开车跑长途绝对是个累活儿,这需要驾驶员长时间保持精神高度集中,往往是在“一眨眼的工夫”,车祸就发生了。在一些场景中,如果驾驶员能够早一秒甚至十分之一秒(100毫秒)踩下刹车,就可能避免悲剧的发生。这丝毫不夸张,当一辆车以120公里时速行驶时,100毫秒的行驶距离就是3.33米,约等于一个车身的长度。
更快的反应时间能够帮助人类驾驶员规避意外的发生,同样地,自动驾驶车、路、云交互也需要更短的数据传输时延来提高安全性。特别是在L3、L4、L5高级别自动驾驶出现后,对于数据传输时延有了更高的要求,自动驾驶公司们对于时间的把控到了“毫秒必争”的地步。
如何降低数据传输的时延?一方面,应用更先进的通讯技术。近两年,5G通信网络逐步普及,其大带宽、低时延等特性能够更好地支持自动驾驶车辆数据传输。不过,根据业内专家预测,实现全国范围内的5G网络覆盖大约要到2025年。此外,国内各大城市、地域在5G建设上的推进节奏并不同步,这也会在一定程度上阻碍自动驾驶跨区域应用。
另一方面,采用分布式计算架构也能降低数据传输时延。原因在于,分布式架构引入了边缘计算单元,边缘计算将原本由中心节点(云计算)处理的任务分散到各边缘节点。边缘节点更接近于数据源,具备“近水楼台先得月”般的优势,可以加快资料的处理、传输速度。这有点类似于自然界中章鱼对于信息的处理方式。章鱼是最聪明的无脊椎动物之一,其60%的神经元分布在腿部,40%在脑部,这样的生物结构帮助它们更好地感知外部环境,在捕食、逃避天敌时更有优势。
随着自动驾驶技术的快速发展,车辆、路端设施采集的数据量越来越庞大,单独的云计算可能会在数据传输速度、信息处理及时性、能耗等方面遇到一些问题。而边缘计算与云计算的优势互补,二者的结合被视为拥有广阔前景。据了解,一辆智能网联汽车一天可以采集10TB数据,路端设备的数据采集量也能达到TB级别。这是相当大的数据,TB为计算机存储容量单位,1TB大概可以容纳几十部甚至上百部1080P高清电影。
分布式架构的优越性在蘑菇车联“车路云一体化”自动驾驶系统中得以体现。具体来说,该系统不仅在自动驾驶车端和云端部署有计算单元,在一座城市的多个路口也就近部署了大量边缘计算单元。由于距离数据源更近,边缘计算能够缩短系统数据处理时间,同时对数据进行打包压缩,使数据上传云端后可尽快转化为指令,下发给自动驾驶车辆。
图片来源:蘑菇车联
在蘑菇车联自动驾驶系统中,数据从路侧感知、云端上传到下发的传输全链路延迟已经被压缩到100毫秒内。这是一个了不起的数字。在奥运会短跑项目中,远动员在100毫米内起跑将被视为抢跑并被取消参赛资格,这个时间被视为人类反应时间的极限。
车-路-云系统时延缩短到100毫秒以内,这也意味着,路侧+云端全局路况感知能力全面下放到车端,单车也拥有了大范围预警、预测和中远距离行车策略规划能力。
在一些交通场景中,蘑菇车联自动驾驶系统的大范围预警能力将发挥出不可替代的作用。例如,当一辆自动驾驶汽车与一辆大卡车同时停在十字路口等待绿灯通行,这时卡车旁窜出一名行人,汽车驾驶员很可能因为遮挡或者视野盲区不能及时发现危险。这种情况下,路侧摄像头捕捉到行人信息并经由边缘计算处理上报到云端,再下发至车辆,就能提前规避安全隐患。
预测的价值则在于,随着遍布城市大街小巷的路网数据汇聚云端,所有路段实时车流信息在云端“一屏计算”实时下发,自动驾驶车辆也能“看到”前方1000米外甚至整个城市的拥堵情况。在未来智慧交通、智慧城市的建设中,这一功能将能够为城市管理者提供决策依据,提升整个城市的出行效率。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
