0
和大多數新興產業一樣，在經歷了早期的萌芽探索、野蠻生長時期后，整個行業對自動駕駛的認識正在不斷深化，無論是具象的技術產品層面，亦或是抽象的產業認知層面，自動駕駛的各個細分領域都在逐步走向標準化、體系化。
近年來，業內已陸續發布了《自動駕駛數據安全白皮書（2020）》《自動駕駛應用場景與商業化路徑（2020）》《中國自動駕駛仿真藍皮書（2020）》《2020智能網聯汽車高精地圖白皮書》等系列行業報告，分別聚焦數據安全、商業化、仿真測試等自動駕駛的關鍵議題。
這些報告的編寫和發布，既是對過往的回顧，也是對行業未來發展的規范和指引。
如今，車路協同也迎來了全球首份技術創新白皮書。
6月24日，清華大學智能產業研究院與百度Apollo聯合主編的《面向自動駕駛的車路協同關鍵技術與展望》（以下簡稱"白皮書"）正式發布，為全球車路協同領域帶來了迄今為止最為深入的報告。
清華大學智能產業研究院院長張亞勤在發布會上表示，
這個白皮書是全球第一次發布在車路協同方面的理論參考框架，對于落地路徑和方案都有深度的思考和解讀。
該白皮書通過科學、量化的方式，明確了車路協同在技術、安全、經濟層面的現實意義，為自動駕駛的規模化商業落地提供了方向，并將進一步助力建設智慧交通與智慧城市。
眾所周知，當前，自動駕駛主要有兩種主流的技術發展路線：單車智能與車路協同。
然而，在基于單車智能的自動駕駛中，僅有L2及以下等級的自動駕駛系統進入了商用落地發展階段。
其中，L2級的ADAS是現階段自動駕駛汽車商用落地的核心，滲透率較高。根據高工智能汽車研究院一份市場報告，在2020年前五個月累計銷量超過5萬輛的乘用車新車中，ADAS的前裝標配搭載率平均達到53.43%。
反觀L3級及以上的自動駕駛則因受制于當前的法律法規和技術發展水平，目前還無法進入量產落地階段。高等級自動駕駛的研發投入和商業化驗證仍主要集中在園區、港口等限定區域應用場景。
根據此次發布的白皮書分析，現階段，單車智能路線并不是實現高等級自動駕駛商業化、規模化落地的最優解。如果要通過單車智能實現高等級自動駕駛的大規模落地，將會面臨安全性不足、ODD（可運行設計域）受限較大、經濟成本過高三大難題。
安全問題：除了軟硬件系統會出現缺陷和漏洞，單車智能自動駕駛系統在盲區遮擋、惡劣天氣、交通事故等挑戰性場景中的有效性和應對能力仍有待提升；
ODD受限較大：受車端傳感器安裝位置、探測距離、時間同步等限制，自動駕駛車輛在繁忙路口、逆光等環境中仍無法做到準確感知識別和高精度定位。而這些長尾問題僅靠單車智能中的車端感知是無法解決的；
經濟成本問題：為確保自動駕駛安全，數量顯著增加的傳感器以及車端感知冗余、高精地圖、相應的軟件系統等軟硬件的疊加，都使得自動駕駛車輛的成本大幅增加；
無可否認的是，正是因為以上三大難題，以Waymo為代表的基于單車智能的高等級自動駕駛至今仍難實現規模化的商業落地。
而另一條技術路線，即基于車路協同的自動駕駛，則可以在一定程度上很好地解決以上難題。
白皮書指出，基于車路協同的自動駕駛可以通過信息交互協同、協同感知與協同決策控制，突破單車智能的天花板，從本質上解決單車智能自動駕駛遇到的技術瓶頸和成本問題，進而促進自動駕駛技術發展和規模化的商業落地。
具體來看，單車智能自動駕駛車輛的ODD存在一定局限性，主要體現在單車感知范圍或邊界的局限性以及單車可識別應對場景的有限性上。
而基于車路協同的自動駕駛，可以通過路側感知的協同，在一定程度上解決單車智能在感知和預測方面的局限性，擴展自動駕駛的ODD范圍。
白皮書以無信號燈的交叉路口場景為例，指出車路協同可通過路側計算處理設備對周邊車輛和行人的位置、速度、軌跡等信息進行分析，為車輛生成并發送該路口的通行調度信息，令其可以安全通過路口。
此外，該白皮書還通過模型建構、量化計算等方式，從安全和經濟角度進行了有效分析，為行業內外提供了更為扎實可靠的理論依據和數據支撐。
在安全層面，車路協同自動駕駛可以通過車端與路側的協同感知、決策，解決單車智能所面臨的如車端感知失效、行人和車輛軌跡預測、前車遮擋等一系列典型的安全問題。
基于SOTIF-車路協同使得各區域發生變化
針對這一點，白皮書引入了面向車路協同自動駕駛的預期功能安全（VICAD SOTIF）理念，并構建了一個車路協同自動駕駛安全收益模型，同時基于該模型與百度Apollo提供的真實交通流數據，得出了車路協同在安全性提升方面的量化結果。
根據測算，相比單車智能，車路協同可以在超視距跟馳、換道沖突和無保護左轉的三種場景中，將事故發生率分別降低38.94%、84.53%、90.75%。
與此同時，為了驗證車路協同的顯著經濟性，白皮書分別從微觀和宏觀角度進行了效益分析。尤其是在微觀經濟效益層面，白皮書給出了關于高等級智能化道路建設的更為明確的計算方式和量化分析結果。
計算結果顯示，從全國范圍來看，只要可以在每輛車上節省1.98萬元的成本，就可以在每公里的道路上投入100萬元進行智能化改造；如果在單個城市的范圍內進行計算，以北京為例，則只要在每輛車上節省2000元的成本，就可以在每公里的道路上投入約50萬元、每個路口投入81.84萬元，實現全部智能化設備的升級改造。
顯然，相比從前各家只算自家帳的做法，此次清華大學參與編寫的白皮書給出了更為科學、透明的計算方法，車路協同自動駕駛的優越性也在這些客觀數字的佐證下得到了進一步的證明。
按照單車智能路線玩家的想法，要實現自動駕駛只需要一輛高等級的智能汽車就可以了。
但就如上文所言，只要安全性不足、成本過高、運行范圍受限等難題一日未能解決，高等級智能汽車的規模化落地就一日無法實現。
而車路協同作為單車智能的高級發展形式，恰好能夠在一定程度上補上單車智能目前所存在的短板。
車路協同，即是"聰明的車"與"智慧的路"的協同。
但需要指出的是，"聰明的車"雖然已經出現，但現在仍處于L2、L3的過渡階段。
那么，問題來了：如果要利用這些"聰明"、卻算不上"絕頂聰明"的車與"智慧的路"形成協同的話，要在哪些道路上行駛才能實現更高等級的自動駕駛功能，同時還能獲得最佳的經濟效益？
針對這個問題，百度與清華聯合編寫的這部白皮書給出了對應的智能道路技術分級標準，明確了什么等級的車與什么等級的路可以形成最佳配合，并能最終達成規模化的自動駕駛落地。
該白皮書將道路分為C0-C5六個智能等級，并指出C1-C3級的道路與L5、限定環境下的L4級車輛配套可實現L4級自動駕駛的閉環，而C4-C5級的路則可以與L2-L5級的車實現L4級的閉環。
雖然L5的車和C5的路才是終極目標，但現階段而言，要實現自動駕駛規模商業化落地的更為可行的兩條路徑是：L4的車+C1-C4的路，或C4的路+L2-L4的車。
但考慮到L4級自動駕駛車輛仍面臨較大的技術瓶頸，白皮書給出的建議是：加快建設C4等級的智能道路，以支持現在技術已經相對成熟的L2+和L3等級的自動駕駛，助力這些車輛快速提升自動駕駛能力，加快規模化的商業落地進程。
至此，經過前面種種分析鋪墊，此次發布的白皮書已經給出了當前國內發展高等級自動駕駛的最為可行的方案，這對整個行業的發展有著莫大的意義。
更何況，該白皮書是由國內兩家Top級的機構組織聯合編寫，其權威性和客觀性都已經得到一定程度的保證。
主編單位之一的清華大學智能產業研究院，由人工智能領域世界級科學家張亞勤于去年牽頭籌建，致力于智慧交通、智慧物聯、智慧醫療三大研究方向。其在智慧交通領域的建設目標之一，就是打造產學研共創的開放平臺，建立智慧交通系統的行業標準；
另一家主編單位則是位居自動駕駛產業界頭部陣營的百度Apollo，其在不斷加碼自動駕駛的同時，也在下注車路協同。今年5月，其與清華大學智能產業研究院聯合發布了一項可以通過純路側感知實現L4自動駕駛閉環的Apollo Air車路協同計劃。
此次清華與百度的再度聯手，則將在技術之外，為產業界與學術界建立更深層次的行業共識，為整個自動駕駛行業的商業化提供更具系統性、指導性的方案，樹立標桿。
“由清華大學和百度聯合提出這個白皮書，一是讓全行業達成共識，二是給政府部門出謀劃策，讓政府部門從上到下制定政策、標準，來協同、協調各部門和行業共同的行動。各行業達成共識之后，讓車路協同形成一個良好的生態。” 同濟大學汽車安全研究所所長朱西產在接受采訪時說道。
"車路協同是中國自動駕駛發展的最優解"，這已經成為我國政府與行業的共識。
從此次白皮書的發布可以看出，如今，不止政府側在陸續出臺政策，扶持車路協同的基礎建設和產業發展，高等院校如清華、企業如百度Apollo等也都在用自己的方式助推產業邁上新臺階。
未來，無論是自動駕駛規模化的商業落地，還是智能交通、智慧城市的打造，都有望在政府、企業、院校的多方合力下迸發強勁活力。
或許我們可以期待一下，中國在智能交通領域實現彎道超車的那一天。
關注“新智駕”公眾號，點擊文章“閱讀原文”即可下載白皮書：《面向自動駕駛的車路協同關鍵技術與展望》
（雷鋒網雷鋒網雷鋒網）
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
