特斯拉都搞不定，车路协同是无人驾驶的终极解决方案吗？

新之源报告

编辑：桃好记

首先是万亿元，然后是1.2万亿元，特斯拉的市值不断创新高。环顾四周，整个汽车公司都在积极拥抱自动驾驶。然而，目前的技术面临着许多瓶颈，这迫使人们重新思考中国无人道路的位置？

首先是万亿元，然后是1.2万亿元，特斯拉的市值不断创新高。

环顾四周，整个汽车行业都在积极拥抱自动驾驶。

可以说，特斯拉万亿美元的市值摧毁了传统车企对旧时代的一丝怀念。

然而，现实是，包括特斯拉和Waymo在内的无人企业在推广安全和高水平无人驾驶技术方面一再受挫。

更不用说特斯拉发生的多起致命车祸，Waymo自动驾驶汽车仍有“不撞南墙，不回头”的执着。

例如，最近在洛杉矶的一条死胡同里，这条路每天最多“接收”50辆Waymo自动驾驶汽车，而且已经持续了8周。

于是，一条独特的风景线诞生了：“每5分钟，”你就可以看到一辆Waymo在转弯。

无论是特斯拉还是Waymo，它们都是自行车智能化的典型代表——通过提高汽车自身的智能水平来实现自动驾驶，而这并不一定看起来很智能。

无法识别“白色卡车”，以及在过去十年中仅积累了3000多万公里的道路测试数据，这些都是单车智能目前无法解决的瓶颈。

如果我们现在能够将汽车和道路智能结合起来，将车辆智能与道路智能结合在一起，这会是高级自动驾驶的另一条出路吗？

车路协同VS单车智能

让我们以Waymo一个接一个地驶入死胡同为例。

如果我们像年轻时那样在地图上排队，这条路确实可以走。

当然，前提是在这条路的尽头下面没有任何标志。

为什么这条路显然是一条“死胡同”，无人车仍在里面艰难行驶？

这其实很简单，因为Waymo的汽车地图是未知的

因此，所谓的自动驾驶汽车直到靠近时才意识到，“哦，这条路无法通行”，所以他们不得不转身往回走。

这是自行车智能无法避免的局限：它只能以车辆为中心局部感知周围区域，只有当车辆能够识别时，才能做出相应的调整和动作。

那么，如果它是通过“车路协同”实现的呢？

顾名思义，车路协同由两个关键部分组成：“车端”和“路端”。事实上，除了这两个可见的部分，还有一个无形的“云”为车路协同提供后端支持：

车辆端：可以连接互联网并具有一定自动驾驶能力的车辆；

路侧：包括智能感知设施、路侧通信设施、计算控制设施等配套设备。

云：这包括计算平台和云控制平台等后端平台，可以收集、计算和处理车辆和道路的实时信息，并将车辆和道路之间的协作能力分配到最佳状态。

与自行车智能完全依靠车辆感知外部世界不同，“智能汽车”、“智能道路”和“强大的云”的结合将使车路协同具有站立高、坐着稳、数据好、计算快等多项技术优势。

一辆蒙着眼睛的汽车

站在“高处”，从上帝的角度看“远方”

让我们先谈谈站得高。

在车路协同方案中，“高空”路侧设备可以从“上帝的视角”获得实时路况信息：激光雷达负责检测物体的三维坐标，结合毫米波雷达、摄像头和5G传输设备，从而实现局部高精度地图的实时绘制和路况的实时动态跟踪。

当从“上帝的视角”收集到的信息与车端通信时，除了通过多个传感器持续感知环境和整合数据外，“车端”还可以毫不延迟地接收到路端提供的实时信息。

由于“路端”不断向“车端”发送交通参与者的位置、速度、轨迹等信息，这相当于给车辆本身一个无缝的、无限遥远的全球感知，使其能够提前了解道路上的实际情况并及时做出反应。

因此，在车辆的运行中，可以提高复杂场景下的预测精度和通行效率。可以说，车路协同的本质是让汽车“站得更高”，“看得更远”

高位路边感应设备

那么，回到最初的问题，Waymo还会在车路协调的情况下驶入死胡同吗？现在，很容易回答。

在车路协同的支持下，汽车不仅可以“知道”前方道路是否可以行走，还可以提前知道前方道路上行人和车辆的实时情况，自然就不再“不撞南墙不回头”。

当然，站得高不仅仅是物理位置的问题，更是一个整体规划的问题：当系统发现前方道路正在建设或正在发生变化时，它可以及时指挥车辆调整路线，实现交通优化。

根据相关数据计算，基于车路协同，当无人车和有人车同时存在于道路上时，道路拥堵可以减少30%至40%。如果所有车辆都是无人驾驶的，甚至可以基本解决道路拥堵的问题。

大量高质量的数据收集

在无人驾驶中，系统收集数据的效率和质量是解决应用落地问题的最重要因素：只有收集到大量高质量的数据进行分析和学习，才能更准确地优化系统。

这也是兰德公司早在2016年就提出“L4级自动驾驶汽车的量产需要177亿公里以上的测试才能实现”的原因——毕竟，驾驶行为是一个“威胁生命”的事件，即使在驾驶行为的处理中出现问题的概率为0.1%，它可能导致车辆损坏和人员死亡的重大事故。

然而，在智能自行车解决方案中，以Waymo为例，尽管依靠谷歌作为大支撑，投入了巨额资金，但仅用了十年时间就积累了3500万公里的真实路测数据，这一数据在实施和实施中一直被推迟。

这实际上是自行车智能解决方案的一个常见问题：数据收集能力慢，学习能力慢；缓慢的学习能力也减缓了系统的优化和改进；

该系统的缓慢优化导致了该计划的缓慢实施。

例如，2021 5月，面对人类驾驶员容易应对的情况，Waymo自动驾驶汽车陷入了“三角锥问题”，并通过自身努力连续几次堵塞道路。这种情况的根本问题是，它从来没有遇到过这样的情况，也从来没有解决办法。

?

0

?

另一方面，车路协同方案的数据采集能力有了颠覆性的突破：除了在“车”上采集数据，还将在“路”的基础上进行采集；除了收集无人车的驾驶数据外，还收集了人类驾驶员的数据。

以苏州为例，在完成路端改造后，从数据‘量’来看，该市的道路里程为1.2万公里。以450万辆汽车的实际行驶里程计算，每天可收集1.2亿公里的真实汽车行驶数据；

就数据“质量”而言，“路边”收集的数据不仅全面、连续，而且能够记录真实CornerCase事件的原因和后果。

1

大数据处理

计算能力强、计算速度快的隐形英雄

当然，如此庞大的数据量并不是一个好问题，但它对整个系统的“算力”提出了极高的要求。但由于空间和功耗的限制，目前搭载自行车智能的芯片最大算力只能达到1000+TOS。

这个概念是什么？

2

从L3的条件自动驾驶开始，车辆不仅需要控制自己的转向和加速/减速，还需要在驾驶过程中监控环境。

此时，汽车芯片的计算能力起点已经从L2的2Tops增加到L3的24bps。

在进入L4和L5阶段后，有必要添加一个紧急触发的接管机制。此时，对计算能力的需求几乎呈指数级增长，分别达到320TOPS和4000TOPS。

至少就目前而言，面对如此海量的数据，自行车智能只能选择“躺平”。

3

相比之下，车路协同计算可以利用边缘计算和云计算技术调用海量计算能力来完成这些复杂的操作，而不受单车计算能力的限制。

此外，车路协同计算设备的部署更加稳定，不受驾驶规则的限制。光纤通信可以实时使用大量的计算能力来反馈和测试车路算法的结果。这些也是自行车智能在计算能力方面所没有的优势。

除了安全，它还是安全的

如前所述，除了能够“识别”道路外，车路协同最强大的方面是能够解决自动驾驶面临的最大挑战：安全问题。

特别是随着自动驾驶概念的日益普及，由辅助驾驶引起的事故越来越多。

2020年6月，一辆特斯拉Model 3在高速公路上与一辆翻倒的卡车直接相撞。

尽管当时视野很宽，照明也很好，但AutoPilot仍然无法识别前方静止的障碍物。

4

这实际上是自行车智能在安全问题上遇到的瓶颈。

例如，被阻挡的“STOP”标志可以很容易地被人类驾驶员识别并迅速做出反应。

但对于自行车智能来说，这些符号很难识别，除非有足够的数据和信息，并且系统足够优化，毕竟它看到的不是一个特定的“STOP”，而是一堆毫无意义的数字代码。

5

车路协同中信息收集和分析的优势使得在确保安全方面引入了“冗余”的概念。

“冗余”一词来自飞机的设计，它使用多个相同的功能单元和模块来接收相同的信息。当主机组发生故障时，将切换到备用机组，以确保飞机的安全运行。

6

对于车路协同，冗余是指使用各种道路交通参与者进行多维感知、跟踪、预测和学习。

通过在道路末端进行感知，并在车辆和道路之间共享信息，不仅可以补偿道路末端有限的视觉范围和感知盲点，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“幽灵探测器”、路口突然出现的车辆、其他车辆在同一条路上不规则行驶，甚至交警现场指挥在没有红绿灯的路口指责交通，都可以通过“路端”提前预测和判断，然后将信号毫不延迟地传输到车端。

7

这就像增加了一个全天候、全场景、360度的“千里眼”和一个压缩……

ive“智能大脑”到单点智能汽车，实现汽车、道路、人和基础设施中一切的互联和相互控制。

未来，每辆车都将成为信息的接收器、中介器、处理器和发送器，全球部署将在城市智能网络上运行，实现信息的多重收集和判断，从而实现无人驾驶安全的指数级提高。

8

盲区警告

如何走中国无人驾驶的特色之路？

2019年可以说是一个分水岭，因为中国和美国在智能驾驶发展方面选择了不同的方向。

美国仍然走在“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实现途径。

首先，从地理角度来看，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。

另一方面，在中国，人口密度大且集中，交通环境复杂。对自动驾驶的要求相对更高，难以依靠自行车智能实现高水平的自动驾驶。然而，车路协同提供了一个很好的解决方案。

9

其次，对基础设施建设的投资也很重要。只有具有高宽带、低延迟、宽连接等特点的5G才能支持车路协同的发展。

最新数据显示，中国共建设了超过91.6万个5G基站，约占全球市场的70%。

0

中美车路协同基础设施比较

最后，中国在实现汽车协作方面具有巨大的规模优势。与单车智能解决方案中每辆车所需的复杂昂贵的传感器和计算单元设备的巨大投资相比，车路协同只需要I4级道路和L2级车辆就可以实现高水平的无人驾驶。

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翻新成本。在中国，使用车路协同技术实施L4级自动驾驶解决方案的成本，就总投资而言，甚至不到单车智能的一半。

1

正是这种优势，使得“车路协同决定中国无人驾驶的成败”这一概念在包括行业政策制定者在内的行业参与者中基本形成共识，一些开拓者在车路协同无人驾驶道路上取得了突破。

2

2021“新四跨”示范车

中智行全车路协同

在苏州市相城区，有一个高标准的车路协同测试路段。在这一路段，依托车、路、云协同的高水平无人驾驶测试取得了实质性突破。

中之星科技有限公司是一家专注于车路合作的公司，实现了这一突破。2021 9月，该公司刚刚与中国电信和苏州市政府成立了一家名为天一交通的公司，共同推动中国车路合作的实施。

3

测试中的车路协同无人车

这实际上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；苏州市政府具有基础设施优势和政策支持；

另一方面，中智行是中国唯一一家针对汽车、道路和云实现全栈技术架构的公司，在自动驾驶核心技术指标方面位居世界前列。

在实现核心技术突破后，车路协同的下一个方向是城市级应用。尽管还有很多工作要做，但它已经度过了“从0到1”的初始阶段。

4

王进，中之星公司创始人

中智行创始人王劲曾创立中国第一支L4级全自动驾驶团队。他对车路协同城市级应用的理解是：“车路协同发展的必然路径是先进行小规模实验，成功后再进行大规模实验，然后继续扩大

事实上，全国城市的智慧道路建设正在不断推进，除苏州外，中国智慧银行正在与多个地方政府协调实施车路协同。

在计划中，中智行将在2025年前完成两个二线城市和五个三线城市的智能道路铺设。

可以预见，随着技术的不断突破和基础设施标准的不断明确，城市级应用的推广速度将越来越快。

全车路协同可能是未来交通发展的一个很有前途的选择。

参考材料：

https://pdf.dfcfw.com/pdf/H3_AP202108131509805924_1.pdf?1628869939000.pdf

https://www.bilibili.com/read/cv8821840

https://www2.deloitte.com/content/dam/Deloitte/cn/Documents/consumer-business/deloitte-cn-cb-autonomous-driving-under-new-infrastructure-zh-210126.pdf

https://www.leiphone.com/category/transportation/cozGOy3epRSg7QK0.html

http://i0.hexun.com/2021-11-10/204714269.pdf

https://www.vzkoo.com/read/11c32912f0dfacc9cc4058679905d772.html

本文首发于微信公众号：新知远。文章内容属于作者个人观点，不代表和讯网络的立场。投资者应据此操作，并承担风险。

标签：特斯拉发现Model 3

汽车资讯热门资讯