实现L3级自动驾驶——自动驾驶产业转折点
如今，L3自动驾驶受到了前所未有的关注，越来越多的企业开始投入人力物力财力，来钻研L3自动驾驶。
什么是L3级自动驾驶
我们所说的L3级别自动驾驶，通常默认指美国SAE协会定义的标准。在我们上一篇文章已经介绍过了 。
这里简要描述下：目前最常用的ADAS大部分是属于L2级别的自动驾驶，仅仅是辅助人类驾驶，虽然人类可以一定程度的解放双手（Hands Off），但是还是需要人去观察环境。而L3级别的自动驾驶，环境感知则不再需要人类来做（Eyes Off），人类只需要在特定的情境下给予关注即可。
L2（车辅助人）到L3（人辅助车）后，用户才会真正感受到自动驾驶的美。届时，也是产业爆发式增长的时候。
目前奥迪A8L、广汽Aion LX、长安UNI-T均发布了量产L3车型。然而，这些车型只能实现低速的L3自动驾驶。尽管如此，也说明现在大型整车厂都在朝着实现L3的实现而努力。
中国L3自动驾驶的市场现状
消费者
·中国消费者饱受城市拥堵、停车困难等国内特有车况影响，所以国内的消费者普遍希望自动驾驶的早日落地。
政府
·政府大力支持自动驾驶的研发，目前已经在全国设定智能网联汽车测试示范区超过40个，包括一线城市和部分二线城市。
国内OEM和互联网公司
·国内主机厂、互联网公司互相合作，迅速转型。以小鹏汽车、蔚来汽车为代表的新型自动驾驶企业不断涌出。由于中国汽车保有量数量庞大，所以在接下来更换智能的路上也能够提供更多的数据，有望弯道超车。
量产L3自动驾驶的主要难点与解决方案
L3自动驾驶难以量产的阻碍有很多，包括感知准确率难以提升、决策时难以覆盖全部场景、设备算力足够但是不满足功能安全、无快速稳定的线控、车载设备无法满足整车算力要求。
·感知准确率难以提升
目前许多感知算法供应商都将感知准确率提升到了98%以上，但到此很难继续往上提升，在实车测试时还是不断有corner case出现。比如突然倒下的电线杆、马路上出现的其他生活杂物都会影响汽车感知系统的判断。
对于此，可以从数据层面上进行改善——增加尽可能多的相关有效数据；也可以从算法层面上改善——改善算法使其能够提取更多有效特征来增强判断能力；最后，将网络进化为自学习神经网络。
·车载设备无法满足整车算力要求
自动驾驶对芯片算力的要求极高。因为场景的复杂和操作的多样性需要驾驶处理器要达到每秒百万亿次的计算。如果算力不够，那么车辆就不能实时对于外界变化做出响应。出现任何一点延迟都有可能造成车毁人亡。
许多自动驾驶解决方案供应商选择车辆上外接工控机提供额外的算力，然而，当算力达到了以后，还要解决算力设备的散热等问题。
最后，还需要算力设备有足够高的可靠性，无论多么恶劣的环境都不能影响其计算过程。
对于此，可选用 虹科的HPEC（High Performance Embedded Computer）高算力车载设备——DynaCOR 40-34。DynaCOR 40-34是一款液冷车用高存储计算机。提供高达16TB的存储，4.4GB / s的写入速度和多个40/56 GbE接口。并通过了E-Mark和Shock&Vibe认证，能够在自动驾驶和其他恶劣环境中可靠运行。
体积轻巧的同时亦能保证良好的散热，秘诀是DynaCOR 40-34有独立的液冷冷却系统，同时亦可以与车辆冷却系统相连。在提供高算力的同时稳定运转。
END
