为什么自动驾驶需要5G？（一）
什么叫自动驾驶？
自动驾驶分为6个等级：
Level 0：人工驾驶，无驾驶辅助系统，仅提醒。
Level 1：辅助人工驾驶，可实现单一的车速或转向控制自动化，仍由人工驾驶（如定速巡航、ACC）。
Level 2：部分自动驾驶，可实现车速和转向控制自动化，驾驶员必须始终保持监控（如车道中线保持）。
Level 3：有条件自动驾驶，可解放双手（hands off），驾驶员监控系统并在必要时进行干预。
Level 4：高级自动驾驶，可解放双眼（eyes off），在一些预定义的场景下无需驾驶员介入。
Level 5：全自动驾驶，完全自动化，不需要驾驶员（driverless）。
自动驾驶基本原理
关于自动驾驶的基本原理，需了解三大关键词：传感器、数据融合（Data Fusion）、100％安全性决策。
传感器
自动驾驶需要的传感器系统主要有三种类型：摄像头、雷达和激光雷达。
摄像头
摄像头是自动驾驶必备的传感器，包括前视、后视和360度摄像系统，后视和360度摄像头主要提供360度外部环境呈现，前视摄像头主要用于识别行人、车辆、道路、交通标志等。
雷达（RADAR）
自动驾驶需要多个雷达传感器，其功能是无线探测和测距，主要用于盲点检测、防碰撞、自动泊车、制动辅助、紧急制动和自动距离控制等应用。目前的雷达系统主要基于24GHz和77GHz，相较于24GHz，77GHz在测量距离和速度时具有更高的精度，以及更高的角分辨率，且还具备天线尺寸小、干扰小等优点。
激光雷达（LiDAR）
LiDAR，即Light Detection And Ranging的缩写，它是一种基于激光的系统，除发射器（激光器）外，系统还具备高灵敏度的接收器。LiDAR主要用于测量静止和移动物体的距离，并通过处理提供所检测物体的三维图像。
LiDAR应用于自动驾驶所面临的挑战是，如何克服在雨雪、雾、温度等环境影响下识别较远距离的物体，同时，这玩意成本太高，目前不适合汽车领域的大规模部署。
数据融合（Data Fusion）
数据融合就是将不同传感器（如雷达、摄像头和激光雷达）数据进行智能化合成，实现不同信息源的互补性、冗余性和合作性，从而做出更好、更安全的决策。比如摄像头具有分辨颜色（识别指示牌和路标）的优势，可易受恶劣天气环境和光线的影响，但雷达在测距、穿透雨雾等有优势，两者互补融合可作出更精确、更可靠的评估和判断。
100％安全性决策
一旦出现交通事故，重则导致人身伤亡，因此，自动驾驶对技术安全的要求相当苛刻，需实现接近100％的安全性。
简而言之，自动驾驶就是通过传感器收集全面的环境信息，再对信息融合处理，并作出接近100％安全性决策。
目前多数人所谈的自动驾驶，都是基于汽车本地端的传感器、数据融合来实现决策的。
但是，你有没有想过，这种单凭本地端实现的方式存在一些局限性。
当汽车横穿十字路口时，自动驾驶能预知从左侧高速驶来的大卡车吗？
由于易受雨、雪、雾、强光等环境影响，摄像头能始终准确识别指示牌和红绿灯吗？
再举一个例子。
当自动驾驶在高速路上以130公里／小时行驶时，摄像机／雷达融合无法安全地检测到前方超过120米距离外的停车，这将触发超过5米每平方秒的紧急制动，这是无法接受的。
总之，道路环境异常复杂，雷达、摄像头和激光雷达等本地传感系统受限于视距、环境等因素影响，要实现100％安全性，自动驾驶需要弥补本地传感器所欠缺的感知能力。
简单的理解，本地传感系统让汽车实现了“眼观六路”，但自动驾驶还需要“耳听八方”。
这就需要C－V2X闪亮登场。
