当前,已有百余年历史的汽车产业,正在向网联化、智能化、电动化与共享化的方向发展。尤其随着以5G技术为代表的物联网通信技术的成熟,产业界又提出了基于C-V2X车路协同技术来弥补单车智能存在的缺陷,推动智能驾驶、自动驾驶技术的成熟。从实践层面来看,基于C-V2X车路协同技术创新应用展现出的市场潜力,正在初露端倪。
在交通数字化转型的大背景下,从在2018年起,华为云IoT就支撑了国内第一个城市车路协同示范区--无锡车联网国家先导区的试点建设。2019年,在智慧高速场景中,华为云IoT与首发集团等企事业单位合作,在北京延崇高速上完成了首次协同式自动驾驶的试点;2020年,与四川交投携手打造的西南首个智能网联高速测试场完成建设。
这些试点项目都源自华为云IoT的路网数字化服务。路网数字化服务,面向高速公路、城市道路、园区等交通场景,汇聚连接多种路侧传感器(雷达、摄像头、T-Box、气象传感器等),构建云控交通大脑,提供云边协同的道路感知服务,实现人、车、路、云之间的数字化信息交互,通过边管云协同的方案架构,实现智能从中心向边缘延伸,不断优化迭代边缘智能算法,提升驾驶安全和道路通行效率,使能智慧交通,助力自动驾驶规模化商用。
精准感知,交通事件毫秒级感知,亚米级定位精度
雷达、摄像头结合强大的V2X Edge的边缘AI算法和高精地图,动态感知全量路况信息,交通事件毫秒级感知和定位,及时通知周边车辆提醒避让。
V2X Edge,是部署在路侧的智能边缘计算单元设备上的软件,也是V2X Server的能力在边缘侧的延伸。当智能边缘计算单元所对接的摄像头和雷达,感知到路上的车辆,行人,障碍物等交通参与者或者其他物体后,这些对象在物理空间的原始数据,会交给V2X Edge进一步进行算法分析和事件识别,进而生成符合国标定义的交通事件发给RSU并广播给附近的车辆。同时,V2X Edge将事件发送给V2X Server进行存储和进一步数据开放。对于需要跨点位通知的事件,例如,高速上的平均行驶速度都很高,交通事故如果只通知给RSU广播范围内(300~500m)的车辆,对于那些重载货车,可能仍然无法保证安全刹车距离。因此需要将前方事故点发生的事件,通过路段上游的路侧设备通知给500米到1000米以外的车辆,进行提前减速或变道,而这背后,正是V2X Server通过云端的推送规则和算法,精准调度到对应的边缘和RSU,以完成该远距离通知。
高清地图动态下发也是车路协同的一个必要能力,静态的高清地图图层合上路侧感知的交通参与者,能够有效地提升自动驾驶车辆的感知决策能力。目前V2X Server和V2X Edge也已经在其他项目试点中完成了与主流图商的集成,并实地验证了动态高清地图的业务。
智能认知,实时交通态势分析和预测,准确度95%
利用边缘感知的实时路况数据,结合气象、边坡桥隧传感数据、两客一危等数据,构建道路全息数字孪生系统,分析路网交通态势,使能公众出行及道路监管等智慧应用
V2X Server,是车路协同业务的基础应用平台,也是车路协同的控制大脑。基于对多路段、多区域甚至是整体城市的车况、路况、以及突发事件等多维度、全局的交通状况分析,实现智能网联场景、公众出行场景以及监管业务场景等智慧应用。
摄像头实时感知道路状况,如行人、车辆、危险事件及特殊物品等。雷达因其工作频段较高,受环境影响小,可与摄像头协同对异常状况的位置进行测距。气象站则可提供道路气象状况信息,如道路是否结冰、团雾、大风或雨落。此外,在一些容易山体滑坡的路段,会布设有边坡位移传感器,在重要的桥梁,会有桥梁应力检测器。这些传感器数据,会统一由V2X SERVER进行统一的数字建模,通过大数据分析、仿真预测能力,客户整个交通实时和未来的画像、态势。通过车辆轨迹、过车流量统计、拥堵长度计算、拥堵时空规律分析、隐患点分析有效使能交通管理。
最优决策,云边端协同,交通管控分钟级决策调度
交通情况的实时有效管控一直是行业痛点。V2X Server通过管控策略服务有效解决问题。通过强大的AI能力,用户可以将创建的管控策略,如限速、诱导、控流等在策略评估系统仿真执行,系统将给出最优的管控策略,并通知周边相关系统执行。如通知诱导屏发布限速60KM/小时的信息。
V2X Server根据系统交通流研判结果,针对性地制定交通流管控方案,在速度建议、分流诱导、匝道控制、借道通行等措施上实现多部门协调一致,充分发挥路网运行整体效能,有效预防和减少交通拥堵。为交通管理部门和相关企业提供及时、准确、全面的信息支持和信息化决策支持;大幅度提高交通运输系统的管理水平和运行效率,为出行者提供全方位的交通信息服务和高效、经济、安全、人性、智能的交通运输服务。V2X Server以“数据”管理道路,通过合理衔接各种交通数据,形成一体化交通信息资源体系,推进交通运输信息化建设,全面提高交通运输智能化、现代化水平,结合路段管理的具体需求,实现高效、及时、准确管控,缓解路段拥堵现象,达到提升运营管理水平的效果。
车路协同目前还是一个标准不断完善,场景不断丰富,处于行业早期的产业。未来,华为IoT还会紧密跟随产业标准,积极探索,持续构筑协作式智慧交通。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。