阿里车路协同

93 阅读 0 评论 62 点赞

我是靠谱客的博主忧心板凳，最近开发中收集的这篇文章主要介绍阿里车路协同，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

阿里无人车的最新进展——从单车智能到车路协同

单车智能、车路协同

与车路协同相对应的是“单车智能”，这是包括谷歌以及一众无人驾驶创业公司选择的技术路径。所谓“单车智能”，就是让无人驾驶车辆本身变得更聪明，正确及时地感知、决策、控制，以应对各种复杂路况。但这种技术方案由于自身传感器等的局限，不能达到安全的要求。

车路协同核心是在打造自动驾驶体系时，由车向路延展。简单来说就像是为自动驾驶车辆开启“上帝视角”，通过在道路的固定位置设置智能感知基站，为无人车在马路上建起“瞭望台”，让自动驾驶车辆从单兵作战转变为有组织有调度的配合战。
究竟为何要把“路”纳入智能体系？从安全性角度考虑，即便在一辆车上装满传感器，受限于车子的高度，它仍然会存在盲区；此外，感知雷达的精度范围只有几十米，车速较高的情况下有追尾风险。而一旦采用，“瞭望台”可以把自己的视野分享给车，即便车上没有摄像头，它也能预判每条路的实时路况。

与其说车路协同是无人驾驶更好的解决方案，不如说这是互联网巨头在结合自身云平台优势后，选择的折中路线。通过让道路变得更聪明，从而降低了对车辆的要求，在降低单车成本的同时，也有望让自动驾驶车辆更快上路。协同智能不论是在在感知、决策，还是在控制上都是对单车智能的全面升级。

阿里布局无人驾驶，抢占物联网入口

9 月 6 日，阿里达摩院与交通运输部公路科学研究院（公路院）签署战略合作，成立车路协同联合实验室。

阿里巴巴人工智能实验室首席科学家王刚透露，在前期的对比路测试验中，车路协同已经体现出极高的优势。在多次对比路测中，他们设置了可移动假人从障碍物后突然出现的场景，在不开启道路协同的情况下，紧急避让全部失灵，在开启后紧急避让或停车全部成功。
该实验室未来的研究方向主要结合交通的实际需求，以车路协同技术、自动驾驶技术、大数据&云控平台、基础设施智能化作为主要的研究目标，其中车路协同技术是基础性技术，对其他几个方向有支撑作用。

事实上，车路协同概念并不是阿里的原创，早在上个世纪50年代，二战后的美国汽车行业就提出“让公路来引导汽车驾驶”。
不同的是，此前的车路协同重点放在如何通讯上，即研发通讯技术能让路传送信息给车。而阿里更关注感知，他们的方案是定义传送什么样的信息，即路需要精确感知到什么信息，什么样的信息是对车有用的，然后我们可以将不同的信息用已有的通信方案传送给不同的车辆。通俗的说，他们的方案让车“知道“路上发生了什么，而此前的方案则仅仅实现了车与路之间的通信。

从这些布局可以看出，相比于生产无人驾驶汽车，阿里更看好的是无人车作为未来物联网入口的战略地位。

感知基站

阿里巴巴公布的车路协同技术方案的核心技术之一是感知基站，王刚将其大概原理形容为“手机的无线发射基站，可以实现车与路、车与车之间的信息连接点。”但是对于解决方案技术细节，阿里并未做太多公开。

由于遮挡、可视距离等限制，自动驾驶车辆的传感器不能保证对路面物体的时刻感知。为了克服这一限制，阿里研发了全新的智能设备-车路协同感知基站。它是由多种传感器和高效运算单元组成，可以帮车辆进行路线规划和定位的车外大脑。

车路协同感知基站分布在道路的关键节点，实时感知周围环境并将感知信息发送给车辆。感知基站的工作半径高达 200 米。
这一基站安装在视野条件较好的高处，如抓拍摄像头、交通信号灯附近。之所以称安装了基站就像是给车开启了“上帝视角”，原因有三：
1）感知基站视角较高，相比于安装在车上的传感器，可以获得更多信息；
2）安装在路边的感知基站是静止的，相对于运动中的传感器，识别结果更为精准；
3）智能感知基站彼此之间互联互通。基于密集的感知网络，车辆可以预知道路上发生了什么，决胜于千里之外。

借助于感知基站，车辆可以提前感知到原始规划路线上发生的道路堵塞，重新进行道路规划，有效避开交通堵塞。利用感知基站网络提供的信息，车辆还可以智能地识别避让从自动驾驶车辆盲区出现的行人，同时提前感知下一路口的路况。

智能基站可以理解为，以前是在车上装眼睛，现在我们把这个眼睛和一部分大脑装在路上。车上眼睛能做什么，路上就能做什么事情，而且还能做得更好。它可以对车进行定位，也能帮助我们更新高清地图，这些事情都可以做。

阿里人工智能实验室负责人浅雪表示，目前感知基站方面还处于第一个阶段，感知基站和自动驾驶实现产品化落地还有很多工作要做。道路的智能化可以降低车的配置，从而降低自动驾驶车辆本身的成本。而车路协同的整体成本，则与基站设置的密度等相关。“基站如何部署、成本如何，我们目前正在讨论，具体信息不便透露。”

车路协同方案理论上可以有效弥补自动驾驶在安全性和成本方面的不足，但道路与车辆协调配合带来多传感器融合和信号实时传输方面的难度加大，智能驾驶汽车本身的感知与决策问题也仍待解决。实际上想要达到理想效果，对基站感知的准确性、通讯的实时性都有极高要求。