毛国强：车路协同的规模推广首先要解决当下交通问题 | CCF-GAIR 2020

雷锋网按：2020 年 8 月 7 日，全球人工智能和机器人峰会（CCF-GAIR 2020）正式开幕。CCF-GAIR 2020 峰会由中国计算机学会（CCF）主办，香港中文大学（深圳）、雷锋网联合承办，鹏城实验室、深圳市人工智能与机器人研究院协办。

作为中国国内最具影响力和前瞻性的前沿科技活动，CCF-GAIR 大会已经度过了四次精彩而又辉煌的历程。CCF-GAIR 2020 延续了过去的强大阵容，提供了 15 个专场（人工智能前沿专场、机器人前沿专场、智能驾驶专场、AIoT 专场、AI 芯片专场、视觉智能·城市物联专场、AI 源创专场、AI+ 艺术专场、企业服务专场、工业互联网专场、AI 金融专场、医疗科技专场、智慧城市专场、联邦学习与大数据隐私专场、前沿语音技术专场）。

在8月8日的智能驾驶的专场中，车路协同国家重点研发计划项目负责人，西安电子科技大学领军教授，IEEE/IET Fellow，戴升智能CEO毛国强带来了《智慧公路与智能驾驶-新基建下如何把握机遇》的主题演讲。

毛国强认为，聪明的车离不开智慧的路。无人车要大规模铺开，需要道路提供信息。但能够为智能网联车辆服务的智慧公路大规模应用的前提，是智能网联车的渗透率达到一定程度。

他表示，智慧公路与车路协同只有解决当前交通系统面临的紧迫问题，才能得到足够发展和大规模推广。

所以，毛国强得出结论：智慧公路和车路协同的发展路线应该是螺旋型的。现在建设的智慧公路应该针对有人驾驶车和高级辅助驾驶，等信息化达到一定程度后，就能支持L3级自动驾驶和高级辅助驾驶。而全面支持L3级的智慧公路，只有当L3级自动驾驶车辆渗透率达到一定程度才有可能实现。

以下为毛国强的主题演讲内容，雷锋网新智驾进行了不改变原意的编辑：

我今天分享的主题是智慧公路与智能驾驶，从个人角度分享一下我在这方面的思考。

首先介绍一下我们的重点研发项目。据我所知，这是最近国家层面设立第一个车路协同重点研发项目。第二，重点介绍车路协同总体技术路线，探索车路协同应该怎么做。第三是如何结合新基建抓住发展机遇。

我们重点研发项目全称是《高速公路智能车路协同系统集成应用》，我是项目负责人，项目参与单位有长安大学、清华大学、东南大学、西安电子科技大学。企业有中汽中心（广州）、主线科技、中咨集团、河北高速集团、齐鲁交通集团、东软集团，参与的单位集成了国内公路交通行业最顶尖的高校和企业。

车路协同可以有效提高交通系统的安全和效率。世界各国都在大力推动，大趋势是毫无疑问。但具体的发展要具体讨论。在美国，超过50%的州都开展了示范应用，欧盟以CVIS标准化推进，同时稳步推进落地应用。日本的特色是SmartWay和ETC 2.0，其ETC不光解决收费问题，还解决信息采集和交互问题。

车路协同的大规模应用与推广已经成为未来交通发展的必然选择。我们国家也出动了各项政策在支持车路协同的发展。特别值得注意的是最近十三部委联合发布的智能网联汽车发展纲要，第一次把智慧公路、智能协同和智能网联汽车放在同等重要的地位。

车路协同面临的问题与挑战

目前，车路协同的问题是“感知难、通讯难、控制难、集成难、测试难”。

感知难。现在车路协同的感知还是主要依赖于摄像头，比谁布置的摄像头更多。但单纯依赖摄像头能否解决问题？在大雨大雾等恶劣天气可能发生安全事故，最需要信息时，摄像头可能没法提供信息。

除了摄像头，激光雷达可以用吗？经过实际测试后，放在路侧的激光雷达，使用寿命还有待提高，价格也偏贵。此外毫米波雷达能否解决问题？这些都是疑问。

加了感知系统后，高速公路的成本极大提高，然而这些感知系统能够给高速公路带来什么收益还有待验证。

通信难。尽管有5G技术，但5G能给交通解决什么问题？在现有交通系统中有什么具体应用场景？还有待商榷。而且5G基站的密集部署造成建设成本和运营成本增加，譬如电费谁来支付？

控制难。道路好像布了一排摄像头，控制中心放一个大屏幕，就变得智慧了。但收集这些信息真正是为了干什么，能否提高交通安全，如何用起来才是重要的。现有很多系统是可监，还没做到可控。

集成难。高速公路上有这么多设备，感知上有气象收集、道路情况收集、交通信息收集等，如何集成？

测试难。整个系统部署后究竟取得什么效果？如何测试评估？要想办法解决这些问题。

正因为如此，我们梳理出五个关键课题。

第一，高速公路智能车路协同的体系架构和评估方法。

第二，车路协同智能路侧与重点营运车预-报警装备研发及优化。

第三，基于云平台的高速公路全息信息融合及智能管控。

第四，自动驾驶专用车道设计及货车列队控制。专用车道目前还有一些争议，专用车道应该百分百给自动车还是混合车流？目前还在探索过程中。

第五，高速公路智能协同系统示范应用和标准化。

具体目标有很多，总体来说我们的目标是突破制约高速公路智能车路协同系统集成应用的重大共性关键技术，开展典型示范应用，提升高速公路的智能化水平和服务品质，促进全国范围大规模推广。

尽管智慧公路修了很多，但它究竟长什么样子，应该怎么建？还没有一个地方可以说清楚。我们项目希望促进车路协同领域新技术、新产品的研发与实地应用，形成车路协同领域的国家标准规范，为全国范围内大规模推广奠定技术、标准规范与产业化基础。希望这个项目做完后，我们可以有理有据告诉大家智慧公路怎么做，如何一步步发展。

我们项目不光进行理论研究，还要进行实地应用。我们的示范工程涵盖京雄、杭绍台等，9条覆盖6个省市的典型高速公路依托工程。中国地理的典型特征是地大物博、南北差异显著，南方高速适用的技术放在北方不一定适用，各个地方的环境特点都很有特色。譬如，贵州的特色是山路、弯道特别多，在沪宁地区团雾是一个挑战，在广东用的很好的设备在东北不一定能用。地域差别是必须考虑的，所以我们特意选取了涵盖南北典型地域特征进行示范。

车路协同系统，首先要解决现有交通问题

接下来介绍一下车路协同总体技术路线，这是我们在探索中形成的认识，可能带有一点个人观点。

首先，智能网联驾驶的发展是大势所趋。但同时要认识到，自动驾驶不会一蹴而就，还会经过漫长的发展过程。自动驾驶的大规模落地，需要5年、10年还是20年？没人说的清楚。最近有MIT学者预测，自动驾驶不是10年以内的事情。刚刚跟姚教授交流时提到一个观点，现在自动驾驶与车路协同很火，但大家要有清醒的认识。这个东西太火对行业的发展不一定是好事情，会有鱼龙混杂、捞快钱的情况。这对行业的整体发展来说不一定是好事，一定要有清醒的认识。

自动驾驶确实在全面发展。自动驾驶发展到什么程度？在相对简单的场景下，比如自动驾驶物流、低速环境、封闭园区、码头、矿山场景，自动驾驶触手可及。特别是在码头、矿山已经有较为成熟的应用。此外，复杂场景下的自动驾驶还面临巨大挑战。从解决工程问题的经验来看，对于一个大型的复杂工程问题，解决90%的问题需要10%的时间，解决剩下10%的问题是最难解决的，可能需要90%的时间解决。

这句话放在自动驾驶场景也非常适用。人工智能的发展要基于大量的数据学习，很多极端场景是没有案例的，不可能说出了事故再来学习。这种复杂场景从理论上还没有很好的解决方法，怎么解决还不清楚，我们才刚刚触及到这10%的复杂场景下的自动驾驶问题。所以无人驾驶毫无疑问是大势所趋，但我们要对无人驾驶的发展有比较清醒的认识。

聪明的车离不开智慧的路，这是我一直强调的另一点，也是很多年前在国际交流时就提出的观点。无人车要大规模应用，需要道路提供信息与通信支持，这是技术层面。从商业角度来说，如果智慧公路完全针对无人车，会出现什么问题？即使在深圳技术发展特别快的城市，现在一条路上100辆车有没有1辆车是无人车，有没有一辆车具有智能网联驾驶功能？没有。这就导致，为无人车修建的智慧公路没有服务对象，专门为无人车服务的智慧公路上没有无人车，那么修智慧公路有什么商业价值？所以，为智能网联车服务的智慧公路大规模应用的前提，是智能网联车的规模要达到一定程度。即智慧的路也离不开聪明的车。

由此会引起典型的鸡生蛋还是蛋生鸡的事情，是先有鸡还是先有蛋？无人产业的发展需要智慧公路提供支持，无人车的渗透率或者智能网联车的渗透率要达到一定规模，针对无人车/智能网联车的智慧公路才有商业价值，才能大规模推广。为了解决上述矛盾，我们提出智慧公路和车路协同的发展要立足现在，面向未来。我们现在设计智慧公路、车路协同系统，首先要立足解决现有交通系统的问题，只有把现在的事情解决好才能面向未来。

智慧公路长什么样子，大家还在探索过程中。我认为智慧公路要体现几点：

一是有感知，不是每隔两三公里放一个龙门架与感知设备实现重点区域的感知就可以了，我们需要全面、充分的感知。二是会思考，如何把数据转换成信息和知识。数据要告诉我什么？举例来说，我们在研究各个城市的交通堵塞数据时，最后得出一个很有意思的结论：直观上最拥堵的路段，拥堵的成因不一定是在这条路上，说不定在这条路的前方或者后方。相应的治理不是头疼医头，而是真正分析拥堵的成因是什么，然后拿出解决方案

三是能反应，不光可监，还要可控。真正把收集到的信息用于交通管控。做好这些才能展望未来，为无人驾驶提供助力。智慧公路与车路协同只有在解决当前交通系统面对的紧迫问题中才能得到逐步发展与大规模推广。车路协同现阶段的核心在于，实现与路上几乎百分百有人车的协同，辅助安全高效驾驶。

我们在调研中还发现，在路面广泛安装摄像头，作为驾驶者在路上行驶会是什么感觉？是不是觉得很安全？恐怕不会有人这样感觉，而是觉得装这么多摄像头是为什么，会很害怕。

智慧公路要做的是让驾驶者感到，这条路确实是跟其他路开的感觉不一样，开完智慧公路再走其他公路，会觉得这些路怎么这么破旧。因而，我们还得出另一个结论，智慧公路只有让道路使用者明确感受到智慧化优势，有鲜明的体验，才能被大众接受并大规模推广。所以为普通道路使用者，带来不一样的体验，这是目前车路协同非常欠缺的。

综上所述，我们认为，智慧公路和车路协同发展路线应该是螺旋型、阶段化的的。现在修的智慧公路应该主要针对有人驾驶车和高级辅助驾驶；当信息化达到一定程度后，有了信息的充分采集，就可以支持L3级自动驾驶和高级辅助驾驶；全面针对L3级的智慧公路，只有当L3级自动驾驶车辆渗透率达到一定程度才有可能大规模部署。

这和公路的发展历史也是符合的，刚开始中国没有公路，车多了以后开始修路，车多了开始有红绿灯，有左转右转灯，路的发展始终是基于车来驱动的。这是阶段性的演化趋势。我们注意到，中国公路学会也开始对智慧公路进行分级并指定相应的标准。全面支持智能网联驾驶是30-40年后实现的，跟我们的预测基本相符。

另外，公众在谈论无人车时有一个误区，认为从有人驾驶会一步跳跃到无人驾驶。我个人认为，如果无人车有朝一日真的实现，它不会是突然从有人变成无人，可能是无人驾驶的各种具体功能逐步实现的，水到渠成，润物细无声。现在有些自动驾驶功能已经在高端车上搭载了。无人车的实现可能不是从零到一的跳跃，而是从高级辅助驾驶的功能逐步完善，再到部分网联驾驶-全面网联驾驶，这是逐步的过程。

抓住新基建发展机遇

第三部分是如何结合新基建抓住发展机遇。

我们接触项目后拜访各个示范单位，从京雄、杭绍台、到沪宁，一条条公路项目单位拜访之后。最大的体验是，大家对智慧公路有非常强烈的渴求。需求是多方面的，但行业对智慧公路、车路协同还存在很大的困惑。车和路为什么必须协同？怎么协同？协同什么？解决什么问题，有什么成效？

安装感知、通信设备的成本是额外增加的，需要业主额外投资。那么如何收回这些成本，经济效益是什么？可以给业主带来什么好处？是车与路协同，路与车协同还是路与车相互协调？要实现哪些功能？哪些适合放在路端，哪些适合放在车端？车路协同的经济社会价值如何？不是说一定要给业主带来直接经济效益，有可能是通过提高安全、效率提高社会经济效益，或者对于其他相关行业的发展起到促进作用。

而且还要注意到，车、路、交通信号灯分属于不同的部门主管，牵涉的部门越多越难落地。

同时，车路协同需要巨大投资，谁来出钱，Business case在哪里？给出资方带来什么？广东省交通规划设计院关小杰提出《再谈智能交通从业者对车路协同的困惑》，这是行业存在的普遍困惑。有了这些困惑后，如何解题是大家比较关心的。

首先，这是一个非常好的时代，智慧公路和车路协同现在非常火，正处于风口，能抓住这个风口，就能够实现历史性的腾飞。

为了抓住机遇，我们首先要思考，这个产品针对什么应用场景？解决什么交通问题？如何证明解决了这些问题？为什么强调这些问题？譬如说，有人说我的产品可以让车联起来，我是做通讯背景出身的，挺熟悉5G的，这里我要强调的是通信技术要深入交通系统，实现深度融合，真正解决交通问题。所以说，解决通讯不是问题，但是让车互联互通后，能给司机提供什么信息？如何帮助他更通畅的行驶，提高安全、避免交通事故，这才是问题。

开发一个新产品系统，要回答的是，和现有产品系统如何融合，增加了什么功能？需要多少成本？这个成本不光是建设成本、维护成本，最后谁买单，怎说服他给你买单。

这是大家在做车路协同之前要事先要想好的。对现有的人、车、路、交通系统做什么改造？如果推出这个产品系统，对现有交通系统很多方面都需要改造，要求改变交通信号灯，路上、车上要装设备，那肯定较难推广，实现功能涉及的改造越少越容易推广。在城市道路动任何一条路至少涉及5-6个部门，一个系统牵涉的部门越多越难推广。

最后，这个产品是针对现有系统还是未来系统？有人说，我们的产品在无人车测试场里用的很好，我不否认你在无人车场景做的技术确实很棒，但问题是，现在交通系统没有一辆无人车，既然是为无人车发展，可以等10年后无人车广泛应用后再推你的系统。只有针对当前交通系统，解决当前交通系统面临的紧迫问题的产品在现在才能得到大规模推广。这是大家要统一认识的。

（雷锋网）       雷锋网(公众号：雷锋网)

。