中智行L4自动驾驶初体验，而“车路协同”才是未来
很多汽车品牌都以在量产车型上增加了半自动驾驶功能而作为宣传亮点，我们确实也在诸多车型上体验了 L2 、 L2.5 、甚至是 L3 的自动驾驶，但多以高速路的自动巡航为主。此次来到位于上海奉贤区体验中智行 L4 自动驾驶技术，似乎未来交通的智能之路离我们越来越近了。 中智行科技有限公司是中国领先的以人工智能和车路协同为基础的新一代智慧交通公司，在无人驾驶的核心技术指标上位于全球前十之列,并在全球范围内率 先提出了结合 5GAI 的车路协同的技术方案。它是最早获得长三角一体化智能网联汽车测试牌照的无人驾驶公司。
在前往中智行之前，我不知道在奉贤还有一片自动驾驶汽车开发测试区域，上海如安亭汽车城和金桥附近，倒是常常能看到运用于自动驾驶的各类探头和道路指示牌。此次，我们试乘的是一辆基于林肯MKZ改造的L4级自动驾驶车辆，出于法规及安全考量，驾驶座上是有工作人员的，而整个过程中他只负责讲解，双手并不放在方向盘上，并且车辆的加速、减速、转向、并线等操作，他一概不介入，全凭车辆自主完成，并且，红绿灯也是车辆自动识别后，起步或是刹停。坐在副驾，你可以看到平板电脑上，红绿灯的识别、大小车的距离预判等等。当然，你也会惊讶于智能驾驶的逻辑，比如并线时，它不会打转向灯，如果是变道或是转向，转向灯一定早于车辆行为。在礼让行人或是车辆部分，它会比我们驾驶更“谦逊”。如此先进的自动驾驶，其实秘密就在于车上安装的激光雷达、高清摄像头等硬件设备，车内也配备了收集信息且精密监控的电脑。目前这段测试道路并不是很长，约七公里，而正在改建的二期道路可能会扩大至二三十公里。我们的体验时间并不是很长，但真实且复杂的道路测试已让我们充分体验到中智行L4自动驾驶的“智能”。但中智行的技术专家认为，只有从单车智能向车路协同的方向加快脚步，才能实现真正的自动驾驶。
什么是车路协同？简单理解便是“智能车辆 + 智能道路”。 而要达到我们期望中的车路协同，从而推动真正的未来智能驾驶，其中的发展道路似近似远，中智行的愿景便是通过“聪明的车、智慧的路和强大的云”实现中国智慧交通，在与中智行的高层与专家交流中，我们获取到更多信息，或者说，我们学习到更多。从2019年开始，中美两国在智能交通的发展上选择了不同的方向。美国一如既往的走在了单车智能的道路上，其一是因为美国的5G没有大规模的铺开；更重要的原因是美国在单车智能的发展上遥遥领先。这个技术领先就让美国对单车智能有一种依赖，使得他们选择仍然走在这样一条道路上面。而中国从2019年的6月6号颁布了4张5G商业牌照之后，便注定走上一条车路协同的智慧交通发展道路。
车路协同决定中国无人驾驶的成败与速度
车路协同较单车智能有四个优势：安全、高效、低成本、落地更快。从安全性上考虑，车路协同优于单车智能的原因有二：第一，车路协同可以做到超视距的感知。路边单元可以通过自身的传感器将车辆感知不到的道路信息准确地传给车，为车辆抹去很多探测死角；第二，它有协同决策的能力。路边单元可以使用市电，突破了车载能源的限制从而可以使用性能更强劲的计算单元，使得车辆的决策能力大幅提高。同时由于市电的价格远低于通过内燃机转化的电能，因此从长远考虑，通过车路协同建设智慧交通的性价比是远超过仅使用单车智能的。
从效率上考虑，车路协同仍然优于单车智能。单车智能是靠车上的电脑来做决策的，它倾向于个体优化。只考虑个体优化会形成数学上的所谓“巴特奈克效应”，不可避免地造成堵塞。这是单单依赖深度学习的情况下不可能解决的问题。如果采用车路协同的方案，就会有一个中央计算中心从全局上来统筹优化。它是一个全局优化，优化效率要远远高于单车智能，并从根源上解决拥堵问题，使得车路协同的交通效率能够大幅度提升。我们经过数学上的计算，道路的拥堵情况在道路上无人驾驶车辆和有人驾驶车辆同时存在的情况下就能降低30%~40%。如果道路上全部都是无人驾驶汽车，那么交通拥堵问题有望被彻底解决，大幅提升通勤效率。
为什么说车路协同会有成本优势？ 中国有485万公里的道路，但中国我们有三亿辆车，只要在每一辆车上节省一万五千元的成本，我们就可以在每公里道路上投入100万人民币用于道路改造。经过我们的测算，在大规模建设智能道路的时候，将普通道路升级为智能道路所需的成本是不到每公里一百万人民币的。而如果采用车路协同的解决方案，我们将在每一辆无人驾驶汽车上节约两万元以上。因此从全面建成智慧交通的角度考虑，我们所需要花费的成本是会下降的。但是车路协同从成本上来考虑也是有困难的，因为在改造初期，我们改造道路的成本要远高于改造车辆节约的资金。因此选择车路协同的道路发展智慧交通，在由于初期的成本因素，它在起步阶段的阻力会变得非常大。因此中国选择车路协同的智慧交通道路，前期投入的资本比美国高。我们发现从长远来看，车路协同从性能到成本再到技术难度，都要优于单车智能。另外在车路协同落地后，我们还会顺手解决拥堵问题。因此在落地后的效果上，车路协同绝对会优于单车智能。另外车路协同可以省去大量利用人工智能网络进行单车深度学习的时间，但是由于车辆互联，车路协同的深度学习的总时数会大大多于单车智能的深度学习时间，在短期内不仅能解决拥堵问题，还能获得更好的单车智能效果。
车路协同是新基建最有价值的承载
中国走车路协同已经成了整个行业的共识，能不能让车路协同成为中国一个换道超车的机会，则有赖于整个产业的共同合作。所以有人说中国的车路协同，其产业融合和整体协调将决定中国智能交通的成与败。车路协同里很重要的是三个方面的协调同：一个是车，另一个是路，还有一个是在后面支持这条路的云。未来，我们将在中央指挥系统前俯瞰我们的交通网，上面密密麻麻地部署了传感器和路边单元来指挥道路上流动的车和其他交通设备。这样的交通系统其实已经构成了一个非常庞大且高层次的工业互联网。
中国的新基建有七个主要方向。其中的三个最主要、最核心的方向都是与智能交通相关的：AI技术，5G技术和工业互联网。眼下我们要解决的不仅仅是这张“网”的“结”：路边的5G通讯设备，还有摸清这张“网”的“线”：每个路边单元的算力需要多大？它需要多大的存储设备？它要跟这个区域计算单元怎样沟通?它要把什么样的数据传给后面的区域计算核心？要把多少数据传给整个城市的智能交通指挥中心？今天全世界没有人能给出明确的答案，因为迄今为止全世界还没有任何组织或个人能把它做出来。除了对路边单元的探索，我们还要对之前提到的区域计算单元进行探索。刚才我们提到一定的区域内需要部署区域的计算单元，那么是一百个路边单元需要用一个区域的计算核心去支撑，还是一千个路边单元需要用一个区域计算核心去支撑？眼下也是没人能给出确切答案的。而且这个区域计算单元要多强？它的光纤要怎么去部署？它的通讯带宽需要多大？这也是没人知道的。这些都有待于我们通过今后的实践去探索和解决。如今很多人非常热衷于构建概念性的无人驾驶框架，把很多模块和概念挂上去而不考虑它们如何实现。但却只有少数的工程师团队去解决这些问题，尝试这些概念要以怎样的程度落地。
AI、5G和工业互联网的杀手级应用
现在中国对新基建战略非常支持，大家都非常积极地投入无人驾驶领域。因为新基建战略内有三个重要的方向与无人驾驶相关：5G技术、人工智能技术和工业互联网。它们最有价值的应用都是以车路协同为基础的智能交通。很久以前当AI刚刚出现的时候，大家就在思考如何让AI带来的经济效益最大化。后来经过很多探索，大家发现，在和交通相关的无人驾驶方面，AI会是最核心的杀手级应用。5G问世后，也有人说5G是智能交通最核心的杀手级应用。应用于车路协同的5G技术是需要专用网络的，需要与我们现在手机上使用的5G网络隔离开，摇身一变成为一种形式的工业互联网以降低它的延迟，使其能够满足工业上需求。所以5G的应用过程中，最大的数据量，同时也是最复杂的部署，将在智能交通上体现。有了新基建的支持，中国的车路协同有一个非常好的发展机会。业内都在思考：智能交通建成后，能够得到最广泛应用的到底是应用于出租车，还是应用于集装箱大卡，抑或是无人驾驶公交车？这些都是我们在尝试推动的。出租车是非常有机会得到大规模应用智能交通技术的领域。中智行在去年3月份的博鳌亚洲论坛上作为头车对外演示无人驾驶接驳，是中国第一个拿出车路协同示范的企业。
车路协同的关键在于“智能”
车路协同关键不在于路边单元的硬件，而在于这些路边单元的硬件内有多少智能软件在里面。就像一台电脑，你将深度学习软件装入，那么它可以像Alpha Go一样打败世界冠军，但如果你只装入一个普通软件，那么它就只能玩玩游戏，或者干一些普通的工作。所以现在在路边的这些单元，它到底要去判断哪些东西？它应该对车的行为做出什么样的评估？能够达到什么样的精准度？路边单元的部署还没有其他人开始尝试，因此我期待和大家共同交流这些问题。路边单元最核心的功能是智能的感知：它不但要识别探测到的是人还是各种不同种类的车，还要预判这个车的轨迹和行为，例如车辆会不会在路口减速遵守交通规则？车辆会不会闯红灯？这些从人工智能的角度来讲，都是能够提前做出预判的，并且精准度都能够达到甚至超过99%。
中智行在临港和奉贤这两个地方已经实现了非常初级的车路协同功能。随着路边单元的升级和 5G 的升级。我们相信上海是有机会率先实现真正的、智能的车路协同和智能交通的？？