无人车新型技术路线探索：打造车路协同平台

安全性是当前无人驾驶的重要挑战。

今年3月，Uber无人车发生全球首例无人车致人死亡的交通事故，给自动驾驶的发展前景蒙上了一层阴影。5月，无人车领军者谷歌旗下Waymo无人测试车与本田汽车相撞，车上安全员受轻伤。各项事故的发生不由令人反思：怎样的无人车才能更安全？

“无人车现有的发展空间是否能够支撑自动驾驶，是否还存在新的技术路线，这是当前所亟待思考的命题。”近日，在2018世界交通大会智慧交通论坛上，清华大学自动化系系统工程研究所所长张毅表示。在他看来，当前自动驾驶的技术路线主要依赖汽车设备自身的传感与决策，车内放置有庞大的计算系统，但依然无法完美满足自动驾驶的各项需求，智能汽车自身的承载压力也极大。

“既然交通是一个系统性工程，是否可以将不同的功能配置到不同的系统中？”张毅提出这样的问题，“与交通相关的道路系统也可以更加智能化，同时通过智能网络，将包括智能车、智能路等交通参与要素联合起来。”

构建庞大的车路协同系统还有望降低无人车成本。由于当前无人车需要自感知、自决策，因此对环境感知和识别能力要求极高，许多无人车选择了搭配激光雷达的路线，一个64线产品价格高达数万美元。“车路协同系统下，无人车感知设备要求就没有那么高，搭配千元级雷达即可。”在接受21世纪经济报道记者采访时，张毅表示。

车路协同平台

在智能汽车向前狂奔数年之后，车路协同开始被提上议事日程。

事实上，智能汽车本身的崛起，难以完全化解交通出行的一系列问题，首当其冲的便是安全：特斯拉、Uber无人车相继发生致死事故，全球无人车领军者谷歌，旗下Waymo无人车也发生过几次交通事故。

据加州机动车辆管理局（DMV）今年披露的无人车报告显示，包括百度、德尔福等无人驾驶公司也均有软硬件方面问题，包括转向错误，误判交通信号灯，其他车辆突然汇入时未能及时刹车，车道偏离，未能及时发现行人等。

在自动驾驶领域，当前拥有不同的技术路线。一个是基于高精度传感的技术路线，一个是基于高精度地图及导航的技术路线。前者需要车辆搭载高精度车载传感器，后者由高精度地图＋高精度定位技术构成，两者均需要车辆进行自车决策与控制。

在无人车企业拼命提升车辆自身的感知识别及决策能力时，另一条技术路线开始日益受到重视。今年1月，国家发改委发布《智能汽车创新发展战略》（征求意见稿）中明确提出了“人－车－路－云”高度协同的战略目标，指明了智能汽车发展的终极方向。

“所谓车路协同，就是通过无线通讯方式，将交通系统中的所有元素与所有运载工具和路边基础设施连接起来，形成完整的、提供信息动态共享的系统，”张毅表示，“在此基础上可以实现任何车辆、时间、地点的交互。”

华为2012应用场景实验室杨波同样指出，近期北美自动驾驶路测事故频出，基于单车传感器的感知面临极大可靠性挑战，由此带来的启示不仅是单车需要加强感知，及时提醒，还需要强化车车协同与车路协同。

要实现车路协同，意味着智能车辆之外，需要建设智能路侧设备，收集汽车行驶过程中的信息并提供决策信息。同时，还需要能够连接车辆及路侧设备的网联数据中心。通信方面，需要搭配多模式、高可靠的无线通信技术。“现在车辆之间没有信息交互，因此无法协作，当可以信息交互后，就可以形成协同安全，从被动安全转变为主动安全。”张毅指出。

值得注意的是，车路协同不仅可以缓解安全问题，还能在一定程度上提升交通效率。据杨波介绍，当前交通效率管理调度能力弱，信号系统七国八制，72．7％的北京红绿灯无法联网感知和控制；道路使用不均衡，缺乏实时调度，深圳核心干道的空载率大约在65％－80％之间。

而根据中国信通院《2017中美智能交通白皮书》数据显示，美国洛杉矶对4500个红绿灯进行调度优化后，行驶车速从15英里／小时上升至17．3英里／小时。

降低智能车成本

基于车路协同的自动驾驶技术路线，由车载传感器、定位技术构成，其不再是自车决策与控制，而是车车／车路协同决策控制。

“依靠高精度传感器和高精度地图进行自车决策与控制，这种技术路线的门槛极高，对可靠性的要求也极高，”张毅表示，“但基于车路协同的自动驾驶路线则非如此，中远程环境感知可通过车路协同系统获取，近程环境感知则可交给汽车自身。”

这也就意味着，技术依赖从汽车自身转移到车路协同系统上，智能公路则成为自动驾驶的重要部分。其中，交通环境动态感知可降低对高精度传感器的依赖，高精度地图与定位可有效提高和保证位置精确度，交通主体的协同决策可保证运行、动作和决策信息共享。

值得注意的是，降低对高精度传感器的依赖，可以大大降低智能车辆的相关成本。21世纪经济报道记者了解到，当前激光雷达通常以线数区分，如4线、8线、16线、32线、64线及问世不久的128线顶级测试产品。线数是指激光发射光源数，16线产品有16个光源，以此类推。目前上路并搭载激光雷达的无人车基本来自于美国Velodyne，由于产品紧俏，即便年初降价后，Velodyne 16线产品价格仍达到4000美元，百度智能车搭载的64线产品约8万美元。

激光雷达之所以抢手，缘于其拥有精准测距的优点，原理是通过获取激光打在物体上并返回接收器的时间，乘以光速获得距离。由于打出的每一束光都带有相对位置信息，激光雷达还可以利用算法实时生成汽车周围环境的高清数字地图，进行目标跟踪和识别。

但在车路协同系统下，车辆感知设备的精度便有待商榷。“我们团队改造了一辆自动驾驶车，已经获得了路侧牌照，全部改造成本下来大约30万，”张毅告诉21世纪经济报道记者，“当前最好的激光雷达售价大约数百万元，车路协同系统下的雷达设备只需千元级即可。”

不过，随着技术依赖的转移，成本也转移到路侧设备及通信上。当汽车在未来车联网环境中上路，车辆不仅要能感知路面障碍，还要与道路设施进行通信。这就要求在道路的侧方、交叉路口、弯道等位置有铺设好的传感器、引导电缆、通信设施等。

此外，在基本的车路协同之外，一些专门为智能汽车或是未来汽车铺设的公路也正在酝酿。今年，浙江省确认要建设全国首条超级高速公路：杭绍甬高速公路。资料显示，在这条超级高速公路上将构建大数据驱动的智慧云控平台，通过智能系统、车辆管控，有效提升高速公路运行速度，使车辆平均运行速度提升20％－30％。

“下一代高速公路在信息、管理和服务上正发展出崭新动力，”张毅表示，“除了在基础设施数字化、路运一体化、北斗高精度定位等布局之外，智能技术也在催生智能高速公路等形态。”