偏远道路不再做更多维护,保持现状。
安全防护设施改造:对急转弯、邻水、邻崖桥梁等重点路段需要增加隔离带、防护栏、语音提示等设施升级,基础防护栏加装加固升级。
交通辅助设施升级改造:交通标识牌、道路标线、交通信号灯、路面多样化,应保障城区复杂路段交通设施的完整完好,其它各不同环境路段,应根据实际使用情况和测试需求,进行不同程度的改造升级或不做改造。
人车分流导向:选取部分城区人车混行路段,增加隔离栏、行人安全提示标牌等,通过简单的基础设施配套弱化道路通行复杂状况。

3.开放测试道路网联改造

根据车企、智能网联设备商的需求,进行相关升级改造。前期做以下通用需求规划和建设,后期将以不同场景功能车辆及车辆技术路线进行路侧设备铺设进一步优化完善。

智慧红绿灯、人体感应智慧斑马线全覆盖:

在开放测试道路范围内,对所有红绿灯和斑马线进行智慧改造升级。

路口动态监测:

无红绿灯十字路口、交叉路口、环岛等依赖驾驶员主观判断、且交通流量较大的复杂路段,全数增加全景摄像头、激光雷达、毫米波雷达等监测设备。

4.数据支持配套

播报数据:现有的自动驾驶车辆通常不具备的能力有天候信息侦测、交通路况侦测,所以建议在开放测试道路范围内进行气象信息(雨雪沙尘等天气、风力等级、环境温度、湿度、水平可见度、光照强度、低洼路段水深等)、主要干道的交通路况(前方交通事故、交通管制、临时道路施工、交通指数、交通流量、交通密度)、红绿灯信息、人体感应智慧斑马线信息、路口信息等。
后台人工干预指令:车辆出现无法自行处理的紧急情况、管理者需要车辆临时改变任务等情况时,从后台发送指令给车辆。
高精度地图:结合企业需求,对地图格式通用兼容、标注等进行完善优化

5.通信支持配套

开放测试道路范围内5G网络通信全覆盖。后期根据车辆实际运行情况,对信号薄弱地点进行优化。

6.安全体系、测评体系建设方面

安全管理体系:自动驾驶安全是不可忽视的一部分,直接影响示范区的建设和发展,所以需要建设一套安全管理体系保障测试工作的安全可靠运行。
测评体系:将封闭测试、开放道路测试、商业应用测评结合在一起,形成一套开放测试道路测评体系,指导示范区开放道路自动驾驶测试的建设和维护,保持良好运转。
开放测试道路管理手册:针对开放测试道路的运营管理,需要有一套管理办法,供企业、示范区使用和管理。
测试技术开发:复杂环境自动驾驶可靠性测试、高里程安全测评、用户体验测试测评、自动驾驶车辆商业应用模式测评、大范围推广应用可行性测评等测试技术和方法的开发和应用。

7.政策支持方面

增加开放测试道路里程:开放道路测试的重要特征就是可以高里程测试,而且很大程度上里程的长短也决定了场景的丰富程度。前期规划示范区范围内300公里,后期计划逐步扩大至示范区全域、城市全域的道路开放。
文明交通参与者教育和文化建设:前期对开放测试道路区域内的自动驾驶安全提示宣传,对开放测试道路区域范围内,做好相关的宣传指引等基础设施建设,通过对人的宣传引导,弱化道路通行复杂状况。
路权放开:逐步探索部分内部道路车辆需要借道市政道路的情况、测试车辆对高速公路的测试需求以及其它现有法规相冲突的情况,以期望在示范区形成试点先行。

六、对开放测试道路特色场景和惠民应用规划的部分建议

1.智慧公交

自动驾驶公交车:对站台进行改造升级,参考BRT公交和地铁站台的感应门、防护栏、语音播报、视频监控等。对行驶车道进行专用道路标志线升级。
网联ADAS公交车:对传统公交车辆加装OBU,通过路侧网联设备获取交通路况、气象信息、路口盲区信息等,提示驾驶员,帮助驾驶员安全驾驶。

2.对社会车辆进行网联ADAS服务升级

对开放测试道路区域内部分街道的常驻机动车加装OBU,利用网联设施为车辆提供交通路况、气象信息、路口盲区信息等,帮助驾驶员轻松安全驾驶。

安装的OBU可上报车辆位置、速度、加速度等行驶信息到数据中心,同时对试行区域实施限时限行等措施,为网联ADAS传统汽车和自动驾驶汽车混行提供交通样本研究,探索未来传统汽车和智能汽车混行的辅助措施和V2V应用机制。(作者:焉知自动驾驶)

哈曼智联林纪玮:从全球视角看OTA在智联汽车上的安全部署

博客自动驾驶小能手 发表了文章 • 0 个评论 • 99 次浏览 • 2020-06-10 09:52 • 来自相关话题

6月4日,“2020首届软件定义汽车云论坛”以网络视频直播的形式顺利召开。本次论坛主要围绕“软件定义汽车”趋势下企业的思考与战略选择展开探讨,为业界搭建一个沟通、学习的平台。下面是哈曼智联科技销售总监林纪玮在本次论坛上的发言: ...查看全部

6月4日,“2020首届软件定义汽车云论坛”以网络视频直播的形式顺利召开。本次论坛主要围绕“软件定义汽车”趋势下企业的思考与战略选择展开探讨,为业界搭建一个沟通、学习的平台。下面是哈曼智联科技销售总监林纪玮在本次论坛上的发言:

1591754460987220.jpg

大家好,我叫林纪玮,感谢今天所有参加首届的软件定义汽车云平台论坛的认。特别感谢盖世汽车给我们搭建这么好的平台,组织这么好的活动,让大家可以在云论坛上见面。今天跟大家分享一下OTA在整个行业内我们所看到、感受到的现状。

OTA是被大家广泛讨论的重要技术,我们认为透过汽车新四化中联网化、智能化等方面可以看出OTA是非常关键的,可以认为它是基础措施,有了OTA以后,就能去赋能,让整个产业做很大的变动。

今天我会从背景先跟大家说一下OTA的机遇以及挑战;对汽车来讲,OTA会对商务模式带来什么改变;对主机厂来说,可以怎样去运用好这个技术,怎么从中去定义核心竞争力;OTA核心供应商该具备的竞争力是什么;以及对哈曼OTA做一个介绍。最后也欢迎大家提问,我们可以一起互动交流。

首先让我们看一下OTA更新的机遇和挑战。过去五年之间,车联网变成了不可缺少的要素。各个主机厂几乎都将车联网定为标配,尤其中高端汽车更是百分之百的配置。从IHS Markit调研数据预测中可以看到,从2020年直到2026年,全球车联网成长的速度将是翻倍的。蓝色部分是中国的分布,可以从比例看到,从现在一直到2025年,几乎也是翻倍式的成长。可见车联网发展是必然趋势,未来所有车都会配置。

这将带来什么改变呢?联网以后,就是智能化,智能化以后意味着今天主题讨论的软件定义汽车会产生非常大的剧变。我们再看另外一个数据,因为软件的关系而产生的召回率不断上升,因为软件越来越重要了,在车的比重中越来越重,到了2019年,因软件原因产生的召回情况占比已经达到46%,如果我们能改变软件,对软件做更新解决这些问题,是不是车就不用召回了?这个情况如果能改变,恰恰就是OTA所带来的价值。

这两个叠加起来,我们透过预测发现到2025年,超过2.5亿的汽车都会具备OTA更新功能,这是很明确的未来趋势,也是机遇的来临。

除了在这几点原因以外,OTA的应用还有很广泛的背景。2025年,有90%以上的汽车都会具备联网,但不止是联网,车上软件本身的复杂度也变高了。ECU现在已经70、80个,很快超过100个。软件的代码越来越复杂,代码数量会超过一亿行,比飞机上和国防设备的代码还多,这是一个很恐怖的概念。

在这些大的使用背景下,我们知道OTA在软件修复、升级方面对车厂来说是至关重要的。除此之外,OTA还可以带来什么呢?

在一个针对国际车厂高管的市场调研中发现,有85%的人认为数字化生态带来的收益会高于硬件在未来的销售收益,并且84%的人认为数据将成为未来商业模式的驱动因素。82%的人认为车厂应该建立好自己生态的系统。这很好的诠释了为什么各车厂开始打造自己的车联网生态,来做很多服务。

我们看一个经典的例子,特斯拉是最早去推动这件事情的汽车厂商,也就是说车卖出去以后,透过后面的服务,获得更大的销售后的收益。在其中我们发现OTA是至关重要的技术,相当于基础措施。特斯拉服务的商业模式基本上分为三个部分:首先提供很基础的功能,就是已经内置的已有功能。而后,购车的时候还可以选择选配功能,选配功能可以让用户加点钱帮你打开更新。怎么去更新的?可以在售车的时候直接激活或者卖出去以后,后面帮你激活。用现有的硬件,透过软件算法的更改去提供服务,这是很好的创新机制。

第三个部分会给你提供定期的更新服务。定期在功能上增加版本的替换,或者是bug修改,甚至包含一些功能上的推送去增加用户的黏性,让用户跟车厂有更多的互动,比如UI风格的变化,让你有一些更新的桌面、皮肤等等,让客户去选择。它可以玩的模式很多,这也是各家大车厂一直在讨论的,我们可以怎么样提供更好的用户服务,来增加后项的收益。通过OTA,才能让这件事情变成可能。

要去执行这样的商业模式,说起来简单,好像只要把这些功能给提出来就可以了,但实际上有着一连串的困难要执行。任何功能,包括电池开通,提供更长的续航里程,包括自动驾驶,皮肤更换,ADAS功能开通等,表面上是功能,可想象后面需要去刷写的ECU确是好多好多个,一个功能背后牵扯到20、30个ECU的刷写,才能达到那样的功能。

比如电池开通,跟车上的ECU有关,跟电池控制的ECU、电力回收,甚至仪表页面都有关系,开通一个功能并非只是说在代码上0和1的改变而已,它牵扯到背后的ECU。这里延伸两个问题,第一个怎么样去定义有什么样的功能,并且去打通车厂各部门之间刷写的关系,这个非常复杂。第二个要怎么样刷写ECU才能没有问题,并且最终把真正的功能带给到终端用户。对终端用户来讲这是很简单的事情,选择功能后被激活,就使用了,但背后这是非常复杂的过程。我们从执行OTA的角度来看,这也恰恰是车厂要去解决的问题。只要能解决了,带来的商业模式绝对是巨大的。

我们延伸出一个概念,OTA是一个基础设施,是不可或缺的,就好像家中自来水的管道,管道搭建好了以后,我们只要打开水龙头,水就出来了,就可以用了。水出来以后,要怎么去用,我们觉得这是车厂需要去特别规划的部分。OTA是一个基础设施,核心的竞争力要由车厂定义。

从数据上可以看到有了OTA以后,它能帮助车厂节约非常大的成本。从数据来看,到2025年,整体将达到609亿美元,这是很惊人的数字。

从车厂的角度来看,可以看到图表里部署OTA包含了挑战和机遇。从挑战看,有一个是开发上的风险,比如开发OTA,可能会存在风险上的漏洞、安全上的漏洞,可能需要依赖于第三方。如果当OTA整体服务出现问题时,可能会影响品牌信誉,市场上的人就知道在更新的过程中发生了一些问题,或者说可能因为不能刷写,会导致客户的抱怨等等,这可能是第一个风险因素。

挑战里还有费用的担忧,在数据上传输也会增加费用,这也是要考量的因素。现在车机上的操作系统越来越庞大了,各个功能之间要刷写的数据,无论是地图本身,甚至未来高清地图都是很庞大的数据,对车辆来说一定是需要考量的部分。

增加oTA,也增加了软硬件的成本,在架构上都要考量。构架本身复杂度也增加了,但是从我们之前看到回报来看,对车厂的回报还是很高的,整体节省了很多召回的费用,而且有了OTA以后,可以提高安全性,安全性就是当你的车被攻击的时候,你可以很快利用OTA做更新刷写,可以把潜在的危险攻击杜绝,甚至让它不会再发生。

使用OTA的优点还包括提高消费者的满意度,透过功能的分享以及推荐,增加用户黏性,做很多互动,不断对汽车做出改进,我相信这点也是车厂比较关注的。有了OTA以后,车厂可以通过OTA去刷新,解决汽车本身的性能或者原有的bug问题,从而保证上市的时间。

增值服务的部分,可以提供很多后市场消费服务,创造更多收入,可以得到更多的消费者数据,去规划下一代汽车。甚至透过车险、车联消费等达到更高的回报。整体而言,有了OTA以后对车厂的帮助是非常大的。

透过调研去评估一下对车厂来说,OTA这么重要,它应该是怎么去做,利用自主研发的方式或者用购买的方式去做,怎么样比较好?我相信这也是车厂内部在讨论的很大议题。各车厂都很大,本身也有很大的研发团队,肯定会考虑来自己做,自己做有些好处,购买也有些好处,大家可以透过表格,去评估一下。

从自主研发的角度来看,优势包括有最大的控制权,代码在你手上,可以很快速的做修改,对你来讲都可以去调变的,都可以适配的,比较弹性。再来你可以拥有知识产权,拥有所谓OTA的知识产权。利润可以独享,在收益的部分或者是透过OTA产生的收益,是自己可以去独享的。

劣势可能也会比较明显,因为开发OTA这个事情并非想象中那么简单,因为要刷写这么多ECU。上市时间可能会比较长,因为OTA开发的关系,量产可能会延后,没有办法如期使用OTA。如果原先已经制定好了计划,没办法如期去实现,就更会导致后面汽车在量产时被影响。

市场变化的风险比较高,技术上不断更新迭代,一旦做上去,就没有办法那么快跟上市场的变化。成本可能比较高,一开始做开发,摸着石头过河,一开始会花比较长的时间以及比较高的费用去开发。专业知识累计需要较长时间,需要形成一个专业的独立部门或组织去开发。

购买角度的优势和劣势,在这边罗列出来了。优势包括:上市时间比较短,因为都是比较现成的产品,买来可以直接使用。在购买之前,可以参考过往的案例,可以选择一个你觉得比较好的合作伙伴,有一个稳定的产品。技术有保证,也是肯定的,因为在市场被验证过了。风险共担,这个也比较重要,你去购买,任何的困难点大家都是共同承担,而且你有供应商,供应商基本上会有比较大的优势可以解决过往遇到的问题。购买还有一个优势,可以拥有培训,或者专业的知识。因为车厂合作以后,必然会有很多培训或者文档的输出,车厂可以借由购买期间去学习,搭建好自己的团队,去考虑后面是不是自己再做后半段的研发或者是大家一起合作,做下一代的规划。

购买的劣势包括:集成上的成本,很多工作需要通过合作伙伴、供应商做,这部分会有额外的成本。并且跟各个不同的ECU搭配,要有很多次的不断集成,费用成本上也许会比较高,比你自己所聘请的工程师去做花成本,这部分要考量。定制化开发也是,一般车辆会定义自己要的功能,会有额外的花费。利润共享,假设你的合作伙伴希望跟你分成后面的利润,可能这块会有一个利润上共享的问题。

整体而言,这些都是优劣势,提供给车厂朋友们做评估,这也是比较客观的分析。整体来看,调研中发现大部分传统的车厂或者新能源车厂,会考虑直接购买,原因就是可以比较快速的上市。因为整体评估下来,现在对车辆最重要的一件事情是车要如期上市,整个车的市场战略定位,收益最重要,其他东西都比不上车如期上市重要,考虑到这一点,车厂即便有很庞大的团队来研发,目前他们仍会考虑以合作伙伴的方式去部署OTA。

我们将看法稍微展开一下,车厂做OTA的搭建规划,大概可以分为三个部分。最左边可以归纳为去建设OTA。OTA完完全全就是基础设施,搭建好自来水的管道,可以用水。如前面数据看到的,大部分车厂选择跟最大合作伙伴去做,用采买的方式。车厂可以有更好的评估,选最适合自己的方案,并且要求做一些定制化使用,把基础设施搭好。

第二个部分按生命周期来看,要规划OTA付费的产品。这部分我认为是最核心的工作,也是主机厂要特别关注的。怎么样去规划OTA的付费产品?这需要主机厂有很强的魄力去执行,因为要打通主机厂各个部门,要跟各个ECU供应商谈,跟自己本身各部门去谈,怎么去刷写,并且要做很全面的规划,要刷写哪些ECU才能得到车上的新功能,说起来简单,执行起来非常困难。

我们可以从案例看到,比如特斯拉,通过内部的打通,甚至扁平化的处理方式去达到这样的效果,其实很不容易。这点甚至要跟车厂里面的市场部门沟通,从一开始的用户痛点去出发,企划部门规划,一直到最后该怎么落地,要做很全面的规划。这块没有任何的厂家可以对车厂做帮助,基本上要靠车厂独立完成,我认为这块是车厂要做的重点工作。

这块规划好了以后才会走到终端用户运营,各车厂有自己的运营部门做市场的运营,可以做推送,可以做功能的推荐,产品按季度推进。有些车厂自己做,有些车厂由第三方帮忙做运营,其实都可以,比较偏向市场角度的行为,车厂做或者合作伙伴做都没有问题,这是长期规划。

有了这三个部分的组成,就可以形成一个新的商业模式,才能真正把所谓的数字化的竞争力或者是软件定义汽车这样的概念真正的推向到终端用户。这三个环节缺一不可,我们可以看到即便有了好的OTA建设以后,中间环节断掉了,或者最后一个环节运营上失去效果了,目的还达不到,这是需要多方的沟通。

哈曼可以提供OTA的完整建设搭建,后面这两个规划以及运营的部分,我们都很乐意去提出看法,就过往的经验跟车厂们多做交流。

这是我们最近看到的新闻,可以看出OTA在市场上有多么重要。大众是欧洲顶级车厂,他们做的很好,是行业的标杆,我们可以拿来学习。他们赶着做市场量产,我们从新闻里看到,他们车因为高度的软件化,并且提出了大众OS操作系统,会有大量软件修改的要求。这个部分难度变高了,也导致他们软件交付延后了,这都是他们遇到的困难点。

怎么样解决?解决方案先降级做交付,也就是说把问题简单化,我相信这是各车厂遇到问题的时候第一个想到的。我觉得做的很好,他们可以做到。后续透过OTA的方式做更新,他们解决的方式幸好有OTA可以解决问题,可以如期上市。

大众规划是很完整的,计划到2025年软件的部门达到1万人,即使有这么大软件的部门,他们选择OTA也是以购买的方式来执行。恰恰是因为有这样部署的决心,整套想法思路很完整,当遇到这么大困难点的时候还是能解决,我觉得这是很好的学习案例所以放在这边。

定义了OTA对于汽车上的重要性,也聊了一下它的价值,最后再来聊一下,OTA的供应商核心竞争力是什么。

我们觉得OTA厂家核心竞争力包含三个大的部分,第一部分是要很稳定,很安全,要合规。使用这个产品,应该有很深的积累。第二部分应该有技术突破,技术不断演进,能不能跟上车厂的脚步和规划。第三部分跟全球部署有关,很多车厂从国内市场看向海外市场。在海外市场,你的供应商有没有布局,能不能符合需求,这也很重要。

我们来细看一下,第一,OTA方案需要稳定、安全、合规。可以想像OTA的运营服务要跟随着汽车平台,一走走十年、二十年,这个运营是至关重要的。跟车厂要一起合作十年、二十年,已经是像娶老婆一样这么关键了。一个OTA供应商有没有一个很稳定的过往交付经验,很大量产的过往经验,这些都很重要,这是考虑点之一。

OTA更新的技术要很可靠、很稳定。有没有大量的OTA更新经验,有没有大量刷写ECU的经验,这点也很重要。执行更新时难免会有发生一些错误,当错误发生时,能不能回到初始状态,让用户可以继续使用这辆车。能不能安全的回滚,这个机制很重要。

安全性也是焦点,未来联网以后,汽车可能会被攻击,被攻击以后,OTA本身在各方面的技术上,有没有漏洞,能不能很安全的保护你的汽车,这也是考量的重点因素之一。

技术突破的部分,这边举几个点给大家参考。现在朝向所谓的预控制器的架构,未来朝向集中化控制器的架构,这样的架构比较新,您选择的供应商能不能跟上这样的架构,对于这样的架构有没有自己的洞察,有没有计划在里面。L2.5、L3也是很明显的趋势,配置上自动驾驶或ADAS,能实现高精地图的更新,也是必然必须要的。在更新上刷写的速度怎么样,压缩的能力怎么样,能不能及时更新这么庞大的系统,这么复杂的系统,必须要有细的衡量。车上操作系统比较多,包含安卓、Linux、RTOS等,在上面有没有比较好的解决方案?在刷写速度上有没有好的成效都要同步考量的。有较好的刷写,用户点击更新按纽以后,不用等,很快可以更新,这是良好用户体验的体现。

全球部署,是不是足够了解海外的法律法规,会不会触法,会不会侵犯海外的专利,这是很重要的,以及在海外各个国家部署的时候,服务器的选择,布置在哪边,布置一个服务器就可以,还是各个国家重复布置,数据怎么传输,怎么做有效的管控,这些都是比较重要的,也是去决定车厂OTA供应商的判断。

OTA的应用不仅仅在量产后的阶段,实际上在汽车生产的各个生命周期都扮演了很重要的角色。在工程开发的时候可以使用OTA;在汽车装配的时候可以使用OTA;车辆运输的过程也可以使用OTA,为什么呢?大家比较少听过为什么在前面这几个阶段也使用,我展开一下。工程开发的时候,是自动化测试很重要的环节,自动化测试有设备,那个设施可能很庞大,可能在某个地方不容易更新,联线的部分属于内网,必须有安全性。那时候可以透过OTA的方式对它做不断的迭代,让测试环节、测试步骤减少,能有效的降低人力,加速上市,减少成本。

汽车装配更是,装配在产线上要做更新,我们会有仪器对车的微码做刷写,通常会有固定的工位和固定的人,在固定的时间做这些动作,那就不弹性了,要不要弹性,有的客户跟我们在这个环节上购买OTA的更新,不需要有特定工位,不需要有特定的设备,什么样的设备,什么样的人做那个动作,因此能大大的改善人力的投入和时间成本,有了更好的弹性,也节省了很多成本。

同样的概念运用到运输以及经销商召回的时候,不需要透过U盘刷写,可以更快的刷写,OTA在各个环节上面都有很大的功效。

汽车厂家对OTA的需求可以分为左右两块,左边是比较传统式的概念,很明显的,比如第一个部分降低了召回成本,这是非常明显的,在4S店召回的成本可以直接计算出来,有固定的时间,有固定的人去做这个动作,数字是非常庞大的。各车厂希望提供更多的增值服务,如同特斯拉,国内好多车厂做的很好,在这个部分做了很好的增值服务,这部分也是为什么要有OTA主要的需求。提供更好的车主关系,增加用户黏性,让用户不止使用你的车,爱上你的车,并且关注你未来的动态,可以减少网络端的攻击,现在车机端很多都是安卓系统,未来也是很危险,透过OTA,可以立即让危险不断降低。

右半部可以更实时对车上的软件配置做更新调校,可以有更好的实时洞察,可以造更好的车。对于未来的高精地图,ADAS地图等等做更好的服务。生产也好,刷新也好,要能够满足车厂要求的时间上的限制,一般是刷写的速度要能满足,因为这个速度代表了更新上能不能有更好的体验感。另外一个点是说只要刷新速度越快,意味着在更新的过程比较不容易出错,也比较不容易被攻击,这是一个部分。

最后花一点时间,老王卖瓜,自夸一下哈曼OTA。

哈曼比较知名的有哈曼的音响,座舱里的产品,IVI,甚至到智能家居,家中音响,以及我们提供的完整的车联网服务,里面包含OTA,包含V2V服务,大数据分析等,是围绕智能化或者联网化很重要的整体服务。可以感受到哈曼是提供很强用户体验的一家公司。2017年哈曼被三星收购,三星全球有3万名员工,绝大多数都是研发团队的伙伴们,是很强大的一股研发力量,可以提供更好的产品给到各位主机厂。

哈曼自己分为四个大的事业群,包含了大家熟知的品牌音响、用于户外剧院、演唱会的专业音响,提供ADAS软硬件一体化整体解决方案的智联汽车事业部,以及提供软件式服务、端到端解决方案的智联科技事业部。

我们提供的服务,包含了模块化、成熟的以太网、车联网、信息安全、OTA产品以及包含人机界面开发、座舱软件、操作系统开发等在内的各种服务。

在OTA的表现上,我们收购的以色列公司Redbend在行业内比较知名,专注做OTA部分做了将近20年。现在已经跟哈曼签约搭载OTA的车辆,过去到未来的统计,会达到3.5亿。我们已经为全球40个品牌汽车提供服务,有24个车厂合作方,目前已经有3000多万辆搭载哈曼OTA的汽车跑在路上。可以看到我们已经是比较扎实提供完整OTA服务的厂家。

回到方案本身,我们提供OTA端到端的解决方案。在后台部分最看重整体的逻辑设计。更新上面需要考量什么,如何做更新策略,有这么多车散播在各个省份,怎么更新?更新到某个省份发现有问题的时候,网络上出现问题,该怎么样做回滚,怎么样喊停,比如版本的问题该怎么样去更新刷新喊停等,有很多机制。

车端的部分,从后台发过来的软件包去解包,提供给网关,刷写到各自的ECU里面,提供端到端的解决方案,在ECU上面可以安装差分软件,可以提供更好的在ECU级别上刷写的机制。传输过程中,使用OMA DM传输协议,这是业界被使用很久的协议,可以保证安全性。

除了刚才所说的以外,我们还提供了软件上的工具,这个工具在研发阶段就可以做软件上面的扫描,有问题可以马上被提出来,而且做二进制的扫描,不去观看代码,没有所谓的保密问题。

在量产时候也是,不断的更新软件版本,每个版本也都应该被扫描,我们提供这样的工具去捕捉漏洞,是否有漏洞,然后做及时的更新。

透过二进制的工具,就可以发现潜在的问题,去做更好的解析。这样的插件可以很快速的让车厂在开发时找到问题,去解决问题,透过OTA可以很快做更新。

我们有很好的地图差分包方案,可以在未来更新高精地图时,让它缩小到原始的文件大小5%,有更好的更新效果。此外我们还有OTA洞察工具,可以帮你做分析,可以让你了解更新的过程,做报表,做更多OTA方面的未来规划。

综合来看,哈曼OTA的优势分为三个部分。第一个可靠性。我们有100%容错机制,装机量已经超过了20亿的移动设备,超过3000多万辆汽车,这是蛮恐怖的数字。哈曼OTA有比较好的延展性,特别是支持高规格的要求,按照A-SPICE L3的标准制定的开发流程,安全可靠。

哈曼OTA的客户端最小可以做到1MB大小,差分算法最小做到10KB,低内存4KB就可以执行。差分包的压缩率和更新速度比业内平均水平高效1倍以上。安全性来说,当车厂需要更多评估的时候,我们有完整团队,端到端的策略,可以做完整的分析评估。

OTA安全部署方面,身份验证是肯定要有的。开发上遵从要求,在设计、编码、测试上有完整的流程,车厂可以比较放心使用哈曼OTA产品,避免后面发生问题。

后面是我们国内外的OTA应用案例,很感谢客户长城汽车对我们的信赖,选择了我们。我们对长城汽车提供整个平台化的服务,目前搭载OTA的汽车已经量产了,也很不容易,我们很开心跟长城的合作。长城汽车选择哈曼是因为我们过往经验丰富,有很好的实施情况。另一个欧洲大车厂的案例也是一样,主要参考整个团队的强健性,所以选择了我们。因为时间的关系,今天分享到这边。我来做一下问题的回复。

问题1:现在哈曼OTA在升级前是否有做安全校正的过程?

林纪玮:实际上是有的,就像刚才提到的,我们有很好的软件漏洞扫描插件,跟OTA共用同一个云的服务平台,可以直接做安全扫描, 通过二进制方式扫描。主机厂使用我们的时候,除了我们的OTA软件是安全的以外,需要被更新迭代、来自于其他ECU厂家的文件也都可以扫描,而且这些扫描还可以做报告的输出。

问题2:OTA在政策监管方面存在什么样潜在的风险,或者问题点?

林纪玮:我觉得这是比较大层面的问题,OTA在接受监管上,现在还没有形成非常明确的国家法规,或者说规章。各国都在努力,至少我们现在可以从欧盟那边发现,他们已经开始去制定一些草案,关于保障汽车未来安全必须要遵守的规定。这牵扯到两个话题,一个话题是OTA,另外一个话题是信息安全。这两个部分该如何被监管或者在控制的范围去监控。

OTA更新涉及到要更新的内容,必须上传到能国家共同管控的平台,至少知道要被更新的版本是安全的,这是第一个部分。第二部分要更新的功能面来说,有哪些功能是这个版本跟上个版本的差异,必须要提出来,必须是透明化的。车厂由于种种原因,要去更新汽车,整个流程是可追踪的,并且可管控的。

我相信各国已经意识到有这样的需求,都在做同步的努力。我们在同行之间,行业内还有好多友商,大家也都一样,都非常支持政府朝这个方向走。我也知道很多厂家很积极,对政府也好,对主机厂也好,提出了很多政策或者是建议以及白皮书等等,这都是很好的方向。我相信之后监管方面一定会更加完善而且合规。

问题3:在海外部署OTA有哪些考量?

林纪玮:比较常见的比如说GDPR,在欧盟环境下,GDPR包括车机的开发都要满足各种条件。这恰恰考验了在开发中,厂家有没有做过这样的考量,在设计上、测试上能不能避开违法的风险。专利上面来说,有没有侵权的问题等。

我们供应商肯定要做到的海外要求的合规,这是第一要素。主机厂要做这方面的考量调研。汽车去上市,必须满足当地的法律法规。这部分我们欢迎车厂对我们做相关的咨询,我们都很乐意分享我们的经验。

问题4:如果要更新推送一千万台汽车的时候应该怎么做?

林纪玮:您提到的分时段,分批次去更新,都是对的。同时更新这么大量的汽车,宽带流量可能是一个问题。分时段分批次进行汽车OTA更新,真正这么做的原因是,更新过程中往往会有很多人员的疏忽,比如上传的版本错了,比如更新到一半才发现不该这么做,或者有种种原因需要回滚。

更新的机制第一个要考量分流,第二个要考量遇到问题的时候,可以逐步解决。从夜间开始,从少量影响的情况开始,逐步更新,确保稳定,测试没问题再开始扩大,会有很重要的背后机制。这也是为何当我们设置端到端的解决机制的时候,在服务器端有很多产品,为什么好多OTA厂家实际做起来会有很大不一样,关键在这边。这是很好的问题。实际上我们更新的车比较多,踩过的坑也比较多,过往产品在设计上的不足,我们也都更新了,不断在持续学习、更新。现在所推出的产品在更新机制,回滚等问题上都考量的非常具体,也是让车厂放心的主要因素,也是为什么选择我们。

问题5:ECU回滚的部分有哪些机制?

林纪玮: ECU的回滚可以有很多方式,比如差分更新,也可以采用双分区的方式回滚,还有通过上位机对它重新刷写。目前通过这些方式都可以实现ECU回滚操作。


日数据量35亿条!福田车联网历时7年打造新生态

博客自动驾驶小能手 发表了文章 • 0 个评论 • 99 次浏览 • 2020-06-04 10:40 • 来自相关话题

在汽车产业全速推进智能网联化的时代机遇下,福田汽车率先开展车联网技术的研发、实施与应用等工作,目前已取得了阶段性成果。 ...查看全部

在汽车产业全速推进智能网联化的时代机遇下,福田汽车率先开展车联网技术的研发、实施与应用等工作,目前已取得了阶段性成果。

1591238380290887.jpg

在汽车产业全速推进智能化、网联化、电动化、共享化转型升级的时代机遇下,福田汽车率先发力车联网,成立北京智科车联科技有限公司(以下简称“智科车联”),开展车联网车载终端设备、车联网管理平台等智能汽车相关技术的研发工作。
2013年3月,由智科车联自主研发的福田车联网平台正式上线,平台的相关功能及车载终端也在不断迭代升级。通过福田车联网平台,用户不仅能实现货单管理、路线管理、油耗管理、远程诊断、保养提醒、在线预约等全方位车辆管理的智能服务,还可对司机精准管理,提供驾驶评价、运营评价、行程分析、安全预警与评价等功能。
平台业务架构
福田车联网平台采用互联网主流、标准、开源技术架构,运用云计算、负载均衡技术、大数据技术、容器技术等,支持高可用性、高负载、海量数据,采用构件技术、实现多种协议弹性接入和行业应用高度可配置,构成完整的安全、可扩展、开放的车联网平台架构。
该平台利用新一代智能终端为触点,采用混合云架构,打造全新的数据化运营服务体系,建立开放、互联、融合、生态的新一代车辆运营服务平台。目前该车联网平台接入车辆已经超过117万辆,平台每日接入数据超35亿条,每日新增数据量超过2.8T,车联网数据总量超过1000TB。成为国内最大的商用车车联网平台之一。
福田车联网平台采集数据包括车辆的位置信息(经纬度、海拔、方向等)、车体的工况信息(发动机转速、水温、油温、油压、变速箱档位、车门车灯空调开关等)、车辆的报警信息、车辆的故障信息等,单车采集的数据项在300~1000项之间,根据不同车型会有差异。针对采集的故障报警数据,做了统计分析,并将频繁发生的故障报警数据转输入给研发和质量部门,由他们对整车实现改进和升级。
从车辆运行的全生命周期维度来看,福田车联网赋能企业全价值链五大环节职能。
研发环节。通过车联网监控试制试验车辆的运行里程、时长、运行工况参数,作为研发改进和设计车辆的数据基础;分析试验的类型、跟踪各项试验完成进度,实现试制试验过程的自动化管理,减少人工成本。
生产环节。通过车联网监控福田汽车工厂的车辆下线情况,实时显示各厂区当日生产和当月生产车辆数,各品牌车型当日生产和当月生产车辆数,以及下线车辆VIN。使企业管理者对各工厂的生产情况一目了然,使动态调整生产进度有数据参考。
物流环节。车辆下线后通过整车物流发往各个经销商网点,车联网监控整车物流的过程,实现物流过程透明化管理。从运输时效性(是否及时起运送达)、里程合规性(是否按照设定路线运输,没有绕路、背车等异常行为)和驾驶过程中的驾驶行为三个维度对驾送和运送司机进行综合评分,形成考核机制,提升商品车物流的质量和效率。
运行环节。车联网可以监测所有运行车辆,并从宏观角度分析车辆的行驶里程、行驶速度和行驶油耗。
服务环节。车联网监控每日进站服务车辆数,并对进站车辆发生的常见故障、报警进行统计分析,将数据输入给质量部门,改进整车质量。同时,每辆进站服务车辆上传了故障码,通过故障码库可以匹配上对应的维修所需零配件及维修方案,这样服务站可以提前做到精准备件,加快了维修进度,节省了车主的时间成本;对于需要紧急救援的车辆,可以通过福田e家APP进行远程车辆报修与救援,服务站根据车联网平台对车辆所发生的故障码信息提前精准备件,前往车辆待救援所在地进行救援,而且车主可以通过福田e家的页面,像打车软件一样实时查看服务救援车与被救援车辆之间的实时位置,让车主感到放心。这种差异化的服务提高了用户对品牌的忠诚度。
车联网平台产品与服务能力
一、车联网平台终端产品
T-Box。这是一款集车辆数据采集、远程车辆诊断、远程车辆控制等功能的车载智能终端,为车辆联网大数据分析、行车安全、金融销贷等提供解决方案,可应用于商用车、乘用车、商务汽车等车型。
部标机。通过对车辆数据的信息采集与分析,为交通事故分析提供科学的参考依据,方便交警执法和政府监督。还可帮助司机规范驾驶习惯,降低交通事故发生率。
1591238398123656.jpg
福田车联网产品——T-Box和部标机
多媒体屏。这是一款可以独立运行的智能娱乐显示屏:内置收音机, 具有音视频播放、车载导航、倒车影像、语音播报、蓝牙通话等功能:具有CAN 总线接口,可以直接采集车辆的CAN总线信息,连接车载终端,显示终端信息。
1591238416987294.jpg
福田车联网产品——多媒体屏
二、车联网平台服务能力
福田车联网平台为企业和车主提供从用车、养车、管车、换车、购车五大方面的服务。
(一)用车服务能力
经济运行:通过采集车辆运行工况、运行周期等数据,构建车辆运营模型,为客户及运营者提供运营解读。
油耗管理:采集车辆的油耗数据,构建绿色驾驶模型,为司机提供节油建议和策略,减低运营成本,同时对油量的突然变化提供监测和报警服务。
智能车生活:智能座舱系统通过语音识别、手机互联,解放双手,满足驾车场景化车主需求;通过导航,娱乐,车生活,车服务等各种车辆应用,满足不同车主的多样化需求,提供贴心的智慧服务。
(二)养车服务能力
智能养车:通过车联网对服务体系进行再造,实现“主动服务”+“远程在线服务”+“智能化服务管理”的服务转型。
故障监测:面向客户的在线无忧故障监测和预警服务。
零距离服务:面向福田服务体系及售后服务站的整车运行质量监控,助力为用户提供智能化服务调动和管理。通过诊断仪/OTA等技术方式,实现远程下载刷写数据,对车辆电控单元数据进行刷写,提高售后服务需求响应的及时性,提高客户满意度。
(三)换车服务能力
车辆画像:为二手车售卖车提供车辆的整体运营画像,对提高售价提供有力依据。
车辆维保信息:全面的维修保养信息,对车辆保养和故障情况作出清晰的展示。
车辆运行报告:车辆全生命周期运行报告,对车辆整体运行工况作出分析和建议,对车辆残值评估提供有力依据。
(四)管车服务能力
SuperFleet车队管理系统:覆盖用车、养车、换车等全场景,为行业提供安全、经济的创新车队管理解决方案。
(五)购车服务能力
销售小助手:整合车辆数据,结合车辆业务用途、车辆基础信息、车辆运营数据、买方企业信息以及驾驶员信息进行综合分析,智能识别潜在客户及保有客户的购车需求,为销售提供主动营销的数据依据。
金融锁车:将车联网技术应用在金融环节,有效管控风险。当车辆发生金融或其他风险时,可以通过车联网平台对车辆远程锁车控车。智科的硬件设备与车辆可以深度集成。具备发动机锁车控车能力并且具有很好的防拆性。
iTink智科车联通过精准的终端数据感知、大数据分析和应用,现形成车队管理、智能驾舱、核心车联网三大业务线,对内帮助企业提高管理水平,降本增效;对外为车主提供差异化服务,建立品牌核心竞争力,从而实现福田汽车从传统制造企业向制造服务型企业转型的目标。(作者|冯鹏辉 北京智科车联科技有限公司品牌经理)

一汽解放、四维图新联手发力 商用车车联网加快落地

博客自动驾驶小能手 发表了文章 • 0 个评论 • 168 次浏览 • 2020-05-28 09:16 • 来自相关话题

开启一汽解放“哥伦布智慧物流开放计划”又一重要布局。 ...查看全部

开启一汽解放“哥伦布智慧物流开放计划”又一重要布局。

5月22日,一汽解放、四维图新旗下中寰卫星等联合成立的合资公司鱼快创领智能科技(南京)有限公司(以下简称“鱼快创领”)开业揭牌仪式在南京江宁区九龙湖国际企业总部基地举行。

1590628573924004.jpg

新成立的合资公司,将聚焦车联网新技术开发,物流生态产品孵化及运营,积极开拓商用车后市场。

这是一汽解放宣布开启“哥伦布智慧物流开放计划”后的又一重要布局。

聚焦车联网服务

在揭牌仪式上,鱼快创领总经理张楠寓意该公司是“含着金钥匙出生”,并在多方共同努力下诞生的。

来看看鱼快创领有哪些先天优势:一汽解放具备领先的商用车技术研发能力、独一无二的市场优势、产销服务网络以及后市场相关生态资源。另一方中寰卫星拥有人车路协同的大数据采集分析处理、网联智能传感器开发设计、AI算法、云控平台等核心技术能力。这些优势都将毫无保留地输出到鱼快创领。

此外,新合资公司还获得了吉林省一汽创新发展基金投资管理中心、江苏罗思韦尔电气有限公司、知行家(天津)企业管理中心等资本的支持。

中寰卫星是四维图新旗下承载商用车智能网联业务的子公司。说起一汽解放与四维图新的合作,可以追溯到2016年。经过三年多的合作,一汽解放“解放行”车联网平台发展迅猛,目前累计连接车辆数已经超过70万辆,注册用户超过百万,平台打通了生产销售、车主服务、车队服务及售后维修等多个环节,实现了车辆全生命周期管理。

中寰卫星实现了从前装着手,做整车企业运营平台的同时,也做物流的运营。这样就可以帮助一汽解放将车联网的功能延伸下去,也为物流公司提供更多维度的服务。从把车作为资产的载体,到作为生产资料的载体,中寰卫星现在的产品可以实现产业链贯穿,构建物流运营新生态。

开业当天,鱼快创领就迎来了第一个合作伙伴——货车之家(南京)科技有限公司。鱼快创领总经理张楠和货车之家总经理郭玉安分别代表公司签署了战略合作协议。未来双方将在商用车智能网联技术开发、ETC、智能硬件、货车导航、商用车后市场等多领域开展战略合作。

加速战略落地

近年来,一汽解放持续加码智能网联等新兴领域,发展迅速。

2018年10月27日,在一汽解放全新战略发布会暨J7上市仪式上,一汽解放董事长、党委书记胡汉杰首次公布了一汽解放的生态品牌——哥伦布。同年,一汽解放内部成立了全新的未来战略部门——F事业部,加速新业务的推进与孵化。

2019年1月19日,在一汽解放首届生态合作伙伴大会上,胡汉杰正式向外界解读一汽解放“哥伦布智慧物流开放计划”。此计划包含两条子计划:以解放智能车平台为核心的智能加(Ai+)开放计划;以解放车联网平台为核心的互联家(Connect+)开放计划。

同年8月8日,作为 “哥伦布智慧物流开放计划”的重要组成部分,由一汽解放与合作伙伴正式成立了苏州挚途科技有限公司。这代表着哥伦布A航线的全面加速。据了解,在不到一年的时间里,苏州挚途科技已在港口、高速等多个场景实现了试运营。

在此背景下,鱼快创领成立的目的就十分明显,作为哥伦布智慧物流开放计划的核心——Co+互联家计划,会以鱼快创领为载体,加速其“哥伦布”战略落地。

把握车联网发展机遇

据《商用车车联网白皮书》显示,商用车利润来源将不断向后市场转移,车联网增值服务价值将不断体现。相较乘用车车联网,商用车作为生产工具,其车联网功能降本增效显著,盈利模式更加清晰。

从商用车的全生命周期管理角度看,未来借助车联网设备与相关服务,潜在成本优化空间巨大,潜在市场价值可达万亿元;从产业链价值角度来看,围绕商用车全生命周期管理和行业降本增效增值服务的运营服务是未来的行业核心价值所在。

而在汽车“新四化”的发展背景下,商用车企业纷纷将智能网联作为其开拓市场蓝海的新领域。

例如,比亚迪推出了Dilink智能网联系统,已经应用于比亚迪商用车T5A、T10ZT等车型上;中国重汽与嬴彻科技合作开发了全栈系统1.0,用以研发自动驾驶卡车;中国重汽HOWO-T5G智能网联卡车在天津港试运营,实现了L4级无人驾驶电动卡车由概念性产品阶段到商业化落地的重要跨越;福田汽车成立智科车联网公司,并与华为开展合作,为其车型提供故障提醒、云标定、驾驶行为和精准救援等功能。

随着新基建的投入,5G商用步伐加速。车联网不仅会成为5G应用的重要场景之一,还将为实现全路况条件下的自动驾驶提供重要载体。因此,抢占智能网联的发展先机,率先完成相关产品的落地,已经成为一汽解放等商用车企们势必要走的路。(作者:田野|智能网联汽车杂志)

重磅!华为成立”5G汽车生态圈”

博客自动驾驶小能手 发表了文章 • 0 个评论 • 143 次浏览 • 2020-04-27 09:51 • 来自相关话题

4月24日,华为联合一汽红旗、一汽奔腾、一汽解放、上汽乘用车、上汽通用五菱、广汽新能源、比亚迪、长安汽车、长城汽车、东风小康、东风乘用车、北汽新能源、江淮汽车、宇通客车、奇瑞、金康赛力斯、南京依维柯、T3出行等首批18家车企,正式发布成立“5G汽车生态圈 ...查看全部

4月24日,华为联合一汽红旗、一汽奔腾、一汽解放、上汽乘用车、上汽通用五菱、广汽新能源、比亚迪、长安汽车、长城汽车、东风小康、东风乘用车、北汽新能源、江淮汽车、宇通客车、奇瑞、金康赛力斯、南京依维柯、T3出行等首批18家车企,正式发布成立“5G汽车生态圈”,加速5G技术在汽车产业的商用进程,共同打造消费者感知的5G汽车。

华为发起成立的”5G汽车生态圈”首批18家车企

5G汽车已经成为汽车产业发展的战略制高点和创新热点,5G技术的高速率、低时延和高可靠将给智能网联、智能交通、自动驾驶等场景打开全新的想象空间。消费者能够感知的全新驾驶体验、娱乐体验,以及人、车、家全场景体验是未来5G汽车的创新重点,是众多车企和华为共同发力的方向。

自2019年4月发布全球首款5G车载模组MH5000以来,华为已经向生态圈伙伴与众多车企提供了5G车载模组MH5000、5G车载终端T-Box平台等产品和技术,支撑5G汽车以及5G+C-V2X智能网联的应用创新。一年来,众多国际国内车企基于华为5G车载通信产品与解决方案,展开各种自动驾驶、智能网联、信息服务的创新,让消费者逐渐感知到5G技术在汽车上的价值。

作为智能网联生态圈的延展,本次5G汽车生态圈建立后,华为希望通过汽车增量部件的优势、面向消费者1+8+N的全场景体验以及5G网络解决方案的能力,向生态圈伙伴贡献更多的技术、平台和创意,更系统地服务好车企开展5G汽车的创新验证,带给消费者更惊艳的体验。这正呼应了华为“聚焦ICT技术,帮助车企造好-车、造-好车”的理念。

未来两年将是5G汽车爆发关键年,5G汽车生态圈今天迎来一汽红旗、一汽奔腾、一汽解放、上汽乘用车、上汽通用五菱、广汽新能源、比亚迪、长安汽车、长城汽车、东风小康、东风乘用车、北汽新能源、江淮汽车、宇通客车、奇瑞、金康赛力斯、南京依维柯、T3出行等首批车企(按公司简称笔画排序),通过生态圈平台的长期运作、交流互动,共同探索与打磨出真正有价值的5G汽车应用,让消费者最终能够享受5G汽车带来的超级体验。

C-V2X,助力车联网奏响5G进行曲

博客自动驾驶小能手 发表了文章 • 0 个评论 • 193 次浏览 • 2020-04-27 09:49 • 来自相关话题

什么是车联网?要 ...查看全部

什么是车联网?

要清晰回答这个问题,就要首先了解物联网技术的发展。在物联网发展风头正劲时,人们纷纷盼望着物联网技术能够应用于汽车领域,这就有了“汽车移动物联网”。后来,为了方便认知和感知,“汽车移动物联网”改名为“车联网”。简而言之,车联网就是通过车辆上的车载设备,利用无线通信技术,将道路上行驶的车辆连接在一起的技术和服务。

实际上随着现代科技不断向智能化数字化快速发展,车联网的内涵也在不断的丰富和延展。当前,我们提到车联网,一般都会以V2X代替,X代表着everything,即可以与车进行联网的一切,主要包括:

通信能力成为制约车联网发展的瓶颈

想要实现车内、车与人、车与车、车与路、车与云平台的网络连接,无线通信是重中之重。众所周知,在车辆实际驾驶过程中,包括车端运行状态、路端实时状况等在内的无数个应用场景会产生海量的数据,需要有强大的通信能力保障数据及时传输到云端,再通过庞大而精准的云端计算能力分析加工之后反馈到车端和路端,在“车—路—云”一体化的基础上,实现车路协同乃至汽车智能化、远程操控、自动驾驶等终极目标。

可以说,无线通信是连接车与外围环境的关键桥梁,如果没有强大的通信能力支持,那么行驶在路上的车辆就会成一个个“信息孤岛”,车路协同互联互通也就无从谈起。在车联网概念出现的前几年中,由于受到包括标准、技术、产业、政策等一系列不确定因素的限制和影响,车辆的对外通讯能力一直是制约车联网发展并大规模落地应用的问题之一。如何增强车辆的外部通信能力,产业界从未停止过探索。

C-V2X演化为车联网行业标准

实现车辆的外部通信,并不是一件简单的事情,因为车辆在道路上不会一直保持静止,大多数时候处于快速并且长距离大范围的移动,尤其是还要实现数以千计的移动车辆之间、车辆与道路之间的互动。

车联网的发展基础来自通信行业标准化。目前在全球,车联网V2X存在两大路线(标准),即DSRC和C-V2X。两者的技术之争持续多年,相持不下。

DSRC,即专用短程通信技术。在短程范围内通信是没有问题,但是如果涉及到长距离,通信的可靠性就会大打折扣。相比较下来,C-V2X技术则更适合车联网的发展需求。

2013年,时任大唐电信集团副总裁陈山枝首次在业界提出了LTE-V2X的概念。这一概念来自于大唐电信集团数十年移动通信领域标准定义和产品转化的经验,以及对标准的解读和产品转化更为深刻的理解。

3GPP关于 C-V2X国际标准制定和产业化工作,以中国信科集团(大唐电信集团与烽火科技集团合并成立)旗下上市公司高鸿股份为代表的中国企业正积极推动LTE的标准化及产业化落地,并持续开展NR-V2X的标准化及安全标准验证。

C-V2X技术标准推进路径

2020年1月,工信部部长苗圩指出,经过长时间的对比和权衡,并与交通部达成最终共识——在中国坚决推行5G、LTE-V2X。共识要求,路网和车载的信息化、数字化实行同一标准,保证在接口数据上共享互认,这样才会减轻自动驾驶车辆的难度。对车路协同而言,这是一个重要进展。

从车联网概念被提出,经过DSRC与C-V2X的技术竞争,最终在国家层面确定C-V2X成为车联网发展的标准。与此同时,国家发改委、工信部等多部门陆续出台了与智能汽车、车联网、自动驾驶相关的政策,大力支持发展智能汽车产业、建设汽车强国、交通强国。

随着车联网通信技术的不断成熟,以及国家层面强有力的指引和支持,以华为、大唐高鸿、百度为代表的国内产业链头部企业积极研发突破,合作推进。大唐高鸿是车联网核心知识产权拥有者、标准主要贡献者、产业化中坚力量,先后发布和提供了全球第一款LTE-V原理样机,第一款可用于测试的设备,第一款预商用产品,第一款支持最新国际标准3GPP R14版本的商用产品,以及第一款LTE-V2X模组。

车载通信系统——车联网的中枢神经

自动驾驶作为车联网发展的最终目标,对于网络时延的要求十分苛刻,需要达到个位数的毫秒级别。但是目前4G尚达不到这个要求。随着C-V2X标准逐步演进,产业落地应用不断创新,以及5G在2020年大规模推广应用的加持,5G+车联网的组合可以说是“珠联璧合”。5G的优势显而易见——它拥有更高的带宽,支持更大数量的连接,还可以支持更高的移动速度。随着5G技术的不断成熟,4G会逐步演进到5G,并且在相当长的一段时间内并存,车联网通信技术LTE-V2X与NR-V2X将会在应用上实现互补,长期共存。5G+V2X已经在理论上可以满足自动驾驶对时延的需求,因而完美地契合了车联网的发展要求并成功助力车联网发展迈向更高水平,为全面推广车路协同、实现自动驾驶奠定了基础。

说到车辆的对外通讯能力,就不得不提到车载通信系统。车载通信系统的关键在于通信模组。通过对多种芯片、器件进行再设计与集成,提供标准外部接口,从而将芯片集成,就成为了通信模组。C-V2X的出现,极大地强化了车辆的对外感知能力。通俗地讲,一块合格的通信模组,不仅要具备优秀的倾听能力(输入)和优秀的表达能力(输出),还需要具备专业的思考能力来进行融合感知,从而强势稳定地支持汽车与外界互联互通,实现车路协同。由于通信模组承担了在“人—车—路—云”之间进行数据传输的功能,也可以说通信模组是实现车路网联的中枢,其重要性可见一斑。

在国内,2017年大唐发布了全球首款C-V2X通信模组,开启了中国企业自主研发、创新驱动的大门。紧随其后,华为和大唐高鸿突破了海外厂商的垄断,在自研芯片的基础上开发出车规级通信模组。作为国内最早开始研究C-V2X的企业之一,大唐高鸿在2019年发布的车规级模组DMD3A采用高集成度封装,具有小尺寸,低功耗,易集成,通信接口丰富的优点,能够满足车载前装要求,并采用“all in one”设计理念,可以为用户提供SDK,支持客户二次开发,可满足丰富的V2X应用场景,目前已经实现批量供货。这对于车联网产业链上下游企业无疑是极大的利好——可显著提升车辆对外连接能力,加速了人、车、路、云之间的智能网联。

大唐高鸿车规级模组DMD3A 

随着5G技术和C-V2X技术的快速发展应用,“人—车—路—云”网联一体化已经越来越近。在未来的道路上,智能网联汽车将比比皆是。

智能网联汽车在传统汽车技术基础上融合了大量的信息感知、智能决策、网络通信等技术,最终目标即为自动驾驶。实现L4自动驾驶,对车载通信系统提出了实时通信、高可靠、安全性等方面要求,而NR-V2X车载通信系统可以突破单车智能的非视距感知、车辆信息共享等技术瓶颈,是实现自动驾驶必不可少的一部分。

值得关注的是,2020年初,大唐高鸿联合百度成为工信部“新一代人工智能产业创新重点任务”揭榜单位。双方约定,基于通信行业和自动驾驶行业深度融合的技术优势,将联合开发低时延高可靠、支持L4级自动驾驶的车载通信系统。

该车载系统的研发、推广及应用,将大大推动智能网联产业关键技术的自主可控,提升产业创新能力,从而推进我国智能网联汽车产业的发展,在自动驾驶技术研发及落地应用层面,缩小与发达国家的差距乃至实现弯道超车。

华为汽车布局——做智能网联汽车增量部件供应商

博客自动驾驶小能手 发表了文章 • 0 个评论 • 258 次浏览 • 2020-03-16 21:31 • 来自相关话题

无人驾驶催生产业链新机遇,华为入局汽车领域汽车智能化是大势所趋,无人驾驶时代的车辆架构发生较大改变——从EE(电子电气)到“计算+通信”,汽车从硬件定义到软件定义,催生 ...查看全部

无人驾驶催生产业链新机遇,华为入局汽车领域

汽车智能化是大势所趋,无人驾驶时代的车辆架构发生较大改变——从EE(电子电气)到“计算+通信”,汽车从硬件定义到软件定义,催生出产业链新机遇。

我们认为华为未来将主要集中在芯片、算法、云服务、V2X、操作系统等软件+硬件领域。用华为自己的话说,就是除了底盘、四个轮子、外壳和座椅,剩下的都是华为拥有的技术,像自动驾驶芯片、车身感知算法、自动驾驶云服务、4G/5G车载移动通信模块、车载计算平台等,华为都有对应的解决方案。

当前进入智能汽车行业的企业可以分为三类:

第一类是传统汽车制造企业(偏硬件),代表企业丰田、大众;

第二类是新兴汽车制造企业(软硬兼具),代表企业特斯拉、蔚来等;

第三类是互联网企业(偏软件),代表企业谷歌、百度、华为等。

现状:“云-管-端”架构,打造五大业务领域

华为智能汽车延续“云-管-端”架构。云:智能车云;管:智能网联;端则从最初的车机扩展到了智能驾驶、智能座舱、智能电动三大终端。

华为传统强项在于基于自有芯片的算力打造以及基于通信技术优势的物联网构建,其智能汽车五大版图也基于芯片和网联进行延展,拓宽到传感器、电机电控等高附加值硬件领域,华为预计未来汽车业务可为其贡献500亿美元的营收。

竞争格局:和通信、互联网、零部件企业竞合

华为当前布局的五大业务板块中,智能网联业务是华为传统优势所在,智能车云业务当前阿里、腾讯、京东等互联网企业各有所长,智能座舱业务在软件分离的趋势下面临格局重塑,智能驾驶业务中激光雷达和芯片是产业链高附加值所在,由海外企业垄断,华为聚焦L3+智能驾驶,有望在核心环节打破外资垄断;智能电动业务国产化靠前,华为有望通过合作三电企业入局。

华为汽车合作方和潜在产业链

华为汽车业务在“端-管-云”五大业务板块和产业链上下游均建立了一定的合作关系,2020年初,华为MDC智能驾驶计算平台获得车规级认证,后续量产可期。华为入局对国内智能汽车生态整体利好,有望将原来掌握在国内巨头谷歌、英伟达、Velodyne等手中的智能汽车关键要素国产化,同时带动产业链上游硬件企业、产业链软件合作企业的蓬勃发展。

无人驾驶实现需要四步走。我们认为无人驾驶从应用层面可以分为四个阶段:

  • 阶段1是资讯被动侦测期,该阶段主要应用于车载资讯服务;

  • 阶段2是资讯互动交换期,也就是当前所处阶段,该阶段主要应用于ADAS等;

  • 阶段3是资讯主动传达期,该阶段主要应用为V2V和V2I,融合传感器技术实现车路协同;

  • 阶段4就是终极无人驾驶期,无人驾驶背景下车辆运营效率有望大幅提升,该阶段的典型应用就是共享汽车。

无人驾驶时代的车辆架构发生较大改变——从EE(电子电气)到“计算+通信”。实现汽车软件定义、持续创造价值。传统电子电气架构中,车辆主要由硬件定义,采用分布式的控制单元,专用传感器、专用ECU及算法,资源协同性不高,有一定程度的浪费;

计算+通信架构中,旨在实现软件定义车,域控制器在这里发挥重要作用,通过域控制器的整合,分散的车辆硬件之间可以实现信息互联互通和资源共享,软件可升级,硬件和传感器可以更换和进行功能扩展。

无人驾驶时代催生汽车新兴细分行业。随着汽车和信息通信技术的深度融合,智能联网电动汽车成为人类社会新的革命性发展引擎,其影响远远超出了两个行业本身。

原来由传统整车巨头搭建的行业壁垒被慢慢攻克,新兴电动车企(特斯拉)入局,传统巨头(丰田、ABB)转型,首先带动了传统汽车制造产业(整车和零部件)的产品更迭,然后催生出一系列应用层面的新兴行业(车载操作系统、车载通信设备等等)。

华为入场,做汽车的增量部件

华为要做的是哪一部分?从当前华为对外披露的公开资料来看,我们认为华为未来将主要集中在芯片、算法、云服务、V2X、操作系统等软件+硬件领域。用华为自己的话说,就是除了底盘、四个轮子、外壳和座椅,剩下的都是华为拥有的技术,像自动驾驶芯片、车身感知算法、自动驾驶云服务、4G/5G车载移动通信模块、车载计算平台等,华为都有对应的解决方案。

蛰伏五年,华为成立智能汽车解决方案BU。在汽车领域,2019年4月,借着2019上海车展的契机,华为再次态度鲜明地表态“不造车”,并首次在大型国际车展上高调展示汽车业务进展,其轮值董事长徐直军也出现在多家车企的展台活动上,为多方牵手“代言”。而在这之前,华为的汽车业务已经蛰伏5年。

2014年,华为在其著名的“2012实验室”内设立车联网实验室,潜心研究和布局车联网板块。2019上海车展亮相后的5月,华为正式成立智能汽车解决方案BU(业务部门)。在成立智能汽车BU半年后,2019年底2020年初,华为先后通过欧洲汽车行业车载终端的TISAX认证及ISO 26262功能安全管理认证,意味着华为已经具备部分车规级产品的生产资质。

智能汽车解决方案BU与三大BG和两大BU并列一级部门。随着智能汽车解决方案BU的成立,华为目前有三大BG——运营商BG、企业BG和消费者BG,三大BU——网络产品与解决方案BU、Cloud &AI BU和智能汽车解决方案BU,三大BU与运管商BG、企业BG均属于ICT业务组织。

这三大BG和三大BU除了业务规模上的差异以外,在组织架构上是并列的,均为华为内部的一级部门。对于华为而言,原先的三大支撑业务运营商BG、企业BG和消费者BG已经较为成熟,在提升这三大业务增量的同时,华为也在不断寻找新的业务机会。而汽车领域无疑是一个恰好的选择。

新BU总裁由原运营商BG干部担任,首席战略官由原北汽新能源总经理郑刚担任。

华为定义新BU“做智能网联汽车增量部件供应商”。何谓“增量部件供应商”?用华为轮值CEO徐直军的话来说,就是提供自动驾驶的软件以及计算和联接技术的供应商。

虽然目前这些业务的商业价值还没有走向规模化,但徐直军认为未来它们有望占据70%的汽车价值,远超车身、底盘等传统技术在整车上的价值,形成一个新的增量市场。华为对自身在汽车行业的定位是作为智能汽车领域的端到端业务责任主体,提供智能汽车的ICT部件和解决方案,帮助企业造好车。

华为的思路——以体验为核心,局部包围整体。在HC 2019上,华为智能汽车解决方案BU总裁王军详细地介绍了华为的智能驾驶解决方案,分为三个维度:商业路线上,从低往高循序渐进,按照场景,成熟一个,落地一个;技术路线上,以终为始统一架构,加速激光雷达和高算力平台的商用;产业路线上,华为作为一个增量部件供应商,与行业伙伴共同推动产业成熟,与产业共赢。

华为认为,过去汽车领域对自动驾驶从L1、L2到L3、L4、L5按照技术分级的方式不是很严谨,会导致同样的技术在一个场景适用,换一个场景可能就没用了,比如基于欧洲市场研发的自动驾驶系统,如果直接拿到中国市场来用,很可能会“水土不服”。

“我们觉得智能驾驶应该是一步一步通过满足不同场景的需求来实现,从一个场景开始做起,逐步积累、实践,探索更多未知的领域,最终给用户带来更好的体验。简言之就是以体验为核心,识别关键场景,逐步的商用落地。” 王军表示。

以中国市场为例,王军指出推动自动驾驶在中国的商业化落地,可先从城区的自动泊车、拥堵跟随、高速或城际快速公路等点到点的服务做起,这些都是短时间内能够实现智能驾驶商业价值较为关键的场景。然后逐步消除各个场景之间的运营空白,从小场景向大场景发展,让自动驾驶服务在更大的范围内得以持续。

华为的定位——做汽车的增量部件。“做智能网联汽车增量部件供应商”,是华为在汽车领域给自己设立的明确定位。在此定位下,华为将智能汽车解决方案BU的业务覆盖范围划分为五个部分:智能驾驶、智能座舱、智能网联、智能电动、智能车云。

智能车云:以“平台+生态”的形式,为车企提供自动驾驶、V2X、车联和电池管理四个方面的云服务;

智能网联:主要提供大带宽、低时延、高可靠的车内、车外网络连接方案,包括5G+C-V2X模组、T-Box、车载网关等;

智能座舱:通过“麒麟模组+鸿蒙OS+HiCar”赋能数字座舱,构建人车生活全场景出行体验;

智能驾驶:借助MDC智能驾驶计算平台、工具链和融合传感等,助力自动驾驶从L2+向L5平滑演进,使智能驾驶加速进入快车道;

智能电动:目前的核心是构建高效、快充、安全、智能的电动系统,华为在车载充电、电池管理、电机控制系统等方面均已进行了相关的技术储备。

可以发现,华为是将其过去三十年在ICT领域的积累拆分成五个部分,即云服务能力,通信联接能力,大计算能力,消费者业务的全场景智能化能力,快充与电驱技术,用以满足车企在不同领域的研发需求。

布的是汽车局,根基还是ICT。也就是说从看家的通信领域起步,将云服务、计算平台、AI芯片等和汽车相关联的业务都整合到了一起。具体的功能还是围绕着汽车信息的传输、计算、存储。

据21世纪经济报道,华为的LTE-V2X芯片(可以基于4G实现车和车、车和周边路况的通信)、车载移动通信模块已经广泛应用;硬件MDC(移动数据中心)搭载AI昇腾芯片,已经和奥迪Q7自动驾驶汽车有合作,号称可以达到Level4 的技术层次;值得注意的是,5G基带芯片巴龙5000也支持车联网。

这些产品也集合了华为不同部门的研发,比如2012实验室下面就有车联网业务,MDC属于华为云BU下面的智能计算部门,此外还有深度学习、视觉处理器、电池、电机、电控等研发部门。

华为智能汽车解决方案BU五大领域发展现状

下面来详细介绍华为智能汽车解决方案BU的五大领域——智能驾驶、智能座舱、智能网联、智能电动、智能车云(云服务)。

智能车云:以AI芯片为壁垒

从2011年喊出云计算到如今,华为云从运营商领域进入更广阔的企业市场、消费者领域以及全社会IT基础设施市场,最大的优势就在于可以提供芯片、硬件、软件全栈协同的云服务产品和解决方案,对于中大型企业是更优选择。

基于芯片建立云服务核心壁垒。华为在2018年的全联接大会中发布了两颗基于达芬奇架构的云端AI芯片昇腾系列,其中昇腾910是目前单芯片计算密度最大的芯片,计算力超过谷歌及英伟达,可用于自动驾驶场景,构筑起了华为云服务的核心壁垒。而且华为芯片不直接对外销售,只能以云服务和部件的形式面向客户,也就是说,如果要用到这颗芯片的算力,使用华为云服务几乎成为唯一的选择。

具体到汽车领域,华为云服务包括自动驾驶云服务、V2X云服务、车联云服务、电池管理云服务。其中自动驾驶云服务就利用到了昇腾910的AI芯片能力,提供名为八爪鱼(Octopus)的自动驾驶训练、仿真、测试平台。

华为车联云服务平台在PSA落地应用。OceanConnect车联云服务平台则致力于为车企转型提供联接使能、数据使能、生态使能和演进使能。比如提供连接管理、设备管理和应用使能基础能力、实现统一安全的车辆网络接入、对接车企已有IT/OT系统实现数据统一呈现和管理等,目前已经在标致雪铁龙(PSA)新车型DS7Crossback上进行落地应用。

不可否认的是,华为云2017年才正式入场,发力较晚。要追赶目前排名第一的阿里云有一定难度,但并不是没有机会。首先,前几年主要是公有云和私有云的比拼,未来几年,混合云才是整个行业的大势所趋,车企客户也普遍比较倾向于这种布署形式。Gartner预测到2020年,九成左右的企业将利用混合云来对基础设施进行管理,华为也明确提出了混合云的发展战略,就是希望利用换道机会实现超车。

其次,汽车企业对于云服务提供商的选择也并不是唯一的,从稳定性和安全性等角度考虑,一般会选择2-3家云服务提供商。因此,只要华为云能以第二、第三供应商的身份进入采购体系,就有机会争取更大的份额。此外,华为拥有强大的地面营销体系和多年聚焦在大B市场的服务经验。而且,华为一再强调不碰数据、不碰应用、不做股权投资,在安全性上也更能得到客户的信任。

智能网联:打造智能网联解决方案,车内、车外高速连接

车联网产品包括V2X模组、TBOX、车载网关。华为车联网业务外界相对熟悉,也是华为在汽车行业故事的起点。早在2013年,华为便宣布推出车载模块ME909T,随后相继推出了不少产品。目前华为智能网联业务主要指“端”(车载智能及联网设备)、“管”(车联网基础设施)、“云”(车联网平台)体系中的“管”,提供车内、车外网络连接,主推5G+C-V2X车载通信模组、T-Box、车载网关几类产品。

1)打造开放的端、云智能网联解决方案,让每一辆车永远在线,服务直达。

2)全球首款2G/3G/4G/5G全制式的V2X开放车载模组,使能伙伴开发专业产品。

3)OceanConnect车联网联接管理云服务,全球接入,支持千万级车辆同时在线。

4)基于领先网络技术,打造车内GE~10GE以上以太网络。

5G芯片和网络专利助力华为智能网联业务。这里重点要提一下华为的5G能力,也是其智能网联业务未来的发力点。从技术能力来看,手机、汽车等所有入网设备都需要基带芯片,华为自研的巴龙5000基带芯片是目前性能最强的5G芯片之一,与高通骁龙的X55相比,性能相当,但更早具备商用条件。

从专利数量来看,华为拥有1970件5G网络专利,高通5G专利数量比华为少,但核心专利数量更多。可以说,华为目前的5G水平,在单项上谈不上绝对胜出,但综合实力最强,是全球唯一具备5G网络设备全产业链制造能力的企业,截至2019年2月底,华为已经和全球运营商签定了30多个5G商用合同。

华为V2X路测设备在国家示范区应用超过一年。智能网联汽车是5G最重要的应用场景之一,华为一直在全球广泛地开展C-V2X示范应用,就是为5G做铺垫。其中最重要的产品是双模路边单元RSU5201,也是目前唯一大规模商用部署的路侧设备,在工信部首个国家级车联网先导区无锡已经稳定运行超过1年,覆盖了全市280个路口和500余个点段的数字化升级改造,预测在2020年,全国将建设完成万台以上RSU部署,部分城市会完成全域覆盖。

V2X车载通信模组对接超15家车企。在V2X路测设备在示范区的大规模商用的同时,支持C-V2X技术的前装量产车型也会在2020年左右正式上市。而华为已经和全球超过15家以上车企完成对接,并支撑其相应的C-V2X量产车型的开发。

国家已经明确自动驾驶发展路线是车路协同式,这就要求单车智能与环境智能需要同步发展,5G等车用网络和云端数据/控制系统的建设都是全新课题。这让华为在5G和V2X领域的长期积累有了施展机会。进一步说,智能网联的未来是智慧交通,那又是一个万亿级的蓝海市场。

智能电动:打造VDC智能电动平台,使车企电动汽车差异化体验创新

华为聚焦电动汽车,打造VDC智能电动平台,使车企面向不同的用户偏好,创造差异化用户体验:

1)VDC硬件平台;

2)整车控制OS。将网络能源产业链和技术优势引进智能电动汽车,打造mPower多形态电驱、高效车载充电产品。

智能电动是基于华为网络能源产品线的成熟产品延伸。华为智能电动之前提及较少,据华为相关工作人员介绍,mPower智能电动是基于华为网络能源产品线现有成熟产品的技术延伸。

汽车电动化的核心是电能的转化及管理,包括整流、储能、逆变等。而华为网络能源在通信电源、数据中心能源、光伏逆变器及相关的备电及储能管理上都有一定积累,如今将此方面的技术延伸到新能源汽车上。

智能电动具体产品包括BMS、电机电控、车载充电系统及模块。具体而言,mPower智能电动主要包括BMS电池管理系统、MCU电机控制系统、车载充电系统及车下充电模块。从长远来看,电动车是汽车行业未来的发展方向,华为有理由也有能力与电机、减速器、电池等尚未涉足的硬件产品商合作,提供更为整体的智能电动方案,在价值链中扮演更为重要的角色。比如在上海车展上,华为就宣布与宁德时代达成了合作。

智能座舱:打造CDC智能座舱平台,鸿蒙OS串联人-车-生活全场景

华为打造CDC智能座舱平台,实现智能汽车与智能手机在硬件、软件和应用生态等全产业链的无缝共享。主要目标有:

1)基于智能手机Kirin芯片构建IVI模组,发挥产业链协同的规模效应,降低硬件成本。2)基于鸿蒙OS,共享华为“1+8”生态,实现跨终端的全无感互联。

3)共享智能手机丰富APP生态提升用车体验。

4)开放API,使能跨终端伙伴发展智能座舱应用。

芯片+OS+生态构建华为智能座舱方案。2019年年中华为发布的鸿蒙OS操作系统,串联车机、手机、平板、PC、穿戴、AI音箱、VR等多个入口,理论上可以实现汽车与多种智能设备的互联互通,华为在智能座舱里的路线也就逐渐清晰:芯片+OS+生态使能数字座舱,构建人-车-生活全场景出行体验。

芯片方面,华为采用的是在手机上应用非常成熟的麒麟系列;

OS方面,2019年华为发布鸿蒙OS操作系统,对标AliOS、Google Android Automotive OS。鸿蒙OS的核心竞争力是首次将分布式架构用于终端OS,可以实现跨终端、全场景的无缝协同和生态共享体验。也就是说,华为的应用生态可以通过鸿蒙系统与各种硬件设备打通,无需再专门为车机研发应用程序。华为试图用操作系统级的鸿蒙OS撬动整个智能座舱生态链,将汽车作为打通物联网的一大入口。

中短期手机映射HUAWEI HiCar过渡,长期鸿蒙车机操作系统发力。在OS之前,华为智能座舱尚有另一条路线,就是车机-手机的映射解决方案HUAWEI HiCar。它的目的是为了具备快速上车能力,以低成本方式引入手机等外设的算力、数据以及移动互联网服务生态,对标的是AndroidAuto、CarPlay和CarLife。

但相比后两者,HUAWEI HiCar与汽车的结合更为深入,能够接入华为在AI、语音、计算机视觉等方面的能力,同时能够调用车身数据以及车身控制部件。华为就曾在沃尔沃的Sensus系统上展示过这些能力。

尽管如此,HUAWEI HiCar仍然只能看作是一个过渡方案。因为随着边缘计算、云计算的发展,车机计算能力将大幅度超越手机,只有一套独立的OS才能承载起汽车智能化发展和新技术应用的需求,最终的竞争将是车载系统级的,鸿蒙OS操作系统将成为华为在智能座舱的长期发力点。

智能驾驶:整合车云+硬件+OS,打造MDC智能驾驶平台

场景化+高算力+激光雷达。华为对智能驾驶解决方案的战略有三个维度,从商业的角度是围绕价值场景逐步落地,提供无缝的体验;从技术的角度以高算力和激光雷达为基础,和以终为始的架构;从产业的角度,华为作为增量部件的供应商,与行业伙伴共同推动产业的成熟。

打造MDC智能驾驶平台,开放合作,促进智能驾驶发展。

发挥华为云+AI优势,打造车云协同的智能驾驶平台,包括:

1)智能硬件平台;2)智能驾驶OS;3)Octopus 八爪鱼 自动驾驶云服务。

1)建立认证标准和对接流程,打造开放传感器生态

2)支持合作伙伴开发智能驾驶算法、构建灵活适配智能驾驶场景的差异化应用、服务和解决方案。

3)建立对接规范,与主流厂商共同构建执行部件生态。

4)推动面向智能驾驶的行业标准和立法落地,凝聚行业共识,共同拓展未来产业空间。

MDC平台整合多层技术,建立L4级智能驾驶解决方案。华为还对其余核心技术,如车控OS,以及平台层服务,像支持服务框架、设备管理、工具链、信息安全、功能安全等进行了研究。最终这些技术会被整合进华为的MDC智能驾驶计算平台,为客户提供最优性价比的智能驾驶平台和方便、快捷的开发环境,供车企依据自身需求,灵活整合TierX或自研应用软件。

同时,华为还以此平台为核心构建了L4级全栈智能驾驶解决方案(ADS),全面整合芯片、算法、系统、数据等多层面能力,面向自动驾驶系统的规模化量产,用于支持自动驾驶从L4到L2+的平滑演进,实现高算力、高安全、高能效、低时延。

硬件方面走激光雷达+高精度地图/定位技术路线。目前地图是与四维图新合作,激光雷达方面华为推荐采用64线及以上的产品,距离大于150米,视场角大于120度,力图通过做量使激光雷达真正达到一个可以商用的价格。

偏向智能驾驶场景化方案由点及面。一方面华为聚焦在中心城区这样的核心场景解决自动泊车、拥堵路段跟随,以及对危险的结构道路、障碍物、多种交通参与者等复杂路况下的危险规避。另一方面要消除各种场景的间断,实现无缝体验。王军说了一组数据,如果是实现城区高速的自动驾驶,仅仅是受限场景下,需要三百T的算力,如果是全天候的,有可能要达到三千T算力的要求,这也是华为昇腾芯片和鸿蒙OS的用武之地。

智能驾驶解决方案具备增减配灵活性。根据汽车之家的报道,华为L4级全栈智能驾驶解决方案(ADS),是一个可弹性收缩的方案,通过增减激光雷达配置,可以实现自动驾驶出租车、中高端车型,普通车型的不同需求,从L4级向L2级,由高向低满足不同的需求。这种硬件配置可裁剪、软件功能可配置、以终为始的统一架构是华为智能驾驶解决方案的一大特色,在方案的灵活性和成本可控性方面会带来一定优势。比如ADS的核心是基于昇腾310芯片、车控OS的智能驾驶计算平台,可满足L4级自动驾驶。2019年的全联接大会,华为又展出了一款MDC300,通过减配算力和激光雷达数量,可实现更低级别、有限场景下的自动驾驶。

核心总结:复盘华为智能汽车解决方案全局,仍然沿袭最早的“端-管-云”体系,云:智能车云,管:智能网联,端则从最初的车机扩展到了智能驾驶、智能座舱、智能电动三大终端。

华为预测未来汽车业务有望为其贡献500亿美元营收。华为传统强项在于基于自有芯片的算力打造以及基于通信技术优势的物联网构建,其智能汽车五大版图也基于芯片和网联进行延展,拓宽到传感器、电机电控等高附加值硬件领域。

华为轮值董事长徐直军曾言,智能网联电动汽车可能将中国16万亿产值的汽车业,包括周边产业彻底颠覆掉。华为企业BG总裁阎力大2019年年初在MWC展会上预测,未来汽车业务可为华为贡献500亿美元的营收(博世2018年汽车业务约470亿欧元,ADAS业务2019年约20亿欧元)。(作者:自国信证券)

C-V2X,助力车联网奏响5G进行曲

博客自动驾驶小能手 发表了文章 • 0 个评论 • 193 次浏览 • 2020-04-27 09:49 • 来自相关话题

什么是车联网?要 ...查看全部

什么是车联网?

要清晰回答这个问题,就要首先了解物联网技术的发展。在物联网发展风头正劲时,人们纷纷盼望着物联网技术能够应用于汽车领域,这就有了“汽车移动物联网”。后来,为了方便认知和感知,“汽车移动物联网”改名为“车联网”。简而言之,车联网就是通过车辆上的车载设备,利用无线通信技术,将道路上行驶的车辆连接在一起的技术和服务。

实际上随着现代科技不断向智能化数字化快速发展,车联网的内涵也在不断的丰富和延展。当前,我们提到车联网,一般都会以V2X代替,X代表着everything,即可以与车进行联网的一切,主要包括:

通信能力成为制约车联网发展的瓶颈

想要实现车内、车与人、车与车、车与路、车与云平台的网络连接,无线通信是重中之重。众所周知,在车辆实际驾驶过程中,包括车端运行状态、路端实时状况等在内的无数个应用场景会产生海量的数据,需要有强大的通信能力保障数据及时传输到云端,再通过庞大而精准的云端计算能力分析加工之后反馈到车端和路端,在“车—路—云”一体化的基础上,实现车路协同乃至汽车智能化、远程操控、自动驾驶等终极目标。

可以说,无线通信是连接车与外围环境的关键桥梁,如果没有强大的通信能力支持,那么行驶在路上的车辆就会成一个个“信息孤岛”,车路协同互联互通也就无从谈起。在车联网概念出现的前几年中,由于受到包括标准、技术、产业、政策等一系列不确定因素的限制和影响,车辆的对外通讯能力一直是制约车联网发展并大规模落地应用的问题之一。如何增强车辆的外部通信能力,产业界从未停止过探索。

C-V2X演化为车联网行业标准

实现车辆的外部通信,并不是一件简单的事情,因为车辆在道路上不会一直保持静止,大多数时候处于快速并且长距离大范围的移动,尤其是还要实现数以千计的移动车辆之间、车辆与道路之间的互动。

车联网的发展基础来自通信行业标准化。目前在全球,车联网V2X存在两大路线(标准),即DSRC和C-V2X。两者的技术之争持续多年,相持不下。

DSRC,即专用短程通信技术。在短程范围内通信是没有问题,但是如果涉及到长距离,通信的可靠性就会大打折扣。相比较下来,C-V2X技术则更适合车联网的发展需求。

2013年,时任大唐电信集团副总裁陈山枝首次在业界提出了LTE-V2X的概念。这一概念来自于大唐电信集团数十年移动通信领域标准定义和产品转化的经验,以及对标准的解读和产品转化更为深刻的理解。

3GPP关于 C-V2X国际标准制定和产业化工作,以中国信科集团(大唐电信集团与烽火科技集团合并成立)旗下上市公司高鸿股份为代表的中国企业正积极推动LTE的标准化及产业化落地,并持续开展NR-V2X的标准化及安全标准验证。

C-V2X技术标准推进路径

2020年1月,工信部部长苗圩指出,经过长时间的对比和权衡,并与交通部达成最终共识——在中国坚决推行5G、LTE-V2X。共识要求,路网和车载的信息化、数字化实行同一标准,保证在接口数据上共享互认,这样才会减轻自动驾驶车辆的难度。对车路协同而言,这是一个重要进展。

从车联网概念被提出,经过DSRC与C-V2X的技术竞争,最终在国家层面确定C-V2X成为车联网发展的标准。与此同时,国家发改委、工信部等多部门陆续出台了与智能汽车、车联网、自动驾驶相关的政策,大力支持发展智能汽车产业、建设汽车强国、交通强国。

随着车联网通信技术的不断成熟,以及国家层面强有力的指引和支持,以华为、大唐高鸿、百度为代表的国内产业链头部企业积极研发突破,合作推进。大唐高鸿是车联网核心知识产权拥有者、标准主要贡献者、产业化中坚力量,先后发布和提供了全球第一款LTE-V原理样机,第一款可用于测试的设备,第一款预商用产品,第一款支持最新国际标准3GPP R14版本的商用产品,以及第一款LTE-V2X模组。

车载通信系统——车联网的中枢神经

自动驾驶作为车联网发展的最终目标,对于网络时延的要求十分苛刻,需要达到个位数的毫秒级别。但是目前4G尚达不到这个要求。随着C-V2X标准逐步演进,产业落地应用不断创新,以及5G在2020年大规模推广应用的加持,5G+车联网的组合可以说是“珠联璧合”。5G的优势显而易见——它拥有更高的带宽,支持更大数量的连接,还可以支持更高的移动速度。随着5G技术的不断成熟,4G会逐步演进到5G,并且在相当长的一段时间内并存,车联网通信技术LTE-V2X与NR-V2X将会在应用上实现互补,长期共存。5G+V2X已经在理论上可以满足自动驾驶对时延的需求,因而完美地契合了车联网的发展要求并成功助力车联网发展迈向更高水平,为全面推广车路协同、实现自动驾驶奠定了基础。

说到车辆的对外通讯能力,就不得不提到车载通信系统。车载通信系统的关键在于通信模组。通过对多种芯片、器件进行再设计与集成,提供标准外部接口,从而将芯片集成,就成为了通信模组。C-V2X的出现,极大地强化了车辆的对外感知能力。通俗地讲,一块合格的通信模组,不仅要具备优秀的倾听能力(输入)和优秀的表达能力(输出),还需要具备专业的思考能力来进行融合感知,从而强势稳定地支持汽车与外界互联互通,实现车路协同。由于通信模组承担了在“人—车—路—云”之间进行数据传输的功能,也可以说通信模组是实现车路网联的中枢,其重要性可见一斑。

在国内,2017年大唐发布了全球首款C-V2X通信模组,开启了中国企业自主研发、创新驱动的大门。紧随其后,华为和大唐高鸿突破了海外厂商的垄断,在自研芯片的基础上开发出车规级通信模组。作为国内最早开始研究C-V2X的企业之一,大唐高鸿在2019年发布的车规级模组DMD3A采用高集成度封装,具有小尺寸,低功耗,易集成,通信接口丰富的优点,能够满足车载前装要求,并采用“all in one”设计理念,可以为用户提供SDK,支持客户二次开发,可满足丰富的V2X应用场景,目前已经实现批量供货。这对于车联网产业链上下游企业无疑是极大的利好——可显著提升车辆对外连接能力,加速了人、车、路、云之间的智能网联。

大唐高鸿车规级模组DMD3A 

随着5G技术和C-V2X技术的快速发展应用,“人—车—路—云”网联一体化已经越来越近。在未来的道路上,智能网联汽车将比比皆是。

智能网联汽车在传统汽车技术基础上融合了大量的信息感知、智能决策、网络通信等技术,最终目标即为自动驾驶。实现L4自动驾驶,对车载通信系统提出了实时通信、高可靠、安全性等方面要求,而NR-V2X车载通信系统可以突破单车智能的非视距感知、车辆信息共享等技术瓶颈,是实现自动驾驶必不可少的一部分。

值得关注的是,2020年初,大唐高鸿联合百度成为工信部“新一代人工智能产业创新重点任务”揭榜单位。双方约定,基于通信行业和自动驾驶行业深度融合的技术优势,将联合开发低时延高可靠、支持L4级自动驾驶的车载通信系统。

该车载系统的研发、推广及应用,将大大推动智能网联产业关键技术的自主可控,提升产业创新能力,从而推进我国智能网联汽车产业的发展,在自动驾驶技术研发及落地应用层面,缩小与发达国家的差距乃至实现弯道超车。

自动驾驶及关键技术V2X研究

博客betty19920416 发表了文章 • 0 个评论 • 362 次浏览 • 2019-06-21 15:38 • 来自相关话题

摘要:预期智能网联车在未来十年还将迎来爆发增长,2025年可实现完全自动驾驶汽车的商业化,5G将为车联网行业带来跃进式的产品和商业模式创新,具备巨大的市场潜力。本文对自动驾驶及关键技术的分类、主要应用场景和运营商V2X业务发展建议进行分析。 ...查看全部

摘要:预期智能网联车在未来十年还将迎来爆发增长,2025年可实现完全自动驾驶汽车的商业化,5G将为车联网行业带来跃进式的产品和商业模式创新,具备巨大的市场潜力。本文对自动驾驶及关键技术的分类、主要应用场景和运营商V2X业务发展建议进行分析。

1.jpg

关键词:自动驾驶 V2X C-V2X

1·引言

车联网指借助新一代信息和通信技术,实现车内、车与车、车与路、车与人、车与服务平台的全方位网络连接,提升汽车智能化水平和自动驾驶能力,构建汽车和交通服务新业态,从而提高交通效率,改善汽车驾乘感受,为用户提供智能、舒适、安全、节能、高效的综合服务。

智能网联汽车被认为是产业发展的方向和战略制高点,近年工信部陆续印发《汽车行业中长期发展规划》、《智能网联汽车技术路线图》、智能网联汽车标准体系与产业体系建设指南征求意见等;发改委印发《智能汽车创新发展战略》征求意见稿,从顶层设计、标准法规制定、试点示范区建设等方面积极推动智能网联汽车发展,而其关键技术V2X通信技术是其重要基石。

车联网产业生态的繁荣与基础网络接入密切相关,预期未来十年还将迎来爆发增长。2025年,远程和短程通讯终端的整车装备率增至80%,DA、PA车辆占有率保持稳定,高度自主驾驶(HA)车辆市场占有率约10%-20%。,5G将为车联网行业带来跃进式的产品和商业模式创新,具备巨大的市场潜力。


2·自动驾驶概述


2.1
自动驾驶等级

自动驾驶并不是仅仅指无人驾驶,自动驾驶技术的发展分为不同层级,以美国汽车工程师学会(SAE)的标准划分为例,可以把自动驾驶分为六个等级。

第0级:无自动化,由人类驾驶员全权操控汽车,可以得到警告或干预系统的辅助。这个等级为无自动驾驶辅助功能,完全是驾驶员控制。

第1级:驾驶支援,通过驾驶环境对方向盘和加减速中的一项操作提供驾驶支持,其他的驾驶动作由人类驾驶员进行操作。

第2级:部分自动化,通过驾驶环境对方向盘和加减速中的多项操作提供驾驶支持,其他的驾驶动作都由人类驾驶员进行操作。这个等级自动系统能够完成某些驾驶任务,但驾驶员需要监控驾驶环境,随时接管。

第3级:有条件自动化,由无人驾驶系统完成所有的驾驶操作,根据系统要求,人类驾驶者提供适应的应答。由系统和驾驶员分享控制权,驾驶员可以在特定场景放弃主要控制权,在系统控制时,驾驶员需要观察周围情况,在系统退出的时候随时接上。

第4级:高度自动化,由自动驾驶系统完成所有的驾驶操作。根据系统要求,人类驾驶者不一定需要对所有的系统请求作出应答,限定道路和环境条件等。在大部分时间中系统可以替代驾驶员操纵,驾驶员无需观察周围环境,属于有限自动驾驶辅助(高度自动驾驶)。

第5级:完全自动化:在所有人类驾驶者可以应付的道路和环境条件下,均可以由自动驾驶系统自主完成所有的驾驶操作。为真正的无人驾驶,汽车完全实现无人驾驶。

2.2
自动驾驶关键技术

自动驾驶的基本过程分为三部分:感知->认知->执行。首先通过传感系统,代替人的视觉和听觉感知,去搜集汽车周边信息,常用的传感器包括了摄像机、激活雷达、毫米波雷达等等,目前两种主流技术路线,一种是以特斯拉为代表的以摄像机为主导的多传感器融合方案;另一种是以谷歌、百度为代表的以激光雷达为主导,其他传感器为辅助的技术方案。然后具有人工智能特性的控制系统,根据驾驶员意图、当前车速度等状态及外部情况,规划驾驶指令、规划行驶路径,最后由执行系统来执行驾驶指令、控制车辆状态。

自动驾驶涉及的关键技术包括了V2X、高精度地图、决策与规划技术等关键技术。

V2X

自动驾驶的传感系统需要通过搜集汽车周边信息,然后做出决策(转向、变道、加速、减速)。与现有的摄像头视频识别、毫米波雷达、激光雷达类似,V2X是一种获得其他车辆、行人行驶状态的手段,V2X的优势在于获得视距外汽车状态的一种有效手段,和雷达、摄像头视频识别、传感器共同组成了车辆对外界环境的信息获取系统。而这些信息是自动驾驶汽车做出决策的重要依据。

高精地图

高精地图拥有精准的车辆位置信息和丰富的道路元素数据信息,可以帮助汽车预知路面复杂信息,如坡度、曲率、航向等。和传统相比具有更高的实时性。由于道路路面经常发生变化,如道路整修、标识线磨损或重漆、交通标识改变等,这些改变都要及时反映在高精地图上。高精地图将更强调空间的三维模型以及精度,将精度从米级降到厘米级,必须非常精确的显示路面上的每一个特征和状况。

规划决策

决策是无人驾驶体现智能性的核心的技术,相当于自动驾驶汽车的大脑,它通过综合分析环境感知系统提供的信息,及从高精度地图路由寻址的结果,对当前车辆进行规划(速度规划、朝向规划、加速度规划等),并产生相应的决策(跟车、换道、停车等)。规划技术还需要考虑车辆的机械特性、动力学特性、运动学特性。常用的决策技术有专家控制、隐马尔科夫模型、贝叶斯网络、模糊逻辑等。


3·车用无线通信技术(V2X)

3.1
V2X定义

车用无线通信技术(Vehicle
to Everything
,V2X)是将车辆与一切事物相连接的新一代信息通信技术,其中V代表车辆,X代表任何与车交互信息的对象,当前X主要包含车、人、交通路侧基础设施和网络。V2X交互的信息模式包括:车与车之间(Vehicle
to Vehicle,V2V)、车与路之间(Vehicle to Infrastructure ,V2I)、车与人之间(Vehicle to
Pedestrian,V2P)、车与网络之间(Vehicle to Network,V2N)的交互。

V2V技术允许车辆通过转发自身及前方的实时信息来预防事故的发生,从而减少驾驶时间,最终实现改善交通环境,减少交通拥堵的目的。

V2I技术通过无线的方式帮助车辆和路侧的交通设施实现数据交换,主要应用包括交叉路口安全管理、车辆限速控制、电子收费、运输安全管理,以及道路施工和限高警示等。这项技术会推动交通设施智能化,包括禁止驶入灯标、天气信息系统等交通设施都可进化为通过多种算法可识别高风险情况并自动采取警示措施的智能交通设施。

V2P技术则使得行人和骑车人通过智能手机成为V2X通信环境中的一个节点。它可以发送或接收警示信号,例如可以预先告知联网信号灯自身是否需要延长过马路的时间,也可以提示附近车辆前方路口有行人要过马路,或者提示车辆相邻车道有自行车在骑行。

3.2
V2X两大产业化阵营

V2X产业分为DSRC和C-V2X两个标准和产业阵营。在中国市场,因为本身又坐拥全球最大的4G
LTE网络和成熟的产业链,并且对DSRC技术上没有太多积累,考虑到规避专利风险等因素,因此有分析认为会向C-V2X倾斜。

DSRC(专用短程无线通信标准),以IEEE802.11p为基础,V2V为其主要的应用方式。DSRC最大的竞争筹码是启动早,早在1999年,美国联邦通信委员会就在5.9
GHz区域为V2X留出了75 MHz的带宽,美国、欧洲等国家已提出相关标准规格,经过十多年的发展历史,形成成熟的产业链,并可以进入商用。

C-V2X,C是蜂窝(Cellular),是基于4G/5G等蜂窝网通信技术演进形成的车用无线通信技术,包含LTE-V2X和5G-V2X,从技术演进角度讲,LTE-V2X支持向5G-V2X平滑演进。C-V2X
是移动通信标准化组织3GPP的推进下开始启动,目前正处于标准制定的关键阶段,并在2017年制定了第一版的标准,形成以华为、高通等通信产业链企业、电信运营商和汽车企业为主的产业阵营。

3.3
V2X典型应用场景

V2X目前主要覆盖3大典型应用场景:交通主动安全、交通效率和信息服务,并且向支持实现自动驾驶应用演进。在未来移动通信论坛和车载信息服务产业应用联盟,共同发布的《智能网联汽车基本应用白皮书》中定义了72种智能网联汽车应用场景,其中基本应用场景包括了以下:

交通主动安全:前向碰撞预警、左转辅助/告警、汇入主路辅助/碰撞告警、交叉路口碰撞告警(有信号灯/无信号灯/非视距等,存在路边单元)、交叉路口碰撞告警(有信号灯/无信号灯/非视距等,不存在路边单元)、超车辅助/逆向超车提醒/借道超车、盲区告警/换道辅助、紧急制动预警(紧急电子刹车灯)、车辆安全功能失控告警、异常车辆告警(包含前方静止/慢速车辆)、静止车辆提醒(交通意外,车辆故障等造成)、非机动车(电动车,自行车等)横穿预警/行人横穿预警、紧急车辆提示、道路湿滑/危险路段提醒(大风、大雾、结冰等)、创红灯(/黄灯)告警)

交通效率:减速区/限速提醒(隧道限速、普通限速、弯道限速等)、车速引导、车内标牌、电子不停车收费

信息服务:进场支付、自动停车引导及控制、SOS/eCALL业务、车辆被盗/损坏(包括整车和部件)警报、车辆远程诊断,维修保养提示

4· 基于蜂窝网通信技术的车用无线通信技术(C-V2X)

4.1
C-V2X通信接口

C-V2X中包含了两种通信接口:一种是车、人、路之间的短距离直接通信接口(PC5),另一种是终端和基站之间的通信接口(Uu),可实现长距离和更大范围的可靠通信。C-V2X
直接通信可提供扩展的通信范围和增强的可靠性,而不依赖蜂窝网络的协助或覆盖。

网络通信(Uu接口),利用LTE广播,通过V2X服务器中转,把信息传送到另一个节点。通过LTE方式无线基站对V2V数据的调度和接口的管理进行辅助。Uu接口具有广覆盖,可回传到云平台特点,适合信息娱乐类、远距离的道路危险或交通状况、延迟容忍安全消息等业务类型。

直连通信(PC5接口),以LTE标准中的D2D(Device-To-Device,设备间)邻近通信服务为基础。PC5接口,可以实现250Kph的高速度和高密度通信,支持无LTE网络覆盖下通信LTE-V2X同时支持基站和全球导航卫星系统(GNSS)的时间同步。允许用户在有或没有网络覆盖的条件下彼此间直接广播消息。PC5接口具有低延时、覆盖范围小特点,适合交通安全类、局域交通效率类业务。

4.2
C-V2X标准化进展

C-V2X的标准化可以分成3个阶段:

支持LTE-V2X的3GPP
R14版本标准已于2017年正式发布,在TR22.885中定义了V2V(车到车)、V2I(车到路边设施)、V2P(车到人)、V2N(车到网络)、V2X(车到其它)等27类场景,面向辅助驾驶和交通安全。

支持LTE-V2X增强(LTE-eV2X)的3GPP
R15版本标准于2018年6月正式完成。标准TS22.886中已经定义了25个用例共计5大类增强的V2X业务需求,包括基本需求、车辆编队行驶,半/全自动驾驶、传感器信息交互和远程驾驶。

支持5G-V2X的3GPP
R16+版本标准于2018年6月启动研究,将与LTE-V2X/LTE-eV2X形成互补关系。5G
eV2X当前仅完成需求规范,定义了25个用例,包括自动排队驾驶、半/全自动驾驶、支持扩展传感、远程驾驶和通用需求。目前,3GPP 5G
NR支持V2X的标准化工作,有望在2018年年底,列为R
16版本的标准化项目进行研究与标准化;预期NR-V2X产品最早有可能于2022年在上市车型中面世。

我国也在推进C-V2X标准化工作,例如工信部联合国标委发布“国家车联网产业标准体系建设指南”,
其中信息通信分册为V2X通信标准建设给出了体系参考;CCSA为主承担V2X通信行业标准制定,目前完成总体及空口要求,计划2018年完成安全及网络设备标准;此外多个行业协会或联盟在应用及其他关键技术上开始发力。

5·国内外电信运营商V2X业务发展情况及建议

5.1
国内外运营商积极推进V2X业务

摩根士丹利于近期发布了一份无人驾驶研报预计,无人驾驶汽车将给全球通信产业带来1.3万亿美元的市场增量。“以5G通讯网络为基础的无人驾驶将带来产业革命,而这场革命带来的市场机会没有受到足够的重视”,该研报小组负责人Emmet
Kelly称,“无人驾驶汽车对通讯行业的改变要比智能手机的出现对其改变还要大。”一级无人驾驶汽车需要每小时3G的数据空间,而五级无人驾驶汽车每小时将消耗50G数据。

国内外各大运营商都积极推进C-V2X业务:

AT&T在消费者电子展上宣布,它将于德尔福和福特合作,共同提升汽车与其他车辆及基建设施的沟通效率。AT&T也正在与美国驾驶测试中心合作,在密歇根建立了无人驾驶汽车测试中心。

NTT
Docomo在今年世界移动通信大会上,与SONY联合展示新概念车,发力无人驾驶市场。所构建的基于5G连接的自动驾驶车辆,装备了4K摄像头、传感器和数字标识系统,可以带来一个全新的乘车体验。车上的4K数字标识和显示系统可以用来展示广告和信息;通过车辆上安装的图像传感器手机的视频进行分析,可实现基于位置的信息交互;通过超高清摄像机解决方案,4K驾驶显示屏可以实现360度测量,超过人类视觉;通过云可以实现远程驾驶和控制。NTT
Docomo同时构建了基于边缘计算的车联网平台,为今后车联网大数据分析做好基础设施准备。

国内的三大运营商也纷纷联合车厂、通信设备商在5G试验环境完成无人驾驶车测试,例如在今年4月,中国电信携手中兴通信和百度在雄安新区完成了基于5G环境的无人驾驶试验。

5.2
运营商V2X业务发展建议

但无人驾驶的商业化投资成本巨大,我国的高速公路有20万公里左右,按照站间距200米算,大概需要100万的设施数量,高速路旁边立的10多米杆的费用是每个10万及以上甚至更多,投入很大。因此需要解决商业模式、产业合作等问题,目前由哪一方来为车联网投资还不明朗,如果政府投资,持续性很难保证,政府还需要考虑更多优先级更高的投资。作为电信运营商企业,投资需要考虑有商业模式在里面,不仅仅是技术的选择,还需要考虑消费的需求,需要结合最终受益者和出资方的想法,面向具体应用场景进行解决方案的客户化适配。

例如将V2X运用在红绿灯提醒等辅助类驾驶功能这种场景,老百姓消费意愿比较弱,而如果在“两客一危”上,通过V2I为这些车做安全提示跟车速引导,可以有效减少危险事故的发生,这样对于政府监管部门也有积极性去建路测设备,老百姓也可以从中受益。此外客户对于自动驾驶的消费意愿更加强烈,可以优先在车速度低的封闭园区、高速公路等封闭类的道路应用场景来推动网联化的自动驾驶,寻求一两个市场接受的应用场景,形成良性循环。


3D-LaneNet:端到端3D多车道检测网络

知识讲堂betty19920416 发表了文章 • 0 个评论 • 1033 次浏览 • 2019-04-23 10:33 • 来自相关话题

编者按:三维车道检测是实现自动驾驶的关键技术,它需要对主控车辆的可行驶车道的三维位置进行精确估计。这篇文章提出了一个基于CNN的端到端的3D车道线检测网络3D-LaneNet,可以直接检测多个车道,并估计车道曲率,对三维车道检测的相关研究具有重大的启发与促进作 ...查看全部
编者按:三维车道检测是实现自动驾驶的关键技术,它需要对主控车辆的可行驶车道的三维位置进行精确估计。这篇文章提出了一个基于CNN的端到端的3D车道线检测网络3D-LaneNet,可以直接检测多个车道,并估计车道曲率,对三维车道检测的相关研究具有重大的启发与促进作用。
 
摘要:
这里介绍一种架构,它可以直接从一张图像预测出道路场景中的三维车道,这项工作标志着首次尝试通过在线感知解决这一任务,而不是依赖于预先映射的环境。我们的网络架构,3d-lanenet中有两个新的概念,1.网络内部的反透视变换。2.基于anchor的车道线表示。网络内反透视变换投影使得在常规图像视图和俯视图中都能方便地表示信息流.一个基于anchor的列输出表示使得我们这个端到端的方法能够替代传统的启发式方法,比如聚类和奇异点处理。此外,我们的方法精准的解决了复杂情况,比如车道的合并以及车道的分开(比如一条车道延伸之后分叉类似这种情况)。在我们的new 3D lane synthetic dataset 上,架构表现出了非常好的结果。为了和现有的方法作对比,我们验证了在image-only tuSimple lane detection benchmark 上的有效性,并获得了非常具有竞争力的表现。
 
 
1.介绍
 
三维车道检测是实现自动驾驶的关键技术,它包括对相对于主控车辆的可行驶车道的三维位置的精确估计。存在两种互补的技术解决方案:加载离线生成的预映射车道和基于感知的实时车道检测。离线解决方案在给定精确当前车辆定位(在地图坐标中)的情况下具有高的几何精度,但是部署和维护起来很复杂。最常见的基于感知的解决方案是使用单目摄像头作为主要传感器来解决任务。现有的基于相机的方法检测图像中的车道,然后通过平坦地面的假设,将它们投射到三维世界,当然当地面平坦这个假设不对的时候,会导致不准确的估计与检测。
 
受到近年来CNN在单目深度信息预测的成功激励,我们提出了直接检测3D车道线的方法。更正式地说,给定从前置摄像头拍摄的一张图像,任务是输出一组车道实体,每个实体在相机坐标中表示为3D曲线,描述车道分隔符(分隔符就是传统意义上的车道线)或车道中心线(中心线是两条传统意义上的车道线中间的线)。我们提出了3D- lanenet,一个基于CNN的模型,可以进行3D车道检测。该网络经过端到端的训练,输出是在道路的每一个纵向切片上(道路被竖着分为很多的列,每一个列相当于一个切片。),这些输出包括车道线经过这个纵向切片的置信,以及他的3D曲线坐标。我们的方法原理在图1中做了解释。 我们直接的单阶段的方法避免了使用现有方法进行后处理,包括聚类,奇异点处理等。整个网络的架构基于一个创新的双通路(并不是并行的)结构,这个结构在网络内部,对特征图进行一些透射投影变换以生成虚拟的鸟瞰视图。这种双特征表示(正常视图特征,以及鸟瞰视图特征,原文是image view 以及 top view)提高了在道路场景下,网络的推断能力。输出被表示为一个新的基于列的anchor编码(即在该anchor下的各种参数信息),这使得网络具有水平不变形,并且保证了端到端。每个输出都对应一个anchor,类似于基于anchor的单阶段目标检测办法,比如SSD[20],YOLO[27]。

1.webp_.jpg

图1.(a)端到端的方法的原理图解,以及在俯视图上的车道检测结果实例。(b)结果在原图上的投影。
 
为了完成这项任务,获取带有3D标记的地面真实数据是一项需要多传感器和昂贵的高清地图的工作,在我们的工作中,我们训练和测试我们的网络通过一个新的和合成数据集synthetic-3D-lanes,你可以获得每一条车道线的所有的精确3D位置坐标。数据集目前限制在高速公路场景中,尽管有一些道路模拟器,但是他们的目的不是为了3D车道线检测任务的。并且限制了相关场景属性(如车道曲率)的可变性。我们在该领域的主要成就是能够随机生成具有可变三维形状和车道拓扑结构的高速路段。而我们方法的主要优势在于估计3D车道线,还有纯图像进行车道线检测。我们在tuSimple数据集上对我们的直接方法进行了训练和测试,在不使用通常的后处理技术的情况下,我们获得了与现有技术相媲美的结果。
总结一下我们的主要贡献:


  • 定义了3D车道线检测任务的度量标准,同时也第一个提出了3D检测任务的解决办法


  • 一个创新的双通路带有内部投影变换的结构.


  • 一个新的基于anchor的车道线输出表示,使得网络支持直接的端到端的预测。这可以应用于3D车道线检测和基于图像的检测


  • 一种随机生成具有车道拓扑变化(车道数、汇集、分叉)和三维形状的合成样本的方法。


 
2. 相关工作
 
传统的车道检测系统(将低层次的操作(如方向滤波器)与高层次的启发式(如霍夫变换)结合起来检测图像中的连续车道。一个通常的流程包括4个阶段:局部车道特征提取(1)、车道模型拟合(2)、图像与世界的对应(3),聚合(4)。近年来,局部特征提取阶段是通过对图像应用一个或多个CNNs来完成的,但总体上流程仍然非常相似,后期处理仍然存在。
 
具体来说,CNNs可以通过增强边缘图或分类候选块来改进特征提取。Huval检测本地车道线通过目标检测CNN。VPGNet Lee等人遵循类似的概念,并且额外检测其他道路标记和消失点,以改进车道检测。KIM和park重新定义了特征提取阶段,将其作为一个分割问题,这个问题有两个分类类别,左车道线和右车道线,延伸网络的范围来执行(extending the reach of the network to perform clustering.)但是,仍然必须为每个cluster安装一个世界坐标车道模型,并且无法处理多车道问题。Nevenetal.[23]尝试端到端多车道检测,通过训练CNN不仅创建一个0,1车道像素掩码,而且还为每个像素点嵌入用于聚类车道点的特征向量。Ghafooria提出使用生成对抗网络使语义分割网络的工作输出在车道检测的背景下更加真实。一些工作(如Meyer等人的,Oliveira等人的)是基于类似的方法构建的,其中主车道和相邻的车道是语义类(车道内部整片而不是车道线)。
 
与所有提出的方法相反,3D- lanenet统一了前三个阶段的共同流程,提供了一个完整的在三维世界坐标体系的多车道表示方法,并且只通过一次前向传播。此外,以往的方法采用平面假设进行图像到世界的对应,而我们的方法估计了车道的整个三维形状。
 
IPM通过相机视角图像生成一个场景的虚拟的鸟瞰图,这个的具体操作Mal-lot et al. [21]在障碍检测中解释了。并且第一次被Pomer-leau在车道线检测中使用,IPM已经在车道线检测任务中被广泛的使用,因为在鸟瞰图视角中,车道线相互平行,并且他们的曲率情况可以用低阶多项式拟合。此外,进行透视变换后,使得他们看起来更加的想近了,(当然会有一些模糊效果)(本来远处的车道线在相机图像上比较小。)最近,He等人引入了一种“Dual-viewCNN”它由两个独立的子网络组成,每个子网络产生一个车道线描述(每个视图一个车道线描述),然后将描述符连接并应用于候选图像位置。Li等人使用CNN直接在鸟瞰图上检测车道标记和几何属性,如局部位置和方向,在鸟瞰图上,这些属性保持不变。此外,他们还部署了第二个循环网络,该网络遍历图像以检测一致的车道。Neven等人使用子网络(“H-net”)预测每张图像中的俯仰,将车道投影到俯视图,以改进曲线拟合。与以前的工作不同,我们使用协同的单一网络方法来利用这两种观点。
 
更一般地,我们提出了第一种方法,这种方法使用端到端训练的CNN直接检测多个车道,并估计每个车道的三维曲率。我们还展示了我们的方法既适用于中心线,也适用于通常意义下的车道线,并且具有处理汇聚和分叉的能力,无需任何进一步的后处理。

2.webp_.jpg

图2.在测试集’synthetic-3D-lanes dataset’上,置信度大于0.5的车道中心线估计结果实例。在每一幅图片中,对真值(蓝色)和方法的结果(红色)进行了展示,并配有一个3D的可视化。需要主要的是,3D可视化轴的尺度根据场景而变化。被忽略的车道被标记为蓝绿色。右下角是一个失败的例子,可能是由于阻塞,在这个例子中,这条路被错误地认为是右车道。
 
 
3.方法
 
我们的方法从安装在车辆上的前置摄像头获取单个图像作为输入,如图4。我们假设相机的内参矩阵κ已知(焦距,光心)我们还假设车辆相对于路面的侧倾角为0。我们假设不知道高度和俯仰角,因为随着车辆的动力学运动,他们是会改变的。道路场景中的车道线可以被表示为中心线的集合[size=11]{Ci}i=1:Nc或者车道线的集合{Di}i=1:Nd(之后车道线就指代传统的我们说的车道线,中心线就是两条车道线中的线),如图3所示。每条车道实体(中心线或车道线)用摄像机坐标体系[/size]Ccamera下的三维曲线表示。我们将任务定义为检测给定图像的一组车道中心线和车道线。

3.webp_.jpg

图3. 带注释的例子。中心线用蓝色标出,车道线用黄色虚线标出
 

4.webp_.jpg

图4.相机姿态和道路投影面
 
 3.1俯视图投影我们简要回顾 (IPM)。简而言之,IPM是一个单应性变换,它获取一个前视图图像并生成一个虚拟鸟瞰视图图像,如图1(a)中的图像所示。这相当于应用相机旋转矩阵,然后在各个方向上进行不同尺度的缩放(放大或缩小)处理。在我们的实现中,我们想要确保鸟瞰视图图像中的每个像素在道路上对应一个预定义位置(路面坐标系下的绝对位置),这个位置独立于摄像机的内部特性及其相对于道路的姿态。 如图4所示,对照此图进行定义,相机坐标Ccamera = (´x,´y,´z) 是一个集合,´y是他的镜头面法线(´y是深度方向),Proad是路面的切面。我们这样定义路面坐标系Croad=(x,y,z),z方向是路面的法线,y是相机坐标系´y在Proad的投影,原点也是相机坐标系原点在路面切面上的投影,Tc2r是一个6自由度的变换矩阵(3个旋转,3个平移),他描述从相机坐标系到路面坐标系的一个变换,既然我们假设了侧倾角为0,那么Tc2r实际上被俯仰角θ以及高度hcam所定义。单应性矩阵(K*Tc2r-1),将路面上的每一个点映射到图像坐标系上。最后IPM通过单应性矩阵以及一组参数被获得,决定了俯视图上的边界以及从米到像素的缩放尺度,俯视图通过双线性差值采样,这个过程定义Sipm。
 3.2射影转换和双特征模块在我们的结构中一个主要的部分是射影变换层。它对Ui(普通图像视图)进行可微采样,获得Ut,Ut对应俯视特征图。具体的在俯视图投影部分讲述了(就是三维的STN)。双特征模块,正如在图5中所示,使用射影变换层,创造更高描述层级的特征图。信息在在多通道的特征图Ut(对应正常视图特征)和Vt(对应俯视图特征)之间流动,使用上述的采样方法(类STN方法)Ui被变换为Ut,并且和Vt合并,他么分享共同的空间尺度。以上就只这个基础模块,他可以在网络中重复使用。考虑现在有一个特征图Mt,他的获得是通过将Vt与Ut合并为[Vt;Ut],然后应用一个卷积层,获得Mt,Mt组合了在车道线检测中的两个有用的性质。1.首先,俯视图上的平移不变性,这十分有价值,因为在俯视图上,车道线有着相似的样子和空间上的几何结构。第二,保存了在两个视角下的信息(正常视图与俯视图),正常视图编码了一些在俯视图上没有的信息,比如栅栏,天际线,树木。这对于3D空间结构至关重要。特别的,对于远处来说,正常视图有着更加丰富的视觉信息,相比于俯视图,描述了一个更大的真实空间。

5.webp_.jpg

图5.双特征模块
 3.3网络架构
架构总览如图6所示,信息在两条通路中被处理,正常视图通路,俯视图通路,我们管这个叫做双通路结构。正常视图通路处理和保存信息,而俯视图通路提供具有平移不变性的特征,并用于预测3D车道线输出。正常视图通路基于VGG16[29],俯视图通路类似。信息经过射影变换层后流向俯视图通路,这样的通路有四条。为了避免流入的特征图的通道(C)数超过原有的通道数,通过1*1的卷积对其进行了降维,当然除了第一次流入(第一次流入没有原来的)。

6.webp_.jpg

图6.3D-LaneNet的整体结构
 3.3.1道路投影预测分支这条通路估计路面投影平面Proad,具体的,分支预测Tc2r(通过监督方式),Tc2r决定了Hr2i,以及Sipm过程。这些是俯视图处理通路所需要的参数。在推理时,也被用于将网络的输出,输出是Croad坐标转换为Ccamera坐标。正如前边所描述过的,Tc2r使用俯仰角θ以及hcam定义的,因此道路投影预测分支预测这两个参数。
 3.3.2车道线预测头我们的端到端方法的核心是基于anchor的车道线结果表示,受到目标检测方法的启发,我们使用anchors去定义候选车道线,并且用精细的几何表示方法来描述每个anchor的精确的3D车道线形状。输出所在的坐标体系是Croad,这个体系被前边定义的hcam,和θ所定义。我们的ahcnors在这个坐标系下对应纵向线,对于每一个anchor,根据3D点,做最终3D车道线的精细化处理。正如图7所展示的那样。我们将anchor定义为垂直于x轴的等距纵向线,他的集合是{XiA}i=1:N,每一个XiA线对应着2K个输出,这个输出集合表示为(xi,zi)={(xij,zij)}j=1:K,K是预先定义的一个超参数,对应着预先定义好的K个y方向上的位置,他们一起组成一个3D点集。xi代表着相对于anchorXiA的水平偏移,这意味着(xi,zi)代表着点(xi,XiA,yi,zij),这个坐标是在Croad这个坐标体系下的。此外对于每一个anchor i,我们还会输出一个置信pi,这个代表着车道线与anchor的关联程度。我们使用一个预先定义的纵坐标Yref位置来表述这种关联,具体来说与XiA相关联的车道线,是在y = Yref这条水平线上,x的坐标偏移最小的那条车道线(简单看一下output的数量 2K个点加上一个置信p也就是说一个anchor对应2K+1个输出,如果只预测一条中心线,或者只预测一条车道线的话)。

7.webp_.jpg

图7.输出表示。注意输出的anchor的数量等于输出层的宽(图6中被标记为w/8)
 
每一个anchor,网络输出3种类型的车道分割,前两组代表着中心线,第三组代表着分隔线,为每个anchor分配两条可能的中心线将产生对汇聚和分叉的描述支持,这通常会导致两条车道的中心线在Yref重合,并在不同的道路位置分开,如图7中最右边的例子所示。车道线的拓扑结构相比于中心线来说,通常会更加的复杂,我们现在的这种表示方式,还不能描述所有的情况,比如图7中车道线没有经过Yref。车道线预测头被设计为输出如我们描述的那样的输出,通过一系列的y方向的无padding的卷积,特征图在H方向上逐渐减小,最终形成N×1×3×(2K+1)的输出(按照标准pytorch描述,可以说成是batch, (3*(2K+1),1,N),前面最后一个之所以乘3,是对每一个车道输出三种描述,分别是中心线,中心线,和车道线)中的一个i∈{1...N},对应着一个anchorXiA,每一个anchor,XiA,类型t∈{c1,c2,d}被输出表示为(xti,zti,pti),最终的输出还会经过一个1D的非极大抑制,就如在目标检测中的那样,只保留局部最大置信度的车道(与左右相邻anchor相比),每一个被保留的车道线,都有少量的3D(K个)点,然后利用他们,利用样条插补的方式完成光滑曲线的生成。
 
 3.4训练与真值关联给定一个图片,和他对应的3D曲线,训练过程如下:第一真值坐标系Croad被定义为与当前路面切面相关的,使用θ和hcam定义的,如前面所描述的那样。接下来,每一个车道曲线,投影到Croad坐标系下的X–Y平面上,并且与他们关联的anchor定义为在Yref处与他们最近的那个。(这里的关联就是这个anchor负责预测哪个,与yolo里目标中心落在哪个小方格中心,哪个小方格就预测谁类似)对于每一个anchor来说,最左侧的中心线,以及最左侧的车道线t∈{c1,c2,d}被定义为集合中的c1和d1,如果还有额外的中心线,那门它被定义为c2。这种方式将真值定义为与输出相同的形式,每一个anchorXiA和类型t相关的GT被标记为(xti,zti,pti),pti是在坐标系Croad下的分配标识(我理解为有就是1,没有就是0)。 在训练以及评估阶段,整个车道将会被忽略,如果他们在俯视图中在y = Yref处没有值,并且如果他们被地形所挡住,他呢也将被忽略(比如被小山丘挡住),整个的loss函数被给出,如下,它结合了三个等权重的loss,车道线检测(有无)(交叉熵损失)三维几何形状损失,以及道路平面估计损失。

8.webp_.jpg

 
 
4. 模仿合理行为
 
我们的实验描述按如下步骤:我们先回顾一下我们生成的synthetic-3D-lanes 数据集,我们的大多数结论产生于此。接下来,我们描述下对于3D车道检测任务的评估方法,然后,我们展示在我们制作的这个数据及上的结果,以及控制变量法检查每一个概念(方法)对于我们整个方法的贡献。最后,为了证明我们的方法在真实数据上的可用性,我们将我们的方法与其他单图片车道检测办法在tuSimple benchmark 上进行了比较。
 4.1合成的3D车道数据集
我们生成synthetic-3D-lanes 数据集使用考元的图形引擎blender,我们的方法允许我们随机生成模型的各个部分,从场景的3D几何形状,到目标的类型,如图8所示。

9.webp_.jpg

图8.随机生成的数据集。(a)路面(b)道路拓扑结构和曲率(c)路与路面(d)渲染场景。
 
 
生成每一个场景的步骤如下:

  • 3D地形:地形通过随机生成参数的高斯混合分布来生成,如图8a所示。

  • 地形拓扑:车道的数量是被选定的,然后我们选择是否有第二条路,和在这条路里的车道,取决于后来在场景中相机的方向,第二车道的连接被视为一个车道汇聚或者车道分叉。

  • 车道曲率:每一个车道在俯视图中的几何形状用三次多项式建模,如果存在汇聚/分叉,则选择连接点,这个在俯视图上的结果如图8b所示,车道的宽度被随机选择为3到4米。

  • 3D车道:俯视图上生成的三次多项式会被映射到之前生成的地形上,第二车道也是,模仿正常道路的拓扑结构,如图8c所示的那样。

  • 地形和道路表示:道路和地形的纹理是从一组纹理中选择的。车道标记的类型和颜色也是随机的。

  • 目标:车辆和树木分别摆放在场景中、道路上和道路外。它们的模型是从一组可选模型中选择的。

  • 场景生成:主车相机通过选择它的车道和他相对于车道中心的横向偏移放置在主道路上。相机的高度被随机设置为140cm到190cm,俯仰角被随机生成为0到5度,最终,光度被设置,并且场景从相机视角生成,每条车道中心线与车道线的3D点被转换为相机坐标系下的坐标,来产生真值。图8包括几个场景的例子,展现了场景的多样性与复杂性。

  • 应用细节:正常视图通路用预训练的VGG16进行初始化,我们使用adam优化方法,学习率设置为5.1*10-4,我们使用在循环学习率上的变化机制如[30]中描述的那样,并且设置最小的学习率为10-6俯视图上的场景在真实场景中的尺寸为80m*20m,IPM在xy两个方向上具有不同的缩放尺度,在第一次俯视图特征图上(第一次变换的)每一个像素点代表着真实世界16cm的宽度(x向)和38.4cm的长度(y向)最后一张特征图的边长是第一张的八分之一,并且每一列代表一个anchor,所以两个临近的anchor之间的距离为真实世界中的128cm(16*8),我们将K设置为6,预设的y的位置为:y={5,20,40,60,80,100}和Yref=20m。 


 4.1.1评估方法我们提出一种对于3D车道检测的评估办法,他讲检测的准确率与几何估计准确率分割开来,检测准确率通过标准的平均精度办法(AP)来计算回归曲线的精度。我们首先计算真值曲线与预测曲线的加权欧式距离,我们计算在预先设定的各个y位置上距离,每80cm的图片距离代表实际的80m,远处的点的距离计算给予较低的权重,然后,我们通过选择减少相似性的配对来执行一对一(曲线)匹配,当他们的加权距离小于一个阈值,匹配被认为是成功的,迭代这个阈值,已获得更加精确地阈值。 对于配对的曲线,我们评估几何估计精度通过计算他们误差的分布,(这在计算距离的时候用到过),我们将整个数据集的车道线点分为近距离(0-30m)与远距离(30-80m)由于他们误差的巨大差异。然后我们计算误差为1δ误差的,比如百分之68这样,还有误差为2δ误差的,比如百分之95类似这样,道路中心线与车道线都各自用这种方法评估。在训练阶段被忽略的那些点,在评估的时候也被忽略。
 4.1.2评估结果在测试集上典型的网络结果如图2,用真值做标记。表1第一行为3D-LaneNet中心线检测定量结果。一个对合成数据集有必要的担心是,他的变换实在是太有限了,导致网络记住了整个样例空间,而不是去学习如何泛化,一个积极地结果表明这种情况没有发生是测试集的AP(0.952)略低于训练集AP(0.966)对于几何误差也是同样的。在接下来的控制变量实验中,我们都用训练好的3D-LaneNet的参数做初始化,用以减少训练时间。
表1.在synthetic-3D-lanes dataset 上的中心线检测结果

10.webp_.jpg

 我们首先通过与其他结构进行比较来探求双通路结构的作用,只有正常视图通路的版本,将网络后部分直接连接到lane detection head 输出Croad下的3D坐标,就如完整版本那样,这个时候anchor 被最后一张特征图上的列所决定,对于每一列,我们在预定义的图像y坐标上选取一个像素,并将其投影到俯视图中,以确定与列对应的anchor。只有俯视图版本,首先将图片投影到俯视图上,然后后面继续进行和完整版本的俯视图通路同样的计算。除此之外,我们还测试了两个版本,它们包含双通路结构,但是这个机构的个数和位置不同。Early IPM版本包含一个双特征模块(dual context module),并且是第一个,late IPM同样只包含一个,不过包含的的是最后那个。结果在被总结在表格1中,结果表示了,带有完全体双特征模块的相对于其他变体有着非常好的超级表现,特别的,只有正常视图通路的有着最差的结果,这说明,俯视图通路的处理是十分有必要的。注意late ipm版本,只包含一个双特征模块,表现出了第二高的准确率,但是却减少了很多的计算,这使他成为一个可实时应用的候选模型。 我们尝试了几个版本的道路投影平面定义,这是我们架构和输出表示的核心,我们的第一个尝试是在没有显示监督的情况下,学习每个场景的最佳道路投影平面,类似于[23]中的“H-net”地平线估计,但是这种方法没有得到令人满意的结果。我们认为这一方向值得进一步研究,因为这是最自然的方向。另一个自然的选择是在拟合道路平面时考虑整个场景,而不仅仅是局部道路的发现。为此,我们设计了一种地面真值生成算法,该算法取最远处可见的道路点,并将其与当前道路位置相连接以确定俯仰角。由于这种方法类似于水平估计方法,所以在表格中将其称为水平(horizon)。显然,它的表现总的来说略差,虽然我们一直观察的情况下,场景地形有利于这一定义。我们也尝试假设一个固定的相机位置,其中平均俯仰角为(2.5◦)和相机高度(165厘米)这两个数据被用来定义Tc2r。 表格1中的最后一行显示了假定地面是平坦的图像到世界转换的结果。这通过将我们完整版的网络中估计的z设置为0来实现。尽管这个糟糕的结果有一些繁琐,并且有着高度的数据依赖性,但他还是告诉我们3D车道探测的重要性。带着0.966的AP,完整版的3D车道检测网络在车道线的检测上超过了中心线的检测,这可能是因为在图片中,车道线有比较明显的显示。在他们的位置误差分布上也是同样的(nearrange: 10.5cm@1σ,28cm@2σ; far range:27.3cm@1σ and 106cm@2σ) 既然输出从路面坐标系通过Tc2r转换到了相机坐标系,我们也评估了这种估计的质量以及他对最终结果的影响。俯仰角和相机高度误差的中位数为0.09°和2.4cm,为了消除这两个误差对最终结果所造成的影响,我们评估了Croad下的坐标,方法是通过直接拿到网络的原始输出。
 
 
5. 总结及未来工作
 
我们提出了一个单帧单次cnn前向传播,不需要其他后续处理工作的车道检测办法。在tuSimple benchmark 上,我们展现了富有竞争力的结果,并且在我们合成的3D车道线数据及上,我们的方法能够进行多车道的3D检测。最重要的是,接下来的研究证明了这是可以应用在真是世界的数据上的。我们现在的表示在(在纵向上的anchor,判断Yref存在与否)还比较粗糙,这限制了该方法对车道复杂拓扑结构的表示,比如城市内部,在接下来的工作中,我们会更新我们的表示方法使用端到端的机制来来处理这些情况。

谷歌ChauffeurNet:训练能够鲁棒地驾驶实车的网络

知识讲堂betty19920416 发表了文章 • 0 个评论 • 1021 次浏览 • 2019-04-23 10:21 • 来自相关话题

编者按:Waymo于2018年底发表了本论文,介绍如何利用并改进模仿学习以获得能够较为鲁棒的驾驶模型ChaufferNet。它与典型的端到端学习不同,采用的是mid-mid的方式,在仿真环境和实车测试中都有不错的表现。模型一方面基于大量数据模仿学习合理的驾驶行 ...查看全部
编者按:Waymo于2018年底发表了本论文,介绍如何利用并改进模仿学习以获得能够较为鲁棒的驾驶模型ChaufferNet。它与典型的端到端学习不同,采用的是mid-mid的方式,在仿真环境和实车测试中都有不错的表现。模型一方面基于大量数据模仿学习合理的驾驶行为,另一方面通过在合理驾驶轨迹上附加扰动以制造各种特殊的驾驶情形,结合对应的附加损失函数,训练网络如何应对扰动和避免不良行为。ChaufferNet驾驶模型具有较好的鲁棒性,虽然目前还不能够和运动规划方法竞争,但的确是机器学习驾驶模型前进的一大步。
 
 
摘要:
我们的目标是通过模仿学习训练出能足够鲁棒地驾驶真实车辆的网络。我们发现单纯的行为模仿不能应对复杂的驾驶场景,即使我们利用感知系统预处理传感器输入,同时利用控制器在车辆上执行模型输出:3000万量级的学习样本仍然不够。我们尝试利用在合理驾驶的数据上附加扰动得到的合成数据来辅助学习,创造出一些特别的驾驶情形,如车辆发生碰撞或驶离道路。我们不是纯粹模仿所有合理驾驶的数据,而是在模仿损失上增加了一些损失,用于惩罚不良的行为并鼓励学习的进展。在合理驾驶的数据上增加的扰动为这些损失提供了重要信号,并导致学习得到的模型具有鲁棒性。我们证明了ChauffeurNet模型可以应付仿真环境中的复杂情形且能够合理地应对随机因素,同时进行了实验对本文提出的各项改进的重要性加以说明。最后我们展示了使用训练得到的模型在现实世界中驾驶汽车的效果。
 
关键词:深度学习 mid-mid驾驶 驾驶行为学习 轨迹预测
 
 
1.介绍
 
驾驶员在驾驶时需要观察和理解环境中的各种物体,预测它们未来可能的行为和交互情况,然后思考如何控制汽车,在遵从道路交通规则的条件下安全到达目标位置。这项任务对于机器来说是很有挑战性,人类却可以很好地完成,因此模仿学习是解决这个问题的一种很有前景的方法。我们工作的目标就是使得模仿学习得到的模型能够达到可用于驾驶真实车辆的水平。我们在利用大量训练数据(3000万现实世界中合理驾驶的样本,相当于持续驾驶约60天)的基础上尽可能高效地构建了我们的系统。的确,端到端的驾驶行为学习有很多令人兴奋的地方。它们通常致力于通过学习,在相机或激光雷达数据等原始传感器输入数据的基础上,直接预测诸如转向或制动等原始控制输出。但为了降低样本的复杂性,我们选择了建立在感知和控制组件之上的中级输入和中级输出表示。我们使用能够加工处理原始传感器信息的感知系统来产生这种中级输入:俯视的环境表达和目标路线,车辆等物体被绘制为有向的边界框,道路信息和交通信号灯状态也在其中。我们将这种中级输入注入到一个名为ChauffeurNet的循环神经网络中,由这个网络输出一条驾驶轨迹,再由控制器将此驾驶轨迹转换为转向和加速度控制指令。使用这些中级表示的另一个优点是:网络既可以使用实际数据,也可以使用模拟数据来训练,且可以在部署到实车之前在闭环仿真中轻松完成测试和验证工作。
 
我们的第一个发现是,即使在拥有3000万个驾驶样本并使用中级输入和中级输出表示减轻感知与控制负担的条件下,单纯的模仿学习依然不能达到目标。例如我们发现这种情形:本车会与一辆停在狭窄街道一侧的车发生碰撞或者卡在这辆车后不动,然而此时避让和超车都是完全可行的。关键的挑战是我们需要闭环地运行系统,而误差的累积将会导致驾驶情形偏离训练时的分布。这一结果是单纯的模仿学习在驱动车辆驾驶领域具有局限性的很有价值的证据。此外我们还发现在模仿损失的基础上,增加一些抑制不良行为并鼓励学习进展的损失,同时增加附加了扰动的合成驾驶轨迹可以克服这一挑战。这些改进使得模型能够接触到发生碰撞和驶出道路等非常规行为,同时损失函数的增大将引导模型避免这些行为。正是由于采用中级的输入输出表示,我们才能得到大量这样的合成驾驶轨迹。这些扰动很难从原始传感器输入或直接馈送到车辆的控制器输出中生成。
 
我们首先在仿真中评估整个系统以及进行损失函数扩增和数据扩增的重要性,之后展示最终模型如何在现实世界中驾驶汽车,并协调处理涉及其他交通参与者、转弯、停车标志和交通信号灯等对象的驾驶情形。变道等具有高度互动性的驾驶情形,仍然需要在强化学习的框架内进行大量的探索。这就要求实现对其他交通参与者例如行人的模拟,而这种模拟也是一个正在迅速发展的值得探索的研究领域。本文的贡献可以理解为:在没有使用强化学习的条件下,我们仍然可以用纯粹的离线数据来完成更多的驾驶学习任务。
 
2. 相关工作
 
ALVINN上数十年的工作(Pomerleau(1989))揭示了浅层神经网络如何直接利用相机数据和激光测距数据使车辆沿着道路行驶。以端到端的方式学习自主驾驶在近些年掀起新的热潮。Chen等人最近的工作(2015)展示了使用一个卷积网络来预测可行驶空间,例如和前方车辆的距离。预测的可行驶空间可用于控制器的编程,控制在高速公路上行驶的车辆。NVIDIA的研究者们(Bojarski等人(2016,2017))展示了如何训练一个端到端的深度卷积神经网络,利用相机输出的数据作为输入,控制车辆的转向。Xu等人同样利用相机输出的数据,训练了一个神经网络用于预测离散的或连续的动作。Codevilla等人(2018)也训练了一个网络,使用相机的输出作为输入,使用高级的控制指令来输出对转向和加速度的控制。Kuefler等人(2017)使用生成对抗模仿学习(GAIL),使用简单的affordance-style特征作为输入,以克服基于行为复制策略得到的模型中经常出现的过大误差,因而对于扰动有更好的鲁棒性。Hecker等人最近(2018)训练了一个使用360度环视相机输出作为输入,包含目标路线规划模块的驾驶模型,可以预测转向和车速。CARLA模拟器(Dosovitskiy等人(2017))在Sauer等人的工作(2018)中都有用到,它可以基于传感器数据估计若干个可行驶空间并在仿真的城市环境中驾驶车辆。Muller等人(2018)利用和本文思路相似的中级表示,在仿真环境中使用CARLA训练了一个系统。具体的方法是从一个场景分割网络中训练驾驶策略,并输出高级的控制指令,方便了后续基于迁移学习的方法利用现实世界驾驶数据训练得到的一个不同的场景分割网络。Pan等人(2017)同样描述了如何利用基于学习的intermediate场景标注方法,将仿真环境中训练得到的模型向真实世界中迁移。Shalev-Shwartz等人(2016)提到在模拟器中使用强化学习训练机器完成诸如变道等复杂的且具有高度交互性驾驶任务。目前已经有机器学习之外的大量的车辆运动规划方面的工作,Parden等人(2016)对此给出了一个很好的调研。
 
3.模型架构
 
3.1输入输出表示
首先描述网络如何处理俯视的输入表示,进而输出可行驶的轨迹。在任何时间t,本车状态可以俯视坐标系中的坐标pt,θt,st来表示,其中pt=(xt,yt)表示位置,θt表示航向角或行驶方向,st表示速度。俯视的坐标系按照以下规则选定:本车在当前时刻t=0的位置p0始终位于图像中的固定位置(u0,v0)。为了在训练阶段扩增数据,每一个训练样本都在θ0±Δ的角度范围内随机选择坐标系的方向,其中θ0表示本车在当前时刻t=0的航向角或行驶方向。俯视图由一组分辨率为W×H的图像表示,地面的采样分辨率为φ米/像素。随着本车的移动,这些环境视图也发生移动,因此本车总是观察一个固定前视范围内的环境,即[Rforward=(H-v0)φ]米。这样就模拟出了车载的传感器只观察车辆前方Rforward米范围内的环境的情形。
 

1.webp_.jpg

                                                                                    图1:驾驶模型的输入(a-g)和输出(h)
 
如图1所示,模型的输入由几个大小为W×H,并且调整到俯视坐标系的图像组成。(a)路线图:一幅3通道彩色图像,包含各种地图特征如车道、停车标志、人行横道和路缘等。(b)交通信号灯:灰度图像的时间序列,序列中的每一帧表示一个过去时间步的交通信号灯状态。我们在每一帧中为每个车道的中心线着色,最亮的灰度级对应红灯,中间灰度级对应黄灯,较暗的灰度级对应绿灯或未知信号灯。(c)限速:单通道图像,车道中心的着色灰度与本车道对应的限制车速成比例。(d)路线:驾驶的目标路线,它由一个路线规划模块产生。(e)本车边界框:显示了本车在当前时间t=0的完整边界框。(f)环境中的动态对象:图像的时间序列,序列中用有向边界框的形式显示所有的动态物体(车辆,骑自行车者,行人等)。(g)本车的历史位姿:本车的在各个历史时刻的位姿,用单个灰度图像中某个点的运动轨迹表示。

2.webp_.jpg

图2:驾驶模型的训练 (a)ChauffeurNet的模型核心是一个FeatureNet网络和一个AgentRNN网络 (b)共同训练的路标预测网络和PerceptionRNN (c)训练的损失函数以蓝色显示,绿色部分代表真值。虚线箭头表示从一次迭代到下一次迭代的预测值的循环反馈。
 
我们使用δt的固定时间间隔,来采样过去或者未来时间点上的信息,例如上述输入中的交通信号灯状态和动态对象状态。在过去的Tscene秒内对交通信号灯和动态对象进行采样,在过去的Tpose秒甚至更长的时间间隔内对本车的位姿进行采样。这种简单的输入表示,特别是用边界框表示其他动态对象,使得从仿真或实际感知系统记录的检测和跟踪对象日志中生成输入数据变得更加容易。这样在实车运行之前,就可以在闭环仿真中完成测试和验证的工作。仿真数据的利用,使得模型可以充分探索现实中较少发生的驾驶情形,从而改进模型。例如在现实世界中,我们很难获得与发生碰撞相关的数据。使用二维的俯视图还意味着可以实现有效的卷积输入,允许以灵活且易读的方式表示各种数据以及它们的空间关系。使用I表示上面列举的输入图像的集合,ChauffeurNet模型便以这些输入为基础反复预测本车的未来位姿,如图1(h)中绿色的点所示。

3.webp_.jpg

                                                            图3:(a)ChauffeurNet概览    (b)多次迭代中的存储单元更新
 
公式1中,当前位姿p0是已知的输入,然后ChauffeurNet执行N次迭代并输出预测的未来轨迹{ pδt,p2δt,…,pNδt }和如未来速度等一些其他的属性。该轨迹可以输入到优化控制器内,以计算出具体的驾驶控制指令(例如转向和制动命令)。当然,这些控制指令要满足车辆动力学约束。不同类型的车辆可能利用不同的控制输出来实现相同的驾驶轨迹,这也印证了训练网络直接输出低层次的转向和加速度控制指令在这里是不太合适的。
 
3.2 模型设计
概括地说,驾驶模型由如图2所示的若干部分组成。图中(a)部分是ChauffeurNet模型的主要部分,由特征提取卷积网络(FeatureNet)组成。FeatureNet使用中级输入数据来创建可由其他网络共享的特征表示。这些特征被本车的循环神经网络(AgentRNN)使用,以迭代地预测驾驶轨迹中的后继点。轨迹中时刻t对应的点用位置pt=(xt,yt),航向角θt和速度st来描述。AgentRNN还在未来的每个时间步上,以heatmap的形式预测车辆的边界框。图的(b)部分可以看到另外两个网络,它们使用相同的特征表示作为输入共同训练。Road Mask网络预测视野中的可驾驶区域(道路与非道路),感知循环网络(PerceptionRNN)迭代地预测描述空间分布的heatmap。利用和主要任务共享的特征表示来很好地完成这些附加任务,改进了模型在完成主要任务基础上的泛化能力。图2(c)显示了训练模型过程中使用的各种损失,这些损失将在下面详细讨论。

                                                           
4.webp_.jpg

                                                                图4:信息流图表示的端到端驾驶软件架构
 
图3更详细地说明了ChauffeurNet模型。图1中的输入传递给具有skip-connections结构的卷积神经网络FeatureNet。FeatureNet输出的特征表示F中包含了环境的上下文信息。这些特征被提供给AgentRNN,并由AgentRNN基于一系列条件预测驾驶轨迹的下一个点pk以及预测本车边界框的heapmap:Bk。这些条件包括FeatureNet得到的特征表示F,迭代次数k:{1,…,N},对AgentRNN的过去获得的预测结果的记忆Mk-1,以及在前一次迭代中预测的本车边界框heatmap:Bk-1
                                                             
                                                                         
5.webp_.jpg

 
存储单元Mk是由单通道图像组成的叠加式存储单元。AgentRNN的第k次迭代中,存储单元(单通道图像)在AgentRNN预测的图像位置pk处增加1个点,然后此存储单元传递给下一次迭代。AgentRNN在heatmap上输出对本车下一位姿的预测,使用arg-max操作可从heatmap中获取位姿的粗略估计pk。AgentRNN采用一个较浅的且具有一个全连接层的卷积网络,对姿势δpk进行亚像素级别的细化,并估计出航向θk和速度sk。在训练时AgentRNN会展开固定次数的迭代,下面要描述的损失将在这些展开的迭代步中进行累加。这样之所以可行,是因为我们使用的是非传统的RNN,采用的存储单元是显式设计的而不是通过学习产生的。
 
3.3系统架构
图4表示的是在自动驾驶系统中如何使用神经网络的系统层面的概述。通过感知系统处理真实世界传感器输出或者从仿真环境获取,更新本车和环境状态。目标路径从路径规划模块获得,且根据本车是否能够跟随过去的目标路径驾驶进行动态更新。环境信息被整合到图1所示的输入图像中并传递给RNN,由RNN输出未来的轨迹并送到优化控制器,进而输出驱动车辆的低级控制信号(在现实世界或仿真环境中)。
 
 
4. 模仿合理行为
 
4.1 模仿损失
4.1.1本车位置,航向角和边界框预测
AgentRNN在每次迭代k产生三个输出:(1)基于空间softmax得到的预测路点在空间坐标系中的概率分布P
k(x,y)。(2)当前时间步k对应的预测本车边界框heatmap: Bk(x,y),基于逐像素的sigmoid激活函数生成,表示本车占据特定像素的概率。(3)回归获得的边界框航向角输出θk。掌握上述预测量真值的条件下,我们可以为每次迭代定义相应的损失:
 

                                                                                         
6.webp_.jpg

 
其中上标gt表示对应的真值,而H(a,b)是交叉熵损失函数。注意[Pgtk]是二值图像,只有对应目标真值坐标的像素的值才被设置为1。
 
4.1.2本车预测
预测网络在每一次迭代中,基于特征并且使用回归的方式,对粗略的路点估计结果生成亚像素级别细化的δp
k以及每个点的速度估计sk。我们对这两种输出均采用L1损失函数:
 

7.webp_.jpg

 
4.2 对过去运动行为的dropout
训练过程中,过去的运动历史被作为输入之一提供给模型。训练过程中的运动历史来自合理驾驶的示范,因此网络可以基于过去作出僵化的推断而不是发现行为背后的具体原因,类似“欺骗”。在进行闭环推理时这种“欺骗“就会崩溃,因为运动历史来自于网络本身在过去的预测。这样训练出来的网络,也许会只有在过去运动历史中发现减速时,才在停车标志前停车,永远不会在闭环推理时在停车标志前停车。为了解决这个问题,我们引入了一个针对运动历史的dropout机制:对于50%的样本,在输入数据中的本车历史位姿这一通道中,仅仅保留本车当前位姿(u0,v0)。这一点迫使网络寻找环境中的其他线索,来解释训练样本中的提供的未来运动数据。
 

8.webp_.jpg
图5:轨迹的扰动。(a)原始记录的训练样例,其中智能体沿着车道的中心行驶。 (b)扰动样例,通过扰动原始记录中当前智能体的位置(红色点)使其远离车道中心,然后拟合新的平滑轨迹,该轨迹使智能体沿车道中心返回到原始目标位置。
 
 
5. 在纯模仿之外的工作
 
5.1合成扰动
将模型作为闭环系统的一部分运行,随着时间的推移,输入数据会偏离训练时的分布。为了防止这种情况出现,我们在训练模型时对一部分本车轨迹的样本,附加现实中可能出现的各种扰动。轨迹的起点和终点保持不变,扰动施加在轨迹中点的周围,且在周围的多个轨迹点上得到平滑。定量地来看,各个轴上产生在[-0.5,0.5]m范围内均匀分布的随机抖动,航向角产生在[-π/3,π/3]弧度范围内的随机抖动。我们用平滑的轨迹拟合扰动后的点和原始的起点与终点。这类附加扰动的训练样本,使汽车在受到扰动后能够回到原来的行驶轨迹上。我们通过设置轨迹曲率的阈值,滤除了一些实际中不太可能出现的扰动后的轨迹。我们允许扰动后的轨迹与其他车辆发生碰撞或驶离道路,因为只有这样,网络才能在原有样本中没有类似情况出现的条件下,也能经历并且学会如何避免这样的行为。训练过程中我们给附加了扰动的样本的权重是真实样本的权重的1/10,避免学到的模型有始终在扰动状态下驾驶的倾向。
 
5.2 模仿损失之外的损失
5.2.1 碰撞损失

由于我们的训练数据没有任何实际碰撞,因此避免碰撞的想法是隐式的,不能很好地泛化。为了缓和这个问题我们增加了一个专门的损失函数,直接度量在每一个时间步上预测的边界框Bk与场景中所有物体的边界框真值的重叠率。
 

9.webp_.jpg

 
其中Bk是输出本车边界框预测的似然图,Objgtk是时间k对应的二值化的掩模图像,所有被其他动态物体(其他车辆,行人等)占据的像素的值都为1。训练过程中的任何时候,如果模型预测到将会发生碰撞,大的重叠率会造成的损失增加,进一步影响到模型更新的梯度,从而纠正这种错误。但是这种损失仅在训练的初始阶段有效,也就是在模型还没有能够预测出接近真值的位置时。在轨迹上附加扰动之后,这个问题得到了缓和。这是因为在附加扰动的样本中,人为制造出来的碰撞情形使得上述损失函数在训练过程中能够发挥出作用,影响模型更新的梯度。此外这种方法还达到了类似在强化学习中设置在线探索的效果。
 
5.2.2 驶离路面损失
轨迹扰动同时会产生车辆驶离道路或驶上路缘的情形。为了训练网络避免车辆驶上道路边缘,我们增加了一个专门的损失函数,在每一个时间步k上度量预测的本车边界框和表示视野中的道路和非道路区域二值掩模图像Roadgt的重叠率。
                                                           
                                                               
                                                         
9.webp_.jpg
   
 
5.2.3 目标轨迹几何损失
我们希望显式地约束本车,使其沿着独立于速度曲线的目标轨迹行驶。通过用平滑曲线拟合目标路点,并将此曲线调整为俯视坐标系中的二值化图像,来对目标轨迹几何形状进行建模。该曲线的宽度被设定为和本车宽度相等。我们用类似定义碰撞损失的方式,通过预测的本车边界框和二值化的目标轨迹几何图像Geomgt的重叠率,度量这种与目标轨迹几何形状相关的损失。边界框的任何不与目标几何轨迹重叠的部分,都将被转化为惩罚值并加入损失函数中。
 
                                                               
10.webp_.jpg


                                                               
11.webp_.jpg
图6:在样例输入上将预测和损失函数可视化。上面一行是输入的分辨率,而下面一行是当前智能体位置周围的放大视图。
 
5.2.4 附加损失
与预测本车轨迹类似,循环网络也可以用来预测其他交通参与者。因此我们添加了一个感知循环网络PerceptionRNN,它使用FeatureNet创建的共享特征F和它自己在前一次迭代预测的heatmap:Objk-1作为输入,并预测每次迭代的heatmap:Objk。Objk(x,y)表示k时刻位置(x,y)被动态物体占据的概率。对于k=0的迭代步,使用动态对象的真值数据输入到PerceptionRNN中。
 

11、12.jpg

 
5.3 Imitation Dropout
总的来说我们的损失可能分为两组。模仿损失如下:
 

13.webp_.jpg

 
环境损失如下:
                                                          
                                                           
14.webp_.jpg

 
模仿损失导致模型模仿合理驾驶的示范行为,而环境损失抑制了诸如碰撞等不良行为。为了进一步增加环境损失的有效性,我们试验时使用了具有随机退出机制的模仿损失,称为"imitation dropout"。在实验中我们证明"imitation dropout"相比于简单地降低模仿损失的权重,可以得到更好的驾驶模型。在"imitation dropout"过程中,每个训练样本的模仿损失wimit被按照一定的概率随机置为0或1。整体损失由下式给出:

15.webp_.jpg

 
 
6. 总结
 
在本文中,我们介绍了让模仿学习在现实世界的完成驾驶任务也能拥有良好表现的研究经验。我们发现成功的关键在于,在合理驾驶行为的基础上附加扰动合成出各种驾驶情形,并增加适当的损失来抑制不良的行为。这些改进可以使模型学会如何避免发生碰撞和驶离道路,即使这些情形在合理驾驶的样本中很少出现。为了支持这一点,并更好地利用合理驾驶的数据,我们使用了中级的输入和输出表示,从而轻松混合真实和仿真数据并减轻学习感知和控制的负担。基于这些要素我们得到了一个足以驾驶真实车辆的模型。虽然该模型还没有完全实现与运动规划方法展开竞争,但我们认为这是机器学习驾驶模型迈出的一大步。通过在模拟中探索罕见和困难的情景,对合理的驾驶行为进行彻底的增强(也许是在强化学习框架中完成),将是提高这些模型的性能并将其用于具有高度交互性的交通场景的关键。

2019第十一届全球汽车产业峰会圆满落幕

博客betty19920416 发表了文章 • 0 个评论 • 310 次浏览 • 2019-04-22 16:31 • 来自相关话题

  2019年4月18日,由上海市国际贸易促进委员会指导,盖世汽车、AC汽车联合主办的第十一届全球汽车产业峰会于上海国家会展中心隆重召开,本次峰会也得到了嘉定区政府与中国汽研的大力支持。1000余位汽车产业的价值链、产业链、创新链、多元化最具代表性 ...查看全部
 
2019年4月18日,由上海市国际贸易促进委员会指导,盖世汽车、AC汽车联合主办的第十一届全球汽车产业峰会于上海国家会展中心隆重召开,本次峰会也得到了嘉定区政府与中国汽研的大力支持。1000余位汽车产业的价值链、产业链、创新链、多元化最具代表性的企业和专家相聚上海车展,共同谈论当前行业的发展现状以及未来趋势。
 

▲ 活动现场
 

▲ 盖世汽车创始人兼CEO周晓莺

在本次峰会上,周晓莺表示:随着新一轮科技革命带来的产业变革,汽车产业和产品的内涵和外延不断的在扩展,电动化、网联化、智能化、共享化已经成为主要的特征。盖世也很高兴能够在上海国际车展同期内展开我们的第十一届全球汽车产业峰会,通过本次峰会,也希望所有参与者能够开拓思路,共同助力汽车产业未来的发展。
 

▲ 中国汽车工业协会副秘书长师建华
 
我们处在转型升级主动变革、实现高质量发展的关键时期,虽然面临着诸多的挑战,但是我们有两个有力的支撑。首先中国汽车市场的刚性需求为产业的发展提供了持续动力,这个是中国汽车产业长期发展的一个根本。第二点,新技术的进步,作为产业升级的发展动力在推动着我们汽车产业跨越新的高度,目前,以智能化为主要特征的新一轮科技革命和产业变革,正在加速向经济社会各个领域纵深推进。
 

▲ 上海市国际展览有限公司副总裁李征伟
 
在汽车展发展的过程当中,技术方面也展示了产品的理念,代表了最新汽车工业发展的方向,以及整合当前各方面最先进的科研成果的运用场景。
 

▲ 威马汽车首席数据官梅松林
 
智能电动车有很大的挑战,传统的有什么配置可以看得到,摸得到,智能电动车最大的难点是怎么样和消费者沟通,只有开了才知道这个功能,很多是软件化的东西。
 

▲ 新思科技董事长兼联席首席执行官
Aart de Geus博士
 
软件和机械、电子元件,对于汽车厂商来说同样重要,软件的开发,需要这样一个过程,始于一个很好的点子不断的试错和调整。
 

▲ 长城汽车副总裁、蜂巢易创董事长唐海锋
 
未来的发动机是持续的小型化,同时在涡轮增压技术方面,未来会有一个长足的发展。国产乘用车的自动档的渗透率,一直在提升,目前已经达到65%以上,同时,DCT变速箱未来预计占到50%。
 

▲ 德州仪器(TI)中国区汽车业务部总经理张磊
 
谈到整个系统级的创新,实际上德州仪器公司治理是从一个器件的供应商,变革为更多方案的提供商,更贴近于用户和市场。
 

▲ ANSYS中国汽车行业电气化专家、资深高级应用工程师童辉
 
仿真技术在汽车领域有非常广泛的应用,针对当前新技术影响下整个汽车行业的需求,童辉谈到,ANSYS希望能够将仿真向前拓展到我们概念阶段,向后拓展到我们制造阶段,再往后甚至是在运营,以及维护阶段做一个深刻的迭代。
 

▲ 地平线副总裁,智能驾驶产品线总经理张玉峰
 
所有的人工智能深度学习在过去几年给汽车行业带来了很多新的解决问题的办法,让以前很有挑战的一些问题可以通过数据基于数据的一种新的编程方式,让一些之前很复杂,很难解决的感知问题,比如说对于驾驶场景下其他的交通参与者行为的预测等这些问题变得相对来讲更容易来解决,更容易去用更少的开发的精力和资源来解决更复杂的挑战。
 

▲ 佛吉亚内饰系统驾舱科技事业部太销售总监孔敏
 
在整个未来座舱继续研发以及继续往前发展过程当中佛吉亚总结出来的七个趋势,认为在这七个趋势方面一定要有所突破,在产品级别有所实现,才能真正能给我们的用户带来实际的改善。这七个趋势分别为:1、安全;2、加强式的舒适和所谓的健康的侦测;3、关注热能和空气质量;4、声学;5、HMI;6、未来座舱的可变性;7、所有信息的连接。
 

▲ 中国恒瑞有限公司首席技术官
Giacomo  Dal  BuscoGiacomo

我们要进行轻量优化,从2020年开始我们要用到混合式的设计,意思是要结合不同的解决方案和成分,金属复合材料,应用到大规模量产,对很多的OEM来说都是一个势在必行的趋势。
 

▲ 长安汽车动力研究院副院长杨柏林
 
插电混动在竞争上面也是有很多的优势,国家十三五规划当中提出了对新能源汽车进行支持,新能源汽车一直都是包含PHEV就是插电式混合动力,国家长期以来都是把它定义为新能源汽车。
 

▲ 北京首汽智行科技有限公司CEO谭奕
 
汽车产业链当中,技术担任了非常重要的角色,在过去的两年、三年和在未来的五年里,技术如何进一步赋能这个共享出行行业,让它更具有想象力,让它更性感,让它做起来将来可以发展得更快,让用户更加便利。
 

▲ 沈阳美行科技有限公司深圳分总经理康健
 
谈到导航的话,我们很大程度上都会从传统的角度上理解,导航是给车主或者消费者,让他从A点顺利到达B点。但是事实上在现在的智能网联时代,导航更大程度不是为人导航,而是逐步从为人导航转向为车导航。
 

▲苏州思必驰信息科技有限公司副总裁雷雄国
 
在最近三年,可能在伴随着移动互联网,慢慢地让车联网到物联网的发展过程当中,随着技术的成熟,我们整个行业跟市场对于语音交互技术而言它的诉求已经慢慢地从技术本身已经转移到这个技术背后能够提取的服务与内容。
 

▲ 上海重塑科技孙北
 
对于像燃料电池来讲,除了国家现在有非常明确的不退坡的补贴支持,一定程度上各地方为了推广各地方自己相应的燃料电池发展规划的话,也是有相应的地方性质的补贴策略来做一些支撑,这里面覆盖的范围其实包括整个燃料电池行业的全产业链,包括像加氢站,一些燃料电池核心零部件,像燃料电池发动机这样的产品。
 


▲圆桌讨论
 
此外,本次峰会还进行了两场C-TALK圆桌讨论,分别以未来汽车产业价值链展望和未来出行3.0,变革与挑战为主题,上汽集团乘用车技术中心总监徐政、图达通智能联合创始人CEO鲍君威担任主持人,奇点汽车战略和品牌部副总裁赵强、安波福电子与全亚太区首席技术官王忻、法雷奥中国区CTO顾剑民博士 ,Lidar Velodyne总裁 &CCO Michael Jellen;巴巴拉德动力前 CTO、广东国鸿氢能科技有限公司CTO Chris Guzy,北京首汽智行科技有限公司 CMO秦岭,苏州思必驰信息科技有限公司副总裁雷雄国,地平线副总裁、智能驾驶产品经理张玉峰,上海艾拉比智能科技有限公司芮亚楠、上海重塑科技孙北等嘉宾,带来了针对一场汽车行业发展方向与趋势展望的精彩讨论。
 


▲ “金辑奖”颁奖现场
 
峰会同期,还进行了金辑奖的颁奖盛典,这也是盖世汽车举办的首届“金辑奖”,旨在鼓励专门针对中国汽车产业由大做强,中国汽车品牌升级发展过程中,促进我们汽车产业升级,打造具有竞争力的整零协同关系,助力汽车强国目标而做出积极贡献的企业、单位和个人。

C-V2X工作组第八次全体会议召开

博客别碰我的刘海 发表了文章 • 0 个评论 • 249 次浏览 • 2019-03-20 17:12 • 来自相关话题

百家车联网企业齐聚长沙 共探C-V2X技术发展最新趋势 3月14日、15日,由IMT-2020(5G)推进组C-V2X工作组主办,长沙智能驾驶研究院(希迪智驾、CIDI)、湖南湘江智能科技创新中心承办的C-V2X工作组第八次全体会议在长沙召开。中国 ...查看全部
百家车联网企业齐聚长沙 共探C-V2X技术发展最新趋势
3月14日、15日,由IMT-2020(5G)推进组C-V2X工作组主办,长沙智能驾驶研究院(希迪智驾、CIDI)、湖南湘江智能科技创新中心承办的C-V2X工作组第八次全体会议在长沙召开。中国移动、中国电信、中国联通、华为、中兴、一汽、大众、博世、大陆、菲亚特克莱斯勒等众多国内外汽车、信息通信、交通领域的多家骨干企业及科研院所的200余位代表参会。
无标题.png
会上,到场的企业参会代表听取了长沙智能驾驶研究院的企业战略发展方向、V2X技术应用解决方案的研发进展、国家智能网联汽车(长沙)测试区的整体运营情况及发展规划的相关介绍。
多家企业纷纷展示了企业现阶段的研发成果、技术应用及工作重点,旨在加强与C-V2X产业相关企业及机构的协同,聚集行业优势资源,构建智能网联汽车产业生态伙伴。工作组重点就如何聚合移动通信领域产学研力量、推动第五代移动通信技术研究、建立C-V2X测试评估体系、V2X的应用推广和商业模式等内容展开了研讨。
湖南湘江智能科技创新中心成为第八批成员单位之一加入到C-V2X工作组。长沙智能驾驶研究院成为第二批通过LTE-V2X网络层和应用层互操作及一致性测试验证单位。
测试区、研究院两大核心资源持续发力 新区比较优势正在形成
“测试场地很大,测试场景仿真度非常高”、“很震撼,测试区综合实力在全国来说可以说数一数二“,参会人员在参观国家智能网联汽车(长沙)测试区时评价。
15日,IMT-2020 C-V2X工作组会员单位一行来到湖南湘江新区的国家智能网联汽车(长沙)测试区、长沙智能驾驶研究院考察交流。
在国家智能网联汽车(长沙)测试区,C-V2X工作组会员单位一行观看了国家智能网联汽车(长沙)测试区智能系统监控平台,近距离静态观摩了CIDI智能物流重卡、智慧公交等智能车辆,并试乘智慧公交游览测试区内各场景及路测情况。
C-V2X工作组会员单位参观了长沙智能驾驶研究院展厅和智能改装车间。
智能网联汽车产业是长沙市委、市政府“三智一自主”(智能装备、智能网联汽车、智能终端、自主可控及信息安全)产业布局的重中之重,也是抢占产业发展制高点的战略性产业。湖南湘江新区把握“三区一高地”定位,集中力量抢占发展制高点,围绕打造“湘江智谷”提速,以智能网联汽车产业发展为牵引,以国家智能网联汽车(长沙)测试区为平台,加快构建完整产业生态体系,目前已集聚了包括湘江智能科技创新中心、长沙智能驾驶研究院在内的智能网联汽车重点关联企业347家,实现了产业链、知识链、人才链、资金链、政策链“五链齐动”。
国家智能网联汽车(长沙)测试区、长沙智能驾驶研究院作为湖南湘江新区发展智能网联汽车产业的两个核心资源,正加快推进智能网联汽车测试、智能应用场景打造以及智能物流重卡、专用车、智能车路协同系统等相关业务的发展,不断蓄能、持续发力,助力湘江新区打造全国乃至全球智能网联汽车创新及产业化高地。
湖南湘江智能科技创新中心运营的国家智能网联汽车(长沙)测试区分为管理研发与调试区、越野道路测试区、高速公路测试区、乡村道路测试区、城市道路测试区5个主要功能分区。国家智能网联汽车(长沙)测试区作为工信部唯一授牌的国家级智能网联汽车测试区,目前建有228个智能网联汽车测试场景,模拟场景类型最多,综合性能领先,测试配套服务最优,5G覆盖范围最广,可为智能驾驶乘用车、商用车、无人机、智能机械、机器人、网联通信供应商提供系统测试服务;测试道路里程达12公里,其3.6公里双向高速测试环境及无人机测试跑道为国内独有。2019年,湘江智能科技创新中心将推进智能系统检测仿真实验室、100公里开放城市道路、100公里智慧高速和自动泊车四大场景项目建设,构建更加科学的技术构架和更可持续的应用示范。
长沙智能驾驶研究院,由香港科技大学著名创业导师李泽湘教授领衔创办,以智能驾驶科技创新及应用为导向,致力于打造能落地的智能驾驶商用车及关联技术产品。除了为B端客户提供智能驾驶解决方案以外,也向交通部门出售智能车路协同设备(OBU、RSU)。CIDI在智能网联汽车测试区开发了国内首个支持5G的智能车路协同智能路侧单元RSU,同时,CIDI 基于多模LTE-V/DSRC/LTE/WiFi、打通华为5G通信设备,完成了国内首个封闭区和长达7.8公里市区开放道路的 V2X 功能实景测试。2018年5月1日,CIDI车路协同设备(OBU、RSU)形成销售,营收达3000万元。10月27日,长沙智能驾驶研究院实现基于5G的人车路云协同V2X应用。2019年,CIDI相继发布"V2X+交叉路口"、“V2X+智慧高速”解决方案,打造车路协同式道路交通,按照车路协同的技术路径积极推动自动驾驶的发展。
此次C-V2X工作组第八次全体会议于长沙举办,意味着长沙人工智能、智能驾驶产业正加速崛起。在未来发展中,湖南湘江新区将聚焦产业培育,以场景示范为牵引,以研发创新为驱动,以重大项目为支撑,以行业联盟为纽带,以政策法规为突破,以产业集聚为目标,加快智能网联汽车关键技术创新、突破、应用和产业化,构建开放包容、协同创新的智能网联汽车产业发展生态,推进长沙智能网联汽车产业发展。(源自湖南湘江新区管理委员会)

车联网、V2X相关知识