
想象一下这个场景:你用手机叫了一辆车,车门打开,你坐了进去——驾驶座上没有人。方向盘自己转了起来,车子平稳地汇入车流,遇到红灯会停下,看到行人会避让。 这不是科幻电影。在北京、上海、武汉、深圳……这样的无人驾驶出租车,已经在真实道路上载客运行了。 |
你可能会好奇:没有司机,汽车怎么知道往哪开?怎么知道什么时候该转弯、什么时候该刹车?
目前世界上有两种完全不同的思路,恰好是一场精彩的技术较量。
| 汽车怎么"看路"?两种思路 · 同一个目标 |
思路一:让车自己"长眼睛" 特斯拉的做法是——给汽车装上8个高清摄像头,就像给它长了8只眼睛,能360度环顾四周。再用人工智能当"大脑",把眼睛看到的画面直接变成驾驶动作:往左转一点、踩一下刹车、加速通过…… 整个过程就像人开车一样——眼睛看路,大脑判断,手脚操作。
|
思路二:让车、路、云一起帮忙 中国的做法不太一样——不仅让车变聪明,还让"路"和"云"也变聪明。 打个比方:你一个人走在陌生城市里,只靠自己的眼睛找路(这是特斯拉方案);但如果路边有人给你指路,手机地图提前告诉你前方堵车,头顶还有无人机帮你看看远处的情况——你走起来是不是轻松多了? 这就是"车路云一体化":
三方协同感知,行驶自然更稳健。 |
| 中国方案:20个城市先行先试车路云一体化 · 规模化试点 |
2024年7月,据央视网报道,工业和信息化部、公安部、自然资源部、住房和城乡建设部、交通运输部等五部门联合公布通知,确定20个城市(联合体)为智能网联汽车"车路云一体化"应用试点城市,标志着我国自动驾驶进入规模化落地新阶段。
车路云一体化 · 关键数据
|
试点城市覆盖北京、上海、深圳、广州、武汉、成都、杭州—桐乡—德清联合体、海口—三亚—琼海联合体等,既有超一线城市,也有汽车产业基地和智能网联示范区。
那么,"车路云一体化"到底能帮我们做什么?截至目前,已提炼出十大功能场景,通俗地讲就是:
一句话总结:这些场景的核心思路都一样——车自己看不到的,路帮你看;车自己想不到的,云帮你想。中国率先提出并践行这条技术路线,为全球自动驾驶提供了中国方案。 |
| 自动驾驶也有"看不清"的时候特斯拉FSD的短板 · 单车智能的局限 |
自动驾驶听起来很厉害,但它也有受限的时候。特斯拉用摄像头当"眼睛",可摄像头和人眼一样——也有看不清的时候。
🌧️ | 暴雨天、浓雾天:摄像头和人眼一样,雨雾一遮就看不清了。就像你大雾天开车,连前方的红绿灯都模模糊糊。专业说法叫"致盲失效"。 |
🛤️ | 没有车道线的土路:高速公路上画着整整齐齐的车道线,AI跟着线走就行。但到了乡间小路、施工路段,地上没有线,AI就不知道该往哪开了。 |
🚶 | 行人电动车乱窜的路段:城市里行人、自行车、电动车来来往往,随时可能有人冲出来。AI虽然反应快,但面对这种"不讲规则"的情况,经常需要人类接手。 |
🚧 | 被遮挡的盲区:路口停着一辆大货车,你根本看不到货车后面有没有人。摄像头也一样——它看不到被挡住的东西。 |
而中国的"车路云一体化",正是为了解决这些问题——路边的传感器不怕雨雾,云端的数据能提前预警,多方信息协同,即使某个"眼睛"看不清,系统仍能正常运行。
| 两种方案,谁更靠谱?简单对比 · 各有长短 |
靠什么看路:8个摄像头靠什么判断:AI直接出决策需要改造马路吗:不需要优点:走到哪都能用,推广成本低缺点:雨雾天看不清,盲区看不到适合:天气好、路况清晰的高速公路 | 靠什么看路:车+路+云三重感知靠什么判断:多源信息协同决策需要改造马路吗:需要,投入大优点:安全性高,不怕恶劣天气缺点:基础设施投入大,标准统一难适合:全天候、全路况的城市道路 |
打个比方:特斯拉方案就像一个视力很好的人独自走夜路——视力好,但遇到大雾就受限;中国方案就像一个团队一起走夜路——有人照明前方,有人查看路线,有人在高处监测,虽然前期投入更多,但行驶更稳健。 |
以上这些现象,其实都藏着我们技术与工程课堂上的核心知识 让我们翻开课本—— |
| 教材关联一:技术的性质与设计过程必修1 · 技术的性质 / 设计的一般过程 |
在苏教版《技术与设计1》中,我们学过技术具有创新性、实践性、目的性等基本性质。自动驾驶技术的演进,恰好是这三重性质的生动注脚。
同时,自动驾驶技术的研发完美诠释了设计的一般过程:发现与明确问题(如何让汽车自主行驶)→ 制定设计方案(单车智能 vs 车路云协同)→ 制作模型与原型(测试车辆、试点城市)→ 测试、评估与优化(海量路测数据反馈迭代)→ 编写产品使用说明书(形成技术规范与操作手册)。这是一个从需求到落地的完整工程闭环。
| 教材关联二:系统分析——两种路线的架构对决必修2 · 第三单元《系统及其设计》 |
苏教版《技术与设计2》第三单元告诉我们:任何系统都具有整体性、相关性、目的性、环境适应性等基本特性。系统分析要求我们从整体出发,研究各部分之间的关系,最终实现系统目标。
前面我们直观地对比了两种方案,现在用系统分析的视角再看一遍:
课堂要点:系统分析强调"整体大于部分之和"。车路云一体化之所以能实现更高安全性,正是因为路侧感知弥补了车辆在恶劣天气下的"盲区",云端数据提供了超视距的预判能力——各子系统协同产生的整体效能,远超任何单车独立运行的效果。这就是系统的核心价值。 |
| 教材关联三:控制及其设计——闭环控制与干扰因素必修2 · 第四单元《控制及其设计》 |
《技术与设计2》第四单元指出:闭环控制系统由输入量、控制器、执行器、被控对象、反馈环节五个核心部分组成。前面我们说的"眼睛看路、大脑判断、手脚操作",换成课本语言就是:
FSD闭环控制系统的五个环节
|
前面我们提到的那些"看不清"的情况,课本上有一个专门的术语——干扰因素。干扰因素是指除输入量之外,引起被控量变化的各种外部条件。FSD系统面临的干扰因素可以分类如下:
而中国"车路云一体化"方案的核心价值,恰恰在于通过系统优化来降低干扰的影响——路侧传感器不受暴雨浓雾限制,云端数据提供超视距预判,多源感知融合有效弥补了单车视觉的"致盲"缺陷。
课堂要点:教材指出,降低干扰影响的方法包括提高系统抗干扰能力和引入补偿环节。车路云一体化本质上就是为单车智能系统引入了"路侧感知"和"云端数据"两个补偿环节,将原本单靠摄像头难以应对的干扰因素,通过多源信息融合加以化解——这是控制系统优化的经典范式。 |
| 教学使用建议课堂实施 · 四大环节 |
环节一 新课导入在"控制及其设计""系统及其设计"章节导入中,播放央视网关于自动驾驶的实测视频片段,设置问题"自动驾驶汽车为什么能自主行驶?哪些因素会影响它的稳定运行?",引发学生思考与讨论,快速切入核心知识点。 环节二 案例分析组织分组探究活动,围绕"特斯拉FSD单车智能方案"与"中国车路云一体化协同方案"展开对比分析。结合系统分析、闭环控制知识点,梳理两种方案的系统架构、控制逻辑、干扰因素应对能力,形成小组分析报告。 环节三 实践拓展结合实践课,让学生以"自动驾驶避障控制系统优化"为主题,设计简单的控制方案,针对常见干扰因素(障碍物遮挡、光线变化)提出优化措施,完成方案设计与原型搭建,实现理论与实践结合。 环节四 素养提升通过中国自动驾驶技术的自主创新与规模化落地,结合大国工程相关内容,培养学生的家国情怀与技术创新意识,引导学生理解技术对社会发展、国家竞争力的核心价值,落实学科核心素养培养目标。 |
| 课堂思考:你来当"系统设计师"学以致用 · 拓展探究 |
思考1:画出特斯拉FSD的闭环控制方框图,标注输入量、控制器、执行器、被控对象和反馈环节。再想一想:如果要将它改成开环控制,会丢失什么能力?为什么自动驾驶必须采用闭环控制? 思考2:暴雨天FSD的摄像头"致盲",属于控制系统中的哪类干扰因素?车路云一体化方案如何通过引入补偿环节来降低这一干扰的影响?请从系统优化的角度进行分析。 思考3:从系统特性的角度(整体性、相关性、目的性、环境适应性),对比分析FSD单车智能与车路云一体化两种方案。如果你是城市规划者,你会选择哪种方案?说明理由。 思考4:车路云一体化需要统一的技术标准(架构相同、标准统一、业务互通、安全可靠)。如果各城市各建各的、互不兼容,会带来什么问题?这与教材中"标准化"的思想有何联系? |
🚗☁️🛣️
从特斯拉的"车自己看路"到中国的"车路云一起帮忙",自动驾驶不只是一场技术竞赛,更是一堂生动的系统与控制课。它告诉我们:任何控制系统的稳定运行,都离不开对干扰因素的深刻理解;任何系统设计的成功,都源于对整体与部分的精准把握。这恰恰是技术与工程学科的核心思维——用系统的视角看世界,用控制的思维解问题。
下次乘坐自动驾驶出租车时,不妨想一想:这台车是靠"自己的眼睛",还是靠"路和云的智慧"在行驶?
素材来源:央视网《五部门确定20个城市为"车路云一体化"应用试点城市》、腾讯新闻《十大功能场景发布》、搜狐汽车《特斯拉FSD技术详解》等公开报道
课标依据:苏教版《技术与设计1》技术的性质 / 《技术与设计2》第三单元系统及其设计、第四单元控制及其设计(2025版课标已更名为《技术与工程设计1/2》,新教材即将启用)