撤回:自动驾驶汽车在智能道路上更好地工作

这篇文章已被出版商撤回。

撤稿通知:在一个正式组成的专家委员会对这篇文章的内容进行了仔细和深思熟虑的审查后，这篇文章已经被撤稿。本文包含一个图像，描述了一个经过数字操作的测试单元。正因为如此，编辑对文章中提供的细节的真实性没有信心。由于这一违规行为的性质，应采取合理的努力删除所有过去对本条的引用。

巨大的努力在过去的20年里，人们制造了一款可以使用传感器和人工智能来模拟环境并绘制安全行驶路径的汽车。网上亚博Ayabo2016亚博排列五投注网站然而，即使在今天，这项技术也只在像校园这些地方需要绘制的道路有限，需要掌握的交通也很少。它仍然无法驾驭繁忙、陌生或不可预知的道路。至少就目前而言，一辆汽车能拥有的感官能力和智能是有限的。

为了解决这个问题，我们必须扭转局面:我们必须在基础设施中投入更多的智能——我们必须让道路变得智能。

的概念聪明的道路这并不新鲜。它包括根据传感器数据自动调整时间的交通灯和自动调整亮度以减少能源消耗的路灯。PerceptIn的合著者刘该公司的创始人兼首席执行官已经在北京的测试轨道上展示了路灯控制可以使交通效率提高40%。刘和合著者Gaudiot刘慈欣曾在加州大学欧文分校(University of California, Irvine)担任博士生导师，两人经常在自动驾驶项目上合作。)

但这些都是零敲碎打的变化。我们提出了一个更加雄心勃勃的方法，将智能道路和智能车辆结合成一个完整的、完全智能的交通系统。综合信息的绝对数量和准确性将使这样一个系统达到无与伦比的安全和效率水平。

人类司机有一个车祸率每百万英里4.2起事故;自动驾驶汽车必须做得更好才能获得认可。然而，也有一些极端情况，比如盲点，会同时困扰人类司机和自动驾驶汽车，如果没有智能基础设施的帮助，目前还无法解决这些问题。

在基础设施中加入大量智能也将降低自动驾驶汽车的成本。完全自动驾驶汽车的制造成本仍然很高。但逐渐地，随着基础设施变得更加强大，将有可能将更多的计算工作量从车辆转移到道路上。最终，自动驾驶汽车将只需要配备基本的感知和控制能力。我们估计，这种转移将使自动驾驶汽车的成本降低一半以上。

是这样的可行:这是周日早上的北京，沙尘暴把太阳染成了蓝色，把天空染成了黄色。你开车穿过城市，但无论是你还是路上的其他司机都没有清晰的视角。但每辆车在前进的过程中，都能分辨出其中的一部分。这些信息与嵌入在道路上或道路附近的传感器以及天气服务中继的数据相结合，输入到一个分布亚博排列五投注网站式计算系统中，该系统使用人工智能构建一个单一的环境模型，该模型可以识别道路沿线的静态物体，以及沿着每辆车的预计路径移动的物体。网上亚博Ayabo2016

自动驾驶汽车与路边系统协同工作，能看穿北京的沙尘暴，分辨出静止的公交车和移动的轿车(上图)。该系统甚至通过黄线[底部]指示被检测到的轿车的预测轨迹，有效地形成了语义高清地图。韶山刘

如果推广得当，这种方法可以防止大多数事故和交通堵塞，这些问题自汽车问世以来一直困扰着道路交通。它可以提供自给自足的自动驾驶汽车的目标，而不需要比任何一辆汽车提供更多的要求。即使在北京的沙尘暴中，每辆车里的每个人都能安全准时到达目的地。

通过将空闲的计算能力和传感器数据归档放在一起，我们能够在不给云计算带来任何额外负担的情况下提高性能。

到目前为止，我们已经在中国的几个城市以及北京的测试轨道上部署了该系统的模型。例如，在上海以西拥有1100万人口的苏州，该项目部署在一条两侧各有三车道的公共道路上，一期项目覆盖了15公里的高速公路。每隔150米就会有一个路边系统，每个路边系统都包括一个装有英特尔CPU和Nvidia 1080Ti GPU，一系列传感器(亚博排列五投注网站激光雷达摄像头、雷达)和通信组件(路边单元或RSU)。这是因为激光雷达提供了比相机更准确的感知，尤其是在晚上。rsu然后直接与部署的车辆通信，以促进路边数据和车辆上的车辆侧数据的融合。

亚博排列五投注网站路边的传感器和继电器构成了合作自动驾驶系统的一半，车辆上的硬件构成了另一半。在典型的部署中，我们的模型使用20辆车。每辆车都有一个计算系统，一套传感器，一个发动机控制单元(ECU)，并连接这些组件，一个控制器区域网络亚博排列五投注网站(CAN)总线。如上所述，道路基础设施包括类似但更先进的设备。路边系统的高端Nvidia GPU通过RSU进行无线通信，RSU在车上的对应部件被称为车载单元(OBU)。这种来回通信促进了路边数据和汽车数据的融合。

这个部署在北京的一个校园，包括一个激光雷达，两个雷达，两个摄像头，一个路边通信单元和一个路边计算机。它可以覆盖角落的盲点，跟踪行人和车辆等移动障碍，为服务于校园的自动穿梭车提供便利。韶山刘

该基础设施收集当地环境的数据，并立即与汽车共享，从而消除盲点，以明显的方式扩展感知。该基础设施还处理来自自身传感器和汽车传感器的数据，以提取含义，产生所谓的语义数据。亚博排列五投注网站例如，语义数据可以将一个物体识别为行人，并在地图上定位该行人。然后，结果被发送到云端，在那里，更精细的处理将语义数据与来自其他来源的数据融合在一起，以生成全局感知和规划信息。然后，云向汽车发送全球交通信息、导航计划和控制命令。

我们测试赛道上的每辆车都以自动驾驶模式开始，也就是说，今天最好的系统可以管理的自动驾驶水平。每辆车都配备了6个用于探测和跟踪目标的毫米波雷达，8个用于二维感知的摄像头，一个用于三维感知的激光雷达，以及GPS和惯性制导，以在数字地图上定位车辆。将2D和3d感知结果以及雷达输出融合在一起，生成道路及其周围环境的全面视图。

接下来，这些感知结果被输入到一个模块中，该模块跟踪每个检测到的物体——比如汽车、自行车或滚动轮胎——绘制出可以馈送到下一个模块的轨迹，下一个模块预测目标物体的去向。最后，这些预测被移交给规划和控制模块，控制自动驾驶汽车。汽车可以在70米外创建环境模型。所有这些计算都在汽车内部进行。

与此同时，智能基础设施也在用雷达进行同样的检测和跟踪，用摄像头进行2D建模，用激光雷达进行3D建模，最后将这些数据融合成自己的模型，以补充每辆车的工作。由于基础设施是分散的，它可以模拟250米外的世界。然后，汽车上的跟踪和预测模块将更宽和更窄的模型合并成一个全面的视图。

汽车的车载单元与路边的对应单元通信，以促进车内数据的融合。的无线标准它被称为蜂窝- v2x(意为“车对x”)，与用于手机的技术没有什么不同;通信距离最远可达300米，而延迟(信息传递所需的时间)约为25毫秒。在这一点上，汽车的许多盲点现在都被基础设施上的系统覆盖了。

支持两种通信模式:LTE- v2x，一种用于车辆到基础设施交换的蜂窝标准的变体，以及使用LTE标准和5G标准的商业移动网络。LTE-V2X致力于在300米范围内实现道路和汽车之间的直接通信。虽然通信延迟只有25毫秒，但它的带宽很低，目前约为每秒100千字节。

相比之下，商用4G和5G网络具有无限的范围和更高的带宽(下行链路每秒100兆字节，商用LTE上行链路每秒50兆字节)。然而，它们有更大的延迟，这对自动驾驶中的即时决策提出了重大挑战。

在苏州的一条公共道路上，沿着一根绿色杆子布置了一个激光雷达、两个摄像头、一个通信单元和一台计算机。它极大地扩展了自动驾驶汽车的行驶范围和覆盖范围。韶山刘

请注意，当车辆以每小时50公里(31英里)的速度行驶时，车辆在干燥道路上的停车距离为35米，在光滑道路上的停车距离为41米。因此，基础设施允许的250米感知范围为车辆提供了很大的安全边际。在我们的测试轨道上，当基础设施的智能被打开，以增强自动驾驶汽车的车载系统时，脱离率(安全驾驶员必须覆盖自动驾驶系统的频率)至少降低了90%。

我们在测试轨道上的实验教会了我们两件事。首先，由于交通状况在一天中不断变化，基础设施的计算单元在高峰时段完全投入使用，而在非高峰时段基本闲置。这更像是一个功能，而不是一个漏洞，因为它释放了大量的路边计算能力，用于其他任务，比如优化系统。其次，我们发现我们确实可以优化系统，因为我们不断增长的本地感知数据宝藏可以用来微调我们的深度学习模型，以增强感知。通过将空闲的计算能力和传感器数据归档放在一起，我们能够在不给云计算带来任何额外负担的情况下提高性能。

很难让人们同意建设一个庞大的系统，而这个系统承诺的好处只有在它完成之后才会出现。要解决这个先有鸡还是先有蛋的问题，我们必须经历三个连续的阶段:

阶段1:基础设施增强自动驾驶，车辆将车侧感知数据与路边感知数据融合，以提高自动驾驶的安全性。车辆仍将大量装载自动驾驶设备。

第二阶段:基础设施引导的自动驾驶，车辆可以将所有感知任务卸载给基础设施，以降低每辆车的部署成本。出于安全考虑，自动驾驶汽车将保留基本的感知能力，以防与基础设施的通信中断或基础设施本身出现故障。与第一阶段相比，车辆对传感和处理硬件的需求明显减少。

第三阶段:基础设施规划的自动驾驶，基础设施负责感知和规划，从而实现最大的安全性、交通效率和成本节约。在这个阶段，车辆只配备了非常基本的传感和计算能力。

技术挑战确实存在。首先是网络稳定性。在高速行驶时，车辆侧和基础设施侧数据的融合过程对网络抖动极其敏感。使用商用4G和5G网络，我们观察到网络恐慌从3到100毫秒，足以有效地防止基础设施帮助汽车。更关键的是安全性:我们需要确保黑客无法攻击通信网络，甚至基础设施本身，将错误的信息传递给汽车，从而带来潜在的致命后果。

另一个问题是如何获得对任何类型的自动驾驶的广泛支持，更不用说基于智能道路的自动驾驶了。在中国，74%的受访者支持迅速引入自动驾驶，而在其他国家，公众的支持则更为犹豫。只有33%的德国人和31%的美国人支持自动驾驶汽车的快速扩张。也许这两个国家根深蒂固的汽车文化让人们更愿意开自己的车。

此外还有管辖权冲突的问题。例如，在美国，公路管理权被分配给管理州际公路的联邦公路管理局(Federal Highway Administration)，以及管理其他道路的州和地方政府。目前还不清楚哪一级政府负责授权、管理和支付将现有基础设施升级为智能道路的费用。近年来，在美国发生的大部分交通创新都发生在地方层面。

相比之下,中国已经规划了出台一系列新措施，加强智能道路基础设施关键技术研发。中国交通运输部发布的一份政策文件旨在到2025年实现车辆和道路基础设施的合作系统。中国政府打算将传感网络、通信系统和云控制系统等智能元素纳入新的基础设施。汽车制造商、高科技公司和电信服务提供商之间的合作在北京、上海和湖南省拥有800万人口的长沙市催生了自动驾驶创业公司。

基础设施与车辆的协同驾驶方法有望比严格的仅限车辆的自动驾驶方法更安全、更高效、更经济。技术就在这里，而且正在中国实施。为了在美国和其他地方做到同样的事情，政策制定者和公众必须接受这种方法，放弃目前只有车辆的自动驾驶模式。无论如何，我们很快就会看到这两种截然不同的自动驾驶方法在世界交通市场上展开竞争。