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」

和大多数新兴产业一样，在经历了早期的萌芽探索、野蛮生长时期后，整个行业对自动驾驶的认识正在不断深化，无论是具象的技术产品层面，亦或是抽象的产业认知层面，自动驾驶的各个细分领域都在逐步走向标准化、体系化。

近年来，业内已陆续发布了《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）》《2020智能网联汽车高精地图白皮书》等系列行业报告，分别聚焦数据安全、商业化、仿真测试等自动驾驶的关键议题。

这些报告的编写和发布，既是对过往的回顾，也是对行业未来发展的规范和指引。

如今，车路协同也迎来了全球首份技术创新白皮书。

6月24日，清华大学智能产业研究院与百度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为深入的报告。

清华大学智能产业研究院院长张亚勤在发布会上表示，

该白皮书通过科学、量化的方式，明确了车路协同在技术、安全、经济层面的现实意义，为自动驾驶的规模化商业落地提供了方向，并将进一步助力建设智慧交通与智慧城市。

单车智能为何不是最优解？

众所周知，当前，自动驾驶主要有两种主流的技术发展路线：单车智能与车路协同。

然而，在基于单车智能的自动驾驶中，仅有L2及以下等级的自动驾驶系统进入了商用落地发展阶段。

其中，L2级的ADAS是现阶段自动驾驶汽车商用落地的核心，渗透率较高。根据高工智能汽车研究院一份市场报告，在2020年前五个月累计销量超过5万辆的乘用车新车中，ADAS的前装标配搭载率平均达到53.43%。

反观L3级及以上的自动驾驶则因受制于当前的法律法规和技术发展水平，目前还无法进入量产落地阶段。高等级自动驾驶的研发投入和商业化验证仍主要集中在园区、港口等限定区域应用场景。

根据此次发布的白皮书分析，现阶段，单车智能路线并不是实现高等级自动驾驶商业化、规模化落地的最优解。如果要通过单车智能实现高等级自动驾驶的大规模落地，将会面临安全性不足、ODD（可运行设计域）受限较大、经济成本过高三大难题。

• 安全问题：除了软硬件系统会出现缺陷和漏洞，单车智能自动驾驶系统在盲区遮挡、恶劣天气、交通事故等挑战性场景中的有效性和应对能力仍有待提升；

• ODD受限较大：受车端传感器安装位置、探测距离、时间同步等限制，自动驾驶车辆在繁忙路口、逆光等环境中仍无法做到准确感知识别和高精度定位。而这些长尾问题仅靠单车智能中的车端感知是无法解决的；

• 经济成本问题：为确保自动驾驶安全，数量显著增加的传感器以及车端感知冗余、高精地图、相应的软件系统等软硬件的叠加，都使得自动驾驶车辆的成本大幅增加；

无可否认的是，正是因为以上三大难题，以Waymo为代表的基于单车智能的高等级自动驾驶至今仍难实现规模化的商业落地。

而另一条技术路线，即基于车路协同的自动驾驶，则可以在一定程度上很好地解决以上难题。

车路协同优越性何在？

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、协同感知与协同决策控制，突破单车智能的天花板，从本质上解决单车智能自动驾驶遇到的技术瓶颈和成本问题，进而促进自动驾驶技术发展和规模化的商业落地。

具体来看，单车智能自动驾驶车辆的ODD存在一定局限性，主要体现在单车感知范围或边界的局限性以及单车可识别应对场景的有限性上。

而基于车路协同的自动驾驶，可以通过路侧感知的协同，在一定程度上解决单车智能在感知和预测方面的局限性，扩展自动驾驶的ODD范围。

白皮书以无信号灯的交叉路口场景为例，指出车路协同可通过路侧计算处理设备对周边车辆和行人的位置、速度、轨迹等信息进行分析，为车辆生成并发送该路口的通行调度信息，令其可以安全通过路口。

此外，该白皮书还通过模型建构、量化计算等方式，从安全和经济角度进行了有效分析，为行业内外提供了更为扎实可靠的理论依据和数据支撑。

在安全层面，车路协同自动驾驶可以通过车端与路侧的协同感知、决策，解决单车智能所面临的如车端感知失效、行人和车辆轨迹预测、前车遮挡等一系列典型的安全问题。

基于SOTIF-车路协同使得各区域发生变化

针对这一点，白皮书引入了面向车路协同自动驾驶的预期功能安全（VICAD SOTIF）理念，并构建了一个车路协同自动驾驶安全收益模型，同时基于该模型与百度Apollo提供的真实交通流数据，得出了车路协同在安全性提升方面的量化结果。

根据测算，相比单车智能，车路协同可以在超视距跟驰、换道冲突和无保护左转的三种场景中，将事故发生率分别降低38.94%、84.53%、90.75%。

与此同时，为了验证车路协同的显著经济性，白皮书分别从微观和宏观角度进行了效益分析。尤其是在微观经济效益层面，白皮书给出了关于高等级智能化道路建设的更为明确的计算方式和量化分析结果。

计算结果显示，从全国范围来看，只要可以在每辆车上节省1.98万元的成本，就可以在每公里的道路上投入100万元进行智能化改造；如果在单个城市的范围内进行计算，以北京为例，则只要在每辆车上节省2000元的成本，就可以在每公里的道路上投入约50万元、每个路口投入81.84万元，实现全部智能化设备的升级改造。

显然，相比从前各家只算自家帐的做法，此次清华大学参与编写的白皮书给出了更为科学、透明的计算方法，车路协同自动驾驶的优越性也在这些客观数字的佐证下得到了进一步的证明。

自动驾驶为何需要高等级智能道路？

按照单车智能路线玩家的想法，要实现自动驾驶只需要一辆高等级的智能汽车就可以了。

但就如上文所言，只要安全性不足、成本过高、运行范围受限等难题一日未能解决，高等级智能汽车的规模化落地就一日无法实现。

而车路协同作为单车智能的高级发展形式，恰好能够在一定程度上补上单车智能目前所存在的短板。

车路协同，即是"聪明的车"与"智慧的路"的协同。

但需要指出的是，"聪明的车"虽然已经出现，但现在仍处于L2、L3的过渡阶段。

那么，问题来了：如果要利用这些"聪明"、却算不上"绝顶聪明"的车与"智慧的路"形成协同的话，要在哪些道路上行驶才能实现更高等级的自动驾驶功能，同时还能获得最佳的经济效益？

针对这个问题，百度与清华联合编写的这部白皮书给出了对应的智能道路技术分级标准，明确了什么等级的车与什么等级的路可以形成最佳配合，并能最终达成规模化的自动驾驶落地。

该白皮书将道路分为C0-C5六个智能等级，并指出C1-C3级的道路与L5、限定环境下的L4级车辆配套可实现L4级自动驾驶的闭环，而C4-C5级的路则可以与L2-L5级的车实现L4级的闭环。

虽然L5的车和C5的路才是终极目标，但现阶段而言，要实现自动驾驶规模商业化落地的更为可行的两条路径是：L4的车+C1-C4的路，或C4的路+L2-L4的车。

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等级的智能道路，以支持现在技术已经相对成熟的L2+和L3等级的自动驾驶，助力这些车辆快速提升自动驾驶能力，加快规模化的商业落地进程。

至此，经过前面种种分析铺垫，此次发布的白皮书已经给出了当前国内发展高等级自动驾驶的最为可行的方案，这对整个行业的发展有着莫大的意义。

更何况，该白皮书是由国内两家Top级的机构组织联合编写，其权威性和客观性都已经得到一定程度的保证。

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于去年牵头筹建，致力于智慧交通、智慧物联、智慧医疗三大研究方向。其在智慧交通领域的建设目标之一，就是打造产学研共创的开放平台，建立智慧交通系统的行业标准；

另一家主编单位则是位居自动驾驶产业界头部阵营的百度Apollo，其在不断加码自动驾驶的同时，也在下注车路协同。今年5月，其与清华大学智能产业研究院联合发布了一项可以通过纯路侧感知实现L4自动驾驶闭环的Apollo Air车路协同计划。

此次清华与百度的再度联手，则将在技术之外，为产业界与学术界建立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具系统性、指导性的方案，树立标杆。

“由清华大学和百度联合提出这个白皮书，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、标准，来协同、协调各部门和行业共同的行动。各行业达成共识之后，让车路协同形成一个良好的生态。” 同济大学汽车安全研究所所长朱西产在接受采访时说道。

结语

"车路协同是中国自动驾驶发展的最优解"，这已经成为我国政府与行业的共识。

从此次白皮书的发布可以看出，如今，不止政府侧在陆续出台政策，扶持车路协同的基础建设和产业发展，高等院校如清华、企业如百度Apollo等也都在用自己的方式助推产业迈上新台阶。

未来，无论是自动驾驶规模化的商业落地，还是智能交通、智慧城市的打造，都有望在政府、企业、院校的多方合力下迸发强劲活力。

或许我们可以期待一下，中国在智能交通领域实现弯道超车的那一天。

关注“新智驾”公众号，点击文章“阅读原文”即可下载白皮书：《面向自动驾驶的车路协同关键技术与展望》