OBU出现红灯一下又出现绿灯是怎么回事?

本发明涉及智能车联网领域,尤其涉及一种基于智能网联平台的v2i应用功能测试方法。

现有技术中一种用于v2x道路测试的路测系统及方法:提出包含了车联网控制平台、路侧设备和车贷单元的测试系统,通过平台向路侧设备下发模拟场景数据,根据车路协同通信,测试车载单元是否正常显示或语音播报道路状况,该方法局限于只能测试车载单元的应用功能是否实现,但无法判断该应用功能是否合理,应用功能触发是否与真实情况相符,无法判断模拟场景与真实环境的差异是否。

现有技术中一种v2x设备的道路测试方法:提出的v2x设备道路测试方法,其中测试系统包括:主车、远车、第一v2x设备以及第二v2x设备,所述第一v2x设备安装在所述主车上,所述第二v2x设备安装在所述远车上;检测是否满足所述测试条件;如果是,启动所述测试系统,以使所述第一v2x设备、所述第二v2x设备、所述主车以及所述远车按照所述测试规则运行并记录第一测试数据;根据所述第一测试数据检测所述第一v2x设备与所述第二v2x设备通信是否可靠。通过本发明,对v2x设备实现了可靠地评估,该方法局限于测试v2x的通信性能,并不涉及测试v2i或v2v应用。

现有技术中一种新型v2x系统性能测试系统:位于实验室内的第一v2x系统和外界的装载有第二v2x系统的测试智能汽车且二者通过外部基站进行通讯;实验室内还具有与第一v2x系统相通讯连接的:can模拟仿真仪器和gnss仿真仪器,can模拟仿真仪器模拟整车的can网络系统并模拟第一v2x系统需求的整车的状态信息,gnss仿真仪器仿真gps定位信息,其通过实验室内仿真和与测试车通信,实现数据的传递和比较测试结果,解决了场景复现差、室外电磁环境变性导致的测试有效性低等问题。本方法是将待测设备装载在智能汽车上,置于真实环境中,实验室通过仿真方式模拟测试场景和背景车数据,通过lte-v/5g基站来发送该模拟数据给第二v2x系统(待测设备),虽然可以实现第二v2x系统的功能验证,但是,并不符合v2x技术的传输链路,v2x技术国内主流的核心技术是lte-v,该技术是在4g蜂窝基础上,实现车车、车路、车网等互联互通,它的数据接口分为两种,一种是lte-v直通模式,是v2x设备通过5.9g电磁波通信,一种是通过lte的uu接口通信,在该方法中,提到两个设备的通信连接是通过lte-v/5g网络,可理解为该方法中使用的是lte-vuu口通信模式,这种通信方式是在现有的lte蜂窝网基础上,另开了一个独有的接口用于车联网,其性能更依赖于现有的lte蜂窝网性能,而车联网中lte-v直通模式才是主导技术,该方法中无法体现lte-v直通模式的性能,方法中提到了用信号模拟器,既然是真实的接入外部基站,再使用信号模拟显得多余。该方法存在一定缺陷。还有一类v2x测试是实验室内的仿真测试。

本发明旨在至少解决现有技术中存在的技术问题,特别创新地提出了一种基于智能网联平台的v2i应用功能测试方法。

为了实现本发明的上述目的,本发明提供了一种基于智能网联平台的v2i应用功能测试方法,包括如下步骤:

s1,obu获取智能网联汽车行驶状态数据,将获取的行驶状态数据和智能网联汽车实际位置数据实时上传智能网联平台;

s2,rsu获取并广播路侧其他设备提供的道路信息,路侧其他设备的信息同时进行实时上传智能网联平台操作;

s3,obu接收rsu广播信息,判断是否激活预警,执行应用功能;通过数据采集系统自身高精度定位功能,计算智能汽车行驶参数、以及车辆与rsu安装位置的相对距离,利用数据采集系统图像或语音识别功能,采集测试过程中的预警信息,并将采集的异源数据在本地同步,同时将分析结果上传平台,分析结果包含标记出应用效果内容、发生时刻对应的车行状态、相对距离;

s4,智能网联平台根据路侧其他设备同步的结果数据、应用评价标准、数据采集设备上报的分析结果,判断应用效果是否符合应用评价标准,是否与实际的路侧信息保持一致,然后平台给出测试评价结果报告,其中,应用评价标准由v2i应用功能定义制定。

优选的,所述s1包括:

s1-1,根据v2i功能定义,约定测试开始标志和结束标志,obu获取智能网联汽车从测试开始到结束过程中的行驶速度、加速度、航向、实时位置等信息,并将该信息通过移动互联网实时同步到智能网联平台;

s1-2,obu获取智能网联汽车的行驶参数方式包括can总线、自带定位功能。

优选的,所述s2包括:

s2-1,通过rsu获取交通信号灯实时状态,并将此信息广播;交通信号灯通过自身的网联功能,将信号灯状态实时同步到智能网联平台;

s2-2,通过rsu获取道路限速设备的限速数据,并将此信息广播;限速设备数据通过自身的网联功能,将路段限速信息实时同步到智能网联平台;

s2-3,通过rsu获取道路危险状态采集设备的危险状态数据,并将此信息广播;道路状态采集设备通过自身的网联功能,将道路的实时危险状态信息同步到智能网联平台;

s2-4,通过rsu获取路侧感知和识别设备的识别结果数据,并将此信息广播;路侧感知和识别设备通过自身的网联功能,将识别结果数据同步到智能网联平台;

s2-5,智能网联汽车搭载的独立高精度厘米级定位数据采集设备,在测试过程中,采集车辆行驶状态数据、预警信息,并将所有采集数据进行同步处理,分析应用效果执行期间,对应的车辆行驶状态,然后将分析结果上传至智能网联平台,智能网联平台根据v2i应用对应的评价标准,分析和对比,数据采集系统设备的结果数据、路侧其他设备上报的结果数据,在全部测试过程中,是否符合v2i应用对应的评价标准参数,最终输出测试评价报告。

优选的,所述s3包括:

s3-1,obu根据实时信号灯状态信息,执行信号灯提醒、信号灯状态显示、闯红灯预警等应用。应用效果包括实时灯态及倒计时显示、报警图像或语音提示,车辆自动执行刹车、加/减速等响应的任意一种或多种组合形式,数据采集系统搭载于测试车辆上,其利用自身的高精度厘米级定位功能,计算测试过程中的行车状态信息、采集车内提示的信号灯灯色及对应倒计时、闯红灯报警语音或图像,并同步所有数据,标记出当车辆发生闯红灯报警时对应的行车状态,包括车速、航向、加速度、相对距离、自动执行刹车或加/减速行为,标记测试过程中提示的信号灯灯色和对应倒计时,并将标记结果上传智能网联平台;

s3-2,obu根据接收到的限速信息,执行限速提醒应用功能,应用效果包括图片或语音形式的限速提示、车辆自动执行刹车或减速行为的任意一种或多种组合形式;数据采集系统搭载于测试车辆上,其利用自身的高精度定位功能,计算测试过程中的行车状态信息、采集车内提示的限速信息,包括限速起点位置和终点位置及路段限速,并同步所有数据,标记出当车辆发生限速提醒时对应的行车状态,包括车速、航向、加速度、相对距离、自动执行刹车或加/减速行为,并将标记结果上传智能网联平台;

s3-3,obu根据接收到的道路危险信息,执行道路危险状态提醒应用功能,应用效果包括以图片或语音形式的危险提醒、车辆自动执行变道、加/减速度等响应的任意一种或多种组合形式;数据采集系统搭载于测试车辆上,其利用自身的高精度定位功能,计算测试过程中的行车状态信息、采集车内的危险提示信息,包括危险类型,距离危险路段的距离,标记当车辆发生危险道路信息提示时对应的行车状态,包括车速、航向、加速度、相对距离、自动执行变道、加/减速行为,并将标记结果上传智能网联平台;

s3-4。obu根据接收到的弱势交通参与者信息,执行弱势交通参与者避撞应用功能,应用效果包括以图片或语音形式的弱势交通参与者提醒、避撞预警、车辆自动执行变道、加/减速响应的任意一种或多种组合形式;数据采集系统搭载于测试车辆上,其利用自身的高精度定位功能,计算测试过程中的行车状态信息,采集车内弱势交通参与者提示信息,碰撞预警信息等,标记当车辆发生碰撞预警信息时对应的行车状态,包括车速、航向、加速度、相对距离、自动执行变道、加/减速行为,并将标记结果上传智能网联平台。

优选的,所述s4包括信号灯信息显示测试:

s4-1,智能联网平台将测试过程中信号灯上传至平台的状态记录,与数据采集系统标记的信号灯提醒发生时刻车内的提示内容进行对比,判断车内收到的提示内容,是否与信号灯本身状态一致,包括灯色和对应倒计时;判断车辆的行驶状态是否满足测试的有效性要求,满足则测试有效,输出测试报告,不满足测试的有效性要求,则继续进行测试操作。

优选的,所述s4包括闯红灯预警测试:

s4-2,智能网联平台将测试过程中信号灯状态记录进行上传,与数据采集系统标记的闯红灯预警提示激活时刻对应的车速、车辆与停止线的相对距离信息进行对比,计算当车内发生闯红灯预警时,车辆是否有足够的时间和距离避免发生闯红灯,从而判断预警信息是否提示合理;若车辆自动执行减速操作,则判断车辆在红灯期间,是否越过停车线;判断车辆的行驶状态是否满足测试的有效性要求,满足则测试有效,输出测试报告,不满足测试的有效性要求,则继续进行测试操作。

优选的,所述s4包括道路限速提醒测试:

s4-3,智能网联平台将测试过程中路侧限速的限速和路段记录进行上传,与数据采集系统标记的车内限速提醒激活时刻对应的车速、车辆与限速起点的相对距离等信息进行对比,计算当车内发生限速提醒时,车辆是否有足够的时间和距离避免发生超速行为,从而判断限速提醒是否合理;若车辆自动执行减速操作,则判断当车辆在驶入限速路段时,车速是否降低至不超过限速的20%以内。

优选的,所述s4包括道路危险状态提醒测试:

s4-4,智能网联平台将测试过程中道路危险状态采集设备的道路危险信息记录进行上传,与数据采集系统标记的车内危险状态提醒激活时刻对应的危险信息内容、车速、车辆与危险路段相对距离信息进行对比,判断当车内提示道路危险时,提示内容是否一致,车辆是否有足够的时间和距离避开危险路段或减速至可安全通过或停车,从而判断危险状态提醒是否合理;若车辆自动执行变道、减速、停车操作,则判断车辆行为是否与危险信息相符。

优选的,所述s4包括弱势交通参与者提醒和避撞测试:

s4-5,智能网联平台将测试过程中路侧感知和识别设备的道路弱势交通参与信息记录进行上传,与数据采集系统标记的车内弱势交通参与者提醒激活时刻对应的提示信息内容、车速、航向、与弱势交通参与者的相对位置信息进行对比,判断当车内提示有弱势交通参与者时,提示内容是否一致,车辆是否有足够的时间和距离避免与弱势交通参与者碰撞;若车辆自动执行变道、减速、停车等操作,则判断车辆行为是否实现避撞。

综上所述,由于采用了上述技术方案,本发明的有益效果是:

本发明本方法可以在测试结果中,通过对比高精度数采系统的定位信息,和obu本身上传的位置信息做对比分析,可明确测试出v2x设备是什么原因造成其应用功能不准确,或其应用无效。如果其自身定位信息与数采系统的定位信息差距在30cm内,认为其定位信息准确,若此时发生应用无效的情况或与实际差异很大,则认为是v2x应用算法本身存在问题。(因为定位信息是v2x应用重要数据输入,obu自身会携带定位功能)

用独立数采系统采集测试过程的车行数据,与用v2x设备本身的数据作为测试的输入比较,更有可信度,因为v2x设备在安全方面存在很多隐患,若存在非法攻击或窃取,其预警信息可以被篡改和仿造,信息安全测试方法不在本方法中体现,本方法认为只有独立数采系统采集到了ui界面显示的提醒信息才算是应用功能实现。

现有的方法中没有提到v2i的道路测试方法,大多都是v2v的仿真或道路测试方法,本方法可以实现现阶段大多v2i测试。

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解,其中:

图1是本发明工作流程图;

图2是本发明细节流程图。

下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。

本方法提出的是一种道路和场地的测试方法,反应了v2x设备或具备v2x应用功能的整车,在实际行驶环境下,所述功能的准备性。本方法中,测试设备不再是v2x设备本身,而是搭载一套独立的高精度数据系统,记录和采集测试过程中测试智能汽车的行驶数据和v2x应用的提示或报警信息,同时,将v2i应用中的路侧设备数据接入车联网平台,判断数据采集设备采集到的行驶数据和提示或报警信息,是否和路侧设备的数据相符合,从而判断v2x应用是否符合其应用功能定义。

本发明创造主要弥补了v2i测试方法的空缺,提出有效的、不依赖待测设备本身的“黑盒测试”方法,测试v2i应用是否符合其应用功能定义,待测环境为真实的道路环境,比仿真测试更具可信度。

如图1至图2所示,图中,obu和rsu是v2x设备,是v2i应用的承载硬件,其中obu为车载通信单元,v2i应用的表现形式为预警提示类,告警结果从ui界面显示出来,也可作为自动驾驶中控系统的输入信息设备,为智能汽车的控制决策做数据支撑。本发明提出的方法,针对v2i应用的预警提示,判断其预警或提示信息是否合理,是否符合真实的行驶场景。

本发明公开一种基于智能网联平台的v2i应用功能测试方法,包括如下步骤:

s1,obu获取智能网联汽车行驶状态数据,将获取的行驶状态数据和智能网联汽车实际位置数据实时上传智能网联平台;

s2,rsu获取并广播路侧其他设备提供的道路信息,路侧其他设备的信息同时进行实时上传智能网联平台操作;

s3,obu接收rsu广播信息,判断是否激活预警,执行应用功能;通过数据采集系统自身高精度定位功能,计算智能汽车行驶参数、以及车辆与rsu安装位置的相对距离,利用数据采集系统图像或语音识别功能,采集测试过程中的预警信息,并将采集的异源数据在本地同步,同时将分析结果上传平台,分析结果包含标记出应用效果内容、发生时刻对应的车行状态、相对距离;

s4,智能网联平台根据路侧其他设备同步的结果数据、应用评价标准、数据采集设备上报的分析结果,判断应用效果是否符合应用评价标准,是否与实际的路侧信息保持一致,然后平台给出测试评价结果报告,其中,应用评价标准由v2i应用功能定义制定。

优选的,还包括:s1-1,通过obu获取智能汽车启动时间,启动之后实时记录智能汽车的运行速度,获取前进加速度,通过obu进行记录;

s1-2,进行智能汽车实际位置数据更新,获取智能汽车停止信号请求后,停止制动的obu记录距离,存储车载图像装置的图像数据;将obu采集的智能汽车can总线数据远程存储到云平台。

优选的,还包括:s2-1,通过rsu获取交通信号灯显示数据,判断信号灯信息显示有无报警信号,界面显示内容:灯色和对应倒计时;闯红灯预警有报警信号页面显示内容:灯态和对应倒计时、报警图标;

s2-2,通过rsu获取道路限速采集设备数据,判断道路各路段限速数据,距离限速起点以外若干米开始测试智能汽车速度,智能汽车驶过限速起点则测试结束;测试过程中,obu记录智能汽车当前车速、智能汽车与限速起点的相对距离、限速提醒信息,通过ui界面获取相应数据;

s2-3,通过rsu获取道路危险状态采集设备数据,判断智能汽车在距离危险道路起点一定距离内是否收到危险提醒,通过云平台对obu和rsu数据进行匹配处理,判断道路危险状态数据是否一致;

s2-4,通过rsu获取道路弯道采集数据,判断智能汽车在弯道的起点一定距离内是否收到弯道提醒;obu获取智能汽车数据通过ui界面记录当前智能汽车车速、智能汽车与弯道起点的相对距离、限速提醒信息。

s3-1,判断obu接收rsu广播信息是否存在时间误差,数据采集系统记录智能汽车can总线数据,判断时间误差值是否为δt≦0.1s,如果是,则继续测试智能汽车速度值是否在20km/h-40km/h之间,如果否,则继续调整obu接收rsu广播信息的时间误差值;

s3-2,通过rsu获取信号灯灯色和对应秒数,是否和obu在此过程中上报云平台对应的灯色和秒数一致,如果obu限速提醒信息在智能汽车距离限速起始点一定距离之前发出,ui界面的预警信息提示的障碍物信息,如果obu限速提醒信息未在智能汽车距离限速起始点一定距离之前发出,ui界面的预警信息不提示的障碍物信息,判断obu获取can总线数据上报的检测结果是否一致,且报警时智能汽车和障碍物距离,以及当时的车速,是否在限速范围内,并且符合驾驶员应急智能汽车刹车反应。

优选的,信号灯信息显示测试包括:

s4-1,obu采集数据和rsu采集数据进行比较判断过程为,obu获取智能汽车到停止线的距离=100m时刻或者红绿灯间距100-150米的路况信息,记录测试试验开始时间;

信号灯红灯和绿灯配时6s,最高测试速度的测试过程中,发生灯色变化,黄灯3s;

获取到停止线的前进距离≦0时,记为试验结束时间;

试验开始时间至试验结束时间内,obu和rsu上报的灯色和倒计时,在同一时间段内与数据采集系统记录的提示信息,时间误差需满足有效性要求。

优选的,闯红灯测试包括:

s4-2,获取智能汽车到停止线的距离=100m时刻,记为试验开始时间;

信号灯红灯配时10s,最高测试车速测试一直为红灯,黄灯3s,绿灯配时10s;

获取到停止线的前进距离≦-l_vehicle时,记为试验结束时间;

试验开始时间至试验结束时间内,rsu上报数据和数据采集系统的时间误差需满足有效性要求;

智能汽车通过测试所需要的条件为,测试开始到测试结束,采集的智能汽车车头到停止线的距离≥-l_vehicle,数据采集系统记录的报警时刻的第一次报警对应的ttc(智能汽车到达超过停止线一车身位置的时间)≥2.7s,报警时刻对应的灯色为红灯,则通过;

测试开始到测试结束,采集的智能汽车到停止线的距离≥-l_vehicle,数据采集系统记录中无报警信号,且此过程中的灯色始终为绿灯或黄灯,则通过;

测试开始到测试结束,采集的智能汽车到停止线的距离≥-l_vehicle,数据设备未采集到报警信号,且此过程中的记录灯色从红灯变成黄灯或绿灯,则通过;

测试开始到测试结束,采集的智能汽车到停止线的距离=0且v-vehicle=0,数据采集系统记录中无报警信号,则通过;

优选的,道路限速提醒提示测试包括:

s4-3,obu采集数据和rsu采集数据进行比较判断过程为,

①获取智能汽车到停止线相对距离≥150米时,测试开始;

②获取智能汽车到相对距离≦-l-vehicle,测试结束;

③测试过程中,收到的提示信息分别是在t1、t2、t3…时刻;

智能汽车通过测试所需要的条件为,

①智能汽车到停止线相对距离r≥50米,收到提示信号,则测试通过;

②智能汽车到停止线相对距离r<50米,且智能汽车速度v≥v_限速速度,收到提示信号,则测试通过;

③智能汽车到停止线相对距离r<50米,且智能汽车速度v≦v_限速速度,未收到提示信号,则测试通过;

其中v_限为平台下发到rsu的信息。

优选的,道路危险状态测试包括:

s4-4,obu采集数据和rsu采集数据进行比较判断过程为,

①获取智能汽车到停止线相对距离≥150米时,测试开始;

②获取智能汽车到停止线相对距离≦-l-vehicle,测试结束;

③测试过程中,收到的提示信息分别是在t1、t2、t3…时刻;

智能汽车通过测试所需要的条件为,

获取智能汽车到停止线相对距离r≥0时,收到提示信息则通过。

优选的,弯道信息提醒测试包括:

s4-5,obu采集数据和rsu采集数据进行比较判断过程为,

①获取智能汽车到停止线相对距离≥150米时,测试开始;

②获取智能汽车到停止线相对距离≦-l-vehicle,测试结束;

③测试过程中,收到的提示信息分别是在t1、t2、t3…时刻;

智能汽车通过测试所需要的条件为,

获取智能汽车到停止线相对距离r≥0时,收到提示信息则通过。

优选的,进行盲区信息提醒测试:

s4-5,obu采集数据和rsu采集数据进行比较判断过程为,

①获取智能汽车到停止线相对距离≥150米时,测试开始;

②获取智能汽车到停止线相对距离≦0,测试结束;

③测试过程中,收到的提示信息分别是在t1、t2、t3…时刻;

④查找t1、t2、t3…时刻对应的相对距离r1、r2、r3.....;

智能汽车通过测试所需要的条件为,

获取智能汽车到停止线相对距离r≥0时,收到提示信息且内容与rsu上报检测结果一致,则测试通过。

尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。

堵在通勤必经的路口,望着“度秒如年”的红灯,挤在公交车上的你可曾设想过,让秒数骤减、红灯立马切换绿灯?现在,这一幕在长沙率先实现了。

近日,湖南首条智慧公交线——长沙智慧公交315线开通,该线路通过对公交车、红绿灯、路侧设备等全方位的智能化改造,在海信智能网联技术加持下,可通过控制信号灯时长,实现公交优先通行。

“这是海信‘智能网联+公交’应用场景在全国的首次落地应用,”海信网络科技华中分公司总设计师李卓玥介绍道,“海信‘智能网联+公交车’优先控制方案基于C-V2X技术,通过‘信号机+RSU+OBU’车路协同通讯的方式,实现公交车与信号机之间的双向通信。”

具体来说,在车路协同技术加持下,“路端”可实时获取智能网联公交车辆的速度、位置、车内乘客数量、驾驶状态等数据,并与交通信号控制系统实时联动。当车辆接近智能路口时,信号灯便结合当前红绿灯状态及公交车所需的绿灯通行相位来决定采用绿灯延长、红灯截断或相位保持等优先机制,确保公交车能够快速通过路口。

该方案在先前于长沙梅溪湖区域进行了实测,测试路线全线途径24个灯控路口,全程约10.7公里,测试公交车按照实际公交日常运营的平均车速30~50km/h的范围行驶,行程时间平均可减少14.7%,效果显著。

车路协同深度应用,“公交优先”更科学

与传统“公交优先”方案相比,海信“智能网联+公交”优先控制方案更具主观能动性。

“以往我们大多被动式去实现‘公交优先’,如今在长沙,利用海信信号机独有的内置算法,通过融合公交车实时位置、速度、行车方向、满载率、早晚点时间及路口拥堵状态等多源数据,系统可自动判断公交车的优先需求等级,智能生成优先控制方案。”李卓玥介绍说,“例如,若公交车为空车或满载率较低,而其他路口交通压力较大,信号机将为该公交车提供低等级的优先通行权;若公交车满足率高,且出现晚点情况,信号机将为该公交车提供高等级的优先通行权。”

此外,还可以降低“公交优先”给其它方向交通带来的压力。例如,当其他方向交通压力较高时,便适当降低公交优先程度。“对于有绿波协调的路口,我们通过定制化算法,在保证公交优先的情况下,实现对绿波控制的最小干扰,并保证尽快恢复该道路正常通行。”

通过这些举措,让道路真正实现了在全局优化基础上的“公交优先”,降低拥堵,高效通行。

搭建平台实时监管,车辆调度更精准

除通行通畅外,“准时”也是一个智慧公交所必备的素质之一。

在长沙,海信自主研发的智能网联汽车创新交通监管平台,可实现对全市智能网联公交车数量、行驶状态、行驶路线、信号灯方案等信息的一张图可视化展示,让交通管理人员一目了然地掌握整个城市公交车的运行状态。

智能网联汽车创新交通监管平台

智能网联公交车有几辆在途,分别处于什么位置,还有几分钟到达下一站,都能够清晰地从系统中监测到,可以极大程度上避免车辆违规行驶,既保障了公交车的行驶安全,又能为突发事件的处置提供支撑。

“优先”状态可视化,市民体验更直观

如何让乘车的市民直观地感受到“公交优先”通行权?长沙智慧公交通过两个小“心机”,把优先状态直观地呈现在乘客面前。

首先是公交车内新增了LED显示屏,通过该屏和车内音响,可以对红绿灯状态、公交优先执行策略等信息进行播报展示;其次是路口新增了LED诱导屏,同样实时地对优先方案进行播报。

另外,当公交车达到终点时,海信信号机还将对全程公交车所享受的优先时间进行发布,让市民实实在在地看到科技带来的便利。

随着物联网、大数据、边缘计算、5G通信等技术的快速发展,智能网联已经成为智能交通行业的新趋势,海信积极探索“智能网联+”应用场景,率先在长沙落地应用的“智能网联+公交车”优先控制方案,让优先控制更加精准化、高效化,公交车准点率和乘车体验大幅度提升,标志着公交优先2.0时代正式到来。未来,该方案还可在应急抢险车、救护车、消防车、危化品车等特殊车辆中广泛应用,充分发挥新技术的社会价值,让“聪明的路”为我们的生活带来更多想象空间和美好体验。

或许,喧嚣过后回归平静,才是车路协同行业发展该有的规律。

我们看到,一方面,过去频繁出现的“首个”今年少了很多,与车路协同相关的各类新应用也逐渐冷却下来,政府对此类试点项目的关注度也在逐渐降低;另一方面,百度apollo在持续推进,车辆规模越来越大,里程越来越长,Mobileye与特斯拉依然在既定的路线上不断进步。

拓荒的很多,但以初心拓荒的却没那么多,拓荒后能够持续用心耕耘的少之又少,注定了能够持续发展并走向成功的寥寥无几。

回顾:过去几年试点的典型应用

1、 交叉口盲区预警

路侧设备检测逆向行驶的机动车、非机动车、行人信息,逐帧计算机动车、非机动车、行人的行驶方向,经纬度,速度并通过V2X协议上传至车载OBU。

OBU接收路侧设备逐帧上传的目标经纬度、方向、速度等数据,基于本车的经纬度、方向、速度、到交叉口距离判断是否存在碰撞风险,存在碰撞风险,实时提醒驾驶员及行人。

数据处理流程图(采用雷达与视觉融合感知方案)如下:

类似场景还有鬼探头、盲区/变道预警、逆向超车预警、左右转辅助预警等,不再一一单独列举。

通过智能化设备获取公交车上乘客人数,并实时推送至云控平台。当公交车辆行驶至交叉路口区域附近时,通过车载OBU与路侧RSU相互通讯,并自动发送交叉路口优先通行请求,RSU通过当前车辆位置、行驶速度及实时路况信息计算出公交车辆到达交叉路口的时间,同时结合当前红绿灯的相位、公交车通过路口需要的绿灯相位、路口流量等综合判断是否响应公交优先通行的策略。

3、 特殊车辆优先通行

与公交优先通行类似,救护车、消防车等特殊车辆行驶至灯控路口附近时,车载设备OBU与路侧设备RSU通讯,RSU根据确定的策略响应车辆优先通行请求。

4、 信号灯状态显示

当公交车行驶至有交通信号灯控制的路口或者道路上时,公交上的车载OBU能够通过V2X协议收集到路侧设备RSU发送的当前红绿灯的信息,包括红绿灯状态以及相位剩余时间,并在尾屏和车载中控屏上显示出来。

提前对驾驶员预警提醒,减少公交车司机闯红灯现象发生,还可用于提示后方社会车辆,使其选择加速或者减速通过交叉路口,减少停车延误、燃油消耗和环境污染,同时也进一步提高了交叉路口的同行效率。参考效果图(引用媒体宣传)如下:

5、 高速小气候点特殊天气预警

在高速小气候点设置气象监测设备,同时对雨、雪、雾等多种异常天气以及结冰、积水等异常环境进行检测,当检测到异常数据后及时向中心推送,经由 RSU与OBU的通信,对即将行驶到附近的车辆发送实时预警提醒。

在高速公路隧道出入口等事故易发路段场景,通过多传感器融合实现事故、行人、遗撒物等异常事件的全天候实时感知,并通过V2X协议实时推送给车辆,辅助车辆灵活做出驾驶策略调整。

主要为紧急制动、车车跟随、限速控制、自动紧急转向等,这类试点价值最高,也是最该突破的,除了类似无人驾驶的应用,车路协同很少看到试点。

 思考:行业似乎进入了一个难以走出的怪圈

车路协同,无论车端还是路侧,亦或是通信,地图,定位等都有太多的核心技术未完全突破,但围绕着车路协同的业界争论从未停止,热点内容不断涌现。

我们在花很多的精力头脑风暴什么才是杀手级应用,在论证各类应用逻辑是否成立,应用模式是否能够闭环,在争论DSRC和C-V2X到底那个更适合未来的发展方向,在关注国家及地方政策标准的异同,在顾虑商业模式的变现。

同步出现的还有各类令人眼花缭乱的名词,V2X,(Vehicle-to-everything,直译:车联万物),V2I(车辆对基础设施)、V2N(车辆对网络)、V2V(车辆对车辆)、V2P(车辆对行人) 、V2D(车辆到设备)、 V2G(车辆到电网),此时,头疼的问题出现了,如此多的场景应用到底应该归属V2什么。

通信协议有DSRC、C-V2X、5G-V2X,我们又得去科普通信协议的概念,应用场景,优劣势,技术差异点等。

在我们未开始技术难点攻关时, 已经有些无所适从了,感慨,太难了!

当前的现状:试点项目多为基于各类交通场景锁定一些传统方案确实有难度的应用,然后聚焦某个应用,通过试点项目特定区域、特定的车辆、特定的场景,包装高大上的热点概念去展示这个应用。

从应用本身的实际场景出发,大家普遍存在的疑问,是否需要如此高的精度,是否需要如此低的延时,是否一定需要V2X协议,是否有可替代的性价比更高的方案。

没有令人信服的标准答案,也说明,我们并未找到真正该聚焦的点,如此,花很大的代价去试点,就失去了该有的底气。

基础设施建设的现状,感知设备的部署密度,数据的安全及开放性,路侧与车辆的数据共享等都成为推广复制的拦路虎。

而无论车路协同还是无人驾驶,安全是前提,离不开车辆控制。我们来反思试点过的车路协同应用,哪些是真正聚焦安全本身且具备普及条件的,不多,起码从碰撞风险来看。为什么呢,因为难,周期长,不能很快看到成效,远没有圈一块封闭场地,装一些设备,建一个平台,按照设计好的场景在大屏上呈现来的快。交通是变化的,流动的,瞬息万变的,不可预测的,我们想象不到会碰到的场景及问题远比当前我们能想到的多很多。

似乎进入了一个难以走出的怪圈。

单车智能还是车路协同,亦或是无人驾驶,叫什么名字不重要,回归需求的本质,或许困惑会少一些。

支点一定是核心技术突破,不会是令人眼花缭乱的概念,商业模式以及包装的应用类故事,专注、专业才能走的长远,试点项目应聚焦要突破核心技术难题,能够保持耐力,持续投入。行业专家、学者也需要引导这种良性的方向,政府对试点项目的建设成效多一些包容与耐心,少一些短平快的大屏类应用成效展示。

 启示:对技术的极致追求带来的变化

在各地车路协同试点项目大面积铺开时,Mobileye相对冷静,未过多关注我们试点的各类应用及展示效果,自始至终围绕既定的战略,追求极致的视频识别算法,提出基于视觉研发的车辆和车道线识别率达到99.99%的目标,并在不断寻求突破。

由于视觉识别算法的优异表现,Mobileye 的 EyeQ 芯片突飞猛进。2021年,拿到了 30 家车企的订单,订单总量达 5000 万片,搭载在 188 个新车型上。截止 2021 年年底,累计销量已经突破 1 亿片。

基于精准的视觉识别, Mobileye又成功研发了基于摄像头捕捉识别的定位技术 REM,装载有EyeQ芯片的车辆,只需上传极少量的特征数据,即可实现对REM的实时地图更新。

基于庞大的感知体系,Mobileye 已经采集了 40 亿公里的道路地图数据。最重要的是,REM 地图的覆盖范围已经非常广。而且,REM 地图还在不断更新中,以每天超过2500 万公里的速度增长,而随着ADAS普及率越来越高,数据覆盖率及更新率将越来越快。

随着Mobileye辅助驾驶市场占有率越来越高,进一步促进了REM地图的覆盖范围及精度。且无须采用专用车辆、专用设备去采集并制作高精度地图,融合ADAS感知数据、车辆状态数据、高精度地图、视觉定位等数据,又打开了智慧城市应用天花板,进一步夯实了Mobileye霸主地位。

应用突破与普及应遵循顺其自然的规律,基于现有的产品及方案基础,在整体成本变化不大的前提下,通过技术创新来突破一些难题。而非采用昂贵的相对超前的产品技术,选择走捷径的方式以求快速看到效果,大多数时候我们都是这么干的。

Mobileye能够长时间持续突破普通视觉感知、定位与REM技术基线,并获得巨大商业回报值得我们深思。

 总结:平静中酝酿突破

在车路协同试点应用回归平静时,我们也看到了围绕车路协同、无人驾驶主航道,国内产业链相关企业的快速进步。森思泰克一直聚焦毫米波雷达产品开发,2021年底在国内率先发布了4D毫米波雷达,并逐步获得量产应用;海康汽车一直聚焦视频辅助驾驶的投入,盲区预警系统在公交、工程车、重货、工程机械车辆等细分领域取得突破,切实有效降低了交通事故,获得了肯定与认可;大疆激光雷达性能不断提升,价格却不断降低,在路侧、车辆端均不断普及开来……。

高精度定位、高精度地图、5G、域控制器、智能驾驶座舱等领域,都在不断发展进步,一大批有代表性企业影响力在不断提升,将成为我们领先的基础。

技术的追求没有终点,只有更优异的差异,回归基础,在平静中寻求突破,方得始终。当我们逐步攻克了一个个单点难题,获得长足进步并具备领跑优势,向系统进阶才更清晰、更务实、也更有底气,现在的很多试点应用也顺其自然具备普及条件。

我要回帖

更多关于 机顶盒绿灯红灯一起亮 的文章

 

随机推荐