院士硬核长文，5G车联网加速，无人驾驶、车路协同生逢其时
智能网联汽车，有“单车智能”和“车路协同”两条路。“单车智能”是传统的采用整车为王的逻辑，将大量和昂贵的传感器、芯片应用在汽车上，让单车实现感知、决策、规划等功能。
而采用“车路协同”的策略，可以将大部分的工作移交给路端、网端和云端，各端靠5G连接在一起，是十分有前途的方向。
本文汇总整理了国内最权威专家中国工程院邬贺铨院士有关5G与智能网联汽车的话题，分为了“为什么是5G”，“5G的应用”，“5G的特点和挑战”三个部分。
尝试回答Why，How，What三个问题，有助于我们全面了解5G在无人驾驶、车联网、车路协同等领域的应用以及面对的挑战。
本文共计3640个字，阅读时间需要20分钟。
主要观点
1. 5G的增强移动宽带、高可靠低时延、广覆盖大连接，让无人驾驶生逢其时。
2. 目前针对于公众通信设计的5G网络，与车联网点到多点和多点到点等场景有很大区别，需要优化。
3. 5G的网络切片、基于服务的网络体系、边缘计算等特点，对于网联汽车既有优势也有挑战。
第一部分，为什么是5G
十年一代，速度千倍
所谓的G（Generation），即一代一代的意思。1G移动通信是模拟的，一个蜂窝小区，依靠频率不同区分用户；2G是数字的，以GS为代表的时分多址，依靠时序不同区分用户；3G以CDMA为代表，采用的是码分多址；而4G，将频分、时分、码分都用上了。
NR-V2X是5G，采用与4G同样的正交频分多址，从最早的1G到现在的5G，都经历了“十年一代，峰值速度提升千倍”的过程。
根据通信的基本原理，把基站做的更密，把天线做的更密，把信道带宽展得更宽，再加上物理层技术的提升，通过这些技术的支撑，5G实现了增强移动宽带、高可靠低延时、广覆盖大连接的特性。
通过云化、虚拟化、软件定义、网络切片的网络技术，5G比4G在多项性能上有1-2个数量级的提升。
5G虽然仅仅是一个无线技术，但同时也是联结云计算、大数据、人工智能、网联网、区块链、工业互联网的纽带。
把前端物联网的数据采集，接入到网络上，送到核心网，送到后台数据中心和云计算进行分析处理，这样便打通了数据采集、存储、处理、分析到决策的全过程，发挥了数据作为生产要素的作用。
无人驾驶生逢其时
汽车自动驾驶不同级别对时延有不同的要求，L3-L5级别的远程驾驶、传感器共享、自动泊车，要求端到端的时延不超过3毫秒，可靠性要求为5个9（99.999%），每辆车每秒数据1GB，传感器带宽为1GB。
4G即使加上边缘计算MEC，时延只能做到10毫秒量级别，仅仅可以支持L1和L2的要求。
“5G空中接口”加上“边缘计算MEC”，可以实现1毫秒的延时，可靠性可以做到6个9（99.9999%），是自动驾驶特别是L5无人驾驶比较合适的通信手段。
具体的，5G的超带宽，可以满足车载激光雷达200Mbps要求；低时延可以满足L4/L5的1到10毫秒要求；而5G的定位，其精度在垂直方向以及室内都优于卫星定位。
第二部分，5G的应用
车联网的应用场景
基于车联网V2X的通信标准，最早采用短距离通信DSRC，发展出了基于蜂窝的C-V2X。C-V2X又分为了基于4G的LTE-V2X，增强的eV2X，而5G是新空口的NR-V2X。
目前5G车联网由V2V、V2P、V2I、V2N四类通信组成，可以服务于车联网V2V/V2I的安全、V2I/V2P的提升效率和V2I的服务三大领域。
这些应用归纳起来，即满足车速小于130公里/小时，通信距离大于300米，系统延时小于100毫秒，数据更新频率1Hz，定位精度小于1.5米，路边单元可以覆盖320米的半径，密度200-400米的场景中。
相比于其他V2X通信方式，5G的通信范围可以延长到1公里，下行带宽为1G，时延不超过3毫秒，可以进一步实现情景感知和协作驾驶。
不同于公众通信
下图汇总和对比了5G在车路协同和公众通信网上的主要区别。
公众通信80%的情景是在房间里，处于非移动状态，而车联网80%的情景是处于行驶状态。
公众通信是点到点，只有使用时候才占用信道，而在车联网V2V场景下的通信是点到多点和多点到点，基本永远在线。
面向消费者的5G，大部分从网上下载的多，自己上传的少，所以同一频段一般安排上下行“三七开”，30%时隙用于上传，70%时隙用于下载。
但车联网更多是上报数据，下载则很少，应该是倒的“三七开”（远程控制：上行20Mbps，下行1Mbps）。
两者不同的上下行时隙的配比，如果安在同一个运营商的网上，会有互相干扰。
设计不同窄频可以解决该问题，但又会出现频率不够的问题。而如果不使用运营商5G网络，而自行建设5G车联网专网，需要建设相关基础设施，又存在成本的挑战。
第三部分，5G五大特点和挑战
特点一，网络切片，适应不同需要
4G网络主要服务于人，连接网络的主要设备是智能手机，不需要面向不同的应用场景。
而5G网络的切片技术(Network Slicing)，将一个物理网络切割成多个虚拟的端到端的网络，每个虚拟网络之间，包括网络内的设备、接入、传输和核心网，是逻辑独立的，任何一个虚拟网络发生故障都不会影响到其它虚拟网络。
通过切片，每个虚拟网络具备不同的功能特点，使得5G可以面向不同的需求和服务，支持多种多样的业务，分为了三类：
要求带宽的移动宽带业务eMBB （Enhanced Mobile Broadband）；
要求连接数多的海量机器通信mMTC（Massive Machine Type Communication），时延是4毫秒；
要求运动速度高可靠性高的任务关键性通信uRLLC（Ultra Reliable Low Latency Communications），时延是0.5毫秒。
三大场景中，mMTC和uRLLC主要针对垂直行业的业务需求，特别是任务关键性物联网uRLLC，满足超低时延和高可靠性，适用于车联网或无人驾驶。
但是，如果对每一个V2X都分配切片，数量太多，难以收敛；
但如果把所有车都纳入到一个大切片里面的，因为汽车要求不同，汽车各个功能也不同，无法体现差异性。
特点二，基于服务的网络体系
不同于“点到点”的构架，5G核心网采用的是基于服务的网络构架SBA（Service Based Architecture），服务化架构是5G核心网区别于传统核心网的显著差异。
SBA意味着，5G网络的业务生成了，可以以APP的方式，来适应未来不确定性的业务。
APP可以由运营商开发，也可以是第三方网络公司，甚至是网民开发，包括用户身份管理、认证鉴权等等，都可以作为一种服务，这些服务既可以给运营商使用，也可以运营商把这些服务打包，提供给垂直行业使用。
但同时，SBA也会面临风险，会有恶意APP进入，网络有被误用和滥用的可能。
另外一方面，SBA改变了移动通讯协议的专用化，增加了被攻击的风险，车联网的通信以短包为主，传输效率也不高。
另外，城市车联网要求每个城市要有数据管理中心，要彼此互联。
特点三，5G与边缘计算
5G的特点是有利于边缘计算，如果需要快速响应的数据都上到中心云的话，时间延迟太大，很可能耽误事。
车联网的数据需要快速响应，所以需要把中心云的数据分一部分到边缘云，去处理对时间延迟的敏感业务，这部分云的存储和内容会分发下沉。
边缘计算可以放到集中单元，可以服务于多个基站，也可以放到车间、放到工厂。
据预测，未来50%的数据可能都需要由边缘侧进行处理，可以快速响应，而且降低了对核心网带宽的要求，减轻了对中心云处理的压力。
但是，也会带来两个问题，在城市车联网场景下，边缘计算下沉到路边单元RSU，成本会太高。
如果边缘计算管理多个路边单元RSU，每辆车在行进过程中需要接入不同边缘计算，边缘计算之间的数据互通，也会引入时间延长。
特点四，5G与IPv6的结合
IPv6是互联网协议技术标准，TCP/IP协议簇中IP协议的第六版，用于替代上一代IPv4协议。与5G的结合，对车联网有很好的支持。
传统的网络不知道IP包里的具体业务是什么，但IPv6有很多比特地址，这些地址不仅可以给终端标志，还可以增加更多的功能，可以定义业务的类型，称为应用感知网。
可以定义应用ID、用户身份、服务质量等等，还可以定义带宽要求、延时指标，这样网络就能清楚知道承载的是什么业务。
另外，也可以将一些比特插入到IPv6中，可以实现随流检测，也可以使用分段路由功能。
具体的例子，无人驾驶与驾驶安全有关的数据，相比于其他业务有更高的优先权，可以由应用感知网来定位业务的优先权，然后采用随流检测，发现有没有传输信道的质量问题，最后用分段路由，提高可靠性。
但是为了更低的时延，期望IPV6包开销尽可能的短，用户可以定义业务流的要求，同时需要防止定义被滥用。
特点五，5G与人工智能、物联网、区块链
5G可以将物联网和人工智能无缝融合起来，在汽车上直接嵌入人工智能的芯片和操作系统。
相当于将边缘计算的能力下沉到网联车，让网联车本身具有处理能力，就是我们开头提到的单车智能。
5G本身具有接入回传一体化的功能，相当于基站本身可以接入进来，基站与基站的回传原来是通过光纤或者微波，现在直接用基站的无线信号，这样远端的物联网终端也可以连到基站，也可以嵌入区块链，提高安全。
其他挑战
5G时代的车联网存在标识之间互通难题、群组印证难题、安全风险增加等问题需要解决，要进行动态管理。
车联网要快速计算和处理，运营支撑系统不能只是运营商一个，可能到每一个城市也有一个，否则就不能实时性，所以实时性对5G和车联网，是很大的挑战。
5G对车载终端和路侧终端也有要求。
最后，车路协同不仅仅是车与路，还有车与人，IT系统，与服务的协同。
以上内容摘自正在撰写的《一本书读懂无人驾驶》，敬请期待。
参考文献：
邬贺铨，中国工程院院士，5G赋能网联车