探讨背景：车路云项目在推进过程中面临技术和非技术的诸多挑战。诚邀您结合自身经验参与探讨。 Q：您了解的项目中要求的高精度定位主要应对哪些场景？ 摘选回复1： 我之前接触过的项目需要获取车道级车速信息、车道拥堵情况并智能开启可变车道，如果定位精度不足可能会造成无法精确确定不同车道上的车辆行驶速度、拥堵情况数据。我们更倾向于采用亚米级别的高精度定位方案，这样就基本上可以区分不同车道上的车辆数据，给后续的应用提供数据支持。 摘选回复2： 车路云项目中高精度定位主要应对自动驾驶、自动泊车和智能交通管理场景。在自动驾驶中，确保车辆准确感知位置和周围环境以安全行驶，精度不达标可能导致碰撞和错误决策；自动泊车时需精确找到停车位，否则易碰撞且影响正常秩序；智能交通管理依赖高精度定位了解车辆位置和状态以优化信号控制等，精度不足会误判交通状况、加剧拥堵和延长救援时间。 摘选回复3： 首先车路云项目过程参数技术可行性，北斗卫星导航目前协同高精度地图均能够提供厘米级定位，从硬件设备和社会环境提供了技术可行性现实支撑。其次中国新能源汽车智驾赛道的车企为自家汽车配备了激光雷达、视觉、毫米波雷达等相对定位辅助能力，从车端侧也提供了厘米级的车路云定位精度可能性。最后在车路云实际场景中，例如“鬼探头”安全事件，如果定位进度只能够以米为量纲，那么汽车最多只能够在10米范围内感知“鬼探头”安全事件，而此时留给主动安全系统和人反应的时间往往只有1秒，对于驾驶员视觉盲区正常人的反应时间8秒相差接近了8倍以上，因此厘米级定位精度是保护驾驶员和路上人员安全的基本原则，也是“车路云”项目定位精度的根本标准。 摘选回复4： 高精度的定位必然会带来成本的增加，采用差分定位方式实现的厘米级高精度定位主要是应用在道路的自动驾驶、道路测量、交通设施以及供电设备安装调试定位、车辆定位信息校准等场景中。此外我们还有一些交通配套设施和供电设备采用米级精度的定位，主要用来监控设备位置和时间校准等应用。 Q：通信低延时主要应对哪些场景？ 摘选回复1： 主要场景1智能驾驶场景，车辆间的协同，例如在高速公路上，车辆之间需要实时交换速度、驾驶意图等信息，以实现安全的跟车、超车等操作。如果通信延时高，车辆间的协同就会出现问题，比如跟车距离过近或超车时无法及时获取对方车辆的信息，增加事故风险。车辆与基础设施协同，车辆与交通信号灯、路边传感器等基础设施需要快速通信，以获取路况、交通信号等信息，从而做出相应的驾驶决策。例如，当交通信号灯即将变红时，车辆需要及时收到信号并减速停车，如果通信延时导致车辆无法及时获取信号，就可能闯红灯，引发交通事故。 2是智慧交通场景，交通信号控制。交通管理部门需要根据实时交通流量来动态调整交通信号灯的时长，以优化交通流畅性。这就要求车辆与交通信号系统之间能够快速、准确地通信，将车辆的位置、速度等信息及时反馈给信号系统，以便信号系统做出合理的调整。如果通信延时过高，交通信号的调整就会滞后于实际交通情况，导致交通拥堵。许多应用场景需要及时获取最新的信息，以便做出快速的决策和响应。例如，在智能驾驶中，车辆需要实时感知周围环境并做出相应的驾驶决策；在交通信号控制中，信号系统需要根据实时交通流量进行调整。如果通信延时高，信息的及时性就会受到影响，可能导致决策失误或响应不及时。同时，车路云一体化系统涉及大量的数据传输，包括车辆的位置、速度、传感器数据等。如果通信延时高，数据的传输速度就会变慢，可能导致数据丢失或不完整，影响系统的正常运行。如果通信延时达不到要求，会带来安全风险增加，在智能驾驶场景中，通信延时可能导致车辆无法及时获取周围环境的信息，从而增加发生交通事故的风险。例如，车辆可能无法及时收到前方车辆的刹车信号，导致追尾事故；或者无法及时发现行人或障碍物，导致碰撞事故。还会带来交通效率降低、甚至是智慧城市建设受阻。 摘选回复2： 相关关键信息从现场采集到车辆接收，可能会经过采集——现场站点——云数据中心机房——再送到车辆来进行分析判断，这个过程可能就需要经过15ms左右，如果网络发生突发倒换，可能要增加几十ms，因此，我们的运行要保证在20~50ms之间。如果延时不达标，那么车辆判断时间自然就延迟，那么做出相应控制动作就是延误，很有可能出现因延迟操作而带来的车祸。 摘选回复3： 主要应对自动驾驶与智能网联交通，自动驾驶汽车、智能网联公交车和出租车等，在行驶过程中需要实时与道路基础设施（如信号灯、路侧单元RSU等）、其他车辆以及云端服务器进行通信。这么低的延时确保车辆能够快速、准确地接收路况信息、交通规则、紧急预警等，同时上传车辆状态、位置等数据，以实现安全的自动驾驶和高效的交通管理。延时过高可能导致车辆无法及时响应路况变化和紧急事件，增加碰撞和交通事故的风险；另外在自动驾驶和智能网联交通中，延时过高会导致用户体验下降，如车辆行驶不平稳、响应滞后等。 摘选回复4： 我们今年的车路云一体化方案主要应用场景 智能交通系统应用 1交通信号优化 通过车路云一体化技术，实时收集并分析交通流量数据，动态调整交通信号灯的配时方案，提高交通效率。 2交通拥堵缓解 利用车路协同信息，预测和识别交通拥堵点，为驾驶员提供实时路况信息和绕行建议，有效缓解交通拥堵。 3交通事故预防 通过车载传感器和路侧设备的实时监测，及时发现潜在的安全隐患，并向驾驶员发出预警，降低交通事故发生率。 自动驾驶汽车应用 1高精度地图与定位 借助车路云一体化技术，为自动驾驶汽车提供高精度地图和实时定位服务，确保车辆在各种复杂道路环境下都能实现精准导航。 2环境感知与决策 通过车载传感器和路侧设备的协同感知，为自动驾驶汽车提供全方位的环境信息，帮助其做出正确的驾驶决策。 3远程监控与调度 利用云计算平台，对自动驾驶汽车进行实时远程监控和调度，确保其安全、高效地完成任务。 智慧城市与智能交通融合应用 包含公共服务优化 应急响应与救援 数据驱动的城市管理 我们的场景里面 低延时主要面对自动驾驶相关场景，延时不到危害公共交通安全。 摘选回复5： 场景1：自动驾驶中，车辆需要对环境做出实时反应，如在高速公路上遇到突然刹车或前方障碍物时，如果通信延迟过高，车辆无法及时获取其他车辆或基础设施（如交通信号灯）的实时数据，可能导致判断失误或反应不及时，增加事故风险。极低的延时（比如小于5毫秒）是非常重要的，他确保系统基于最新信息做出决策 场景2：在紧急情况可能需要进行紧急救援或者故障预警，如车辆故障、交通事故或恶劣天气，低延时通信能确保及时发布预警信息，协助其他车辆采取避让或减速措施。高延迟会导致预警信息传播滞后，使车辆处于潜在危险中 Q：请描述下您是如何解决上述所选的网络安全问题的？ 摘选回复1： 当前解决上述问题从几个方面入手，一个是控制接入，对于从外部接入的请求严格进行验证和管控，减少非授权入侵的风险。在数据采集传输过程中对于关键数据采取加密传输的方式，数据存储单元利用数据备份系统进行数据安全保护。通过主动漏洞扫描及时发现边缘侧终端存在的安全漏洞，快速修复。严格进行用户管理和权限管理，细化权限，建立认证安全流程化管理，对于出现的异常情况能第一时间发现。 摘选回复2： 可以利用车路协同平台，支持互联互通测试与验证，以确保不同产品间的有效对接和集成。强化端到端的数据加密和安全协议，确保数据在传输过程中的安全性。建立一个集中的安全监控系统，用于实时监测和响应潜在的安全威胁。 摘选回复3： 针对数据安全，我们一般是对车路云系统中的数据进行加密，包括车辆行驶数据、用户个人信息、地图数据等。可以使用对称加密算法或非对称加密算法，确保数据在传输和存储过程中的保密性。例如，使用AES算法对车辆行驶数据进行加密，使用RSA算法对用户个人信息进行加密。针对边界防护，我们一般在车路云系统的边界部署防火墙，阻止未经授权的网络流量进入系统。可以使用硬件防火墙或软件防火墙，根据系统的需求和安全策略进行配置。例如，使用Cisco ASA防火墙对车路云系统的边界进行防护。 对访问控制一般就是做好身份认证。针对车端安全，一般也就是加强车端设备的硬件安全，包括车辆控制单元（ECU）、传感器、通信模块等。可以使用硬件加密芯片、安全启动技术、物理防护措施等，确保车端设备的安全性和可靠性。 摘选回复4： 我们在一些项目中搭建了云管端数一体化安全能力体系，XX单位作为“网络安全现代产业链”链长单位，有自己的整套安全体系和各种安全产品，分别对应不同场景的安全需求，做到全量资产管理（互联网暴露面资产测绘 内网资产测绘）安全运营可视（设备纳管 事件响应） 安全事件管理（资产 风险 事件） 漏洞风险管理（多源多场景采集 漏洞风险关联分析 漏洞风险闭环管理） 在信息安全及隐私方面，做到 数据加密与传输安全：加密处理交通数据，采用安全机制，防窃取篡改。 隐私保护技术：采用差分隐私、联邦学习等隐私保护技术，确保信息不泄露。 安全审计与监控：实时监测和预警，及时发现并处置安全威胁和漏洞。 摘选回复5： 车联网作为融合类应用，关系到智能网联汽车安全、平台安全、应用安全、数据安全等诸多方面，具体到设备而言，RSU作为车联网中的关键通信节点，易成为网络攻击的对象。攻击方式包括物理攻击、节点模拟、身份披露、拒绝服务攻击等，尤其近年来我国部署了大量的路测RSU设备，其网络安全问题应该引起重视，以应对未来复杂多样的车端、路端网络安全风险。 点此查看原帖