2023-10-10 13:45:42 来源:
面向城市路口高级别自动驾驶的车路协同场景,该产品拥有强大的路侧边缘算力,能够支持双向8车道十字路口的数据量计算,实现路口范围的车、道路、环境、交通事件的全要素实时检测和分析,位置精度、速度精度等均高于业界一般水平,路侧对象感知端到端时延平均时延≤300毫秒,低于业界一般水平,更好满足高级别自动驾驶、数字孪生道路、智慧交通等场景下路侧海量数据计算的高精度、低时延需求。
为了适应路口恶劣的工作环境,RSCU还采用了先进的隔离散热设计,满足高性能高功耗的条件下能够适应-25~55℃的环境温度,并具备防尘、防水、防雷击、防腐蚀的极致环境适应能力。此外,首代RSCU可搭载百度开放、兼容的智路OS操作系统,通过软硬件协同,可以更好承载上层应用,实现车、路、云协同,有效降低闯红灯、违停、逆行等不文明驾驶行为,让交通出行安全性大幅提高。
车路协同的终局是智慧交通、智慧城市
近年来,在政策和市场的双重推动下,自动驾驶技术加速落地,产业链基础配套和市场开发日趋成熟。工信部数据显示,2023年上半年,具备组合驾驶辅助功能的乘用车新车销量占比达到42.4%,智能化道路改造、云控基础平台建设加快推进,带动交通通行和社会运行效率提升。
单车智能和车路协同是当前比较主流的两种自动驾驶技术路线。最近几年,随着算力、算法和数据的全面突破,单车智能的目标检测精度实现了快速提高,但受成本与车载算力平台的限制,仍然难以实现全局无死角的感知能力,盲区而造成的安全隐患依然存在。而车路协同可以借助路侧感知的"上帝视角",提前洞察智能单车存在的盲区,让自动驾驶更加安全高效。
更重要的是,车路协同已经超越自动驾驶的"初心",成为智慧交通的重要技术解决方案。从某种意义来说,车路协同的起点是自动驾驶,终局可能是智慧交通、智慧城市、智能社会。
车路协同对边缘计算设施提出新要求
车路协同不仅需要车辆本身具有较强的车载算力、高精度传感器、操作系统等,还要让路侧具备感知、计算、通信能力,能够与边缘云、数据中心云实现多级云边协同,对路侧边缘计算基础设施的设计提出更高的要求。
浪潮信息边缘计算产品部总经理孙波认为,路侧边缘计算基础设施的设计要充分考虑三大要素:环境适应性、算力性能和边缘安全性,"首先边缘计算节点分布广泛,环境差异较大,对系统的散热、防尘、宽温、抗电磁干扰等指标要求更严苛;其次,边缘计算未来不会是处理某项单一任务,而是会跟城市智能相结合,会参与到系统性的决策分析中,需要更大的算力;最后,边缘计算节点普遍缺乏数据中心服务器的各种硬件保护机制,缺乏防火墙隔离保护,易成为入侵者攻击目标,必须考虑具体的硬件设备、网络环境以及应用程序的安全性,保证设备安全、数据安全和运维安全。"
路侧边缘计算单元:为高等级自动驾驶与智慧交通提供算力支撑
浪潮信息与百度结合双方在基础设施、操作系统、算法、应用等方面优势,联合发布首款路侧边缘计算单元,具有高性能、智能化、开放性、兼容性、协同性、安全性六大特性,构建软硬高度协同的交通算力底座,全面提升车-路-云协同效率。该款产品面向L2至L4高等级自动驾驶车路协同场景,实时算力支持双向8车道路口信号灯、激光雷达、路牌路标、气象站等数据的全面感知,同时支持百度开放、兼容的智路OS操作系统,以"智慧的路"赋能"聪明的车",实现车-路-云协同的智慧交通服务。
百度车路协同首席架构师王淼表示:"路侧边缘计算单元把路段所有的传感器数据整合起来,同时提供一个计算的平台,实现路侧的数字化。而路侧的数字化、智能化,将从车辆延展到交通管理,甚至与城市治理、城市大数据运行形成整体的数据聚合,实现‘软件定义交通'。"
基于该车路协同核心计算单元构建的"感知-计算-通信"路侧边缘智能体系,正在北京高等级自动驾驶示范区进行部署测试,未来将为建立北京城市级"车路云一体化"示范应用区提供服务。测试数据显示,路侧边缘智能体系能够实现对路口范围的车、道路、环境、交通事件的全要素实时检测和分析,位置精度≤1.0m(人机非,平均),速度精度≤1.5m/s(均值),交通对象感知定位类型识别准召率≥90%,路侧对象感知端到端时延(含通信时延)≤300ms(均值)。
孙波认为,与百度联合创新的项目成果和产出,完全可以应用在更多的边缘计算场景之中,如水利、制造、矿山、电网等等,从单点快速复制到其他行业,加速边缘计算的产业化落地。
随着边缘计算技术与终端设备,与云计算、大数据、人工智能等技术的更进一步融合,边缘计算基础设施会在工业互联网、车联网、智慧城市和智慧医疗等人们生产生活的各个方面发挥作用,让计算触达数字感知的边界,E2X(Edge to everything)将成为未来数实融合世界的"超级神经网络",需要加强产业协同创新,释放边缘计算技术的真正潜力。
免责声明:本网站(http://www.ciotimes.com/)内容主要来自原创、合作媒体供稿和第三方投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。
本网站刊载的所有内容(包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等)版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时,请及时通知本站,予以删除。