@@​自动驾驶中数据的延时要求是不同的，做的工作99%都付诸东流，1%价值翻倍2023.11.6

这段话讨论的是自动驾驶系统中不同场景下对数据时效性的需求。具体来说：

1. 对于车道变化的情况，由于大部分时间道路状况是稳定的，除非有修路或施工，因此数据延迟可以接受长一些，比如1小时或者1天。

2. 突发的道路拥堵或事故需要更快的数据更新，可能是1小时到10分钟。

3. 对于监测行人和车辆的位置，需要的数据更新是秒级的，即几乎实时。

从上述需求出发，文章表达的观点是：

- 百度的车路协同方案依赖安装在灯杆上的摄像头，这些摄像头无法满足所有场景的数据时效性需求。尤其是对行人和车辆位置的实时监测，它们只能提供短暂时间内的数据。

- 固定摄像头提供的数据可能不如车辆本身携带的传感器获取的移动数据更有用，因为后者可以提供更即时的信息。

- 最后，这个问题被比作是“先有鸡还是先有蛋”的问题。如果道路上有很多装备了高级传感器的智能驾驶车辆，这些车辆可以实时共享关于行人、道路和其他车辆的数据，建立起一个数据共享网络，使得每辆车都能利用到其他车辆的数据来进行决策。

简而言之，不同的自动驾驶数据需求决定了不同的更新频率要求，而现有的基础设施可能无法满足最严格的实时监测需求，但是车辆之间的数据共享可能是解决这一问题的方法。

​

自动驾驶中数据的延时要求是不同的。

1、车道变化,99%一年不变1%修路施工

延时要求可以1个小时,1天

2、道路突发拥绪,事故：1小时,10分钟

3、行人位置:秒级，车辆位置:秒级

所以:

1、从这个意义上说,百度的车路协同方案，几千个灯杆摄像头并不能同时服务行人、车辆级别的延迟要求，即数据过时，数据有效服务的，只是前后几秒钟的车辆。

2、如果这样，固定摄像头还不如移动的前后车辆数据。

3、当然，这可能就是先有鸡还是先有蛋的问题了。即如果有很多智能驾驶车辆在路上跑，每台车都搭载能给前后车辆共享行人、道路、车辆数据的摄像头，数据共享智能网络，所以自动驾驶车辆都能使用其他车辆的数据。

----------

再思考：

1、自动驾驶的道路协同方案（百度），千万个摄像头，延时低、数据价值高的摄像头同时只能用到前后的几个，几个摄像头能不能实现自动驾驶？

2、如果几个摄像头就能实现自动驾驶的单车方案（特斯拉华为），那还需要建立庞大的摄像头群吗？

3、如果几个摄像头就能自动驾驶，那建立了摄像头群，是不是就不用每一辆车都按照摄像头？

----------

这些思考点涉及自动驾驶技术中车辆独立运作与外部基础设施相互作用的不同方法： 1. **车路协同方案的限制**：百度的车路协同方案依赖于部署在道路上的大量摄像头，但即便是延时低、数据价值高的设备，每辆车在任一时刻也只能使用周围几个摄像头的数据。需要考虑的是，这些摄像头是否能够覆盖足够的区域以及是否能提供足够的数据质量和时效性来支持自动驾驶。 2. **独立自动驾驶方案的可行性**：如果像特斯拉或华为这样的公司能够仅用车载的几个摄像头实现自动驾驶，那么这表明高度的车辆自主性是可行的。在这种情况下，车辆不必依赖于外部的基础设施，减少了对广泛摄像头网络的依赖。 3. **基础设施与车辆摄像头的平衡**：如果单车的自动驾驶技术已经足够成熟，那么可能不需要在每辆车上都装配相同数量的摄像头。相反，可以通过车辆与道路基础设施之间的数据共享，优化所需的传感器数量和类型，减轻单个车辆的硬件负担，同时仍保持整体系统的高效性和安全性。 总之，自动驾驶的最终实现可能需要多种技术和方法的结合，包括高度自主的单车方案和车路协同的基础设施。每种方法都有其优势和局限性，实际应用中可能需要根据具体环境和需求灵活调整。

​