□ 文/本刊记者 何 遥

2017年车联网技术应用积累加速

□ 文/本刊记者 何 遥

未来车联网中的自动驾驶汽车将运用众多微型激光雷达、雷达、超声波传感器和数字摄像头。各种传感系统各有优缺点，结合运用将会为汽车多穿上一件“安全服”。

汽车正在快速成为全球最智能的互联设备之一，通过使用传感器技术和性能强大的处理器来感应周围情况并持续地做出反应。智能化的汽车需要一套复杂的技术：收集LIDAR（激光探测与测量）、声纳、雷达和光学信号的传感器；一个传感器融合枢纽，收集数百万种数据；处理数据的微处理器；机器学习算法，需要强大的计算能力来让数据变得智能并有用。这些技术十分复杂，因为互联汽车必须有足够的智慧来快速应对意外情况并避免发生事故。

联网汽车需要广泛的资源：车内计算；强大的云和一套机器学习解决方案；高带宽、低延迟连接系统；强大的内存和FPGA技术；人机接口，以及安全技术。由于各企业之间合作加强，比如，英特尔为互联汽车提供端到端的计算技术，Mobileye提供世界领先的视觉分析，而宝马提供最终的驾驶体验，等等。这些技术及应用在2017年都将加速积累。

5G网络将打造更畅通的车联网

要想确保安全行驶，互联汽车需要两件东西：与附近的汽车、物和云进行超高速通信，以及近乎实时地获得有关周围情况的数据。DSRC和4GLTE都很快，可以提供与其它汽车和附近物的连接。但是，两种技术都不能高速地传输大数据文件，都存在一定的延迟，特别是当无人驾驶汽车与几百辆其它汽车在高速路上飞奔时，这就成为一个大问题。

仍在迅速增加的海量数据，就足以让5G网络在车联网时代不可或缺。无人驾驶汽车将需要大数据——特别是帮助它们安全导航的高清3D地图。没有哪辆汽车会有足够大的容量来存储全世界的地图。它们需要与当前位置相关的地图，比如：每天穿越的城市、连接两个城市的高速公路或者是附近道路。没有哪种通信技术可以传输这些TB级的大数据文件，只有5G毫米波频段提供的速度和带宽可以在加油站停车时传输大数据文件。

简而言之，5G和车联网将一起到来。物联网是连接到云的智能设备的集合。连接到云意味着“物”的所有行为都可以转化为数据，可以实时测量并能从任何地方访问。这些互联的“物”正变得无处不在，改变我们生活中所有的体验。“物”可以像手表或智能手机那样小而简单，也可以像汽车那样庞大而复杂。

5G网络可以让联网汽车兼顾便利和安全。首先，稳健快速的5G连接能够为汽车、其使用者和交通基础设施间提供低延迟的汽车间（V2V）通信、数据丰富型服务及云应用，它们将通过无线方式把车载传感器遥测数据传回云端，进行分析和反馈，以此来提升行车的自动化程度和安全保障，所以高带宽、低延迟的连接系统将是自动驾驶汽车必须具备的神经系统。其次，在建设和应用数据中心来采集自动驾驶海量数据，并利用深度学习模型在其上进行分析，据此对自动驾驶生态系统各个环节进行改进的过程中，5G也能发挥重要的作用。

走向5G不是单纯的移动通信技术的迭代，而是整个网络的转型和变革，是新一轮企业技术革命的重要转折点。要挖掘车联网的潜力，就需要稳定一个庞大的，拥有强大网络基础设施支持的5G网络，而非仅仅搞定无线接口即可。支撑车联网的5G网络形态，将是涵盖终端、边缘和云的完整架构。对运营商来说，大带宽、低延时的网络是其支持自动驾驶汽车和自身相关业务的基石，而在5G网络时代，这个网络还需要具备几个特征：

首先，车联网需要实现更灵活的调度。在车联网中，跑在马路上的无人驾驶汽车和用户将不计其数，车厂和车主都将是运营商服务的对象，届时就需要网络的资源调度及运维运营实现自动化，且需要敏捷响应不同汽车制造商和用户的需求。

其次，联网汽车需要与云共享信息以及在云中分析更多数据，所以它需要实现网络资源池化和资源的最大化共享，以及支持网络的动态扩展，并实现更高弹性，以应对互联汽车数量和网络需求的快速变化。而无人驾驶的实现原理其实就是对于图像的数据化和背后的处理工作，因此需要大规模且快速的数据处理和回传。

第三，网络必须是开放的，互联汽车制造商的应用需要与网络运营商的平台深度融合，这需要运营商网络平台的开放性和API支持，以满足汽车厂商的开发和网络运营管理需求。

芯片+算法

每辆互联的车都是复杂生态系统中的个体，车辆之间的、车辆与路边基础设施的交流，使得在其中扮演大脑角色的数据中心与神经系统角色的网络成为重中之重。智能芯片使这种大脑发挥出作用。

智能行车预警系统

图像处理器领域的领先者英伟达也开始致力于人工智能和自动驾驶技术，今年CES上展出了自家自动驾驶测试车的英伟达，正在和奔驰合作，计划在明年向市场推出英伟达的AI智能汽车。一台搭载英伟达智能AI系统的梅赛德斯-奔驰将会在今年内推向市场。一家知名半挂卡车厂商帕卡(PACCAR)刚刚也和英伟达达成了合作。两家公司宣称，他们将携手开发一套自动驾驶卡车系统。

今年3月中旬，英特尔宣布以153亿美元巨资收购以色列的高级驾驶辅助系统（ADAS）厂商Mobileye。

广义而言，辅助驾驶目前种类已有多达20种，包括自动导航系统，电子警察系统，自适应巡航，车道偏移报警系统LDWS，车道保持系统，前车碰撞预警系统，夜视系统，自适应灯光控制，行人保护系统等等。

ADAS技术和功能种类如此之多，顶尖如Mobileye也没有全部涵盖。Mobileye热销的智能行车预警系统5系列主要实现了前车碰撞预警FCW、车道偏离预警LDW、行人碰撞预警PCW、车距检测预警HMW、智能远光控制IHC、限速提示SLI、交通标志识别TSR这7种。Mobileye自有的算法和计算机芯片技术体现在这些产品中。

自三年前Mobileye上市至今，已经和很多家公司竞争各大汽车厂商的智能汽车安全设备招标，而且每次中标率几乎是百分之百。包括奥迪、宝马、丰田、本田、沃尔沃等世界主流汽车厂商都使用其产品。它也是特斯拉车载的autopilot半自动驾驶系统技术的供应商。早在2015年年底，已经有超过一千万辆汽车装载了Mobileye的产品。这些设备都可以帮助英特尔获得来自于全世界各地的大量路况数据。

英特尔CEO科再奇在谈及收购Mobileye的原因时已经明确指出是数据是核心要素：“未来推动汽车产业发展的将会是数据与计算能力，而不是马力。

更便宜、体积更小的激光雷达系统

由于人造系统至今尚无法媲美人类眼睛及大脑的图像处理能力，所以，工程师在给车辆配置可探测前方路况的传感器时，采用了“腰带加背带”的双重保障。比如，同时使用摄像头和超声波探测器，或同时使用摄像头和雷达，这样即便一套系统漏掉了某处潜在危险，其他系统仍可能察觉并指示汽车做出闪避动作。

在自动驾驶汽车目前使用的传感系统中，摄像头、超声波探测器和雷达这三套系统比较便宜且易于部署，而激光雷达系统则不一样。激光雷达采用激光探测及测距技术来构建汽车所处环境的详细三维影像。这非常有用，因为激光雷达很笨重，机械构造复杂，而且成本与一台未加装车顶系统的汽车一样高。

雷达能发射无线电脉冲并接收物体反射回来的信号，从而发挥探测功能。发射脉冲和收到反射之间的延时被用于计算该反射物的距离远近。假如该对象正在移动，其速度也可被测算出来，因为反射信号的频率会出现轻微改变，这源于多普勒效应（该现象也导致消防车驶过时警笛音调发生改变）。

约15年前，雷达传感器属于专用配件，成本约为3000美元。德国芯片制造商英飞凌（Infineon）找到方法以标准化的硅基芯片制作工艺来生产这些传感器，还将雷达的多种功能集成到单一芯片上。产品性能因此提高，价格也随之下降到几百美元。结果，雷达芯片已成为自动驾驶汽车不可或缺的一部分，在常规汽车中也日益常见，提供自动紧急制动等安全功能。

英飞凌是雷达探测器芯片的最大制造商之一，其科研人员正在研发更小型廉价的激光雷达系统。在最具前景的技术中有一种是微型硅芯片系统。其原型产品已交付几家大型汽车零部件供应商，包括德尔福（Delphi）和采埃孚公司（ZF）。一切顺利的话，大约三年内，激光雷达芯片应该就会开始应用在汽车上。英飞凌采用微机电系统（MEMS）的激光雷达每秒可扫描一个场景中的5000个数据点，探测范围达250米。预计汽车制造商将为之支付不到250美元。

未来车联网中的自动驾驶汽车将运用众多微型激光雷达、雷达、超声波传感器和数字摄像头。各种传感系统各有优缺点，结合运用将会为汽车多穿上一件“安全服”。