智慧交通初探

最近一段时间进行了一些行业探索，关注了一下智能汽车这块，新能源造车势力蓬勃发展，自动驾驶领域大热，于是针对智慧交通这个大的领域进行了初步的了解，整理一些知识。

对于智慧交通基本知识领域初步了解，能够帮助我们更快了解智慧交通的整体概况、行业发展以及切入行业的机会。

智慧交通基本概念

智慧交通：（人 + 车 + 路）智能 + 大数据

“智慧交通”的概念是 2009 年 IBM 提出来的，基于“智能交通”的一个升级，我个人的理解就是：“智慧交通” = “智能交通” + 大数据。“智能交通” = （人 + 车 + 路）智能。人、车、路的三者协同，人的参与，车与路的智能化，然后加上大数据，就整合成“智慧交通”的概念。

“智慧交通”是一个很高级的阶段，我觉得需要至少十几年几十年才能发展起来，也是当前新能源汽车，尤其是智能汽车与自动驾驶这些领域的终极整合形态。

新能源汽车，不一定智能，智能汽车，也不一定是新能源

我们经常提到新能源汽车，主要是区别于传统的燃油车，新能源车包括五大类型：混合动力电动汽车（HEV）、纯电动车（BEV，包括太阳能车）、燃料电池电动车（FCEV）、增程式电动汽车（REEV），其他新能源包括机械能（如超级电容器、飞轮、压缩空气等高效储能器）车等与非常规的车用燃料，指除汽油、柴油之外的燃料，如天然气（NG）、液化石油气（LPG）、乙醇汽油（EG）、甲醇、二甲醚，另外有一些冷门的方案，如斯特林发动机和六冲程内燃机等增加燃烧效率的设计，甚至太阳能核能等。

所以新能源汽车并不等同于智能汽车，新能源不一定智能，智能也不一定就是新能源。但是智能汽车一定是未来的风口，新能源汽车，尤其是电动汽车是其中的一种非常重要的汽车类型。

英文单词的区别

• vehicle：一切车辆的总称，包括有轨与无轨车辆。有轨的包括：有轨电车与火车
• automobile：有车轮、自带动力的机动车
• auto：automobile 的口语化表达
• car：更多指小汽车

域名里面有一个 .auto 结尾的“汽车”，百度的阿波罗自动驾驶开放平台的官方就是采用这个域名后缀：www.apollo.auto，除此之外的其他一些车的英文单词就比较好区分了，比如 train 火车，truck 卡车等。

智慧交通行业链路

产业上下游不同类型企业或机构

• 主机厂（OEM）：汽车生产制造商
  • 传统造车势力：宝马、奔驰、奥迪等
  • 新能源造车势力：特斯拉、蔚来、小鹏、理想
  • 传统造车的新能源化与智能化的自有品牌或者新的子品牌
• Tier 1：一级供应商
  • 也就是跟 OEM 签订供应合同的供应商。一级供应商所供应的零部件，并不一定全部来自自身的产线生产制造，比如液晶仪表供应商的液晶屏幕就会采取外购的形式，液晶屏幕供应商，就是二级供应商
  • 德国博世、德国大陆等
• Tier 2：二级供应商
  • 二级供应商，是跟一级供应商签订合同的供应商。在一般零部件制造中，一级供应商制造的零件中也会采用购买或外包的形式获取所需的零部件和服务
• 技术方案公司
  • 给汽车提供智能化技术解决方案的公司，一般自己不造车
  • 自动驾驶解决方案：Waymo、AutoX、元戎启行、小马智行、文远知行、魔门塔等
  • 配套技术解决方案：四维图新（高精地图）
• 场景落地公司
  • 这个是我自己理解出来的一个可以单独分类的公司，这些公司虽然也造车，也具备无人驾驶等技术能力，但是都是基于自家产品或服务所衍生出来的特定场景下使用
  • 滴滴：Robotaxi 无人驾驶出租车场景
  • 美团：无人配送场景
  • 阿里：无人物流场景
• 行业标准化机构
  • 无论是车企自发组成成立，还是国家强制成立的，行业标准化机构是一种重要的特殊领域
  • 全国汽车标准化技术委员会、美国汽车工业协会、AUTOSAR 汽车开放系统架构合作伙伴
• 大学或研究院
  • 大学或研究院传统的专业的大学，学院或者专业，以及企业或者国家成立的侧重于学术研究及落地的机构
• 资讯媒体
  • 智慧交通、智能汽车相关的资讯媒体

智能汽车相关内容

智能汽车的 N 要素

汽车铁三角

车企公司、技术方案公司、共享出行公司。这个概念我认为更多的是站在技术方案公司这个角度，技术方案公司为了更快的边实践边改进，除了本身路测或者模拟演进，更快的方式就是通过车企智能化赋能以及退出共享出行服务或者与共享出行公司合作，是技术方案公司存活与发展的模式。

汽车四化

• 新能源化：目前电动车风头正劲
• 共享化：降低成本提高效率的发展方向
• 智能化：更加智能高效，是最重要的发展方向
• 网联化：智能的进阶，智慧交通大数据的台阶

新能源车三大核心技术

• VCU（Vehicle Control Unit 整车控制器）
• MCU (Motor Control Unit 电机控制器）
• BMS（Battery Management System 电池管理系统）

智能汽车五大控制域

• 动力域
  • 主要集合动力总成相关功能，负责动力总成的优化与控制，同时兼具电气智能故障诊断、智能节电、总线通信等功能。在新能源车中主要是指电驱和电控系统的集成化。其中，电驱系统的集成以三合一技术路线为主流，即将电机、电控（逆变器）与减速器集成为电驱桥。电控系统的集成则倾向多合一模块，通常将变压器、车载充电机、加热器等进行集成，甚至会将整车控制器（VCU） 等包含在内
• 车身域
  • 主要负责车身功能的整体控制，本身技术门槛较低且单车价值量不高，其本质是在传统车身控制器（BCM）的基础上，集成了无钥匙启动系统（PEPS）、纹波防夹、空调控制系统等功能而成。此外，由于涉及安全等级较低，随着汽车 E/E 架构的进一步集中化，有望率先实现与智能座舱域的融合
• 底盘域
  • 主要负责具体的汽车行驶控制，需要对包括助力转向系统、车身稳定系统、电动刹车助力器、安全气囊控制系统等在内的系统进行统一的控制。与动力域类似，底盘域内所涉及的控制系统大多都具备较高的安全等级要求，需要符合 ASIL-D 安全等级（ASIL 系列中最高安全等级）。因此底盘域亦具备着较高的行业门槛，目前多数底盘域控制器仍处于实验室阶段
• 座舱域
  • 主要负责汽车座舱电子系统功能，可融合传统的车载信息系统(仪表)和车载娱乐系统(IVI)等功能，同时集成驾驶员监控系统、360环视系统、AR HUD、行车记录仪和空调控制器等功能。其发展过程经历了由传统的“机械物理按键”到“中控液晶显示屏”，再到“中控+仪表盘一体化设计”的进程。同时，由于其涉及安全等级较低、成本相对可控，发展速度将显著快于自动驾驶域控制器
• （辅助/自动）驾驶域
  • 承担了自动驾驶所需要的数据处理运算及判断能力，包括对毫米波雷达、摄像头、激光雷达、GPS、惯性导航等设备的数据处理工作。同时，自动驾驶域控制器亦负责车辆在自动驾驶状态下底层核心数据、联网数据的安全保障工作，是推动自动驾驶迈向 L3 及以上更高等级的核心部件。此外，由于自动驾驶域控制器需要更强的 AI 算力以及算法的支持，因而参与研制的厂商众多。除传统汽车产业链内的整车厂及供应商以外，还包括有英伟达、高通、地平线、黑芝麻等海内外 AI 芯片龙头厂商，以及阿里、谷歌、QNX、华为等自动驾驶操作系统供应商

综合上述智能汽车的五大控制域，以及结合自身情况，可以重点关注“座舱域”：智能座舱/智能车舱，以及“（辅助/自动）驾驶域”：自动驾驶/无人驾驶。

自动驾驶等级：L0-L5

自动/无人驾驶场景

• 自驾车
  • 自驾车是自动/无人驾驶的非常重要的落地场景，新能源造车势力：特斯拉、蔚来、小鹏、理想、比亚迪等无不发力 ADAS（Advanced Driver Assistance System）高级驾驶辅助系统
• Robotaxi（无人驾驶出租车）/Robobus（无人驾驶公交车）
  • Robotaxi/Robobus 是汽车四化中的共享化的发展方向，随着司机成本、人口老龄化等问题的出现，这两块场景落地非常具有吸引力。尤其是出租车公司和共享出行公司。这种城市内的落地场景，因为城市内的路况复杂，导致技术难度较大
• 配送运输
  • 此场景主要相对于载人的相对面，主要用于货物；无人低速短途配送：典型场景是外卖配送；无人/有人高速长途运输：比如城市间经由高速公路货物运输，如 Robotruck
• 封闭园区
  • 封闭园区，路况相对固定并且可控，甚至是可以基于无人驾驶/自动驾驶改造定制道路；常见落地形式：无人码头 AGV 自动导引车（Automated Guided Vehicle）
• 无人环卫
  • 无人环卫属于一种特殊落地场景。可能线路相对固定，然后执行特殊操作
• 自动泊车
  • 自动泊车是一种特殊的自动驾驶落地场景，最后自动泊车由自动驾驶来完成，提高泊车效率

人、车、路、云关系与交互

• 单车智能
  • 单车智能是目前智能汽车首要发展的目标方向，先让车子智能起来，才能后续与人、路、云做更多的交互
• 车路协同
  • 当我们的车子智能起来之后，就不仅仅局限于单车智能了，因为车子再智能，也有发展瓶颈，车子最终是要在路上跑的，车与路的协同配合，能够极大的提高交通的智能。就比如智能汽车通过摄像头来判断红绿灯、车道线之类的，那假若我们把红绿灯和车道线做成一个可以和智能汽车进行交互的可电子通信的状态，例如交通灯可以向智能汽车广播信号，这样就很好的提高智能汽车的判断能力。当然这个需要市政大力配合，给出可示范的专用道路，就像上海的磁悬浮专列一样
• 智能交通
  • 智能交通是人、车、路三者的智能化交互融合，人参与交通，智能化的车路协同。交通系统的智能化
• 智慧交通
  • 智慧交通是基于智能交通的升级概念，可以理解为智能交通 + 大数据 = 智慧交通，智慧交通可以通过大数据，针对智能交通所产生的的各类数据，进一步让交通变得更加智慧，比如可以更好的规划行程，提高通行效率

智能汽车重点配套产品、功能、技术、服务、概念等

• 电池 + 充电桩
  • 新能源智能汽车的动力站与加油站；智能汽车目前发展的最快的就是新能源汽车，新能源汽车里面发展最快的就是电动车，电动车离不开电池和充电桩。电池最重要的就是安全性和能量密度，以及 BMS （电池管理系统）。电动车的充电桩犹如传统油车的加油站，补充动力的重要来源。有一点不一样的就在于，电动车充电桩还可以放在家里，而加油站却不能放在家里
• 高精地图
  • 地图永远是出行最重要的配套服务之一；我们传统的地图导航是米级，智能汽车时代，我们的高精地图可以达到厘米级，例如千寻位置网，当然这种高精度地图服务，需要配合现有的北斗系统与地基增强系统，能够极大的提高定位精度，从而使得智能汽车车道判断等高精度需求变得可行
• 雷达与摄像头
  • 雷达是汽车能够看见的重要技术实现方式，一般分为激光雷达和毫米波雷达
  • 摄像头是汽车能够看见的另外一种重要技术实现方式
  • 激光雷达 vs 毫米波雷达 vs 摄像头的区别
    

    激光雷达 vs 毫米波雷达 vs 摄像头

    区分	激光雷达	毫米波雷达	摄像头
    定位	✅	✅	❌
    夜晚	✅	✅	❌
    3D	✅	❌	❌
    雨雪雾	❌	✅	❌
    颜色	❌	❌	✅

• 卡尔曼滤波
  • 卡尔曼滤波（Kalman filter）是一种高效的自回归滤波器，它能在存在诸多不确定性情况的组合信息中估计动态系统的状态，是一种强大的、通用性极强的工具。它的提出者，鲁道夫.E.卡尔曼，在一次访问 NASA 埃姆斯研究中心时，发现这种方法能帮助解决阿波罗计划的轨道预测问题，后来 NASA 在阿波罗飞船的导航系统中确实也用到了这个滤波器。最终飞船正确驶向月球，完成了人类历史上的第一次登月；简言之，卡尔曼滤波主要是是解决了不同传感器的不同判断之间的偏差最终融合问题。例如激光雷达、毫米波雷达、摄像头得到的数据偏差过大，或者是数据相反，通过卡尔曼滤波能够得出较好相对准确的结果
• OTA 升级
  • OTA 升级是智能汽车的重要表象；OTA：Over The Air 空中升级，应该是由特斯拉最先发扬光大的概念，汽车变成了一个可以进行固件、软件升级的智能产品，通过 OTA 升级可以不断的改善、优化、进化自己的能力
• V2X
  • V2X：Vehicle to Everything，车辆与万物
  • V2V：Vehicle to Vehicle，车辆与车辆
  • V2I：Vehicle to Infrastructure，车辆与基础设施
  • V2P：Vehicle to Pedestrian，车辆与行人
  • V2N：Vehicle to Network，车辆与网络
  • V2G：Vehicle to Grid，车辆对地网
  • V2D：Vehicle to Device，车辆对设备
  • V2H：Vehicle to Home，车辆对家庭
  • V2B：Vehicle to Building，车辆对大楼
  • DSRC：Dedicated Short Range Communications，专用短程通信技术
  • C-V2X：Cellular Vehicle to Everything，基于蜂窝技术的车联网通信；C-V2X 分为 3G-V2X，LTE-V2X，5G-V2X

XaaS

• XaaS：Everything as a Service，一切即服务
• CaaS：Communication as a Service，通信即服务
• DaaS：Data as a Service，数据即服务
• IaaS：Infrastructure as a Service，基础设施即服务
• PaaS：Platform as a Service，平台即服务
• SaaS：Software as a Service，软件即服务
• SaaS：Space as a Service，空间即服务
• MaaS：Mobility as a Service，出行即服务

AI/5G/大数据

先进技术在智慧交通的应用：AI 领域的语音 AI（语音交互），视觉 AI（摄像头），机器学习/深度学习（数据分析），5G（车路协同、云端控制），大数据（智慧交通）

数据收集与决策执行

数据收集与决策是自动/无人驾驶进化的重要步骤：

• 数据收集
  • Waymo 模式
    • 无人驾驶技术方案公司，完全通过自主测试车路测收集数据。车辆成本高，路测成本高。
  • 特斯拉模式
    • 新能源智能汽车主机公司，每辆行驶在道路上的量产车帮助收集路测数据。车辆成本低，路测成本低。
  • 特斯拉影子模式
    • 在非自动驾驶模式下，自动模拟自动驾驶操作与人为操作进行对比，无论是匹配还是未匹配，对比收集数据，可以不断演进。
  • Robotaxi/Robobus 模式
    • 这是一种特殊的落地的线下数据收集方式。
  • 模拟模式
    • 通过一些系统模拟，甚至可以通过一些游戏进行模拟训练，收集数据。
• 决策执行
  • 规则执行
    • 一般都是写匹配规则来执行，场景明确的规则执行。为了保证安全，不进行深度学习做出来的策略执行。

自动驾驶汽车芯片

• CPU
  • 车载芯片的过去
    • “以 CPU 为核心的 ECU”，传统 CPU 算力不足
• GPU/FPGA
  • 车载芯片的现在
    • “以 GPU 为核心的智能辅助驾驶芯片”，GPU 算力相对较高配合 FPGA；可编程是最重要的，算法不稳定需要经常变动
• ASIC
  • 车载芯片的未来
    • “以 ASIC 为核心的自动驾驶芯片”，算法稳定之后的首选

智能汽车与智慧交通相关 Tips

• 自动驾驶 L3 存在的问题
  • 主要是在使用自动驾驶出现需要人接管的场景，有一个“职责不清”的问题，不像 L0-L2 这个级别，出了问题那就是人的问题，L4-L5 除了问题那就是车的问题。L3 汽车自动驾驶接管之后，如果发现问题，会在 10s 左右之后交换给司机
• 自动驾驶保护车外还是保护车内的问题
  • 这个是伦理与现实的一个悖论，总会出现一个要么保护车内，要么保护车外的特殊场景，总不能通过一个简单的规则判断来决定。同时也涉及到伦理问题，就好比选择撞一个人，还是撞十个人，这块还需要智慧交通以及整个社会道德和法律的进步
• 自动驾驶决策暂以规则判断决策为主
  • 自动驾驶决策处于安全性的考虑，首选是规则判断决策为主，决策执行明确。而机器学习、深度学习只是作为一个参考
• 游戏对自动驾驶的帮助
  • 自动驾驶的本质，其实就是自动执行游戏。江湖有云：不玩游戏的工程师做不好自动驾驶。自动驾驶仿真测试的核心能力包括对于场景的几何还原，三维场景仿真 + 传感器仿真；对于场景逻辑的还原，决策规划仿真；对于场景的物理还原，控制 + 车辆动力学仿真；高并发，云端仿真等优势。这些的本质都可以和游戏挂钩
• 新能源智能汽车车身设计
  • 新能源汽车，电池作为主要动力，个人乘用车/Robotaxi/Robobus/Robotruck/无人配送不同场景下，车身设计不同，比如乘用车将来可能没有驾驶室和方向盘，无人配送不需要考虑有人乘坐，新能源电动车需要对电池所处位置进行特殊设计
• 云端计算
  • 目前智能汽车核心计算还是本地，未来会随着网络稳定性与速度提升，可以逐步将非核心计算移到云端，以及车联网、车路协同发展，云端计算会变的越来越重要
• 自动驾驶相关法律法规
  • 目前自动驾驶技术相对于法律法规是走在前列的，好在中国政府是鼓励自动驾驶的发展，路测牌照的发放，无法驾驶路测规范，以及 Robotaxi/Robobus 的逐步落地，标志着自动驾驶法律法规的进步

如果觉得文章对你有帮助，欢迎赞赏支持