新闻中心

当前位置: 首页 > 新闻中心 > 学术简报 > 正文

AIR学术|陶吉:从自动驾驶到智能交通:车路协同的技术与产业化发展

来源:       发布时间:2021-05-14
主讲人 时间
地点 精彩回顾

清华大学智能产业研究院(AIR)致力于利用人工智能技术赋能产业升级、推动社会进步。为更好地增强学术交流,促进学科发展,保障行业最新信息的及时交换,AIR定期举办各种类型的学术沙龙。




活动概况


5月13日,第三期AIR学术沙龙在清华大学智能产业研究院(AIR)图灵报告厅如期召开,本次活动邀请到百度智能交通产品研发总经理陶吉做题为《从自动驾驶到智能交通:车路协同的技术与产业化发展》的报告。


活动采取线下及线上直播的方式,吸引了包括北京交通大学、北京邮电大学、首都师范大学、佛罗里达大学等高校,百度、中国联通、中信证券、智源研究院、亿咖通等企业单位的学者、专家等共计约1300多名观众观看。


1465a1566a179d5ce6c4fe48f41ae7b.jpg


讲者介绍

image.png


陶吉博士,本科毕业于西安交通大学,后于新加坡南洋理工大学获得博士学位。目前任百度智能驾驶事业群组(IDG)自动驾驶事业部总经理及智能交通产品研发总经理,负责Robobus、车路协同、智能交通相关技术和产品的研发和落地。


报告内容


自动驾驶技术正在从单车智能向V2X车路协同方向发展,自动驾驶正在从测试阶段步入目前的运行阶段,并逐步进入规模化试运营阶段。自动驾驶领军者百度已经在多个城市开启自动驾驶测试,自动驾驶总里程超过1000万公里。据陶吉博士介绍,人类操作驾驶普通交通事故为每1到10W公里发生一次,严重事故为100W公里级别,致死事故为亿公里级别,目前的自动驾驶车辆已经能达到与人类驾驶能力相匹配,据美国加州车辆管理局(DMV)报告显示,百度在自动驾驶车辆平均接管公里数领先其他自动驾驶公司,即便如此,百度公司认为目前自动驾驶在商业化部署还需要很长时间。


1.png


目前单车智能在处理一些特殊场景时仍存在一定的挑战,例如红绿灯遮挡的场景、太阳光造成的逆光红绿灯场景、因车辆、树木或建筑遮挡造成视觉盲区场景等等。相比于人类视距,目前传感器普在视距较短、对中远距离障碍物检测跟踪不稳定的问题,这些问题可能造成自动驾驶车辆感知失效甚至造成决策失误,从而影响驾驶安全。比如:因检测距离较短对决策造成困难,典型案例就是在大路口自动驾驶汽车来不及反应对向的快速来车,车载感知因观测视角的变化而对静止障碍物速度估计不准,典型的例子有路边缓慢驶出的车辆存在潜在碰撞且极易引发自动驾驶汽车急刹行为。以上案例都是在没有路侧设备仅靠单车设备感知的情况下,会对自动驾驶造成不可预知的风险。


2.png


据估计,在单车智能与车路协同的情况下,MTBF(平均无故障工作时间)<10⁻⁹次/h时,才能满足完全自动驾驶的需求,车路协同刚好为单车智能提供一份新的冗余系统,加快达到这一目标的速度。


3.png


近年来,我国也大力支持V2X行业的发展,制定相关政策法规来加速推进V2X基础设施建设,各类政府报告中均有强调智慧公路和智能道路基础设施的建设。V2X的发展主要包含两大通信技术路线,分别为DSRC与C-V2X,现阶段,高级别的自动驾驶可以由NR-V2X来支撑,V2X正在由智能网联服务阶段(ICV)进入智能交通出行服务阶段(ITS)。


目前自动驾驶的感知能力上存在一定的局限性。V2X技术作为智能网联车的重要助推剂,借助新一代新信息通信技术,实现V2X(Vehicle to Everything)的全方位网联和信息交互:车车(V2V),车人(V2P),车路(V2I),车与云服务平台(V2N)。


4.png


基于V2I的感知,能提供丰富的路侧信息,可以打破现有车载传感器的局限性,增加冗余度。同时V2I的感知更加经济,中国城市机动车保有量与路口数量的比例为千级别,复用路侧感知设备做到整体上更经济,路侧设备为公共设施,容易拉动公共投资,成本分担者的构成发生变化,车端不再需要添加冗余的感知设备。


5.png


在思考车路协同与自动驾驶的关系时,陶吉博士指出,与车路协同相比,单车需要更长的时间,更昂贵的设备成本,更复杂的算法去实现长尾问题,但车路协同能很好的解决自动驾驶长尾问题。


车路协同对解决自动驾驶中未知安全领域的情况有显著作用,百度通过建立SOTIF预期功能安全模型,以大规模的时间和仿真推演完成车路协同对自动驾驶的评价。同时部署全球最大规模的自动驾驶车队与L4级车路协同路口,数百辆车 X 数百个路口,在实际跑车中收集case,且基于大规模车端与路侧数据同步采集,进行理论建模和仿真。


百度Apollo车路协同目前为全球最大规模的“基础设施X无人车“组合,落地城市包含广州、长沙、北京、重庆、沧州等近20个城市,自动驾驶车辆 500 ,v2x点位400 ,车路结合构造海量场景,自动驾驶车路协同日里程1000 km,V2X单点位可服务100 车次/天,车路结合日均贡献数据量可达 40 T/天,车路协同可收获价值数据 100 条/天。


6.png


车端与路侧同步数据采集与仿真系统可实现自由开关V2X路侧感知,基于仿真车载/路侧感知结果,V2X可实现其特定的自动驾驶的应用价值。例如救护车闯红绿灯,模拟系统等场景。


7.png


同时,百度提出的车路协同收益理论模型中,可以通过计算安全角度V2X收益量化公式计算单车智能与V2X结合与单车智能相比,其事故、风险率的降低倍数。要充分验证车路协同对自动驾驶的作用,路侧系统能力是关键,即提高x。路侧感知系统精度、延时、稳定性应相当于一套独立的L4自动驾驶需求提升路测系统能力是自动驾驶的作用。


撰文 / 陈家璇 冼晓晴

编辑排版 / 冼晓晴

校对责编 / 王哲 黄妍


精彩视频回顾及完整版PPT下载,请点击:

AIR学术沙龙第3期|从自动驾驶到智能交通:车路协同的技术与产业化发展



上一条:AIR学术|马毅:基于第一原理的深度(卷积)神经网络 下一条:AIR学术|AI赋能基因分析与新药发现

关闭

最新动态

业务合作:airoffice@air.tsinghua.edu.cn
招生招聘:airhr@air.tsinghua.edu.cn
联系电话:(010)82151160  

办公地点:北京市海淀区清华科技园启迪科技大厦C座12层

官方微信

京ICP备15006448号  |   版权所有©清华大学智能产业研究院