首页 > 专业知识 > 车路协同如何以「上帝视角」，赋能高级别、商业化的自动驾驶未来？｜36氪专访

车路协同如何以「上帝视角」，赋能高级别、商业化的自动驾驶未来？｜36氪专访

晰数塔互联网快讯
2022-01-07 10:40

文｜李震寰

过去的2021年，国内自动驾驶领域的标志性事件之一，当属北京成为国内首个开启自动驾驶”Robotaxi“商业化试点的城市，这也意味着国内自动驾驶赛道终于迎来了“下半场”——商业化运营阶段。

尽管国内外自动驾驶发展迅速，但是诸多细分赛道的从业者开始更加客观理性的审视整个行业，选择更合理的技术路线。

近期，公安部交通管理科学研究所副所长俞春俊在一次行业会议上指出，目前国内众多自动驾驶企业都在花20%的精力解决自动驾驶80%的功能，但随着进入高级别所遇到的“长尾效应”问题不断出现，未来可能需要花80%的精力去解决剩下的20%长尾问题。而这20%的问题则是现在自动驾驶汽车计算平台操作系统、感知系统以及算法技术凭借单车智能所不能化解的。

在国家的“十四五”规划中，强调了车路协同在自动驾驶发展中的战略意义，未来中国将履行“单车智能+车路协同”双轨并行的战略，打造更可靠的自动驾驶实施场景，因此路侧数字化智慧化建设具有重要意义。

千方科技总裁潘璠对36氪表示，安全性和经济性是自动驾驶非常重要的考量指标，坚定不移地走“单车智能+车路协同”路径，能很好地实现二者的平衡。“车路协同其实是帮助单车智能实现了一个上帝视角，通过道路基础设施的全部数字化实现数字孪生，来弥补单靠车端加装传感器带来的感知不足，有效扩大单车智能的安全范围，且最大化提升自动驾驶效率及控制成本。”

车路协同的前提是道路的智能化改造和基础设施投资。潘璠认为，要实现未来全域道路都能很好地支持自动驾驶，不能仅仅把车路协同狭义理解成就是一个V2X通信技术，而是需要汽车产业链跟整个交通路网体系之间的协同，需要产业融合。

与此同时，对于城市交通管理者来说，需要对智能交通体系的建设与投入进行系统地思考，把对自动驾驶的支持与对交通基础设施的建设统一起来，这对行业良性发展至关重要。

千方科技是国内车路协同自动驾驶技术路线的发起者之一，并于2016年牵头成立了“北京智能车联产业创新中心”，联合行业知名企业、科研院所等机构，编制完成自动驾驶能力评估、道路选取、试验场建设、数据传输等系列团体标准，为北京市在全国率先探索出自动驾驶测试的管理政策和服务体系，以及测试场地与测试服务提供了支撑。

国家智能汽车与智慧交通（京冀）示范区亦庄基地

“绝大多数的试点示范区域其实偏重于技术的示范，可能搭了一个试验场，安装了设备，但北京是从政策法规标准到技术产品落地都做了全面考虑的，是一个高标准、全产业链的商业化示范区。”潘璠表示，北京示范区从成立之初就较早提出自动驾驶以车路协同方向为主导。

不久前召开的第十六届ITS中国智能交通年会上，千方科技面向行业发布“千方科技Omni-T2.0全域交通解决方案”。其中，千方科技基于过去6年在车路协同上的技术探索和落地实践，特别是依托北京亦庄自动驾驶测试示范基地进行的技术和商业化验证，总结提炼成了“智能网联数字运营解决方案”，意图打造基于自动驾驶的城市数字化运营模式，向其他地区复制推广。

带着对车路协同如何赋能自动驾驶技术和商业化未来的诸多问题，36氪与千方科技副总裁、千方研究院院长孙亚夫进行了一次深入访谈。

以下是36氪与孙亚夫访谈内容（经摘编）：

36氪：车路协同对于自动驾驶进入高级别的重要性已渐成行业共识，但业界对于车路协同还缺乏全面的认知，千方科技的车路协同观如何系统阐述？

孙亚夫：谈到车路协同可能会有一些概念需要澄清，单车智能一般是指以车自身的智能来实现汽车自主驾驶的问题，也就是高级别自动驾驶或者无人驾驶（SAE定义的自动驾驶L4和L5阶段），面向自动驾驶来谈车路协同一般是指依托车和路的智能一起来解决汽车自主驾驶的问题。

要实现汽车的高级别自动驾驶，首先必须有数字化的汽车，其次数字化的汽车应该走或者应该适配数字化的道路。马车走马路，汽车走公路，在道路交通运输发展历史进程中，车路协同或者路车适配一直就存在。

什么是数字化的道路？数字化的道路应该能够提供数字化的设施信息、运行状态、交通管控给数字化的汽车，而不是单纯依赖汽车自身传感器对道路上面向人类视角去设计的标志、标牌、红绿灯等信息进行再感知和识别。

我们理解的车路协同一般分成3或4个层次：

1）车路数字化交通信息交互层次：道路将自身的信息数字化后通过车路通信播发到车端，包括标志、标牌、护栏、信号灯等基础设施的数字化信息，还包含动态的交通事件、施工、交通管制等信息。

2）车路感知协同层次：单车感知易受障碍物遮挡、天气（雨、雾）影响，产生侧车遮挡、前车遮挡感知视野的情况，使得汽车因怕鬼探头事件而无法实现更为果断的行驶决策。通过车基感知和路基感知协同方式，实现传感融合、感知共享，最终实现车端上帝视角的感知能力，提高汽车的安全性和驾驶能力。

3）车路协同控制层次：单车路线规划决策易造成路权冲突与路径拥塞，通过路侧来对微观(路口/车道)、中观(路段/区域)、宏观(城市)的车群做车速、车道、路线规划决策，可以实现安全高效交通的运输。但，这里说的协同控制，控制的决定权还是车，不是路对车的绝对控制。

4）路控车层次：在封闭或半开放、没有其他不可控的交通参与者、低速的环境下，比如港口、矿区、机场、停车场等，可以全部通过路侧去控制运载工具，运载工具可以大量减少自身传感器，甚至没有传感器，也没有自己的规划决策控制，路侧完全实现感知、规划决策以及控制，只有执行。

为什么将车路协同控制层次和路控车层次分开来说，是因为现在谈车路协同和单车智能的概念，语义中其实隐含了很多东西。一说到单车智能感觉就绝对不能也不需要车路协同，一说到车路协同就容易被理解为路控制车，车端可以大量减少传感器甚至不需要，将单车智能和车路协同对立起来了。我们认为针对高级别自动驾驶，现阶段应该是单车智能为主，车路协同为辅。车路协同的价值是为自动驾驶汽车提供了更好的道路支撑，能够让自动驾驶更加安全和便捷，而不是说少了这条具备车路协同的道路，就无法实现高级别自动驾驶了。

应该看到在未来很长一段时间内，单靠人工智能改变车，很难实现多个场景下的无人驾驶。道路的数字化是一个基础，会加速高级别自动驾驶的产业化落地，不是最终解决高级别自动驾驶。目前的道路是给人来设定的，要做到真正的路车适配，道路交通法规、交通工程也要发生改变，未来的道路不仅是数字化的，交通管理、运行机制也都要随着高级别自动驾驶的到来而发生变化。

从车路协同发展的角度来看，车路协同的第一层对应自动驾驶的L1、L2以上；车路协同的第二层对应自动驾驶的L3、L4以上；车路协同的第三层对应自动驾驶的L4、L5。智能网联的汽车和智能网联的道路，会相互推动，螺旋式提高自己的数智化水平。因此，当车发展到极致的时候，路也会发展到极致。不会出现一个智能化水平很高，一个智能化水平很低的情况。

36氪：从感知层面，车端和路侧具体如何协同？

孙亚夫：在车和路的协同发展历史中，车端的发展一直都先行于路端。因此，在车路协同发展的前期，路端感知应该是车端感知的补充，不应该去取代车端的感知。一方面，很难保证路侧感知指标能满足车规级品质要求，也不能保证信息实时、毫秒级的传输；另一方面，在车端感知范围之内应该能感知到的信息，也不能单纯依赖路端感知再反馈给车端。

在车端感知范围内的事件，一般都处在需要快速采取控制措施的时间范围内，特别是高速行驶时。从路端到车端，不但增加了感知时延，也增加了感知融合的难度，对事件处置帮助不大。车路协同的感知协同应该解决的是超视距的问题，视野遮挡/看不见的问题。

车路协同的第一层路侧不需要增加很多额外的传感器，只需要将现有道路的视频、雷达、天气、路面传感器感知到的事件信息提取出来，通过车路通信设备发送到车端即可。它属于事件级、车道级、秒级时延的感知，感知计算可以在边侧，也可以在云端。车路协同的第二层路侧需要增加或者增强现有的视频、雷达传感器、边缘计算设备，使之能感知到目标级、厘米/分米级、毫秒级时延的信息，一般在交通流比较复杂的路口、路段来布设。在车和路的协同发展中，不是所有的路口和路段都需要布设传感器，传感器的布设应该因自动驾驶车辆需求，分级、分地点来布设。

36氪：但还是有一种观点认为依靠单车智能到一定阶段，路侧的智能化设备可以通过后装来实现车路协同，对此您怎么看？

孙亚夫：依靠单车智能用后装去解决高级别自动驾驶其实是个伪命题。车未来会通过淘汰的方式来实现质的升级，拿现在的车和智能化的车对比，如同从马车到汽车无法通过后装来实现的道理一样。

路侧相对灵活，既可以扩路改变物理形态，又可以通过加装设备去提升感知能力。千方提倡用软件定义交通基础设施，就是想通过不断的更换和叠加来满足未来基础设施的扩展性需求。从功能型的路口升级为智能型的能口，实现感知层的共享和融合。建设软件定义的交通基础设施，未来的道路如果有新增需求，可以下载或者部署新的App来实现新功能，实现版本的升级和迭代，而不是重新部署一个带有新功能的设备。可以把千方提出的智能路口比做一个感知、计算、控制等模块分布在一个路口空间的智能手机，传感器、计算设备、控制设备、通信设备可以按需替换，功能通过部署新的APP来实现。

在智能化时代，产品本身具备智能，而智能的打造，同数据、算力、算法都有关系，尤其是数据和场景有强关联关系。数据、算法和算力的不断循环和迭代下，未来智能化产品的生产逻辑，不是一次性交付一个完美的东西。使用者同时也是生产者，在使用场景中的产生数据，云边端协同反复训练算法，不断迭代和学习，解决长尾的问题，使产品最终达到近乎完美的状态。

这是特斯拉汽车、苹果手机的模式，也是消费互联网时代的底层逻辑，进入到产业互联网时代，我们现在按照工业时代生产的产品，同样也要突破原来的产品研发产业化逻辑。

36氪：从单车智能来看，L3到L4的成本会有大幅的上升，车路协同是否也会面临同样的问题？

孙亚夫：无论单车智能还是车路协同，两者都是需要不断演进中发展，指望任何一条路径的跃进式发展已经很难成立。

自动驾驶车辆的L4一定要分场景看，比如说港口类的L4、园区内的低速L4、高速公路的仓对仓的无人化货运，这些封闭或半封闭环境下的L4会比较快出现。

逆向思考，L4快速出现在这些场景，是因为道路环境受控。汽车应该逐阶实现自动化，道路同样会逐阶段实现，路一定会越修功能越强大，最后实现路可以控制车，车自己也能实现无人驾驶，没有主辅之分。

从成本角度来考量，L1、L2阶段，在路侧车路协同的功能是在信息交互层面上，成本不高，可以大面积推广；在车端同样可以大面积推广，在可控的成本下终端的性能有比较大提升。

从路侧复杂路口的感知层层递进加强，到L3、L4车端的感知能力提升，在渐进性升维的路径上，在数智化的大前提下，成本不会成为阻碍技术进步的桎梏。

36氪：千方在北京承担国家级示范区所沉淀的经验和模式能给其他城市提供哪些借鉴？

孙亚夫：谈不上借鉴，可以分享一些我们的历程。千方科技自2015年开始从车路协同的角度探索智能网联汽车自动驾驶的路径，2016年承担了国家智能汽车与智慧交通（京冀）示范区的运营服务工作，并联合北京多家龙头企业成立了北京智能车联产业创新中心。

截至2021年12月底，在创新中心助力下，北京市自动驾驶车辆道路测试累计安全里程超过390万公里（不包含低速无人载运工具），占据全国16个智能网联汽车测试示范区共计700多万公里总测试里程的超过一半的份额，同时支撑北京市自动驾驶测试车辆牌照数、测试类型、开放测试道路里程数均居全国前列。021您

北京智能车联产业创新中心

成立之初创新中心的使命就是围绕智能网联汽车“全生命周期”测试、验证、检测与评估提供第三方运营服务,瞄准的是高级别自动驾驶直至无人驾驶的技术验证与产业化落地。在全国范围内率先提出以“场-路-区”逐级递进的试验和示范环境为支撑，开展智能网联车路协同的测试与示范应用。

2020年，全国第一个区域级支持车路协同自动驾驶的开放测试区在北京市经济技术开发区（亦庄）设立，最开始的面积是40平方公里。技术上，北京亦庄的车路协同实践了车路信息交互和感知协同。在车路协同的路侧基础设施的建设模式上，亦庄的另外一个正在探索值得借鉴的经验是：将以往按照使用部门划分而分开建设的监控视频设备、非现场执法设备、卡口视频设备、雷达与视频检测设备、红绿灯、灯杆等，作为统一的城市感知基础设施建设。这个新的建设模式将减少重复建设，同时降低支持车路协同的路侧交通基础设施的建设成本。

过去5年，创新中心支持北京市着力解决了自动驾驶和车联网产业里面的三个问题：上路难、评价难、测试难。北京发了全国第一个自动驾驶车辆上路测试的政策，同时完成了自动驾驶能力测试评估的成套的技术标准和规范，并建立了从封闭测试场，到开放测试道路，到开放测试区的三级测试验证和示范的环境体系。

我们认为，这些工作使得中国的自动驾驶从关键技术研发阶段进入到产品和商业模式验证阶段。同时，也推动了基于车路协同的路侧交通基础设施的技术研发与建设运营模式的改变。

36氪：基于北京示范区的运营经验，一个城市应该如何打造自己的智能网联产业，千方科技对此有何系统化的思考？

孙亚夫：汽车的高级别自动驾驶已经是一个确定性趋势了。汽车的高度自动化，需要路侧交通基础设施、交通管理、交通运输服务以及交通运行机制升级换代。同样，也推动云（云控平台）、网（车联网、物联网、5G）、图(高精度地图和定位)、测（自动驾驶测试评估）原有的产业发生升级换代，同时还将催生一个新的万亿级的运营服务市场：数字化基础设施投资建设运营与基于无人驾驶的交通运输服务市场。

以智能网联汽车与智慧交通、车联网为代表的智能网联产业目前正处在产品和商业模式的验证阶段，一旦完成，将迎来产业化高速发展期。这一时期，需要数智化的基础设施、先行先试的政策与监管、高价值的场景、可行的商业模式和完整的产业生态的支撑。这些，都需要政府牵头来搭建舞台。

如果将智能网联和智慧城市一起看：发展智能网联汽车，建设数智化交通基础设施，打造智慧城市，可以看到车、路、城，三者互为支撑、互为推动，密不可分。也只有这样，我们才能解决车路协同的基础设施建设谁来做，投入产出如何来计算等等问题。

从这些年运营北京示范区的经历来看，我们认为，打造一个城市的智能网联产业，可以落地实施4个步骤，外加一个商业模式。

第一步：建设组织和运行机制。产业打造是一个长期的过程，需要有自上而下的政府顶层组织，也需要有专业的运营管理团队。政府的顶层组织需要能提供先行先试的政策，探索新的商业模式。社会第三方的运营管理团队应该是本地的产业链龙头企业牵头的社会化运营实体，需要懂行业需求和懂发展趋势。

第二步：政策标准制定与准入管理。无规矩不成方圆，政策和标准的制定与迭代，有利于引导行业健康有序发展。基于政策标准进行测试运营示范准入管理，避免出现无序的产业竞争和内卷，给与企业和公众明确的产业发展路径。

第三步：环境建设与场景建设。测试示范环境建设包含支持高级别自动驾驶的车路协同的数智化基础设施的建设，道路交通组织的梳理和重新施划，甚至部分道路的交通工程，自动驾驶配套停车、充电等设施建设等等，有些城市还需要建设封闭测试场地。结合本地特色，开展无人出租、无人售卖、干线无人物流等等不同场景的自动驾驶运营示范。

第四步：运行监管与服务。自动驾驶还在测试运营的验证阶段，不属于成熟的产品，需要对其的示范运营过程进行监管，重点是事故和事件管理，推动测试企业在改进技术的同时，加强对运营安全的管理。协同本城市政策和部委政策保持一致，推动有潜力的企业落地。

一个商业模式：主要是指支撑高级别自动驾驶的城市智能网联数字运营模式。我们现在都能理解，城市的电网、水网、通信网、道路网由一个或者几个企业来投资、建设、运营是一个很正常的事情。其实，我们将城市的数智化基础设施，也就是路上的带电的设备和装载设备的杆件等设施看做是一个基础设施，由小城市由一家、大城市一到两家来投资、建设和运营。这个将是未来智慧城市的基础设施，支撑自动驾驶的车路协同的路侧智能交通基础设施的建设模式。

当前城市的信息化设备和设施都是通过交管、交通、公安、城管等各个部门通过项目方式独立建设，存在的问题是：一方面杆件林立、设备繁多，数据不打通、运维不到位；另一方面，交通治理需求不断涌现，车路协同服务需求无法满足。

数字运营的商业模式下，需要统筹城市信息化建设资金，通过成立城市数智化基础设施运营公司，撬动社会资本。以城市交通、交管、公安业务需求切入，基于道路基础设施网，建设感知网、车联网/物联网、交通控制网三网一体的以城市边端基础设施为主的城市数字化底座。交通、交管、公安等各政府部门通过购买服务方式来获取城市数据服务，并基于这个数字化底座来构建自己的场景应用。一方面，可以实现规划、建设、运营的一体化，确保资金使用效率、资产运行效率和服务质量；另一方面，可以变原来的资产管理为资产运营，打造城市基础设施数字化运营产业。