在走向大规模推广的道路上一定会面临这样的一个问题。在海外，头部整车厂或是无人驾驶，它们选择的路线大都是单车智能。因为这一些企业很清楚，投资路端的智能改造是一个重资产模式，而出于商业的考虑，轻资产模式对它们而言可操作性更强，更可控也更安全。但是这个答案也真的适合中国的无人驾驶公司吗？情况可能有所不同。

  就单车智能的算法水平而言，由于起步较晚，国内自动驾驶公司还是没办法真正比拟Waymo等国外头部选手。中国无人驾驶行业如果想要实现弯道超车，车路协同的确是一个突破口。对于无人驾驶的真正推广，车路协同比起单车智能的优点是更容易、更便宜、更快速和更广泛。那么能够助力无人驾驶的车路协同到底是什么，它能带给无人驾驶哪些强有力的帮助呢？

  目前无人驾驶企业中，比较依赖的还是单车智能。就是只依赖自车本身的传感器、计算设备，通过自身算法对外部环境有所感知，再进行决策规划，从而来控制车辆，以此来实现最终的无人驾驶功能。

  车路协同无人驾驶（VICDA）则不一样，除了车端本身能依赖自身接受到的信息，路端也会相应地给每辆车发送更多的信息，来帮助车端做出更及时的响应与决策，来提升无人驾驶的安全性与智能性。与此同时，在路端的帮助下，车端的算力与算法的缺陷也能获得补足，因此车端无需拥有昂贵的传感器及计算设备，无人驾驶车的单车成本也能够获得很好地控制，从而促进无人驾驶的落地与普及。

  可以说，车路协同是单车智能的高级发展形式，能提升无人驾驶的安全性、单车不需要再那么多的雷达传感器、也不要一直提升算力，将会整体范围降低无人驾驶普及的成本。但与此同时，车路协同需要城市的基建做出大量建造修改，这方面的成本将会是巨大的，并且也需要一个业界公认的标准或范本来进行指导，才能避免不同无人驾驶汽车与车路协同单元的输入输出源不一致。

  目前，车路协同大多数还停留在示范区演示阶段，而其中演示最多的功能就是路端进行感知识别，赋能单车智能感知端的不足。

  首先，就目前单车智能中部分量产的ADAS感知功能举例，其任旧存在特定场景下应对能力不够和失效的风险。例如针对恶劣天气、隧道环境、鬼探头等等，目前的自动驾驶系统都无法完美地解决这样一些问题，无人驾驶的可靠性和应对这些高挑战通场景的能力还有待提升。

  其次，感知的长尾问题是当前限制单车智能无人驾驶车辆运行设计域的根本原因之一。受车端传感器安装的地方、探测距离、视场角、数据吞吐、标定精度、时间同步等限制，车辆在繁忙路口、恶劣天气、小物体感知识别、信号灯识别、逆光等环境条件中行驶时，仍然难以完全解决准确感知识别问题。这些长尾问题，严重制约和影响了无人驾驶的规模商业化落地，而这些感知长尾问题仅靠车端传感器融合感知是难以解决的。

  首先，车路协同能做到超视距的感知。路边单元，比如绿灯能够最终靠自身的传感器将车辆感知不到的道路信息准确地传给车，为车辆抹去很多探测死角；

  其次，车路协同无人驾驶通过信息交互协同，可以极大地拓展单车的感知范围、提升感知的能力，也能轻松实现车车通讯，让每辆车都能获得其余车辆的感知视角，从而帮助单车获取更多更全面的信息，增强感知能力。

  除了感知系统，我们大家都知道无人驾驶的决策规划作为整个无人驾驶系统的大脑，有着举足轻重的作用。一个好的决策系统，能够清晰地预测出周围交通参与者的意图，也能够在最短的时间内做出最合理、最安全的决策，从而控制自动驾驶车辆完成舒适安全的旅程。而目前的单车智能，却很难去准确预测出周边其他车辆的驾驶意图，即使未来随着算法的迭代更新，也很难做到百分百准确的意图行为预测识别。通过车路协同，每辆车都在同一个信息网内，他们的行为意图是可以共享的，这样自车就可以准确地知道周边其他交通参与者未来的决策规划信息，从而做出准确的响应，就像是拥有了完美的预测系统，来保证了无人驾驶决策执行的安全性。

  另外，车路协同可以为单车智能提供新的以高维数据为代表的智能要素，可以有效帮助降低车载决策系统的复杂度。随着车路协同技术与L3/L4等更高阶的无人驾驶技术相融合，从而提供更多的驾驶引导。比如在城市领航辅助下，可以主动做出车速控制，自动避免红灯，让出行更加的高效和便捷。又比如能更加合理地规划每辆车的出行线路，从而避免交通流的拥堵，极大地缓解城市的交通道路通行环境。

  说完了车路协同技术如此多的优势与帮助，但与此同时，我们大家可以发现，完全地实现车路协同对于路段的改造，需要着极大的基建成本。从顶层设计来说，要实现车路协同在无人驾驶方面的应用，当然需要在路侧有一定的投入，尤其是L3、L4级智能驾驶，对于路侧数据的准确性、时延和稳定能力，都有更高的要求，这些基础设施的运营也是有成本的。比如红绿灯的改造，信号机的改造或者路口传感器的改造，这些是新的成本，但是这个每个城市考虑不一样，每个城市条件不一样。不过，整体看来，车路协同的成本，要远远小于单车智能的成本。

  车路协同和单车智能并不是对立面。车路协同概念的出现，给无人驾驶的落地提出了另一种可能，车路协同将车与车、车与人、车与路等交通参与者的信息进行互动，将车辆由交通个体，成为参与整个交通的一环，从而优化交通系统，车路协同从路侧角色考虑，来弥补单车智能下的一些弊端和缺陷。

  文章出处：【微信号：阿宝1990，微信公众号：阿宝1990】欢迎添加关注！文章转载请注明出处。

  技术还没有成熟，只有少数的实验累积之前，不应该投入商用，不能拿民众生命开玩笑。也有部分网友认为，现在

  完全不需要司机的干扰、参与甚至存在。此前，在接受新浪科技采访时，百度无人

  辅助系统系统）用到的技术重迭。自驾车如何看见世界为何需要这么多种传感器？优缺点互补目前多数车商在量产

  ”功能，包含特斯拉、Volvo、Mercedes－Benz、奥迪等，事实上就是搭载

  安全需要。2. 密集场景大型停车场等车辆聚集密集场景，众多车辆进出停车场，需要对所有车辆实时定位和路径规划

  的新领域，除了要做好汽车之外，还包括通信技术、高精度地图、交通基础设施等支撑，这一些因素都会影响实现完全

  化、人工智能等技术的快速的提升，预计到2021年市场上会出现第一批绝对没方向盘等

  测阶段时，汽车黑客就已经能在地球另一端把你家汽车开走了。早在2015年的一场Bl

  安全需要。大型室内或准室内场地遮挡严重，存在GPS/GNSS信号盲区。在立交桥、涵洞、隧道、林荫道、地下停

  （R17）标准。与此同时，中国***一直以推进基于C-V2X技术的智能网联汽车发展为主线，可弥补单车

  EtherCAT超高速实时运动控制卡XPCIE1032H上位机C#开发（九）

  带32位MCU和高精度ADC的SoC产品-SD93F系列开发指南（九）

  allegro仿真教学视频，如何在Allegro软件中检查单端网络呢？

  【教学视频】手把手教你学会电源电流厂校/校准 #硬声新人计划 #电子元器件 #电子工程师

  allegro布局视频，Orcad绘制原理图文件时，怎么对元器件进行对齐呢？