科学网 › 标签 › 自动驾驶

标签: 自动驾驶

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

“无人驾驶”的技术路线: QSThinkTank 2019-7-25 16:41; 《中国社会科学报》： “无人驾驶”的技术路线郭喨唐兴华来源：《中国社会科学报》 2018年9月4日第1529期　　无人驾驶车辆真要跑起来，需要解决感知、决策和执行等层面的技术问题。感知系统也称为 “中层控制系统”，负责感知周围的环境，并进行识别和分析；决策系统也称为“上层控制系统”，负责路径规划和导航；执行系统又称为“底层控制系统”，负责汽车的加速、刹车和转向。本文以“感知—决策—执行”的顺序呈现，是因为这样更加符合人类的驾驶模式。如，先看看前面——绿灯、周围无行人——收集信息；然后做出决策——可以通行；最后执行决策——开过十字路口。　　自动驾驶的感知系统　　感知系统的输入设备具体包括光学摄像头、光学雷达（ LiDAR）、微波雷达、导航系统等。这些传感器收集周围的信息，为感知系统提供全面的环境数据。　　光学摄像头是目前最便宜也是最常用的车载传感器，它的一大优点就是可以分辨颜色，因此也成为场景解读的绝佳工具。但其缺点也很明显： 1.缺乏“深度”这一维度，没有立体视觉就无法判断物体和相机（可以换算为车辆）间的距离；2.对光线过于敏感，过暗或过强的光线以及二者之间的快速切变，比如驶入和驶出隧道都足以影响它的成像。　　激光雷达，即利用激光来进行探测和测量。其原理是向周围发射脉冲激光，遇到物体后反射回来，通过来回的时间差，计算出距离，从而对周围环境建立起三维模型。激光雷达探测精度高、距离长；由于激光的波长短，所以可以探测到非常微小的目标，并且探测距离很长。微波雷达的原理和激光雷达类似，不过它发射的是无线电波而不是激光。微波雷达精度不及激光雷达，但胜在价格低、体积小，在某些车辆行驶辅助系统中已经得到了广泛应用。同时，精度低反过来又成了微波雷达的优点，因为它较大的波长可以穿透雾、烟、灰尘等激光雷达难以穿透的障碍，较好免疫恶劣天气。　　光学摄像头和雷达测量在感知环境中相辅相成，共同为无人驾驶车辆提供完整、准确的外部信息。有了 “眼睛”接收信息，接下来就是利用深度学习等手段对信息进行识别。将多种传感器的信息相互融合并不是一件容易的事情，可以利用韦伯斯的误差反向传播算法和先进的数字摄像技术对外界事物进行准确识别。　　自动驾驶的感知系统不仅包括它的 “眼睛”，还包括它的“大脑”——高精度地图。人类驾驶者会调用记忆中熟悉的道路场景来辅助驾驶，自动驾驶也会通过高精度地图获取必要的环境信息特别是相对固定、更新周期较长的信息，如交通信号灯（请注意，这里是指物理的“灯”本身而非“灯的信号”即红、黄、绿）、车道标记、路缘等。这些信息还可以与传感器所获得的“即时信息”相印证，从而实现“多传感器融合”的效果，就像我们走路，不仅会用眼睛看前面的路，还会用耳朵听身后的车，甚至会用鼻子闻路边食品店里的香气一样。因此，自动驾驶去“感知”的不仅仅是“眼睛”，也是“大脑”。　　自动驾驶的决策系统　　自动驾驶决策系统负责路线规划和实时导航，这里主要涉及高精度地图，又称 “高清数字地图”。无人驾驶汽车用的并不是普通的导航地图，它在精确度和信息量上与普通地图差别很大，因而被称为“高精度地图”。普通地图比较粗糙——因为我们人类的认知能力足以“脑补”，通过简单的二维线条的表示就知道了道路的走向，线条的交叉点表示十字路口——这让目前的机器来“脑补”就太难了。高清数字地图的精度一般在厘米级，而且是立体三维的，包含车道线、周围设施的坐标位置等行车辅助信息。与人类当前使用的电子地图相比，自动驾驶的高精度地图还有一个重要差异在于，高精度地图会收集道路激光雷达的反射强度——这是一个对人类驾驶者几无价值而对“人工智能驾驶员”意义重大的道路特征，它变化很慢而且小，是帮助自动驾驶车辆光学雷达定位的一个理想特征值。通过光学雷达扫描获取的信息跟已知的高精度地图信息对比，就可以确定当前车辆的位置。　　自动驾驶的决策系统不仅需要独立的 “智能车辆”，也需要“智能交通系统”的支持，如V2V等。在高精度地图之外，另一个支持路径规划的技术是V2X，一般认为它是在V2I的基础上发展起来的。V2X意指将车辆和环境形成一个“物联网”，包括车对车、车对基础设施，以及车对行人等一系列通信系统。如果车辆能够直接“得到”，而不仅仅是“看到”信号灯的信息，就能保证绝对不闯红灯。这里“得到”的意思是，比如在离交通灯还有100米、传感器还“看不到”的时候，信号灯就主动“告诉”车辆自己的信号状态及变化时长，自动驾驶车辆无需直接“看清”信号灯的内容（“看清”有时是很不容易的事情，大雨、暴雪天气，狂风刮起的塑料袋，以及大货车的遮挡，都足以让车辆的摄像头“看不见”交通信号灯）。此外，如果能够提前得知周围车辆的行车意图，就能够很大程度上避免事故的发生。　　有了高精度数字地图和 V2X通信网络，系统就可以应用搜索算法评估各种驾驶行为所花费的成本，包括信号灯等待时间、道路拥堵情况、路面维修情况等，以此获得最佳行驶路径。　　自动驾驶的执行系统　　执行系统也是底层控制系统，负责执行汽车的刹车、加速、转向的具体操作。工程师们通过特制的 “线控装置”控制方向盘和油门，取代人类司机的手和脚，并配置多个处理器组成的子系统，以此来稳定、准确地控制汽车的机械系统。这些子系统，包括引擎控制单元（ECU）、制动防抱死系统（ABS）、自动变速箱控制系统（TCU）等，它们通过一个“总线”来进行内部通信，在汽车中称作CAN总线协议。　　CAN总线最关键的地方在于带宽（bandwidth）和网络稳定性。带宽是指数据在网络中传输的最大速率，通常以每秒多少bits为单位来计算。对于无人驾驶汽车来说，精准的控制和快速响应至关重要，这意味着要提高总线带宽的传输速度，对需要处理庞大数据的无人驾驶系统而言存在较高挑战。同时处理各个传感器传递过来的数据流时，带宽有时会面临挑战，系统速度会大为下降。对整个反应执行过程而言，CAN总线的响应时间变得很慢，这在实际驾驶中是不能接受的。其次，控制的平滑性也影响乘客体验。此外，作为一个网络，数据传输的安全性也不容忽视，如果黑客成功攻击了CAN总线，就能对汽车进行控制。因此，提高底层网络系统的防御能力和网络容错性非常重要。　　通过以上感知、决策与执行三个系统分工合作，责任明确地控制汽车的运行，就可以使无人驾驶汽车具备理论上 “行驶”的条件。但正如《无人驾驶》一书作者胡迪·利普森和梅尔巴·库曼所指出的，“虽然这种技术几近准备就绪，但是这一独特技术所依存的社会环境可能还未准备妥当”。比如，相关立法较为滞后。然而，由于效率和安全方面的优势，我们有理由相信：无人驾驶的时代终将到来。　　（作者单位：浙江大学科技与法律研究中心、浙江大学光华法学院；中国人民大学哲学院）; 个人分类: 自动驾驶|1872 次阅读|0 个评论

[转载]激光雷达与自动驾驶的产业化之路: Kara0807 2019-4-2 16:33; 邱纯鑫、曾永昌随着人工智能时代的来临，激光雷达被广泛应用于自动驾驶、机器人、安防监控、无人机、地图测绘、物联网、智慧城市等高新科技领域。据高盛估计，2020 年，全球激光雷达市场规模将超过百亿，2050 年有望超过6000 亿，发展规模呈现指数级增长。激光雷达（LiDAR），无人驾驶的“眼睛”，人工智能时代最具想象力的传感器。 LiDAR 能够进行主动探测，不受外界环境光影响，实时感知环境信息，获得精确可靠的三维数据，从而赋予机器人超越人类的视觉能力。随着人工智能时代的来临，激光雷达被广泛应用于自动驾驶、机器人、安防监控、无人机、地图测绘、物联网、智慧城市等高新科技领域。据高盛估计，2020 年，全球激光雷达市场规模将超过百亿，2050 年有望超过6000 亿，发展规模呈现指数级增长。在人工智能技术正快速产业化的自动驾驶领域，市场规模巨大，据汽车行业相关权威机构预测，至2035 年全球自动驾驶汽车销量将达到1180 万辆。麦肯锡预测，到2025 年，自动驾驶汽车将催生出一个2000 亿至1.9 万亿美元的巨大市场。与此同时，物流领域已被视为自动驾驶技术率先落地的场景之一，根据国家物流与采购联合会数据，智慧物流市场规模将在2025 年突破万亿。激光雷达凭借强大的感知能力，守护自动驾驶对人类出行安全的承诺，已成为该领域必不可少的传感器，与自动驾驶相辅相成，共同快速发展。激光雷达的定义与分类激光雷达（LiDAR）是通过激光测距技术探测环境信息的主动传感器的统称。它利用激光束探测目标，获得数据并生成精确的数字工程模型。目前，激光雷达的激光测距技术有三种： 1. 激光飞行时间法（TOF），通过将光脉冲在目标与雷达间的飞行时间乘以光速除以二，就可以获得距离，该方案成熟度比较高，适用于长距离探测，绝大部分车载激光雷达采用的就是该方案。 2. 三角法，由于入射光和反射光构成一个三角形，对光斑位移的计算运用了几何三角定理，故该测量法称为激光三角测距法，适合短距离测量，多用于单线二维激光雷达。 3. 调频连续波法(FMCW)，原理类似Radar，通过多普勒效应等光的波动变化，测算发射光谱频率和接收光谱频率的差异，便可得出距离和速度，该技术方案比较前沿，尚无成熟产品。激光雷达的种类比较多，可以通过下面四个主要方面划分： · 按照功能用途，可以分为激光测距雷达、激光测速雷达、激光成像雷达、大气探测雷达、跟踪雷达； · 根据载荷平台，可以分为星载、机载、车载和地基； · 根据扫描方式，可以分为机械式、MEMS、Flash、OPA； · 根据雷达线束，可分为单线和多线； · 自动驾驶广泛使用的激光雷达产品属于车载多线成像激光雷达，这类是本文探讨分析的对象。激光雷达相对于其他传感器的优点由于激光雷达与摄像头具有出色的成像能力，一直以来被当作自动驾驶的核心传感器。激光雷达相较于摄像头的好处是它能得到准确的三维信息，而且自身是主动光源，能够不受光照的影响，白天和晚上都能照常工作。摄像头识别的颗粒度比较高，能够获得丰富的纹理色彩，所以能够实现精细化的识别，在这一点上激光雷达不如摄像头。摄像头最大的缺点是受环境光的影响大，在强光照射、高亮反白物体、夜晚弱光环境等情景下，采集到的数据都难以通过算法进行有效可靠的环境感知。激光雷达是通过激光主动探测成像的，不受环境光影响，直接测量物体的距离方位、深度信息、反射率等。算法首先对障碍物进行识别，然后再分类，识别准确度和可靠性远超摄像头，而消耗的计算资源低于摄像头。可以说，激光雷达在自动驾驶中的应用，最重要的部分就是高精度定位，先确定自身所在的位置，自动驾驶车辆才会面临“要往哪里去”的问题。所以，确定“我在哪里”是第一步，也是非常关键的一步。按常规理解，定位应该只是GPS的任务，的确，自动驾驶的定位会用到GPS，但是GPS定位的精度不足，而且在遇到高楼林立或者进出隧道等情况下信号稳定性差，因此难以保证自动驾驶车辆的安全。所以自动驾驶定位需要结合激光雷达、GPS、IMU等，以完成稳定可靠的高精度定位。激光雷达硬件配合针对自动驾驶研发的AI感知算法，可以完成对周围障碍物进行识别，对路边沿进行检测，进行高精度定位等任务，还能够实现分类标注，把障碍物分为卡车、小汽车、行人、自行车等。激光雷达与自动驾驶的产业化发展之路首先，我们对自动驾驶的发展做一个阶段性的划分，根据发展历史和行业未来的预测，自动驾驶的发展可以分为三个阶段。第一个阶段，2016年之前，实验室阶段；第二个阶段，2016年到2020年前后，试运营阶段；第三个阶段，2020年之后，大批量商业化运营阶段。在每一个阶段，自动驾驶都对激光雷达有着迫切的需求，激光雷达技术产品的发展也推动着自动驾驶的快速发展。实验阶段回顾自动驾驶的发展历史，最早应该追溯到近百年前，美国的陆军电子工程师Francis开始用无线电波控制车辆的刹车、离合以及转向。1956年，美国通用汽车用预埋电缆配合车上安装的接收器进行车辆的控制。1977年，日本筑波工程研究院开始使用摄像头传感器，指导汽车驾驶。1998年，意大利的帕尔马大学使用双目摄像头对物体进行识别、导航，当时车辆行驶了2000公里，94%的里程都是在自动驾驶模式下完成的，剩下6%左右需要在人工干预下完成。自动驾驶发展最具有代表性的事件是2004年举办的美国无人驾驶DARPA挑战赛，当时有25支队伍参与，遗憾的是，没有一支队伍完成任务，即使比赛总里程只有11.78公里。当时大家讨论说，这次比赛之所以没有完成任务，最主要的原因是车辆对环境感知不充分，几吨甚至接近十吨的车，碰到前面的小草堆就“不敢”过去了。这也从侧面反映出纯视觉传感器的缺陷，它们要对强光对射、黑暗、斑驳光影的道路环境进行感知，这将大大增加算法的难度。在2005年的DARPA挑战赛上，新的突破出现了。斯坦福大学车队在车顶上装了多台单线激光雷达，这类单线激光雷达原来并不是用在机器人或自动驾驶车辆上的，而是用在工业方面，所探测的距离并不远。但是在装上激光雷达后，斯坦福大学车队的车辆完成了比赛，夺得了冠军。激光雷达在自动驾驶环境感知系统中的地位开始确立。美国激光雷达企业Velodyne也是因为参加了这个比赛，意识到激光雷达对自动驾驶的重要性，开始投入机械式多线激光雷达产品研发。在此之后，多线激光雷达成为自动驾驶方案的常规配置， 2017年，拥有L3自动驾驶能力的全新奥迪A 正式搭载激光雷达传感器。同时，L3~L5自动驾驶车辆必须搭载激光雷达，基本达成行业共识。试运营阶段从2016年开始，自动驾驶开始进入试运营测试阶段，激光雷达市场需求爆发。 Waymo作为全球自动驾驶的领先企业，在2016年、2017年和2018年，汽车的下单量从100辆、600辆增长到2万辆；2018年5月底，菜鸟发布了物流小车，表示要在三年内投入10万台车；2018年6月，京东无人车总部项目落户长沙，开展区域化试运营；2018年7月4日，百度和金龙合作的自动驾驶巴士宣布小批量量产……行业对激光雷达需求量不断攀升。 2016年到2017年，各领域进入小批量路测阶段。非高速开放场景进入小规模试运营准备，面对突如其来的需求，激光雷达市场进入短暂的供不应求阶段。非高速开放场景需要快速部署软件算法与激光雷达硬件结合的环境感知解决方案，价格尚未确定是市场敏感的因素。另一方面，高速／复杂场景自动驾驶方案也进入小批量路测阶段。 2017年到2018年，各领域自动驾驶方案基本进入小批量试运营准备，非高速开放场景应用开始规模化试运营，市场需求开始发生改变：非高速开放场景追求激光雷达系统稳定性、产能、性价比；高速复杂场景路测逐渐增加，对高线束激光雷达环境感知方案需求增加。 2019年到2020年，自动驾驶的低速封闭场景和开放场景应用进入规模化试运营，在高速开放场景中的实验更加流畅，准备进入自动驾驶批量化运营阶段。激光雷达行业产品性能开始趋于统一，但市场对于产品价格、性能、系统稳定性、可制造性等全方位要求明显提高，市场竞争的内容发生改变，全新一代革命性技术产品——固态激光雷达开始进入市场。这一阶段是激光雷达市场规模开始爆发,激光雷达初创企业快速成长的时期。由于成立时间早，Velodyne凭借传统机械式激光雷达，在市场中占据优势地位。同时，在这一阶段前后，国内外激光雷达企业纷纷成立，并快速成长为行业的核心力量。例如，2014年，成立于深圳的RoboSense(速腾聚创)，凭借超过10年的科研积累，快速完成产研转化， 2017年4月，在国内率先量产车载16线激光雷达，同年9月,量产32线激光雷达，并正式发布基于激光雷达的自动驾驶环境感知AI算法，提供软硬结合激光雷达环境感知解决方案，快速获得大量市场份额。2017年10月, RoboSense(速腾聚创)公布MEMS固态激光雷达,并于CES2018公开展示，一举成为世界上为数不多掌握固态激光雷达核心专利技术的顶级玩家。大规模商业化运营阶段 2020年以后，自动驾驶将进入商业化运营阶段，各自动驾驶服务运营方全面竞争，自动驾驶汽车私人消费市场逐渐爆发。全球各大OEMs或者Tier 1的自动驾驶发展时间表，基本上都集中于计划在2020年到2022年实现L3或者L4。而L5的实现则大有不同，大部分企业将实现L5的时间定在2025年，部分企业定在2022年，更有甚者选择定在2030年。在这一阶段，各类型自动驾驶车辆将开始规模化量产，并投入各场景常规化运营，对激光雷达有车规级、易量产、高分辨率、低成本等严格要求。激光雷达需要向大规模量产、低成本以及高稳定性方向发展。实际上，距离这一阶段到来的时间点已经非常近了，目前，传统激光雷达系统由于物理极限和成本高等因素限制，难以满足这一阶段的行业发展需求。因此,自动驾驶大规模商业化运营的实现中,有关环境感知的使命将会落到全新一代的固态激光雷达技术产品上。固态激光雷达技术方案可分为MEMS、OPA与Flash三种。 MEMS（微机电系统）：利用MEMS微振镜对激光进行精确控制，系统内所有的机械部件都集成到单个MEMS芯片上，芯片利用半导体工艺生产。 OPA：相控阵，原理与相控阵Radar类似，采用多个光源组成阵列，通过控制各光源发光时间差，合成具有特定方向的主光束，主光束便可以实现对不同方向的扫描。 Flash：面阵方案，短时间内直接发射出一大片覆盖探测区域的激光，再以高度灵敏的接收器完成对环境周围图像的绘制。该技术发明和应用的历史比较长久，但是由于高功率问题限制了它的探测距离。这三种革命性的方案都有基于自身技术原理带来的不同优缺点：同样是芯片化方案，千元级别的MEMS方案和OPA相比,成本难以快速降到百元甚至十元级别，但是MEMS更容易实现远距离探测，而OPA与Flash要达到200米的探测距离还有大量的工作要完成。面对这场具有革命性技术加持的竞争，纵观全球行业市场，新一代产品核心技术已经被RoboSense、Innoviz、Quanergy等产业后起之秀所率先掌握，未来的市场将是多元化的。目前，已经完成固态激光雷达Demo的顶级激光雷达厂商，正在进行车规级测试认证、性能提升、量产准备等工作。 2018年5月，RoboSense推出的MEMS固态激光雷达RS-LiDAR-M1Pre已经率先搭载到菜鸟无人驾驶物流车使用，成为首款在无人驾驶车辆上使用的固态激光雷达。我们希望在2020年，能够将MEMS固态激光雷达的量产成本控制在200美元以内。激光雷达进入自动驾驶感知系统，成功推动了自动驾驶结束漫长的实验探索期，进入快速发展的试运营期。自动驾驶的快速发展和行业需求，反向激发了激光雷达技术和产业的全面爆发。全新一代固态激光雷达产品方案的成熟和量产，将推动自动驾驶商业化运营的大规模普及。激光雷达产业未来发展激光雷达产业有三个主要发展方向：固态化、激光雷达与摄像头底层融合、智能化。第一，激光雷达固态化。面对即将到来的自动驾驶商业化运营的阶段性市场，低成本车规级的固态激光雷达需要肩负起它的使命，行业对固态激光雷达的真正量产期待已久。激光雷达固态化后，将消除传统机械式激光雷达中存在的物理限制，并且带来高分辨率、长距离、车规级、易量产以及低成本等优势。第二，激光雷达与摄像头底层融合。两者作为自动驾驶的核心传感器,各自拥有独特的优势，摄像头可以获取真实世界中丰富的二维彩色信息，激光雷达能够获取三维高精度空间信息。对于自动驾驶环境感知需求，一方面，如果仅依靠摄像头获取的二维图像，感知的可靠性和探测的准确度都难以保证驾驶的安全性。另一方面，仅依靠激光雷达又很难对诸如交通路牌、红绿灯等信息做出有效识别，以及对复杂障碍物进行精细化分类。通过底层深度融合LiDAR和摄像头数据，可以发挥出更强大的感知能力。将二维彩色信息覆盖到三维高精度空间数据上，获得时空同步后的彩色点云数据，极大地提高了AI感知算法对目标物体的分割及分类探测距离、准确度、精细度，从而大幅提升自动驾驶车辆安全性。第三，激光雷达智能感知系统。基于MEMS固态激光雷达、AI环境感知算法、激光雷达与摄像头融合，多项前沿技术形成闭环达成了智能化激光雷达感知系统。通过AI算法对彩色数据进行预处理，有选择性地对感兴趣区域进行重复探测，能够为自动驾驶带来更远的探测距离与更为准确的感知结果，有效降低中央数据处理单元的数据处理压力，从而确保汽车迅速完成安全可靠的驾驶操作响应。总结激光雷达推动了自动驾驶行业的迅速发展，加速了商业化进程，提供了高效快捷的物流运输，更守护了人类安全可靠的出行。可以说，自动驾驶完成商业化，将加速自动驾驶时代的到来。激光雷达产业和技术在迫切的市场需求下快速成长。未来，更先进的激光雷达产品和更成熟的产业链，又将通过精确、可靠、低成本的三维环境感知能力，加速机器人、无人机、安防监控、智慧城市等人工智能产业商业化的进程，推动人类全面跨入人工智能时代。 ▎ 本文来源：赛迪研究院主办的《人工智能》杂志，智车科技（IV_Technology）整理编辑，转载请注明来源。如有侵权请第一时间联系我们。; 个人分类: 自动驾驶|3809 次阅读|0 个评论

[转载]5G通信入门视频: quantumchina 2019-3-23 08:51; 5G通信开始慢慢进入我们的生活、工作视频资源来自网络，整理以方便大家学习交流 5G不仅将进一步提升移动互联网用户体验，还将解决千亿机器无线通信的物联网需求。 https://weibo.com/tv/v/H7muWiuqI 8分钟讲解关于5G的一切 http://3g.163.com/v/video/VK6HV9EOE.html 5G是个啥玩意？听通信业专家给你详细讲解！ https://sv.baidu.com/videoui/page/videoland?pd=bjhcontext={%22nid%22:%229910791195426029313%22,%22sourceFrom%22:%22bjh%22}fr=bjhauthortype=video; 个人分类: 大众科普|1674 次阅读|0 个评论

坐自动驾驶汽车，是怎样的一种体验？: wshuyi 2019-2-4 12:06; 管中窥豹，遇见未来。好不容易放个假，好好歇歇。所以咱们这次，就不给大家讲 Python 编程了。但是咱们要谈的话题，依然是和数据科学有关。那就是——自动驾驶。我上课的时候，没少给学生播放 Tesla 那段脍炙人口的自动驾驶视频。学生们都觉得很惊艳。但是，看视频，和自己坐在这样的车上，还是有些区别的。机会前几天，我刚好有个机会，亲自体验了一把。地点是在得克萨斯州的 Arlington 。当天早上，我应 North Central Texas Council of Governments（以下简称 NCTCOG）的邀请，做了一场报告，介绍如何用深度神经网络分析 Waze 交通事件数据序列，预测交通拥堵。报告效果不错。会后主办方的 Thomas 和 Clint 很热情地与我们共进午餐（当然，还是AA制），还邀请我们 UNT 团队坐了自动驾驶汽车，往返于他们单位和餐馆。目前这种自动驾驶服务，还不是到处都有。因此车辆虽然是小汽车，但是也像公交车一样，设置了几个固定的站点。 NCTCOG 楼下，刚好就是一站。 Thomas 的手机上，已经安装好了 App，因此他很娴熟地来到这个机器前面，输入了相关信息，不一会儿就收到提示，5分钟以后，车就会到。跟我一起来的两位 UNT 成员，分别是计算机系的杨青老师，和我们系的博士生 Habib 。他俩的共同特点，是都坐过自动驾驶汽车了。所以，可想而知，最兴奋的，是我。体验 Thomas 的手机 App 提示车辆接近的时候，我们几个就来到了大门外的站牌前面等候了。不一会儿，一辆绝对足够显眼的橙色小车，就来了。车辆停下，我有些失望。不是说好了无人驾驶吗？坐在驾驶位上这位大哥，你…… 有意思的是，车虽然停下来，但是车门是不开的。叫车的人，得到副驾驶位车门跟前，根据屏幕提示“对暗号”，也就是几个数字。输入正确后，后方车门自动解锁。我们三个人，坐在后排，有点儿挤。不过我一看前方椅背上的屏幕，立刻就激动起来了。屏幕分上下两部分。上面是摄像头拍摄的左、前、右三方实景，下方是车辆感知周围物体的动态图像。车辆周围的物体，都被识别得一清二楚。前排大哥说了欢迎词，然后让我们系好安全带后，自己按下绿色按钮。按完之后，车辆就自动起步，然后就按照设定的终点规划路线，开起来了。停车场、小路、大路、交叉路口……每一种场景，车辆都能轻松应付。甚至是连左转弯，都可以正确识别对方直行车辆，严格根据交通法规礼让之后，才会转。在这个过程中，你当然可以看窗外的景色。但是我的注意力，全都被那块小屏幕吸引住了。不管是动态还是静态的物体，识别得都及时准确。车速、方向、距离的掌握都与人类司机驾驶的效果无异。我很怀疑前面大哥自己开的。大哥只好很无辜地把双手举起来给我们看，证明目前的转弯，确实不是他做的。他特别说明，自己的职位，不是“司机”，而是“自动驾驶交通工具操作员”（以下简称“操作员”）。这份工作的上岗考试，可比出租司机复杂多了。我们于是问：“既然无人驾驶，为什么还要在司机位置坐人呢？” 操作员说，这是为了安全起见。如果真的出现紧急状况，他会介入干预，以保证乘客的安全。介入的方法，包括触碰方向盘、油门、刹车等。总之，只要人一干预，车自动转让控制权。我问，这样需要介入干预的情况，有多频繁？他笑了，说就他自己的经验而言，一次都没有。技术 Habib 特别能聊，一路上都在问操作员问题。我从他们的对话里，学到了不少东西。原来，这不是他服务的第一家自动驾驶企业。之前，这位操作员曾经在另外两家公司干过。于是 Habib 让他谈谈区别。他说，之前操作过的自动驾驶车辆，从配置上来说，也是有摄像头、传感器、雷达这些外设标配。但是最大的区别，在于早先那些车辆，用的是基于规则（rule-based）的程序。基于规则，就意味着人需要把所有可能的情况，都预先编写到程序里面。这样，人考虑的不周全的地方，也成了后面实际驾驶环节中，可能出现的隐患。所谓“智者千虑必有一失”，因此可想而知，这种隐患会有多大。然而现在他操作的车辆，用的是（深度）机器学习模型。人们不用预先设定各种情况的处理方式。车辆自己根据数据来学习。车在路上跑的时间越长，积累的数据就越多，模型能应对的情况也就越多。之所以现在只能按照固定的站点跑，是为了安全起见。实际上，车辆走的并不是封闭道路，因此各种车辆、行人、路标基本上都见过了。一个让人疑惑的问题，是如果遇到天气不好的时候，怎么办？操作员的回答是，目前的规则，是安全第一。如果遇到下大雨，影响视觉，那就暂时不提供服务。但是后来我听杨老师补充，目前这种车辆，使用的已经是激光雷达。这种雷达，根本不关心下雨这种影响视线的问题，对物体都能正确识别。想想，估计也是因为新生事物，大家都加以保护吧。毕竟如果灾害天气出行，万一因为非技术原因出了事故，可能会对产业的发展都造成影响。小心驶得万年船啊。未来 Habib 自然而然地，就问了个问题：你觉得都改成了自动驾驶，会不会造成大量失业？操作员斩钉截铁认为不会。一些职位被取代的同时，也会有新的职位创造出来。例如说他自己。如果没有自动驾驶，他又哪来的现在的工作岗位呢？他说，自动驾驶是未来的趋势。机器来操作车辆，远比人要来得安全。人类不用开汽车了，还可以做许多其他更有用的事情。杨老师也跟我解说了未来自动驾驶会给社会带来的改变。至少，所有的路牌，全都不需要了。其实有了 GPS 之后，这些路牌的价值就已经大打折扣。所有的路牌，可都是需要花钱购买、安装和维护的。这笔费用，不可小视。另外，公路上的汽车，如果都是自动驾驶，那么电脑之间就可以进行直接通信。道路的限速可以从现在的70提升到90，而且车辆之间的距离也可以大幅缩短。这一切，不仅提升了效率，也并不会以牺牲安全为代价。从餐馆回去的路上，我们刚好看到了一个非常有趣的情景。自动驾驶汽车的站点，刚好在一个公交车站后面。我们走过去的时候，一辆公交车，就停在自动驾驶汽车的前面。两种诞生日期相差百年的交通工具，静静地停在一起。未来和历史，就这样活生生地呈现在我们眼前。尝试如果你有机会来得克萨斯州，欢迎到 Arlington 或 Frisco 来体验自动驾驶汽车。这是对公众开放的项目，任何人都可以尝鲜。更重要的是，（至少目前阶段）这项服务，是免费的。拜年写完文章才发现，今天刚好是除夕。给各位亲爱的读者拜个年！王树义祝大家新春快乐、万事如意！喜欢请点赞。还可以微信关注和置顶我的公众号 “玉树芝兰”(nkwangshuyi) 。如果你对 Python 与数据科学感兴趣，不妨阅读我的系列教程索引贴《如何高效入门数据科学？》，里面还有更多的有趣问题及解法。; 3355 次阅读|0 个评论

自动驾驶测试技术与车路协同应用实践: Kara0807 2018-11-11 20:15; 原创：小智智车科技重庆车辆检测研究院有限公司总经理、国家客车质量监督检验中心主任刘昌仁在 “首届车路协同自动驾驶国际论坛”上做了《自动驾驶测试技术与车路协同应用实践》的主题演讲。他介绍了自动驾驶与车路协同测试面临的挑战与未来发展趋势，并分享了重庆车检院在无人车检测上的应用实践。随着汽车产业智能化步伐加快，自动驾驶成为众多车企争抢的新兴市场。自动驾驶技术发展以创新为引领、以安全为前提，在封闭场地充分测试验证的基础上逐步开放公共道路测试，是自动驾驶技术走向应用必不可少的环节。今年，为规范引导自动驾驶封闭场地测试工作，推进自动驾驶技术发展，交通运输部印发了《自动驾驶封闭测试场地建设技术指南（暂行）》，规定了自动驾驶封闭测试场的场地、通信、供电及其他基本要求，要求封闭测试场地应至少含有直线路段、弯道路段、道路出入口、坡道路段等测试道路，含有具备全覆盖、低延时的路侧通信设备，安装高清监控系统等。据此，交通运输部认定了首批三家自动驾驶封闭场地测试基地。重庆车辆检测研究院有限公司榜上有名，成为这三家获此资质单位之一。作为重庆车辆检测研究院有限公司总经理、国家客车质量监督检验中心主任刘昌仁在“首届车路协同自动驾驶国际论坛”上做了《自动驾驶测试技术与车路协同应用实践》的主题演讲。自动驾驶与车路协同测试面临的挑战刘总认为目前测试面临的挑战主要有四大方面：挑战一：如何对自动驾驶技术进行全面检验？自动驾驶汽车测试方法多种多样，目前主要有软件在环（SIL）、硬件在环（HIL）、车辆在环（VIL）、封闭场地测试以及道路测试。如何设计测试的整个流程，各个测试阶段如何衔接，如何规定各个阶段的测试边界以及道路测试需要累计多少里程与时间等这些问题都在影响着自动驾驶技术测试的全面性。挑战二：道路考试能证明自动驾驶汽车的安全性吗？挑战三：自动驾驶测试多好是足够好？如果以当下有人驾驶汽车的行车安全性为参考基准，结合有关道路测试里程的数量与道路类型的数据，以及有关车祸次数、受伤与死亡人数的数据，评估自动驾驶汽车的安全性能是否合理。挑战四：自动驾驶测试过程中的暗物质问题封闭道路测试需要测试典型场景、边缘场景甚至是极端场景，在道路测试阶段也有开放和半开放道路测试，如何把暗物质区域缩小到让无人车足够安全也是目前测试的挑战。中美两国自动驾驶政策导向及战略考量面对以上挑战，中美两国在自动驾驶测试上都做出了政策导向。2016年9月20日，美国交通运输部公布无人驾驶汽车政策文件《联邦自动驾驶汽车政策》，建议在全国范围内建立一致的自动驾驶汽车测试和运行框架；2017年9月12日，美国交通运输部发布《自动驾驶系统 2.0：安全愿景》，进一步细化了测试规范；2018年10月4日，发布《准备迎接未来交通：自动驾驶汽车3.0 》，针对多种运输模式提供新的安全指导。国内在2018年4月12日，由工信部、公安部、交通部三部委联合印发《智能网联汽车道路测试管理规范(试行)》，明确了测试主体、测试申请方法以及测试管理要求等。目前，北京、上海、重庆、河北、浙江、吉林、湖北、湖南、江苏等省市建设智能网联汽车测试示范区、积极推动自动驾驶汽车封闭区域、开放道路的测试验证。国内获取自动驾驶汽车道路测试牌照流程如下：道路测试的内容也逐步完善。自动驾驶与车路协同测试技术发展趋势目前自动驾驶车辆测试主要围绕传感器、执行器、算法、人机界面四个层面进行，主要检测车辆的安全性、合理性与稳定性。计算机仿真技术的发展，让虚拟测试逐渐变得重要起来。虚拟测试可以覆盖更多案例场景的参数空间，确定临界工况与寻找危险工况点，并获取刻画自动驾驶系统以安全的操作方式应对临界场景的能力的有效模型。这正好弥补了实车测试对危险复杂工况复现能力差的缺点，将虚拟测试与实车测试融合，可以比较仿真中的行为与真实测试中的行为，并不断验证仿真环境中自动驾驶汽车的行为反应。下图为整个的自动驾驶测试体系。重庆车检院的应用实践重庆车检院在重庆市高新区金凤电子产业园区约10 平方公里的地域上，建设封闭、半开放、开放三大测试区域，可满足城市道路、高速公路、多车道等场景下的自动驾驶测试应用示范。该测试区设计了支持48种以道路为基础的自动驾驶测试应用场景，其中网联协同类场景28个，自动驾驶类20个。场景分为安全类、效率类、服务类、通信能力类、车辆性能类、驾驶行为类、异常处理能力类、退出机制类、以及操作类。所有场景分布在高速、城镇、乡村等多个典型区域。同时设计了雨雾路段、服务区/加油站、学校区域、交通环岛、公交车站等多个典型场景。立足重庆，辐射西南，凭借着全面测试体系，重庆车辆检测研究院有限公司目前已为郑州宇通、大小金龙等客车企业，长安福特、重庆力帆等乘用车企业，威伯科、克诺尔、清智科技、武汉极目等国内外智能汽车零部件供应商提供了标定、测试、验证等技术服务。本文为智车科技（IV_Technology）整理编辑，转载请注明来源。; 个人分类: 智能车|4723 次阅读|0 个评论

[转载]1000美元实现自动驾驶，他是怎么做到的？: Kara0807 2018-7-18 22:16; 叶无极智车科技 L4自动驾驶是Comma.ai的目标， Comma.ai的CEO 霍兹理解的L4可能与其他人不同，他认为，达到这个程度的自动驾驶技术后，就意味着如果发生事故，那么责任就不再是司机的了，而是要由提供技术的厂家负责。 “自动驾驶汽车就是个骗局。”乔治·霍兹（George Hotz）这么说。这位曾经叫做“geohot”的少年黑客如今已成为自动驾驶技术公司Comma.ai的CEO，而仅仅两年时间，Comma.ai就在旧金山拥有了一栋加州风格的双层办公楼。公司的最新产品是一款名为Comma One、售价在1000美元区间的汽车套件，可以将一辆普通汽车变成自动驾驶版本。但很可惜，在收到NHTSA的一封措辞严厉的信件后，霍兹放弃了多项公司计划，并把自己写的“openpilot”自动驾驶代码免费发布到了网络上。目前，Comma.ai正在使用一辆本田思域进行自动驾驶测试，但既然霍兹认为自动驾驶汽车不可信，又放弃了销售Comma One的计划，那为什么他们还在进行相关测试？公司接下来又要卖什么产品？霍兹曾是首位解锁了iPhone的黑客，那年他17岁，之后，因破解PS3与索尼产生纠纷，还与特斯拉的马斯克吵过架。有着这样的经历，霍兹自然不害怕说出有争议的话，他还认为，包括Waymo和特斯拉在内，这些公司的问题是总想着把人类剔除，“但没有一辆自动驾驶汽车比人强，所以，让系统与人类驾驶员共同作用将更安全，也更方便。”霍兹解释道。也就是说，根据霍兹的观点，真正具备潜力的是驾驶员辅助系统（ADAS）这个环节。而这正是Comma.ai区别于其他自动驾驶公司最本质的一点。另外，多数公司选择把自动驾驶技术率先应用到打车服务当中，霍兹却觉得，这样的方法并不有效，因为自动驾驶出租车不仅行驶缓慢，也会给乘客带来不便，很难作为一种新的出行习惯被用户广泛接受。 “何况，我们已经有了Uber，为什么还要推出服务不及它的自动驾驶产品。” 所以，Comma.ai将目标对准消费者层面，推出3款小设备，可以对所有丰田或本田新款汽车里的ADAS进行重写。这3款设备分别是：经过改造的专用OnePlus手机、与车辆系统连接的电子狗和用来给车辆下命令的Giraffe适配板。三者合一，车辆就有了车道保持和自适应巡航控制系统。目前，只有凯迪拉克的Super Cruise提供不需要司机手握方向盘的自动驾驶功能，而Comma.ai就像是没有测绘和地理围栏的小规模版本Super Cruise。他们的手机摄像头用来观察人类头部运动，如果检测到司机没有关注路况就会发出警报，4秒钟后发出语音警告，而如果又过了6秒钟依旧没有相应，系统将关闭自动驾驶系统并开始减速。在没有司机监控系统的情况下，过度信赖自动驾驶技术是一件很危险的事情，特斯拉就因为没有给Autopilot配备监控系统而受到指责。在更加平民化的车上，比如日产ProPilot和本田Sensing，虽然都配有ADAS，但业内人士认为，效果并没有特斯拉或凯迪拉克的系统好。霍兹还在地理围栏功能关闭的情况下演示了这辆本田思域的自动驾驶功能，但实际效果并不好，他需要多次介入操作。作为开发者，霍兹对何时需要进行手动操作比较有把握，但要是这样的产品放在普通消费者手上，结果可能就不一样了，也正因如此，Comma.ai的系统在启动后，会在遇到任何问题时，向司机发出警告。 “如果车辆自动驾驶里程达到一定级别，也许可以解锁‘专家级’模式，不再依靠地理围栏的帮助。”霍兹是个电子游戏迷，他有这样的想法并不意外。加州车辆管理局（DMV）要求所有测试自动驾驶汽车的企业每年汇报介入操作的次数，Comma.ai还没有获得公路测试批准，但其表示，正在通过众包方式将系统脱离情况加入到机器学习软件当中，以此来提高openpilot系统的水平。 L4自动驾驶是Comma.ai的目标，但霍兹理解的L4可能与其他人不同，他认为，达到这个程度的自动驾驶技术后，就意味着如果发生事故，那么责任就不再是司机的了，而是要由提供技术的厂家负责。 Comma.ai的目标算是完成了一半，硬件产品已经开始销售，软件则是以开源形式在GitHub平台上提供。也许有人会质疑霍兹的自信，但不可否认，提供开源软件正是Comma.ai的独特之处。虽然Comma.ai现阶段只有200个活跃用户，但得益于他们的资源，已经有公司对其进行修改并用到了自己的产品当中。开源也会带来问题，从公司的角度来说，这种做法无法带来收入，而霍兹也说了，他要赚钱。公司的三款设备加起来在1000美元左右，软件采用免费下载的形式，则一定程度上回避了监管问题。最后，来对霍兹开头说的那句话做个解释。实现自动驾驶90%的功能其实是最容易的一部分，在这之上想要再提高5%，需要投入的资金与时间有可能与达到90%时相同。从95%提高到98%的自动驾驶水平的话，投入有可能会翻10倍。相关投资等到自动驾驶迈进95%的水平时就会用完，要是这么来看，对于那些投钱的企业来说，如果实现不了完全自动驾驶，那么，确实不划算。; 个人分类: 智能车|1167 次阅读|0 个评论

[转载]王笑京：中国需要积极而冷静的看待自动驾驶: Kara0807 2018-7-10 22:14; 王笑京数字化和智能化是未来重要技术发展，但不能脱离实体；新技术解决不了我们城市拥堵问题；我们城市应该对步行、自行车出行给予高度关注；自动驾驶首要的是改善安全，对交通拥堵的作用有限，有时会增加拥堵；中国需要积极而冷静的看待自动驾驶，对比国外，我国热衷于产业创新，而对社会问题、安全问题、城市影响问题，还没开始研究；自动驾驶技术的开发者制造出新错误类型比他们要避免的人驾驶错误还要多。近日，交通运输部公路科学研究院总工程师王笑京做了《智能交通支撑美好生活的实现》主题演讲。主要观点：数字化和智能化是未来重要技术发展，但不能脱离实体；新技术解决不了我们城市拥堵问题；我们城市应该对步行、自行车出行给予高度关注；自动驾驶首要的是改善安全，对交通拥堵的作用有限，有时会增加拥堵；中国需要积极而冷静的看待自动驾驶，对比国外，我国热衷于产业创新，而对社会问题、安全问题、城市影响问题，还没开始研究；自动驾驶技术的开发者制造出新错误类型比他们要避免的人驾驶错误还要多；一、创造美好生活需要交通更上一层楼大家都向往美好生活，新时代时期，交通不仅仅是解决位移的问题，位移是本质，而人的感受和体验是根本，美好生活中，交通要使人的感受和体验是美好的，城市交通不能拥挤、不用烦躁、不能忙碌。上班和高质量的生活都需要交通来支撑。大家要旅游出行，想要的是享受，而不是受罪，节假日出行是放松，不是紧张。长距离的旅游，我们需要享受的是美好和舒适的旅途，便捷、灵活的衔接和选择。这些是我们未来交通需要发展的理念，不再是解决“有”和“没有”的问题了。我们中国的发展必须考虑乡村，下乡应该成为都市人的向往，美丽乡村应该出行方便。农村公路应该是安全、舒适和便利，视觉体验应该是赏心悦目。我们现在还做不到这些，“十二五”之前，农村公路面临的是“有”和“没”的问题，“十三五”后农村公路要解决“美”的问题，当然，安全是第一，届时农村居民需要享受与城市水平相同的出行服务。经济基础决定上层建筑，我国是发展中国家，中国还处在发展起飞阶段。我们的发展阶段可以缩短，但是不可能跨越。我们未来技术在支撑交通行业发展的时候，必须要清醒的认识到，“这个过程不可能跨越过去的，技术不可能从根本上改变城市交通现状”。老话题不过时：发展公共交通，没有其他办法。现在的新技术解决不了我们城市拥堵问题！可持续发展，现代化的国家并不一定是以小汽车、机动化出行为代表，比如哥本哈根城市。我们的城市应该将步行、自行车出行给予高度关注，北京市已经有所考虑，但是目前做的还不够好。二、数据化和智能化助力现代城市治理数字化和智能化不仅影响技术层面，数字化和智能化是未来新技术的代表之一。数字化和智能化改变的是标识、数据交互和思维辅助，但数字化和智能化必须结合基础设施和车辆才能发挥作用。数字化和智能化是工具，不能代替规划和管理。值得关注的是数字化和智能化的社会属性。数字化和智能化将影响人的思维模式和认知，低成本和无边界的数据交互影响人的行为，数字化和智能化将影响社会结构和治理模式。数字化、智能化的传播和交换成本极低、速度极快，超越国界、超越行业、超越管制，知识大众化、信息显性化、传播及时性，造成了信息过剩、信息泛滥。数字化、智能化、网络化冲击了国家垄断社会的权利，而且涉及到自由平等、社会分化等问题。并且在网上形成共同体，在政治、经济、科技、文化、宗教、娱乐等领域，形成自由人的共同体。不可否认，数字化、智能化、互联网技术促进了交通创新，支撑重新定义和构造交通系统。交通工具不变，组织结构变化了，如网约车、共享单车；实质内容不变，方式和渠道发生变化，如网上销售车票、机票、预定座位；平台不变，驱动和工作方式变了，如自动驾驶汽车；系统不变，控制和管理方式变了，如智能车路系统，新一代交通控制网；载运平台和系统都变，如新一代交通系统，信息技术和智能化技术渗透到各个单元和系统。再谈谈近几年数字化和智能交通关注焦点变化。近2年智能交通世界大会的关注焦点有四点：开放数据和大数据；人工智能与新型城市机动性；自动驾驶车辆与合作式智能交通移动互联应用；需求和技术对智能交通和交通信息化的影响有五点：智能交通从最初关注GPS、ETC、导航、智能化管理转向支撑综合提升机动性；交通信息化从偏重管理转向关注用户侧体验的交通服务效率；要求智能交通和交通信息化支持交通的可持续发展；信息安全成为智能交通和信息化的重要内容；在互联世界中再造交通，实质上是交通模式；三、新技术应用的条件与社会认知以自动驾驶为例，来谈谈其应用条件和社会认知。对于自动驾驶各国既重视又慎重，积极的政策上，中国、英国、德国、法国、日本等等国家都发布相关积极的政策。我关注到，国内几十家企业中大部分是低技术门槛的自动驾驶和电动车。这些企业多数是做软件，硬件和底盘都是购买的，操作系统其实也是买来的。某些原因下，我国自动驾驶似乎只能从软件下手制作，这就带来了一些问题：能不能形成规模的产业？能不能造就高附加值的产品？这个行业很热闹，但是问题也很大。这个领域立法非常慎重，对比国外，我国差距很大，我们对社会问题，对安全问题，对城市的影响问题，我们还没有研究，我国目前各地热衷于产业创新。认知、法规和事故对自动驾驶发展是有影响的。比如2017年智能交通世界大会第一次全体会议的主题演讲，由美国运输安全委员会委员、原主席提出的一个观点：自动驾驶开车比人开车还复杂。英国教授表示：自动驾驶技术的开发者制造出新错误类型比他们要避免的人驾驶错误还要多。自动驾驶的安全性还难以验证，近期有专家讨论自动驾驶安全性短期内无法认证。近期的典型事故说明自动驾驶的路还很长。我对当前测试方法的观点是：自动驾驶测试和认证是基于汽车100多年的使用和经验总结，其测试和检验的是车的机械性能本身，不涉及驾驶；自动驾驶汽车不但要检验作为机械产品的车辆，还要检验机器驾驶的安全性和可靠性，这是两类完全不同的问题。现在的问题是，中国需要积极而冷静的看待自动驾驶。自动驾驶能解决交通拥堵问题吗？其实美国等发达国家开发自动驾驶的首要目的是“改进安全”。我的观点，近期看，不能解决交通拥堵。远期看，不清楚是否能改善交通拥堵。; 个人分类: 德先生|573 次阅读|0 个评论

[转载]自动驾驶发展趋势研究: Kara0807 2018-7-5 16:50; 朱帅智车科技现阶段，无人驾驶一直是人们关注的焦点，众多企业纷纷发布自家新品。随着无人驾驶技术的研发热潮遍及全球，世界知名车企、互联网企业、零部件厂商、芯片厂商纷纷入局，驱动产业整体向前快速发展。预计今年下半年自动驾驶将进一步从技术层面走向商业化落地场景。发展现状各国政府积极制定自动驾驶普及路线图，放宽无人驾驶汽车相关法律法规。我国一直高度重视智能网联汽车的发展，并出台了多项举措。发展路径目前，自动驾驶发展存在两条路径： ADAS 和人工智能。第一种以传统车企为代表，包括通用、福特、大众、宝马、丰田等。按照SAE标准，包括从0-5的六个等级。其中L1级是简单的驾驶辅助。L2级是辅助型的半自动驾驶。L3级是在一定的条件下，实现无人驾驶。L4级和L5级则是高度和完全的无人驾驶。传统车企通过不断完善和发展 ADAS 功能和技术，从L0级逐步升级到L5级，通过渐进提高汽车的自动化、智能化程度来不断向完全自动驾驶发展，最终实现 L5 级全自动无人驾驶。传统车企具备丰富的整车制造经验，完善的配套服务体系。核心技术是 ADAS 的各项自动控制系统，在汽车的行驶决策过程中，更多的是由人对周边的状况做出判断，并采取执行措施，机器决策仅起到辅助作用。ADAS只是实现无人驾驶的过渡手段，此阶段传统车企占主导地位，所有ADAS软硬件提供者都是其供应商，涉及到传感器硬件、车辆执行端等车企及零部件传统优势产业，互联网企业不其备优势。第二种以互联网企业为代表，包括Google、英特尔、NVIDIA、百度等。由于在高精度地图以及人工智能领域拥有绝对优势，互联网企业主要通过提高移动式机器人深度学习能力和自主决策能力来完成跨越式发展，直接定位 L4级、L5 级自动驾驶技术。互联网企业拥有先进的互联网技术，成熟的算法和云服务平台，能够通过人工智能技术不断提高机器的“驾驶经验”，从而对行驶路况进行准确的判断，降低人为因素干扰带来的事故率。核心技术是人工智能技术，在汽车的行驶决策过程中，完全由机器对周边状况进行决策并控制执行，人工智能完全控制汽车的所有驾驶决策。以Google为例，其无人驾驶汽车车顶的激光雷达能够不断収出光束，当光束接触到周围的物体后反射回来并且被接收，根据算法能够绘制周边物体的3D模型，车前摄像头通过边缘识别技术，可以对交通信号灯和行人进行识别。这类数据模型会不断被上传到数据库，通过算法对模型进行深度比对和自学习，从而提高算法的分辨精确度。无人车还可以通过自学方式提前预判周围物体的运动轨迹，做出适合自己的路径规划。对于互联网企业来说，此类算法以及深度学习技术正是优势所在。以上两种路径并不是泾渭分明，而是越来越呈现出横向合作的趋势。许多传统车企积极通过合作、入股或是全资收购看中的科技公司，提高在人工智能、大数据方面的技术能力，加速无人驾驶技术研发。比如福特于2017年收购人工智能企业 Argo AI ，将开发一款人工智能的“虚拟驾驶员系统”，包括摄像头、雷达、光探测和测距雷达，以及软件和计算平台，以实现福特2021年推出一款全自动无人驾驶汽车的承诺。通用于2016年收购创业公司 Cruise Automation，并于2018年1月发布了新一代无人驾驶汽车Cruise AV，为首辆无需驾驶员、方向盘和踏板就能实现安全驾驶的可量产汽车。大众则与NVIDIA达成合作，研究如何利用 NVIDIA DRIVETM IX 平台打造全新座驾体验。NVIDIA将为德国汽车制造商的未来车型添加人工智能功能，采取“智能型副驾驶”系统的形式。宝马已经与英特尔、Mobileye结成同盟，近期还与地图服务商HERE合作，并宣布会在2021年推出符合SAE标准的L5 级自动驾驶汽车。微软与多家汽车制造商建立了大量的合作关系，以此研发连接互联网的汽车和无人驾驶汽车，合作方包括宝马、福特、雷诺日产、丰田以及沃尔沃等。百度同英特尔、NVIDIA、博世、大陆等供应商达成战略合作，形成了“百度+处理器+中国车企+博世、大陆”的联盟。腾讯则同广汽联手，发布iSPACE智联电动概念车，该车搭载了腾讯“AI in Car”系统，已经在人车交互的场景智能方面取得了优势。未来发展趋势 2017年底，普华永道思略特发布《2017年数字化汽车报告：动荡的汽车行业》。该报告预测，2025年，美国、欧洲和中国的联网汽车将达到4.7亿辆，而2030年无人驾驶L4/L5级的汽车也将达到8000万辆左右。2027-2028年，L5级无人驾驶汽车将开始成为市场主流，而到了2029至2029年，该层级的无人驾驶汽车将全线成为主流。报告还预测，截至2030年，共享无人驾驶汽车将占到汽车总行驶里程的25%-37%，其中欧洲、美国和中国地区分别占比26%、25%和37%;私人拥有的无人驾驶汽车在欧洲分布的最多。而市场研究公司IHS则预测，2025年全球无人驾驶汽车销量将达到23万辆，2035年将达到1180万辆，届时无人驾驶汽车保有量将达到5400万辆。其中，2035年4级完全无人驾驶汽车每年销量可达到480万辆，其中北美市场份额将达到29%，中国为24%，西欧为20%。根据波士顿咨询的研究数据，2025年自动驾驶汽车的市场规模将达到420亿美元，到2035年，全球有四分之一汽车都将是自动驾驶汽车。而大多数汽车制造商都把研发出第一款全自动驾驶汽车的时间锁定在2021年左右。从现在到2021年，行业将会发生大量的瞄准零部件供应商以及技术合作伙伴的投资并购。从商业模式看，无人驾驶汽车推向市场面向C端将以销售产品或提供服务两种形式出现。前者指的是直接将汽车作为产品卖给消费者；后者包括B2B2B和B2B2C两种模式。而提供服务将是未来主流业务模式。从推广的角度来看，作为B2B2B模式的代表，无人驾驶卡车有望率先实现商业化。无人驾驶技术目前面临的最大障碍就是复杂的路况。特别是在城市路段，无人驾驶需要高精度的地图导航。由于路网每天都有变化，如整修、道路标识线磨损及重漆、交通标示改变等，这些变化需要及时反映在高精地图上以确保无人车行驶安全。在我国，由于交通基础设施更新迭代极为快速，给无人驾驶带来更大的困难。因此，目前大多数无人驾驶车辆的路测主要在低速和封闭的场景进行。相比于路况复杂的城市路段，卡车主要应用在高速公路这一相对简单的驾驶场景，从技术上更加易于实现。未来可能按照干线物流——城际物流——市内物流，行驶环境由简单到复杂循序渐进逐步推进。同时，采用无人驾驶卡车后，一方面，由于直接取代了司机的地位，人力成本直接降为0。另一方面，在编队行驶的状态下，位于车队中间的卡车能够节省 20% 的燃料消耗，队尾的卡车能够节省 15% 的燃料消耗。车队越长，整体的燃料节省率越高。通过降低人力成本以及燃料成本，实现降低物流成本的目的，因此无人驾驶卡车的市场前景极为广阔。随着产业规模不断扩大，商用进程日益加快，自动驾驶的发展也将深刻改变周边行业，一些职业面临着转型甚至淘汰的命运。以无人驾驶卡车为例，因为高级别无人驾驶（L4级-L5级）意味着汽车的大部分行为由系统主宰，司机需要完成角色的转变。他们将不再驾驶，转而负责其它工作，例如订单处理、库存管理、客户服务和销售。此外，未来将出现一个全新的岗位——远程车辆操作员。企业可能创建指挥中心，与空中交通管制中心类似，用以监控无人车的运行，一旦车辆遇到麻烦便接管驾驶工作。现在，美国加州正在草拟规定，要求建立无人驾驶汽车的远程通信链接。目前很多汽车制造商都在研发远程控制中心相关技术。针对我国的建议当前，自动驾驶无论在技术还是成本上都存在改进空间，相关的法律标准也亟需逐步完善。应借鉴国际经验，从三个方面推动我国自动驾驶的发展：一是健全法律，明确责任划分。可以借鉴美国《无人驾驶法案》以及德国无人驾驶汽车法律，立足我国实际，在《道路安全法》、《标准化法》、《测绘法》的基础上进行豁免、解释或修订。以法律形式，明确规定无人驾驶汽车批量生产、销售、牌照发放、驾驶员资质要求、上路行驶，以及无人驾驶汽车所需的公共道路标准、无人驾驶汽车发生交通事故的法律后果、法律责任主体、法律责任划分等规定。二是完善标准，保障规范安全。可以借鉴美国国家公路交通安全管理局（NHTSA）在车道探测、倒车摄像头、防碰撞刹车系统、车到车通信（V2V）技术等领域建立的无人驾驶技术标准，完善我国无人驾驶汽车标准体系建设，建立无人驾驶汽车的产品许可制度，出台影响车辆安全和信息安全的技术标准规范，从源头上保障无人驾驶汽车的安全性和可靠性。三是组织研发，提升技术水平。可以借鉴美国交通运输部（DOT）与美国国家公路交通安全管理局（NHTSA）联合发布的《自动驾驶系统2.0：安全展望》，发布符合中国国情的指南，作为无人驾驶研发的规则手册。指南应列出无人驾驶制造商和研发人员自愿评估的方面，包括系统安全、对象和事件检测和响应、车辆网络安全、耐撞性等，以支持无人驾驶行业的创新者在这项技术的部署。同时，需要加强产学研用联动，对传感器、控制器、执行器等关键设备等共性问题联合攻关。结语：作为一项颠覆式的创新，自动驾驶将对人类的出行方式、城市布局和生产生活带来巨大变革，包括政府、企业、个人在内的所有利益攸关方都不可避免地以各自的方式参与其中，见证这一伟大的进程。; 个人分类: 智能车|1060 次阅读|0 个评论

[转载]自动驾驶专用芯片的生存之道丨2018智能汽车跨界融合高峰论坛: Kara0807 2018-6-22 22:28; 作为自动驾驶解决方案的供应商，地平线坚持“算法+芯片+云”的战略，融合自身优势，开发多个应用场景，逐渐在近乎垄断的AI芯片领域开拓出自己的市场。6月28日即将在常熟召开的2018智能汽车跨界融合高峰论坛上，地平线市场拓展与战略规划副总裁将以“人工智能芯片加速自动驾驶商业化落地”进行主题演讲，向大家分享：地平线的解决方案如何助力自动驾驶系统在复杂的交通场景下做到可靠感知？地平线自动驾驶芯片又将如何改变行业竞争格局？在刚刚过去的2018年亚洲消费电子展(CES Asia)上，地平线携征程、旭日处理器，以及基于地平线AI芯片技术的Matrix自动驾驶计算平台、高清智能人脸识别摄像机、驾驶员行为监测系统（DMS）等AI产品亮相上海。立足于 “算法+芯片+云”战略的地平线，在智能驾驶、智慧城市、智慧零售三大场景均可向合作伙伴提供多层次的人工智能解决方案。地平线智能驾驶业务负责人在现场表示，可提供基于征程1.0处理器的高级驾驶辅助系统（ADAS），驾驶员行为检测系统（DMS）以及基于BPU2.0架构的Matrix自动驾驶计算平台产品，并基于此向客户提供从L2到L4的自动驾驶解决方案，以满足客户不同需求。自动驾驶计算平台发展趋势自动驾驶计算平台方面三个主要的玩家，英特尔、高通和英伟达。英特尔通过收购Mobileye以后，来弥补了它算法方面的不足，与此同时获得的还有针对于专用的ADAS算法所设计的专用处理器IP，直接通过这次收购，获得了70%的ADAS的市场，这样的话就使得它跟主机厂建立了一个非常稳固的业务联系，利用这样一个支点，就可以撬动它整个汽车行业的整个业务。英伟达在深度学习领域，训练平台有绝对的优势地位，人工智能的热潮带动了GPU的销量，博世和ZF建立的深度合作之后，使得到它在这个汽车领域也获得非常好的一个基础，凭借合作商的市场地位，英伟达在智能驾驶时代也会有相当程度的市场份额。一个芯片的好坏，要用APP（Area、Performance、Power）来进行考量。单是性能好还不够，如果功耗高、面积大，依然没有优势。而在自动驾驶在商业化的路径方面，计算平台是一个巨大的挑战，需要在计算平台上能够达到一个量产化的要求，这里面也有三个关键性的指标，第一个就是每瓦的性能，第二个就是每瓦的成本，第三个就是生态系统，包括使用这个计算平台的用户群，还有它的易用性。英伟达GPU芯片的算力虽高，但功耗也达到了恐怖的 500 瓦。这将带来一系列麻烦的问题，包括芯片的工作寿命缩短、需要可靠的散热系统、巨大的功耗对于电动汽车的续航里程也带来了很大的负担。而这些能耗负担，主要与其选择的架构有关。图灵奖获得者、现代计算机的奠基人Alan Kay曾说过一句对目前IT产业影响深远的名言——“如果你真的关注软件，就应该做自己的硬件”。将算法和芯片进行深度整合，走软硬结合的道路正成为一种趋势，研究高性能、低功耗、低成本的嵌入式人工智能解决方案才能推动AI的产业落地。地平线BPU自动驾驶解决方案 BPU是地平线科技提出的嵌入式人工智能处理器架构，第一代是高斯架构，第二代是伯努利架构，第三代是贝叶斯架构。高斯架构就是BPU第一阶段的成果，这套架构可以在ARM／GPU／FPGA三个硬件平台上得以实现。同时，在APP（Area、Performance、Power）三个方面综合达到最优。传统CPU芯片是做所有事情，一般采用串行结构。BPU主要是用来支撑深度神经网络，比如图像、语音、文字、控制等方面的任务，而不是去做所有的事情。此外，深度神经网络的计算结构比较特殊，比如高度的并行化、时间域上的递归、中间节点的稀疏等，用BPU来实现会比在CPU上用软件实现要高效，一般来说会提高2-3个数量级。创业之初，地平线就定义自己不是一个专业卖芯片的，单纯做芯片是远远不够的。要想达到在同等性能下，计算更少、功耗更低、成本更小的目标，必须构建“芯片+算法”的一整套解决方案。自动驾驶专用芯片的生存之道专用芯片本身就限定了市场，而且英特尔和英伟达两大巨头，分别凭借各自优势已经占领了大部分市场，想要挤进这个市场必然需要更大的技术优势和更强的应用性。为了打通自动驾驶及人工智能芯片市场，地平线是这么做的：技术创新，打造市场稀缺能力地平线通过做专有的深度学习计算构架的设计，一方面就是需要去克服现有的计算平台在深度学习计算方面的不足，比如说关键的一个就是存储器构架的设计，GPU它的缓存很少，而且GPU的缓存是透明的，不受控制。但是CNN的卷积操作其实是需要大量中间结果的输入和输出的，这就需要有受控的内部（iram）来进行结果的暂存，如果没有这样一个内部的（iram）的话就需要访问外存，那么就会导致严重的带宽的问题。深度学习是一个“黑匣子”，一旦发生问题你很难去判断问题是怎么发生的，所以在地平线的架构有一些特殊的设计，把贝叶斯网络跟深度神经网络相结合，通过因果性关系去分析系统里到底哪里出了问题。另外，常规的ADAS主要关注对车辆和车道线的感知，但其实大部分的严重事故都是跟“人”相关的，而“行人检测”是非常难的。这些情况使得对行人的识别检测比对车辆的识别检测困难得多——用专业术语讲，车辆的“类内差”会比较小，而行人的“类内差”非常大，这就带来很大问题。所以地平线团队在行人检测这个问题上做了很长时间努力，他们是行业内极少数能同时做车辆和行人检测，并且在嵌入式的平台上实现的。针对不同客户需求，提供多种合作模式地平线为OEMs和Tier 1们提供更多种合作模式。据建约车评介绍，该公司提供的解决方案包括： 1、IP架构授权，比如BPU2.0。适合一些具备芯片设计能力的企业，通过得到地平线的芯片IP授权，生产出满足自动驾驶要求的芯片。 2、只提供芯片，比如征程1.0。这种合作模式适合一些具有超强整合能力的Tier 1，或者其他能够整合SOC，以及拥有软件算法方案的合作伙伴。 3、提供整体计算平台，比如Matrix1.0。这种方案适合目前市场上几百家自动驾驶软件和算法方案商。 4、提供产品或方案，比如地平线星云。不仅有芯片，计算平台，还整合外部可选的感知、决策和执行的所有方案，是一个完整的L2级别的自动驾驶方案。这种方案适合Tier 1或OEMs。了解中国路况，蚕食中国ADAS市场由于中国的特殊路况，车会频繁地换道，换道一开始车就只露出一部分，检测不到就会非常危险。很多方案只具备车尾的检测能力，地平线团队对此做了特别优化，使得车在换道很早期的时候就会报警。同时在距离的判断上，把距离判断做得很准，相对误差在5%以内。以芯片为原点，拓展应用场景在智能驾驶方面，地平线可以向客户提供从L2到L4的自动驾驶解决方案，以满足客户不同需求，定位于“芯片——产品——落地场景——合作生态”的清晰战略图景。凭借以AI芯片为核心打造的产品矩阵，针对智能驾驶、智慧城市与智慧零售三大应用场景，以“算法+芯片+云”打造开放式人工智能平台，可为合作伙伴提供一站式完整解决方案，亦可支持合作伙伴基于地平线AI芯片与地平线提供的工具链进行自主开发。针对智能驾驶场景，地平线将征程系列芯片、Matrix自动驾驶计算平台等核心硬件与地平线业界顶尖的算法能力深度耦合，提供高性能、低功耗、低成本的视觉环境感知解决方案。地平线智能驾驶解决方案可实现对复杂场景进行细粒度、结构化的语义感知，高度可扩展、模块化的三维语义环境重建，以及透明化、可追溯性。目前地平线智能驾驶业务的合作企业已经覆盖全球四大汽车市场（美国、德国、日本、中国），地平线也是中国唯一一家同这四大市场的顶级汽车Tier1s和OEMs建立了合作关系的智能驾驶创业公司。地平线的解决方案如何助力自动驾驶系统实现可靠感知在自动驾驶领域，地平线似乎准备好要大干一场。它能否帮助国内外初创公司在自动驾驶出行激烈的竞争中胜出？自动驾驶的感知技术面临巨大的挑战，地平线的解决方案如何助力自动驾驶系统在复杂的交通场景下做到可靠感知？地平线自动驾驶芯片又将如何改变行业竞争格局？ 6月28日，地平线市场拓展与战略规划副总裁李星宇将在由中国自动化学会与中国智能车综合技术研发与测试中心联合主办，青岛智能产业技术研究院、五方智能车科技有限公司、青岛慧拓智能机器有限公司、青岛智铭智能科技有限公司联合承办的“ 智能汽车跨界融合高峰论坛 ”给你答案。嘉宾介绍：地平线市场拓展与战略规划副总裁；15年半导体行业经验，自动驾驶行业专家。前恩智浦（飞思卡尔）应用处理器汽车业务高级市场经理；原士兰微电子安全技术专家。; 个人分类: 德先生|1238 次阅读|0 个评论

自动驾驶寒意来袭？听听业内专家怎么说: Kara0807 2018-6-17 23:33; 2015 年底，原英特尔中国研究院院长吴甘沙离职创立自动驾驶公司「驭势科技」，从机场、商场等特定场景探索到乘用车。驭势科技成立以来拿了 2 轮融资，包括格林深瞳、创新工场、真格基金、华夏幸福创投等。吴甘沙本人对于无人驾驶行业有哪些新看法？驭势科技未来的方向如何？ 2018 年的自动驾驶，你既能听到商业化的春雷，另一方面又有倒寒。春雷是好消息，自动驾驶的商业化要来了。倒寒是有些融资能力偏弱的公司，可能会碰到困难，要调整路线。这个时候其实蛮关键的。我们心里有一个非常明确的想法：第一，智能驾驶的终局还有很大的不确定性，可能要 5 年、10 年。这 10 年，你不可能靠 VC 买单，你希望靠自身造血机制活下去。第二，确实很多场景，自动驾驶商业化的机遇已经来了。我们给自己的定位，是自动驾驶商用的领跑者。今天的商业化有 2 个目的，一是活下去，跑这个长跑需要足够的耐力。第二，不断累积数据。快速盈利不是我们的诉求，我们的诉求是，让越来越多的车装上我们的系统。今年 3、4 月份开始，我们在世界最大的机场之一测试行李物流车。原本这种物流车，7 天 24 小时运转，一辆车要配 3 个司机，一个司机年薪 20 几万，工作环境恶劣。如果有好的无人驾驶方案，不仅解决了成本的问题，还解决了招不到人的问题。乘客的体验大幅提升，原来等行李可能半个小时，现在 10 分钟。未来晚上 11 点的航班，不用在远机位坐大巴，通过无人驾驶技术，可以自动把占住廊桥的飞机推出来，新飞机接上去。机场花了半年时间做技术评审，在各个机关局「敲章」。测试到 9 月份，年底会做出量产的决定。一般像这样的机场，需要 1000 到 2000 台车。我们现在做的每一个场景，都是 10 亿到百亿美金的市场。我们第一阶段是进入场景化的商业应用，第二阶段是进入乘用车。只有进入乘用车，才能上量。上量了，成本降低了，又可以降维到各个不同的场景中去。我们的目标是 3、4 年实现百万台。在跟乘用车、主机厂合作方面，我们应该是走的最深入的，我们和大概 8 家车厂建立了合作的联盟。车厂的需求是相对比较保守的，（他们跟我们合作的主要）就是 L2/L3 和自动代客泊车。尤其是后者，车开到停车场附近，自己停进去。这个是第一个真正可以商业化落地的技术，别的自动驾驶公司也意识到这一点。我们拿下的合同，都经过了 PK。我们在自动代客泊车的基础上加一系列的功能，跟分时租赁服务商合作，做自动取还车。分时租赁，我倾向于认为一定会成，它代表更接近未来的一种形态。我们现在合作落在纸面上的有 2、3 家，年底前需求达到千台规模。我认为如果新创车企能跟汽车共享化同步成长，这是好事。消费者对共享汽车的品牌没那么挑，共享汽车出点小毛病也没私家车要紧。一个行业早期，你会发现大大小小的公司都在做。阿里在做，腾讯也在做。百度阿波罗是一个生态。我们目前在阿波罗生态之外发展，因为我目前还没看明白这上面的好处，（不希望过早地）被别人觉得我站队了。大公司，想做的事情太多了，热点一过，或者利润下降了，就没那么认真了。狮子去抓兔子，没抓到，大家嘲笑狮子，你是百兽之王，怎么连兔子都抓不到。狮子说，兔子对我而言就是一顿午餐而已，兔子是为了命在跑。我们是全心全意，带着一种向死而生的紧迫感和危机感在做。我相信，最终心无旁骛做一件事情的会生存下来。自动驾驶还是一个没有尘埃落定的东西。未来的终局，我们觉得最惊恐的一个结论，是今天 L4 的算法全都没办法到达明天。一个简单的逻辑：现在自动驾驶领域最强的谷歌 Waymo，2015 年每跑 1300 英里需要一次人的干预，2016 年每跑 5000 英里需要一次人的干预，同比增长了 3-4 倍。2017 年每 5596 英里需要一次人的干预，增长 10%。这说明谷歌的算法增速在降慢，获得有价值的数据越来越难。一方面，自动驾驶离人类还很远。另一方面，提升越来越慢，数据获得越来越难，说明这条路不通了，必须要一种新的算法才能通到终局。目前谷歌处在领先者的地位，谷歌一骑绝尘后面，有一个大的方阵。国内的领先者，基本在这个方阵。对整个行业来说，我们更应该踏踏实实做科研。一方面需要解决活下去的问题，另一方面需要解决通向未来的问题。这两件事情并不矛盾。无人驾驶大规模的市场还不存在。目前大家都在想象、塑造这个市场的过程。按照王兴的话，现在是同向为竞，大家往一个方向跑，不存在我吃到、你吃不到。不排除在某些车企的竞标过程中，已经出现了一些厮杀，但整个市场是一个快速膨胀的过程，洗牌的时间会拖后一点。资本目前对这个行业的信心蛮强的。智能驾驶，短时间不太可能出现一两家把所有资金吸走，估值高的离谱的情况，第一梯队应该至少有 5、6 家并驾齐驱。从资本的角度，投无人驾驶，至少有一支不错的团队。即使在市场开拓上碰到问题，资金上碰到问题，这个团队是有价值的。未来整个产业格局发生变化，进行重构的时候，可能很多巨鳄都需要布局。要么合并、要么收购，还是有各种退出的渠道，它的价值不会归零。; 个人分类: 德先生|2025 次阅读|0 个评论

毫米波雷达技术竞争：进还是退？: 热度 1 zoumouyan 2018-4-27 16:38; 毫米波雷达技术竞争：进还是退？邹谋炎这几天，更多人对技术竞争有了认识。智能驾驶技术已经成为现代产业和技术竞争的一个制高点。在智能化和应用方面，中国产业技术界已经做了若干有显示度的工作。然而，对这方面存在的缺失似还没有引起足够的关注。智能驾驶技术的实施依托于传感器：毫米波雷达、激光雷达、视频系统等，其中毫米波雷达最为紧要。人们注意到，例如百度公司的自动驾驶试验系统只采用了激光雷达而没有采用毫米波雷达。我们只能认为这是试验而已，将来的商用系统应该适应全天候，只用激光雷达会很受限制。造成这种情况，应该和国内毫米波雷达的发展状况相关。根据行业内相关报道，最近几年国内车载雷达的研发势态十分“热闹”：从事车载毫米波雷达、投资千万以上的发展的商应有十数家，遍及汽车、电子、信息相关企业、各地高新区；高校、信息产业、军工部门、中科院等下属研究所。然而，国内发展的另一情况就是“尴尬”：主要核心部件和系统技术始终未有实质性的突破。这个情况比通讯相关信息产业要差。从商业角度，民用雷达市场目前比通讯、网络类市场小得多，难以引起产业界的高度关注。从技术角度，毫米波雷达技术涉及到更多的高端技术，要求的技术基础和投入更多。事实上，人们对数字类芯片技术知道得多些，包括CPU、GPU、DSP、FPGA、“龙芯”、“超算”、以及AI芯片等等。这类芯片设计的从业者众多，设计难度集中在系统级，有商用设计工具可以利用。只要到了功能模块及以下，通常可以找到标准库可以调用，以积木方式来完成。数字类芯片的生产工艺也相对规范，可以用刻蚀线宽来表达工艺规程和设计规则。因此，代工机构多， fabless (无制造)企业也多。而毫米波雷达中涉及到大量的模拟芯片，例如毫米波芯片和片上系统，对它们的设计和加工还远未达到能够规范的程度。商用的微波电路设计工具目前只有仿真工具，非原始设计工具。微波片上系统设计需要综合雷达系统、微波电路和部件、工艺实现方法等多方面的知识积累，进行一体化设计。例如微波电路单元互联对匹配、隔离有要求，而数字单元互联设计就宽松得多。从生产工艺角度，毫米波雷达芯片要求的最小线宽并不苛刻，例如TI 的79GHz雷达芯片使用45nm RFCMOS工艺。然而，模拟微波电路设计对设计人有高的专业知识技能积累要求。从生产角度，为达到产品参数一致性、低噪声特性、温度稳定性等对材料纯度、工艺精准度和一致性有苛刻要求，对成量生产下的成品率有高度的挑战。因此国外能够提供微波芯片商业化代工的公司少得多，例如美国的TriQuint，法国的UMS，而大陆和台湾还没有。如果要将设计放在代工厂去生产，设计者需在设计之前深入了解厂家能提供的代工规程，而不同厂家的规程很不相同。有人估计从总体上说，我国数字芯片技术比国外差距大致是3 ~ 5年。如果这个估计合理，那么我国模拟微波芯片技术比国外差距要加倍。车载毫米波雷达要求多领域理论和技术的综合：微波天线、微波集成电路、微波片上系统、雷达系统、智能信号处理、智能控制、微波材料、微波电路制造设备和工艺等，国内目前没有任何一个部门或公司能够基本囊括这些技术。发展商领导层多数似不了解问题的难度和深度，巨大的利益诱惑引发一些创业者和发展商产生侥幸取胜的心理。本博文的目的是给相关方面提个醒，尽量避免在低水平上作无序竞争。笔者不反对有发展商利用国外核心芯片进行应用发展，但缺乏核心技术的低水平竞争，终不是长久之计。目前展开的有限市场和高技术难度可能是毫米波雷达迄今还未获得产业和政府大额支持的原因。随着AI技术包括智能驾驶变成上下关注的热点，毫米波雷达和毫米波传感器将来可能会进入社会生活的方方面面，包括智能驾驶、智能机器人、生产安全、公共安全、国家安全等等。这类高科技更是孕育科技创新的摇篮。在可见的将来，其应用规模甚至不是现有市场能够概全的。那么，对此我们还能放得下？还能只是靠买？现在的问题是，自主发展毫米波雷达技术，我们会不会有难以突破的障碍？笔者能负责任地说，我们会有许多困难，但已经没有难以突破的障碍。国内若干军工研究所、大学在近二、三十年间已经有了较丰厚的积累；近几年海外归国人员中，有一技之长者；部分微波芯片的设计和生产在国内已经起步。目前的状况是，在发展机构之间、技术拥有者之间的合作或融合存在利益划分、知识产权保护等问题障碍，各地可见行业性的松散小圈子，但难以形成技术互补的实质性合作。这种情况下，只靠加大资金投入应该不可取。我们需要创造一种机制，突破利益分割，能够对国内相关技术资源进行整合，将小作坊成果向高端化、大工业化提升；将各个单项成果向综合化、系统化汇聚集成。而能这样做的，只能是国家行为或资金雄厚的企业。笔者建议由政府牵头，汇聚真 “一技之长”，第一步目标是实现智能驾驶用毫米波雷达系统的完整自主创造，实现产品设计制造的整体性、汽车级的可靠性和低价格。总的发展模式应该是市场化的，有三条核心建议：（1）设立发展项目，但不搞项目招标，而代之以“技术招标” ；（2）做细知识产权认定和保护法规和实施规程；（3）加快专业人才培养。所谓技术招标，目标是招揽真才。国内外个人，不分国籍、年龄均可申请，条件是提供对项目直接有用、可检验、自主创造的技术成果。获准者以专家身份进入工作，其收益主要以最终产品中占有的知识权益来体现。国内外发展机构可委派个人参与竞标，但需事先自定出个人和机构分享知识权益的法律协议。不排除理论、方法、方案的申请者，但需具创新性、实用性和可实施性。技术申请书包含对“技术检验”方法的描述，必须可实施。招标方可追加检验，保证技术符合产品目标的要求。技术招标突出货真价实的技术本身。技术招标要能够实施，必然涉及到知识产权的认定和保护问题。加上“认定”是必要的。招标方有职责保护每个投标人在投标中涉及的知识权益。为此，必须弱化传统的评审机制，让最有发言权的技术创造者有表现机会。“文档登记”制度保证原创性贡献不被“评审”所淹没甚至窃取，为原创性贡献的占先性提供法律依据。只有严谨的知识产权保护措施才能吸引创造者和保证技术的健康发展，减少因知识权益界线不清引起纠纷。当然，这些建议需要进一步细化、严谨化和可操作化。加快专业人才培养是根本大计。这类专业科技需要有深度的多学科知识，要求培养机构有基本的试制条件，目前对大多数高校并不适合。比较可行的办法是扶持若干有初步条件的高校，建立企业、微波集成相关研究所、高校的联合培养机制。鼓励有志趣的年轻研究者对高难度学科进行挑战。基础教材不难找到。例如有电子工程和微波基础的已毕业优秀研究生，有良好的指导和实验条件，应有可能在两三年学习准备后进入设计角色。人们已经意识到，技术竞争关系到人民福祉和民族复兴，我们似不可掉以轻心。; 个人分类: 观点评述|7791 次阅读|1 个评论

[转载]自动驾驶汽车传感器领域发展预测：高端传感器迎来春天: Kara0807 2018-2-27 22:47; 每年年初麦姆斯咨询都会出一份自动驾驶传感器预测，用详实的数据来推断未来几年的发展，今年也不例外，报告认为2018年很可能是全球多个城市自动驾驶出租车的首发年。此举将对高端传感器和计算设备供应商产生直接影响。本文转自：MEMS 自动驾驶汽车供应链正在“启动” 据麦姆斯咨询报道，来自Waymo、优步（Uber）、Lyft、百度等公司及其汽车制造合作伙伴（如菲亚特克莱斯勒汽车公司、奔驰、宝马和雷诺-日产联盟等）的自动驾驶汽车相关新闻“堆积如山”。 2 018年很可能是全球多个城市自动驾驶出租车的首发年。此举将对高端传感器和计算设备供应商产生直接影响。我们统计的行业数据表明2022年底之前全球范围内将有数以万计的自动驾驶汽车上路行驶。每辆自动驾驶汽车将配备多种传感器，包括激光雷达（LiDAR）、雷达（RADAR）、摄像头（Camera）、惯性测量单元（IMU）和全球导航卫星系统（GNSS）。自动驾驶技术日趋完善，相关商业模式似乎也与这些传感器的平均销售价格（ASP）逐渐匹配。因此，我们预计未来15年内自动驾驶技术将呈现指数级增长，到2032年将会全面引发交通运输生态系统的范式转换（paradigm shift）。这将对高端传感器和计算芯片厂商，以及相关系统级厂商产生巨大影响。本报告介绍了由于自动驾驶引发的交通运输转型场景，以及相关传感器和感知计算生态系统的发展。很多传感器厂商已经准备好从未来的转型中受益，包括激光雷达领域的 Velodyne、 Ibeo、Quanergy和Innoviz 等，雷达领域的大陆（Continental）、德尔福（Delphi）和电装（Denso）等，摄像头领域的 Allied Vision、FLIR和First Sensor 等，惯性测量单元领域的 KVH、Physical Logic和霍尼韦尔（Honeywell）等。在自动驾驶计算领域，英特尔（Intel）和英伟达（Nvidia）是“重量级选手”，与赛灵思（Xilinx）和瑞萨（Renesas）等公司展开竞争。这些厂商中的大多数将扮演自动驾驶领域重要的初始角色，但对于许多其它技术提供商来说，也将会有一个机会窗口，当然大量的资金投入必不可少！传感器将成为自动驾驶技术的奠基石自动驾驶汽车市场的预期增长率令人印象深刻！2017年全球自动驾驶汽车的产量为数百台，而2032年全球自动驾驶汽车的产量将达到2310万台，可以看到未来15年该市场的复合年增长率（CAGR）高达58%。届时，与自动驾驶汽车生产相关的总体营收将达到3000亿美元，其中52%来自车辆本身，26%来自传感器硬件，17%来自计算硬件，其余5%来自集成。这意味着未来15年内整个行业将围绕自动驾驶汽车技术进行构建。根据目前汽车行业情况，我们预计2022年激光雷达市场营收将达到16亿美元，雷达市场营收将达到4400万美元，摄像头市场营收将达到6亿美元，惯性测量单元市场营收将达到9亿美元，全球导航卫星系统市场营收将达到1亿美元。更长远地看，预计2032年传感器硬件的总体营收将达到770亿美元，而计算硬件约为520亿美元。如今的全球汽车销售额是2.4万亿美元，成为谷歌（Google）、百度、亚马逊（Amazon）和优步（Uber）等互联网巨头的重要目标。它们大多数被交通运输业的服务市场所吸引，因为该服务市场有望在2032年达到2.4万亿美元。由于个人拥有的自动驾驶汽车将产生额外的1.1万亿美元市场，所以自动驾驶的总体附加值将达到3.5万亿美元。由于涉及的汽车数量众多，很多人心目中的隐形厂商是苹果（Apple）和三星（Samsung）。三星并不显得那么神秘，因为其在2017年完成了对汽车解决方案的领军企业——哈曼的收购。我们应该期待它们俩在某个合适的时间点进入自动驾驶市场，并对汽车行业实施类似“从功能手机到智能手机” 的风格转变。高端工业传感器将在自动驾驶汽车领域获得“胜利” 汽车高级驾驶辅助系统（ADAS）与适用早期自动驾驶汽车的设备之间存在重要差异。去年MEMS发布的《汽车MEMS和传感器市场及技术趋势-2017版》报告多次对此重点提示。现在，本文介绍去年报告中的缺失部分：自动驾驶市场。汽车ADAS必须关注为数百万台的销售市场进行服务的产品可靠性和成本问题。自动驾驶汽车技术主要受性能和可用性的驱动，并将在2022年之前为仅有数万台的销售市场提供服务。由此可见，ADAS与自动驾驶设备之间的数量级完全不是一个级别。概括地说，高端工业传感器将在早期自动驾驶汽车领域中获胜。自动驾驶汽车的市场驱动力自动驾驶汽车对现有传感器厂商和技术的影响是巨大的，因为一些高端传感器市场，如激光雷达或工业级惯性测量单元，在未来几年内将增加一倍以上。工业摄像头制造商也将强烈地感受到这种影响。预计自动驾驶技术于2022年将专业化，并可能在2027年与ADAS部分合并。预计成熟的自动驾驶技术于2032年开辟另一个世界，实现一个完全的范式转换。我们并不是经常遇到这种部分由传感器技术驱动的深度变革。如今，自动化革命正在进行中，本报告对自动驾驶汽车传感器市场和技术进行了深入分析，有助于传感器厂商抓住这么难得的机遇！本报告涉及的部分公司： Aeye, Ambarella, Ams, Aptiv, Allied Vision, Arbe Robotics, Asc, Blackmore, Autoliv, Basler, Bosch, Cepton, Continental, Cruise, Delphi, Denso Ten, Didi, Easy Miles, Flir, Fotonic, Furuno, General Motors, Gentex, Grab, Geely, Hella, Heptagon, Hokuyo, Honneywell, Ibeo, Infneon, Innoviz, Intel, Ixblue, Kalray, Konica Minolta, KVH, LeddarTech, Lyft, Luminar, Magna, Metawave, Mitsubishi Electric, Mobileye, Mobotix, Murata, Navtech, Navya, Neptec, Novatel, Nuotomy, Nvidia, NXP, Oculii, Oryx, Otto, Physical Logic, Pioneer, Quanergy, Renesas, Robosense, Sensonor, Sick, Sony, Socionext, STMicroelectronics, Strobe, TDK, Texas Instruments, Telit, Terrafugia, Tetravue, Toshiba, Trimble, Uber, Ublox, Velodyne Lidar, Valeo, Vayyar, Waymo, Xenomatix, Xillinx, Zoox...; 个人分类: 平行驾驶|1273 次阅读|0 个评论

[转载]自动驾驶的核心技术之——线控技术: Kara0807 2018-1-24 21:51; “ 对于自动驾驶车辆的控制有很多疑问。比如转向，具体跟车辆的交互，是传入转向角度还是力度？刹车制动是由IPC告诉硬件多少力度呢，还是智能到具体的制动百分比就可以？要实现这些控制指令，首先与参考车辆的底盘组组件有很大的关系，要了解与车辆底盘的各个组件交互，就要先了解这些控制组件。 ” 线控执行简单地说，线控执行主要包括线控制动、转向和油门。某些高级车上，悬挂也是可以线控的。线控执行中制动是最难的部分。线控油门线控油门相当简单，且已经大量应用，也就是电子油门，凡具备定速巡航的车辆都配备有电子油门。电子油门通过用线束（导线）来代替拉索或者拉杆，在节气门那边装一只微型电动机，用电动机来驱动节气门开度。一般而言，增减油门就是指通过油门踏板改变发动机节气门开度，从而控制可燃混合气的流量，改变发动机的转速和功率，以适应汽车行驶的需要。传统发动机节气门操纵机构是通过拉索或者拉杆，一端联接油门踏板，另一端联接节气门连动板而工作。但这种传统油门应用范畴受到限制并缺乏精确性。电子油门的主要功能是把驾驶员踩下油门踏板的角度转换成与其成正比的电压信号，同时把油门踏板的各种特殊位置制成接触开关，把怠速、高负荷、加减速等发动机工况变成电脉冲信号输送给电控发动机的控制器ECU，以达到供油、喷油与变速等的优化自动控制。电子油门控制系统主要由油门踏板、踏板位移传感器、ECU（电控单元）、数据总线、伺服电动机和节气门执行机构组成。博世智能电子油门踏板位移传感器安装在油门踏板内部，随时监测油门踏板的位置。当监测到油门踏板高度位置有变化，会瞬间将此信息送往ECU，ECU对该信息和其它系统传来的数据信息进行运算处理，计算出一个控制信号，通过线路送到伺服电动机继电器，伺服电动机驱动节气门执行机构，数据总线则是负责系统ECU与其它ECU之间的通讯。在自适应巡航中，则由ESP（ESC）中的ECU来控制电机，进而控制进气门开合幅度，最终控制车速。博世和大陆都有全套的电子油门系统出售。线控转向线控转向也已经得到实际应用，这就是日产旗下的英菲尼迪Q50。实际目前的电子助力转向（EPS）非常接近线控转向了。EPS与线控转向之间的主要差异就是线控转向取消了方向盘与车轮之间的机械连接，用传感器获得方向盘的转角数据，然后ECU将其折算为具体的驱动力数据，用电机推动转向机转动车轮。而EPS则根据驾驶员的转角来增加转向力。线控转向的缺点是需要模拟一个方向盘的力回馈，因为方向盘没有和机械部分连接，驾驶者感觉不到路面传导来的阻力，会失去路感，不过在无人车上，就无需考虑这个了。在Q50L上线控转向还保留机械装置，保证即使电子系统全部失效，依然可以正常转向。线控制动线控制动是最关键的也是难度最高的。要了解线控制动，首先要了解汽车的刹车原理。轻型车通常采用液压制动。传统制动系统主要由真空助力器、主缸、储液壶、轮缸、制动鼓或制动碟构成。当踩下刹车踏板时，储液壶中的刹车油进入主缸，然后进入轮缸。轮缸两端的活塞推动制动蹄向外运动进而使得摩擦片与刹车鼓发生摩擦，从而产生制动力。当驾驶者踩下制动踏板时，机构会通过液压把驾驶人脚上的力量传递给车轮。但实际上要想让车停下来必须要一个很大的力量，这要比人腿的力量大很多。所以制动系统必须能够放大腿部的力量，要做到这一点有两个办法：一是杠杆作用；二是利用帕斯卡定律，用液力放大。制动系统把力量传递给车轮，给车轮一个摩擦力，然后车轮也相应的给地面一个摩擦力。在我们讨论制动系统构成原理之前，让我们了解三个原理： 1. 杠杆作用 2. 液压作用 3. 摩擦力作用杠杆作用已经无需赘言，大家想必已经烂熟于心，在杠杆的左边施加一个力F，杠杆左边的长度（2X）是右边（X）的两倍。因此在杠杆右端可以得到左端两倍的力2F，但是它的行程Y只有左端行程2Y的一半。刹车踏板就是个杠杆。考虑到踏板的倾斜度，一般踏板的设计行程不超过18厘米。液压原理需要特别说明，液体是无法被压缩的，密闭容器里的液体的压力有个特点：不论是液体内部、还是压向容器壁的力，到处都一样大。——即：如果一平方米上有一吨的力量，那么在所有的地方，一平方米上的力都是一吨。这叫帕斯卡定理。由于液体无法压缩，所以这种方式传递力矩的效率非常高，几乎100%的力传。液压传力系统最大的好处就是可以以任何长度，或者曲折成各种形状绕过其他部件来连接两个圆桶型的液压缸。还有一个好处就是液压管可以分支，这样一个主缸可以被分成多个副缸。液压的另一个作用就是放大力矩。如果主缸的直径是1寸，轮缸的直径是3寸，那么给主缸上面施加任何一个力，就会在轮缸上放大9倍。不过主缸的活塞推动9厘米，轮缸的活塞推动距离只有1厘米，能量守恒。通常轿车的主缸直径是22毫米，前轮缸直径是32毫米，后轮缸直径是28毫米。不同的材料表面，有不同的锯齿结构；举例来说：橡皮与橡皮之间就比钢与钢之间更难滑动。材料的类型决定了摩擦系数。所以摩擦力与物体接触面上的正压力成正比。例如：如果摩擦系数为0.1，一个物体重100磅，另一个物体重400磅，那么如果要推动他们就必须给100磅的物体施加一个10磅的力，给400磅的物体施加一个40磅的力才能克服摩擦力前进。说完了这些，让我们来说说ABS。 ESP与ABS非常接近，与ABS最大的不同在于ESP可以在没有踩刹车踏板的情况下向轮缸输出制动压力，ABS只能在踩下刹车踏板后从主缸向轮缸输出压力。压力生成器就是电机和柱塞泵，与ABS比多了4个柱塞泵，4个电磁阀，也就是VLV和USV。博世第九代ESP增加了两个特殊功能，一个是ACC，自适应巡航，ESP可以部分控制电子节气门。另一个是AEB，ESP可以部分控制刹车系统。有些认为ESP既可以控制油门又可以控制刹车，是个很好的线控系统，非也。博世对国内厂家一般只开放ACC和ESP量产接口协议，刹车力度最大大约为0.5g，标准的刹车力度在0.8g以上，0.5g远不够用。再次，在设计之初，ESP控制刹车系统只是在少数紧急情况下使用，可能1年用不了2次，一般泵的容量只有3毫升，每一次使用，柱塞泵都要承受高温高压，频繁使用，会导致柱塞泵发热严重，精密度下滑，导致ESP寿命急剧下滑，常规刹车系统1小时就可能使用数次，如果用ESP做常规刹车系统，可能1个月就报废了。最后即便是不计寿命问题，ESP的泵油功率有限，且缺乏真空助力，反应速度较慢。最后如果ESP真的可以做常规制动，那么博世也无需开发Ibooster，日立无需开发EACT，大陆无需开发MK C1，天合无需开发IBC。如何做到常规的线控制动，这得从真空助力器说起。单单踏板的杠杆并不足以推动主缸活塞较大的行程，因为刹车油是非常黏性的液体，与主缸缸壁之间的摩擦力很大，需要的推力很大，为此人类使用了真空助力器，真空助力器一般位于制动踏板与制动主缸之间，为便于安装，通常与主缸合成一个组件，主缸的一部分深入到真空助力器壳体内。真空助力器是一个直径较大的腔体，内部有一个中部装有推杆的膜片（或活塞），将腔体隔成两部份，一部份与大气相通，另一部份通过管道与发动机进气管相连。它是利用发动机工作时吸入空气这一原理，造成助力器的一侧真空，相对于另一侧正常空气压力的压力差，利用这压力差来加强制动推力。如果膜片两边有即使很小的压力差，由于膜片的面积很大，仍可以产生很大的推力推动膜片向压力小的一端运动。真空助力系统，是在制动的时，也同时控制进入助力器的真空，使膜片移动，并通过联运装置利用膜片上的推杆协助人力去踩动和推动制动踏板。需要注意推力来自压力差，而非真空。电动车和混合动力车不能依赖内燃机取得真空，需要用电子真空泵。真空助力器会减少一部分发动机效率，所以近来有些油车上也使用电子真空助力器，用电机制造真空。线控制动正是从真空助力器延伸开来，用一个电机来代替真空助力器推动主缸活塞。由于汽车底盘空间狭小，电机的体积必须很小，同时要有一套高效的减速装置，将电机的扭矩转换为强大的直线推力。这其中的关键因素就是电机主轴，日本是此领域的霸主。在电机技术不够先进的1999年前，人们只得放弃这种直接推动主缸的思路。转而使用高压蓄能器。这就是奔驰的SBC、丰田的EBC系统、天合的SCB，这套系统利用电机建立液压，然后将高压刹车油储存在高压蓄能器中，需要刹车时释放。这套系统结构复杂，液压管路众多，成本高昂，可靠性不高。奔驰曾经大规模召回过SBC系统，丰田也曾经召回过EBC系统，奔驰今天已经几乎不用SBC系统。而丰田从2000年一直用到现在。通用和福特的混动车上则全部使用天合的SCB。由于成本过高，从2007年起，EVP电子真空泵开始在电动车或混动车上取代这种高压蓄能器设计， EVP极为简单，就是将油车的真空助力换位电子真空泵获得真空，缺点非常明显，首先它几乎没有任何能量回收，其次，刹车时会发出刺耳的噪音，最重要，它必须人力首先踩下制动踏板，也就是说它并非线控制动，而是机械制动。优点也很明显，首先是成本很低，再者是设计异常简单，油车的底盘几乎不做丝毫改动就可以用来做混动车，这对中国企业来说非常重要，中国企业缺乏自主设计底盘能力。随着电机技术的发展，日立旗下的东机特工在2009年首次推出电液线控制动系统E-ACT。除丰田外，大部分日系混动或纯电车都采用这种设计，最典型的就是日产Leaf。说起来很简单，用直流无刷超高速电机配合滚珠丝杠直接推动主缸活塞达到电液线控制动，这套方案对滚珠丝杠的加工精度要求很高。传统的液压制动系统反应时间大约400-600毫秒，电液线控制动大约为120-150毫秒，安全性能大幅度提高。百公里时速刹车大约最少可缩短9米以上的距离。同时用在混动和电动车上，可以回收几乎99%的刹车摩擦能量。是目前公认最好的制动方式，为了保证系统的可靠性，这套制动系统一般都需要加入ESP（ESC）做系统备份。早在1999年大众在开发纯电动车过程当中也很想使用这种电机直接推动主缸的设计，但是德国的电机工业当时没有能力满足大众的需求，大众采取了妥协的设计。既然电机的能量达不到，那就继续用高压蓄能器配合，但是推动主缸的是电机，大众称之为eBKV，2009年的大众E-UP上首次使用。博世从e-UP中获得灵感，加上博世是电机大师，经过博世的努力，最终在2013年去掉了高压蓄能器，单用电机推动主缸，这就是iBooster。博世的iBooster 于2013年初推出，并且应用大众（包括奥迪品牌，大众持有ibooster的部分专利）全系列电动与混动车上，其他客户还有特斯拉和即将上市的卡迪拉克CT6。大陆和天合（ZF）则在此基础上将ESC也集成进来，大陆的MK C1早在2011年就已经推出，在2017年版的阿尔法罗密欧Giulia上使用。TRW的则于2012年推出IBC，通用的K2XX平台上将全线使用。顺便说下TRW的IBC技术并非自己原创，是收购自一家小公司，不过博世的ABS技术也不是自己原创的。这些线控制动都不是纯粹的线控制动，仍然需要液压系统放大制动能量。液压系统结构复杂，专利门槛很高。为了突破大厂的封锁，也为了简化制动系统，纯粹的线控制动（EMB)近年来是个火热的研究领域。EMB取消液压系统，直接用电机驱动机械活塞制动。优点一、安全优势极为突出，大幅度缩短刹车距离，EMB的反应时间大约90毫秒，比iBooster的120毫秒更快速。优点二、没有液压系统，不会有液体泄露，对电动车来说尤其重要，液体泄露可能导致短路或元件失效，进而导致灾难。同时成本和维护费用也降低不少。缺点一：没有备份系统，对可靠性要求极高。特别是电源系统，要绝对保证稳定，其次是总线通信系统的容错能力，系统中每一个节点的串行通信都必须具备容错能力。同时系统需要至少两个CPU来保证可靠性。缺点二：刹车力不足。 EMB系统必须在轮毂中，轮毂的体积决定了电机大小，进而决定了电机功率不可能太大，而普通轿车需要1-2KW的刹车功率，这是目前小体积电机无法达到的高度，必须大幅度提高输入电压，即便如此也非常困难。缺点三：工作环境恶劣，特别是温度高。刹车片附近的温度高达数百度，而电机体积又决定只能使用永磁电机，而永磁在高温下会消磁。同时EMB有部分半导体元件需要工作在刹车片附近，没有半导体元件可以承受如此高的温度，而受体积限制，无法添加冷却系统。同时这是簧下元件，震动剧烈，永磁体无论是烧结还是粘结都很难承受强烈震动。对半导体元件也是个考验。需要一个高强度防护壳，然而轮毂内体积非常有限，恐怕难以做到。缺点四、需要针对底盘开发对应的系统，难以模块化设计，导致开发成本极高。我们认为除非永磁材料有重大突破，居里温度点大幅度提高到1000摄氏度，否则EMB无法商业化。顺便说一句，轮毂电机也是如此，不解决材料问题，轮毂电机商业化不大可能。不过这种材料从理论上来说是不可能出现的，磁性越强，其居里温度点就越低，高温下原子的剧烈热运动，原子磁矩的排列必然从整齐划一到混乱无序，这是物理特性，无法改变。比如最好的磁王钕铁硼，一般使用N35牌号，其居里温度点为310摄氏度，但其工作温度上限只有80摄氏度，超过80度，磁性能就开始下降，到310度，磁性完全消失。而夏天汽车刹车盘的温度轻松超过100度，工作时温度轻松超过300度。所以未来十年内，电液线控系统会是唯一的选择。人们对制动性能要求的不断提高，传统的液压或者空气制动系统在加人了大量的电子控制系统如ABS、ESP等后，结构和管路布置越发复杂，液压（空气）回路泄露的隐患也加大，同时装配和维修的难度也随之提高。制动控制是自动驾驶执行系统的重要部分，目前ADAS与制动系统高度关联的功能模块包括ESP（车身稳定系统）/AP（自动泊车）/ACC（自适应巡航）/AEB（自动紧急制动）等。线控液压制动器(EHB) EHB（Electro-Hydraulic Brake）即线控液压制动器，是在传统的液压制动器基础上发展而来的。EHB用一个综合的制动模块来取代传统制动器中的压力调节器和ABS模块等，这个综合制动模块就包含了电机、泵、蓄电池等等部件，它可以产生并储存制动压力，并可分别对4个轮胎的制动力矩进行单独调节。比传统的液压制动器，EHB有了显著的进步，其结构紧凑、改善了制动效能、控制方便可靠、制动噪声显著减小、不需要真空装置、有效减轻了制动踏板的打脚、提供了更好的踏板感觉。由于模块化程度的提高，在车辆设计过程中又提高了设计的灵活性、减少了制动系统的零部件数量、节省了车内制动系统的布置、空间。可见相比传统的液压制动器，EHB有了很大的改善。但是EHB还是有其局限性，那就是整个系统仍然需要液压部件，其基本的还是离不开制动液。电子机械制动(EMB) 如果把EHB称为“湿”式brake-by-wire制动系统的话，那么EMB就是“干”式brake-by-wire制动系统。 EMB全称Electro Mechanical Brake，和EHB的最大区别就在于它不再需要制动液和液压部件，制动力矩完全是通过安装在4个轮胎上的由电机驱动的执行机构产生。因此相应的取消了制动主缸、液压管路等等，可以大大简化制动系统的结构、便于布置、装配和维修，更为显著的是随着制动液的取消，对于环境的污染大大降低了。因此结构相对简单、功能集成可靠的电子机械制动系统越来越受到青睐，可以预见EMB将最终取代传统的液压（空气）制动器，成为未来车辆的发展方向。总结一下制动组件的发展里程：本文转自佐思汽车研究和知乎Apollo冯宗宝，如需转载请注明来源。; 个人分类: 智能制造|2040 次阅读|0 个评论

[转载]2018会成为自动驾驶挤泡沫的一年吗？: 热度 1 Kara0807 2018-1-16 11:51; “ 在今年年初，自动驾驶领域有的公司退出，有的开始改变策略，也有公司许下另一远大的计划。2018年有人说将是量产之年，也有人说三年之内仍不能实现自动驾驶。我们仍有足够的动力将这个行业从 Gartner 曲线所谓的低谷推向生产力高峰。并不是每个开始了旅程的人都能够爬得上去。 ” 编译 | 机器之能作者 | Aarian Marshal，17.12.29 来源 | WIRED： After Peak Hype, Self-Driving Cars Enter the Trough of Disillusionment 2014 年对于自动驾驶行业来说，是单纯、无知、又过度乐观的一年。那一年春天，沃尔沃在瑞典提出了自动驾驶汽车项目 Drive Me。随着该项目几年来的发展，2017 年，沃尔沃高管承诺，公司将为瑞典哥德堡地区的家庭提供 100 辆自动驾驶越野车。在日常驾驶条件下，这些车能够在地方道路上独立行驶至少 30 英里（约 48 公里）。「这种技术将被称为自动巡航驾驶（Autopilot），司机们不必亲自驾驶，一切交由自动驾驶汽车来完成。」沃尔沃汽车技术主管 Erik Coelingh 说。 2017 年年底时，沃尔沃将 100 辆自动驾驶越野车的目标向后推迟了四年。据 Automotive News 报道，该公司现计划在 2021 年之前让 100 名客户试乘其自动驾驶汽车，这些试验对象还将会体验到半自动驾驶功能，该功能将部署到未来任何一辆新的沃尔沃汽车（或特斯拉、凯迪拉克、日产、奔驰）中。「在自动驾驶汽车的研发过程中，一些我们本以为很难回答的问题，却在试验过程中超乎预期地快速解决了。」沃尔沃汽车自动驾驶项目主管 Marcus Rothoff 告诉连线杂志，「而在一些（我们本以为容易驾驭的）领域，却发现了更多有待探索和解决的问题。」这些问题多数聚焦于价格，Rothoff 说，公司不愿在还没弄清其传感器的效果前敲定成本，所以沃尔沃还不能决定其自动驾驶汽车购买或使用权的定价。沃尔沃 CEO Hakan Samuelsson 说过，有自动驾驶功能的汽车将在现价基础上提升约 1 万美元。自动驾驶汽车领域开始降温，沃尔沃的撤退只是离我们最近的一个例子而已。 2012 年，谷歌 CEO Sergey Brin 曾说，不出 5 年，自动驾驶汽车就会成为一种大众选择。然而事实并非如此。特斯拉的 Enhanced Autopilot 已推迟了近 6 个月，那些为其多花了 3 千美元的客户无疑会对此感到失望。福特汽车新任 CEO Jim Hackett 最近降低了对自动驾驶服务的期望，其前任曾在 2016 年表示，公司将于 2021 年实现规模化部署。「我们的产品将在那个时间段推向市场，」他在接受 San Francisco Chronicle 采访时说，「但现在，公众在媒体上关于自动驾驶汽车的浪漫想象有点过头了。」规模化部署进程的放缓并没有挫伤资本市场的热情。美国知名创投研究机构 CB Insights 估计，自驾车初创公司今年共融得超过 30 亿美金，其业务涉及自动驾驶汽车软件、行车安全工具和车辆间通信领域的制造及数据储存和处理。要想追踪任何重大技术的演进历程，可以参考研究公司 Gartner 的加德纳技术成熟度曲线。首先是「创新触发（innovation trigger）」过程，接着是「技术突破（breakthrough）」，然后很快达到「期望膨胀的峰值（peak of inflated expectations）」，此时开始有资金流入，媒体争相报道。然后会有期望幻灭的低谷期，此时开始遭遇失败、进度未达预期、融资数额降低。创业者将要直面这些实际挑战和残酷现实。繁华落幕，艰难前行，拨开云雾见光明。自动驾驶汽车似乎正在进入低谷期，欢迎来到最难的部分。技术难题「当前的自动驾驶技术水平，就好比计算机技术在上世纪 60 年代的水平，它是新兴的，而非模块化的，它还无法确定该如何组合起各个不同部分。」风险投资公司 Lux Capital 的合伙人 Shahin Farshchi 说，他曾经为通用汽车公司打造过混合动力汽车，并投资了自动驾驶初创公司 Zoox 以及传感器制造商 Aeva。事实证明，建造一辆自动驾驶汽车并非易事，远远不是把传感器和软件捆在一组轮子上那么简单。在一篇 Medium 的推文中，Bryan Salesky 直言不讳地开列出摆在他们面前的各项困难，他负责管理福特旗下的自动驾驶汽车公司 Argo AI。他说，首先是传感器方面的障碍。自动驾驶汽车至少需要三种类型的传感器：激光雷达，能够对周围环境进行精确的 3D 建模；摄像头，能够捕捉周围环境中的颜色和细节信息；雷达，可以探测远距离物体及其速度。尤其是激光雷达，价格并不便宜：一辆汽车的安装成本可能高达 75000 美元。然后，车辆需要从昂贵的传感器中获取信息，并将其融合在一起，提取它们在世界上运行所需的信息，并丢弃它们不需要的信息。 Salesky 写道：「要想开发一个可供规模化制造与部署，同时兼具成本效益的系统和可维护的硬件，是极具挑战性的。」（Argo AI 在 10 月份收购了一家激光雷达公司 Princeton Lightwave） Salesky 还提到了其它技术难题，虽然它们都是小问题，但是一旦这些自动驾驶汽车真正通过真实的三维空间，这些小的技术难题就会被证明是灾难性的：车辆需要能够看到、解释和预测人类驾驶员、骑自行车者和行人的行为，甚至可能需要与他们进行交流；当自动驾驶汽车处于另一辆车的盲点时，它自己必须意识到并且要格外小心驾驶；当路上有急救车时，自动驾驶汽车必须看到或听到，并明白它们需要更多的行驶空间。「如果有人认为，在未来几个月甚至几年内，全自动驾驶汽车将会出现在任一条城市街道上，那么他们要么是不了解其研究现状，要么就是对于安全问题不上心。」Salesky 写道。泼冷水的不止他一个。「技术开发商开始发现，最后的那 1% 要难于前面的那 99%。」波士顿自驾车公司 Nutonomy CEO Karl Iagnemma 说道，该公司在今年秋天被汽车供应商 Delphi 收购，「与最后那 1% 的工作相比，前面 99% 的工作就像是在公园散步。」 Iagnemma 说，聪明的公司们正在想出全面的方法来处理棘手的边缘情况（edge cases），而不是用类似于胶带和口香糖的软件补丁来修补它们。但这需要时间。资金困扰据 Intel 估计，大约到 2050 年，自动驾驶会给全球经济增加 7 万亿美元，其中仅美国就有 2 万亿，这还不包括这项技术在长途货运和其他领域的影响。但很奇怪的是，似乎没有人确定如何从这个行业赚钱。Iagnemma 说，「重点已经从单纯的技术研发转移到了产品和商业模式。」长期以来，自动驾驶汽车领域的从业者们坚信，人们将会首先通过类似出租车服务的形式与自动驾驶打交道。如果直接向消费者出售自动驾驶汽车，这项技术还是太昂贵了，而且太依赖于天气状况、地形以及高质量的地图。但尽管是以出租车的形式落地，从业者们目前仍无暇顾及自动驾驶汽车的用户体验环节。 Waymo 计划明年在亚利桑那州凤凰城启动一项特定区域内的无需司机的乘车服务，并称目前已经找到车辆与乘客交互的解决办法，这类交互包括如何通知汽车乘客的上车地点与目的地等。但是在 2017 年秋天的一次媒体试乘活动中，该公司并没有让记者体验这一功能。所以，目前公司放出的消息还不能完全相信。除此之外，自动驾驶汽车还会面临许多其他的问题。比如，当乘客遇到紧急情况或者在车里遇到意外的时候，如何告知车辆？自动驾驶公司如何回收庞大的研发预算？每一次乘坐要花多少钱？抛锚的时候该怎样处理？责任归谁？乘客需要支付多少保险费？在自动驾驶的进程中，一条明智的前进之路貌似是与竞争对手结盟。包括 Waymo、GM、Lyft、Uber、Intel，甚至处于消退边缘的汽车租赁公司 Avis，他们都在与潜在的竞争对手结成合作伙伴，为了打造真正的自动驾驶汽车以及支撑它的基础设施，他们正在共享数据和服务。如果你问一个自动驾驶汽车开发商是否应该单打独斗，即尝试建立传感器、地图、感知、测试能力以及汽车本身，他们都会耸耸肩。虽然像通用汽车这样的大型汽车制造商似乎认为纵向一体化集成是通往胜利的道路（它于 2016 年 10 月收购了自动驾驶技术公司 Cruise Automation，并于 2017 年 10 月收购了激光雷达公司 Strobe），但瞄准自动驾驶行业中某一单点环节的初创公司仍然相信他们在未来将享有一席之地。自动驾驶感知公司 DeepScale 的 CEO Forrest Iandola 说：「像 Bridgestone 等传统汽车供应商一样，还是会有很多人为车企提供服务，闷声赚大钱。」还有一些其他公司希望通过对特定群体的押注在自动驾驶生态中分得一杯羹。自动驾驶接驳车公司 Voyage 已经瞄准了退休群体，MIT 孵化的公司 Optimus Ride 最近在波士顿郊外一处新开发的社区宣布了一个试点项目，并表示这个项目的目标是为残疾骑士设计驾驶软件。 Optimus Ride 的 CEO Ryan Chin 表示，「现在看来，我们的产品是在为不健全的人提供新的出行方式。但我们认为此举实际上最终会创造一个更加健壮的产品」。这些瞄准不同人群的自动驾驶公司正在融资，Optimus Ride 刚获得了 1800 万美元的 A 轮融资，至此总融资额已达 2325 万美元。但是在日益拥挤的自动驾驶领域，他们的策略是否行得通呢？前路——攀爬总的来说，你不会马上在车道上看到一辆完全自动驾驶的汽车。如果你不是居住在纽约、旧金山或者凤凰城这样的大城市的一些特殊社区的居民，那么在未来十年内可能你也见不到自动驾驶汽车在你的居住范围内运营。这些汽车将会出现在特定的、精心策划的地区。如果运气好的话，你可能会碰到一辆自动驾驶出租车，它会告诉你前往它的停车点上车（那是它被允许且是仅有的能停靠的地方），而不是它来找你并在停下来的时候亮起临时停靠信号灯，你可能会与两三位 UberPoo 用户一起分享这次旅程。这些汽车会让你印象深刻，但是它们并不是完全可靠的。它们不知道如何应付所有的道路状况和天气条件，可能会需要一些人工帮助。举个例子，在众多车企中，Nissan 专注研发远程操控技术，它雇佣远程操作员来操控被卡住或者出故障的自动驾驶汽车。如果你没有足够多的搭乘自动驾驶便车的经历，那么你有可能在几年中忘记自动驾驶汽车这回事儿。你会和朋友开玩笑，说自驾车的炒作是何等的愚蠢。舆论会转移，新闻将不再报道自动驾驶汽车。然而无论如何，自动驾驶行业仍旧会悄然前进，开发者们会悄悄地处理更为精确的问题。好消息是，仍然有足够的动力将这个行业从 Gartner 曲线所谓的低谷推向生产力高峰。并不是每个开始了旅程的人都能够爬得上去。但是那些受到重创的并且有点血性的人或许会发现，曲线顶端有大量的钞票在等着他们，自动驾驶的前景是惊人的。本文转自机器之能，如需转载请注明来源。; 个人分类: 智能车|1230 次阅读|1 个评论

80亿美元巨资，三星为什么要买下哈曼国际？: 热度 4 brygid 2016-12-17 15:32; 前不久，三星电子宣布以每股112美元现金收购哈曼国际（Harman International Industries）。据悉，该收购总成交额约80亿美元，预计2017年中旬完成。可以说这是三星历史上最大的一次收购，而且还是典型的跨界收购。鉴于以往几次跨界收购的不成功（比如Google收购摩托罗拉），三星此次引起了不少争论，很多行业人士质疑三星此次收购的目标不清晰。那么，三星为什么要花费如此代价收购哈曼国际呢？提起哈曼，很多音响爱好者都会想到哈曼卡顿，三星此次收购的正是哈曼卡顿的母公司哈曼国际。哈曼国际是一家汽车解决方案的领军企业，目前超过3000万辆汽车配备了哈曼国际的汽车音响系统，其业务包括嵌入式信息娱乐、远程信息处理、连接安全等，旗下知名品牌有AKG、HarmanKardon、Infinity、JBL等。据悉，截至2016年9月30日，在过去的一年里，哈曼国际的销售额约70亿美元，其中65%的份额与汽车相关，截至2016年6月30日，这一相关领域的销售订单大约为240亿美元。其实，哈曼国际起源于哈曼卡顿。和惠普类似，哈曼卡顿由两位创始人Sidney Harman和Bernard Kardon的名字构成，其中Sidney Harman是关键性人物。1953年，美国的家用娱乐市场刚刚起步，Sidney和Bernard非常看好这个市场，于是他俩一起离职创立了Harman/Kardon。起初，他们第一款产品调频器并不成功。一直到1954年，全球首台“AM/FM 迷你收音机”Festival D1000的发布，哈曼卡顿才一炮而红。不过有意思的是，Bernard提前退休并把股票卖给了Sidney。Bernard的退休加速了哈曼卡顿的发展，因为Sidney是一个难得的商业天才，他拥有技术和销售的背景，了解市场和用户的需求，执着美学的追求，创造了哈曼卡顿发展史上的一个个经典。不过，Sidney并不深谙资本运作。1962年，电视器材公司Jerrold控制了Sidney的股份，同时将他踢了出去。Sidney很快振作起来全资控制了一家做飞机引擎零件和汽车后视镜的公司，然后将公司改名为Harman International并在1968年将哈曼卡顿买了回来。此次经历也使Sidney成了资本运作高手，仅仅1年后他就把JBL收入了哈曼国际。随后，哈曼国际进入了高速发展期。1976年，Sidney从政并将公司卖给了做食品的Beatrice Foods，之后哈曼国际的业绩遭断崖式下滑，并不断被卖。幸运的是，Sidney后来再次接盘买下并成功上市，在他的打理下，哈曼国际还陆续收购了AKG、Bang＆Olufsen、Bowers＆Wilkins、Lexicon、Crown等多家音频企业。2007年Sidney宣布退休后，哈曼国际似乎了走上了“下坡路”。通过哈曼的发展历程可以看出两点重要信息：一是哈曼国际实际上是一家专业从事汽车和音响的产业集团，其主要业务和影响都在汽车和音响两个领域；第二，哈曼国际的发展轨迹和创始人Sidney Harman密切相关，未来发展中确实很难再次重现辉煌。显然，哈曼国际很清楚当前所处的环境，自然期望傍上一家更有实力的公司作为依托。哈曼董事长、总裁兼首席执行官Dinesh Paliwal曾表示：“此次全现金交易将为我们的股东带来重要且直接的价值，成为一家规模更大、更多元化的公司的一部分将为我们的员工提供新的机会。” 一个愿卖，一个愿买 Dinesh Paliwal的话引出我们对于三星战略的第二个思考：一个愿意卖，为何另外一个愿意买？先来看三星今年的几个动作，10月6日，三星电子宣布收购Viv Labs。Viv Labs是由Siri的创始人 Adam Cheyer和Dag Kittlaus于2016年5月推出的创业项目，它是一家致力于打造开放式人工智能助理平台的初创公司。据三星电子移动通信业务CTO Injong Rhee介绍，与其他现有的基于人工智能服务不同，Viv有复杂的自然语言理解系统、机器学习能力和广泛的战略合作伙伴关系，这将丰富广泛的服务生态系统。而且，Viv考虑的是消费者和开发商。这两个焦点极大地吸引了三星，也是三星将Viv作为整合三星电子业务理想候选人的原因。可以想象，今后三星的家电、便携式电子产品等都将集成人工智能语音助手，标志着三星的交互技术将转移到语音控制的人工智能交互接口。这是一个什么信号？近几个月来，火热的智能语音交互几乎被炒上了天，但是如何落地智能语音交互？估计国内很多巨头还没搞清楚，但是三星确实彻底明白了。三星收购Viv和哈曼国际，并不是“不经意”就完成了智能语音交互战略从软件到硬件的布局，以及对于最自然场景车载语音交互的落地，而更像是三星的一种布局，一种对于产业链的布局。其实，三星的野心远不止如此，今年5月份，Samsung Ventures还参与了nuTonomy 的A轮融资。nuTonomy的出身和国内从事智能语音交互的声智科技类似，其团队也是军工出身为主，而这家公司主要从事无人驾驶技术的研究。难道三星要造无人驾驶汽车吗？其实三星很早前就在造车了，比如在中国销售的大部分雷诺车型就是由它代工的，只不过三星的梦想很大，一直没打出名堂。抓住下一个万亿级别市场可以看到，三星收购了两家公司：Viv和哈曼国际，布局了智能语音交互产业；投资了一家公司nuTonomy，布局了自动驾驶产业；同时三星还一直在做锂电池。笔者可以就此得出一个结论：三星或许真的要造新能源智能汽车了，而且很有可能会引领下一波人工智能应用的浪潮。或者换个角度来说，三星至少抓住了智能家居（例如类似亚马逊Echo智能音箱）和智能汽车未来两个总值万亿级别的市场，这些会成为未来三星再次爆发的契机。可以说，三星一直都清晰自己的边界，即便做了多年的智能语音交互，其仍然清晰明白自己在硬件和软件上的差异，这种差异必须通过收购来快速弥补。反观国内众多巨头，大量财力耗费到烧钱运营，而对于技术储备总是裹足不前，未来的商业竞争之中，如何才能保证强大的国际竞争力？此次三星收购哈曼，带给国内企业的不只是猜测和质疑，而是实实在在的布局和竞争，至少我们本土企业已经步步落后了，如何应对将来的新兴市场，这不是天天开发布会就能解决的问题。; 8341 次阅读|6 个评论

对自动驾驶的期许: 热度 2 liwei999 2015-12-20 21:33; 我对自动驾驶很期许。人老了，驾车老提心吊胆的，常怕瞌睡和走神，丢了老命不怕，怕的是孩子还不能放下。孩子还没成家立业，老朽不能走。现在看来，自动驾驶比平庸和老年的驾驶人水平要高，就是成本下不来。这符合所有人工智能的期许，就是超越、拒绝、取代平庸。全自动驾驶成本一时下不来 (马: 谷歌用的那个激光雷达70万人民币)，但自动驾驶中的某些技术可以很快使用，在成本可以接受的条件下。譬如开长途，从旧金山去洛杉矶，对我那是苦不堪言，现在自动驾驶可以解决这个问题。长途开车没有道理让人盯着路，困得不行就翻车。自动驾驶基本可以确保常规的机械前行。机助驾驶，应该允许人打瞌睡，瞌睡走了，需要人时，再用人。我希望我困了，就按一个按钮告诉机器，我睡一会儿，机器转成全自动驾驶，遇到麻烦了，自动机搞不定了，就扇我一个耳光让我醒来处理。如果扇不醒，自动机就把车开到路边，闪着红灯等警察来。这个总好过困死在路上。有人统计过每年长途开车犯困死在路上的冤死鬼有多少么？据说现在已经有长途开车的类似功能了，就是巡航模式 cruise 的自动控制，自动保持与前车的距离和自动刹车，这些就可以救命了。我就在谷歌附近上班，在这里常常遇到谷歌的自动驾驶车辆，慢条斯理从容得很，虽然local的交通状况其实蛮复杂的。据说开了好几年只出过两三次小事故，而且都是被人磕碰的，躲闪不及，比绝大多数驾驶员强多了。不知道总是拷贝谷歌的百度自动驾驶进展如何？合时成本可以下来，我们有生之年可否有福享受呢？; 个人分类: 其他杂碎|3507 次阅读|2 个评论

About me: iiiiice 2015-4-30 16:37; 贺正冰，博士、教授北京工业大学（城市交通学院）高层次人才研究方向：交通流理论、自动驾驶、交通大数据个人主页: https//www.zhengbinghe.com \0 \0; 7883 次阅读|0 个评论

[转载]车联网：改变的DNA: libing 2010-5-23 18:27; 在上海世博会上汽集团—通用汽车馆，几辆贯穿展览始终的“2030年未来汽车”给参观者留下了深刻印象。这些“未来汽车”有的依靠生物能或太阳能驱动，有的依靠车联网实现无人驾驶，能够杜绝交通事故，并实现智能仓储式停放。这些“未来汽车”的创想寄托了人们对未来城市交通生活的美好愿望。如果你还在对电影《2012》里那辆宾利的声控启动技术念念不忘的话，那么上海世博会“上汽集团—通用汽车馆”的体验视频《2030，行！》则能让你看到一幅更加不可思议的汽车生活画卷：2030年的上海，人们驾驶着未来车型出行，由于每辆车都采用了自动驾驶技术，盲人也可以开车穿行于城市中。在“车联网”的保护下人们可以把车开得飞快，却不用担心会发生交通事故；智能的车联网让汽车可以与城市交通信息网络、智能电网以及社区信息网络全部连接，帮助司机获得即时资讯，并作出与出行有关的明智决定；借助车联网的帮助，车辆将可以实现智能停靠，可以帮助司机订票、寻找停车场，甚至车辆自己就找到充电站完成充电。信息技术，正在改变汽车的DNA，让它成为个人的智能信息服务终端。汽车DNA寻求改变 “在过去的100年中，汽车发生了很大的变化，它变得更加安全、可靠、高效和便捷，但是它的DNA并没有改变。”通用汽车中国公司总裁兼总经理甘文维表示。从目前来看，全球大约96%的汽车依靠内燃机提供动力，汽车仍然依靠机械控制，并且是以个体为单位独立行驶。但是，随着人们对汽车的需求增加，城市面临着越来越多的挑战，包括不断增加的污染、能源安全，不断严峻的交通堵塞和交通安全问题。但是，如何做到在满足人们对汽车的需求的同时解决其所带来的不良后果？这并不是个无解方程式。甘文维表示，如果我们能探索出新的DNA，将其和车辆连通技术结合，实现车联网，那么这一切的问题就可迎刃而解。车联网可以实现车与车之间、车与建筑物之间，以及车与基础设施之间的信息交换，它甚至可以帮助实现汽车和行人、汽车和非机动车之间的“对话”。就像互联网把每个单台的电脑连接起来，车联网能够把独立的汽车联结在一起。信息技术大展拳脚 “现在买一辆汽车，车里的电子产品已经占到汽车成本的30%，高档汽车占到60%，车里有各种各样的通信功能，甚至还有CPU。”国家信息化专家委员会副主任、中国工程院副院长邬贺铨指出，这些技术可以帮助我们实现不停车的收费；利用汽车雷达进行防控管理，减少交通事故；还可以用对汽车的视频监控、RFID传感器等控制每个道路的流量，降低交通堵塞，减少碳排放量。在背后支撑车联网的，是各种信息技术交织出的网络。正如互联网能让人们实现“点对点”的信息交流一样，车联网能让车与车之间“对话”。装备了无线网络的每辆汽车就是一台电脑，RFID技术又把每辆汽车武装成一个信息搜集、交互的处理器，而这些汽车本身又是整个车联网中的各个节点。 PFID技术可以帮助汽车有感知周围环境的能力，收集和分享即时的信息和数据；而无线网络也并不仅仅是让用户在车里上网、收发邮件这么简单，它能把这些数据连接到中央基础设施网络，让汽车可以即时处理海量的数据，并作出反应。在二者的默契配合下，人们出行的交通路线得到优化，行程中未知因素带来的影响将得到控制。同时，汽车可以实现和智能电网的连接，帮助管理能源供给，平衡电力的供求；甚至可以控制汽车在停车场自动充电，或者是通过预设在使用率很高的道路上的无线充电基础设施进行充电，减轻在车辆上安装大型的车载能源储备系统的负担。如此看来，对于这个新名词，我们是不是可以更加直观地理解为：车联网的核心是无线网络和RFID，只不过应用在汽车这个主体上。跨界合作尚需火候目前，车联网技术已经在一些品牌的汽车上“牛刀小试”了一番。比如华泰汽车联合英特尔推出的华泰元田B11就相当于将一台小型电脑集成在车内，它不仅能借助3G网络让驾乘者实现移动办公、信息搜索、数字电视等应用，还能把汽车当前的状况（胎压、油况）等发送给4S店。上汽荣威在和中国联通合作后也打出了“3G汽车”的宣传口号，通过3G网络，其导航功能把实时路况、行驶路线周边餐饮、停车场信息整合起来，并提供每日资讯下载、文字音频转换、免费语音和视频聊天等应用。装配于凯美瑞上的G-BOOK系统能通过无线网络为车主提供紧急救援、防盗追踪、道路救援、G路径检索等智能通信服务。和车联网的市场潜力相比，上述案例只是个开始，不少应用仍然只是“旧瓶装新酒”去迎合“车联网”的概念，并没有摆脱车载信息的个体概念，而形成一张“网”。究其原因，车联网目前只有汽车制造企业和几家信息化服务企业在势单力薄地推进，如果更多的相关行业可以看到这个市场的前景并加入进来，一条完整的产业链指日可待。其实，我国拥有数量庞大的互联网和移动网络用户，具备强大的技术研发实力和蓬勃发展的汽车工业，很有潜力成为车联网最大的市场。甘文维认为我国的汽车基础设施不像其他成熟汽车市场那样受到诸多限制，正在成为未来个人交通解决方案的中心。在这种机遇面前，车车互联这一愿景，不是凭借着想象就能实现的。这个新兴产业的发展需要更多力量的帮助，包括跨产业的通力合作，如IT、运输、汽车、服务提供商、电信等多个行业之间的协作；需要政府的重视，在政策上给予支持和引导；需要城市规划者和基础设施专家的努力，能够为这些应用提供良好的道路规划；需要汽车制造企业的长远眼光和开放心态，做好产品的研发和市场策划；需要信息技术服务企业的共同参与，建立更加扎实的信息基础设施，为信息的采集、传递、处理做好准备。小资料车联网是指装载在车辆上的电子标签通过无线射频等识别技术，实现在信息网络平台上对所有车辆的属性信息和静、动态信息进行提取和有效利用，并根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务。汽车数字化标准信源技术是基于RFID开发的涉车信息资源的应用技术。 (来源：人民邮电报作者：林婧); 个人分类: 移动网络|2517 次阅读|1 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 自动驾驶

相关帖子

相关日志

关闭安全验证