本問題已加入知乎圓桌 ?5G 新賽場，歡迎關注圓桌參與更多關於 5G 手機、5G 技術進展與難題、5G 對各行業影響等相關的討論，了解關於 5G 的一切 &>&>&>

有人會覺得 5G 會影響自動駕駛的發展，車聯網的一種方案是採用類似於自組網的通信形式...

為什麼自動駕駛車輛需要聯網，而不是自己識別目標和路徑？

補充：現在有人認為自動駕駛的目標識別是可以在終端運行的，那麼為什麼自動駕駛會需要車聯網的輔助？

---

很多答主都說了兩者的好處，我這裡核心想強調下「影響」，兩者的協同和矛盾的關鍵路徑是什麼？

回答提綱：

1.兩種技術的共性結構和互補區間2.兩者之間的價值觀矛盾3.兩者之間協同路徑，為什麼不是4G?-觀電腦的發展史

兩種技術的共性結構和互補區間

我在另一個回答里統一了5G技術和自動駕駛技術的體系結構

自動駕駛汽車涉及哪些技術？?

www.zhihu.com

其中非常重要的一張圖是這個

自動駕駛車在理論上，純感知輸入層面之所以更安全，本質是由於自動駕駛覆蓋了更多更多的感知頻段。通俗點講人遠了看不見，晚上看不見，霧天看不見，隔著牆的看不見，感測器都能看見。3-5G和自動駕駛各種感測器只是頻段不同，信息感知的機制不同罷了。核心只是獲取用於決策的信息的方式變化了而已。

通俗l理解：用人比喻，通訊技術就是個愛聽八卦的性格，感測器技術就是無圖無真相的性格，一般要把事做好，兩種性格都少不了，因為世界沒有這麼簡單。

這個過程一直在改變人和車，通訊和感測器之間的關係，也不是5G來了之後發生的，只不過這種關係變的更為深化

3G或者交通廣播相比沒有，對你來說香不香？

4G車機導航相對於交通廣播，對你來更香了有沒有？

當然這些都是5G對於人的關係，還有一個是通訊技術和感測器的互補關係

本質上，相對於感測器技術，5G或者任何其他通訊技術，在車載感測器的作用維度和範圍內都不具備什麼優勢，核心還是遠距離，遮擋，非可感知信息獲取方面有比較大的優勢，他的特性和高精度地圖對於自動駕駛非常像，5G也被叫做動態地圖。

但其弱點也非常明顯，作為一種通訊技術，網路安全的威脅非常大，這點上相較於車端感測器的安全設計來說更難做。

5g主要有三大特點：高速率、大容量、低延時。

高速率：速度更快，車端可以做各種交通場景的視頻直播，比如前方交通事故

大容量：同時交互的信息更多，交通系統可以同時接入更多車輛，車可以獲得更多周邊車輛信息低延時：信息的時效性更強，這個是車車防碰撞應用的關鍵

可以看到，5G技術和自動駕駛，輔助駕駛應用，還是非常相適配的。利用5G技術開發的面向自動駕駛的應用，我這裡不再多累述了，因為雖然應用很多，但這些都是虛的，並不是5G影響自動駕駛的關鍵。這些只是5G對於自動駕駛的補充，說影響其實也並沒有想像的那麼大。另一個重要維度，導致5G可能跨界屠殺車端感測器，這個才是可怕的地方，放最後講。

兩者之間的價值觀矛盾

大家不要完全覺得5G車聯網技術和自動駕駛發生化學反應，一定會導致美好生活，這個分析我覺得需要更深刻一些。畢竟，抖音這麼香，也沒見更讓人幸福哈，這個有點「蒸汽朋克」還是「賽博朋克」的討論，但很有意義。

我在另一個回答里專題做了這個解釋

自動駕駛能治首堵病嗎？?

www.zhihu.com如何理解〔自動駕駛〕和〔車聯網〕的聯繫？兩者會共存共生嗎？?

www.zhihu.com

核心是什麼，自動駕駛好聽點講是人從繁重的駕駛任務中脫離了，難聽點講是人被剝奪了對車輛的控制權。5G好聽點講是司機獲得了更多的信息輸入，帶來了更多的應用。難聽點講就是給了外部更多的干擾你權益的機會。什麼奶頭樂，殼世界等都是這個概念。

核心是技術背後的價值觀絕對了5G對自動駕駛的影響會往那個方向走，更自由還是更加約束，和諧共存還是單方面的剝奪。所有目前能夠看到的社會問題，在這個時代來臨後，都會出現。5G技術和自動駕駛技術在不同價值觀下，會有不同的結果。可能是司機在駕駛行為中獲得了更大的自由，也可能是完全被控制和監控的一種出行系統。

情況可能是這樣：

也可能是這樣：

任何新技術的出現，借鑒歷史就會知道，都需要保有一些敬畏和思考，技術的非線性特性決定了，你覺得似乎可以控制，但突然之間發現不是這樣的情況出現。

兩者之間協同路徑，為什麼不是4G?-觀電腦的發展史

感測器的互補說過了，這不是重點，4G也可以干。影響自動駕駛發展的核心是由此帶來的技術架構的變化，導火索是什麼？是成本，成本。

要理解這個事情，必須從電腦說起，電腦和現在自動駕駛車和手機一樣，由於通訊的限制，大部分功能的實現還是在客戶端，雖然對成本有一些影響的，但抬高的售價和優秀的體驗大家都不會覺得有什麼問題。

可是5G來了，本質是其通訊速度已經可以和電腦的內部匯流排達到類似的交互速度的時候，我就可以把客戶端的晶元成本給去掉。低廉的成本下，享受可能十倍百倍於過去的性能，沒人會覺得不香。

換成自動駕駛去看這個問題，也是一樣，需要的計算力可以通過雲端待攤。感測器可以由路側感測器代替，這個時候也將導致整車成本的迅速下降，這個對自動駕駛目前的技術體系就是顛覆性的了，只是目前影響還比較小。

但回頭看，為什麼要聊第二個話題？這種性能的突破是沒有代價的嘛？並不是啊，過去你要在電腦里存下幾個「老師」是你的自由，你覺得很安全。用雲電腦你試試，服務提供商定會大肆宣揚對你隱私的保護，可我們是行業從業者啊，我們很清楚，你對我們就是透明一樣的存在。也就是說這種技術的快速推行，在真香定律外，會進一步加速價值觀層面導向上的飄忽不定。

總結

人的認知有時候習慣了線性，而技術是非線性的，不確定性的增加也是非線性的。5G短期對自動駕駛的影響一定是可喜的。但作為一個安全性產品，其長期，本質性的變化，所帶來的東西是否一定也可喜，很難定論。和大家一起觀察吧。

----------答主的自言自語--------------

中國汽車工業60年，風雨兼程奔赴下一個30年

• 第一個30年，爺爺擰螺絲，敲鈑金，造吉普車，見證中國汽車製造工業的自強史
• 第二個30年，父親拜德國大眾的師傅學電氣原理，學發動機變速箱，見證改革開放下，中國現代汽車工業的發展史
• 第三個30年，也就是我，一個"車三代"，懷揣著筆記本，研發著自動駕駛汽車，希望經歷人工智慧時代，汽車新物種的進化史

答主希望做兩件事：

• 希望用段子和白話通俗地聊聊市面上智能汽車的那些事，科普些智能汽車的使用建議。
• 希望直觀的解釋深度學習，自動駕駛交叉學科的知識體系，為學生和入行新人提供幫助，與跨界大佬持續溝通。

如果你也對智能汽車，自動駕駛，深度學習感興趣，歡迎關注我，一個有點意思的"車三代"

---

5G會影響自動駕駛的發展，當然了，毋庸置疑。

但不是現在.......絕對不是！

如果認識不到這個節奏，現在就一天到晚5G怎樣怎樣厲害，想盡各種辦法打算把半生不熟的5G技術弄進自動駕駛技術範疇...... 知道的，知道那就只能是個噱頭；不知道的，則在不知覺中走了技術彎路和經濟浪費，而已。

慢慢更新，如果有人感興趣。

1 要理解這個問題，首先應該把5G和之前的移動網路技術區別開來看。

如果僅僅是infotainment系統使用無線網路，那就沒什麼大意思了，LTE就能搞定了，覆蓋經過接近十年的建設和優化，反而更好。在資費上也更合理，有利於車廠、業務服務商和網路運營商之間達成一致。這麼多年下來，稜角都磨沒了，合作也順暢。如果現在就考慮5G去支撐這個車地互聯能力建立，也行。因為5G在早期的R15標準里，對於MBB（移動大帶寬業務）的支持比較完善了，19年初就封稿了。這意味著設備商目前供應的主設備（BBU/AAU）都是符合這個標準的，不管是和核心網如何對接，運營商過去一年的集團採購，都是基於比較完善的MBB能力。因此可以推斷，在2020年末，覆蓋城區和主流城際幹道的5G網路（基於R15版本），可以提供足夠強大的Infotainment類別的應用。

但需要注意的是，一個是資費問題（車廠和運營商之間可能談不到一個足夠合理的價位），另一個是這個能力並不涵蓋大家所期盼的各種自動駕駛能力，比如plantooning、remote driving、sensor sharing等等。

2 其次，我們如何定義車聯網的目標。

廣義上車聯網包括運動端和靜止端的多端通訊。當這個多端通訊能力強大到何種程度的時候，才可以承載何種業務。泛在的車地通訊，以infotainment為主要消費內容的技術就不說了（參見以上1），我們其實是更看重的是以「自動駕駛」為核心的協同控制類應用，這是我們普遍的對於車聯網的終極期望。這個類別的應用層面，5G和5G後續的移動通訊任務，應該至少在以下幾方面建立核心能力：

2.1 超低時延；5G的R16版本已經基本實現了URLLC的需求定義，短時隙幀結構的構建和極快的調度周期。這兩個能力現在看是足夠的，已經下降到1ms這個水平。未來能不能再往更快的方向上走，不取決於5G能不能做到，而是車聯網/自動駕駛場景（或者其它工業互聯場景）中有沒有這方面的需要了。現在有點疑惑的，對於我個人，是沒有看到必要的模擬數據。一般來說URLLC如果設計目標是針對某個技術應用場景，應該在場景下提供單節點/單站、或者多節點/多站的模擬效果估算：比如參與的群體節點的通訊延時平均值和吞吐量平均值......等等；

這是非常關鍵的指標。因為現在3GPP是埋頭寫標準，即便有汽車行業的partner（比如5GAA）的參與，也可能不能在應用場景對於網路性能的實際需求上找到真理。為啥這麼說呢？因為搞汽車的自己也沒搞明白嗬~~~ 舉個例子，前些時間的CVPR2020，Uber的online報告里特意提到了不同場景下，如果需要確保自動駕駛在協同「簇」當中的有效性，則前提必須是拉平「簇」參與中的各個車輛實體的感知能力，而這種感知能力要在「簇」中拉平，則非常消耗帶寬，且實時性要求很高。

具體多大帶寬？多高實時性？這一看就是開放性的技術建議，需要在汽車行業內找齊共識，才能推動技術落地；而且必須是汽車行業內率先落地，然後才是通訊行業。

所以車聯網這東西遠遠不是已經來了，而是才是小荷才露尖尖角。

2.2 超高精度的連續定位能力；.....（待續）

---

去年寫了這篇《什麼是車聯網》，可以看看。

說到車聯網，相信大家一定不會陌生。現在不管是汽車製造商、銷售商，還是阿里騰訊這樣的互聯網企業，都會經常提到它。

簡單來說，車聯網就是把汽車連起來，組成網路。

不過，從宏觀上來說，車聯網其實是一個非常龐大的體系。很多人了解的車聯網，可能只是車聯網體系的一小部分而已。

今天，我想對車聯網進行一個全面介紹，希望能夠講清楚車聯網的相關概念，幫助大家具體、客觀、理性地了解車聯網。

這篇文章，將圍繞著以下問題展開：

1、到底什麼是車聯網？

2、車聯網包括哪些東西？是一個什麼樣的架構？

3、車聯網有哪些主要的技術？是如何發展和演進的？

4、車聯網會帶來什麼好處？會如何影響我們的生活？

5、馬上要到來的5G，和車聯網又有什麼關係？

好了，廢話不多說，我們直入主題。

什麼是車聯網

車聯網，英文叫做 IoV（Internet of Vehicles），它屬於物聯網（IoT，Internet of Things）的一種。

Vehicle，就是車輛、交通工具的意思。以前我們學英語，都知道把車叫做car、bus、truck，其實，vehicle老外用得更多，相當於是統稱。

前面說了，車聯網，就是把車連接在一起的網路。

其實，確切來說，車聯網並不只是把車與車連接在一起，它還把車與行人、車與路、車與基礎設施（信號燈等）、車與網路、車與雲連接在一起。

這裡牽出了好幾個大家經常看到的車聯網概念：

V2V：車與車，Vehicle to Vehicle

V2P：車與行人，Vehicle to Pedestrian

V2R：車與路，Vehicle to Road

V2I：車與基礎設施，Vehicle to Infrastructure

V2N：車與網路，Vehicle to Network

V2C：車與雲，Vehicle to Cloud

不管是V2什麼，都可以統稱為V2X（X代表everything，任何事物）。

有的同學把上面的某個V2當作了車聯網，這樣是不準確的。實際上，真正的車聯網，就是V2X（車連萬物）。

前裝車聯網和後裝車聯網

在討論V2X之前，我們先來看看這個Vehicle本身，也就是先看看車的內部。

對於一輛車來說，它包括很多的部件，例如空調、音響、攝像頭、發動機、輪胎等。這些部件都可以信息化、數字化。通過安裝感測器，可以產生表達狀態的數據。例如輪胎，可以安裝胎壓感測器，產生胎壓數據，監控輪胎的狀態。

有了數據，就可以進行傳輸。將車內各個部件的數據，傳遞給這輛車的「神經中樞」，這種網路，可以稱之為「車內網」。

對於車內網來說，感測器技術顯得非常關鍵。這裡的感測器，並不只是車內信息的採集，更包括車輛外部的感測器數據，例如防碰撞的感測器信息，感應外部環境變化的攝像頭，監測路面路況的感測器，等等。這些感測器數據，關係到車輛的舒適性和安全性。

除了感測器之外，更關鍵的，就是「神經中樞」了。

一般來說，汽車製造商喜歡在生產汽車時，就把作為「神經中樞」的車聯網設備給裝配好，通常稱之為「前裝車聯網」。

前裝的代表，就是福特的SYNC、通用的OnStar（安吉星），以及國內上汽集團的inkaNet、吉利的iNTEC、長安的Incall等。

前裝車聯網系統一般包括四部分：主機、車載T-BOX，手機APP及後台系統。

T-BOX，就是Telematics BOX（Telematics是電信Telecommunications與信息科學Informatics的合成詞），又稱TCU（車聯網控制單元）。簡單說，就是安裝在汽車上用於控制和跟蹤汽車狀態的一台計算機（嵌入式）。

而互聯網公司這樣的非汽車製造商，因為無法參與汽車前期製造環節，所以，只能通過後裝的方式，安裝用於車聯網的車載終端。

後裝的代表，是騰訊的路寶盒子。這是一種後期加裝的通過汽車OBD介面獲取實時車輛數據的裝置。OBD，就是On-Board Diagnostic，車載自動診斷系統。

這種設備通過OBD介面獲取數據後，再通過藍牙等方式，將數據傳輸給手機。

注意，這個神經中樞，除了硬體之外，軟體也很重要，所以像阿里這樣的公司，就做了YUN OS Auto這樣的車載智能操作系統（VOS，Vehicle Operating System）。相當於手機的Android一樣，是給汽車用的操作系統。

總之，不管是前裝還是後裝，不管是硬體還是軟體，都是為了獲取數據，監測和控制車輛。

繼續，繼續。

如果車輛本身沒有對外進行通訊的能力，那麼，「車內網」就是一個區域網，一個孤島。

汽車的「神經中樞」，可以通過儀錶盤或者中控，告知駕駛員車輛的情況。或者，按剛才說的，通過藍牙和手機相連，把數據傳出來。

但是，這種方式不管是傳輸速率，還是數據量、及時性、便捷性等，都是不夠的。

於是，就要想辦法讓車輛具備足夠強大的外部通訊能力。

DSRC vs LTE-V

敲黑板！這一部分很關鍵！

實現車輛的對外通訊，是有很高要求的。因為車輛通常在高速移動，而且是長距離大範圍移動。

早期的時候，為了實現車輛的對外通信，採用的是DSRC技術（DeDICated Short Range CommunICation，專用短程通信）。

這項技術是1992年美國材料試驗學會ASTM（American Society for Testing Materials）針對ETC業務而提出來的，後來經過不斷完善，變成了IEEE的車聯網通信技術標準（802.11p）。

在很長一段時間裡，DSRC都是像美國這樣國家的主流車聯網通信技術，現在也仍然有很多國家以它為主流標準。

DSRC的工作原理

RSU，Road Side Unit，路側單元

OBU，On Board Unit，車載單元

ITS，Intelligent Transport System，智能交通系統

DSRC技術其實就類似於，在道路邊上裝Wi-Fi，讓車輛通過這個Wi-Fi進行通信。

從名字也可以看出來，「專用短程通信」，短程，就是適合短距範圍內進行通信，如果距離長了，可靠性等各方面都會存在問題。

那麼，什麼技術的通信距離長呢？

當然是蜂窩移動通信啦！也就是我們使用的手機通信。

進入21世紀後，蜂窩移動通信得到了快速的發展，技術水平和行業生態都飛速進步。於是，人們開始研究使用蜂窩通信技術（Cellular），用於車聯網通信。

目前我們最主流的蜂窩通信技術標準是什麼呢？當然是4G LTE。

2014年9月，LG向3GPP提交了LTE在V2X通信應用的規範草案。同年12月，Ericsson提交了增強LTE D2D相近服務的規範草案。

隨後，2015年，3GPP正式啟動了LTE-V技術標準化的研究。

速度很快，到2016年9月，3GPP就在R14版本里完成了對LTE-V2X標準的制定。

可以這麼說，LTE-V是給車聯網量身定製的LTE。

LTE-V依託現有的LTE基站，避免了重複建設，而且工作距離遠比DSRC大，提供了更高的帶寬，更高的傳輸速率，更大的覆蓋範圍。

LTE-V技術包括集中式（LTE-V-Cell）和分散式（LTE-V-Direct）兩個工作模式。LTE-V-Cell需要基站作為控制中心，實現大帶寬、大覆蓋通信，而LTE-V-Direct可以無需基站作為支撐，可直接實現車輛與車輛，車輛與周邊環境節點的可靠通信。

DSRC和LTE-V的競爭非常激烈，兩者都希望成為主流的車聯網通信標準。目前，我們國家傾向於採用LTE-V。

車聯網的意義

車聯網說了那麼多年，一直都不溫不火，其實，問題就在於車輛的對外通訊能力。

汽車製造商善於造車，車內網可以搞得很溜，但解決不了外部通訊能力問題。互聯網企業，軟體搞得很溜，但是拿不到數據，也是白搭。

所以，在廣域物聯網通信技術沒有成熟之前，車聯網很難有實質性的意義。

現在不一樣了，藉助LTE-V的能力，車輛對外通訊的這個瓶頸，有望打破。車聯網的潛在能力，很有可能徹底釋放出來。

首先，車輛數據聯網，所有關於車的運行狀態信息都會傳到雲端。圍繞這些信息數據，是海量的應用場景。

例如，車沒有油或者沒有電了，雲端會告知車主，哪裡有加油站（充電樁）。車的某個零部件數據異常，雲端會進行分析，然後告知可能存在的風險。

不僅可以上傳數據，還可以下載數據，交通導航、擁堵路況信息、車位數據、氣象信息等，都可以下載到車裡，影音娛樂更是小兒科。

在上面這些初級應用之上，在更加龐大的雲計算能力和通信能力的支撐下，遠程駕駛甚至是自動駕駛，終於變成了可能。

自動駕駛，可以說是車聯網進化的終極形態。

汽車，和各種交通基礎設施（例如信號燈），全部接入網路，由強悍的雲計算系統，分析整個城市的交通流量、擁堵狀況，對所有道路車輛進行路徑規劃，輔以交通調度，就可以最大效率地提升城市的運力。同時，還會大幅降低交通事故的發生概率。

阿里和騰訊都提出了「城市大腦」這個概念，其實就是在朝這個方向努力。

說白了，就是計算機的算力，代替人類的腦力。

此外，配合大數據和人工智慧，對車主的駕駛習慣進行分析，對企業的物流需求進行分析，對城市車流的流向規律進行分析，可以挖掘的商業價值就更大了。

簡而言之，我們不是為了聯網而聯網，聯網是為了數據。有了車聯網，就有了數據。有了數據，輔以強大的計算能力，就有了一切。

5G和車聯網

那麼，即將到來的5G，又和車聯網有什麼關係呢？

剛才我們說的LTE-V，仍然不夠強大。剛才LTE-V和DSRC進行對比時，細心的同學會發現，有一項指標，LTE-V是不如DSRC的，那就是時延。

時延在車聯網裡，就意味著生死。你看，現在高速公路的時速是120Km/h，也就是33米每秒。剎車哪怕是晚了1秒，也會有40米以上的制動距離。

所以，如果要支持遠程駕駛或自動駕駛，這個網路的時延，必須是個位數的毫秒級（ms）。

LTE做不到，但是5G作為LTE的演進，可以做到。5G的時延，可以達到1ms，足以滿足要求。

LTE會演進到5G，LTE-V，就隨著演進為NR-V2X。

除了時延之外，5G還擁有很多LTE不具備的優點——它擁有更高的帶寬，支持更大數量的連接，還支持更高的移動速度。

所以說，5G就是為物聯網而生的。

5G和車聯網的關係，簡單來說，就是相互依賴。

沒有5G，車聯網就不是真正的車聯網。沒有車聯網，5G就少了一個很重要的應用，也就少了投資來源，少了存在的必要性，價值也大打折扣。

目前看來，車聯網是現在5G最重要的一個應用場景，也是最有可能引爆5G需求的場景。別的物聯網需求，都無法形成車聯網這樣的規模和體量，也不會有車聯網這麼強大的推動力。

甚至可以說，車聯網就是未來五年5G興衰的晴雨表。

---

先問是不是, 再問為什麼?

影響自動駕駛的關鍵瓶頸有哪些?

1) 精準定位技術, 是自動駕駛的矛, 主要用於導航, 這一點, 5G不僅是比4G帶寬更寬, 同時有更高的基站密度, 更短的波長(定位的空間解析度與波長/波包的長度成正比), 所以5G可以提供局部厘米級的定位精度,

2) 機器視覺技術, 是自動駕駛的盾. 主要用於避障, 處理方法有兩種, 一種是邊緣計算, 一種是雲端計算, 當然第三種是以上兩種方式的結合. 視覺的帶寬是比較寬的, 5G對此幫助很大.

3) 多智能體協同技術, 簡單的說是車聯網, 就是利用5G對車輛進行任務調度, 這方面的帶寬反而很小.

以上三個技術, 5G都是重要助攻.

那麼如果沒有以上能力是否可行呢?

1A) 定位依靠天基定位成本高, 周期長, 現有民用GPS系統精度不足; 北斗二代精度也暫時不足, 北斗三代如果按部署計劃, 也需要近10年的發射任務.

1B) 定位依靠地基, 地面預埋磁釘, 路面規劃磁條, 磁性塗料, 或者其他非光學系統, 投資成本高, 周期長, 有少量污染.

1C) 依靠燈光輔助的地基星座導航技術, 是一個備選方案, 但是在惡劣天氣缺少有效定位手段.

所以1) 室外定位技術中, 基於電磁波的, 應該說是最可能的. 這些備選技術中, 都被慢慢集成到5G中. (5G不是一種技術, 而是一代技術, 所以符合這代技術需求的都算是5G)

2A) 超聲避障, 紅外避障, 激光掃描避障都存在一定的應用空間, 特別是激光掃描具有比較好的競爭優勢, 如果這幾種技術成熟, 則可以大幅降低運算量.

--- 但是很不幸, 激光掃描在室外應用場景面臨著日光污染, 和散射光污染兩種難題, 難以解決.

日光污染的信噪比, 在激光有效頻段的光強 &> 激光發射角度 / 反射距離的平方 * 吸收的係數 / 返回距離的平方 * 接收面積的情況下. 信噪比大於1, 需要的解算能力越來越強, 直到無法解出 (簡單的說, 就是信噪比與距離的四次方成反比, 所以汽車100公里/小時對向行駛, 3秒反應時間, 至少要求激光在200米的預判時間), 而目前世界上宣傳自己能做到200米的機構, 實際只做到了20米左右的可靠.

2B) 超聲避障和紅外避障, 容易受到外界干擾, 特別是車輛比較多的時候.

所以2)被動的視覺避障技術, 是備選技術的主流.

3A) 多車協同的方式很多, 車聯網有一系列技術, 5G的競爭技術是短距無線, 也就是說, 通常一個車輛只需要與附近的幾輛車進行通信, 如果距離超過一定距離, 則該協同意義不大. 這種情況在山區, 隧道, 街角有通訊死角區. 所以移動感測網和移動通信網路很難商用化.

所以,3) 多車協同中, 全局的5G技術是一個很好的必選技術.

3B) 北斗等全球定位的產品, 這些同樣在室內, 或其他有信號干擾屏蔽的地方有部署難度. 而手機通信在電梯這樣的法拉第電箱屏蔽中都能通訊, 所以5G無疑可以勝出.

最後, 我不是從事5G的專業人士. 我主要做移動機器人, 特別是低於50公里/小時的中低速移動機器人, 比自動駕駛的數據處理量至少低64倍, 但是仍然感覺到5G給我們技術攻關帶來的便利性.

---

看到有不少知友在討論「是不是」的問題。作為一名自動駕駛行業的從業者，我可以肯定地告訴大家，5G一定會深刻地影響自動駕駛的發展。

我發現，大家談論5G技術時，比較容易陷入兩個誤區。一個是，當前5G還未大規模普及，在普及過程中又遇到了一些困難，進而看空5G，覺得它對自動駕駛的幫助不大；另一個是，認為5G就是讓自動駕駛汽車接入比4G更快的5G網路，進而實現更快更精準的V2X（Vehicle to Everything）功能，僅此而已。

然而，V2X只利用了5G技術中最基本的「低時延」的特性，5G還有另外兩個重要的特性，分別是高容量和高速率。這三個特性相輔相成，不僅會對自動駕駛的發展產生巨大影響，甚至會顛覆某些現有行業。

下面，我自動駕駛初期、發展期、成熟期，三條時間線上，談一談5G如何影響自動駕駛的發展。

自動駕駛初期

自動駕駛初期，也就是現階段的自動駕駛。5G的應用就是較為成熟的V2X功能。

現階段最能代表自動駕駛技術現狀的頭部玩家有兩位。一位是代表了技術最前沿的谷歌L4級無人駕駛汽車，另一位是量產汽車中科技感最強的特斯拉Model系列。

谷歌無人車裝備了自研的激光雷達系統、毫米波雷達系統以及視覺感知系統。搭載了各種先進的感測器系統，就是為了獲得車輛周圍360°全方位的環境信息，更安全地駕駛。

特斯拉Model的全系車型，均採用了更接近人類感知的純視覺技術方案，每輛量產的特斯拉汽車都搭載了8個朝向車輛四周的攝像頭，以及一個朝向車輛前進方向的毫米波雷達，也做到了360°全方位的環境感知。

雖然谷歌無人車和特斯拉Model都能做到360°的環境感知和特定場景下的自動駕駛，但真實的道路、交通情況遠比想像的複雜。比如行人（車輛）橫穿場景（俗稱鬼探頭）或大麴率山路這類非視距（超出感測器感知範圍或在感測器感知盲區）場景。

此類複雜場景僅通過單車車載感測器是很難處理的，這會給自動駕駛帶來不小的安全隱患。因此需要藉助車載感測器之外的通信技術，來保證自動駕駛汽車面對複雜場景的安全性。接入5G網路的汽車，通過V2X技術，配合5G「低延遲」的特性，即可實現實時的超視距感知能力。

5G的「低延時」特性除了幫助實現自動駕駛超視距的感知能力外，還可以在安裝了5G通信模塊和具備線控功能的汽車上實現遠程駕控，如下所示。

當下的法規規定，自動駕駛大規模路測，都必須配備一個安全員在駕駛座上以保障測試的安全性。隨著自動駕駛發展愈發成熟，汽車將不再配備方向盤、剎車踏板和司機的座位，且安全員的配置也將逐漸減少，這個過程也將使得遠程駕控的接管車輛得到普及和應用。另一方面，遠程駕控會對「代駕」這個行業產生深遠影響。未來的代駕，真的可以實現足不出戶，在家接單。

自動駕駛發展期

現階段，以感知、定位、規劃、控制為主的自動駕駛技術盧錫安基本已經成熟，大部分自動駕駛公司也都是基於此套技術路線實現自動駕駛的。那在自動駕駛方案都已成熟的情況下，5G如何為自動駕駛賦能呢？這就要從自動駕駛還解決不了的問題說起。

以定位問題為例，目前主流的自動駕駛定位方案是通過GPS系統的三角定位原理給出一個粗略定位，再利用感測器對環境的感知（車道線、道路邊界、特徵點等）與高精地圖中對應的環境特徵匹配，實現高精度定位。

但是GPS天線會在某些嚴重遮擋的場景下收不到衛星信號，比如隧道、地庫和高架橋下方等。如果自動駕駛系統在這類場景啟動，那麼它將無法獲取粗略定位信息。主要原因是，GPS系統的信號源在天上，一旦遮擋就失去了信號源。

那麼5G如何解決自動駕駛汽車在隧道、地庫和高架橋下方的定位問題呢？那就要依靠基於5G實現的高精定位技術。

5G從關鍵技術上使用新的編碼方式、波束賦形、大規模天線陣列、毫米波頻譜等，具有大帶寬，有利於參數估計，為高精度距離測量提供支持，引入大規模天線技術，基站可裝配128個天線單元，為高精度角度測量提供基礎。5G將實現密集組網，基站密度顯著提高，用戶信號可被多個基站同時接收到，這將有利於多基站協作實現高精度定位。

引用出處：移動通信新技術，5G時代實現室內高精度定位

從引用內容可以看出，利用5G實現高精定位的關鍵因素是高密度的5G基站。通過5G天線與多個基站通信，在知道基站真實經緯度位置的情況下，配合5G的低延遲，即可實時解算出自動駕駛汽車的位置和姿態信息，最關鍵的一點是不再受遮擋的限制。

對自動駕駛來說，感知問題，某種意義上是交通參與者的定位問題。當基於5G的實時高精定位解算技術成熟且廣泛應用後，自動駕駛環境中的交通參與者可通過實時共享自己的定位，與其他交通參與者實現交互，很多因遮擋導致的感知問題也將迎刃而解。

5G的高精定位技術除了能促進自動駕駛外，還將對室內場景下的商品導引、個性化廣告推送、災害救援等行業產生深遠影響，這裡就不展開了。

自動駕駛成熟期

一旦自動駕駛進入成熟期，技術問題將不再是阻礙。這時候就需要著重考慮商業上的問題——如何在保證功能的前提下，利用現有技術降低成本、提高利潤。

自動駕駛系統，成本主要集中在兩大塊。一塊是以攝像頭、激光雷達、毫米波雷達為主的車載感測器，另一塊是自動駕駛的域控制器，也就是我們常說的計算平台。

再怎麼降成本，也不能打感測器的注意，因為感測器是感知信息的輸入源。那麼只能從自動駕駛的域控制器上想辦法了。

此處引用 @諸葛有魚 的一張圖，即自動駕駛的等級越高，對算力的要求會更高。算力不僅體現在更強勁的CPU、更多的GPU這種實實在在的投入，還需要更穩定的電源驅動，以及更合理的散熱結構。因此域控制器佔據了自動駕駛系統的很大一部分成本。

域控制器的性價比很低。它擁有十分強大算力資源，但只有自動駕駛時才會被使用到，剩下的時間都因停車而閑置。從資源利用率的角度來說，這是一種極大的浪費。

另外，隨著車載攝像頭的解析度越來越高、激光雷達的激光線束越來越多，車端所需要處理的數據量也越來越大，對算力的要求會越來越高。在未來，即使域控制器做到量產，其成本也並不容易降下來。如下所示，為NVIDIA推出的連續5代、算力不斷增加的自動駕駛域控制器（一台PX2在剛推出時需要20萬RMB）。

面對域控制器高居不下的成本的困境，該如何利用5G技術解決呢？下面是我設想的一種方式。

在自動駕駛汽車上，配備一個處理緊急情況的低成本控制器，而將對算力要求巨大的計算資源部署在雲端，在汽車自動駕駛時，向雲端申請計算資源，而在關閉自動駕駛或停車時再釋放掉這部分資源。這種方式不僅能夠減少自動駕駛汽車本身所需的硬體成本，還能實現雲端資源的一機多用。這種方式的核心思路與現階段正火熱的「雲計算」類似。

但現階段的「雲計算」有個缺陷，對於大規模的數據，必須先將數據提前上傳至平台上，再做處理，難以做到實時。藉助5G的「高速率」特性，高帶寬頻來的「高速率」剛好能夠彌補這種非實時的缺點，使得5G+自動駕駛+雲計算的低成本自動駕駛方案成為可能。

這樣一來，為自動駕駛汽車提供域控制器的Tier1供應商，其市場份額就可能被提供雲計算服務的公司蠶食掉。這就印證了這麼一句話：打敗你的不一定是同行，也可能是跨界。

結語

以上就是我對5G如何在自動駕駛行業的各個階段的賦能思考。5G毫無疑問是一項顛覆性的技術，在未來，不僅自動駕駛，醫療、廣告、生活等領域，都會因為5G的普及而發生巨大改變。

5G對自動駕駛的想像空間不僅局限於此，歡迎大家留言，分享你的看法。

---

推薦閱讀：

相关文章