|
2020年12月召开的中央经济工作会议对明年重点工作进行了部署。其中，强化国家战略科技力量、增强产业链供应链自主可控能力、坚持扩大内需这个战略基点三项任务居于前三位。 智能汽车领域产业链条长、涉及环节多、差异化消费需求强烈，是新一轮产业革命的重要抓手，是实现“需求侧改革”的重要力量。在此研判下，建投华科联合汽车评价研究院与知名院士专家、高校学者、产业界人士一道，经过近一年的精心打磨，最终完成了《中国智能汽车科技强国之路》的编写工作，新书已于12月26日正式发布。为更好的为智能汽车产业发展服务，我们将陆续将此书的内容进行发布，以供行业参考借鉴。 接上文：【蓝皮书】《中国智能汽车科技强国之路》——协同（一） 各领域合作协同发展 建设完善智能网联汽车行业生态 上海交通大学汽车研究院副院长 殷承良 上海交通大学智能汽车研究所教授、博士生导师王亚飞 一 技术协同 （二）融合创新 1 技术路线的融合 “智能”和“网联”构成了自动驾驶汽车从低级到高级发展主要有两大基本方式。“智能”主要指汽车具备自主信息获取、自主决策、自动控制能力，通过摄像头、毫米波雷达和激光雷达等传感器感知信息，然后依据特定算法做出驾驶决策并执行，其主要特点是自主获取环境信息。“网联”基于通信和网络获取信息，然后通过云端大数据进行分析决策，并最终由控制系 统执行，其主要特点是通过多车协同获取环境信息。网联化服务于智能化，智能化是网联化的体现，其终极目标是实现汽车的自主驾驶和决策，并通过信息化的服务，有效地缓解当前交通状况下所面临的难题。 网联与智能技术加速融合。网联式智能技术与自主式智能技术相辅相成，互为补充，正在加速融合发展。网联式系统能从时间和空间维度突破自主式系统对于车辆周边环境的感知能力。在时间维度，通过V2X通信，系统能够提前获知周边车辆的操作信息等交通控制系统信息以及气象条件、拥堵预测等未来状态信息。在空间维度，通过V2X通信，系统能够感知交叉路口盲区、弯道盲区、车辆遮挡盲区等位置环境信息，使自动驾驶系统更全面地掌握周边交通态势。 2 关键共性技术的协同创新 智能网联汽车产业覆盖了法律与道德、芯片和软件、科技与人文，囊括了所有互联网大数据和AI的领域，因此坚持开放合作开源创新、系统协同开发是目标实现的关键路径。开展协同创新，攻关智能网联汽车计算基础平台等关键共性技术，建立面向未来出行的融合创新平台。 中国智能网联汽车仍面临许多亟待解决的关键技术问题，必须补充短板，掌控一些核心技术，如多源信息融合、协同控制、车规级芯片、新型电子电气架构、安全稳定的固件在线升级、上路安全测试评价体系、动态高精地图、行业标准、信息安全等。自动驾驶系统技术流程如图3所示。
以多种传感方案协同举例，感知是自动驾驶的基础，利用传感器感知环境，所需传感器主要有摄像头、激光雷达、毫米波雷达和超声波雷达等 （见图4）。摄像头用于获取图像信息，按安装位置可分为前视摄像头、侧视摄像头和后视摄像头，在自动驾驶解决方案中具有不可替代性。毫米波雷达全天候工作能力较强，可与其他传感器形成互补，目前按频率主要分为24GHz毫米波雷达和77GHz毫米波雷达，前者检测距离较短，可用于实现BSD，后者探测距离较长，可用于实现ACC。激光雷达按线束多少可分为单线束激光雷达和多线束激光雷达，区别在于后者能够获取目标物体三维信息而前者不能，后期能否成为主流传感器取决于成本能否有效降低；超声波雷达应用情景较少，主要为自动泊车中的障碍监测。
由于每种传感器均具有局限性，主机厂可通过多种传感器融合的方式取长补短，从而适应各种环境条件。如在烟雾环境中摄像头工作能力较弱但毫米波雷达工作能力较强，而在探测行人方面，摄像头工作能力较强而毫米波雷达工作能力较弱，通过两种传感器融合的方式，自动驾驶汽车既能探测行人，又能适应烟雾环境。 高精度地图具有辅助环境感知的功能，能够对传感器无法感知的部分形成补充。高精度地图存储的行车辅助信息主要分两类：第一类是道路数据，如车道宽度、坡度、曲率等；第二类是车道周边的固定对象信息，如交通标志、信号灯等。通过高精度地图，可以提取出车辆周边的道路、基础设施、交通等对象以及各对象之间的关系，从而提高车辆对周围环境的鉴别能力。相较硬件传感器，高精度地图具有不受障碍、环境或者干扰的影响以及检测范围广等优点。除此之外，高精度地图还具有地图匹配和路径规划的功能。 （未完待续。） 【蓝皮书】《中国智能汽车科技强国之路》——协同（一） |
