新眸汽车组作品
作者｜阮雪
编辑｜桑明强
单车智能和车路协同，在无人驾驶上，国内外押注了两条截然不同的路。
以特斯拉为首的国外汽车制造厂商，把雷达、摄像头以及传感器视作筹码，用车辆作为独立的智能个体赌无人化的未来，flag年年立，但也年年倒；相比之下，国内的玩家在单车智能技术瓶颈难克服的情况下，把目光放在了马路上，在车和路的协同中解决对方位感知信息处理的难题。
和单车智能强调微观性的个体提升不同，车路协同更强调宏观层面上的建构，“自动驾驶是起点，终局是智能交通、智能城市，甚至是智能社会。”在《智能交通七讲中》中，李彦宏把智慧化的想象延伸到整个社会层面上，在新基建的背景下，车路协同成了自动驾驶的新风向，不少玩家躬身其中。
赌桌上，是明码标价的筹码和天花乱坠的设想；赌桌下，是对于未来交通形态的判断和难以跨越的技术鸿沟，各方都试图给未来拿出一个解法，但未来却没能给任何人答案。和看待所有新兴技术一样，看待车路协同，与其沉迷想象，不如回归现实，聊一聊它的前世今生。
01
必经之路
上个世纪50年代，通用汽车在美国新泽西州打造了一条埋入大量通信设备的概念高速公路，这被业界视为最早的车路协同方案。21世纪以来，现代意义上的车路协同，主要涉及车端、路侧端和云端三个端口，通过统筹车、路、人以及实时交通的动态信息，实现信息的互联互通。
着眼国内车路协同的开端，不是对自动驾驶的另谋出路，而是因为它成了必经之路。
“第一，普遍认为自动驾驶需要110亿英里（约合177亿公里）的道路测试，单车实现难度有多大？第二，含有激光雷达等昂贵设备的单车如何降本？第三，完全自动驾驶至少有几百万的极端工况，软件设计如何保证和验证？第四，对于自动驾驶安全性如何保证？”
围绕着单车自动驾驶所产生的四个疑问，一度成为了玩家押注车路协同的理由，在车路协同的答卷上，这些都能找到答案。
作为汽车行驶的基础，自动驾驶所需要的道路测试被纳入了城市建设当中，对于道路的改造也顺势产生。根据新眸不完全统计，截至目前，我国已有16个城市成为智慧城市基础设施与智能网联汽车协同发展试点城市，其中，截至2020年6月，北京已完成158万公里的测试，自动驾驶开放测试道路已达699．58公里。
虽然距离目标的测试长度还有一定的差距，但相比于单车智能，更具性价比的车路协同在成本上已经降低了难度。拥有更低的单车成本和边际成本，路侧安装设备的方案能将单车成本控制在万元以内，和动辄十万上下的车载传感器相比，经济成本的降低，让车路协同的可行性变得更强。
和单车智能的整车高成本对比，车路协同显得更加实惠，在一定程度上也能够解决智能汽车对于高性能芯片的依赖。
一直以来，视野局限和视效局限是影响自动驾驶安全性的主要原因。智能汽车感知硬件系统，无论是摄像头还是雷达，其实都是基于生物感官的产物，搭载在车端，这就必然会有“盲区”现象存在，基于视觉产生的信息判断，即使芯片再智能也无法计算看不见的信息。
车路协同更重视的“协同”二字，在于两者之间的配合：道路能够完成对智能汽车的辅助作用——让它“看见”更多的信息，“端”、“管”、“云”的三层架构，分别帮车路协同完成了环境感知、数据融合计算和决策控制三阶段的任务。
路端设备的感知能力利益路边单元（RSU）、摄像头、激光雷达等多方配合下得到加强，云端上区域云包含设备管理和数据管理的基本能力，边缘云被部署在路边，是软硬件结合的边缘计算节点，区域云和边缘云的收据交换，构成了信息的流通和处理。
从车端感知上报，到路侧协同基站，到边缘云，再到区域云的一系列信息传递，通过实现对交通各实体元素间的信息管理，最终车辆间的信息交互，形成了理想中的智能交通闭环，以此降低安全风险，也降低了软件设计上的难度。
