为什么自动驾驶需要5G?

什么叫自动驾驶?

自动驾驶分为6个等级:

**Level 0:**人工驾驶,无驾驶辅助系统,仅提醒。

**Level 1:**辅助人工驾驶,可实现单一的车速或转向控制自动化,仍由人工驾驶(如定速巡航、ACC)。

**Level 2:**部分自动驾驶,可实现车速和转向控制自动化,驾驶员必须始终保持监控(如车道中线保持)。

**Level 3:**有条件自动驾驶,可解放双手(hands off),驾驶员监控系统并在必要时进行干预。

**Level 4:**高级自动驾驶,可解放双眼(eyes off),在一些预定义的场景下无需驾驶员介入。

**Level 5:**全自动驾驶,完全自动化,不需要驾驶员(driverless)。

自动驾驶基本原理

关于自动驾驶的基本原理,需了解三大关键词:传感器、数据融合(Data Fusion)、100%安全性决策。

传感器

自动驾驶需要的传感器系统主要有三种类型:摄像头、雷达和激光雷达。

•摄像头

摄像头是自动驾驶必备的传感器,包括前视、后视和360度摄像系统,后视和360度摄像头主要提供360度外部环境呈现,前视摄像头主要用于识别行人、车辆、道路、交通标志等。

•雷达(RADAR)

自动驾驶需要多个雷达传感器,其功能是无线探测和测距,主要用于盲点检测、防碰撞、自动泊车、制动辅助、紧急制动和自动距离控制等应用。目前的雷达系统主要基于24GHz和77GHz,相较于24GHz,77GHz在测量距离和速度时具有更高的精度,以及更高的角分辨率,且还具备天线尺寸小、干扰小等优点。

•激光雷达(LiDAR)

LiDAR,即Light Detection And Ranging的缩写,它是一种基于激光的系统,除发射器(激光器)外,系统还具备高灵敏度的接收器。LiDAR主要用于测量静止和移动物体的距离,并通过处理提供所检测物体的三维图像。

LiDAR应用于自动驾驶所面临的挑战是,如何克服在雨雪、雾、温度等环境影响下识别较远距离的物体,同时,这玩意成本太高,目前不适合汽车领域的大规模部署。

数据融合(Data Fusion)

数据融合就是将不同传感器(如雷达、摄像头和激光雷达)数据进行智能化合成,实现不同信息源的互补性、冗余性和合作性,从而做出更好、更安全的决策。比如摄像头具有分辨颜色(识别指示牌和路标)的优势,可易受恶劣天气环境和光线的影响,但雷达在测距、穿透雨雾等有优势,两者互补融合可作出更精确、更可靠的评估和判断。

100%安全性决策

一旦出现交通事故,重则导致人身伤亡,因此,自动驾驶对技术安全的要求相当苛刻,需实现接近100%的安全性。

简而言之,自动驾驶就是通过传感器收集全面的环境信息,再对信息融合处理,并作出接近100%安全性决策。

目前多数人所谈的自动驾驶,都是基于汽车本地端的传感器、数据融合来实现决策的。

但是,你有没有想过,这种单凭本地端实现的方式存在一些局限性。

当汽车横穿十字路口时,自动驾驶能预知从左侧高速驶来的大卡车吗?

由于易受雨、雪、雾、强光等环境影响,摄像头能始终准确识别指示牌和红绿灯吗?

再举一个例子。

当自动驾驶在高速路上以130公里/小时行驶时,摄像机/雷达融合无法安全地检测到前方超过120米距离外的停车,这将触发超过5米每平方秒的紧急制动,这是无法接受的。

总之,道路环境异常复杂,雷达、摄像头和激光雷达等本地传感系统受限于视距、环境等因素影响,要实现100%安全性,自动驾驶需要弥补本地传感器所欠缺的感知能力。

简单的理解,本地传感系统让汽车"看到很远",但自动驾驶还需要能够"看到更远"。

这就需要C-V2X闪亮登场。

C-V2X能做什么?

C-V2X,C即Cellular,V2X就是vehicle-to-everything,指车与外界的信息交换,它是基于蜂窝网络的车联网技术。

C-V2X指从LTE-V2X到5G V2X的平滑演进,它不仅支持现有的LTE-V2X应用,还支持未来5G V2X的全新应用。它基于强大的3GPP生态系统和连续完善的蜂窝网络覆盖,可大幅降低未来自动驾驶和车联网部署成本。

与雷达、激光雷达等传感器不同,我们可以把V2X视为一种无线传感器系统的解决方案,它允许车辆通过通信信道彼此共享信息,它可检测隐藏的威胁,扩大自动驾驶感知范围,能预见接下来会发生什么,从而进一步提升自动驾驶的安全性、效率和舒适性。C-V2X被认为是自动驾驶的关键推动因素之一。

C-V2X能做什么呢?还是继续举例吧。

如上图,道路前方弯道处停有一辆抛锚的汽车,但由于正好处于弯道,汽车本地的摄像头、雷达等传感器无法检测到,眼看一场车祸正要酿成悲剧。

幸运的是,我们有V2X。

V2X通过通信网络共享信息,具有"看到更远"的能力,此时汽车显示屏上会提示前方有车辆,并启动减速和转向,安全通过。

再来一个案例。

如上图,前方的大卡车挡住了视线,而对面正驶来一辆汽车,此时要超车,毫无疑问是非常危险的。

当驾驶员刚打左转灯准备超车时,V2X通过显示屏立即提示,前方有来车,不能超车...

直到危险解除后,才顺利超车,安全通过。

C-V2X技术简介

V2X主要包括V2N(车辆与网络/云)、V2V(车辆与车辆)、V2I(车辆与道路基础设施)和V2P(车辆与行人)之间的连接性。

2015年,3GPP在Rel. 14版本中启动了基于LTE系统的V2X服务标准研究,即LTE-V2X,国内多家通信企业(华为、大唐、中兴)参与了LTE-V标准制定和研发。2016年9月,首版涵盖了V2V和V2I的V2X标准发布;2017年6月,进一步增强型V2X操作方案发布。

在Rel. 14中,V2V通信基于D2D( Device-to-Device)通信,其为Rel.12和Rel.13版本中的Proximity Services (ProSe) 近距离通信技术的一部分。新的D2D接口被命名为PC5接口,以实现可支持V2X要求的增强型功能,这些增强型功能包括:支持高达500Km / h的相对车速、支持eNB覆盖范围内的同步操作、提升资源分配性能、拥塞控制和流量管理等。

在Rel. 14中,LTE-V2X主要有两种操作模式:通过PC5接口点对点通信(V2V)和通过LTE-Uu与网络通信(V2N)。

基于PC5接口的V2V通信也包括两种模式:管理模式(PC5 Mode 3)和非管理模式(PC5 Mode 4),当网络参与车辆调度时称为管理模式,当车辆独立于网络时称为非管理模式。在非管理模式下,基于车辆间的分布式算法来进行流量调度和干扰管理;在管理模式下,通过Uu接口的控制信令由基站(eNB)辅助进行流量调度和干扰管理。

C-V2X还将持续平滑演进到5G V2X,将对功能进一步增强,以支持低延迟和高可靠性V2X服务。

除了PC5和Uu接口,C-V2X技术构架还包括V2X控制功能、边缘应用服务器和V2X应用服务器。

▲C-V2X技术构架,来源ngmn V2X白皮书

•V2X控制功能(V2X control function)位于核心网,其为实现V2X通信向UE提供必要的参数以执行相关网络动作。

•V2X应用服务器 可部署于网络之外,由车企、移动运营商或第三方来运营,从而跨运营商跨车厂,这也解决了过去车企担心的依赖C-V2X会导致自动驾驶业务被电信运营商所控制的问题。

•边缘应用服务器 靠近数据源部署,解决了时延和网络负荷问题,将在许多V2X用例(比如实时高清地图更新等)中发挥重要作用。

为何自动驾驶需要5G?

目前基于LTE的V2N已经覆盖了很多车联网用例,比如交通信息提示、地图更新、OTA固件更新。未来V2V和V2I将广泛应用于车联网的低时延、远距离通信场景。

你可以将C-V2X看成是连接V2N和V2V/V2I的粘合剂,其依托于成熟的蜂窝网络生态,随着4G向5G的技术演进,将在未来自动驾驶领域发挥关键的作用。

一,基于5G近实时的高清视频传输,V2N和V2V互补(V2N2V),如前所述,让自动驾驶能"看得更远更清楚",实现100%安全性。

二,5G网络切片技术提供始终如一的QoS保障。

与互联网"尽力而为"的数据传输不同,网络切片可提供始终如一的低时延和高速率服务保障,这对于安全性要求极高的自动驾驶领域尤为关键。比如,当汽车行驶于网络拥塞区域(比如演唱会、体育场附近),网络切片技术仍然能优先保障汽车通信的高速率和低时延性能。

▲网络切片 vs 无网络切片性能监控

三,边缘计算是自动驾驶的未来。

5G核心网控制面与数据面彻底分离,NFV令网络部署更加灵活,从而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从"核心"下沉到"边缘",部署于接近数据源的地方,一些数据不必再经过网络到达云端处理,从而降低时延和网络负荷,也提升了数据安全性和隐私性。

这对于时延要求极高、数据处理和存储量极大的自动驾驶领域而言,重要性不言而喻。未来对于靠近车辆的移动通信设备,如基站、路边单元等或均将部署车联网的边缘计算,来完成本地端的数据处理、加密和决策,并提供实时、高可靠的通信能力。

是的,自动驾驶需要5G,但说到最后,对于5G自动驾驶,挑战在哪里?

想到了两点:

挑战一,网络频繁切换。

5G无线频率更高、覆盖范围小,未来城市的每个灯柱或将就是一个小基站,必然会带来基站间频繁切换的问题而影响自动驾驶能力,怎么破?

C-RAN(Cloud RAN)构架可大幅降低切换开销。

挑战二,天线怎么安装?

今天的5G手机面临的一大挑战是,天线太多,手机空间太小。未来的汽车也将面临这样的问题。

我们掐指算一下,未来的汽车将有多少无线系统?LTE V2X(5.8-5.9GHz)、卫星定位(1.57GHz,1.1-1.2GHz,1.6GHz)、蓝牙(2.4GHz)、WIFI(2.4GHz,5GHz)、3G/4G网络(700MHz-2.6GHz)、雷达(76-77GHz)、5G NR(3.3-4.9GHz、6-80GHz)、无线充电等等。

这么多天线系统,在安装时必须考虑汽车的挡风玻璃、金属壳对无线信号的衰减影响,怎么破?

新材料天线、与车体集成的天线将应运而生。

总而言之,自动驾驶需要5G,5G是自动驾驶的可靠保证。随着5G网络的不断建设,越来越多的5G车联网试点将会出现。让我们共同期待5G车联网的精彩表现!

【以上信息由艾博检测整理发布,如有出入请及时指正,如有引用请注明出处,欢迎一起讨论,我们一直在关注其发展!专注:CCC/SRRC/CTA/运营商入库】

相关推荐
DolphinScheduler社区38 分钟前
Apache DolphinScheduler + OceanBase,搭建分布式大数据调度平台的实践
大数据
深度学习实战训练营42 分钟前
基于CNN-RNN的影像报告生成
人工智能·深度学习
海绵波波10744 分钟前
Webserver(4.3)TCP通信实现
服务器·网络·tcp/ip
时差9532 小时前
MapReduce 的 Shuffle 过程
大数据·mapreduce
kakwooi3 小时前
Hadoop---MapReduce(3)
大数据·hadoop·mapreduce
数新网络3 小时前
《深入浅出Apache Spark》系列②:Spark SQL原理精髓全解析
大数据·sql·spark
昨日之日20063 小时前
Moonshine - 新型开源ASR(语音识别)模型,体积小,速度快,比OpenAI Whisper快五倍 本地一键整合包下载
人工智能·whisper·语音识别
浮生如梦_3 小时前
Halcon基于laws纹理特征的SVM分类
图像处理·人工智能·算法·支持向量机·计算机视觉·分类·视觉检测
深度学习lover3 小时前
<项目代码>YOLOv8 苹果腐烂识别<目标检测>
人工智能·python·yolo·目标检测·计算机视觉·苹果腐烂识别
热爱跑步的恒川4 小时前
【论文复现】基于图卷积网络的轻量化推荐模型
网络·人工智能·开源·aigc·ai编程