基于低压直流供电的车路协同一体化系统

随着自动驾驶技术的高速发展,无人驾驶有望成为未来出行的主要方式。一直以来,相关学者对无人驾驶汽车的智能化研究较为深入,而对于车路协同的无人驾驶技术方案探索较少,针对以AI为核心的单车智能存在很多局限性的实际情况,提出一种基于低压直流供电的车路协同一体化系统,主要介绍了车路协同一体化系统中路侧智能基础设施的供电方式和通信组网方式,给车路协同在汽车无人驾驶领域之中的良好应用与发展提供一定的参考。     

5G网络切片在车路协同系统中的应用研究

5G低时延高可靠的网络切片在车联网行业得到广泛关注,车路协同各场景的发展演进也体现了5G应用正逐步深化。从5G灵活的网络定制能力入手,分析了车路协同发展过程以及各业务场景对网络性能的需求,并基于典型的车路协同系统架构,论述车联网业务的5G网络切片实现流程,涵盖了切片创建、切片资源调度和切片安全保障等主要内容。     

第二代车路协同技术赋能全场景自动驾驶

我想从应用与实践的角度,分享一些对车路协同与智慧道路建设的新认知. 车端和路端智能多场景落地车路协同的技术鸿沟逐渐抹平 车路协同的原点,实际上来源于自动驾驶的普及和应用.我们可以把中国自动驾驶的发展分为四个阶段.阶段一是2016年至2020年,这个阶段基本上以单车智能技术为主,通过各种场景进行技术验证与功能开发.与此同时,路端的建设也如火如荼.我们可以称之为第一代车路协同的路端建设,它是以通信设施、基础设施为主的车路协同建设,通过部署基站或检测设备来实现,以这样的方式,打通了车跟路之间的通信,中国也设立了C-V2X的国家标准.然而,这样也出现了很多问题,例如缺少适配的车辆去使用通信通道,再如基础设施耗电量大,造成资源浪费,等等.我们把车定义为应用端,把路定义为基础设施端,只有应用端产生强需求,才能拉动基础设施,车和路的协同才会比较容易打通.     

毫米波雷达在车路协同系统中的应用研究

随着车路协同系统技术的研究与发展,感知设备的可靠性、稳定性、高性价比、可大规模部署等要求被提出来。而毫米波雷达正是满足这一要求的器件。介绍了一种基于智能网联平台的车路协同的基本组成与架构,阐述其在交通系统中发挥的作用。重点讨论了毫米波雷达感知技术的原理与功能,研究以毫米波雷达为主要感知设备搭建车路协同系统的可行性,研究毫米波雷达技术在智能交叉路口、智能高速/快速公路、智能停车场三种车路协同场景下的应用。可为毫米波雷达技术在车路协同系统中的应用研究提供参考。     

面向车路协同5G网络端到端切片技术方案研究

在车路协同系统聪明的车、智慧的路、强大的网和智慧的云4个关键因素中,C-V2X与5G构建的强大的网为现阶段车路协同的主体,是车-路-网-云各个要素有效融合和优势互补的桥梁.基于车路协同的车联网业务场景非常丰富,其对网络性能要求各异,5G网络切片技术可通过定制化逻辑网络组建,为不同业务场景的车联网业务提供端到端的大带宽、...     

5G车联网技术与标准进展

由于时延和可靠性的短板,基于LTE V2X的蜂窝车联网解决方案只适用于辅助驾驶和初级自动驾驶场景,必须通过更新技术满足未来高级自动驾驶的需求,基于5G的蜂窝车联网NR V2X应运而生。结合3GPP 5G NR V2X的标准制定过程,在分析车联网面向高级自动驾驶应用场景的基础上,重点分析了5G NR V2X关键技术要求和解决方案,并对当前3GPP标准化进展进行了介绍。     

5G让自动驾驶成为现实

对于自动驾驶而言,车辆除了需要具备观察周围环境的感知系统,还需要与一切影响车辆的实体进行信息交互,以减少事故的发生。5G通信技术具有低时延、高速率和高安全性的特点,解决了当前车载互联网面临的诸多问题和挑战,使得自动驾驶方面100%安全的决策成为可能。随着5G通信技术发展和普及,自动驾驶发展迎来了历史性的机遇。     

西北首个公交5G车路协同业务应用落地

西咸公交集团5G车路协同项目是新基建龙头5G应用的重要场景—车路协同的应用项目,具体建设为"上林路- 西咸大厦"5G车路协同智慧公交系统,全长6 km,停靠8个站台,该系统是连接城际交通与工作单位重要线路,完美解决"最后一公里"问题. 该项目可以实现八大类业务: 一是实时车路协同,车辆与路口信号灯信息交互,提升通行效率; 二是智能车速,具备高级辅助驾驶功能,协助驾驶员操控,降低驾驶疲劳度,提升安全性; 三是交叉路口防碰撞,超视距感知路口交通信息,危险场景预警,降低安全隐患; 四是行人斑马线提醒,提前预警无红绿灯管控的斑马线与行人交汇危险,提升安全性; 五是盲区检测与变道辅助,智慧车辆之间信息交互,提前预判、避让、减少危险和提高安全驾驶; 六是最优车速,通过车与车、车与路、车与平台实时信息交互,通过边缘计算给出了最优行驶速度,降低能耗; 七是精准停靠,车辆停靠距站台约15公分,解决老人、小孩和雨天等上车困难的痛点,大大提升了服务质量,减少不安全隐患; 八是车后LED灯提示,可及时向社会车辆广播路口红绿灯及交通信息,提升车辆的通行效率,同时降低社会车辆违章行为及不安全的驾驶隐患.     

车路协同的云管边端架构及服务研究

对智能交通业务的发展趋势、车路协同技术及系统要求以及国内外发展现状进行了介绍;同时重点阐述了智能网联交通体系之车路协同云管边端架构方案,介绍了中心云、交通专网/电信网络、边缘云、车载/路侧终端协同的"云-管-边-端"统一架构,同时提出了基于云管边端架构的车路协同多源数据融合信息服务能力开放框架,并对其具体功能要求、API调用方式进行了详细论述。     

智能驾驶路径规划技术综述

随着5G通信系统和人工智能技能快速发展，汽车产品的智能化和联网化已是大势所趋。人们追求更加方便快捷的出行方式，智能汽车朝着人员辅助驾驶到汽车实现无人辅助自动驾驶以及单车独自智能驾驶到多车协同智能驾驶等方向发展。目前汽车智能驾驶前景广阔，智能驾驶技术已成为汽车产品功能研究领域的热门研究方向。智能驾驶路径规划分为局部路径规划和全局路径规划。在路径规划技术中需要用到环境感知技术来实现智能汽车自主避障，因此，介绍智能驾驶研究概况，结合算法对环境感知、路径规划等智能驾驶技术的发展进行分析和梳理，并对智能驾驶汽车的未来进行展望。     

自动驾驶发展与关键技术综述

随着汽车电子化和高级辅助驾驶技术的快速发展,自动驾驶作为辅助驾驶技术的高级阶段,俨然成为未来解决交通出行的重要方式,已成为全球范围内的一个新的技术研究热点和重点。尤其近年来,自动驾驶在人类交通发展史上取得了里程碑式的进步。简述了自动驾驶的发展和关键技术的相关内容,在此基础上回顾了自动驾驶通过传感器进行环境感知的研究水平以及前沿人工智能技术在自动驾驶中的使用情况,涉及环境智能感知、传感器融合、高级规划、控制等关键技术的相关陈述,最后综述了自动驾驶系统当前所存在的问题,并展望了自动驾驶技术的未来发展方向。     

物联网在自动驾驶中的应用简析

0 引言 物联网和智能电动汽车技术的快速发展给传统汽车行业带来了颠覆性变革,赋予了汽车"电动化、智能化、网联化、共享化"的特点,而融合了5G、人工智能、物联网等技术的自动驾驶则实现了车与人、车、道路、云端等的信息交换和共享,通过在汽车上搭载车辆传感器、智能控制器等装置,使汽车具备环境感知、智慧决策、协同控制、危险预警等功能,让人们的驾驶体验更加智能、安全、高效、舒适.汽车行业的数字化时代已经到来,自动驾驶的生态系统正在逐渐形成,商业化进程也在不断提速.     

基于MEC边缘计算的5G V2X车路协同先导应用

1目标和概述 1.1行业面临的挑战 技术发展方面,目前产业发展路径逐步由"单车智能"向"车路协同"转变,车路协同技术发展直接影响车联网规模化发展,车路协同规模化发展存在时间、成本投入巨大等问题.前期的车路协同主要以路侧与车辆直连通信为主,满足场景验证,随着推进商用化的进程计划,与规模应用场景结合,对于车路协同应用,无论...     

基于北斗导航系统与5G技术下的无人驾驶汽车的发展研究

随着经济的发展,科技不断进步。全球5G发展过程中,我国已成为必不可少的重要力量,5G设备已建设且部分投入测验。5G时代的到来,代表之前不敢想的会变成可能,如无人驾驶汽车等,基于先进技术的高科技产品不再只是一个梦。中国有了北斗导航系统和5G发展的前锋力量,就具有更优越的条件研发自动驾驶汽车,中国无人驾驶汽车上市指日可待。     

复杂车路环境下自动驾驶车辆换道仿真研究

自动驾驶车辆换道决策的算法设计对确保自动驾驶车辆的安全平稳运行至关重要.在现有研究基础上,综合考虑了换道车辆与原车道、目标车道前后多辆车的冲突关系,通过引入车辆侵略系数建立复杂路况下的多人动态博弈模型,以寻找自动驾驶车辆在复杂车路环境下的换道决策以及轨迹线规划的最佳策略.随后,通过NGSIM(Next Generation Simulation)数据探究车辆行驶特性,得到车辆侵略系数的准确分布,搭建仿真环境,给出本模型下自动驾驶车辆在不同路况中的策略选择以及对应的轨迹线示意,并将结果与其它模型求得结果进行比较.根据仿真结果,上述算法有效地完成了自动驾驶车辆在复杂车路环境下换道的关键技术问题,可为自动驾驶车辆的换道决策提供一定的技术指导.     

汽车自动驾驶及其发展

自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,让电脑可以在没有任何人类主动的操作下,自动安全地操作机动车辆。自动驾驶技术是汽车产业与人工智能产业、物联网技术、高度智能化计算机等新一代信息技术紧密结合而形成的产物,是当前全球汽车与交通出行产业智能化与物联网系统的重点方向。笔者主要针对汽车自动驾驶及其发展进行研究。     

基于V2I/V2N的感知融合系统技术及应用研究

随着智能驾驶技术的研究与发展,单车智能感知的局限性逐渐显现出来,基于V2X的感知技术解决了单车感知在遮挡等场景下的局限性。介绍一种基于V2I/V2N的感知融合系统技术方案,阐述其在智能驾驶系统中发挥的作用。重点讨论路侧感知与车载感知融合技术的算法架构及功能,研究利用V2I/V2N技术搭建智能网联汽车感知系统的可行性,研究基于V2I/V2N的感知融合系统在前车跟车行驶场景、车辆穿越交叉路口场景、高速路匝道车辆汇入场景三种典型场景下的应用。可以为车路协同感知技术应用研究提供参考。     

基于5G车联网的绿波通行系统研究

结合MEC与C-V2X融合技术,研究了一种基于5G车联网的绿波通行系统,并且在绿波通行模型、MEC应用和协同控制管理等方面做了相关研究。该系统实现了更低时延的实时车路协同以及多个路口红绿灯信息协同感知,进而实现连续性绿波优先通行,减少路口交通拥堵,并提升运输效率。     

智能网联车路云协同系统架构与关键技术研究综述

随着汽车产业电动化、智能化、网联化、共享化的发展驱动, 全球主要强国均将智能网联汽车列为国家战略发展方向. 蜂窝车联网、边缘计算网络和高精度定位系统的技术发展, 为车车、车路、车人和车云系统的全面融合提供了有效支撑. 车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合, 加速打通车内与车外、路面与路侧、云上与云间的信息互通, 为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础. 首先, 梳理了智能网联车路云协同系统架构与关键技术, 对该领域的演进特征、发展制约因素进行了总体概述; 其次, 阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理; 然后, 从C-V2X组网、融合定位、测试评价角度, 介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展, 给出了智能网联场景的仿真平台、实车测试及评价指标; 最后, 对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.     

车路协同路侧感知融合方法的研究

随着智能网联汽车技术和产业的不断发展,智能网联汽车逐渐成为人们交通出行的选择之一。但受智能网联汽车自身环境感知系统对特定道路交通场景信息处理的局限,无法实现在所有行驶工况下安全高效的运行,其需车路协同路侧感知技术的辅助方能更安全高效的运行。海量的车路协同感知数据是城市道路和高速公路车路协同、运行分析和科学管理的宝藏,理解和分析这些数据是车路协同路侧感知融合的关键。面对车路协同路侧多传感器的不同数据,如何高效准确地挖掘和提取雷达、视频在不同时间、不同空间维度的数据,实现对重点交通场景(如视野盲区、急转弯道、隧道、桥梁)和交通事件、环境、设施安全等的雷达、视频数据进行快速融合检测、识别与检索,通过蜂窝车联网C-V2X网络在一定时延范围内有效地将路侧感知融合结果数据发送给智能网联汽车,确保其安全高效的行驶,是面向智能网联汽车辅助驾驶的车路协同路侧感知融合的关键问题。基于智能网联汽车其自身环境感知能力,对道路智能基础设施感知网络中的多传感器融合方法进行研究分析,提出了基于误差方差的多传感器融合算法,与非智能道路相比,其效率更高,更加智能化,可有效解决道路交通运行环境中存在的常见问题,为人们提供更加安全、高效、优质的交通出行服务。