
2022 年 5 月 17 日,一年一度的“517 世界电信日”(暨 2022 世界电信和信息社会日大会)在内蒙古呼和浩特召开。针对在 5G V2X 领域中路侧开放基础架构(Road Side Open Infrastructure,RSOI)的空白,在上海开源信息协会组织下,由上海白玉兰开源开放研究院、东南大学、南开大学、九州云、一汽富晟、天翼智联、东揽智能等多家单位共同倡议,联合发起 OpenV2X 开源项目,同时发布《5G 车路协同开源项目 OpenV2X 架构白皮书》,阐述计划开源的 OpenV2X 的价值定位、目标架构、功能规划和初步原型展示。OpenV2X 将在 6 月底正式公布源码。更多信息请详见《5G 车路协同开源项目 OpenV2X 架构白皮书》(文末点击阅读原文阅读下载白皮书)。

为什么要发起OpenV2X 开源项目?
在《5G 车路协同开源项目 OpenV2X 架构白皮书》中,我们阐述了当前 V2X 面临的四大问题和挑战:开放中立、软硬解耦、数据增长挑战和 5G 技术深度融合的挑战。

OpenV2X 项目希望通过产、学、研结合方式,整合科研高校、行业厂商、标准机构和开源协会等资源,集中力量攻克 “平台不开放”、“生态不多样”、“软硬不解耦”、“5G 用不上”的问题。通过源码开放、硬件开放、算法开放以及构建和 5G 深入融合的模块等方式,解决当前 5G 模式下 V2X 产业遇到的挑战。
OpenV2X 项目是完全开放的吗?以什么协议开源?
Open V2X 将在 6 月底开放种子源码,源码将会完全开放,采用国际标准的开源协议,具体协议选择将在 6 月底公布。
OpenV2X 和其他开源项目的不同之处在于?
OpenV2X 项目主要致力于路侧开放基础设施的模块,和现有开源项目的不同点在于:
OpenV2X 的目标架构是如何规划?
OpenV2X 的目标架构是基于开放源码方式,构建未来 5G/6G 网络下路侧开放基础架构(Road Side Open Infrastructure,RSOI),支持基于 V2X 标准接口,通过 5G、AI、MEC 等技术组合,构建具备海量路侧信息收集、智能融合、生态兼容、性能优异的基础架构开源和开放平台,服务智慧的路,服务智能的车,普惠行动的人。

OpenV2X 开源项目将会实现 V2X 边缘云控平台路侧,车载,综合数据融合感知分析,支持业务数据南北向接口,运维管理南北向接口;实现设备,GIS 和综合可视化管理等基础功能。当前计划开发中的算法包括交叉路口碰撞预警,逆向超车预警,弱势交通参与者碰撞预警等 17 种典型应用场景和感知数据共享,协作式变道,协作式车辆汇入等 12 种典型应用场景算法实现。

OpenV2X 现有种子源码包含哪些模块?
OpenV2X 将在明确开放的协议之后,于6月底公布所有现有合作伙伴已经开发的种子源码.
OpenV2X 项目范围内
种子源码已经包含(部分实现):
1)路侧数据的数据融合
2)路侧数据的 A I识别和预警算法
3)RSU 发送的结构化数据处理
4)符合 V2X 标准的 MQTT 接口实现
5)用于测试路侧设备和 RSU 模拟器
未来计划开发(2022 年 12 月之前):
6)5G MEC 模式下的云边协同
7)支持不同场景的应用兼容和推送
8) 路侧摄像头、雷达设备的原始信息处理
项目范围外(不包含在 OpenV2X 规划中)
1)车载操作系统
2)车路相关的硬件
3)第三方服务如精准地图、位置信息等
4)RSU 硬件和软件能力,比如通过 PC5 或者 V2X 向车推送的控制信息等
部分项目的功能截图如下:

OpenV2X 项目希望哪些合作伙伴加入?
OpenV2X 项目欢迎 V2X 领域用户、V2X 运营方、科研院校、车路协同供应商、5G 技术、AI 领域、开源等领域的合作伙伴加入。
现有发起方中,上海开源信息协会、上海白玉兰开源开放研究院是开源领域相关的组织,东南大学、南开大学是研究相关车路协同算法的科研机构,九州云和东揽智能是在 5G V2X 相关的专业技术厂商,一汽富晟、天翼智联是在智能物流、交通领域实践丰富的机构,同时还包括谷梵智能等AI硬件供应商以及其他上下游合作伙伴。OpenV2X 是开放、共享、合作的社区,希望关注这一领域伙伴一起加入,共同推进产业的发展。
好文章,需要你的鼓励
Infinidat发布InfiniBox G4系列最新升级,实现容量翻倍、物理占用空间缩减31%、入门价格降低29%。新款InfiniBox SSA G4 F24仅占11个机架单元,起始容量77TB。混合系统单机架最大有效容量从17.2PBe跃升至33PBe,增幅达92%。系统原生集成S3对象存储协议,支持文件、块和对象存储统一管理,能效比竞品高7倍。
香港大学联合多家顶尖机构开发出推测性雅可比降噪解码技术,巧妙融合扩散模型降噪与自回归并行处理,将AI图像生成速度提升2-5倍。该方法通过训练模型处理噪声输入并预测干净标记,实现多位置同时生成,在保持图像质量的同时大幅缩短等待时间,为AI创作应用带来革命性改善。
微软的MAUI跨平台应用开发框架将通过第三方框架Avalonia获得Linux和浏览器支持。MAUI目前支持Android、iOS、Mac Catalyst和Windows平台,但缺少Linux支持。AvaloniaUI公司正在为MAUI开发新的后端,使用Avalonia渲染器替代原生控件,同时支持WebAssembly在浏览器中运行。该方案预计2026年第一季度提供预览版本。
韩国大学等机构研究团队提出TAG方法,解决AI绘画中的"幻觉"问题。该方法通过放大扩散过程中的切线分量来引导AI生成更真实图像,无需重训练模型且计算成本极低。实验显示TAG能显著改善图像质量,减少不合理细节如多指手等,同时可与现有引导技术结合使用,为AI绘画领域提供了简单有效的优化方案。