导读:现在自动驾驶的特点是让汽车去适应道路,应对复杂的路况。那么,是否存在另一种可能?铺设庞大的“智能道路”,让道路去适应汽车,降低自动驾驶的技术难度,尽早实现L5级别的自动驾驶?
自动驾驶技术依靠人工智能、视觉计算、雷达、监控装置以及全球定位系统,实现汽车自动驾驶车辆。
现在自动驾驶的特点是让汽车去适应道路,应对复杂的路况。那么,是否存在另一种可能?铺设庞大的“智能道路”,让道路去适应汽车,降低自动驾驶的技术难度,尽早实现L5级别的自动驾驶?
以如今的自动驾驶技术发展方向而言,要想实现L3级别以上的自动驾驶,要么需要汽车配备激光雷达,要么需要搭配高分辨率的摄像头和算力极强的芯片,无疑会增加汽车生产成本,不利于自动驾驶普及。
但如果能成功建设“智能道路”,实现车路协同,汽车只需要能实现高精度的地图定位,并且可以将位置、速度等信息,发送给云端,再由云端进行调度后,将指令发送到各个车辆即可。
端计算变成云计算,自动驾驶汽车的成本将大大降低,普及率势必大增。
“智能道路”的另外一个好处是突破自动驾驶的发展瓶颈。
以目前的自动驾驶技术,还不足以应对复杂的交通环境,如果有“智能道路”告诉车辆,哪里有车、哪里有行人、哪里可以走,就可以大幅提高自动驾驶车辆的判断能力。
似乎“道路控制车”比“车控制道路”要靠谱一些。但实际上,前者实现难度也不低。
成本
“智能道路”能否成为一个新的方向,成本终究是一个大问题。
1960年,美国新泽西州普林斯顿市政府,发表了一篇激动人心的新闻稿,对“电子化高速公路”的技术进行解读说明,从而开启建设电子化高速公路的浪潮。
然而过高的铺设成本,这一设想很快便破产了。每一英里基于计算机和传感器搭建的高速公路,总投入成本高达2万到20万美元之间,以当时的技术水平,也难以实现这里设想。
虽然目前的技术水平,早已大大超越1960年的水平,但成本仍然是一个大问题。
如果要实现“智能道路”,意味着:
所有的交通信号灯、摄像头等基础设施,都必须实现5G网覆盖,否则延时过高,无法保证数据传输的时效性。
每隔一定距离,就要有相关的设备,监控路面和周围环境,否则很难应对一些突发的状况。
每一个交通区域,都必须要一个算力超强的数据处理中心,以保证在庞大的车流量情况下,能够正常运转。
截止到2019年末,中国公路总里程已经突破500万公里,全部实现“智能道路”这个工程量几乎不可能完成。
执行力
车和道路必须组合成一个整体,车辆在收到云端系统的指令后,即便是发生故障,也能保持与系统的正常通信,严格执行系统发出的指令,否则将会影响整个系统的正常运行。
以2010年波兰总统专机坠毁事件为例,该坠机事件造成包括波兰总统在内的96人死亡,机组人员未执行塔台的指令,是造成此次事故的重要原因。
可见终端执行力有多么重要。
可靠性
“智能道路”属于公共设施,同时为数以百计,乃至万计的车辆服务,设计上,必须有极高的可靠性和冗余设计,难度和成本都会成倍增加。
举一个简单的例子,汽车的法拉第笼结构,可以避免它遭遇雷击,而“智能道路”中的所有设施,都必须具备抗雷击以及自然灾害的能力,要做到这一点,成本也将大幅度增加。
“智能道路”的确是未来的一个发展发现,但目前要实现很难,但不乏先行者。
瑞典欧洲E4公路、日本智能公路、英国智能高速公路、荷兰智能高速公路都是“智能道路”落地应用的例子,我国在2017年9月江西宁都至定南高速公路智慧高速项目投入试运行,是一个很好的开端。
“智能道路”时代将慢慢到来!