物联未来网·安保

www.huwulian.com

当前位置:首页 > 安保 > 应急系统 > 【2021世界智能网联汽车大会】北京万集科技:翟军感知多维世界,数字构建交通

【2021世界智能网联汽车大会】北京万集科技:翟军感知多维世界,数字构建交通

2025.10.11 12:46:33  来源: 盖世汽车   作者: 管理员   字体:【
【导读】2021世界智能网联汽车大会在北京召开。本届大会围绕产业再造、融合应用、和合共生三个篇章展开,设有开幕式、主论坛,以及7场主题峰会、6个特色专场和2场……

9月25日至28日,2021世界智能网联汽车大会在北京召开。本届大会围绕产业再造、融合应用、和合共生三个篇章展开,设有开幕式、主论坛,以及7场主题峰会、6个特色专场和2场闭门会,共邀请包括1位图灵奖国际专家、7位国内外院士、近150位国际国内智能网联汽车及ICT领域专家、企业家参与演讲探讨。以下是北京万集科技股份有限公司创始人、董事长兼总经理翟军的演讲实录,供参考。

1.png

图为:北京万集科技股份有限公司创始人、董事长兼总经理 翟军


演讲内容:


感谢世界智能网联汽车大会给我与大家分享的机会,今天我与大家分享的重点是,万集面向自动驾驶的智能网联技术,运用于智能交通的经验与实践。


今天我跟大家分享的主要是四个方面。第一个是智能网联技术推动交通数字化变革,另外我们还从数字化道路的智慧城市,及智慧高速的一些应用场景,最后是给大家分享一下我们这几年万集做的一些典型的案例。


实现自动驾驶是智能网联最终的目标,围绕着这个目标的实现,汽车信息通讯和交通等领域的诞生,诞生发展了一系列先进的技术,万集科技紧跟着行业发展的步伐,我们激光雷达的环境感知技术、C-V2X的技术,融合感知的算法,以及车录用协同闭环实践取得了一系列研究的进展。我们将道路划分五个方面,刚才邓教授讲是自动驾驶,我们跟自动驾驶五个等级是一一对应的。当前的道路处于信息化阶段,在信息化的阶段我们按照数字的获取,还有传递、理解、应用能力,定义了数字化的道路和网联化道路,L3是网络化,L4是数字化,L5是智能决策的道路。按道理来说从数字化到网联和再到智能决策,刚才邓教授提到5G通信超前的发展,包括C-V2X通信的发展,数字的传递走到数字的获取之前,并且初步具备了大规模部署的能力。


因此从产业的角度来看出,我们将网联化放在数字化之前,可以基于泛网联化实现部分场景的服务,支撑有条件的自动驾驶,接下来我们谈一谈万集对数字化道路的理解。道路的数字化需要一个统一的数字底座,高精的地图提供静态的结构化的数据,在高精地图上点位传感感知的信息,借助统一的时间和空间的基础,我们将高清地图打造为道路数字的底座,为了实现数字底座可视化的表现,我们采用了三维的建模,可支撑道路从结构,机电设施、车辆、事件等信息的多视角可视化的呈现。


接下来介绍一下道路数字道路的打造,以及道路数字化我们重构的过程,基于我们采集道路及周边的原始数据,通过对道路的特征数据的提取,我们构建了厘米级的高清地图,作为整个系统空间的基准。通过点和云的视频数据,我们实现了道路的基础设施树木、建筑以及三维的建模,我们实现了静态环境一比一的还原,组成道路数字的底座,也就是刚才邓教授提的数字孪生平台。最后在数字底座的统一时间和空间的基准上,接入前端的感知端,也就是我们的智慧基站,有激光雷达,还有毫米波雷达,以及视觉,获取所有交通参与者的数据,我们这样就实验呈现出对道路数字化的重构,形成了道路的一些基础数据平台,我们称之为数据的中台。


智能网联的创新技术可以为车路协同,尤其为自动驾驶提供丰富的应用场景,但是在车路协同与自动驾驶产业化尚未形成规模前,如何发展是摆在眼前的一些问题,行业需要找到可落地的场景。结合万集对智能网联的长期积累,以及对智能交通领域深刻的理解,万集采用了智能网联技术为部分传统交通的一些应用场景,可解决现实的一些技术问题,实现提质增效,找到可行落地的途径,下面我也是分别这些技术在城市场景中,以及智慧高速应用中做一些介绍。


在城市场景中,我们重点将智能网联创新技术应用于交叉路口,形成了全息路口的解决方案,全息路口的构建采用了基于感知的前台,数字的底座,边缘计算,及刚才所说的数字中台,通过对路口的全态势的感知、综合研判分析、信号自适应优化、多维度信息发布,解决交叉路口安全通行的问题。路网是城市的血液,影响着城市正常的运转,但是路网的拥堵成为城市的通病,除了道路的扩容,提升效率是最好的方法,路口的交通流量数据是信号必须不可少的输入支撑,采育基于全息感知的方案,可以实现个体、交通参与者厘米级的定位跟踪,通过微观数据的统计,我们可以得到分车道的流量、密度、速度、排队时间等信息,从而更好的支撑动态信号的协同优化。


交叉路口也是交通事故高发的频段,其中很大一部分是由于不规范的交通欣慰引发,基于全息的感知,通过不同交通参与者的位置、速度、航向等信息,识别其存在不规范的驾驶行为,包括超速、慢行、逆行、违规变道等,可以基于交通参与者的位置关系,识别碰撞事故。此外对于交通事故和违法行为,我们也可以全过程的事件的还原,除了由于不规范的交通行为造成的交通事故,由于路口的特性造成了视野的盲区,也是事故频发的盲区,我们可以通过上帝视角的全息感知,可对风险进行识别,进行预警。我们具有对道路环境等同的感知精度,我们也可以将路侧感知到的信息通过5G及C-V2X的技术,实时发送到自动驾驶的车辆,为自动驾驶车辆提供超远视距及非视距的感知能力,解决感知的瓶颈。


接下来介绍一下数字化道路智慧高速应用场景。智慧高速这个概念从2017年开始出现热度,车路协同和自动驾驶被高度的重视,投入也非常巨大,但是建完之后发现车路协同和自动驾驶现在依然无法带来实际的使用价值,因此从去年开始,智慧高速的建设开始变得理性和现实,更加关注用先进的技术解决现实的一些问题。在这种背景之下,万集提出了数字的隧道、数字收费站、数字服务区等解决方案,用来解决高速公诉在重点区段的安全、效率和服务质量问题。


今天我着重介绍一下数字隧道的解决方案。隧道的安全事故是高速公路痛点问题,万集基于全息的感知,厘米级的高精度地图、真实的场景三维建模、车辆特征智能匹配,我们实现了隧道的数字化重构,这里显示的是可视化运行监视的效果,每一辆进入隧道的车辆,它实时的位置和运行的状态都是能够被监控,基于这种能力,我们实现了隧道的一张图示全域的监控,在监控的系统中每一辆车不是像素点,而是结构化的车特征数据,使得系统能够自动识别隧道内有多少辆车,每辆车在哪里,运动行为是否正常,有没有发生交通事故。数字隧道是具有全域运行的监测,全措施的精准管控,全体系应急处理,全方位伴随式服务等功能。数字隧道最核心的能力在于,我们可以是每一辆车进入隧道到离开隧道厘米级的定位与跟踪这是实现其他业务功能的基础,基于这一能力,我们可以实现对两客一危车辆全过程的监控,并且可以基于车辆的位置来投放有针对性的管控和引导信息,提升管控的措施和出行服务的针对性,和可达性。


事件监测准确性和实时性对隧道运营管理至关重要,数字隧道可以基于车辆的微观运动行为,实现车辆异常行为与碰撞事故的检测。检测的实时性和精度都是传统技术手段无法比拟的,在事件预警的同时,还可以定位事件位置,可对时间成因进行分析,并提供事故现场的交通状况,数字中台作为基础性共行的数据平台,可以接入照明、通风等其他系统的数据,便于统一的管和联动的控制。我们也可以针对自动驾驶车辆、数字隧道,可以提供厘米级的定位,及微秒级的服务。


此外,我们还有数字收费站和数字服务区的解决方案,由于时间的关系,我就在这里不一一赘述。


最后我分享一下万集基于数字化的一些解决方案,我们在这几年的一些典型的应用案例。这是我们去年在苏州高铁新城做的车路协同项目,我们多个路口布设前端的感知,通过我们的前端感知基站,数据的团地,实现了区域道路的全息感知的覆盖,我们的数据传送在中国移动商业院的车路协同平台,通过他们的5G,为自动驾驶的车辆提供精准实时的一些信息,也是我们首次打通了车路云的协同通道。这个项目实际解决的单车智能存在的超远视距和非视距感知的难题。


这个是今年我们在重庆两江新区车联网先导区的全息道路建设,在三个路口,一个隧道,并且也配载着OPU智能网联车辆,通过3D的建模打造了先导的实验平台,面向管理者和社会车辆的车路协同,做到了信息推送。


这个我们跟中国电信在雄安高铁数字化道路智能化建设的项目。


这个是我们今年做的,是跟海淀交警基于海淀区首都文明交通示范路口的建设项目,这是在全息路口结合交警,能够对刚才介绍的微观干和研判分析,实时对监测路口的机动车、非机动车、行人各类不文明的行为和违法行为,努力去改善路口的交通秩序,保障路口的通行。主要的目的是提升路口的通行效率。


这块是我们数字隧道,这是去年在广州祈福隧道,目前7月份已经全面交工,已经投入石油了,这是刚才提到的隧道安全的问题。


这是今年参与了交通部交通强国的项目,是西汉高速的秦岭隧道群。


我们相信通过我们这些项目不断的落地和实现,智能网联技术也在落地项目中不断的迭代,只有在项目中实现才能不断的迭代,我们也相信通过给客户和社会,以及政府创造了价值,我们智能网联的技术会进一步得到广泛的应用,只有解决这些交通里的一些无论是城市,还是高速公路,包括国省道行业的痛点,我们这项技术才能不断的发展。进一步也才能够积极的带动自动驾驶和车路协同的进一步发展,万集将以数字化去构造未来的交通,来迎接自动驾驶和万物互联时代的来临。谢谢大家。


更多会议内容,欢迎点击以下链接进入观看:


网站:https://auto.gasgoo.com/NewsTopicLive/358.html


移动端:https://m.gasgoo.com/news/topiclive/358



热门推荐