盘点5G自动驾驶现状研究与发展趋势

本期要分享的是北京邮电大学路兆铭教授的精彩演讲内容：《5G自动驾驶研究与进展》。主要分为以下几部分内容：

通用自动驾驶网关模组的出世，可以“突破1项障碍”，需要“面对2个难点”，具备“3大核心能力”。

“1项障碍”

即单车智能的改装成本巨大。研究通用网关设备，使自动驾驶车具备网联能力，可以大大减少智能车辆的改装成本。

“2项难点”

1）模组复杂，开发难。涉及种类众多，集成度高；

2）系统复杂，通用难：需要考虑适配各种车辆。

“3大核心能力”

1）通用适配能力：适配任何车型，提供能力接入；

2）通信与感知融合能力：5G网络，感知融合；

3）决策下发&流量卸载能力：灵活可靠地进行驾驶决策与控制。

此外，通用网关模组还拥有“6大特点”。

下图为5G自动驾驶网关模组架构。

总之，5G自动驾驶的技术演进和测试需要通用自动驾驶网关。

全场景高精度定位

高精度地图和全场景高精度定位是实现L5级别自助驾驶路径规划的前提条件。

高精度地图可以为车辆环境感知提供辅助，提供超视距路况信息，并帮助车辆进行规划决策。高精度定位将自动驾驶汽车的环境感知结果与高精度地图进行对比，得到车辆在高精度地图中的精确位置和姿态。

通俗点说，高精度定位主要是为了解决“我在哪里”的问题。

高精度定位涉及到多种定位技术的融合计算，需要强大的计算资源。由于单车计算能力有限，往往需要将数据传输到MEC上。

场景1：

在隧道中，差分GPS信号较弱，惯导也会产生累积误差，要靠图像和基站为车辆提供精确的定位。

场景2：

在高速公路上，可以通过差分GPS，图像和基站定位融合感知车辆的位置。

场景3：

在夜晚，图像感知能力较差，主要靠基站和差分GPS获取车辆的位置。

差分GPS、惯导、图像、基站等多种定位手段获得的位置数据，通过5G网络上传到移动边缘计算服务器进行融合计算，得出车辆的精确位置，再通过5G网络将位置信息回传给车辆。

当网络具备边缘计算能力后，许多核心层和终端层的计算负荷都可以整合到边缘层进行，极大地降低网络传输的数据量，也为低时延赋能。

终端层：

车辆终端层决策的最大优势为时延小，主要进行与车辆安全性紧密相关的决策，如紧急刹车制动等。

边缘云：

该层配备的MEC平台具有强大的计算能力和虚拟化能力，能够承载多种自动驾驶应用。并且能够对基站数据进行匹配分流，在移动网络边缘完成对自动驾驶车辆数据分析处理。

核心层：

覆盖范围极广，计算能力最为强大，但由于距离机动车较远，传输时延相对较大，主要进行对时延要求不是特别敏感的初始规划、道路级规划、宏观交通调度、车辆大数据监管、全局路径规划和全局高精度地图管理。如实时完成每个自动驾驶车辆的道路级规划，优化整个道路交通网的车流。

最后，附上5G边缘计算系统架构图。