5G技术对于汽车智能驾驶有什么意义？

我们今天谈论的内容并不新鲜。

智能驾驶和5G通信。

我们在某种程度上听到并理解了每个术语和概念。

目前看来，也仅此而已。

然而，如果整合起来，会产生什么结果呢？这一成果是否就是未来汽车运行的终极智能化形态？通过这种方式探讨这个话题就变得很有趣了。

首先我们要了解L1-L5级自动驾驶到底指的是什么？在自动驾驶分类标准中，美国的SEA标准是最被广泛接受的。

其中，L1（驾驶支持）是指能够辅助驾驶员完成某些驾驶任务的自动驾驶系统，如ABS防抱死制动系统、ESP车身电子稳定系统等； L2（部分自动化）是指完成某些驾驶任务的能力。

，但驾驶员仍需要监控驾驶环境并完成剩余部分。

这也是目前大多数具有自动驾驶功能的车型运行的水平。

L3（有条件自动化）是在L2基础上的深度发展，即某些特定场景下的自动驾驶，例如停车场智能停车、封闭道路自动驾驶等。

由于该级别涉及监管责任问题，即使有些车型能够达到这个水平，比如奥迪A8车型，在国内也无法自由使用。

至于L4（高度自动化）和L5（完全自动化），则意味着人不再参与驾驶，车辆可以自己有意识地决策和操作。

从发展历程来看，汽车在L3级别上犹豫了很长时间。

最关键的问题是，除了监管划分不明确之外，技术支持的可靠性也是核心问题。

巧合的是，5G 连接似乎在这方面具有潜力。

当前智能驾驶的基本逻辑是什么？目前的智能驾驶几乎都依赖于车辆本身的感知和判断能力。

其核心在于通过各种传感器收集路况信息，如长距离毫米波雷达、激光雷达、前置摄像头、中距离角度传感器等。

雷达、超声波雷达、全景摄像头等，完成了替代人眼的功能。

剩下的就是计算机代替人脑的判断过程，这是各个新势力的核心算法功能，比如特斯拉、小鹏、蔚来等车企。

谁的数据库更大，运行算法更合理？智能驾驶体验和安全性越高。

在一定程度上，传感器采集的信息和车辆算法做出的判断是相互制约又互补的。

这也是特斯拉选择彻底采用工作条件相对单一的视觉传感器的原因。

由于数据库运行时间较长，采样数据庞大，算法兼容更多情况。

当然，较强的判断力可以弥补信息收集不完整的缺点，但如果信息收集的不确定性太大，发生事故的概率还是相当高的。

这也是特斯拉撞上前面白色车的重要原因。

信息如果收集不到，算法自然就起不了任何判断作用。

粗略了解目前智能驾驶的运行逻辑后，我们可以发现，现阶段智能驾驶仍然是一个人操作，即仍然模仿真人驾驶来替代真人驾驶。

这种操作逻辑的优点是运行速度快。

只要你足够好，体验就能明显提升。

缺点是无论你如何提升体验，其可靠性永远达不到%。

最理想的结果是达到真人驾驶的水平。

就安全水平而言，这样的表现还远远没有得到法规的充分支持和公众的充分接受。

打破L2（部分自动化）的核心，也许是5G通信？由上可知，目前的L2级智能驾驶并不需要高带宽、低时延的5G通信来运行。

同时我们也知道，依靠自己收集的信息做出判断的逻辑永远是可靠的。

少于 ％。

那么5G通信的特点能给我们带来哪些启示呢？在现有的L2级智能驾驶逻辑中，我们可以利用5G通信来提升厘米级高精度地图的使用体验。

更大带宽的5G网络更适合高精度地图所需的大数据量问题，且时延低。

该功能也可以很大程度上解决之前4G或3G信号定位失败和漂移的问题。

这绝对是一项很好的技术，可以提高目前封闭道路（例如高速公路）自动驾驶的体验和安全性。

这些都是5G通信对于自动驾驶的优势吗？不不，如果你只有这个期待，那你对5G通信的想象就太狭隘了。

从L1到L5自动驾驶级别，如果想要实现更高级别的自动驾驶，依靠目前的“自测自判”的自动驾驶逻辑肯定是不可能的，因为不可能保证100%在这套逻辑下的可靠性。

性与安全。

为了实现这种可能性，我们需要引入一个新的概念——V2X，俗称万物互联。

所谓V2X，顾名思义，是指车辆与各种外部物体之间的信息交互，例如：车辆与车辆之间、车辆与基础设施之间、车辆与人之间、车辆与网络之间的交互。

核心在于能够实现跨界域的信息互联。

众所周知，在自动驾驶的成熟形态下，每辆车不可能单独在道路上收集信息并判断和执行信息。

这种不确定性太高了。

像高铁这样的调度是保证安全有序的唯一途径。

但我们也知道，高铁列车毕竟处于比较简单的运行环境，其调度在数据算法处理和信号时延要求方面并没有非常严格的要求。

高速公路交通，交通状况特别复杂多变，对数据算法和信号时延要求更高。

此时5G通信就完美契合了这些需求。

想象一下，当道路上的所有车辆、红色路灯设备、甚至停车场大门都通过大带宽5G网络集成到云端时，那么道路上的每一个参与者都将是“可见的”，然后通过低延迟5G网络的传感器可以将云端计算出的动态变化的交通最优方案直接下发给车辆，完成交通协调的过程。

想象是美好的，但困难也不少。

从逻辑上分析，上述自动驾驶的最终形态似乎已经近在眼前了。

不过，这个东西和社会主义的最终形态是类似的。

这是可以预测的，但实际实现可能需要更多时间。

很长。

以目前的情况为例，如此大规模的数据云协同计算绝对不是单个厂商能够完成的。

需要在国家层面实施。

另外，道路参与者的“可视化”是一种理想的形式，因为除了高速公路之外，很多开放的道路往往会有意想不到的参与者，比如行人、宠物、坠落的障碍物等。

要实现道路交通信息的透明化，只能可以在高速公路等封闭道路上实现。

此外，实现参与者信息透明不仅需要5G通信的支持，相关设备的普及也是一个大问题。

我们不能让所有现有的汽车都远离道路，对吗？汽车联网后还存在隐私问题。

这在中国可能不太敏感，但在欧美等发达国家却是一个非常麻烦的问题。

另外，在车辆信息大规模上传云计算的过程中，还涉及到各厂商是否愿意共享自有品牌车型的信息流的问题。

总之，除了技术瓶颈之外，还需要考虑运营协调。

去掉最高分和最低分，看看5G通信对自动驾驶的影响。

万物互联绝对势在必行。

毕竟从技术角度来说可以提高可靠性和安全性。

同时，考虑到开放高速公路交通的复杂性和不确定性，目前的高精度地图、自动识别、自我判断等自动驾驶措施也必须保留作为辅助辅助驾驶。

这样一来，5G通信对于智能驾驶的意义就充分凸显出来。