·“当前车路协同的发展仍面临时空对齐、低时延等技术壁垒，以及商业闭环、信息孤岛等难题。”
·路侧与车侧的建设不同，低级别的自动驾驶反而需要高级别的路侧基础设施。“整体会是低级别的道路配上高级别的自动驾驶单车，达到自动驾驶L4级别。比如C1-C3的道路，再加上单车的L4，最终达到比较理想的L4级别；C4-C5的高级别道路配合L2的单车，最终能够达到L4级别。”
近几年，自动驾驶技术快速发展，但有限的传感器配置并不足以为单车带来全局无死角的感知能力，因盲区而造成的安全隐患依然存在，而增添更多传感器势必会造成单车成本大幅上升。通过路侧感知为单车“开天眼”是另一种有效路径。
当前，自动驾驶存在单车智能自动驾驶和车路协同自动驾驶两种技术路线。其中，单车智能像车灯，车路协同像路灯，两者协同作用令自动驾驶规模化商业落地门槛降低，加速单体智能向协同智能转变。
商汤科技绝影车路协同产研副总裁武伟日前表示，自动驾驶汽车已先行一步，现在要思考进行新一阶段规模化、可商用的路侧建设，赋能已经往前走了一步的车。但他也表示，当前车路协同的发展仍面临时空对齐、低时延等技术壁垒，以及商业闭环、信息孤岛等难题。
聪明的车+智慧的路+协同的云
今年世界人工智能大会期间，商汤科技发布SenseAuto V2X商汤绝影车路协同平台，试图构建“聪明的车+智慧的路+协同的云”一体化分析决策方案，对车端、路端信息融合处理和分析，实现“车-路-云”一体化决策控制。
在车端，SenseAuto V2X-I车城网平台通过轻量化的算力设备，搭建车城网移动感知源IoT（物联网）平台，其形似带有AI算力的行车记录仪，可智能化感知移动视频源。比如把它装在公交车上充当日常巡检，产生城市管理数据并推送给相关部门。
在路侧，V2X-E智能路侧产品具备300米、8车道感知范围和95%的雷达+视觉融合感知精度，以及厘米级和150毫秒级的时空精度，实现全局感知，为单车补盲，并向车辆实时下发超70个车路协同应用，提升单车在复杂环境下的安全性，补充路侧能力可摊低智能网联单车成本。
在云端，V2X-M智算平台可对数据汇聚和计算，并通过V2X-C云控平台进行车辆云端控制，针对道路拥堵、路口通行效率低下、交通组织不合理、交通秩序混乱、交通违法频发等各类问题给予全局最优决策。
智算平台拥有100种以上算法仓，覆盖车路协同全对象全场景算法需求。云控平台构建了超过10个智能网联车应用，例如路径引导、车速建议、碳排放优化等，降低路口车均延误及绿灯空放，效能提升超20%。
在2022世界人工智能大会上，商汤绝影车路协同产研副总裁武伟发布最新产品矩阵。
武伟表示，车路协同产业链长，上游涉及毫米波雷达、激光雷达、芯片等硬件公司，中游涵盖智能计算、AI平台、车路协同标准化协议栈等，下游企业主要从事与车路协同相关的运营、服务、应用。商汤切入的是车路协同中的智能计算，以软件定义车路协同，硬件一次建设，软件持续升级，摊薄车路协同建设的边际成本，延长新项目的硬件使用周期，功能持续扩增，模型精度方面持续增长。目前，SenseAuto V2X商汤绝影车路协同平台正逐步在国家级车联网先导示范区、封闭园区、高速公路和城市交通的管理场景中落地。
道路智能化等级越高，对车辆智能化要求越低
“车和路这两块，车已经往前先走了一步，我们现在就要思考怎么能够进行新一阶段规模化、可商用的路侧建设，赋能已经往前走了一步的车。”武伟表示，车路协同实现商业闭环的关键在于，一是有足够多的使用者分摊车路协同建设成本。二是融入现有交通体系，平滑过渡，既能服务现有交通业务，也能服务自动驾驶。三是与车企联动，探索如何在落地实践中定义出成熟、标准化的车路协同协议栈。
“城市的关键路口通常在100个左右的量级，把路做好分类，在一些关键路段布局，与量产自动驾驶打通、共享，就有希望让路口的智能化建设与传统信号机一样普遍，这样一来，整体的规模商业化会被进一步打开。”
当下自动驾驶汽车智能化水平不一，对智能道路的要求存在差异，这种差异化的需求如何解决？自动驾驶有分级，车路协同的路侧是否也存在智能化分级？
对此，武伟告诉澎湃新闻（www.thepaper.cn），虽然国际上尚未形成统一认识，但业内部已有分级，目前认可度较高的一个定义是智能化道路会分为C1-C5，不同级别的道路在定位精度、地图精度、路侧设备数量上有所区分。
而在去年6月，清华大学智能产业研究院与百度Apollo推出全球首份车路协同技术创新白皮书《面向自动驾驶的车路协同关键技术与展望》。白皮书将国内道路智能化水平分为C0-C5级6个等级。道路智能化等级越高，对车辆智能化要求也越低，覆盖的智能汽车等级范围也越广。
“整体会是低级别的道路配上高级别的自动驾驶单车，达到自动驾驶L4级别。比如C1-C3的道路，再加上单车的L4，最终达到比较理想的L4级别；C4-C5的高级别道路配合L2的单车，最终能够达到L4级别。”武伟表示，路侧与车侧的建设不同，低级别的自动驾驶反而需要高级别的路侧基础设施，高级别的自动驾驶需要的是低级别的路侧基础设施。
车路协同仍面临时空对齐、低时延等技术壁垒
上述白皮书提到，车路协同像路灯，单车智能就像车灯，在两者协同作用下，自动驾驶规模化商业落地门槛能够大大降低，加速单体智能向协同智能的转变。因此自动驾驶的规模化落地一定需要车路协同。
但不同城市之间，“聪明的路”还是一个个孤岛，未来城市与城市之间的联通如何才能更便捷？武伟表示，不同城市在建设车路协同示范区，有两种路径最终可以把这些信息孤岛连起来。
一是构建全域的高精地图实现标准化，推动信息联通。“最早没有电子地图，我们出行靠的是到了一个地方就问路，会有人带路，甚至有带路这样的职业。后来这些职业消失了，是因为通过手机App的地图实现了标准化，大家信息互通了，就能够统一了。”武伟表示，未来智能网联汽车需要有属于自己全域的地图。二是通过车企对接更多城市，当车企与业内生态有了更多对接，可以打通信息孤岛。“实际上，全域高精地图的构建和车企的打通是一回事，更多的车企打通全域信息，最终可以实现各区域间的信息串联。”
商汤绝影自动驾驶接驳小巴在上海临港新片区组成的车队。
除了商业闭环和信息孤岛等问题，车路协同还面临技术壁垒。比如，路侧增加一个传感器，技术上需要解决时空对齐。也就是说，路侧所感知事件的坐标系和车侧所感知到的定位和坐标系需要高精度融合，才能无感使用路侧的感知、规划控制等基础设施。
时延也是非常重要的技术指标，路口级的快闭环要做到端到端时延几十毫秒，因此技术上需要对每个处理环节进行极致压榨。“我们能够达到百毫秒级别的时延，这个指标目前在业界还是非常领先的，但仍然需要进一步提升，我们也需要和生态合作伙伴一起去压榨性能，因为这里面不仅仅包括了与通信相关的时延，也包括了跟传感器、编解码相关的时延，跟数据融合计算相关的时延，以及AI分析相关的时延。”武伟表示，整体来看，通过各方努力，快闭环提升到百毫秒以内“相对还是比较有希望实现的”。
