自动驾驶：V2V是如何实现卡车编队行驶的

正文字数 2423 字，阅读需3首歌的时间。个人观点，欢迎交流！未经著作权人允许，请勿转载

卡车编队行驶，是这样一种feel：以排头的卡车作为头车，跟随车们通过V2V（Vehicle-Vehicle）车联网实时连接，根据头车操作而变化驾驶策略，整个车队以极小的车距编队自动驾驶，把卡车开出“婚车仪仗队”的既视感。

编队行驶状态可以在节省油耗的同时更高效地完成货物运输，减少驾驶员疲劳驾驶等情况带来的事故风险，也可释放更多车道，缓解交通压力。

那么，V2V是如何实现这种操作的呢？

一、“全副武装”的卡车

这是拥有高级感知能力的卡车。

前视摄像头允许司机在驾驶时可以看到其他同队伍车辆驾驶室视频；实时视频显示系统使得前车驾驶员可以看到后车视角，弥补视觉盲区，同样地，后车驾驶员可以拥有前车的开阔视野；每辆卡车的保险扛上都安装了雷达防碰撞系统，以每秒50次的频率同时跟踪几十个物体，不断监测前方道路。在紧急刹车情况下，系统可以比人类更快启动制动以避免碰撞。编队行驶状态下，后车与前车雷达相连，实现制动同步。

车队中的每辆卡车上均安装有车载终端，这些终端通过专用短程通信或蜂窝网络信号建立V2V连接；加速和制动控制器允许系统通过控制后方车辆的速度来与前方车辆匹配，从而保持队列车辆之间的稳定间隙，通过控制器与防碰撞系统的结合，可以计算出更紧密而安全的跟随距离；高精度GPS负责提供精确的定位数据；移动和wifi通信则将车辆连接到云端操控中心，云端操控中心会告诉卡车何时何、何种情况下它们可以开始编队，卡车则将路况信息和车况信息同步给云端。

二、云端控制的大脑

云端操控中心身负重任，它需要保持“always aware”的状态，能够随时配对卡车或解散车队，以应对天气、交通、卡车或其他条件的变化。

在云端操控中心确认卡车自身和环境条件后，批准编队任务，后车追上前车并自动保持一个10到15米的安全距离，两车上的司机需要控制转向，由车辆的巡航控制系统控制车速；云端动态地管理多车道公路上的交通地理条件和人为事件，碰到事故、拥堵、道路维护、恶劣天气等情况，卡车将收到自动预警；必要的时候，云端发出解散指令，回到人工驾驶状态。

这是现阶段技术试验和商用条件允许的人机共驾模式，虽然尚未实现完全的自动驾驶，但已经能够在编队行驶状况下解放驾驶员们的双手。

那么，编队行驶的效益究竟体现在哪儿呢?

三、制动加速“神反应”

卡车自重大，刹停距离长，在手动驾驶的情况下，卡车之间需要保持最大化安全距离，而且疲劳驾驶的情况在长途司机间很常见，突发状况的刹车反应时间较常人更久。

添加雷达防碰撞系统，能够有效削减感知反应时间，但仍然必须在雷达检测到前车减速后，后车的制动才能启动。

在编队行驶模式下，转向是手动的，但制动是自动的，头车做出刹车指令后，V2V可以做到前后车之间的瞬时反应，后车甚至可以在前车开始减速前就自动启动制动，这种瞬时反应意味着卡车可以以非常小的距离安全跟随。

四、“气动效益”减油耗

在编队行驶的状态下，因为车距十分接近，两车之间形成“气流真空区”，不会产生空气涡流，因而能够有效降低空气阻力，降低燃油消耗和二氧化碳排放。NACFE（北美货运效率委员会）和美国能源和运输部曾进行过独立燃油效率测试，结果显示，能够至少实现10%的燃油节省，这不是个小数。

五、说了那么多，能应用了吗？

所以叨叨半天，到底能用了没？

不好意思，只能说，道阻且艰。

编队行驶状态下，车辆与云端、车辆与车辆、车辆与环境之间产生大量实时的数据交互，并且因为车间距很小，对数据交互的响应要求也极高。V2V作为感知能力（国内目前提的更多的是广义概念——V2X，包括vehicle-to-vehicle (V2V)，vehicle-to-infrastructure (V2I)，vehicle-to-network (V2N)以及vehicle-to-pedestrian (V2P)），其技术可靠性和应用推广度，既依赖于通信技术，依赖于标准和法律，也依赖于路边基础设施。这也是为什么现在V2V应用看起来更接近于驾驶辅助，似乎与ADAS没什么区别，全路域、全天候的自动驾驶还路远且艰，毕竟，人类对机器错误的容忍度，其实要远远低于人类操作本身。

技术瓶颈主要存在于两方面：一是如果要实现与卡车的执行机构相连，通过自动刹车、减速或者转向等来提升安全性能的话，定位与通信的精度必须要保证，高精度定位技术当前还没有能够量产应用，V2X大多工作在高频段进行通讯，对于建筑物等遮挡障碍物的绕射能力比较差，因而需要通过重复广播或者冗余机制来辅助解决；二是V2X与传感器之间的数据融合是必须的，在两者的重合区域内，如果出现差异的信息，以谁为准，又或者是如何互相验证，必须有机制。但是现在的实际情况是，摄像头、毫米波雷达、激光雷达之间融合尚且没有做好，更别提与V2X的融合了。

在通讯频段与标准上，基于802.11p的DSRC技术，和基于LTE及未来5G的“C-V2X”技术是两类选择。前者在美国有十年以上的沉淀，但DSRC的组网需要新建大量路侧单元，这种类基站设备的新建成本较大，其硬件产品成本也比较高昂；C-V2X则可以直接利用现有蜂窝网络，我国工信部划分了5905-5925MHz用于C-V2X 技术试验，中国作为全球最大的LTE市场，再加上5G通信将2020年开始商用，毫秒级的网络传输时延、10~20Gbit/s的峰值速率、100万个/km²的连接数密度，才能够满足自动驾驶及车联网的严苛通信需求，才能够将可靠性的顾虑降到最低。

在“车”的升级上，具备V2V通讯能力的车型还是太少。美国交通局就要求OEM厂商最迟在2019年底及以后生产的汽车要安装DSRC设备，我国则还没有量产的V2V车型。只有当道路上有足够多的车辆支持V2V通讯，V2V的作用才能得到充分体现。

在“路”的建设上，I2X应该被提上议事日程上来。事实上，路这端的建设，能够减少车辆加装传感设备，降低自动驾驶车辆的成本，加快商用进程。尤其是基础数据的沉淀，包括养护数据、交通管理数据、地图数据、气象数据、物流运输数据、流量数据、网络数据、服务区数据、基础设施状态数据……通过这些数据达到以边缘计算和云计算两者融合，化被动的感知到主动的交互，增强全局控制和协调的能力，这也是所谓“车路协同”。

在“交通智能系统“的协同上，车辆与交通信号控制系统、智能交通诱导系统、货运车辆管控系统、智能停车系统、智能高速收费自动流等交通信息化体系需要有机结合，方能丰富应用场景，对卡车编队行驶这类商用自动驾驶是如此，对乘用类自动驾驶也是如此。