高级驾驶辅助系统ADAS
高级驾驶辅助系统ADAS
Siemens VDOpro.pilotADAS
VDOpro.pilotpro.pilotpro.pilotpro.pilot3
477GHzACCLidar
&24GHzBSDLCA24GHz
eHorizoneHorizonADASSensitive Guidance
2ADAS24GHz
VDOpro.pilot
发表评论：
TA的最新馆藏[转]&[转]&[转]&[转]&系统发生错误
页面错误！请稍后再试～捷配欢迎您!
微信扫一扫关注我们
当前位置：&>>&&>>&&>>&高级辅助驾驶系统：驾驶员应知应会！
　　接近黄昏的时候开始下雨了，驾驶员们纷纷打开大灯。很快，湿滑的路面反射了大灯灯光、街灯、商场霓虹灯，还有西沉的阳光，路面看起来像万花筒那样闪烁着各种光芒。自然光在减弱，而夜晚的灯光还不是那么明亮，路面看起来模模糊糊。
　　雨刮器很久没有工作了，您感觉前面就像涂了泥一样昏暗，路边的阴影也好像挡在了路中央。在朦胧中，您意识到车的盲点范围里有一辆没开大灯的车，您打着转向灯，摸索着向中间车道行驶。突然，您想起了自己的车里应该有先进的主动安全系统。
　　近期可能出现的三种结果
　　这个故事可能有三种不同的结果，技术取胜，人战胜机器，还有可能发生事故。可能是这样的：在您认识到将要发生什么之前，转向灯已经开始闪烁，自己的车稍稍向中间车道加速，然后，轻轻的刹车，避开了附近看不到的行人，也提醒了后面的车辆。
　　也可能是这样：当车轮转向时，您感觉到汽车的车道保持功能在起作用，把车拉回到原来的车道。但是，您仍然继续，打着转向灯，安全的并线，对其他车辆刺耳的喇叭声不闻不问。而此时，行人从路边冒出，前挡风玻璃前视显示系统没有让您及时看到这个人。好在您躲开了他。
　　或者，可能这样：您转向时，您听到了不熟悉但是非常刺耳的报警声。在您还没有搞明白怎么回事时，一辆车从盲点里鸣着喇叭冲出来-现在，您没有别的选择，只能慌乱的刹车停下来。防抱死刹车功能在湿滑的路面上起作用了，让您感到恐慌，车子终于紧挨着受惊吓的行人停下来了。在极度惊恐中，您瞥了一眼仪表盘，知道了疯狂报警的原因―高级辅助驾驶系统 （ADAS）关闭了。
　　这就是同一个场景三种完全不同的结果。这源于三种完全不同的ADAS。为说明这些不同，理解其影响，我们将详细研究ADAS的实现。在今年的设计自动化大会上，举行了一次主题研讨和公开论坛，对此很好的进行了阐述。
　　从开始
　　ADAS 系统是逻辑流水线，要理解它最好从宽输入范围入手。福特汽车和电气系统研究主任兼研究员James Buczkowski 说：“随着向自动化方向的发展，难点在于仅采用一种传感器是远远不够的。”
　　在公开论坛上，主持人是Cadence总编辑 Brian Fuller，他也要求专家们研讨一下ADAS传感器。传感器系统供应商Nuvation首席设计工程师Edward Ayrapetian 认为，“目前我们使用了多种类型的传感器。一般而言，您会看到激光雷达、普通雷达和高分辨率视频的组合使用。但是随着图像处理算法的改进，所有一切都在不断变化。”
　　Ayrapetian 解释说，每一类传感器都有其优缺点，其他专家对此也表示同意。例如，激光雷达是谷歌 “无人驾驶” 汽车研究平台的主要传感器。这一技术的标志是和旋转的镜子构成的半个圆球。激光雷达比较擅长勾勒出物体的外形，并提供距离数据-这些都是目标识别算法所必须的。而且，激光雷达对背景光线也不太敏感。
　　Ayrapetian 提醒说，“但是谷歌使用的激光价格高达 10 万美元。” 而且，在有雾或者下雪等低能见度的时候，从物体表面反射回来的光束所携带的信息量很少，激光雷达就不太好用了。Ayrapetian 提到了非常着名的加州沙漠聚会，“我们把自动驾驶卡车开向‘火人'.我们所知道的是，激光雷达无法识别一大片尘雾和砖墙。”
　　而雷达在一定程度上是非常好的互补技术。如果您仔细选好了频率、波形和接收信号处理功能，那么，雷达不会受到干扰的影响，实际上在低能见度和光照条件下都能正常工作。大陆汽车系统和技术公司ADAS业务部主任Christian Schumacher 补充说：“雷达能够很好的获得距离数据。但是，雷达不擅长识别物体。”不太理想的外形数据，而且没有纹理或者颜色信息，这让物体识别算法无法工作。
　　因此，我们使用了摄像机。随着低成本高分辨率摄像机的出现，视频成为ADAS的关键传感器技术，为物体识别提供了丰富的数据。多摄像机系统能够避开某些视觉障碍，提供虽然有限但是足够用的基于视差的距离信息。但是摄像机也有其问题，能见度差的时候无法工作。Schumacher 提醒说：“摄像机对光照要求很高。我们需要找到平衡点-一种在所有驾驶条件下都非常高效的系统，但是不能有太多的传感器。”
　　通过采用更好的算法来互相补充，以减少传感器。Ayrapetian 说：“我们要考虑传感器所面临的问题及其关键程度来定制传感器。如果把需求缩窄，就能够改进算法。我们基本能够采用更好的视频流图像处理算法来替代激光雷达。”
　　传感器融合
　　即使在图像处理技术上有所突破，大家一致认为仍然需要先进的传感器融合技术才能从几种不同类型的数据中，获得车辆周围环境正确的信息：物体，其速度和加速状态，以及可能的行为等。一个重要而且复杂的问题是，在系统中要进行多少次处理。有可能是将所有的原始数据送入融合引擎-例如，卡尔曼或者深度学习神经网络，看一看能够得出什么。这种想法有一定的可行性，例如实际上有一类特殊的网络，卷积网络，它用在物体识别时的性能非常好。
　　但是，设计人员更倾向于采用他们在操作层面上能够理解的系统。在5月份举行的嵌入式视觉大会的一次研讨中，谷歌自动驾驶汽车团队的技术主任Nathaniel Fairfield 说：“我们的策略是开发简单的系统来处理传感器数据，然后，以更抽象的方式来融合经过预处理的数据。我们更愿意通过一个大滤波器来运行所有一切。”
　　一种简化的方法是对处理步骤进行逻辑排序（图1）。每一个传感器都会进行本地信号调理，甚至可能根据下游的反馈来自动适应。然后，每一个传感器会在本地根据其掌握的信息进行物体估算，为推断出的这些物体附加一些属性。
　　图1. 您可以把ADAS看成是处理器流水线，越来越抽象的看待汽车周围的环境。
　　例如，激光雷达能够确定地面030方向有一个物体，从右向左移动，距离大概20.24米。雷达也会报告，在同一位置，地面噪声背景上可能有一个物体。一对高分辨率摄像机会看清楚这一物体-看起来非常像一头金色猎犬，方向在025至035之间，大概15米之外。
　　这些信息会被传送至融合引擎，接收有物体存在这一主视图，附加上最可靠的属性-例如，位置、速度、大小和颜色。这些信息随后会被送至一个分类引擎，将其标示为一条狗-例如，位置、速度、大小和颜色。这些信息随后会被送至一个分类引擎，将其标示为一条狗
　　这看起来很有逻辑性，但却不能解决问题。甚至在每一阶段采用哪类算法都没有达成一致。Schumacher 观察到：“目前，大部分步骤都是基于规则的。但是，基于规则的系统需要很多支持。我们会看到一些算法采用了人们不好解释的方法。”
　　本田北美研究所的首席科学家Victor Ng-Thow Hing同意这一观点，“深度神经网络在识别任务上会远远超过人，甚至超过基于规则的算法。有些方面会否定规则。我认为应该有一种混合方法。”
　　Ayrapetian 说，“不论哪种方法，重要的是认识到能不能解决问题。目前，自动驾驶汽车还不能100%的一直保持在车道上行驶。在新环境下，神经网络也不能很好的工作。甚至谷歌汽车也依靠非常详细的地图来识别物体，定位自己。我们还没有达到非常智能的程度来完全理解传感器数据。”
　　策略分类
　　对于所有的难题，分类引擎还远远不够。对物体分类如果能够成功的话，会产生物体列表，标识上距离和速度等实际属性，根据其可能的身份进行分类，例如，人、绿化灌木，或者建筑符号等。在分类过程中，也应该针对其在ADAS判决过程中的重要性而标上属性：非常危险、导航线索，或者无关的背景等。还应该对分类的不确定性等级进行评价。分类功能应使用各种不同的滤波器、神经网络以及基于规则的分类树，通过融合不同传感器的数据得出自己的结论。
　　现在，问题的本质发生了很大变化。至少在一些较好的条件下，ADAS系统非常详细的知道其位置和环境。现在，它必须决定下一步做什么，特别是出现不确定性因素时。就目前而言，这意味着基于规则的系统。
　　Ayrapetian 解释说：“您可以使用神经网络来识别物体，甚至是把汽车放在周围环境中。但是，您需要规则来得出判断，并解释。”
　　使用基于规则的系统来决定 ADAS响应的基本原因可能在于我们对神经网络工作方式的感情因素。可以训练深度学习网络，使其能够比人更正确的理解环境-也就是，99%的时间都能够正确理解被测试的视频。但是，即使对金色猎犬有1%的误解人们也不会满意：我们要的是非常可靠的规则，决不能撞上一条小狗。
　　更深层次的问题在于系统验证和控制兼容问题。很多工程师都强烈的感受到，在相信一款设计之前，必须能够理解设计是怎样工作的-实际上，在规划验证策略之前。而且，符合某些规则要求设计中的每一组成都是可追溯的，回溯到最初的需求来源。所有这些需求对于神经网络而言都是切实的问题，人很难完全理解网络中某一阶段在干什么，也不能追溯回系统需求文档的某些章节。
　　相反，基于规则的系统一般非常直观：您可以读取一条规则，知道为什么在此处要采用它。但是，基于规则的系统实行起来也有局限。很难设计一个能够在不可预见的环境中正常工作的系统-务要求很好的进行抽象思维，找到胜任于某些环境的规则。随着规则的增多，计算要求和行为预测都会带来问题。例如，有可能加入看起来非常合理的规则，不经意间，在基于规则的判断树上设立了死循环，或者，建立了无法实时遍历的规则列表。
　　除了混合神经网络和规则之外，还有第三种因素。很多系统设计人员觉得根本不可能只从传感器数据中得出正确的环境模型，因此，他们要求来自基础设施的数据：来自道路和十字路口的固定传感器的数据，以及从其他车辆送来的数据。Ng-Thow Hing 观察到，“在日本，计划是使用智能基础设施来实现问题追溯。”道路传感器可以定位车辆，非常精确的测量其速度，减少物体识别和分类的压力，从而减少判断单元的不确定性。来自其他车辆的数据是另一关键参数，车内传感器很难理解这些数据：其他车辆要往哪里开。
　　但是，基础设施数据需要非常好的社会组织，还要考虑政治因素，以及只有少数国家能够承担得起的投入等。因此，目前世界上大部分ADAS设计人员还不能依靠这些。Schumacher 提醒说：“最后，您还需要地图信息，需要基础设施信息。我们还有时间来‘靠边停车’。”
　　无论ADAS判断阶段采用哪种实施计划，它都必须产生两类输出（图2）。第一类是必须的，输出至人机接口，告诉并提醒驾驶员。第二类输出―只是在某些设计中有，只用于某些环境中，直接作用在车辆主系统上：转向，刹车，传动等，如果所有这些都失效了，那么还有被动安全系统。
　　图2. 判断系统有两类不同的基本输出流。
　　可能让人吃惊的是，最热门的争议是人机接口：它什么时候应该起作用，怎样起作用？福特公司的Buczkowski在其DAC主题演讲中，建议应该让驾驶员感到 “这辆车很理解我-也是这么干的。”
　　这就说明了问题：对于驾驶员，ADAS是有个性的。Schumacher 提醒说：“如果错误的反应太多，或者系统太谨慎了，那么，驾驶员就会把它关掉。”Ng-Thow Hing对此表示同意：“其复杂性在于有很多不同的驾驶习惯。”谨慎的驾驶员喜欢报警甚至是直接干预。冲动的驾驶员不愿意受到干涉；甚至是那些符合安全驾驶要求的干涉。如果他们觉得ADAS系统让他们在乘客面前出丑了，他们会永久关掉系统。
　　Schumacher解释说：“例如，道路保持功能在提醒驾驶员时，乘客也会很清楚的知道。如果设计成直接干预，可以通过控制转向系统或者采用不同的刹车扭矩来完成。一种方法要比其他方法作用更明显。”
　　让人分散注意力也是问题。人机接口必须引起驾驶员的注意，并给出正确反应的建议。不能给出不具指导性的警报，这只能进一步分散驾驶员的注意力-特别是在某些紧急时刻。
　　如果我们越来越需要自动驾驶汽车，那么ADAS对汽车的控制会更多。这就带来了其他两种设计难题-什么时候以及怎样控制车辆。
　　第一个问题是两个问题中最难解决的。很明显，系统不应该尝试在当前环境下有可能出现危险或者无法进行的操作。例如，60 kph时，ADAS不能尝试右转。这种要求实际上意味着，判断单元必须有详细设定的规则来控制能否使用车辆控制系统接口。但是考虑到有各种各样的车辆速度、车辆方向以及道路状况组合，在实时控制系统中，基于规则的方法很难解决问题。ADAS 可能需要车辆的连续动态模型，这样，它能够从所需的轨迹中计算出可行的控制输入。这对于其本身并不意味着计算负载。
　　第二个问题是个性问题的另一种表现。ADAS总是应该控制汽车吗？如果驾驶员的行动与计算策略相冲突，它应该干预吗？或者，它应该拖延驾驶员的操作，直到避免发生事故的最后一刻？如果驾驶员不听指挥，那么ADAS应该怎么响应？最后一个问题的答案是环境预知，例如驾驶员酒驾或者出现了危险行人的情况，还是应该可以调整，或者适应驾驶员的个性？
　　开弓没有回头箭
　　所有这些问题都代表了设计人员的价值判断，答案会在ADAS系统设计、成本以及性能上产生非常不同的结果。那么，您购买汽车时怎么判断系统的质量和个性化问题呢？
　　Ng-Thow Hing提醒说：“市场上汽车的质量和性能良莠不齐。我们需要非常有经验的专家来帮助购车者理解他们能得到什么。”
　　Schumacher更悲观一些，至少对于美国市场是这样的。他说：“在美国，简单的产品通常能够获得成功。在欧洲，情况则完全不同。购车者在做出决定之前会研究资料，反复比较。”
　　我们知道 ADAS 系统还有很多未解决的问题，也有很多不同的方法来解决这些问题。不同的方法在解决基本问题上各有所长，例如，道路保持、速度管理以及防碰撞等。但这也会多多少少给 ADAS 系统带来不同的个性化：驾驶员和乘客关心的个性化。
　　所以，我们从开放的角度看一切都有可能，只是在ADAS设计选择上稍有不同。实际上，大量的可能结果只有三种实例，每一种都对驾驶员及其周围人们的感受有影响，最终会影响安全。
技术资料出处:电子工程网
该文章仅供学习参考使用，版权归作者所有。
因本网站内容较多，未能及时联系上的作者，请按本网站显示的方式与我们联系。
【】【】【】【】
上一篇：下一篇：
本文已有(0)篇评论
发表技术资料评论，请使用文明用语
字符数不能超过255
暂且没有评论!
12345678910
12345678910
12345678910
本文为您介绍波峰焊平常使用会碰到的焊接问题，以及对应的焊接解决方法。
　　A、 焊料不足：
[][][][][][][][][][]
IC热门型号
IC现货型号
推荐电子百科适用于高级驾驶辅助系统的雷达和功能安全技术
> 适用于高级驾驶辅助系统的雷达和功能安全技术
适用于高级驾驶辅助系统的雷达和功能安全技术
在不久的将来，汽车雷达系统会越来越普及，它们提供很多舒适安全的应用。短距离雷达范围从几厘米到30米，可用于、或车位测量，以引导汽车自助泊车。长距离雷达可达到250米，用于启动自适应巡航控制，使汽车与前车速度保持一致。此外，它还可以启动更多重要的功能，如碰撞告警、紧急制动，甚至撞击预警侦测系统等，这些可能触发安全带张力计或其它主动或被动安全功能。显而易见，凭借后面这些功能，电子控制系统需要达到最高的功能安全等级，因为此系统无需驾驶员干预，最终都会转向或制动汽车。这种雷达技术的发展创新不断应用在移动工控机、起重机、工厂安全设备等其他应用中，而这一应用领域都需要严密地安全保护。耦合雷达与机器视觉也可以创建一个强大的组合，这两种技术相辅相成，可创建更准确和更可靠的系统。当机器视觉被遮挡时，雷达可在雨水、雾气和污垢环境下运行。此外，雷达还可以进一步延伸其探测距离以及探测到非直接视线中的事件。一个结合了机器视觉与雷达及一些智能传感器融合算法的系统，可以充分利用这两种传感技术带来的好处。图1： 汽车雷达应用77 GHz雷达技术在碰撞告警系统中，77 GHz发射器发出的信号将被车身前方的物体反射，然后由分布在车身各处的多个接收器捕获。该发射器发出频率调制的连续波信号，即在一个固定时段中，频率随着典型的三角波信号而上下变化。由于无线电波是以恒定的光速进行传播的，因此测量发射波和接收波之间的频率差异（即随时间而变化的频率斜率）就可以计算出传播距离。速度测量采用多普勒效应，即所观察到的反射信号频率与发出的频率不同。雷达系统并不是新亮点。而新亮点是汽车制造商想在最近几年内将这个系统内置在中型汽车中，因此该系统必须是低成本、高质量的。这意味着从昂贵的专业雷达系统向标准汽车设备类型的一个很大转变。面临的挑战是降低成本的同时，实际提高产品质量及减少每百万件的瑕疵部件。这种转变如“质量与成本营销价值图”所示。图2：营销价值图这个营销价值图显示了从高成本、良好质量系统向中低成本、更高质量系统的转变。为了实现这一目标，我们必须应对很多挑战。雷达成本和质量的挑战传统雷达采用旋转天线。这也是物体空间映射的原理。这可能适合具有昂贵控制系统的大型系统，但肯定不适用于汽车批量生产。消除旋转天线的一个解决方案就是，将相控阵列或接线天线用于多通道发射和接收通道。空分天线将接收有轻微时差的反射信号。这种差别随后用于重建物体位置，而无需移动天线。这种接线天线的缺点是，需要多个发射和接收通道来连接天线。典型系统将采用类似4个发射天线和16个接收天线。但从经济角度来说，重复16次接收电路和4次发射电路并不可行。这时另一个创新就派上用场了。没有采用射频差分电路，而是开发了一个专用射频BiCMOS工艺，它的性能足以将77 GHz射频电路整合到单芯片上。从开发高性能SiGe:C（硅锗碳）180纳米工艺开始，还开发了专用的300GHz Fmax射频晶体管，能够在芯片上处理77GHz雷达信号。结合模拟和数字CMOS电路，这一工艺支持全面集成多通道77GHz片上系统。因此片上集成可抵消多通道开销成本。高级封装技术具备77GHz固态硅工艺是一笔巨大财富，但在印刷电路板上处理和报告它又是另一个挑战。传统封装寄生阻抗在高频率时会破坏信号信息。应对这个问题的一种方法就是采用精密引线焊接技术将裸芯片焊接在专用PCB上，而不是采用典型封装和更高成本的波峰焊接技术。这时名为“RCP （重分配芯片封装）”的全新先进封装技术就派上用场了。图3：RCP封装中的各层RCP采用粗光刻技术而不是PCB型材料将铜互连层装配在芯片或多芯片系统上。这种无基板的封装技术具有更低的电容和电感寄生行为。与裸芯片焊接工艺相比，通过具有合格性能的这一封装，可以在77GHz时路由高频率信号。它的优点是，传统PCB的整套工具可用于焊接这个部件，这意味着低成本的处理。
分享给小伙伴们：
我来说两句……
最新技术贴
微信公众号二
微信公众号一高级驾驶辅助系统距离大规模产业化仅一步之遥|界面新闻oJMedia在2016年亚洲电子消费展（CES Asia 2016）上，国际整车品牌宝马、奔驰、沃尔沃、雪佛兰重点展示了其在自动驾驶、智能互联方面的新技术。从展示的情况来看，基于ADAS（高级驾驶辅助系统）技术的产品已经开始大规模产业化运用；应用信息通信（ICT）技术实现车－X（X：车、路、行人及互联网等）之间的信息共享与控制协同，即网联化技术的应用已经进入大规模测试和产业化前期准备阶段；而自动驾驶正处于样车开发与小规模测试阶段。
ADAS：迎来广阔增量空间
作为无人驾驶的基础，ADAS将大幅提升驾驶安全和舒适度。未来，其市场将迎来广阔的增量空间。
目前，全球ADAS市场渗透率约为5%。其中，欧美地区的市场渗透率为9.8%。我国由于低端车型销售比例较大，ADAS的渗透率仅为3%左右，处于较低水平。由于ADAS成本偏高，其系统主要装配在豪华品牌汽车上，整体市场渗透率普遍较低。
随着汽车智能化趋势加速和安全需求的提升，未来全球ADAS市场渗透率将大幅提高。据PR Newswire咨询公司测算，到2020年，全球ADAS渗透率将达25%，预计未来5年的增长率将达19%，全球新车ADAS搭载率有望达到50%。
此外，国内自主品牌为提高产品竞争力将大幅增加装配ADAS功能的车型，国内ADAS提供商也将迎来新机遇。预计到2020年，我国ADAS市场渗透率将超过全球平均水平，达到30%以上。
有机构预计，自2015年起，我国ADAS市场规模逐渐放量，年将是装配ADAS车型的大规模放量期，增速也将发生明显变化。未来5年，ADAS市场年复合增速将达到39%。
传感器：销量爆发增长
ADAS系统由3个模块构成：感知层、认知与判断层、执行层。感知层是实现ADAS系统功能的第一步，相关硬件包括雷达和摄像头等传感器。
ADAS系统就牵涉到多种传感器。&障碍物探测和识别，以及车辆全景图象的生成都需要用到摄像头传感器，自适应巡航系统则需要用到包括长距雷达、激光雷达在内的多种雷达传感器。&大陆技术人员向记者介绍道，&要真正实现无人驾驶，需要不同类型的传感器组成强大的系统。在高速自动驾驶下，需要前视摄像头、微波雷达、激光雷达、融合控制器的配合。&
有预计显示，2016年国内车用传感器市场规模将会从5年前的24亿美元倍增到48亿美元，传感器年销量将从5亿只翻倍达到10亿只，这一增长速度将是全球平均增速的3倍。
正是看到了中国智能互联市场的高增长潜力，博世集团制订了在华互联业务战略，聚焦互联硬件、软件及服务。其中，重点硬件是传感器（包括雷达、超声波、摄像头）、执行器（ESP）、电子转向等。博世集团旗下汽车传感器业务已现飙升态势。2014年，博世用于驾驶辅助系统的环境传感器总销量首次突破5000万套。2015年，博世雷达传感器和视频传感器的销量实现翻番。
法雷奥中国总裁毕诺同样看好汽车传感器的市场前景。毕诺称，半自动泊车、自动泊车等功能从豪华车的选配走向标配，从豪华车走向中高级车，传感器的需求将大幅增长。法雷奥在半自动、全自动泊车传感器的全球市场占有率超过50%。目前，法雷奥在全球已经供应了1亿颗超声波传感器、将近1000万个高清摄像头。
芯片：各路巨头前来淘金
智能汽车的核心是汽车电子，而汽车电子的核心是半导体芯片，半导体芯片对于汽车行业发展的重要性不言而喻。
ADAS巨大的市场潜力吸引了各路电子巨头前来淘金。在ADAS影像处理器领域，各大芯片厂商正在强力布局。例如，ADI推出了先进的ADAS视觉处理器；TI推出了集成DSP处理器和FPGA芯片的Jacinto系列SoC异构处理器；瑞萨电子、意法半导体、英飞凌，以及国内芯片商如伟诠、义晶等半导体芯片供应商，都在自身优势基础之上积极开发更创新的ADAS应用芯片，包括专用影像处理器或数字信号处理器。
东芝半导体宣布，未来将会在ADAS方面发力，期望到2020年，在ADAS芯片方面可以占到全球市场份额的30%，其对于汽车半导体市场的野心可见一斑。
大唐电信与恩智浦共同成立的合资公司也已正式运营，大唐电信由此进军汽车半导体市场。新公司致力于成为全球领先的汽车电源管理及驱动半导体公司。
上海先进半导体制造公司与深圳比亚迪微电子公司签署战略产业联盟协议，未来中国造芯片将会大规模应用于比亚迪新能源汽车。
V2X：还需要制订技术标准
所谓车联网，是指以车内网、车际网和车载移动互联网为基础，按照约定的通信协议和数据交互标准，在车-X之间进行无线通讯和信息交换的大系统网络。
在CES Asia上，通用旗下安吉星展现了其在4G部署方面的领先实力。但是要想实现完全的车联网，光有4G显然还不够，比如汽车之间、汽车与道路设施之间的通信就不能仅仅通过4G来实现。
通用汽车中国科学院院长杜江凌表示，发展V2X需要制订技术标准。就通信协议来说，北美市场V2X、V2V技术采用的是DSRC协议，因其采用基于点对点通讯，更适用网联领域的安全应用。作为全球首家承诺将V2X技术投放市场的车企，通用正在不遗余力推动DSRC技术标准在中国的应用。
在中国，华为与高通两大蜂窝技术供应商提出了LTE协议，其最大的好处在于能重复使用现有的蜂窝基础建设和频谱。但目前看来，LTE-V2X通往标准化的道路比较漫长。不过，无论哪种技术标准，都要经受中国复杂路况的考验，需要主机厂、政府、车用通信提供商共同努力。
更多专业报道，请前往各App商店搜索下载&界面新闻&，或
0界面JMedia联盟成员前瞻车界大事，透析行业精彩。有声音，有态度，有福利。相关文章您至少需输入5个字评论()}