智能车路协同技术的应用领域（车路协同可在未来2年内赶超单车智能）

作者 / 华卫

「相比百度等其他做智慧道路的企业，天翼交通的核心竞争力是时间和空间全连续的全息化道路和99.99%的可用性。」

11月3日，天翼交通科技有限公司总经理王劲在苏州市智能车联网产业创新集群推进会暨第四届全球智能驾驶大会上发表演讲，首度系统公开所构建全息道路以及数字化运营的理念体系，还分析对比了车路协同和单车智能两种技术路线在落地过程中的差异，并在随后的媒体沟通会上进一步介绍了其基于车路协同推出的「轻车·熟路」自动驾驶系统及落地应用与运营实践。

针对中国自动驾驶产业的现状与路线选择，王劲称，「车路协同是最有希望且最有能力帮助中国智能交通产业实现飞跃式发展的技术路线。依托政府的基建和资源整合能力，车路协同路线在中国可以另辟蹊径。」

车路协同将赶超单车智能？

回顾十余年的从业经历，王劲指出，自动驾驶技术实现商业化落地，应当解决3个问题：安全性、效率、经济性。但现状是，单车智能路线狂飙了十余年，烧掉了千亿美元资金，迄今仍未给出具有清晰商业化前景的方案。

安全性上，该路线仍然有盲区方面的问题，包括鬼探头等长尾问题；第二是认知，今天的人工智能还是无法很好地解决认知问题，比如前方有一个坑的场景；第三是预测，今天的人工智能在预测上仍有非常大的缺陷。正是因为这些问题，走单车智能路线的无人驾驶车到今天无法突破天花板。

效率问题则有大有小。小的方面是单车智能的无人驾驶车由于无法达到可靠的置信度，不得不采取更保守的办法，即牺牲效率来换取安全；大的方面是泛化能力，今天单车智能的无人驾驶车要收集数据，但成本非常昂贵。

根据兰德智库提出的标准和判断，单车智能要达到能够量产和足够安全，需要积累110亿公里的里程，但Waymo花了十年才实现3500万公里的里程积累，而这已经是全世界单一公司积累的最多数据。也就是说，即便是Waymo这样财大气粗的企业，也很难在短期内实现足够大规模的数据积累，成本使得单车智能几乎成为不可能的任务。

经济性也是单车智能的一大缺陷。其实单车智能遇到绝大部分场景仅需100TOPS的计算力和感知就能解决，但是为了其余1-2%的复杂场景，又不得不把每辆单车的算力提升到1000TOPS，甚至2000TOPS。由于单车智能没法解决车之间的联网和共享传感器和计算能力，每辆无人驾驶车的单价到了难以经济化部署的程度。

「在未来2年内，车路协同的安全性将超越单车智能。」王劲表示，从时间上看，车路协同技术路线比单车智能路线发力略晚。但从2018年至今，车路协同的技术成熟度、安全性正体现出赶超单车智能的趋势。

相较于单车智能，车路协同可以通过路端的设备部署具有时间和空间上的连续性、多视角无盲区的感知能力，以及数据中心强大的处理能力和算力优势迅速帮助车辆进行智慧决策。而且，路端对车端1对N的智能化赋能可大幅提升车辆行驶安全，并降低车端堆砌硬件所需的成本，减轻产业链与消费者两端的资金压力。

庞大的路端成本怎么降？

今年8月，天翼交通联合中智行发布了「轻车·熟路」自动驾驶系统。该系统在全球首次实现以轻量化自动驾驶车 高级别全息智能道路，依赖纯路端感知在城市级公开道路上达成长距离、长时间L4自动驾驶。

其中，「轻车」使自动驾驶车辆无需安装复杂和高成本的激光雷达等传感器和大算力处理器芯片，实现从成本、数据处理能力和技术架构等多方面的轻量化；「熟路」则是指天翼交通独有的全息道路网，其在路端集成安装激光雷达、高清摄像头、路端通讯模及边缘计算等多种设备，打造出全路段无盲区、无死角的道路感知体系，将原本实现L4级别自动驾驶所需的单车多维度感知转由路端传感器分担。

车的成本是降下来了，庞大的路端成本怎么办呢？

对此，王劲以苏州为例算了经济的大账。他表示，苏州总共有一万零几百公里的道路城市化道路，每公里全息化差不多是30~40万元，用40万来算，把所有道路全息化就是40个亿的投入，平均能从每辆车省下接近4万。

此外，王劲介绍，天翼交通全息道路可获取全路段时空连续的高质量数据，其准确率/召回率≥95%，事件识别率≥95%，能够实现全路段厘米级的位置精度以及毫秒级的时间精度，并以三维空间 时间维度的高精度时空连续4D感知，超过了现阶段单车智能感知能力的上限。

而且，全息道路采用全天候、全时段双链路冗余通信和全链路监控与自恢复系统，可全天候保障车辆在完全切断车端感知数据的极端情况下，依赖纯路端感知进行L4级别自动驾驶，全系统无故障运行时间达到99.99%。

低时延方面，其采用中国电信的5G高带宽、低时延通信技术，空口99分位时延<30ms，感知数据端到端99分位时延<200ms，在保证车端到路端数据传输充分有效的同时又节约了带宽。

该「轻车·熟路」系统还配置了人工智能，具有从感知到认知的升维能力，还可对人类驾驶行为进行理解与学习，根据获取数据和模型算法建立车路协同的标准评价体系，进一步强化系统的对象感知、事件识别。

如何解决单日29万辆Robotaxi数据量？

「我们的『轻车·熟路』系统有什么缺点？缺点是首先得把路给布出来，而且为把这个路布成熟，我们的投入很大。」王劲表示。

据了解，目前天翼交通在苏州高铁新城核心区域布设了双向道路里程约15km的全息道路，包含开放路口、路段和封闭园区等多类道路条件，并在上述路段开辟执行了3条公交线路的运营，提供车路协同自动驾驶接驳服务。

需要注意的是，全息道路系统的运转会产生大量的数据，而对这些数据的分析处理或是车路协同落地运营的头号难题。王劲在演讲中给出这样一组数据：以高铁新城1个路口为例，每天可产生约10TB的数据。依照2021年有关道路数据统计，若实现苏州全域约20300个路口的全域覆盖，该系统每天将产生198PB的数据量，相当于29万辆Robotaxi一天采集的数据量。

为此，天翼交通在业内首度系统提出以数据驱动为核心的车路协同「数字化运营」体系。据介绍，该体系是将道路数字化建设与运营一体化作为发展思路，从前端路侧部署与感知、后端数据处理和数学模型创新应用等3个层面，来解决车路协同规模化所带来的数据采集、处理和应用问题。

数据中心处理环节中，他们会对多源数据进行充分融合和时空对齐，根据数据的种类进行有序的分类、分级处理，并根据冷数据和热数据的不同要求进行存储配置。

在路侧设备部署与感知层面，天翼交通将通过路侧智能感知设备建立连续覆盖的观测体系，实时采集交通流数据；数学模型创新与应用层面，其将挖掘从路侧获得的海量数据用以算法模型的强化训练，然后把数据训练后的新数学模型应用到场景中，提升场景的业务水平，并促进其进一步拓展应用面。

王劲介绍，天翼交通制定了「从苏州起步，单城打透，全国复制」的发展战略，且目前他们内部已有在各地区落地的时间规划，具体时间线会在与各城市及市政府全面签约后公布。

,