各项技术在车联网发展中的应用

自从通用汽车和福特在 1970 年代推出第一款汽车电子控制单元 （ECU） 以来，汽车已经逐渐摆脱其机械根源，转而采用数字架构。如今，普通汽车包含100多个数字传感器，而高端汽车包含的数字传感器要多得多。传统上，这些传感器用于测量和调节基本的车辆操作，例如发动机正时和燃油喷射。然而，随着汽车技术的不断成熟，新的车辆传感器现在能够预测即将发生的碰撞、识别行人和骑自行车的人，甚至控制某些车辆功能。这类传感器的部署有望在不久的将来加速，产生每辆车每天超过 4 TB 的数据。

车辆中的传感器技术

大多数采用驾驶员辅助安全技术的新车都依赖于传感器类型的组合，包括雷达、激光雷达、摄像头等。这些技术中的每一种都有自己的优势和劣势，因此都继续部署在现代车辆中。

雷达在两项 ADAS 技术中发挥着关键作用：自动紧急制动系统 （AEBS） 和自适应巡航控制 （ACC）。与目前可用的大多数光学传感技术相比，雷达在很大程度上不受大多数​​环境和大气干扰的影响，包括雾、雨、雪、黑暗或眩光，使其成为大多数驾驶条件的理想选择。

LIDAR 传感器的工作原理与雷达非常相似，但不是发射无线电波，而是使用扫描激光来生成车辆周围环境的完整 3D 图像。激光雷达可以说是自动驾驶汽车 （AV） 竞赛中最重要的技术之一。在许多现有的 AV 部署中，LIDAR 可提供 360° 的周围障碍物视图，进而引导车辆避开它们。

除了高清 （HD） 地图应用之外，摄像头和其他基于视觉的系统主要用于视觉驾驶员辅助功能。随着配备摄像头系统的车辆继续在我们的道路上行驶，他们正在建立一个高清地图库，其他车辆可以使用它来帮助识别停车标志、让路、标志、车道标记等。

驾驶员和行人安全举措是这些 ADAS 和 AV 技术快速发展的主要贡献者。这已反映在全球联邦政府的多项举措中，包括最近的欧洲新车评估计划 （NCAP） 和 NHTSA 提出的 ADAS OEM 要求。除此之外，市政机构开始越来越重视通过提高公众意识运动、立法和私人伙伴关系来改善交通和行人安全。有鉴于此，车辆数据已成为这些举措的关键输入。

智慧城市的城市分析

车辆传感器收集大量数据，这些数据在很大程度上仍未得到充分利用——车辆生成的数据大部分仅由该车辆使用。然而，随着全球城市对智慧城市计划的大力投资，车辆数据将成为其成功的关键。例如，Geotab 的开放式远程信息处理平台等联网车辆解决方案已经每天从北美各地的车辆收集、规范化和安全聚合超过 2.5B 的数据点。通过利用机器学习和大数据分析，这些数据可以转化为可操作的智慧城市洞察和城市分析，进而可以用于预测交通模式、识别高风险交通区域、减少温室气体排放并证明投资的合理性在数字基础设施方面。

通过为公共或私营部门车队配备远程信息处理技术，车辆成为车轮上的智能传感器，整个车队成为移动智能城市传感器网络。随着联网车辆超越车对网络 （V2N） 应用并进入车对一切 （V2X） 领域，包括基础设施、行人和其他车辆，这种趋势只会在未来加速。

V2X：扩展汽车可以“看到”的东西

除了基于传感器的雷达、激光雷达和摄像头技术之外，未来的车辆还将与众多外部第三方系统进行实时通信。这是车联网 （V2X） 通信的核心。借助 V2X，汽车可以与其他车辆（包括紧急服务车辆）、交通信号灯、数字路标、行人等进行通信。这将为交通部门开启新的创收（或成本回收）方法，帮助城市规划部门开发更安全、更高效的交通系统，并为市政当局的环境和可持续发展举措提供有价值的投入。所有这一切的催化剂，是一个开放且安全的互联车辆平台。

审核编辑：郭婷