車聯網是汽車、電子、計算機、通信等多技術領域深度融合的新型産業，自“十二五”以來蓬勃發展。展望未來，車聯網是由單車智能邁入網聯自動駕駛時代的重要基礎設施。

車聯網産業鍊的參與主體大緻有TSP、整車廠商、電信運營商、硬件終端、平台等各個參與主體，其在車聯網各主要領域的主導能力、商業模式均有不同。

從2021年春節車聯網反壟斷第一槍打響，到這一年來血洗互聯網行業的反壟斷調查以及滴滴被封，随之而來的數據安全、信息安全的陰雲，在車聯網行業的“大蛋糕”下，面臨的種種挑戰一觸即發。

不同于互聯網崛起時的時代背景，擁有更高起點的智能網聯汽車，能不能完美躲過那些在互聯網時代被踩過的坑？正逐漸互聯網化的車聯網，還有明天嗎？

車聯網是依托新一代信息通信手段實現車内、車與人、車與車、車與路、車與服務平台全方位網絡連接和信息交互的新技術。車聯網緻力于提升汽車的智能化和網聯化水平，構建智能交通的服務新業态，提升交通整體通行效率，為用戶提供智能、安全、節能、高效、舒适的綜合駕乘體驗。

車聯網主要包含“人、車、路、通信、服務平台”五大關鍵要素：

• “人”是車聯網服務的使用者和道路環境的參與者
• “車”是車聯網最核心的要素，智能網聯汽車為車聯網技術落地應用
• “路”是車聯網應用的必備配套基礎設施，主要目标為實現交通道路信息化
• “通信”即各類信息的交互載體，彙總傳輸車内、車路、車雲的海量信息流
• “服務平台”是車聯網服務生态的業務數據載體，緻力于改善用戶駕乘感受

車聯網技術是實現L4/L5自動駕駛的必要條件：

• 依靠單車智能技術路線難以解決L4/L5自動駕駛的某些特殊場景
• 比如行人“鬼探頭”、前方交通事故預知等，基于車聯網技術的“上帝視角”則可較好處理
• 部分場景僅依靠單車智能雖能較好解決，但仍存在長尾效應
• 視覺識别紅綠燈，由于存在遮擋、強光、極端天氣等因素，無法做到100%準确，而結合車聯網的車路協同技術則有望解決此類問題

車聯網技術有效降低高級自動駕駛的車端成本壓力

高級别自動駕駛汽車若僅依賴于單車智能，則必須進行包括激光雷達、攝像機、毫米波雷達等多傳感器感知信息的融合，并對決策控制算法精度提出了非常高的要求。其高昂的硬件和軟件成本将導緻高級别自動駕駛汽車難以大規模民用化，而采用車聯網技術則可有效降低激光雷達規格和高精度地圖采集成本等，大大緩解了車端的成本壓力。

車路協同自動駕駛通過信息交互可顯著拓展單車感知範圍，突破單車技術限制，實現群體智能。通過道路感知設備采集環境信息，并按照協議實現V2V/V2R/V2P/V2N的網絡互聯化，可有效分擔車載自動駕駛系統的感知、決策和控制壓力，降低系統複雜程度。

伴随自動駕駛研發投入逐步提升，投入産出比呈邊際效益遞減的趨勢，車路協同自動駕駛可使單車自動駕駛的個體智能向協同智能過渡，快速提升自動駕駛水平，并加快規模商業化落地臨界點的到來。車路協同自動駕駛主要可分為三個發展階段：

• 信息交互協同：車載OBU和路側RSU進行直連通信，實現車路信息共享與交互
• 協同感知：建設多樣的道路感知設施，全面覆蓋主要行駛區域，可實現車輛與道路設施的協同檢測與識别，可服務于L4自動駕駛車輛
• 協同決策控制：道路具備協同決策控制能力，可實現道路對車輛、交通的決策控制，時刻保障自動駕駛安全

車路協同自動駕駛發展階段

高精度地圖是L3 自動駕駛系統不可或缺的重要支撐技術，車聯網技術确保高精度地圖數據高效傳輸：

• 對于L3級自動駕駛，傳統的靜态地圖已不再适用，需要靜态與動态交通信息結合的高精度地圖數據，需求數據精度也提升至20-50cm
• L4級自動駕駛則需要精度更高的激光點雲輔助分析，可将數據精度提升至10-30cm
• L5級完全自動駕駛，需多傳感器融合高精度地圖來實現對靜态地圖和動态事件的統一

由于包含道路、車道、對象模型的高精度地圖需要更精準的方位、姿态以及高頻率的更新，地圖相關數據的實時傳輸量偏大。基于NR-V2X的車聯網技術可以保證高精度地圖在車載場景下能安全穩定的進行交互應用。

不同級别自動駕駛對于高精度地圖的需求

緊急救援：車輛發生緊急情況車主按下車輛上安裝的緊急按鈕将緊急信号以及車輛位置等信息等通知客服中心，客服中心實現精準救援的同時還可以将車輛事故信息通知給其他車輛，方便周圍車輛做出緊急避險反應或重新規劃合适的行車路線。

轉載自網絡，文中觀點僅供分享交流，不代表本号立場，如涉及版權等問題，請您告知，我們将及時處理。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!