长沙智能驾驶研究院 实现基于5G的人车路云协同V2X应用
2018-10-28 09:28:35爱云资讯阅读量:839
不忘初心,车路合一
当前在汽车行业乃至整个科技行业,自动驾驶的相关问题,总是占具着最多的话题和关注。都说车联网V2X是解决自动驾驶落地的最后的推手。只有融合了路和车双方智能,才能完全解决最后1%的特殊情况。而5G网络正是为低迟延大带宽车联网V2X技术大规模部署的关键一步。
就自动驾驶场景而言,必然是以高效、可靠的连接为基础。试想一下,汽车飞驰在道路之上,车与车、车与路、车与云端的通讯往往只在一瞬间,并且由于高速移动时的不确定性,所有动作都必须在数毫秒之内完成,稍有耽搁就会影响到后续的驾驶判断,极有可能酿成交通事故。
而根据相关的统计,未来无人驾驶汽车将在每秒钟消耗0.75GB的数据量,每天使用大概4000GB的数据量。超大的数据量、加上苛刻的传输环境,都对连接提出了更高的挑战。
而5G网络的理论值将达到5Gbps甚至是10Gbps,将会是4G网络的50-100倍,而时延均值也降至几毫秒,拥有低时延、高速率的优势,完全可以满足自动驾驶车联网V2X的大带宽和低迟延的苛刻需求,无疑将加速自动驾驶的应用进程。
唯快不破,我们早已准备多时
2017年12月21日,全球第一个可商用部署的5G标准——5G NR首发版本正式冻结并发布。
2018年9月18日,工信部组织开展了5G技术在车辆应用上的研发和验证,批准了5G和车联网V2X实验的使用,并发布了5G系统在中频频段的使用规划。
2018年10月18日,长沙智能驾驶研究院作为国内自动驾驶与智能网联技术领跑者,联合华为、湖南移动、湘江新区智能系统测试区率先实现了基于5G的人车路云协同V2X应用,并以“全国首个”的姿态对外进行演示。
此次长沙智能驾驶研究院所研发的车联网V2X设备率先在5G网络的大带宽和低时延的能力下的充分运用,得益于企业唯快不破的研发理念,从人员规模到团队重心都是围绕打造核心技术在进行。在车联网V2X方面的研发也是以行业顶级技术专家牵头,团队成员平均从事车联网研发3年以上。
从DSRC(专用短程通信技术)第一次通信成功、C-V2X(基于蜂窝网的车联网技术)的初次体验,到现今的三模(LTE、LTE-V、DSRC)车载OBU、路侧RSU的量产、数十个V2X场景的稳定路测再到坐等5G网络到来,实现基于5G的V2X成功演示仅仅用了不到一年的时间。
CIDI智能网联车载设备OBU以及智能网联路侧设备RSU在5G网络环境下,实现了以下人车路云协同应用:
1.V2V(vehicle-to-vehicle)车车协同。 前向碰撞预警、盲区预警、紧急制动预警、变道辅助等保障车辆安全及提升车辆效率类应用。
2. V2I(vehicle-to-infrastructure)车路协同。道路安全预警、车内标牌预警、闯红灯预警、限速预警、前方拥堵预警等车与路侧基础设施的交通效率类应用。
3. V2P(vehicle-to-pedestrian)人车协同。行人防碰撞预警等行人安全类应用。
4. V2N(vehicle-to-network)路口信息播报、路线规划、地图下载等交通信息类应用。
在未来5G环境下,该设备将有效且性能稳定的实现帮助驾驶员规避危险,提升驾驶效率的作用,也可以将数据上行传输以供智能网联汽车实现进一步的数据融合和协同控制。而基于5G网络的智能网联设备在全国测试场景复杂程度最高、测试道路总里程最长的湖南湘江新区智能系统测试区的实施及运用。也使得湘江新区智能系统测试区成为全国第一个支持5G V2X测试的封闭测试区,对于测试区的行业优势、智能网联汽车发展以及5G网络的应用有着巨大推动意义。
相关文章
- 连续七年荣誉加冕,Momenta再获铃轩奖量产类、前瞻类智能驾驶金奖
- IM AD DAY 智己汽车 x Momenta 智能驾驶技术日
- 广汽埃安携手Momenta,共同推动高阶智能驾驶普及,塑造卓越智驾体验
- 文远知行携手博世赋能奇瑞星纪元,高阶智能驾驶进入平民市场
- 问界M7 Pro智能驾驶普惠于民,成25万级SUV首选热门车型
- 发力高阶智能驾驶,零跑汽车与安霸签署战略合作协议
- 长电科技完整封装解决方案助力智能驾驶应用全面落地
- 均胜电子汽车安全业务盈利改善,创新业务重点发力智能驾驶
- 均胜电子2023年研发投入36.5亿元 重点围绕智能驾驶、智能座舱与网联创新
- 均胜电子智能驾驶加速落地,支持L2到L4多场景应用
- 华为智能驾驶技术全面升级,释放“无图智驾”全新潜力
- 铠侠车载UFS 4.0上市,智能驾驶系统将如何升级?
- 获数亿元Pre-A轮融资,复睿智行抢跑智能驾驶融合感知赛道
- 黑芝麻智能亮相CES 2024,智能驾驶产业“芯“势能席卷全球
- 黑芝麻智能与亿咖通科技签署战略合作协议,助力智能驾驶量产落地
- 脉脉高聘就业形势观察 智能驾驶人才流动的热与冷