FSD与V2X的优劣对比

摘要：特斯拉将准备FSD引入中国，距离自动驾驶又近了一步。自动驾驶的FSD与车联网的V2X自动驾驶相比，谁更有优势？该文从原理、人工驾驶、系统的角度，对FSD与V2X的优劣做了对比。从实现的角度看，FSD更容易实现；从成本的角度看，FSD成本更低；从人工驾驶角度看，FSD缺少了声音传感器；从定位角度看，FSD无法在整车偏移或偏转时准确定位；从系统角度看，FSD是单机操作，容易实现，但效能无法与车联网的V2X自动驾驶匹敌；V2X涉及基站系统、需要全网元统一接口，投资巨大，互联互通困难，建设周期长，尚无商业网实践经验。PSD与V2X各有所长，PSD适用于智能网联的初级阶段，V2X适用于智能网联的中、后期阶段。

关键词：完全自动驾驶（FSD）；车联网（V2X，Vehicle-to-Everything）

doi：10.3969/J.ISSN.1672-7274.2024.10.023

中图分类号：TP 18 文献标志码：A 文章编码：1672-7274（2024）10-00-03

Comparison of the Advantages and Disadvantages of FSD and V2X

Abstract： Tesla's FSD is ready to be introduced to China， one step closer to autonomous driving. Who has the advantage of autonomous FSD versus connected V2X autonomous driving？ This paper compares the advantages and disadvantages of FSD and V2X from the angles of principle， manual driving and system. From the perspective of implementation， FSD is easier to implement; From the cost point of view， FSD cost is lower; From a manual driving point of view， the FSD lacks a sound sensor; From the positioning point of view， FSD can not be accurately positioned when the vehicle is offset or deflected; From a system point of view， FSD is a stand-alone operation， easy to implement， but the performance cannot match the V2X autonomous driving of the car network; V2X involves the base station system， the need for a unified interface of the whole network element， huge investment， difficult interconnection， long construction cycle， there is no practical experience in commercial networks. PSD and V2X have their own advantages， PSD is suitable for the initial stage of intelligent network connection， and V2X is suitable for the middle and later stages of intelligent network connection.

Keywords： FSD; V2X

1 概述

1.1 FSD

FSD可将摄像头获取的图像数据输入到处理单元后，能直接输出例如转向、加速、制动等车辆控制指令来控制汽车行驶。它更像是一个人类的大脑，不需要高精度地图以及激光雷达，仅依靠图像数据输入就能分析并输出控制策略。特斯拉的自动驾驶系统依赖基于规则的判断，依靠汽车上搭载的摄像头识别车道、行人、车辆、标志和交通信号灯等，通过编写代码来应对各种情况。当前，特斯拉的FSD V12已能实现“端到端”的人工智能自动驾驶。

1.2 FSD的特点

（1）FSD采用全摄像头获取信息。FSD完全依赖摄像头获取图像，通过算法积累、学习的方式判断交通情况[1]。

（2）其具有AI功能。通过不断迭代来完成升级、学习、完善。FSD V12中的AI神经网络通过学习，不需要规则和条件判断代码，通过大量视频训练得到结果[2]。

（3）绝大部分的场景FSD都有收录，可以根据这些场景直接执行正确的操作，这需要采集大量的数据，而且需要累积经验。

（4）特斯拉第三季度财报显示FSD测试总里程超8亿千米，说明FSD可靠性已经在国外大量实地验证，并且不需要使用高精度地图。完全自动驾驶（FSD）将使车辆的利用率翻五倍，成本就变成了五分之一，而且使车主不用遭受驾驶的煎熬[3]。

（5）FSD的2022年事故发生概率明显低于人类驾驶平均事故率[4]。

（6）根据具有科学价值的、明晰的、系统性的、基于在线评价和消费者期望的问题体系评估，整体上，FSD确实比人类驾驶安全性要高[4]。

（7）通过贝叶斯推理可知，新能源汽车严重突然失控的可能性为45%，轻微突然失控的可能性为90%，突然失控事故不发生的可能性为97%。实际上，97%的不发生率在整体上是可以接受的[5]。

FSD存在问题：

（1）因为FSD参考系是车，所以当参照系发生抖动、侧翻时、FSD定位是不准确的。

（2）当遭遇大雾、大雨、大雪等恶劣天气时，FSD难以解决视距内有障碍阻挡问题。

1.3 V2X的特点

（1）在V2X车联网中，车、基站、网络、行人、灯柱、红绿灯等车联网元相互关联、消息互通，可以获得超视距信息。

（2）V2X可以多角度反馈场景，避免误判。还有，相邻车、附近基站、行人、灯柱、红绿灯标志所处的空间位置不同、传感器不一样，可以提供客观数据，从而准确判断汽车状态。

V2X存在问题：

网络阻塞。当汽车堵车时，各V2X模组在空间上拥挤在一起，使用相同的频率，大功率发射，就会出现无线网络干扰，导致无法通信，这个问题需要优化解决。

网元归属于不同的体系，协调难度大。基站属于中国移动、中国电信、中国联通等运营商，属于电子行业；汽车属于不同个人、单位；灯杆、红绿灯等属于市政管理部门、交警部门，因此，当需要协调一致工作时，需要横跨多行业、多单位，协调难度很大。

V2X车联网需要大规模建设V2X网元，投资成本较大，包括基站扩容，建设灯杆，路边标杆等，实施难度大。

车联网建设需要较长时间。与基站连接的UU接口已完成，车车、车人、车物等的PC5接口已经完成统一（PC5接口定义、场景定义），完全实现需要认证、车厂、模组、芯片整个产业链步调一致，这需要时间。车联网的网络规划、优化也需要时间。可交互的、兼容性强、可灵活配置的互联互通接口也需要大量时间调试。同时，需要建设覆盖广、速率高的无线网络，这也需要时间。

2 优劣势

2.1 FSD与人工驾驶的区别

（1）没声音。驾驶员可以听到周围环境的声音，由此可以预判物体、行人、前车、后车状态，但是FSD没有听觉。假设人工驾驶没有声音，会增加事故概率，FSD则不然。

（2）经验积累。人工驾驶存在经验积累，而成熟的FSD是大量数据、经验、场景的积累，相当于一个经验老到的司机。

（3）视野。FSD会在汽车的四周都安置摄像头，因此，视野比人工驾驶要宽得多。

2.2 FSD与雷达的区别

（1）精度。雷达距离判断较FSD准确，因为雷达测距通过毫米波工具完成，因此精度可达到毫米级别，因此更为准确。FSD通过视频测距，通过算法估算两物体间距离，准确度难以达到毫米级别。

（2）判断。雷达成像较容易误判，不如使用视频图形方法判断。FSD在成像、图形判断方面更强。

（3）传输。雷达容易受到传输介质的影响，导致误判距离。而视频判断依据较直接，不容易受环境影响。

（4）夜间。雷达夜间工作正常，视频判断可能受较大影响。

（5）成本。安装雷达成本增加。FSD前期需要大量数据积累，成本也高。

2.3 FSD与V2X区别

（1）实施。FSD容易实施，具有极高可操作性，为单机操作。V2X是一个系统工程，极不容易实施。

（2）广度。FSD处理范围为视距以内，而V2X为超视距，在控制车辆广度方面高多个量级。

（3）可行性。FSD已经有大量的应用验证其可行性，但V2X仅仅完成试验场测试。

（4）条件。V2X要求高精度地图、高精准定位、互联互通，FSD完全依赖视频判断，对外部条件要求较低。

2.4 FSD可能会出现的问题

FSD采用摄像头定距，摄像头均安装在汽车上，因此，摄像头确定的位置均以汽车为参照系。当汽车这个坐标系产生偏移或角度偏转时，摄像头获得的物体定位相对地面坐标系来说就不再准确，由于导航以地面为参照系，因此FSD的导航可能不再准确。这是存在风险的，具体场景以下。

（1）非平整路道路。FSD的参照系为携带摄像头的整车，当整车出现偏移及角度偏转时，FSD得到的位置需要加入系统偏移变量，才能得到确切位置。而汽车的偏移及角度偏转，是极难测量的，特别是仅通过视频测量更难以得到准确数据，从而导致误判；如图1所示，当整车偏移、偏转时，A’会被误判为A位置。

（2）雨雾天气。由于雨雾会导致视距受限和误判，已有北美FSD用户在雨雾天差点冲撞行进火车的事故。

（3）超视野问题。如在十字交会路口，视线被楼房或树木等阻挡物阻挡，无法通过视频提早预知。

（4）视野盲区。在转弯及下坡路段等超视野场景，容易发生事故。

（5）强光。当对向车辆使用强光灯时，可以令驾驶员瞬间失明，这时，FSD的摄像也会过曝，产生误判。

（6）车道识别。FSD识别车道，首先要求采用高清晰度的摄像机，同时有完善的算法。类似重庆这样多山、多高架桥、多隧道的地貌，对于FSD将是一个挑战。

（7）调度。FSD是单机模式，无法支撑智能调度、动态调整功能。

3 结束语

FSD积累了大量的实测数据，建立了完善的单机模型，并通过其学习系统不断学习、优化，确保FSD等同于一位具有丰富驾驶经验的驾驶员，据统计，FSD的安全系数已超越一般驾驶员。FSD还具有成本低、试验早、累计经验快、有事实数据支撑等优点，可行性高。但是，FSD存在无声音辅助、车辆偏移时会出现定位误差的缺点；同时，相对车联网，FSD也存在无超视距数据、无法提前预判、没有智能调度、恶劣环境容易误判等缺点，因此，在智能网联初级阶段，FSD是可行的自动驾驶方案，而在智能网联的中后期，车联网的V2X技术将逐步成为自动驾驶的主流技术。

参考文献

[1] 朱琳．特斯拉FSD Beta路测是非[J]．经营者（汽车商业评论），2022（3）：64-66．

[2] 朱世耘．特斯拉正在走一步险棋？[N]．国际商报，2022-02-11（008）．

[3] 陈念航．挑战特斯拉FSD，百度Apollo推出领航辅助驾驶ANP[J]．企业观察家，2020（12）：66-67．

[4] 习扬．基于在线评价和消费者期望的产品推荐排序方法研究[D]．沈阳：东北大学，2021．

[5] 张顺，周娟．基于STPA与模糊BN的新能源汽车安全性分析方法研究[J]．现代电子技术，2024，47（8）：18-24．