车路云一体化为自动驾驶提供系统级保障

邓志伟

自动驾驶战略重心走向车路协同

2014年，美国国家公路交通安全管理局首次提出L0-L4的自动驾驶分级标准，随后美国汽车工程师协会把其中的L4等级一分为二，这就衍生出了后来国际通用的L0-L5自动驾驶分级标准。

从标准制定的细则来看，L0-L5核心定义了一台车在什么环境、什么条件下，能够执行什么动作，达到什么结果，没有任何外界环境因素的介入。L0-L5是一个仅用于定义单车智能化水平的标准。但到了2019年，欧盟、美国、日本联合推出了一个新的支撑自动驾驶的道路设施标准，叫ISAD，这一标准聚焦于车外，将道路设施分成了ABCDE五级，其中A-C代表数字化道路设施，A等级最高，代表协同驾驶，B等级代表协作感知，C等级则是动态信息数字化。

也是在2019年，美国交通部提出支撑自动驾驶的协同信息分级标准，定义了车与外界信息交互的类别，包括车辆与车辆以及车辆与设施之间状态、意图、行为的信息交互，最终形成协同最优的自动驾驶路径规划。据此，我们可以大致判断，自动驾驶的国际标准已经从定义L0-L5的单车智能水平擴展到了定义车外环境的数字化和智能化水平。

标准是引领行业发展的规则，由此可以看出，近年来全球几大自动驾驶强国纷纷将战略重心从单车智能化转移到车辆和外界环境的连接。具体来说，车将自身行驶速度、轨迹、驾驶意图以及自车感知传递到云端，路侧也将一定范围内的交通元素信息上传，车、路两端的信息在云端融合后，由云端对车、路、云全局信息做出最优决策，系统性提升自动驾驶的安全和效率，同时将单车智能化的高昂成本从车端部分转移到路侧，从而推动自动驾驶走向大规模落地。

在全球自动驾驶从单车智能向车外赋能转变的产业发展进程中，我国拥有标准、政策、基础设施等多个层面的显著优势。标准方面，2019年，中国公路学会自动驾驶工作委员会发布《中国智能网联道路系统分级定义解读报告》（意见征求稿），从信息化、智能化和自动化的维度对道路进行了更为明确的标准分级。政策方面，2020年，以来我国在智慧交通车路协同相关领域的政策密集出台，支持力度领先全球。基础设施方面，我国路网规模、5G通信、北斗卫星导航定位系统水平国际领先，基础设施保障有力。这些都是非常强有力的信号，即车外赋能自动驾驶大势所趋，中国拥有发展车外赋能、推动自动驾驶大规模落地的战略优势。

单点思维让自动驾驶进入临界点

全球自动驾驶的战略重心正从单车智能转向车外赋能，这在很大程度上是由于单车智能化面临的两大挑战日益突出——安全性和大规模落地的成本问题。从技术演进的角度来看，这也是单点思维下自车感知不断熵增带来的天然局限。

全球范围内，我们可以大致将单车智能自动驾驶总结为两大代表路线，一个是“激光雷达+重地图”路线，另一个是依赖摄像头和毫米波雷达的“重视觉”路线。

激光雷达方案车辆会装配诸多豪华感知设备，同时需要高精地图加持，整体感知灵敏度高。但这种方案对高精地图的依赖性也相对较高，而目前国内高精度地图实现大规模实时更新及演进还需要一定的时间。此外，即便有高灵敏度的传感设备加持，这一方案仍然难以解决极端工况和不规则场景下的长尾问题。高企的传感器造价也是自动驾驶大规模商业化落地必须面对的问题。

激光雷达方案的基本配置：

1、4个前后左右激光雷达

2、1个顶部激光雷达

3、1个视觉摄像头

4、4个前后77G毫米波雷达

5、1个声音感知器

重视觉路线的自动驾驶车辆在硬件部署上成本相对更低一些，但也正因为少了激光雷达的参与，在识别精准度方面还是存在一定缺陷的，并且自车视角相对较低，在道路上物体被遮挡的情况下，感知范围也比较有限。

总结一下，我们可以将单车智能自动驾驶面临的挑战归类为两点：

1、安全。自动驾驶是一场方向盘革命，初衷是为了解决人类驾驶不安全对生命的威胁和带来的社会问题。安全至上，这是自动驾驶技术落地和商业创新的基本前提。单车智能自动驾驶的自车感知范围天然受限并存在盲区。极端环境会干扰传感器的感知稳定性，暴雨导致激光雷达产生噪点，摄像头90%以上的时间无法采集数据;黑夜或光线不足使感知间隔变长，决策滞后。

2、成本。具备完全自动驾驶能力的汽车需要配备高昂的单车感知设备，同时需要每秒处理数万亿次操作的计算单元，单车成本达到百万元级别，难以进入私家车量产。

新突破从车路云一体化开始

回顾科技产业几大代表性技术的演进史，包括CPU从单核化到多核化，电池从单体到电池包，战斗机从单机性能提升到集群化作战，我们可以将技术迭代的典型思路概括为用系统性思维来突破单点思维的局限性。在蘑菇车联的自动驾驶理论和实践探索中，这一点具有相当重要的参考价值。

立足车路协同，打造以车路云为核心的自动驾驶，这是蘑菇车联基于系统性思维提出的解决方案。车路云一体化的自动驾驶系统充分融合车端感知、路端感知与云端感知，突破了单车智能的感知瓶颈，为自动驾驶提供系统级保障，同时极大地简化了车端智能系统的设计与成本，有能力快速提升自动驾驶的商业化进程。

实际落地实践也验证了车路云一体化的可行性。2019年10月，蘑菇车联在国家级智慧交通示范基地北京市顺义区北小营镇成功落地了国内首个开放式5G商用车路协同示范路，已稳定运营一年多。2020年7月，同样在这条有着典型开放混合式交通场景的示范路段，蘑菇车联再次落地国内首个车路云一体化的自动驾驶。实际运行中，自动驾驶车辆成功突破暴雨极端天气和黑夜场景，展现了系统级解决方案赋能自动驾驶安全落地的能力。

今年7月，蘑菇车联在顺义北小营的5G示范路段上运营车路协同系统，期间遭遇了多场暴雨。其中一场为二级橙色预警，降雨量近150毫米，车载摄像头、激光雷达几近失效，部分路段还有植被覆盖遮蔽了车道线。通过车路云一体化融合感知和协同，自动驾驶车辆在严重积水的混合路段下仍然完成了逆向绕行避障、复杂场景会车等高难度场景。

夜晚场景，特别是无照明下，单车的感光性能和范围都受到影响，车路云一体化同样效果显著。车流择机变道、大货车无标线会车、无照明混合路段的窄道通行都是车路云三端感知、协同分析完成了全局调度，保障自动驾驶车辆安全行驶。

车路云一体化也正在成为业界研讨和地方示范区规划及建设落地的焦点。在2020世界智能网联汽车大会上，中国工程院院士李骏公开演讲指出自动驾驶需要新的技术路线，并提出车路云融合感知的一体化新思路。在9月，北京启动建设高级别自动驾驶示范区，目标明确提出引导企业在技术路线选择上采用车路云一体化解决方案，改变众多企业被动选择单车智能的现实局面。蘑菇车联已和多地政府达成智慧交通项目合作，当前北京顺义二期、衡阳、苏州等地的项目已进入实施落地阶段，

从全球范围来看，我国无论是在新基建政策推动，还是5G、北斗卫星定位等技术支持上都具备坚实的发展根基。今年以来，全国开展车路协同试点的项目达到60多个，各地加快建设速度。在国家各部委和各地方政府的大力支持和指导下，蘑菇车联坚持以车路云为核心，布局一体化的自动驾驶系统，挖掘交通运输在经济、社会及民生发展中的先导性、基础性、战略性和服务性功能属性，同时希望与产业链上下游伙伴通力合作，让智慧服务无处不在，智慧应用触手可及，智慧出行安全高效。