编者按：为推进车联网产业发展，特邀请业内专家学者共同建言献策，推出“车联网百家谈”系列。大唐高鸿张杰女士文章深入探讨车路协同与自动驾驶的关系。车路协同到底能帮自动驾驶做什么？自动驾驶对于车路协同的意义？车路协同自动驾驶批量部署的先决条件是什么？给产业界伙伴带来有益启发。
（1）车路协同首先能帮助自动驾驶的，是更泛在的感知
自动驾驶为了能获取精准的周边环境感知信息，一直在付出巨大的代价。根据法国技术和商业市场研究公司Yole调查，当前感知部分成本占自动驾驶全车成本的40%；即使随着技术的进步，感知成本会显著下降，但是到2032年，这部分的成本也将保持在26%的比例。除了成本高昂，感知的能力也一直是制约自动驾驶落地的瓶颈。不管是摄像头、毫米波雷达还是激光雷达，目前自动驾驶采用的传感器都是类视觉传感器，改进方向一直是看得远（感知距离提升）、看得广（视场角扩大）、看得清（分辨率提升）。这几个指标彼此制约，很难同时满足，因此自动驾驶不得不采用多个不同类型的传感器，彼此组合，以期获得较为完整的车身周边覆盖。多传感器融合又带来了一系列的标定、时空基准同步问题，进一步提升了自动驾驶算法的复杂度。即使这些问题都被完美解决，目前这些传感器的最大感知范围也不过200米（在牺牲了分辨率和视场角的前提下），对于中低速自动驾驶尚且够用，对于高速自动驾驶，仍然存在较大隐患。类视觉感知的另一个挑战是遮挡，雨雪雾、人、车、建筑、植被，只要有遮挡，都会对类视觉感知带来巨大障碍，因此“鬼探头”一直是自动驾驶（包括ADAS系统）的最大挑战。前述问题主要与周边环境及交通参与者的感知有关，除此之外，多场景、多工况下的道路交通标志标线感知，对于单车智能也不是件容易的事情。信号灯样式多种多样，强光、逆光导致摄像头识别准确率下降，标志牌污损，道路标线新旧并存，这些都给自动驾驶车辆获取信息带来巨大挑战。这些挑战，都是车路协同技术可以很好发挥价值的领域。首先，路侧感知“站得高、看得全”，通过合理布设传感器位置，可以最大程度的消除盲区。其次，路侧感知位置固定，有足够的先验信息可以用来辅助感知，进而提升感知准确性。第三，路侧感知可以通过先进的通信技术组合成泛在感知网，不光可以通知车辆近场环境信息，还可以通知数百米外的远场环境信息，极大提升车辆感知范围。第四，很多路侧信息，比如信号灯状态、标志内容、标线位置，都可以数字化，因此有非常高的抗干扰性，可以无损传递到车内。最后，车路协同的成本主要在于基础设施改造，随着接受服务的自动驾驶车辆数量的增加，分摊到每台车的成本将降低到一个非常低的水平。（2）车路协同对于自动驾驶的另一个重大意义，是帮助自动驾驶车辆交互行车意图每一台车辆的路线规划都是在与周边交通参与者进行博弈。当车流量稀疏，行车路线较为固定的情况下，这种博弈是相对简单的，自动驾驶车辆只要采用相对保守的驾驶策略，就可以有效避免事故的发生。随着车辆密度的提升，环境越来越复杂，自动驾驶车辆容易陷入寸步难行的窘境。拥堵自动跟随功能是很多量产车已经采用的一种技术，但是在实际使用过程中，用户的体验并不理想。因为拥堵自动跟随往往要保持较大车距，这就使得被加塞的可能性大大提高。为了避免加塞引发的追尾，司机要时刻保持警觉，累脚累心。除了纵向的跟车，横向换道对自动驾驶来说更有挑战。进出环岛、进入合流区、超车、换道，这些都需要精准预测周边车辆的行驶轨迹，判断两车冲突的可能性。对于人类驾驶员，转向灯、手势、前期驾驶行为的观察都有助于判断车辆的行驶轨迹。对于自动驾驶车辆，判断周边车辆的行驶意图则是一件非常困难的事情。使用车路协同（这里主要指V2V车车协同），可以很好的帮助自动驾驶车辆获取这一信息。车路协同还可以为自动驾驶车辆提供行车路线协商机制。当交叉口通行流量较小时，使用简单的避让策略就可以避免碰撞，但是避让势必会影响交叉口通行效率。有效的控制行车速度和行车间隔，使得不同方向的车辆都可以匀速不停车的通过交叉口，可以使得区域通行量得到极大优化，而这只有依赖自动驾驶加车路协同才有可能实现。自动驾驶车辆间协同可以分为两车协同、多车协同和车队协同。两车协同是指在交叉口、环岛、合流区、超车等场景中，通过两车交互驾驶意图，协商行驶路线，达到减少走停、提升单位通行量，以及减少路径冲突、降低碰撞风险的目的。多车协同是指控制不同交通流量下车间距与车速，达到最大化道路使用率的目的。多车协同还可以实现拥堵环境下的紧急车辆让行，以及潮汐路权的分配，在道路资源不变的前提下，重新对交通流进行组织。车队协同是指控制车队内的车辆间距与分离向量，达到保持紧凑群体、减少油耗，以及降低后车操控、节约人工成本的目的。
车路协同可以加速自动驾驶的落地，自动驾驶的落地也能帮助车路协同价值最大化。
自动驾驶车辆可以为车路协同提供更丰富、更精准的信息。自动驾驶车辆自身安装了丰富的车端传感器，并且具有高精度定位能力，因此可以作为智能交通系统的浮动车感知前端，为车路协同系统提供感知信息补充。自动驾驶车辆也可以实时上报自身的异常状态，方便后台干预和周围车辆避让。自动驾驶车辆可以提供易于预测的车辆行为。不管是局部交通协调还是全局交通诱导，车路协同系统都需要知道车辆个体的当前状态、路线规划以及行车目的地。信息越及时准确，车路协同的交通管理功能实施效果越佳。人类驾驶员的路径选择还有一定随机性，而自动驾驶车辆的路线是可以完全获取的。自动驾驶车辆可以更好的遵守规则。前文描述了拥堵自动跟随功能在有人驾驶与自动驾驶混行阶段面临的窘境。这是因为自动驾驶汽车往往遵守既定规则，而人类驾驶员往往会寻找“可乘之机”，进而破坏既定规则。当自动驾驶车辆的渗透率足够高，不管是常规规则还是车路协同系统临时下发的规则都可以得到很好的执行，进而取得全局效率最优化，每个行车个体也能够获得较为公平的路权。自动驾驶车辆不需要复杂的HMI（人机交互接口）设计。车路协同系统最终要作用于车，对于有人驾驶来说，信息必须通过合理的HMI设计才能实现最佳效果。信息通知的方式、位置、内容、频率，信息冲突时的优先级处理，都会影响到司机的信息获取效果，因此需要专门设计。而对于自动驾驶车辆来说，只需要将原始的信息提供给车载控制器进行集中决策，可以有效规避这个问题。
（1）单车智能技术发展到高级阶段，自动驾驶企业对车路协同的必要性有了清醒的认知自动驾驶技术的发展也符合80-20原则，前期20%的投入就可以解决80%的问题，但是后面20%的问题需要80%的投入才能解决。因此，在自动驾驶研发早期，单车自身能力的提升就足以应对很多工况下的使用，自动驾驶方案商对车路协同的热情不足。一定要到自动驾驶的研发推进到一定阶段，通过单车智能已经无法解决前述成本问题、盲区感知问题、信号灯获取问题、路线冲突问题时，自动驾驶企业才有足够的动力引入车路协同技术。这也是为什么百度、驭势等自动驾驶头部企业率先采用车路协同技术对单车智能进行补充的原因。车路协同的本质是让车辆获取更多的信息来帮助决策，错误的信息影响可能是致命的。传统交通信息化对感知的准确率和召回率的要求并不高，对位置精度更是毫无要求。在车路协同时代，特别是要服务于自动驾驶时，对路侧感知的精度要求要提升到和单车感知在同一个量级。随着越来越多的自动驾驶方案商进入车路协同领域，相关技术正在得到快速突破。信号灯状态获取是自动驾驶的另一刚需，车路协同信息传输本身几乎不会带来状态解析的误码，但是信号机本身良莠不齐，导致信源并非百分百可靠。由于技术和管理上的限制，很多地区的信号机并不提供状态输出接口，因此很多厂家开发了信号机学习器，以期能够自适应的获取信号灯的状态和周期变化。但是信号机学习器是有学习时间的，在部分采用了自适应周期控制的路口，学习器较难跟踪信号机的快速变化。要根本性的就解决这一问题，就需要对信号机进行彻底的改造，允许从源头获取精准信息。自动驾驶汽车是作为生产工具存在的，人们期望通过替代人工、二十四小时不间断作业、降低出错概率等手段充分发挥自动驾驶技术的商业价值。在技术应用早期，自动驾驶车辆密度并不高，有足够的道路资源可供自动驾驶车辆使用，因此对车辆间协同的需求并不高。随着自动驾驶车辆的不断投放，单位道路资源上需要承载的车辆增加，为了更有效的利用有限的道路资源，势必要引入车路协同。港口、物流园区的自动驾驶实践已经说明了这一点。在项目开展早期，单车智能已经足以应对一两条线路的运行，随着新线路的不断开通，车辆间的冲突在不断增加，自动驾驶企业都在寻求利用车路协同提升园区运行效率。
张杰，大唐高鸿智慧交通事业部副总经理兼技术总监，19年从业经验，拥有数十项发明专利授权，参与了系列国际、国内标准制订，是“科技冬奥”、“智能网联汽车揭榜任务”、 “基于5G的车路协同车联网大规模验证与应用”等国家级项目的核心成员。
大唐高鸿是中国信科集团旗下致力于车联网技术预研、产品开发及规模化商用的骨干企业。作为国内掌握C-V2X核心知识产权的引领企业之一，大唐高鸿在车联网、车路协同、智慧交通等行业具有深厚的技术积累和落地经验。
