车路云网络是实现从智慧城市到智能城市升级的基础
在科技飞速发展的当下,城市的发展理念正从智慧城市向智能城市演进。然而,这两个概念并非简单的递进,而是在内涵和实现方式上存在着显著的差异。
智慧城市侧重于运用信息技术对城市的各个方面进行数字化改造,比如将城市的基础设施、公共服务等以数字化的形式呈现和管理。而智能城市会通过AI大模型能力和其他先进的信息技术实时获取信息,使实体系统能够“智能化”。
智慧城市下的交通建设驾驶舱
智能城市下的车路云网络
在交通领域,当前数字化的努力大多只是将物理的交通形态转化为数字形式,却未能有效地解决交通效率和安全这两个关键问题。交通拥堵依旧频繁发生,交通事故的阴影也未曾远去。
直到车路云一体化规模化发展和试点应用城市名单的公布,为我们带来了新的曙光。车路云网络的构建,真正实现了云(中心云,区域云)边(边缘计算系统)端(智能网联汽车,智能路侧基础设施)的有机连接,为解决交通难题提供了全新的思路和方法。
在这个架构中,通过先进的感知技术,实时获取车、路的状态信息;利用强大的预测能力,提前预判交通流量的变化和可能出现的问题;基于精准的决策机制,优化交通信号控制、调整车辆行驶路线。结合 AI 大模型,实现了数据采集、标注、建模、训练、测试、生成以及云端应用的全流程智能化。中心云如同智慧的大脑,掌控着整个城市和交通的运行态势,实现了城市智能化生产力的重大变革,仿佛开启了智能城市的摩尔定律。
过去,城市管理和基础设施的升级往往是周期性的、大规模的投入,但效果却难以令人满意,交通效率的提升一直未能达到理想水平。如今,车路云一体化技术路线的成熟,彻底改变了这一局面,为智能城市的发展拉开了崭新的序幕。
在这一进程中,智能化道路基础设施固然重要,但还有一个关键角色不容忽视,那就是蘑菇车联自主研发的路侧边缘计算系统(MRS)。当前,MRS在连接人、车、非机动车方面发挥了重要作用,为实现更高效、更安全的交通出行环境奠定了坚实基础。
蘑菇车联作为一家领先的人工智能企业,始终以用户为中心,致力于构建交通和汽车的人工智能网络。围绕车路云一体化已形成了一套可落地、可复制、可推广的成熟技术解决方案。2023年,蘑菇车联最新发布MOGO Package,涵盖车、路、云三端全系列产品:路端,AI数字道路基站MOGO AI Station,可快速实现道路实时数字化;车端,蘑菇车联打造多品类、多车型标准化自动驾驶车辆,全系车型标配车路协同V2X功能;云端,AI智慧交通云平台,可全面赋能L0-L4级别智能网联汽车,提升交通安全和效率,优化交通治理,可在高速公路场景、城市场景、景区园区场景快速实现道路数字化。
近期,经国汽(北京)智能网联汽车研究院有限公司(简称“国汽智联”)测试并出具报告,蘑菇车联AI数字道路基站及其系统(MRS)达到信通院《车路协同 路侧感知系统测试方法和标准(报批稿)》最高要求。测试结果显示,蘑菇车联的AI数字道路基站可在实现感知覆盖率、系统感知时间精度、感知时延均达到和超过SL3标准。同时,定位精度、航向角和尺寸检测精度达到行业领先水平。通过多年的技术开发与经验积累,蘑菇车联形成了一套可落地、可复制、可推广的车路云一体化完整解决方案,结合车路云三端海量交通大数据构建AI大模型,实现自动驾驶从感知到认知、协同决策、路侧数据赋能仿真和模型训练,支撑自动驾驶更智能、更安全的大规模落地。
当前,已在北京、深圳、湖南、云南、湖北、四川、辽宁、山东、天津等多个城市的开放道路、高速公路、园区、景区、机场等场景落地。
其自主研发的 MRS 系统,作为车路云一体化系统中路侧基础设施的核心计算部分,是专门服务于车路云一体化业务的路侧计算系统。基于路侧感知设备的原始感知数据或结构化数据,通过高性能的实时数据处理、感知融合、计算、分析,能够为云控基础平台和网联车辆提供实时动态交通感知数据。
其具备高精度的融合感知和计算能力,全项指标满足信通院的『车路协同路侧感知系统』SL3 标准。同时,它还具有利旧能力,支持在已有路侧计算设备的基础上进行系统升级,大大降低了建设成本和资源浪费。此外,丰富的应用场景使其能够全面覆盖城市开放道路、高速、园区等不同区域,适应各种复杂的交通环境。并且,它全面适配车路云一体化系统,具备云控基础平台的路云通信标准对接能力,确保了数据的无缝传输和高效处理。
MRS系统作为蘑菇车联车路云战略的智慧核心,其创新之处不仅在于硬件层面的集成与优化,更在于AI算法的深度应用与创新:
高精度感知模型:融合深度学习算法的感知模型能精准识别各类交通参与者,包括行人、非机动车及各类车辆,即使在复杂环境与极端天气条件下也能保持高准确率。
实时预测算法:集成时空序列分析与深度强化学习的预测模型,不仅能够准确预测交通流量变化趋势,还能对交通事件(如事故、拥堵)进行实时预警,为预防性管理提供依据。
决策优化算法:采用先进的运筹优化与机器学习算法,对交通信号控制、路网资源分配等进行动态优化,确保交通流畅度最大化,同时降低碳排放和能源消耗。
从产品架构来看,MRS 系统包含智道 OS、路侧边缘融合感知引擎、路侧边缘计算引擎、支撑数据、数据共享接口 5 个模块,每个模块都承担着重要的功能。
智道 OS 作为 MRS 的底层能力,包含内核层、硬件抽象层、数据接入标准接口服务。内核层为与底层硬件交互和最基本功能层,支持多任务与多进程、内存管理、硬件驱动支持和安全功能等。硬件抽象层实现了对路侧感知设备的统一硬件接口,能够对包括摄像头、毫米波雷达、激光雷达等设备输出的结构化数据进行统一处理。数据接入标准接口服务则涵盖了车辆实时运行状态与感知数据采集、路侧感知设备数据采集、交通设施数据采集等方面,为后续的处理和分析提供了丰富的数据源。
路侧边缘融合感知引擎能够对路侧感知设施的原始感知数据或结构化数据进行算法识别、融合分析处理,得到较高精度的感知结果信息。可以实现机动车、非机动车、行人等交通参与者的识别检测与定位功能,输出包括交通参与者类型、速度、位置、运动方向等特征信息。
路侧边缘计算引擎更是 MRS 系统的核心之一。能够实时接收来自路侧感知设备和边缘融合感知引擎的数据,并进行高速处理和分析,得到高精度的事件、交通流等数据,从而支持智能交通系统的决策和控制。
在交通事件检测方面,可以实现对交通拥堵、交通事故、异常停车、逆行、违法变道、行人闯红灯、抛洒物等事件的自动检测、报警提醒以及过程记录。例如,在检测到逆行事件时,能够及时向主车发送预警;在发现施工占道事件时,能向车辆进行提示,避免交通堵塞和事故的发生。
在交通流检测方面,能够对交通流量、平均车速、时间占有率、排队长度等信息进行精确检测,并支持按照车道完成交通流信息统计。这些数据对于优化交通信号控制、合理分配道路资源具有重要意义。
此外,路侧边缘计算引擎还具备全域视频监控功能,支持多种视频编码标准,能够实时查看视频图像,及时掌握道路状况。同时,它能够获取信号灯状态,为车辆提供准确的通行信息。而且,通过硬件实时监控,能够实时监测硬件的状态,包括性能、温度、电压等信息,确保系统的稳定运行。
支撑数据主要来源于交通设施和其它基础设施,包括基础设施状态监测数据、交通信号灯数据和交通气象环境监测数据。这些数据为计算引擎提供了辅助决策的依据,使其能够输出更准确的计算结果。数据共享接口则用于保障 MRS 与智能化路侧基础设施和云控基础平台之间数据的标准化交互,以通用接口方式,提供数据标准化转换和服务输出,支持远程驾驶、辅助驾驶和安全预警等应用。
MRS 系统的重要性不仅体现在其强大的功能和精准的数据分析上,更在于它对交通调度效率的显著提升,类似于高铁和民航的调度系统。高铁通过精准的调度,让列车在复杂的线路上高效运行,准时到达每一个站点;民航通过先进的空中交通管理系统,确保飞机在空中和机场的有序起降,避免航班延误。车路云网络中的 MRS 系统,就如同高铁和民航的调度核心,能够对城市中的交通流量进行精细管理,实现道路资源的最大化利用。
随着技术的不断进步,MRS 系统的发展前景极为广阔。它将不仅仅局限于当前的功能,还将连接更多的智能设备,如智能路灯、智能环卫车、智能物流车、无人机、机器人等,共同构建一个更加完善的智能城市生态系统。比如,智能路灯能依据实时交通流量和环境光照情况自动调整亮度与照明范围,还能与 MRS 系统协同监测道路状况并反馈信息;智能环卫车能在 MRS 系统指引下高效规划清扫路线,根据不同区域情况调整清扫频率和力度,同时将垃圾收集情况实时传输;智能物流车结合 MRS 系统能实现更精准的货物配送,规划最优运输路径,监控货物与车辆状态;无人机在 MRS 系统控制下可执行空中巡逻任务,侦察道路情况并回传画面,特殊情况还能运送紧急物资;机器人也能通过 MRS 系统在公共场所提供更好服务指引,或在工厂、仓库中配合实现高效货物搬运存储。
在全球范围内,不同的科技企业都在探索类似的技术解决方案。未来,当马斯克的星链计划连接特斯拉、擎天柱机器人、无人机等设备。与之相比,车路云一体化的“中国方案”具有明显的优势。
星链计划 车路云一体化网络
车路云一体化网络在路侧延时、感知精度和安全性方面都优于星链。MRS 系统部署在道路边缘,能近距离传输和处理数据,降低延时,保障交通决策及时准确,而星链靠卫星通信,在城市环境中易受干扰延迟,影响应用效果;通过多种路侧感知设备协同工作,能高精度感知细节信息,为交通管理提供精准数据支持,星链因距离远对地面细微变化和精准信息捕捉能力弱;MRS 系统采用本地化处理和加密技术保障交通数据安全,星链卫星通信面对网络攻击有较大安全风险,可能严重影响交通系统。
总之,车路云一体化的“中国方案”无疑是实现智能城市交通的最优选择。车路云网络连通的物理世界,也将引领智慧城市升级至智能城市。