破解自动驾驶时延难题 蘑菇车联“跑进”100毫秒

开车跑长途绝对是个累活儿,这需要驾驶员长时间保持精神高度集中,往往是在“一眨眼的工夫”,车祸就发生了。在一些场景中,如果驾驶员能够早一秒甚至十分之一秒(100毫秒)踩下刹车,就可能避免悲剧的发生。这丝毫不夸张,当一辆车以120公里时速行驶时,100毫秒的行驶距离就是3.33米,约等于一个车身的长度。

更快的反应时间能够帮助人类驾驶员规避意外的发生,同样地,自动驾驶车、路、云交互也需要更短的数据传输时延来提高安全性。特别是在L3、L4、L5高级别自动驾驶出现后,对于数据传输时延有了更高的要求,自动驾驶公司们对于时间的把控到了“毫秒必争”的地步。

如何降低数据传输的时延?一方面,应用更先进的通讯技术。近两年,5G通信网络逐步普及,其大带宽、低时延等特性能够更好地支持自动驾驶车辆数据传输。不过,根据业内专家预测,实现全国范围内的5G网络覆盖大约要到2025年。此外,国内各大城市、地域在5G建设上的推进节奏并不同步,这也会在一定程度上阻碍自动驾驶跨区域应用。

另一方面,采用分布式计算架构也能降低数据传输时延。原因在于,分布式架构引入了边缘计算单元,边缘计算将原本由中心节点(云计算)处理的任务分散到各边缘节点。边缘节点更接近于数据源,具备“近水楼台先得月”般的优势,可以加快资料的处理、传输速度。这有点类似于自然界中章鱼对于信息的处理方式。章鱼是最聪明的无脊椎动物之一,其60%的神经元分布在腿部,40%在脑部,这样的生物结构帮助它们更好地感知外部环境,在捕食、逃避天敌时更有优势。

随着自动驾驶技术的快速发展,车辆、路端设施采集的数据量越来越庞大,单独的云计算可能会在数据传输速度、信息处理及时性、能耗等方面遇到一些问题。而边缘计算与云计算的优势互补,二者的结合被视为拥有广阔前景。据了解,一辆智能网联汽车一天可以采集10TB数据,路端设备的数据采集量也能达到TB级别。这是相当大的数据,TB为计算机存储容量单位,1TB大概可以容纳几十部甚至上百部1080P高清电影。

分布式架构的优越性在蘑菇车联“车路云一体化”自动驾驶系统中得以体现。具体来说,该系统不仅在自动驾驶车端和云端部署有计算单元,在一座城市的多个路口也就近部署了大量边缘计算单元。由于距离数据源更近,边缘计算能够缩短系统数据处理时间,同时对数据进行打包压缩,使数据上传云端后可尽快转化为指令,下发给自动驾驶车辆。

图片来源:蘑菇车联

在蘑菇车联自动驾驶系统中,数据从路侧感知、云端上传到下发的传输全链路延迟已经被压缩到100毫秒内。这是一个了不起的数字。在奥运会短跑项目中,远动员在100毫米内起跑将被视为抢跑并被取消参赛资格,这个时间被视为人类反应时间的极限。

车-路-云系统时延缩短到100毫秒以内,这也意味着,路侧+云端全局路况感知能力全面下放到车端,单车也拥有了大范围预警、预测和中远距离行车策略规划能力。

在一些交通场景中,蘑菇车联自动驾驶系统的大范围预警能力将发挥出不可替代的作用。例如,当一辆自动驾驶汽车与一辆大卡车同时停在十字路口等待绿灯通行,这时卡车旁窜出一名行人,汽车驾驶员很可能因为遮挡或者视野盲区不能及时发现危险。这种情况下,路侧摄像头捕捉到行人信息并经由边缘计算处理上报到云端,再下发至车辆,就能提前规避安全隐患。

预测的价值则在于,随着遍布城市大街小巷的路网数据汇聚云端,所有路段实时车流信息在云端“一屏计算”实时下发,自动驾驶车辆也能“看到”前方1000米外甚至整个城市的拥堵情况。在未来智慧交通、智慧城市的建设中,这一功能将能够为城市管理者提供决策依据,提升整个城市的出行效率。

(0)
上一篇 2021年8月23日 11:45
下一篇 2021年8月23日 11:49