在现代科技体系中 ， 中国人民翘首以盼弯道超车的领域有很多 ， 以自动驾驶、新能源等作为新生产要素的汽车行业 ， 当然是其中最具钱景的一个 。
问题是 ， 以单车智能为核心的自动驾驶技术路线在全球遭遇瓶颈 。 马斯克的L4放了个烟雾弹 ， 许多无人车依旧只在封闭道路上行驶 。 2021年了 ， 人类还没有开上量产的L3级自动驾驶汽车 。
这种情况下 ， 我们发现中国与其他国家虽然在自动驾驶的大方向上保持同频 ， 但技术路线和侧重点却并不相同 。 比如 ， 不同于某海外车企坚持以视觉为主的L4单车智能方案 ， 百度Apollo就坚持推动“单车智能+网联赋能”的中国方案 。
在单车智能普遍缺乏有效突破方案的现状下 ， 车路协同成为自动驾驶商业化落地的重要机遇 ， 这也让“两条腿走路”的中国方案成为推动整个产业继续向前突破的关键力量 。
不过 ， 车路协同技术涉及到复杂的技术改造和产业链条 ， 无法一蹴而就 ， 如何才能加速车路协同更快助力中国产业弯道超车？好在思考这一问题的有识之士也很多 。
本文图片
刚刚传来消息 ， 6月24日 ， 清华大学智能产业研究院（AIR）与百度Apollo举办联合发布会 ， 共同推出全球首份车路协同技术创新白皮书《面向自动驾驶的车路协同关键技术与展望》（以下称“白皮书”） 。
这是目前这是中国对车路协同技术研究最深入的报告 ， 不仅仅停留在为前沿技术鼓与呼的层面 ， 更是一份清晰的落地指南 ， 可以看做中国方案助力产业飞跃的起跳时刻 。
要充分理解车路协同之于产业、之于城市以及整个中国的意义与价值 ， 我们要想思考一个问题：我们期待的无人化出行 ， 究竟是怎样的？
“单腿时代”的突围
对很多人来说 ， 想象中的自动驾驶可能是这样的：早上出门随手招来一辆无人车 ， 然后倒头开始补觉或者玩手机 ， 汽车丝滑而平稳地穿梭在车流中 ， 将你送到上班地点 ， 你下车挥挥手不带走一片云彩——在这个场景下 ， 一辆足够聪明的车似乎是核心 。
而现实是 ， 以单车智能为核心的自动驾驶技术以怎样的节点与形式落地 ， 依然困扰着产业 。
白皮书中认为 ， 导致这一现象的原因主要来自三个方面：
首先是安全 。 目前 ， 安全问题依然是影响自动驾驶规模商业化落地的关键原因 。 单车智能在应对极端天气、不利照明、物体遮挡等挑战性交通场景方面 ， 能力仍然有待提升 。
其次是ODD限制 。 自动驾驶运行设计域(Operational Design Domain ， ODD)是指自动驾驶系统功能设定的运行条件 ， 包括环境、地 理和时段限制、交通流量及道路特征等 。 目前车辆在限定路段中行驶时 ， 仍然没有彻底解决准确感知识别和高精度定位问题 。
另外还有经济性 。 为了确保自动驾驶安全 ， 高等级的自动驾驶车辆需要部署更多传感器 ， 大大增加了硬件成本 ， 难以保证车辆的经济性 ， 从而阻碍了规模商业化进程 。
本文图片
这一系列原因 ， 导致了当前L2市场渗透率和应用规模仍然较小 ， L3级别以上自动驾驶仍处在试验和区域性示范为主 ， 规模商业化遥遥无期 。
既然单车智能这条突围之路遇到了透明天花板 ， 那么 ， 换一条道路接着“打怪” ， 依靠车路协同来尝试推动自动驾驶商业化似乎就成了唯一的选项 。
理论上看 ， 车路协同技术可以通过对道路交通环境进行实时高精度感知定位 ， 为车辆提供更高维度的智能要素 ， 车辆与道路之间协同感知、协同决策、协同控制 ， 从而有效解决车载自动驾驶系统的压力 。
因此 ， 在白皮书中 ， 也将车路协同看做是单车智能的高级发展形式 。
从产业发展趋势上看 ， 车和路的同时精进 ， 是今天自动驾驶产业的必由之路 。 关键在于 ， 这个机会为何会被中国抢先抓在手里 。
中国方案的登场
有三个前提 ， 决定了中国自动驾驶必须以“两条腿”走路：
1.超车需要捷径 。 必须承认 ， 渴望脱离传统燃油汽车的种种技术壁垒 ， 是中国站上自动驾驶赛道的核心驱动力之一 。 而换道超车不能按部就班 ， 在单车智能的主流模式之外 ， 寻找并建立中国产业独特竞争优势成为必然 。
2.技术需要释放 。 除了传统的汽车制造、工艺等长期积累之外 ， 中国在移动互联网、人工智能、5G、云计算等ICT领域的积累也需要与产业联接 ， 去释放技术红利 。 车与路共同来承载数智技术创新 ， 能够有力支撑中国智能产业化的进程；
本文图片
3.机制提供保障 。 车路协同需要顶层设计、多部门统筹、产业联动 ， 而中国城市管理者对数字转型的共识、智能技术的理解、产业的把控力、资源的统筹调配等等 ， 有着先天的机制优势 ， 车路协同得以与如火如荼的智能城市建设携手并进 。
可以说 ， 从进入自动驾驶赛道的那一刻 ， 单车智能与车路协同的中国式方案 ， 就确立了其存在的必要性与价值 。 如今看来 ， 也帮助中国产业界抢到了率先自动驾驶商业化阶段的门票 。
接下来 ， 车路协同技术需要不断激发产业意愿与社会投入 ， 而这也是此次清华大学智能产业研究院（AIR）与百度Apollo联合发布车路协同白皮书的意义所在：进一步形成产业共识、推动车路协同与自动驾驶产业进入下一个全新阶段 。
中式道路的改造
中国特色的自动驾驶方案 ， 除了在车上下功夫 ， 自然也需要一条有中国特色的路 。
那么问题来了 ， 目前主流的、利用基站与无线通信技术进行人、车、路之间协同感知的V2X（Vehicle to X)技术 ， 需要部署大量传感器、雷达等硬件改造 ， 而国内各地公路条件不同、数字化水平不同 ， 加上当下汽车智能化水平各不相同 ， 客观上导致了智能道路的需求和标准也无法统一 ， 这就给车路协同的建设带来了新的挑战 ， 需要兼顾各地的道路现状、发展规划与经济效益 。
道路智能化 ， 成为阻挡在车路协同面前的头号难题 。 而在白皮书中 ， 清华大学智能产业研究院与百度为中国智能交通的建设提供了一个新的思路——分级 。
本文图片
双方提出了适应车路协同自动驾驶的道路智能化分级标准（从C0-C5级）6个等级 。 其中 ， C4级智能道路投入产出比更高 ， 其覆盖的智能汽车等级范围从L2+到L5 。 也就是说 ， C4级智能道路不仅能为高级自动驾驶车辆提供协同服务 ， 还能让L2+、L3级辅助驾驶车辆具备高级自动驾驶能力 ， 促进自动驾驶规模商业化落地 。
如果全中国道路都铺上C4级道路的“履带” ， 就可以让具备辅助驾驶能力的智能汽车和处于测试阶段的L2自动驾驶汽车 ， 具备安全上路的能力 。 路与车双管齐下 ， 能够更快让自动驾驶出行图景从想象走进现实 。
从此刻驶进未来
接下来 ， 中国更好地拥抱车路协同、推进自动驾驶商业化落地 ， 需要怎样的产业要素来提供动能 ， 蕴藏着巨大的商业机会 ， 也是一个大众关心的问题 。
目前看来 ， 有三个产业角色是必不可少的：
一是产业生态的推动者 。
车路协同自动驾驶需要跨行业、跨地域互联互通 ， 涉及到复杂的产业链 。 如何将上下游供应商和城市管理相关部门等都聚拢在一起 ， 形成产业共识 ， 发挥协同优势 ， 需要使人信服的组织者与推动者 。
这也是清华大学智能产业研究院与百度发布车路协同白皮书的第一个价值 ， 作为中国自动驾驶领域学术界和产业界的两大风向标 ， 来共同发力探索新的解决方案 ， 吸引更多产业伙伴达成共识、共襄盛举 。
本文图片
二是基础设施的建设者 。
车路协同对更高维的智能基础设施提出了要求 。 比如车路协同融合后 ， 会产生更高维度的数据 ， 包括空间维度(范围、视角、盲区)、时间维度(动/静态、时间范围)、类型维度(多源多层)等 ， 需要更灵活的算力和算法机制来进行实时在线处理 。 如果没有足够的技术积累与实践经验 ， 贸然进场可能会因准备不足而吃亏 ， 这也为企业进入车路协同产业造成了阻碍 。 需要在AI产业基础设施上具备深厚底蕴的企业 ， 以开放心态来帮助产业及开发者 ， 推动整个行业的快速发展 。
三是行业标准的奠定者 。
如何集约经济地完成城市道路智能化升级改造 ， 需要政府、技术企业、供应商等坐在一起打磨出可规模化复制的方案 。 此外还需要统筹考虑 ， 车路协同不能局限在一城一池的单一区域中 ， 未来要与全国道路车辆互联互通 ， 这就需要统一的技术标准与建设规范 ， 为数据交换、网络互联奠定良好的基础 。 这是白皮书的另一重价值所在 ， 助力政府通盘考量多方要素 ， 推动行业标准的建立 。
生态、基建、标准的一一解锁 ， 会让车路协同的变革动能不断释放 。
本文图片
正如白皮书中所说的那样 ， 车路协同是对传统分散式交通技术的一次深刻变革 ， 也是现代化综合交通体系的科技支撑 。 某种意义上来说 ， 也是中国自动驾驶及汽车产业弯道超车的飞跃契机 。
全球变局下的新产业故事 ， 正以此为站点 ， 飞驰向未来 。
【自动驾驶|自动驾驶产业进入“两条腿”时代：车路协同的中国式飞跃】
推荐阅读
- 区块|面向2030：影响数据存储产业的十大应用（下）：新兴应用
- 测试|图森未来完成全球首次无人驾驶重卡在公开道路的全无人化测试
- 人工智能|聚焦车载人工智能计算芯片研究 推进汽车产业高质量发展
- 测试|北京：自动驾驶测试里程突破365万公里
- 华依|中信证券：惯性导航有望成为L3及以上自动驾驶的标配产品
- 爆发|中信证券：自动驾驶渐行渐近，惯性导航刚需爆发
- 低碳发展|四川做强清洁能源产业
- 矩阵|聚焦快递末端痛点 国内首款无人驾驶快递物流车在中通启动应用场景内测
- 领域|上海市电子信息产业“十四五”规划：以集成电路为核心先导
- 列车驾驶室|北京：体验无人驾驶地铁