东南大学物联网交通应用研究中心
东南大学物联网交通应用研究中心
北京时间:
“解困”车路协同,智能数据运营商如何突破?
2020-12-02 12:54   作者:   来源:高工智能汽车    推荐人:李朔   浏览:167   我要评论
      “车-路-云”协同是中国特色化的自动驾驶发展路径,目前正在迎来商业化落地的窗口期。
      在新基建及新一代智慧交通建设大背景下,关于“车-路-云”协同的相关政策频频落地。
      其中今年2月,国家11部委联合出台《智能汽车创新发展战略》,首次从国家政策方向明确了“车-路-云”协同方案正式成为智能驾驶的“中国路径”。
      而在近期发布的《智能网联汽车技术路线图2.0》中,也再次重申了“车-路-云”高度协同战略,明确以车辆关键技术、信息交互关键技术与基础支撑关键技术为核心,共同支撑中国智能网联产业的发展。
      与此同时,《高工智能汽车》也了解到,今年各地城市也加快了各类智慧交通、智慧城市建设、智能网联汽车示范区等项目的落地。
      觉非科技CEO李东旻表示,未来几年内,车路云协同产业将进入高速发展期。届时,智能出行带来的数据信息将大爆发,加强各方数据的汇聚整合与关联分析、释放车路云等多方数据的能量和价值,将成为建设智慧交通的必经之路。
      一直以来,觉非科技希望通过数据引擎服务,助力自动驾驶及车路协同更好地实现商用落地。目前,觉非科技已经创新性地针对“车路云”产业总结了“三步走”战略。
      在即将于12月15-17日举办的2020高工智能汽车年会上,觉非科技将现场分享其“三步走”战略,以及公布相应的解决方案。
三步走战略
      在车路协同的产业赛道上,觉非科技将自己定义为“智能数据运营商”。
      据觉非科技相关高层表示,觉非科技拥有对海量智能出行数据处理的融合计算技术,将车载传感器、道路、交通流等多种类数据进行时空同步与融合、分级与重组,结合跨平台推理模型,打造了全新的数据引擎服务。
      针对车路云建设的不同的方向,可提供L2-L4高精地图平台、V2X融合计算、云数据分发等解决方案。
      作为中国车路云产业模式的开拓者,也是AI技术创新型科技公司,觉非科技在不断的实践与技术落地的进程中,将这条中国路径的拓展,总结为三步走战略:即由道路数字化建设到车路协同化建设、通过完整的车路协同服务产业链、构建交通智慧化的终局。
      第一步是道路数字化,搭建车规级高精地图全栈数据服务平台。
      目前,觉非科技已搭建了高度自动化、高规格SaaS数据平台,从路端环境数据规模化融合处理、分析、管理、编译与应用等核心技术,加持自研的视觉与激光点云融合感知的深度学习算法与模型,实现了可针对L2-L4不同级别的全场景高精度、车规级量产数据平台服务,极大扩展自动驾驶车辆和运营商的服务区域、实现规模化运营,提升安全性。
      据介绍,现阶段觉非科技已搭建并部署了“城市道路L4级别激光点云图量产技术平台”,成为行业内少数拥有大数据量、数字化数据产线能力的服务商。同时觉非科技正在携手国内众多知名的无人配送物流企业,通过平台服务进一步推动无人配送解决方案的持续落地。
      第二步是车路协同化,实现融合计算能力的突破。
      实现车路协同最关键的是,解决车与路等设施之间数据信息不对称的问题,而数据融合在车路协同的过程中会越来越重要。
      在对道路数字化持续建设的基础上,觉非科技提出了车路云协同、软硬件一体化架构。目标是通过深度学习的数据融合解决方案,借助融合计算数据引擎平台,基于统一的空间大数据,推动车路协同在不同业务场景闭环的不断落地。
      而在解决车路协同“统一授时与空间同步”中,业内一致的观点是以路侧设备及数据优先。也就是说,以路侧的空间坐标系和时间线为基准,使车辆在统一的静态(道路)空间数据与动态(时间、事件等)实时数据下运行。而此方式也被视为目前车路协同能够高效推进的方式之一。
      为了解决此问题,觉非科技自研了边缘计算终端与解决方案。据介绍,该方案具备强大的智能驾驶场景数据集,结合觉非科技熟练可扩展的深度学习算法和神经网络模型,将激光点云和视觉数据融合,为场端车路协同提供精准的感知和定位软硬一体化解决方案。
      第三步则是交通智能化的终局目标。
      目前,中国走车路协同已经成了整个行业的共识,车路协同能否成为中国换道超车的机会,还有赖于整个产业的共同合作。
      现阶段,车路云协同的商业环境和商业模式正在不断走向成熟,最终将实现智慧交通的终极目标。
率先落地应用
      目前,觉非科技已将“边缘计算终端与解决方案”应用于不同业务场景,实现了车路协同技术的不断落地。
1、路侧数据与RTK结合的高精度融合定位
      2020年,觉非科技与中国移动的合作持续深化,推出了RTK与路侧辅助定位相结合的高精度融合定位方案,并应用于港口、隧道和城市高架桥道路等场景。
      觉非科技利用路侧的激光雷达和相机等传感器,结合激光点云、图像和高精地图数据,实现了对车辆的实时感知识别、跟踪,并实时输出精度厘米级、语义化的定位结果,通过中国移动5G,将定位结果实时传输给自动驾驶车辆。
      车路协同的技术落地与5G技术的共同加持,有效降低了自动驾驶车辆传感器的使用数量与配置标准,进一步提升自动驾驶单车与管理的投产比。
       
      目前,觉非科技也是中国移动自动驾驶解决方案合作伙伴,并成为了中国移动首批高精度定位生态合作“纵横”计划成员。
2、智能网联的城市道路场景化解决方案
      智慧路侧基础设施是智能交通系统的核心组成,具备人、车、路交互功能的智慧路侧设施构建将成为必然。
      觉非科技的边缘计算终端解决方案与“车道级交通事件检测系统”目前已落地智能网联新型示范区。
      其通过路侧摄像头、激光雷达、毫米波等多传感器数据,结合边缘端毫秒级实时对图像序列的变化选取目标信息进行计算处理,根据图像算法和车辆跟踪等深度学习模型,结合车道级高精地图,结构化和语义化的实时输出路况、交通事件类型及定位信息,并云端传输至业务平台。
     
      系统以“上帝视角”的方式,实现了对于T字路口或十字路口的数字化管理。同时,觉非科技开创性地将系统与电子屏进行结合,实现了对于路口的盲区检测,通过电子屏实时提醒自动驾驶车辆盲区感知结果,尤其是辅路非机动车行驶状况,为V2X的基础要求——安全,提供了强大的保障。
3、道路资产数字化与智能巡检引擎
      而面向新基建智慧交通建设领域,觉非科技结合边缘计算终端与解决方案,也推出了“道路资产数字化及智能巡检系统”。
      此前,觉非科技携手蓝信科技,将系统应用于疫情阶段的高铁轨道巡检管理中。通过图像识别算法与数据训练模型,基于视觉的实时感知,满足对高铁轨道道路和周边的监控。
      在疫情期间,这种自动化运作的方式,不但为巡检结果的可靠性提供保障,也确保了作业人员的人身安全。
      目前,觉非科技已将此系统的应用延展至高速道路。在构建道路基础设施高精度数字化模型的同时,实现了路产自动化巡检和一体化运维管理,为道路设施的智能化管控、智能化养护和全生命周期监管提供了有效支持。
      
      此系统目前已正式落地安徽、浙江等地重点区域高速路段。系统所产生的高精度实时数据,也将成为车路协同可持续发展的重要突破点。
      站在车路云协同的起步阶段来展望,其覆盖领域之广,涉及产业链之长,政府支持力度之大,无疑都在释放着强烈的信号:车路协同的大规模应用与推广,已经成为了中国未来交通发展的一个充满潜力的选择。
      车路协同“中国路径”的健康发展,未来还需要创新的商业模式和数据开放模式,尤其需要探索系统、管理、服务等方向的深度数据融合。  
      而现阶段,可以预见的是,掌握车路协同中所产生的大量车端与路侧数据与解决数据融合,将有可能探索出崭新的市场空间。


相关阅读
发表评论
姓名:
联系方式:
评论专区
东南大学 东南大学交通学院 清华大学 同济大学 西南交通大学 北京航空航天大学 上海交通大学 浙江大学
University of Wisconsin - Madison University of Michigan Rensselaer Polytechnic Institute Santa Clara University Rutgers University
交通运输部路网监测与应急处置中心 江苏省交通运输厅 南京智库联盟 江苏交通控股有限公司 江苏高速公路联网营运管理有限公司
中心概况研究动态新闻中心合作交流加入我们
Copyright © 2019 东南大学物联网交通应用研究中心 All Rights Reserved.