先是万亿，然后是1.2万亿，特斯拉市值不断创新高。环顾四周，整个汽车行业都在积极拥抱无人驾驶。可以说，特斯拉万亿的市值摧毁了传统车企对旧时代的记忆。然而现实是，包括特斯拉和Waymo在内的自动驾驶公司在安全和高水平无人驾驶技术的推进上屡屡受挫。撇开特斯拉的多次致命撞车事故不谈，Waymo的自动驾驶汽车依然有着“不撞南墙不回头”的坚持。比如最近洛杉矶的一条死胡同，这条路每天“接待”多达50辆Waymo自动驾驶汽车，而且已经持续了8周。于是，一道独特的风景线诞生了：“每隔5分钟”就能看到一辆Waymo掉头。无论是特斯拉还是Waymo，都是单车智能化的典型代表——通过提升汽车自身的智能化水平来实现自动驾驶，看来智能化未必是真的。无法识别“白色卡车”、十年仅积累3000万多公里的路测数据等，是单车智能目前无法解决的瓶颈。如果现在可以把车和路结合起来，把车的智能+路的智能结合起来，会不会成为高级别自动驾驶的又一出路？车路协同VS单车智能我们以Waymo驶入死胡同为例。如果我们像小时候那样简单地在地图上连线，这条路确实是可以走的。当然，前提是路的尽头下面没有标志。为何这条路明明是“死胡同”，无人驾驶汽车却要拼命行驶？其实很简单，因为Waymo的车图不知道...结果这辆所谓的自动驾驶车到了跟前才意识到：“哦，这条路被堵了”，所以它只能掉头回去。这是单车智能无法逃避的局限性：只有车辆才能作为对周围环境进行局部感知的中心，只有车辆能够识别到它，才能做出相应的调整和动作。那么，如果通过“车路协同”来实现呢？（来源：德勤分析）顾名思义，车路协同由“车端”和“路端”两个关键部分组成。其实，除了这两个看得见的部分，还有一个看不见的“云”，为车辆和道路协同工作，提供后台支持：车辆：可以联网并具有一定自动驾驶能力的车辆；道路：包括智能感知设施（摄像头、毫米波雷达、激光雷达等）、路侧通信设施、计算控制设施（边缘计算节点等）及其他配套设备。云：包括计算平台、云控制平台等后端平台，实时采集、计算、处理车路信息，将车路协同能力部署到最佳状态。不同于单车智能仅靠车端感知外界，“智能车”+“智慧路”+“强云”，三者协同结合，让车路协同站得高，坐得稳，并利用数据好、计算快这些技术优势。蒙眼站是“高”，看远处的“上帝视角”首先要说的是站高。在车路协同方案中，“高手”路端设备可以“上帝视角”实时获取路况信息：激光雷达负责检测物体三维坐标，配合毫米波-波雷达、摄像头和5G传输设备。实时绘制局部高精度地图，实时动态跟踪路况。当“上帝视角”采集到的信息与车端进行通信时，“车端”不仅可以像往常一样通过多种传感器感知环境、整合数据，还可以接收来自路端的实时信息不延误。提供的信息。由于“路侧”源源不断地向“车侧”发送交通参与者的位置、速度、轨迹等信息，相当于让汽车本身有了一个无死角、无限距离的全局感知，所以从而可以提前了解路上的实际情况，及时做出反应。因此，在车辆行驶过程中，可以提高复杂场景的预测精度和通行效率。可以说，车路协同的本质就是让车辆“站”得更高，“看”得更远。“站得高”的路侧传感设备那么，回到最初的问题，如果有车路协同，Waymo会不会开到死胡同？现在，很容易回答。有了车路协同的加持，汽车不仅可以“知道”前方道路能不能走，还能知道前方道路上行人和车辆的实时情况，自然不会“不去”不撞南墙不回头”。》当然，这种站高不仅是物理位置的“高”，更是全局的“高”：当系统发现前方道路正在施工或有变化时，能够及时指挥根据相关数据测算，基于车路协同，当道路上同时有无人车和有人车时，道路拥堵可减少30%~40%，如果都是无人驾驶甚至可以基本解决道路拥堵问题，无人驾驶采集了大量高质量的数据，系统的数据采集效率和采集质量是解决应用落地最重要的因素：只有收集大量高质量的数据进行分析和学习，可以让系统更高效、更精准地优化。这也是为什么兰德公司早在2016年就提出“L4级无人车的量产需要进行超过177亿公里（110亿英里）的测试才能实现”——毕竟驾驶行为涉及“人的生命安全”危在旦夕。”驾驶行为的处理即使有0.1%的概率出现问题，也可能引发车祸的重大事故。（来源：兰德）不过，在单车智能解决方案中，以Waymo为例。虽然背靠谷歌，但投入巨资，十年间也仅仅积累了3500万公里的真实路测数据，已经来不及实现应用落地了。这其实是单车智能解决方案的通病：数据采集能力慢，学习能力慢；缓慢的学习能力也使得系统优化和改进缓慢；缓慢的系统优化导致解决方案的实施缓慢。比如2021年5月，面对人类司机可以轻松应对的情况，Waymo的自动驾驶汽车陷入了“三角锥问题”，连续数次自行堵路。这种情况的根本问题是它从来没有遇到过这种情况，也从来没有解决过这种情况。与之相对的是车路协同方案在数据采集能力上的颠覆性突破：除了以“车”为单位进行数据采集外，还将以“路”为单位进行采集；除了收集无人车的行驶数据外，还收集人类驾驶员的数据。以苏州为例，路边改造完成后，从数据“量”上看，全市高速公路里程为1.2万公里。基于450万辆汽车的真实行驶里程，每天可采集1.2亿公里的真实车辆行驶数据；在数据“质量”上，“路段”收集的数据不仅全视图、连续，而且能够记录真实CornerCase发生的前因后果。大数据处理是一个计算能力大、计算速度快的“隐形英雄”。当然，如此庞大的数据量并不是什么好事，它对整个系统的“算力”带来了极高的要求。但由于搭载单车智能的芯片受到空间和功耗的限制，目前算力最多只能达到1000+TOPS。这是什么概念？（来源：未来汽车日报）从L3条件自动驾驶开始，车辆除了要控制自己的转向、加减速外，还需要监测行驶过程中的环境。此时，板载芯片的算力起点已经从L2的2Tops提升到L3的24Tops。进入L4、L5阶段后，还需要增加紧急触发接管机制。此时对算力的要求几乎呈现“指数级”上升，达到320TOPS、4000TOPS。至少目前，BicycleSmart在面对如此海量的数据时，只能选择“平躺”。（来源：东兴证券研究所）相比之下，车路协同中的计算可以利用边缘计算和云计算技术调用海量算力来完成这些复杂的计算，而不受单车算力的限制。不仅如此，车路协同算力设备部署更加稳定，不受行车规则限制。光纤通信可以实时调用海量算力对车端和路端算法进行测试，相互反馈测试，验证结果。这些也是比车智能在算力方面所不具备的优势。除了安全，还是安全的。前面提到，车路协同除了能够让汽车“认路”之外，最厉害的一点就是能够解决自动驾驶面临的最大挑战：安全问题。尤其是现在自动驾驶的概念越来越普及，辅助驾驶引发的事故也越来越多。2020年6月，一辆特斯拉Model3在高速公路上直接撞上一辆翻倒的卡车。尽管视野开阔、光线好，但AutoPilot还是未能识别出前方静止的障碍物。这其实是单车智能在安全方面遇到的瓶颈。比如被遮挡的“STOP”标志，对于人类司机来说，基本上可以很容易的识别出来，反应也很快。但对于单车智能来说，这些符号很难被识别，除非有足够的数据和信息，系统足够优化。毕竟，它看到的不是具体的“STOP”，而是一堆毫无意义的数字代码。车路协同信息采集和分析的优势使得车路协同在安全保障方面引入了“冗余”的概念。术语冗余来自飞机的设计，它通过使用多个相同的功能单元和模块来接受相同的信息。当主机出现故障时，会切换到备用机，确保飞行器的安全运行。对于车路协同，冗余是利用道路交通参与者进行多维度的感知、跟踪、预测和学习。通过路侧感知和车路信息共享，不仅可以弥补车侧视距受限和感知盲区的问题，还可以实现对其他交通参与者行为的预测和判断.例如行人的“鬼探头”、路口突然窜出的车辆、同路其他车辆的不规则行驶，甚至没有红绿灯的路口交警的指挥等，都可以在车内进行预测。被“路边”感知后前进。判断，然后将信号毫不延迟地传送给车辆。这就像为单点智能汽车增加了全天候、全场景、360度的“千里眼”和统筹全局的“智慧大脑”，实现了万物互联、万物互联。车辆、道路、人员和基础设施。控制。未来，每辆车都将成为信息的接收者、中继者、处理器和发送者，全球部署运行在城市智能网络上，实现信息的多重采集和判断，从而实现无人驾驶的安全性。指数级改进。盲区预警，如何走中国无人驾驶特色之路？2019年可以说是一个分水岭。中美两国在智能驾驶的发展上选择了不同的方向。美国一如既往地走在“自行车智能化”的道路上。在中国，车路协同正日益成为自动驾驶更可靠的路径。首先，从地理环境来看，美国地广人稀，交通环境相对简单。即使是不太精确的自行车智能也可能达到辅助驾驶的目的。反观中国，人口密度大且集中，交通环境复杂，对自动驾驶的要求相对较高。依靠单车智能难以实现高水平的自动驾驶，车路协同提供了很好的解决方案。其次，基础设施投资也很重要。只有高带宽、低时延、广连接的5G才足以支撑车路协同发展。最新数据显示，中国已建设超过91.6万个5G基站，约占全球的70%。中美车路协同基础设施对比（来源：德勤分析）最后，中国在实现车路协同方面具有巨大的规模优势。相比于单车智能方案中每辆车复杂昂贵的传感器和计算单元设备的巨大投入，车路协同只需要I4级道路和L2级车辆即可实现高级别无人驾驶。从中国的汽车保有量和庞大的路网布局来看，大规模开发将不断降低改造成本。国内采用车路协同技术实现L4级无人驾驶解决方案。从总投资来看，成本甚至不到单车智能化的一半。（来源：德勤分析）正是这一优势，使得“车路协同决定中国自动驾驶成败”的理念基本成为包括产业政策制定者在内的行业参与者的共识。在无人驾驶的道路上实现了突破。2021年“新四跨”示范车中智行Allin车路协同在苏州市相城区设有高标准车路协同试验路段。人类驾驶道路测试取得实质性突破。实现这一突破的中智行科技有限公司，是一家专注于车路协同的公司。2021年9月，这家公司刚刚与中国电信、苏州市政府成立了一家名为天翼交通的公司，共同推动车路协同在中国的落地。车路协同无人车正在测试中。这其实是中国车路协同优势的具体体现：中国电信拥有5G基础设施和信息处理能力；苏州市政府有基础设施优势和政策支持；是国内唯一实现车、路、云全栈技术架构的企业，无人驾驶核心技术指标居世界前列。在核心技术取得突破后，车路协同的下一个方向是城市级应用。虽然还有很多工作要做，但“从0到1”的初级阶段已经过去了。中智行创始人王劲中智行创始人王劲曾创立中国第一支（全球第二支）L4级全无人驾驶车队。他对车路协同城市级应用的理解是：“车路协同的发展是必然的，路径是：先进行小规模试验，成功后再进行大规模试验，再继续进行。”推出。”事实上，全国城市的智慧道路建设也在不断推进，除了苏州，中智还在多地与政府合作，进行车路协同落地对接，在规划中，中智将完成铺设到2025年，2个二线城市和5个三线城市的智慧道路数量将达到2025年。可以预见，随着技术的不断突破和基础设施标准的更加清晰，城市级应用的推广将越来越快。协调可能是未来交通发展的一个潜在选择。
