深度研究 | 清华联合百度发布车路协同技术白皮书

发布时间:2022-03-24 00:31:54

阅读量:32

标签:

《面向自动驾驶的车路协同关键技术与展望》白皮书为全球车路协同领域带来了迄今为止最为深入的报告。


自动驾驶发展有两大方向:单车智能和车路协同。单车智能是实现自动驾驶的基础,即使是在以车路协同为主要手段的技术方案中,单车智能也不可或缺。一方面,在路侧智能设施未覆盖或出现故障的情况下单车智能可以作为冗余与备份系统让车辆安全可靠地完成行驶任务;另一方面,单车智能也可以作为车路协同的终端触手,辅助进行系统升级、新功能开发。


但是在复杂的交通环境下,单车智能感知能力有限,以及随着自动驾驶进阶,还会受限于成本增加和零部件开发时间等问题。仅凭借智慧的车,要实现自动驾驶规模商业化落地显得“任重道远”。行业转向探索车路协同技术路径,车路协同的技术路线也成为了自动驾驶规模化商业落地的一条必由之路。那么,车路协同技术路线要怎么走?6月24日,清华大学智能产业研究院(AIR)联合百度Apollo发布了《面向自动驾驶的车路协同关键技术与展望》白皮书(以下简称“白皮书”),为全球车路协同领域带来了迄今为止最为深入的报告,给自动驾驶规模商业化落地带来了一种新思路。


27566_4f2h_2356.jpg


举步维艰,单车智能自动驾驶的三大难题


无论是单车智能,还是车路协同,重要的是解决汽车产业化实际问题,也就是要实现自动驾驶规模商业化落地。围绕这一核心目标,行业需要选择一条最适合中国自动驾驶发展的路。


当前,自动驾驶示范区如雨后春笋般增长,测试里程和测试场景也在不断增加及丰富。但是实现自动驾驶规模商业化落地,仍有很多难题需要破解。白皮书指出了当前高等级自动驾驶规模商业化落地面临的三大挑战:安全问题;单车感知长尾问题限制了车辆可运行设计域(Operational Design Domain,ODD);经济性问题还未得到充分解决。


关于安全问题,目前商用的部分自动驾驶车辆出现了各类事故,主要由感知失效和决策失效等原因导致,感知容易受到遮挡、恶劣天气等环境影响。并且目前的道路设施设计和建设以服务人类驾驶员为主,车辆难以高效准确获取道路设施提供的交通规则、交通状态等信息。除此之外,完全自动驾驶至少有几百万的极端工况,软硬件系统无法避免出现错误或漏洞。


其次,单车智能的感知能力难以完全解决复杂场景的长尾问题。比如受车端传感器安装位置、探测距离、视场角、时间同步等限制,车辆在繁忙路口、恶劣天气、逆光等环境条件中行驶时,仍然难以彻底解决精准感知识别和高精度定位问题。白皮书指出,这些长尾问题,严重制约和影响了自动驾驶的规模商业化落地,而这些感知长尾问题仅靠车端传感器融合感知是难以解决的。


第三,成本问题。自动驾驶等级越高,所需的传感器数量也显著增加。“这是个烧钱的行业”,笔者从不少从事自动驾驶领域的企业家口中听到这句话。比如传感器激光雷达的成本,虽然目前有所下降,但也是万元级别,甚至是十万元以上。高昂的硬件成本,难以保证车辆的经济性。另外,为保证自动驾驶的安全,还会增加其他软件系统成本。有数据显示,目前仅一辆L4级别的Robotaxi,单车增加的成本就在10-20万美元。成本问题是制约走单车智能路线的自动驾驶规模化量产的关键因素之一。


车路协同,自动驾驶规模商业化落地必由之路


单车智能面临的种种难题,令国内实现自动驾驶规模商业化落地举步维艰。行业内各路玩家都在探索不同的道路,结合中国国情以及国内复杂的交通环境,车路协同建设已成为业内共识。


27565_jzte_2285.jpg


白皮书指出,车路协同是单车智能的高级发展形式,相比单车智能,车路协同在数据、算力、算法等方面拥有更高维数据,能够让自动驾驶行车更安全、ODD范围更广阔、落地更经济,加速自动驾驶从单体智能向群体智能转变。在安全方面,基于车路协同的SOTIF(预期功能)能够提升自动驾驶安全。车端的传感器在感知时会受到视角、视野范围以及极端天气的限制,而路侧单元能够提升单车的感知能力,尤其是超视距的感知,能够让系统在更充分信息的辅助下提前进行决策。


比如当自动驾驶车辆在被前方遮挡情况下,来不及对行人闯入、对向驶入车辆等进行精准感知和预判决策,而路侧系统对道路全量交通参与者的感知识别可以通过V2X发送给周围车辆,进行碰撞预警,避免事故的发生。还有一个典型场景是,车内信号灯。路侧系统通过多源信号灯数据感知融合,获取准确的路口信号灯实时数据,通过V2X发送给周围车辆,可以避免由于大车、树木遮挡、逆光等环境因素影响的自动驾驶车辆安全问题。在自动驾驶测试区,都有设定的运行条件,必须在限定条件下才能正常运行,其根本原因是自动驾驶车辆自身的传感器能力、计算能力、决策规划能力等存在限制。通过路侧协同感知可以扩展车辆的感知范围、能力和场景。


以无信号灯交叉口协调通行为例,单车智能自动驾驶车辆难以准确判断路口其他车辆的驾驶意图,往往需要人工接管。通过车路协同感知实时识别路口每个方向的交通流和排队车辆,最终生成每辆车通过交叉口的通行调度信息,然后通过RSU发送给车辆,保证自动驾驶车辆安全通过路口。在经济成本方面,有业内专家曾表示,如果通过路车设施一体化发展,让部分自动驾驶功能通过聪明的道路来替代,可以大规模降低成本,车载成本最高降幅可达到90%-95%。白皮书指出,在系统配置上,单车智能除了要投入高昂的传感器、算力设备之外,还需要一套等效的冗余子系统。而车路协同可以提供路侧感知冗余能力,不仅可以避免道路设施重复建设,节约投资成本,路侧系统的投资还可以分摊为在每辆车上节约的投入。


27564_kudt_7197.jpg


C4级智能道路,自动驾驶规模商业化的加速剂


车路协同自动驾驶是毫无疑问的中国方案,但是到底需要什么样的路和什么等级的车也需要探讨,不同等级的自动驾驶车辆对道路的智能化要求也各不相同。清华大学产业研究院与百度在参考国内外自动驾驶分级、智能网联分级、智能道路分级研究的基础上,调研国内天津、无锡、长沙、北京、上海、广州等城市内车联网先导区建设和车路协同应用示范情况以及杭绍甬、杭绍台、京雄、延崇等智慧高速公路项目,提出了面向车路协同自动驾驶的道路智能化分级标准,将道路智能化水平分为C0-C5级6个等级。


从这个道路智能化分级可以看出,道路智能化等级越高,对车辆智能化要求也越低,覆盖的智能汽车等级范围也越广。C1-C3级道路要求车辆是L5等级或限定环境下的L4,C4和C5级道路则覆盖L2+到L5自动驾驶车辆。值得关注的是,C4级智能道路既可以覆盖L2+到L5自动驾驶车辆,又与C5级完全智能化道路相比,投入成本更低。白皮书指出,车路协同自动驾驶技术路线所需的成本约等于建设C4 级智能道路的升级改造费用,也可以等同于将智能化道路上的投资费用与分摊到每一辆车上的节约投入费用的两种费用进行比较。


据交通运输部统计,截止2020年末,全国四级及以上等级公路里程494.45万公里,高速公路里程16.10万公里,全国城市道路45.90万公里。全国汽车保有量2.81亿辆。根据白皮书推算结果显示,只要在每辆车上节省1.98万元的成本,就可以在每公里的道路上投入100万元的智能化改造。以单个城市推算,根据中信建投证券的预测数据单个交叉路口的 C-V2X 改造成本平均约为81.84万元,每公里高速/快速路的C-V2X改造成本平均约为39.72 万元。考虑城市道路存有遮挡情况,推算城市道路每公里部署设备成本略高于高速公路,所需的路侧智能设备成本介于城市路口和高速公路之间,据此假设每公里城市道路的C-V2X 改造成本平均约为50 万元。


以北京为例,593.4万辆车,0.83万公里道路里程,0.96万个路口。推算建设C4级智能道路所需的成本,只要在每辆车上节省2000 元的成本,就可以在每公里的道路上投入约50 万元和每个路口投入81.84万元的全部智能化设备升级改造。由此可见,即使扣除测算的误差,车路协同自动驾驶智能化道路所需的升级改造成本也相对更低。考虑到现阶段自动驾驶、V2X通信、云控平台、智能道路等技术的发展现状,白皮书中提出了车路协同自动驾驶规模商业化落地的两条可行路径:


一是C4级智能道路+(L2-L4)网联自动驾驶车辆;二是L4级别网联自动驾驶车辆+(C1-C4)级智能道路。这两条路径都能助推自动驾驶实现规模商业化落地,也都需要“聪明的车”与“智慧的路”协同发展。但是,通过分析单车智能自动驾驶所需的成本及面临的安全、感知能力等挑战,当前建设C4级智能道路显然是更优的选择。


并且,对于政府部门而言,建设高级智能化道路还可以通过道路基础设施数据开放共享和创新应用,支撑开展智能交通、智能交管、智能高速、智慧出行服务,开展新型智慧城市建设。比如针对高速公路感知能力薄弱、智慧管控段不足、服务能力单一等痛点问题,通过建设高等级智能高速公路,利用路网大数据实时接入和处理分析,最终可以构建“建管养运服”全生命周期服务体系。在城市交通管理方面,通过智能道路的建设则可以实现对城市的全面感知、态势监测和事件预警,提高城市综合治理和安全管理能力。


坚持“单车智能+网联赋能”中国方案


在白皮书发布会现场,北京经济技术开发区工委委员、管委会副主任孔磊表示:“当下自动驾驶和车路协同非常火热,但自动驾驶企业偏向车端,车路协同企业又偏向智慧交通,清华大学、百度则是车路深度融合的代表。”

据悉,清华大学是网联智能,也就是车路云一体的网联智能在中国最早的提出者和践行者。清华大学智能产业研究院是面向第四次工业革命的国际化、智能化、产业化的应用研究机构,由多媒体及人工智能领域的世界级科学家、企业家张亚勤院士于2020年创建,其成员包括前字节跳动AI实验室负责人马维英、前海尔集团CTO赵峰、前阿里达摩院技术大牛聂再清……


27562_aypl_1661.jpg


百度则是自动驾驶领域技术能力最强的企业,最早于2016年,百度就布局了车路协同的全栈研发。2020年4月,百度正式对外发布智能交通解决方案 “ACE 智能交通引擎”,车路协同正是该方案的两大核心引擎之一。今年5月,清华大学智能产业研究院联合百度发布了Apollo Air计划,这是目前全球唯一仅通过路侧感知就能实现开放道路L4自动驾驶闭环的技术,是车路协同领域的最高技术能力体现。


当前百度利用车路协同开展自动驾驶规模化商业落地的测试验证和示范运营,已经完成了对北京亦庄、广州黄埔、河北沧州等若干路口的智能化改造,实现了Apollo Air纯路侧感知技术在L4真实场景的测试。例如在北京亦庄,ACE智能路口解决方案通过车路协同系统,让车与车、车与路之间实时共享路况,实现高效出行。今天,清华大学智能产业研究院再次联合百度发布白皮书,深度探索自动驾驶的车路协同技术发展路径。百度与清华密切合作,通过产学研紧密结合的方式,强强联合,将有助于加快车路协同自动驾驶规模化商业落地。


结语


近年来,国家层面也在推出相关政策,大力扶持车路协同建设。2020年2月,发改委、公安部、交通运输部、工信部等11个国家部委联合发布的《智能汽车创新发展战略》中明确指出车路协同是未来的重要发展方向。2020年3月,国家发改委明确中国“新基建”范围,其中所涉及的七大细分领域多项与自动驾驶及车路协同相关。


据悉, “十四五”规划中也将发展车路协同和自动驾驶列为了重点,提出未来几年将完善公路感知网络,推进基础设施全要素全周期数字化,发展车路协同和自动驾驶;加快车路协同及自动驾驶相关标准研究制订。车路协同发展是大势所趋,在国家交通强国战略的支持和新基建政策的助力下,车路协同路侧设备智能化改造的速度正在加快。随着高级智能化道路建设的形成,以百度Apollo为首的自动驾驶企业打造的“单车智能+网联赋能”的中国方案也将加速实现自动驾驶规模商业化落地。

相关文章

百度Apollo-自动驾驶、智能汽车、智能交通解决方案 - 百度Apollo|Baidu阿波罗 深度研究 | 清华联合百度发布车路协同技术白皮书