光环背后的「车路协同」，关键难题仍然待解

「我们知道这些路方也是企业，虽然大部分都是国企，但国企也需要价值回报。」交通运输部公路科学研究院副院长兼总工程师李斌在谈到智慧公路时表示。

第九届智能网联汽车技术年会上，车路协同再次成为热门话题之一。不仅专设有「数据驱动的车路协同」专题分会，还有不少技术专家和产业工作者，在全体大会和其它自动驾驶相关分会也做出了相关分享。

但与此前不同的是，这次的演讲几乎没有展望，而是集中在具体的落地环节上。比如，示范区的实践效果分析、实际应用中需要解决的数据和感知等技术问题、未来要以哪种方式应用推广、怎样实现商业化...

北京万集科技股份有限公司智能网联事业部总工程师周浩也在演讲前感慨，这次论坛更多在谈车路协同如何去赋能自动驾驶，好像已经到了实战阶段。

真实场景中，车路协同的效率价值

车路协同是与单车智能同时被讨论的一种自动驾驶发展方案，利用车路云端的感知信息、无线通讯技术，实现车与车、车与人、车与路等动态的实时交互，并在全时空动态交通信息采集与融合的基础上，开展车辆主动安全控制和道路协同管理。

如今，随着单车智能受制于长尾场景发展缓慢，车路协同开始越来越受到关注。在会上，北京市高级别自动驾驶示范区（以下简称「亦庄示范区」）、百度Apollo、清华大学智能产业研究院等机构和企业分享出的最新实践数据，也表现出了该条路线的应用潜力。

首先是对于单车智能自动驾驶长尾场景的帮助，清华大学国强教授、智能产业研究院的首席研究员聂再清介绍了一个在亦庄示范区发生的实例： 在右转后存在障碍物的道路上，支持车路协同的百度Apollo测试车可以自动绕过，而仿真系统里关闭车路协同功能的车，则要先停车观察才能继续走，这浪费了很多时间。

周浩也强调了车路协同能获得长时间信息的优势：「我们不光能够实现单传感器区域的这一个识别，还能通过跨传感器、跨传感器系统之间的配合，对路口、高速公路上的一整段区域进行无缝跟踪，这个非常重要。」

对于车路协同可以在这方面发挥的具体能力，阿波罗智能技术（北京）有限公司IDG智能驾驶事业群副总裁、智能网联业务总经理刘常康表示：「面对盲区鬼探头遮挡、红绿灯倒数等单车感知能力有限的场景，车路协同可以在其已减少90%安全事故的基础上，再减少90%。」

其次，车路协同也能有效提升通行效率。据北京车网科技发展有限公司总经理孙宁介绍，亦庄示范区基于路侧全量实时感知信息，已有27条干线可实现绿波通行，大幅降低了停车次数和通行时长。

具体的效果有： 绿波干线停车次数平均降低35.45%，行程时间平均降低10.24%； 单点自适应路口（永昌中路路口）排队长度平均降低19.63%，绿灯浪费时间平均降低5.25%。

百度Apollo的测试数据也与之接近，刘常康介绍：「我们的车路协同在广州黄埔以后，发现车辆通行平均的行程时间下降25%，拥堵延误率下降30%。」

同时，通过车辆协同和交管系统的配合，还能够针对救护车、消防车等特殊车辆的应急需求，进行导航路径的合理规划，以及提前提示路上车辆避让、调控交通信号。

孙宁透露，该功能已在亦庄示范区的科创五街、荣京东街等11个路口测试成功，计划在示范区全域范围应用。

此外，百度Apollo也提出了三种城市治理的方案：城管+AIR（AI Road），通过「人-车-路-管」数据联动，解决号牌遮挡、代人消分、智能溯源等行业难题；市政＋AIR，实现隧道积水预警、交通CIM一张图，提升综合应急响应，预计通知到人，防患于未然；停车+AIR，实现城市智能停车、泊位智能管理，可将周转率提升230%，等待的停车时长降低50%，并减少30%的不规范停车。

从概念到落地，聚焦具体问题

随着车路协同走向应用阶段，很多问题也开始凸显。路端传感器被放在较高的位置，遮挡更小、覆盖范围更大，可以有效解决车端无法获得长时间信息和遮挡的问题，但仍有很多问题需要逐步解决和完善。

和车端感知一样，路段感知的两大主要传感器也是相机和激光雷达，也意味着同样需要数据训练。目前，已有OpenDAIRV2X开源项目、Rope3D目标检测数据集等发布， 但因为路端设备的安装位置角度多变，相机类型远高于车端的问题，也为其带来了 非常多的 挑战。

对此，百度计算机视觉首席科学家王井东表示，其中主要问题就是数据量不够多，并分享了如何快速将数据进行标注的想法：借助地面移动LiDAR帮助视觉3D标注，通过图像Alignment在3D空间领域去标注，标注以后根据前面Colibratio的结果，映射到图片里面去检验是否正确。

王井东还提到，路端相机还存固定强度不如车端设备的问题，比如说遇到大风可能会造成抖动，导致初始标定可能无法适用若干天后的状态，所以需要做一些动态相机标定。王井东提出了离线标定、相机外参重标定、基于视频稳像的外参校正等方案。

车路协同离不开商业化

目前，车路协同面临的一个关键性问题是难有商业回报。李斌指出：「我们要考虑投入和产出，如果有的应用用处不是很大或者不是急需，价值就比较低，反而不利于智慧公路开始试点起步和未来发展。」

获得感是李斌不断强调的一点，与之高度关联的就是商业和产业前景。这也与主机厂为何大力发展单车智能的意图相符，后者可以为其不断提升竞争力，打造出独有的「灵魂」。

根据《面向自动驾驶的车路协同关键技术与展望》曾经做出的分析，尽管是以车辆密度最高的北京作为参考，但成本可能也没有想象的夸张： 以北京为例，只要在每辆车上节省2000元的成本，就可以在每公里的道路上投入约50万元和每个路口投入81.84万元的全部智能化设备升级改造。

北京亮道智能汽车技术有限公司首席战略官陈娜还在大会上对Telescope上杆安装的方案进行了介绍，只需要一个360°机械式激光雷达和一个向下的180°球状激光雷达，再加上摄像头，就可以完成路口感知视角的覆盖。即使是这样以激光雷达为主的方案，成本压力可能也远不及给每辆车都配备上激光雷达+摄像头。

对于目前的现状，博世智能驾驶与控制事业部中国区系统工程部工程总监臧昕谈到： 「早两年大家在说建一个示范区，要有一个场景级概念，现在已经慢慢回到现实，哪怕做一个场景能够落地就成功了。」

浙江海康智联科技有限公司I2V事业部副总经理俞睿也表示，这已是限制各方热情的一大问题：「从各方诉求来看，产业方不希望车路协同只有建设，更希望有运营模式和商业模式落地，也希望更快服务于存量车；政府希望我们有更明确的社会效益和清晰的商业模式；普通公众需要有获得感。」

单场景落地和渐进发展的思考

关于车路协同建设的推进，李斌认为，先期可以利用ETC规模优势，在不提高用户成本的前提下，对车路协同的运营管理和商业模式先行探索，而后再通过两步做到全场景落地：

第一阶段，通过I2V（infrastructure-to-vehicle，基础设施-车）信息发布、V2I（vehicle-to-infrastructure）信息采集等功能，扩展在服务区特殊点段等的服务体验，逐步加大车主和路方的联系程度，不断提升服务体验；

第二阶段，培育独立于路方和车主的第三方机构，提供安全驾驶交通诱导等高价值服务，形成以车为身份的公路服务新模式；

第三阶段，第三方机构可提供专用车道内的高级别自动驾驶和队列行驶等服务功能，最终实现全天候、零事故。

俞睿还提出了更加细节的一些思考： 「很长一段时间里，交通主要参与者是没有辅助驾驶能力的车，所以这个阶段的目标要聚焦车端，围绕整个I2V车路协同，为无法参与交通协作车来提供服务。」

为此，俞睿认为可以将公交车做一些轻量级的改造，升级成智能网联公交，为其他交通参与者提供信息提醒服务。比如，可以在车辆后方面原显示公交名称的LED屏幕上，给后车提示路口的红绿灯信息、道路限速信息等，形成车路、车车的互通互动。

千挂科技CEO陶吉还提到，车路协同商业化的破冰点可能会在高速公路上。高速公路的交通运营商，对新的盈利模式很感兴趣，如果有人愿意为车路协同付费，他们很愿意建设，而干线物流可以通过车路协同降低运输成本，则会是一个合适的商业化场景。

尽管有多种模式被提出，但车路协同的仍不会一蹴而就，正如李斌所言：「这不仅仅是一个工程建设的问题，而是需要通过多种模式形成新的产业，最终成为我国数字经济的一部分。」