艾氪英诺张磊:AI驱动“车路协同”、“路脑”助力慧通出行

王饱饱 1个月前 (07-05)

艾氪英诺,正成为路侧智能的领跑者。

图 | 艾氪英诺创始人:张磊

中国车路协同产业,正进入“深水区”。

近年来,伴随着中国汽车产业的腾飞,中国的人均汽车保有量水涨船高。据公开数据显示,截至2021年3月,全国机动车保有量已达3.78亿辆;机动车驾驶人已达4.63亿人,且这一数据还在不断增长中。

而伴随着其同步增长的,是城市中愈加令人烦恼的交通拥堵问题,和不断攀升的交通事故数量。据统计,2014年至2021年间,全国每年平均发生的交通事故数量达15万起以上。其中,2018年、2019年均超过了20万起。

镁客网注意到,对交通状况改善的强烈需求,和人工智能、移动通信及辅助驾驶等创新技术的不断成熟,在20世纪末伴随着智能交通系统发展提出的“车路协同”近来再次站上风口。

目前,在一系列利好政策的大力支持下,全国27个省区已建成16个智能网联汽车测试示范区,建成开放测试道路3892公里,发放测试牌照700余张,道路测试总里程超过700万公里;仅2021年,国内就有多个省份车路协同建设项目超过10个,项目总规模超百亿——车路协同已经从“摸索着前行”,逐渐步入成熟发展的阶段。

那么,目前车路协同产业具体是一个怎样的状态?有哪些“瓶颈”亟需突破?作为车路协同中的细分领域:路侧智能,又是怎样服务于车路协同的?

带着这些问题,镁客网联系到了目前在车路协同产业中,“路侧”细分赛道的头部企业:苏州艾氪英诺机器人科技有限公司(以下简称:艾氪英诺),与其创始人张磊进行了一次深入的对话。

1、中国车路协同产业,方兴未艾

政策的春风正在拂过中国车路协同产业。

张磊告诉记者,从2016年至今,伴随着相关政策的不断细化和稳步落地,这一新兴产业正在分阶段地驶上“快车道”。

对于中国车路协同产业来说,2016到2018年属于是示范区阶段,国内多个城市建立了国家级智能网联汽车示范区,主要以区域实验为主;2019年之后是先导区阶段,从封闭的车路协同试验场逐渐走向开放实验;2020年底之后,全国开始打造’双智’试点城市,车路协同从而开始了对商业闭环的探索。

记者注意到,2019年10月成立的艾氪英诺,近年来一直紧跟国家政策导向而不断灵活地修正着自己的创业路线:从最开始的以智慧交通为切入点,着力去打造一些小型化边缘计算节点,到打造车路协同的边缘计算节点,进一步拓宽自动驾驶运行设计域,力图“赋能”智慧出行。

在张磊看来,在实现车路协同这个宏大目标上,近年来正加快步伐的中国已经迎来了高速发展期。

车路协同的远期目标,是构架人、车、路、云这样一个系统,从现在的产业情况来看,已经来到了过渡期。张磊告诉记者,“随着辅助驾驶的大规模商业落地、路侧智能大规模部署、云控平台的大规模的架构,产业正处在迎来爆发期的路上。

但在车路协同产业的具体“落地”环节,张磊也坦言,在技术和商业两方面,仍然有些“瓶颈”在等待突破。

“从技术角度来看,目前车路协同需要使用大量不同类型的传感器,在使用数据处理上有一定难度:主要体现在多源数据的融合和低延时的处理上;

从商业角度来看,车路协同产业的‘商业闭环’仍亟需完善,产业仍需坚持住房和城乡建设部、工业和信息化部所积极推动的双智城市原则:需求引领、市场主导、政府引导、循序建设、车路协同。

2、人工智能价值凸显:帮助“智慧的路”服务“聪明的车”

对于人、车、路海量数据的收集、处理和给出安全、合理、高效的解决方案,是未来智能交通体系的题中应有之义。记者注意到,伴随着中国智能交通体系的不断完善,人工智能正成为产业中的核心技术力量。

“目前,人工智能技术正在不同程度地服务各行各业”,张磊对记者表示,“人工智能技术是新一轮的技术革命,正在改变行业范式和促进产业发展。目前,人工智能主要以大数据进行驱动。”

张磊告诉记者,以艾氪英诺所主攻的“路侧智能”为例,目前,传统算法在处理速度和精度上,都难以胜任从路侧端大量不同传感器所产生的不同格式的大量数据中提取有用信息的工作。

人工智能的学习算法可以有效提高处理速度和精度,相对传统算法,人工智能的鲁棒性更强、算法效率更高、在特征提取和特征表达上也处理的更加出色。

大数据、算力和算法是人工智能公认的“三驾马车”。记者注意到,一直以人工智能技术为核心的艾氪英诺,凭借着其产品和服务在多个现实场景的快速落地,通过大量真实数据更好地训练其核心算法,在行业内建立起了自己的“护城河”。

“在路口这个场景中,需要大量数据去做一些人工智能算法模型的训练。随着我们艾氪英诺在不同现实场景中部署和落地的路口数量越来越多,我们在整体技术上的‘护城河’也会越来越深——路侧智能和单车智能在数据这一点上有点类似,获取的真实数据越多,整体的壁垒越高。”在谈到大量真实路口数据的重要性时,张磊这样告诉记者。

3、“路脑”衔接车与交通,“多源数据融合”正成为行业主流选择

记者注意到,专注路侧智能的艾氪英诺正通过半封闭场景“路开车”实验环境,打造路侧智能引擎即“路脑”产品,旨在为智慧出行提供全量感知。

艾氪英诺的“路脑”以感知平台、决策平台和调度平台为核心,旨在赋能全息路口、智慧交通、智慧工具等领域。

“车路协同这个大系统中包含了车脑、路脑、云脑和通信以及功能安全等维度。艾氪英诺目前做的是路脑,也就是路侧智能”,张磊告诉记者,“路侧智能可以把车和交通进行衔接,从而为车路协同提供一个路侧的‘桥梁’。”

张磊对记者表示,从宏观的智能交通到具体的无人驾驶,都需要对人的参与进行有效的监管和监督,很多事故起源于人的误判和误操作。艾氪英诺目前所做的路侧智能,致力于构建车流、人流、非机动车流信息的全息路口,为V2X提供精准路侧感知数据,解决单车智能查全率不足的问题,为单车智能提供安全冗余。

如果从技术角度来说的话,路侧智能需要对多种类型的传感器进行数据采集和融合,从‘上帝视角’去搜集道路的动态变化情况,为车端决策提供结构化数据。当然,除了数据,其实艾氪英诺也可以在路侧直接给出决策信息到车端。

记者注意到,在路侧智能中“多源数据融合”这一关键环节上,业内存在着“前融合”和“后融合”的技术路线之争。张磊对记者介绍,相对“后融合”,艾氪英诺目前选择的“前融合”有着迁移性好、准确率相对更高、调参简单等优势。尽管“前融合”对算法要求较高,但这正是艾氪英诺的优势所在。

“‘前融合’不仅在路侧,在车端也有一定优势”,张磊告诉记者“未来‘前融合’应该是更主流的方案。

4、行业标准呼之欲出,抢先布局者正在领跑

无规矩不成方圆。

目前,中国车路协同产业面临的挑战不仅是“数据”、“决策”上的协同,更是技术、硬件等通用标准上的协同。对于高度依赖政府引导的车路协同产业来说,行业标准的制定和出台极为重要。

“去年三月,工信部发布了《国家车联网产业标准体系建设指南(智能交通相关)》,实际上对路侧智能基础标准、服务标准、技术标准、产品标准等方面构架了标准体系。”张磊告诉记者,“车路协同产业行业标准的制定,有利于行业统一性和标准化,对行业发展起到着极大的推动作用。

记者注意到,对于车路协同产业来说,相关行业标准的推出意味着对场景、功能、指标等概念的定义真正进入普适化,这既能让像艾氪英诺这样以算法等技术见长的企业可以实现产品的快速落地,对于企业的成本控制也是一种利好。

目前,艾氪英诺的核心团队已经扩展到30人以上,主要以研发技术人员为主,分别来自清华大学、浙江大学和电子科技大学等高等学府,且在感知/算法等技术上有着深厚的积累。另外,创始人张磊和其团队此前曾在泛交通领域进行创业,因此在针对智能交通领域的技术积累和商业运营方面都打下良好的基础。

在领先的技术优势和对产业的深刻认知下,艾氪英诺已经在山东、南京、常熟和长三角某大型主机厂分别落地了智能交通系统、动态全息路口等车路协同系统和算法部署的加速工具等项目。

可以确认的是,面对中国车路协同产业这一轮发展浪潮,抢先建立起技术优势的企业将跑在赛道最前面。未来艾氪英诺和更多的中国企业,将会怎样推动中国车路协同产业的发展?镁客网将继续保持关注。

最后,记得关注微信公众号:镁客网(im2maker),更多干货在等你!

镁客网


科技 | 人文 | 行业

微信ID:im2maker
长按识别二维码关注

硬科技产业媒体

关注技术驱动创新

分享到