多兵种作战！单车智能之外，清华联合百度，今天又重新定义了「聪明的路」

和大多数新兴行业一样，在经历了早期的胚胎探索和野蛮生长期后，整个行业对自动驾驶的理解正在加深。无论是在具象的技术产品层面，还是抽象的工业认知层面，自动驾驶的各个细分领域都在逐渐走向标准化和系统化。

近年来，业界陆续发布了《自动驾驶数据安全白皮书(2020)》、《自动驾驶应用场景与商业化路径(2020)》、《中国自动驾驶仿真蓝皮书(2020)》、《智能网联汽车高精度地图白皮书(2020)》等一系列行业报告，聚焦数据安全、商业化、仿真测试等自动驾驶关键问题。

这些报告的编制和发布，既是对过去的回顾，也是对行业未来发展的规范和指引。

如今，车路协作也迎来了全球首部技术创新白皮书。

6月24日，由清华大学智能产业研究院和百度Apollo联合主编的《面向自动驾驶的车路协同关键技术与展望》(以下简称《白皮书》)正式发布，为全球车路协同领域带来了迄今为止最深入的报告。

清华大学智能产业研究院院长张亚勤在发布会上表示

这份白皮书是全球首次发布关于车路协调的理论参考框架，对落地路径和方案有深入的思考和解读。

白皮书以科学、量化的方式，阐明了车路协同在技术、安全和经济层面的现实意义，为自动驾驶的大规模商业落地提供了方向，将进一步助力智慧交通和智慧城市建设。

为什么自行车智能不是最优解？

众所周知，目前自动驾驶的技术发展路线主要有两条:自行车智能和车路协同。

然而，在基于自行车智能的自动驾驶中，只有L2及以下的自动驾驶系统进入了商业落地发展阶段。

其中，L2 ADAS是现阶段自动驾驶汽车商业落地的核心，普及率较高。智能汽车高级工程研究院的一份市场报告显示，2020年前5个月累计销量超过5万辆的新型乘用车中，ADAS的平均标准装载率为53.43%。

另一方面，L3及以上的自动驾驶由于目前的法律法规和技术发展水平，无法进入量产阶段。高级自动驾驶的R&D投入和商业化验证仍主要集中在园区、港口等有限区域应用场景。

根据此次发布的白皮书分析，现阶段，自行车智能路线并不是实现高水平自动驾驶商业化和大规模落地的最优方案。如果要通过自行车智能实现高级自动驾驶的大规模落地，将面临安全性不足、ODD(运营设计域)有限、经济成本高等三大问题。

安全问题:除了软硬件系统的缺陷和漏洞，单车智能自动驾驶系统在盲区遮挡、恶劣天气、交通事故等挑战场景下的有效性和应对能力仍有待提高；

ODD受到很大限制:由于车端传感器的安装位置、探测距离、时间同步等限制，自动驾驶车辆在繁忙路口、逆光等环境下仍无法实现准确感知识别和高精度定位。但这些长尾问题，仅靠自行车智能中的车端感知是解决不了的；

经济成本:为了保证自动驾驶的安全性，通过传感器数量的大幅增加以及车侧传感冗余、高精度地图和相应软件系统等软硬件的叠加，大大提高了自动驾驶车辆的成本；不可否认，正是因为以上三大问题，以Waymo为代表的基于自行车智能的高级自动驾驶仍然难以实现大规模商业落地。

另一种技术路线，即基于车路协调的自动驾驶，可以在一定程度上解决上述问题。

车路协同的优势在哪里？

白皮书指出，基于车路协同的自动驾驶可以通过信息交互、协同感知、协同决策控制，突破自行车智能化的天花板，从本质上解决自行车智能自动驾驶遇到的技术瓶颈和成本问题，进而推动自动驾驶技术的发展和大规模商业落地。

具体来说，智能自动驾驶车辆带自行车的ODD具有一定的局限性，主要体现在自行车感知范围或边界的局限性和自行车可识别响应场景的局限性。

基于车路协调的自动驾驶可以在一定程度上解决自行车智能在感知和预测方面的局限性，通过路侧感知的协调，扩大自动驾驶的奇数范围。

以无信号灯的路口场景为例，白皮书指出，车路协同可以通过路侧计算处理设备分析周围车辆和行人的位置、速度、轨迹等信息，为路口车辆生成并发送交通调度信息，使其安全通过路口。

此外，白皮书还通过模型构建和定量计算的方式，从安全性和经济性的角度进行了有效的分析，为行业内外提供了更加坚实可靠的理论依据和数据支持。

在安全层面，车路协同自动驾驶可以通过车侧和车侧的协同感知和决策，解决自行车智能面临的一系列典型安全问题，如车侧感知失效、行人和车辆轨迹预测、车辆遮挡等。

基于SOTIF-车-路协调，每个区域都发生变化。

鉴于此，白皮书引入了车路协同自动驾驶的期望功能安全(VICAD SOTIF)概念，构建了车路协同自动驾驶的安全效益模型。同时，基于模型和百度Apollo提供的真实交通流数据，得出了车路协同驾驶在安全性提升方面的量化结果。

根据计算，与自行车智能相比，在超视距跟车、变道冲突、无保护左转三种场景下，车路协同可以分别降低38.94%、84.53%、90.75%的事故率。

同时，为了验证车路协调的显著经济性，白皮书分别从微观和宏观两个角度分析了效益。特别是在微观经济效益方面，白皮书给出了更清晰的高等级智能道路建设的计算方法和定量分析结果。

测算结果显示，从全国范围来看，每辆车只要能节约1.98万元的成本，每公里道路就能投入100万元进行智能化改造；如果在单个城市范围内进行计算，以北京为例，每辆车只要节约2000元的成本，每公里道路可投入约50万元，每个路口可投入81.84万元，实现所有智能设备的升级。

显然，相比之前各家只算自己账的做法，清华大学撰写的白皮书给出了更加科学透明的计算方法，车路协同自动驾驶的优越性也通过这些客观数字得到了进一步的证明。

为什么自动驾驶需要高水平的智能道路？

按照自行车智能路线玩家的想法，只需要一辆高级智能车就能实现自动驾驶。

但如上所述，只要安全性不足、成本高、运行范围有限等问题一天不解决，高级智能汽车的大规模落地就一天不会实现。

车路协同作为自行车智能的高级发展形式，恰恰可以在一定程度上弥补自行车智能的不足。

车与路的协调就是“智能车”与“智能路”的协调。

然而，应该指出的是，虽然“智能汽车”已经出现，但它们仍处于L2和L3的过渡阶段。

那么，问题来了:如果要使用这些“智能”但非“极其智能”的汽车，与“智能道路”形成合力，那么应该使用哪些道路来实现更高水平的自动驾驶功能，同时获得最佳的经济效益？

为了解决这个问题，这份由百度和清华联合编写的白皮书给出了智能道路技术相应的分级标准，明确了什么级别的汽车和道路才能形成最佳的配合，最终实现大规模的自动驾驶落地。

白皮书将道路分为六个智能等级，C0-C5，并指出C1-C3道路可以实现L4级自动驾驶与L5、L4级车辆在受限环境下的闭环，C4-C5道路可以实现L4级车辆与L2-L5的闭环。

虽然最终目标是L5车和C5路，但现阶段，实现自动驾驶规模商业化的两条比较可行的路径是:L4车+C1-C4路，或者C4路+L2-L4车。

但考虑到L4级自动驾驶车辆仍面临较大的技术瓶颈，白皮书给出的建议是:加快建设C4级智能道路，以相对成熟的技术支持L2+和L3级自动驾驶，帮助这些车辆快速提升自动驾驶能力，加快大规模商业落地进程。

至此，经过各种分析，此次发布的白皮书给出了中国发展高等级自动驾驶最可行的方案，对整个行业的发展意义重大。

更何况白皮书是由国内两家顶级机构联合编制的，其权威性和客观性得到了一定程度的保证。

主编单位之一的清华大学智能产业研究院由人工智能领域世界级科学家张亚勤创立，致力于智能交通、智能物联网、智能医疗三个研究方向。其在智能交通领域的建设目标之一是打造一个产学研联合打造的开放平台，建立智能交通系统的行业标准；另一个主编单位是百度Apollo，处于自动驾驶行业头部阵营。在增加自动驾驶数量的同时，它也在押注车路协调。今年5月，它与清华大学智能产业研究院联合发布了一项Apollo Air车路合作计划，可通过纯路侧感知实现L4自动驾驶闭环。

清华和百度的再度联手，将为产业界和学术界建立除技术之外更深层次的行业共识，为整个自动驾驶行业的商业化提供更系统、更具指导性的方案，树立标杆。

“清华大学和百度联合提出这份白皮书，一是让全行业达成共识，二是给政府部门出谋划策，让政府部门从上到下制定政策和标准，来协调和配合各部门、各行业的共同行动。在所有行业达成共识后，让车和路合作，形成一个良好的生态。”同济大学汽车安全研究所所长朱锡禅在接受采访时表示。

标签

“车路协调是我国自动驾驶发展的最优方案”，这已经成为我国政府和业界的共识。

从这份白皮书的发布可以看出，如今不仅政府在陆续出台政策支持车路协同的基础设施建设和产业发展，清华等高校和百度Apollo等企业也在用自己的方式推动行业迈上新台阶。

未来，无论是自动驾驶的大规模商业落地，还是智能交通、智慧城市的建设，预计在政府、企事业单位的共同努力下，generate都将拥有强大的生命力。

或许我们可以期待中国在智能交通领域弯道超车的那一天。

关注“新智能驾驶”微信官方账号，点击文章“阅读原文”下载白皮书:《自动驾驶车路协同关键技术与展望》

(雷锋网(微信官方账号:雷锋网)雷锋网雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。和大多数新兴行业一样，在经历了早期的胚胎探索和野蛮生长期后，整个行业对自动驾驶的理解正在加深。无论是在具象的技术产品层面，还是抽象的工业认知层面，自动驾驶的各个细分领域都在逐渐走向标准化和系统化。

近年来，业界陆续发布了《自动驾驶数据安全白皮书(2020)》、《自动驾驶应用场景与商业化路径(2020)》、《中国自动驾驶仿真蓝皮书(2020)》、《智能网联汽车高精度地图白皮书(2020)》等一系列行业报告，聚焦数据安全、商业化、仿真测试等自动驾驶关键问题。

这些报告的编制和发布，既是对过去的回顾，也是对行业未来发展的规范和指引。

如今，车路协作也迎来了全球首部技术创新白皮书。

6月24日，由清华大学智能产业研究院和百度Apollo联合主编的《面向自动驾驶的车路协同关键技术与展望》(以下简称《白皮书》)正式发布，为全球车路协同领域带来了迄今为止最深入的报告。

清华大学智能产业研究院院长张亚勤在发布会上表示

这份白皮书是全球首次发布关于车路协调的理论参考框架，对落地路径和方案有深入的思考和解读。

白皮书以科学、量化的方式，阐明了车路协同在技术、安全和经济层面的现实意义，为自动驾驶的大规模商业落地提供了方向，将进一步助力智慧交通和智慧城市建设。

为什么自行车智能不是最优解？

众所周知，目前自动驾驶的技术发展路线主要有两条……g:自行车智能和车路协调。

然而，在基于自行车智能的自动驾驶中，只有L2及以下的自动驾驶系统进入了商业落地发展阶段。

其中，L2 ADAS是现阶段自动驾驶汽车商业落地的核心，普及率较高。智能汽车高级工程研究院的一份市场报告显示，2020年前5个月累计销量超过5万辆的新型乘用车中，ADAS的平均标准装载率为53.43%。

另一方面，L3及以上的自动驾驶由于目前的法律法规和技术发展水平，无法进入量产阶段。高级自动驾驶的R&D投入和商业化验证仍主要集中在园区、港口等有限区域应用场景。

根据此次发布的白皮书分析，现阶段，自行车智能路线并不是实现高水平自动驾驶商业化和大规模落地的最优方案。如果要通过自行车智能实现高级自动驾驶的大规模落地，将面临安全性不足、ODD(运营设计域)有限、经济成本高等三大问题。

安全问题:除了软硬件系统的缺陷和漏洞，单车智能自动驾驶系统在盲区遮挡、恶劣天气、交通事故等挑战场景下的有效性和应对能力仍有待提高；

ODD受到很大限制:由于车端传感器的安装位置、探测距离、时间同步等限制，自动驾驶车辆在繁忙路口、逆光等环境下仍无法实现准确感知识别和高精度定位。但这些长尾问题，仅靠自行车智能中的车端感知是解决不了的；

经济成本:为了保证自动驾驶的安全性，通过传感器数量的大幅增加以及车侧传感冗余、高精度地图和相应软件系统等软硬件的叠加，大大提高了自动驾驶车辆的成本；不可否认，正是因为以上三大问题，以Waymo为代表的基于自行车智能的高级自动驾驶仍然难以实现大规模商业落地。

另一种技术路线，即基于车路协调的自动驾驶，可以在一定程度上解决上述问题。

车路协同的优势在哪里？

白皮书指出，基于车路协同的自动驾驶可以通过信息交互、协同感知、协同决策控制，突破自行车智能化的天花板，从本质上解决自行车智能自动驾驶遇到的技术瓶颈和成本问题，进而推动自动驾驶技术的发展和大规模商业落地。

具体来说，智能自动驾驶车辆带自行车的ODD具有一定的局限性，主要体现在自行车感知范围或边界的局限性和自行车可识别响应场景的局限性。

基于车路协调的自动驾驶可以在一定程度上解决自行车智能在感知和预测方面的局限性，通过路侧感知的协调，扩大自动驾驶的奇数范围。

以无信号灯的路口场景为例，白皮书指出，车路协同可以通过路侧计算处理设备分析周围车辆和行人的位置、速度、轨迹等信息，为路口车辆生成并发送交通调度信息，使其安全通过路口。

此外，白皮书还通过模型构建和定量计算的方式，从安全性和经济性的角度进行了有效的分析，为行业内外提供了更加坚实可靠的理论依据和数据支持。

在安全层面，车路协同自动驾驶可以通过车侧和车侧的协同感知和决策，解决自行车智能面临的一系列典型安全问题，如车侧感知失效、行人和车辆轨迹预测、车辆遮挡等。

基于SOTIF-车-路协调，每个区域都发生变化。

鉴于此，白皮书引入了车路协同自动驾驶的期望功能安全(VICAD SOTIF)概念，构建了车路协同自动驾驶的安全效益模型。同时，基于模型和百度Apollo提供的真实交通流数据，得出了车路协同驾驶在安全性提升方面的量化结果。

根据计算，与自行车智能相比，在超视距跟车、变道冲突、无保护左转三种场景下，车路协同可以分别降低38.94%、84.53%、90.75%的事故率。

同时，为了验证车路协调的显著经济性，白皮书分别从微观和宏观两个角度分析了效益。特别是在微观经济效益方面，白皮书给出了更清晰的高等级智能道路建设的计算方法和定量分析结果。

测算结果显示，从全国范围来看，每辆车只要能节约1.98万元的成本，每公里道路就能投入100万元进行智能化改造；如果在单个城市范围内进行计算，以北京为例，每辆车只要节约2000元的成本，每公里道路可投入约50万元，每个路口可投入81.84万元，实现所有智能设备的升级。

显然，相比之前各家只算自己账的做法，清华大学撰写的白皮书给出了更加科学透明的计算方法，车路协同自动驾驶的优越性也通过这些客观数字得到了进一步的证明。

为什么自动驾驶需要高水平的智能道路？

按照自行车智能路线玩家的想法，只需要一辆高级智能车就能实现自动驾驶。

但如上所述，只要安全性不足、成本高、运行范围有限等问题一天不解决，高级智能汽车的大规模落地就一天不会实现。

车路协同作为自行车智能的高级发展形式，恰恰可以在一定程度上弥补自行车智能的不足。

车与路的协调就是“智能车”与“智能路”的协调。

然而，应该指出的是，虽然“智能汽车”已经出现，但它们仍处于L2和L3的过渡阶段。

那么，问题来了:如果要使用这些“智能”但非“极其智能”的汽车，与“智能道路”形成合力，那么应该使用哪些道路来实现更高水平的自动驾驶功能，同时获得最佳的经济效益？

为了解决这个问题，这份由百度和清华联合编写的白皮书给出了智能道路技术相应的分级标准，明确了什么级别的汽车和道路才能形成最佳的配合，最终实现大规模的自动驾驶落地。

白皮书将道路分为六个智能等级，C0-C5，并指出C1-C3道路可以实现L4级自动驾驶与L5、L4级车辆在受限环境下的闭环，C4-C5道路可以实现L4级车辆与L2-L5的闭环。

虽然最终目标是L5车和C5路，但现阶段，实现自动驾驶规模商业化的两条比较可行的路径是:L4车+C1-C4路，或者C4路+L2-L4车。

但考虑到L4级自动驾驶车辆仍面临较大的技术瓶颈，白皮书给出的建议是:加快建设C4级智能道路，以相对成熟的技术支持L2+和L3级自动驾驶，帮助这些车辆快速提升自动驾驶能力，加快大规模商业落地进程。

至此，经过各种分析，此次发布的白皮书给出了中国发展高等级自动驾驶最可行的方案，对整个行业的发展意义重大。

更何况白皮书是由国内两家顶级机构联合编制的，其权威性和客观性得到了一定程度的保证。

主编单位之一的清华大学智能产业研究院由人工智能领域世界级科学家张亚勤创立，致力于智能交通、智能物联网、智能医疗三个研究方向。其在智能交通领域的建设目标之一是打造一个产学研联合打造的开放平台，建立智能交通系统的行业标准；另一个主编单位是百度Apollo，处于自动驾驶行业头部阵营。在增加自动驾驶数量的同时，它也在押注车路协调。今年5月，它与清华大学智能产业研究院联合发布了一项Apollo Air车路合作计划，可通过纯路侧感知实现L4自动驾驶闭环。

清华和百度的再度联手，将为产业界和学术界建立除技术之外更深层次的行业共识，为整个自动驾驶行业的商业化提供更系统、更具指导性的方案，树立标杆。

“清华大学和百度联合提出这份白皮书，一是让全行业达成共识，二是给政府部门出谋划策，让政府部门从上到下制定政策和标准，来协调和配合各部门、各行业的共同行动。在所有行业达成共识后，让车和路合作，形成一个良好的生态。”同济大学汽车安全研究所所长朱锡禅在接受采访时表示。

标签

“车路协调是我国自动驾驶发展的最优方案”，这已经成为我国政府和业界的共识。

从这份白皮书的发布可以看出，如今不仅政府在陆续出台政策支持车路协同的基础设施建设和产业发展，清华等高校和百度Apollo等企业也在用自己的方式推动行业迈上新台阶。

未来，无论是自动驾驶的大规模商业落地，还是智能交通、智慧城市的建设，预计在政府、企事业单位的共同努力下，generate都将拥有强大的生命力。

或许我们可以期待中国在智能交通领域弯道超车的那一天。

关注“新智能驾驶”微信官方账号，点击文章“阅读原文”下载白皮书:《自动驾驶车路协同关键技术与展望》

(雷锋网(微信官方账号:雷锋网)雷锋网雷锋网)

雷锋的原创文章。未经授权，禁止转载。详见转载说明。

标签：优越北京理念

汽车资讯热门资讯