·“當前車路協同的發展仍面臨時空對齊、低時延等技術壁壘，以及商業閉環、信息孤島等難題。”

·路側與車側的建設不同，低級別的自動駕駛反而需要高級別的路側基礎設施。“整體會是低級別的道路配上高級別的自動駕駛單車，達到自動駕駛L4級別。比如C1-C3的道路，再加上單車的L4，最終達到比較理想的L4級別；C4-C5的高級別道路配合L2的單車，最終能夠達到L4級別。”

近幾年，自動駕駛技術快速發展，但有限的傳感器配置并不足以為單車帶來全局無死角的感知能力，因盲區而造成的安全隱患依然存在，而增添更多傳感器勢必會造成單車成本大幅上升。通過路側感知為單車“開天眼”是另一種有效路徑。

當前，自動駕駛存在單車智能自動駕駛和車路協同自動駕駛兩種技術路線。其中，單車智能像車燈，車路協同像路燈，兩者協同作用令自動駕駛規模化商業落地門檻降低，加速單體智能向協同智能轉變。

商湯科技絕影車路協同產研副總裁武偉日前表示，自動駕駛汽車已先行一步，現在要思考進行新一階段規模化、可商用的路側建設，賦能已經往前走了一步的車。但他也表示，當前車路協同的發展仍面臨時空對齊、低時延等技術壁壘，以及商業閉環、信息孤島等難題。

聰明的車+智慧的路+協同的云

今年世界人工智能大會期間，商湯科技發布SenseAuto V2X商湯絕影車路協同平臺，試圖構建“聰明的車+智慧的路+協同的云”一體化分析決策方案，對車端、路端信息融合處理和分析，實現“車-路-云”一體化決策控制。

在車端，SenseAuto V2X-I車城網平臺通過輕量化的算力設備，搭建車城網移動感知源IoT（物聯網）平臺，其形似帶有AI算力的行車記錄儀，可智能化感知移動視頻源。比如把它裝在公交車上充當日常巡檢，產生城市管理數據并推送給相關部門。

在路側，V2X-E智能路側產品具備300米、8車道感知范圍和95%的雷達+視覺融合感知精度，以及厘米級和150毫秒級的時空精度，實現全局感知，為單車補盲，并向車輛實時下發超70個車路協同應用，提升單車在復雜環境下的安全性，補充路側能力可攤低智能網聯單車成本。

在云端，V2X-M智算平臺可對數據匯聚和計算，并通過V2X-C云控平臺進行車輛云端控制，針對道路擁堵、路口通行效率低下、交通組織不合理、交通秩序混亂、交通違法頻發等各類問題給予全局最優決策。

智算平臺擁有100種以上算法倉，覆蓋車路協同全對象全場景算法需求。云控平臺構建了超過10個智能網聯車應用，例如路徑引導、車速建議、碳排放優化等，降低路口車均延誤及綠燈空放，效能提升超20%。

在2022世界人工智能大會上，商湯絕影車路協同產研副總裁武偉發布最新產品矩陣。

武偉表示，車路協同產業鏈長，上游涉及毫米波雷達、激光雷達、芯片等硬件公司，中游涵蓋智能計算、AI平臺、車路協同標準化協議棧等，下游企業主要從事與車路協同相關的運營、服務、應用。商湯切入的是車路協同中的智能計算，以軟件定義車路協同，硬件一次建設，軟件持續升級，攤薄車路協同建設的邊際成本，延長新項目的硬件使用周期，功能持續擴增，模型精度方面持續增長。目前，SenseAuto V2X商湯絕影車路協同平臺正逐步在國家級車聯網先導示范區、封閉園區、高速公路和城市交通的管理場景中落地。

道路智能化等級越高，對車輛智能化要求越低

“車和路這兩塊，車已經往前先走了一步，我們現在就要思考怎么能夠進行新一階段規模化、可商用的路側建設，賦能已經往前走了一步的車。”武偉表示，車路協同實現商業閉環的關鍵在于，一是有足夠多的使用者分攤車路協同建設成本。二是融入現有交通體系，平滑過渡，既能服務現有交通業務，也能服務自動駕駛。三是與車企聯動，探索如何在落地實踐中定義出成熟、標準化的車路協同協議棧。

“城市的關鍵路口通常在100個左右的量級，把路做好分類，在一些關鍵路段布局，與量產自動駕駛打通、共享，就有希望讓路口的智能化建設與傳統信號機一樣普遍，這樣一來，整體的規模商業化會被進一步打開。”

當下自動駕駛汽車智能化水平不一，對智能道路的要求存在差異，這種差異化的需求如何解決？自動駕駛有分級，車路協同的路側是否也存在智能化分級？

對此，武偉告訴澎湃新聞（www.usamodel.cn），雖然國際上尚未形成統一認識，但業內部已有分級，目前認可度較高的一個定義是智能化道路會分為C1-C5，不同級別的道路在定位精度、地圖精度、路側設備數量上有所區分。

而在去年6月，清華大學智能產業研究院與百度Apollo推出全球首份車路協同技術創新白皮書《面向自動駕駛的車路協同關鍵技術與展望》。白皮書將國內道路智能化水平分為C0-C5級6個等級。道路智能化等級越高，對車輛智能化要求也越低，覆蓋的智能汽車等級范圍也越廣。

“整體會是低級別的道路配上高級別的自動駕駛單車，達到自動駕駛L4級別。比如C1-C3的道路，再加上單車的L4，最終達到比較理想的L4級別；C4-C5的高級別道路配合L2的單車，最終能夠達到L4級別。”武偉表示，路側與車側的建設不同，低級別的自動駕駛反而需要高級別的路側基礎設施，高級別的自動駕駛需要的是低級別的路側基礎設施。

車路協同仍面臨時空對齊、低時延等技術壁壘

上述白皮書提到，車路協同像路燈，單車智能就像車燈，在兩者協同作用下，自動駕駛規模化商業落地門檻能夠大大降低，加速單體智能向協同智能的轉變。因此自動駕駛的規模化落地一定需要車路協同。

但不同城市之間，“聰明的路”還是一個個孤島，未來城市與城市之間的聯通如何才能更便捷？武偉表示，不同城市在建設車路協同示范區，有兩種路徑最終可以把這些信息孤島連起來。

一是構建全域的高精地圖實現標準化，推動信息聯通。“最早沒有電子地圖，我們出行靠的是到了一個地方就問路，會有人帶路，甚至有帶路這樣的職業。后來這些職業消失了，是因為通過手機App的地圖實現了標準化，大家信息互通了，就能夠統一了。”武偉表示，未來智能網聯汽車需要有屬于自己全域的地圖。二是通過車企對接更多城市，當車企與業內生態有了更多對接，可以打通信息孤島。“實際上，全域高精地圖的構建和車企的打通是一回事，更多的車企打通全域信息，最終可以實現各區域間的信息串聯。”

商湯絕影自動駕駛接駁小巴在上海臨港新片區組成的車隊。

除了商業閉環和信息孤島等問題，車路協同還面臨技術壁壘。比如，路側增加一個傳感器，技術上需要解決時空對齊。也就是說，路側所感知事件的坐標系和車側所感知到的定位和坐標系需要高精度融合，才能無感使用路側的感知、規劃控制等基礎設施。

時延也是非常重要的技術指標，路口級的快閉環要做到端到端時延幾十毫秒，因此技術上需要對每個處理環節進行極致壓榨。“我們能夠達到百毫秒級別的時延，這個指標目前在業界還是非常領先的，但仍然需要進一步提升，我們也需要和生態合作伙伴一起去壓榨性能，因為這里面不僅僅包括了與通信相關的時延，也包括了跟傳感器、編解碼相關的時延，跟數據融合計算相關的時延，以及AI分析相關的時延。”武偉表示，整體來看，通過各方努力，快閉環提升到百毫秒以內“相對還是比較有希望實現的”。