中國信通院：車聯網白皮書（網聯自動駕駛分冊）（44頁）.pdf

《中國信通院：車聯網白皮書（網聯自動駕駛分冊）（44頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院：車聯網白皮書（網聯自動駕駛分冊）（44頁）.pdf（38頁珍藏版）》請在三個皮匠報告上搜索。

1、車車 聯聯 網網 白白 皮皮 書書 （網聯自動駕駛分冊）（網聯自動駕駛分冊） 中國信息通信研究院中國信息通信研究院 2020 年年 12 月月 前前 言言 車聯網是汽車、電子、信息通信、交通運輸和交通管理等行業深 度融合的新型產業形態，是 5G、人工智能等新一代信息通信技術在 汽車、交通等行業應用的重要體現。自動駕駛是汽車智能化、網聯化 發展的核心應用，也是車聯網部署發展的核心服務。我國在車聯網技 術創新、應用實踐、產業生態構建等方面已經走在了世界前列，將有 利于探索實現一條具有我國特色的網聯自動駕駛發展路徑。 本文聚焦車聯網支持實現自動駕駛應用，從“協同感知、協同決 策、 協同控制” 等不同

2、環節， 重點研究分析網聯需求、 典型應用場景、 體系架構和核心關鍵技術。在此基礎上，總結提煉網聯自動駕駛發展 面臨的挑戰，包括技術融合、基礎設施建設以及商業運營等方面。最 終以協同發展總結全文，希望我國能抓住難得的歷史發展機遇，堅持 網聯自動駕駛的協同發展路徑，影響形成全球廣泛認同。 目目 錄錄 一、網聯自動駕駛的內涵. 1 二、網聯自動駕駛的需求及典型應用. 2 （一）單車智能自動駕駛發展現狀. 2 1.單車智能自動駕駛應用尚未成熟 . 2 2.單車智能自動駕駛仍面臨諸多風險 . 3 （二）單車智能自動駕駛的挑戰和網聯需求 . 4 1.環境感知的挑戰和網聯需求 . 4 2.計算決策的挑戰和網

3、聯需求 . 5 3.控制執行的挑戰和網聯需求 . 6 （三）網聯自動駕駛的典型應用 . 7 三、網聯自動駕駛的技術體系架構. 10 （一）網聯自動駕駛的技術體系視圖 . 10 1.全局視圖下的網聯自動駕駛技術體系 . 10 2.智能網聯汽車視角下的網聯自動駕駛技術體系 . 12 3.信息通信視角下的網聯自動駕駛技術體系 . 13 4.交通與交管視角下的網聯自動駕駛技術體系 . 14 5.網聯自動駕駛技術體系的三向視圖 . 15 （二）網聯自動駕駛的協同關鍵技術 . 17 1.車載視覺感知關鍵技術 . 17 2.車載激光雷達感知關鍵技術 . 18 3.車載毫米波雷達感知關鍵技術 . 18 4.感

4、知融合關鍵技術 . 19 5.網聯無線通信（C-V2X）關鍵技術 . 19 6.多接入邊緣計算（MEC）關鍵技術 . 20 四、網聯自動駕駛的挑戰. 22 五、網聯自動駕駛的協同發展政策現狀和展望. 25 （一）美歐日等發達地區或國家持續布局自動駕駛 . 25 1.美國政府、產業在網聯路徑選擇上存在差異性考慮 . 25 2.歐盟戰略高度重視智能化和網聯化的協同發展 . 26 3.日韓布局基礎設施建設，希望搶占商業化普及先機 . 26 （二）我國協同發展環境加速形成 . 27 1.協同發展政策體系不斷完善 . 27 2.應用示范，助力網聯自動駕駛技術與產業成熟 . 29 （三）網聯自動駕駛協同發

5、展展望 . 31 附錄：縮略語. 34 圖圖 目目 錄錄 圖 1 基于智慧基礎設施和邊緣計算的不停車匯入. 9 圖 2 網聯自動駕駛的體系架構. 11 圖 3 智能網聯汽車視角下的網聯自動駕駛技術體系. 12 圖 4 信息通信視角下的網聯自動駕駛技術體系. 13 圖 5 交通與交管視角下的網聯自動駕駛技術體系. 14 圖 6 網聯自動駕駛技術體系的三向視圖. 15 圖 7 MEC 與 C-V2X 融合系統的多層系統架構 . 21 表 目 錄 表 1 網聯自動駕駛的典型應用場景. 7 車聯網白皮書（網聯自動駕駛分冊） 1 一、網聯自動駕駛的內涵一、網聯自動駕駛的內涵 自動駕駛是車輛作為運載工具智

6、能化、網聯化發展的核心應用， 也是車聯網、智慧交通產業發展的核心應用服務。在技術層面上，當 前存在著單車智能自動駕駛和網聯自動駕駛兩種不同的實現路徑。 單車智能自動駕駛主要依靠車輛自身的視覺、毫米波雷達、激光 雷達等傳感器進行環境感知、計算決策和控制執行。環境感知通過車 載傳感器完成對周圍環境的探測以及定位功能。 計算決策一方面將傳 感器數據進行分析處理，實現對目標的識別；另一方面進行行為預測 和全局路徑規劃、局部路徑規劃和即時動作規劃，決定車輛當前及未 來的運動軌跡?？刂茍绦兄饕ㄜ囕v的運動控制以及人機交互，決 定每個執行器如電機、油門、剎車等控制信號。目前單車智能自動駕 駛在環境感知、

7、計算決策和控制執行的多個環節均存在不同程度的技 術瓶頸，在應用過程中也出現了各種失效的問題，因此一方面需要不 斷地加強單車智能的感知、決策和控制能力；另一方面也希望引入不 同的技術手段來進行彌補。 網聯自動駕駛是在現有單車智能自動駕駛的基礎上， 旨在通過車 聯網將“人-車-路-云”交通參與要素有機地聯系在一起，拓展和助力 單車智能自動駕駛在環境感知、 計算決策和控制執行等方面的能力升 級，加速自動駕駛應用成熟。在環境感知環節進行協同，支持車輛獲 得比單車智能感知更多的信息， 例如非視距感知或解決容易受惡劣環 境影響等問題；在計算決策環節進行協同，增加車與車、車與路之間 車聯網白皮書（網聯自動駕

8、駛分冊） 2 的系統性決策， 例如解決車輛優先級管理、 交通路口優化控制等情況； 在控制執行環節進行協同，對車輛駕駛行為進行干預，例如遠程遙控 車輛脫困等。 與此同時， 網聯自動駕駛的發展還將帶動 “人-車-路-云” 協同車聯網新型基礎設施體系的建設與完善，助力 5G、人工智能等 信息通信技術在垂直行業的應用推廣， 促進實現汽車和交通服務的新 模式新業態發展。 二、網聯自動駕駛的需求及典型應用二、網聯自動駕駛的需求及典型應用 （一）單車智能自動駕駛發展現狀（一）單車智能自動駕駛發展現狀 1.單車智能自動駕駛應用尚未成熟 按照美國汽車工程師學會（SAE）劃分的 L0-L5 的自動駕駛等級 來看，

9、目前單車智能自動駕駛正處于 L2-L3 等級的落地發展階段， 市 場滲透率和應用規模仍然較小，先進輔助駕駛系統功能（Advanced Driver Assistance Systems， ADAS） 仍然是主力。 高工智能汽車研究院 2020 年 1-2 月乘用車新車上險量 ADAS 市場數據報告提出，國 內自主及合資品牌上線新車 ADAS 搭載率為 28.15%。智能網聯汽車 技術路線圖 2.0提出，到 2025 年，L2 和 L3 相當的部分自動駕駛 （PA）和有條件的自動駕駛（CA）的汽車銷量占比將超過 50%，高 度自動駕駛（HA，相當于 L4）開始進入市場。從各個汽車企業的研 發進度

10、上看，2018 年寶馬、沃爾沃、奧迪、通用等相繼推出 L2 級自 動駕駛應用；2020-2022 年是各車企計劃推出 L3 級自動駕駛汽車的 車聯網白皮書（網聯自動駕駛分冊） 3 時間，但目前僅出現了一批 L2.5、L2.99 等自動駕駛的概念性應用， 一方面受限于 L3 級自動駕駛汽車上路的法律法規完善，另一方面受 限于技術實現。綜合分析，從技術的發展上看，目前單車智能自動駕 駛的技術實現能力為 L2-L3，但受到場景的局限，例如需要在高速公 路、道路標識規范清晰的城市主干道路等；從產業應用的落地上看， L2 及以下的 ADAS 應用仍然保持一個較低的滲透水平， L3 及以上自 動駕駛應用仍

11、以試驗和區域性示范為主，L4 及以上更高等級自動駕 駛應用則需要更長的時間。 2.單車智能自動駕駛仍面臨諸多風險 目前已經商用量產的很多 ADAS 功能仍存在特定場景下應對能 力不足和失效的風險。以自動緊急剎車為例，2019 年美國汽車協會 （AAA）對雪佛蘭邁銳寶 XL、本田雅閣、特斯拉 Model 3 和豐田凱 美瑞等進行了測試， 發現一方面是在夜間或兒童穿梭等場景下車輛的 應對能力不足，大部分車型均發生了碰撞現象；另一方面是在下雨天 的打傘、雨衣、隧道等場景較容易引起失效?，F有已經商用的 ADAS 功能尚無法應對復雜的交通狀況或惡劣的天氣條件， 感知能力的不足 仍是主要原因。但在駕駛員負

12、責整個駕駛過程的條件下，L2 及以下 的 ADAS 應用功能已經具備商用落地的條件。 在高等級自動駕駛路測方面， 自動駕駛的可靠性和應對挑戰性交 通場景的能力仍有待提升。從 2019 年度美國加州的自動駕駛脫離報 告Autonomous Vehicle Disengagement Reports來看，36 家企業進 車聯網白皮書（網聯自動駕駛分冊） 4 行了自動駕駛測試，谷歌 Waymo 以 234 萬公里測試里程遙遙領先， 其每 21273 公里出現一次脫離接管， 但相比較下蘋果則每 189 公里就 要出現一次脫離接管。從脫離接管的原因來看，軟硬件系統性能的可 靠性幾乎是每個測試企業面臨的共

13、性問題；此外，對突然出現目標的 感知能力不足、目標運動行為的預測能力不足、決策時間超時和錯誤 的軌跡生成、交通信息標識識別的錯誤等也是主要問題。 此外，已經商用的部分自動駕駛車輛也出現了各類別的事故，存 在感知失效、預測和決策失效等原因。2018 年 1 月，美國洛杉磯一輛 Model S 因跟隨車輛突然變道而沒有及時檢測到前方停止的消防車， 未能及時剎車/減速而造成事故，引發其感知失效的討論。2016 年 2 月，美國加州的一輛雷克薩斯車輛感知到后側有公交車準備通過，但 經過判斷路面并沒有足夠的空間讓公交車通過， 便假定公交車駕駛員 會減速，而公交車駕駛員判斷雷克薩斯會禮讓，因此發生碰撞，顯

14、示 了單車智能自動駕駛在這種“博弈”的駕駛條件下很難準確判斷周邊 交通參與主體的意圖，提出了協同決策的挑戰。 （二）單車智能自動駕駛挑戰和網聯需求（二）單車智能自動駕駛挑戰和網聯需求 1.環境感知的挑戰和網聯需求 目前，單車智能自動駕駛的技術解決方案，視覺傳感器、激光雷 達、毫米波雷達以及紅外夜視、超聲波等成熟的傳感器是主要的產品 組成。各類別傳感器的標稱技術指標持續穩步發展，不斷滿足自動駕 駛需求，逐漸接近人類駕駛員的感知能力，甚至在部分技術能力上實 車聯網白皮書（網聯自動駕駛分冊） 5 現了超越，例如探測距離 200 米以上、綜合精度能夠達到厘米級甚至 毫米級等。但是各類傳感器的可靠性，以

15、及對突發事件的響應能力上 仍然存在不足。一方面，容易受到遮擋、惡劣天氣等環境條件影響， 如十字交叉路口、隧道出入口等。網聯化通過車路協同、車車協同， 能夠極大地拓展單車的感知范圍，并且不受遮擋限制，能夠讓單車提 早發現未知狀況， 能夠應對目標突然駛入等目前在自動駕駛測試和事 故中難以應對的狀況。此外，單車智能自動駕駛在目標預測、駕駛意 圖 “博弈” 等方面存在困難。 網聯化能夠直接給出關鍵結果狀態信息， 例如信號燈狀態、周邊車輛的下一步動作意圖、當前路況下最佳的行 駛路線等，減少了復雜的基于傳感信息的計算處理過程，并且能夠準 確地了解周圍交通參與者的意圖。 2.計算決策的挑戰和網聯需求 計算決

16、策主要實現的功能可以分為兩類， 一是對環境感知數據進 行目標識別，深度神經網絡是目前在感知中使用最多的方式，也是目 前對算力消耗需求最大的計算任務； 二是針對感知的結果以及車輛的 行駛任務，給出行駛路線、車輛動作的決策規劃。在硬件上，計算決 策主要承載在基于 CPU、GPU、DSP、AI 芯片、MCU 等多核異構分 布的計算處理平臺上。 算力和功耗之間的矛盾是目前單車智能自動駕 駛計算處理平臺遇到的重要瓶頸。同時，由于交通行為更多是眾多參 與者之間互相“博弈” ，在路徑動作的決策規劃環節，單車智能自動 駕駛難以給出最佳的解決方案。 車聯網白皮書（網聯自動駕駛分冊） 6 網聯化有望分擔單車的算力

17、消耗， 基于云控平臺給出全局最優的 駕駛策略。在算力方面，一是網聯化作為“超級傳感器”能夠直接給 出感知的目標結果，省去了復雜的對傳感器信號的計算分析過程，如 紅綠燈的判斷，從而大大減輕了單車的算力需求；二是能夠借助云計 算、邊緣計算等能力，有望將路側的算力引入，例如在路側安裝視覺 傳感器、激光雷達等傳感器，將路側感知結果進行下發等。在駕駛策 略方面，在特定場景下，網聯化能夠集中采集其范圍內的交通參與主 體，根據所有主體的目的和狀態，給出全局最優的解決方案，無需再 通過“試探”和“博弈”給出決策規劃，在礦山、港口、物流等非公 共開放道路的特定場景下已經得到驗證應用。 3.控制執行的挑戰和網聯需

18、求 單車智能自動駕駛的控制執行主要根據計算決策給出的動作命 令，通過車輛的動力學模型和人機交互界面，給到電機、油門、剎車 等執行機構。在控制執行方面，考慮自動駕駛系統和人類駕駛之間的 協同處理以及車輛控制的可靠性、安全性，控制系統的冗余備份、高 實時響應是主要的技術需求。 網聯化在控制執行方面能夠提供遠程遙 控駕駛、協同駕駛的應用模式。例如在某些危險或不適合人類進入的 場合，需要通過 5G 遠程遙控駕駛來操作遠端的車輛進行作業，目前 在無人礦山等場合下已得到應用。在車輛編隊行駛等方面，借助頭車 和后排車輛的控制執行信息交互， 后排車輛能夠按照頭車的統一命令 進行駕駛，減輕后排車輛的感知計算任務

19、負載。網聯化能夠將車輛的 車聯網白皮書（網聯自動駕駛分冊） 7 控制和執行從單車上分開，助力打造一批創新性的應用模式。 （三）網聯自動駕駛的典型應用（三）網聯自動駕駛的典型應用 在單車智能自動駕駛基礎上，引入網聯化技術，使得更多協作式 的自動駕駛應用得以實現。 從典型工況和協同環節兩個維度進行考慮， 可以將網聯自動駕駛的應用場景劃分為一個矩陣。 典型工況包括各類 路口、高速公路、隧道、停車場所、礦山/港口等相對結構化的道路環 境，以及通用工況環境。協同環節則包括協同感知、協同決策和協同 控制三個部分。 表 1 網聯自動駕駛的典型應用場景 協同感知協同感知 協同決策協同決策 協同控制協同控制 通

20、用工況通用工況 高精地圖 全天候路況感知 路標信息 超視距&盲區感知 交通流量 車輛狀態 道路狀態 協作自適應巡航 柔性車道管控 協作匯入匯出 可變限速控制 各類路口各類路口 路口車輛信息 信號燈信息 VRU&混合交通主體辨識 及預警 全局路徑規劃 綠波車速引導 駕駛意圖判定 交叉口誘導 路口協同通行 信號燈優化控制 遠程接管 閘機信號交互 高速公路高速公路 遠程接管 遠程平行駕駛 網聯編隊駕駛 隧道隧道 隧道內高精地圖及定位 臨時設施/障礙 隧道設施 停車場停車場 場內高精地圖&定位 空閑車位信息 空閑車位分配 車位路徑引導 全自動代客泊車 （半封閉場景 L4） 礦山礦山/港口港口 封閉固定

21、區域內 L4 來源：中國信息通信研究院 不同應用場景對網聯的依賴程度可分兩類， 一是需要網聯才能在 車聯網白皮書（網聯自動駕駛分冊） 8 全工況環境下實現的應用場景。比如信號燈、標識標牌等信息獲取， 在能見度低的雨雪霧天氣中，單車感知設備將難以準確識別，通過車 與路側相應交通基礎設施的聯網通信才能獲取上述信息；不僅如此， 信號燈等信息的數字化更是為其增加了動態調整的可能性， 使潮汐車 道、動態限速等場景更容易實現。其次，盲區的感知，單車所能搭載 的攝像頭和激光雷達都存在物理極限， 一些路側感知設備的部署則可 以輕松解決單車視覺上的盲區， 并且可以將遠方的動態交通事件信息、 道路信息等發送給車輛

22、。再者，群體智能，基于交通信息的全局路徑 規劃需要一個基于云端的強大決策平臺， 并將規劃結果下發給區域內 的車輛，這是單車智能所不能實現的，并且可以通過網聯實現對于異 常車輛的遠程監控和接管介入。 二是通過網聯實現將更具經濟性的應 用場景。 此類場景單車在技術上也可行， 然而實現代價過于繁瑣高昂， 不利于應用的快速普及。比如十字交叉路口等典型城市工況環境，在 對于混合交通主體的識別過程中， 單車需要付出極大的感知和計算開 銷，而通過路側感知、計算、通信等設備的部署，可以達到資源復用 的規?；?。再如隧道、停車場等封閉場所的定位，配合路側通信 設備、蜂窩通信基站、邊緣計算服務器等的支持，在達到

23、同樣精準度 的情況下，可以很大程度上降低單車慣性導航、雷達等一系列復雜融 合感知算法的開銷。 目前， 網聯自動駕駛的相關應用場景也已經陸續在國內外開展應 用示范驗證和部署。港口、礦山、物流園區等封閉場景成為各地率先 部署商用車 L4 自動駕駛的示范區。2019 年 11 月，由上汽集團、上 車聯網白皮書（網聯自動駕駛分冊） 9 港集團、中國移動合作打造的上海洋山港智能重卡示范運營項目，在 洋山港物流園、東海大橋、洋山一期碼頭內，實現集裝箱智能轉運， 是國際上首次實現 5G+自動駕駛重卡商業化落地。5G 遠程遙控駕駛 與單車智能自動駕駛的結合， 可以解決自動駕駛算法出現故障等原因 導致的人工接管

24、的情況。博世、梅賽德斯奔馳、諾基亞等合作伙伴， 在德國烏爾姆市示范基于智慧基礎設施和邊緣計算的不停車匯入， 如 下圖 1 所示。項目建設方在道路燈桿上安裝攝像頭、激光雷達、路側 通信設備和 MEC 邊緣計算服務器，拓展車輛感知范圍，解決車輛自 身感知設備的視覺識別盲區，如被卡車遮擋的行人、從盲區駛來的車 輛、從后方靠近并變道的自行車。系統能將路端傳感器采集到的圖像 數據，與車輛傳感器采集到的數據相結合，在邊緣算力支持下，與高 精度地圖結合，可生成包含當前路況全部信息的車輛周圍環境模型， 并通過網聯技術傳輸給車輛。項目實施后，自動駕駛車輛可以精確地 發現主干道上的車流間隙，無需剎停即可無縫匯入主

25、干道車流。 數據來源：博世 圖 1 基于智慧基礎設施和邊緣計算的不停車匯入 車聯網白皮書（網聯自動駕駛分冊） 10 三、網聯自動駕駛的技術體系架構三、網聯自動駕駛的技術體系架構 （一）網聯自動駕駛的技術體系視圖（一）網聯自動駕駛的技術體系視圖 1.全局視圖下的網聯自動駕駛技術體系 網聯自動駕駛的體系架構可以按照 “終端”“連接”“計算與服務” 三個維度來進行解構，如下圖 2 所示。網聯自動駕駛技術體系的“終 端”包含智能網聯汽車和路側智能化系統這兩個廣義終端。 “連接” 是實現“人-車-路-云”相互連通的各類通信技術，按照網絡類型可分 為公眾電信網、公安專網、交通專網等，按照網絡技術可分為移動

26、通 信網絡、光纖接入網等。 “計算與服務”承載著網聯自動駕駛各類服 務的數據支撐與應用實現能力， 從物理實體上包括邊緣計算平臺與云 平臺；從業務邏輯上包含數據底座、開放接口、應用服務等；從服務 功能上包括以紅綠燈信息推送、盲區感知、隧道高精度定位為代表的 協同感知類應用，全局路徑規劃、車輛編隊行駛等協同決策類應用， 5G 遠程遙控駕駛等協同控制類應用，以及高精度地圖下載、OTA 升 級等數據支撐業務等。 車聯網白皮書（網聯自動駕駛分冊） 11 來源：中國信息通信研究院 圖 2 網聯自動駕駛的體系架構 智能網聯汽車和路側智能化系統可以看作兩個系統級“終端，可 以被進一步解構為 “終端” “連接”

27、 “計算與服務”等若干子類。智能 網聯汽車內部的“終端”包含車載通信網關、車載感知設備，以及智 慧座艙、域控制器等汽車電子系統； “連接”主要是車內高速總線與 多協議車內通信技術融合； “計算與服務”涉及異構計算平臺、車載 操作系統、感知識別與行為決策算法等。路側智能化系統的“終端” 主要有路側通信終端、路側感知設備、道路交通智能化設備等； “連 接”主要以交通、公安等專網或本地局域網為主； “計算與服務”主 要包含路側邊緣計算系統、路側感知與服務能力、路-云協同等。 在這種系統整體結構分解的思路中， “終端”是載體， “連接”是 途徑， “計算”是手段， “服務”是目的， “人-車-路-云”

28、各個環節的關 鍵技術深度協同，形成了統一融合的網聯自動駕駛技術體系架構。 車聯網白皮書（網聯自動駕駛分冊） 12 2.智能網聯汽車視角下的網聯自動駕駛技術體系 在智能網聯汽車視角下，結合全局視角技術體系的解構思路，網 聯自動駕駛按照技術環節可分為感知、連接、計算與服務，其中網聯 系統是與雷達、攝像頭、定位等并列的一種感知技術，車內電子電氣 架構（E/E） 、車載計算平臺歸屬于連接和計算的范疇，服務主要是與 自動駕駛有關的預測和決策等，如下圖 3 所示。在智能網聯汽車視角 下，車輛的安全是非常重要的技術環節，需要遵循相應的功能安全體 系（ISO 26262） ，以及預期功能安全體系（SOTIF）

29、 。 來源：中國信息通信研究院 圖 3 智能網聯汽車視角下的網聯自動駕駛技術體系 在智能網聯汽車視角下，自動駕駛對以 C-V2X 為代表的網聯系 統提出了諸多要求，包括應用時延、消息集的可用性、消息內數據的 可靠性、 消息與車內感知的相互備份性等。 該視角特點可總結為：（1） 網聯系統將作為車輛感知系統的一部分，可提供車輛盲區信息、超視 距信息、交管信息等傳統車載傳感器無法直接提供的信息； （2）自動 駕駛對于網聯系統相關的功能安全、預期功能安全體系非常關切，有 待進一步研究并形成跨行業共識； （3）自動駕駛對典型應用場景的消 車聯網白皮書（網聯自動駕駛分冊） 13 息集標準化需求強烈，有必要

30、推動形成消息集持續演進機制，支撐網 聯自動駕駛基礎設施廣泛部署。 3.信息通信視角下的網聯自動駕駛技術體系 在信息通信視角下，網聯自動駕駛遵循“端-管-云-業務”的典型 信息通信體系架構，一方面，無論是車載、路側系統的各類終端，都 是網絡內的車聯網終端用戶；另一方面，各類終端通過 C-V2X/5G 等 移動通信網絡或光纖接入網絡接入到邊緣計算平臺或云平臺， 平臺上 的各類應用為終端用戶提供通用或定制化服務，如下圖 4 所示。 來源：中國信息通信研究院 圖 4 信息通信視角下的網聯自動駕駛技術體系 在信息通信視角下，一方面終端是網絡服務的主體，需要為終端 業務需求針對性地調整網絡能力或者服務特點

31、； 另一方面對終端對于 網絡或服務的匹配性提出了明確要求，例如工作頻率要求、射頻一致 性、通信協議一致性、數據集一致性等。該視角特點可總結為： （1） 網聯自動駕駛系統遵循“端-管-云-業務”架構，各環節主體需要受到 頻段許可以及電信業務資質等 ICT 領域政策法規的監管； （2）ICT 企 車聯網白皮書（網聯自動駕駛分冊） 14 業希望自動駕駛企業對應用、網絡、服務等提出需求，在此基礎上開 展管、云、服務方面的系統研發與部署； （3）ICT 企業可針對自動駕 駛應用提供“標準+定制”服務，但如何明確并提供網聯數據可靠性 或置信度仍需進一步研究。 4.交通與交管視角下的網聯自動駕駛技術體系 在

32、交通與交管視角下， 車聯網與智慧交通系統按照業務類型垂直 分類， 網聯自動駕駛可視作涉及到多個傳統業務類型增強與融合的新 興業務系統， 例如在傳統的交通信號智能控制系統基礎上增加了數據 開放與廣播，在交通標志標線、車輛超速預警、典型違法預警系統等 基礎上增加了信息融合與實時播發功能等，如下圖 5 所示。 來源：中國信息通信研究院 圖 5 交通與交管視角下的網聯自動駕駛技術體系 在交通與交管視角下， 各類業務應用需要道路側智能化設備與基 礎數據平臺的支撐。對于網聯自動駕駛來說，需要在路側智能化設備 和基礎數據平臺方面增加新的實體和功能，包括新增 C-V2X 路側通 信單元、新增路側感知計算融合系

33、統、部署 V2X 信息的采集與發布 車聯網白皮書（網聯自動駕駛分冊） 15 功能等，實現網聯系統與傳統智能交通系統的融合演進。交通與交管 視角的特點可總結為： （1）交通與交管系統按照“感知-傳輸-計算-應 用”的層級來設計，以 C-V2X 為代表的網聯系統建設與交通新基建 融合發展已形成行業共識； （2） C-V2X 等網聯功能作為一種新型感知 發布方式，可以使交通與交管系統增強與智能網聯汽車的交互，促進 交通與交管業務從路端向車端延伸； （3）交通與交管行業需要基于現 有智能交通業務提煉網聯自動駕駛所需服務，與現有系統融合演進、 并通過 C-V2X 等網聯系統與網聯自動駕駛進行耦合。 5.

34、網聯自動駕駛技術體系的三向視圖 為了更好地描述網聯自動駕駛技術體系， 本白皮書嘗試將網聯自 動駕駛技術體系用三向視圖進行總結，如下圖 6 所示。 來源：中國信息通信研究院 圖 6 網聯自動駕駛技術體系的三向視圖 正向視圖展示了系統架構和信息流，根據業務類型的不同，信息 車聯網白皮書（網聯自動駕駛分冊） 16 流可以分為三種類型。一是車路信息流，路側智能化系統為智能網聯 汽車提供超視距感知信息、道路信息、地理信息等；智能網聯汽車向 路側智能化系統提供自身狀態信息， 用于路側更全面地了解道路車輛 狀態，形成車路協同流閉環。二是面向交通治理的車路云信息流，交 通與交管平臺從路側智能化系統及智能網聯汽

35、車獲取車輛行駛信息， 用于分析和形成宏觀或微觀交通狀態，并將交通控制、管理、誘導等 信息發送至智能網聯汽車，促進改善交通環境，形成智慧交通信息流 閉環。三是面向網聯自動駕駛的車路云信息流，智能網聯汽車和路側 智能化系統將感知信息與道路狀態信息上傳至云控平臺， 云控平臺將 適用于自動駕駛的融合感知與決策信息下發至智能網聯汽車， 形成網 聯自動駕駛信息流閉環。 頂向視圖展示了關鍵技術的邏輯架構，信息通信、交通、汽車等 各行業對于“終端” “計算” “連接與服務”的技術邏輯劃分基本達成 共識，但不同行業對于此種邏輯劃分有不同的關注重點。汽車行業更 關注智能網聯汽車內部系統， 同時關注云控平臺上自動駕

36、駛應用服務 的實現。通信行業更關注車路云之間的連接與服務，以及邊-云端的 MEC、數據中心、云計算、人工智能等關鍵技術。路側智能化系統需 要信息通信、交通、交管等跨行業協同，其中交管行業的責權界面相 對明晰， 信息通信行業和交通行業在路側系統建設運營方面的合作模 式還有待進一步探索；應用平臺方面，信息通信、交通、交管、汽車 等各行業仍存在平臺間數據集不統一、 互聯互通困難等待解決的問題。 側向視圖展示了系統安全視圖， 包含網聯自動駕駛功能安全與信 車聯網白皮書（網聯自動駕駛分冊） 17 息安全兩部分安全體系。功能安全既包括汽車傳統的功能安全體系， 也包括自動駕駛汽車的預期功能安全體系，以及未來

37、路側設備、云端 服務的預期功能安全。信息安全包括了網絡安全、身份認證等關鍵技 術體系，其中身份認證體系一方面需要明確管理機制，考慮建立跨行 業、跨地域協同管理模式，共同維護協同互認的數字身份信任關系。 （二）網聯自動駕駛的協同關鍵技術（二）網聯自動駕駛的協同關鍵技術 1.車載視覺感知關鍵技術 車載視覺攝像頭成為近年汽車 ADAS 市場需求增長最快的傳感 器。 按照攝像頭安裝位置和功能的差異， 可以分為前視、 環視、 側視、 后視以及內視等。前視攝像頭主要用于車輛和行人探測、交通標志識 別、車道偏離警告、車距監測以及自適應巡航控制等，通常需要搭配 復雜的算法芯片。環視攝像頭主要用于全景泊車和車道

38、偏離警告，側 視攝像頭可用于盲點檢測，后視攝像頭用于倒車輔助，內視攝像頭用 于疲勞駕駛預警和情緒識別等。當前車載攝像頭主要以 720P、1080P 分辨率為主， 空間分辨率已經與人眼接近， 而感知距離通常為 200m， 與人類肉眼可感距離（500+m）仍存在差距。逆光、圖像動態范圍是 當前影響視覺傳感器可靠性的主要挑戰。 視覺感知技術將傳感器的輸入數據轉換成計算機能夠理解的場 景語義表達和物體結構化表達，包括物體檢測、識別和跟蹤、3D 環 境建模、物體的運動估計等。車輛在運行過程中，通過高清攝像頭的 不間斷采集， 實現對環境信息的實時感知， 隨著自動駕駛等級的提升， 車聯網白皮書（網聯自動駕駛

39、分冊） 18 必然引發像素需求與芯片計算能力之間的平衡問題。 2.車載激光雷達感知關鍵技術 車載激光雷達以避障應用為主，將走向 3D 點云識別及定位。車 載激光雷達是目前車載環境感知精度最高的感知方式， 探測距離可達 300m， 精度可控制在厘米級。 機械式激光雷達因其抗光干擾能力強、 信噪比高等優點成為前期主要的激光雷達形態， 長遠來看 MEMS、 3D Flash 等固態激光雷達有望成為重點，相控陣 OPA 技術方案仍然需要 較長的技術研發周期。 目前限制激光雷達量產商用的主要制約因素為 可靠性和成本。 3.車載毫米波雷達感知關鍵技術 車載毫米波雷達的技術最為成熟、魯棒性最高，可以探測車輛

40、與 目標物體之間的距離，主要用于碰撞預警、自動巡航、制動輔助和泊 車輔助等功能。目前，車載毫米波雷達的頻率多采用 24GHz 頻段和 77GHz 頻段。24GHz 的技術難度和成本較低，適用于測量中短距離 物體， 占據了目前毫米波雷達的主要應用市場。 77GHz 的毫米波雷達 具有體積更小、測量距離更遠、測量精度更高等優點，適用于測量長 距離物體， 77GHz 等高頻段毫米波雷達產品目前以國外產品為主。 隨 著技術的成熟，3D、高空間分辨率的毫米波雷達成為未來趨勢，理論 上有可能替代激光雷達。 車聯網白皮書（網聯自動駕駛分冊） 19 4.感知融合關鍵技術 多傳感器融合成為提升感知可靠性的主要手段。 不同的傳感器在 感知精度、魯棒性、可靠性上各有不同，因此適用于不同環境、不同 物體的感知測量。結合激光雷達、毫米波雷達和視覺的傳感器融合技 術，可獲得更高精度的 3D 信息，并且通過不同信息的互補、交叉驗 證，將語義感知的準確性提升數個數量級。目前，存在著視覺主導和 激光主導兩種不同的感知融合方案， 視覺主導方案的采用者以特斯拉 為代表，激光主導方案的采用者以谷歌為代表。毫米波雷達憑借優秀 的抗干擾性能，成為攝像頭和激光雷達的重要補充。在技術路線上， 多傳感器融合感知主要有數據級的前向融合和特征級的后向融合兩