0
| 本文作者： 田哲 | 2021-12-24 19:00 |
2021 年 12 月 10 日，由雷峰网 & 新智驾主办的第四届「全球智能驾驶峰会」在深圳正式召开。
这一次，雷峰网新智驾以「智能驾驶鏖战时刻 」为主题，将话筒递给业内 19 家标杆企业，辐射 13 大技术/场景，覆盖智能驾驶算法、芯片、感知、落地等多个维度，每个领域只筛选最具代表性的一家企业。
遵循"基础理论技术创新"和"行业解决方案落地"两项黄金标准，演讲嘉宾向行业分享他们对过去经验的总结回顾、对未来趋势的预测以及行之有效的模式的分享。
峰会之上，高新兴高级副总裁、智能网联事业部总经理吴冬升带来了题为「车联网赋能智慧出行三阶段创新应用」的精彩演讲。
吴冬升在会上指出，信息通信技术向更高速率和更广泛连接发展，从4G走向5G，高中低速率全场景覆盖。
在他看来，车联网不仅仅从安全的角度对自动驾驶进行赋能，其更重要的作用是从"车车"、"车路"、"车云"的角度以上帝视角赋能区域级交通的低延时、超视距、高可靠、更高效的协同能力。第一个阶段为 Telematics 车载信息服务阶段（1996-2015）；第二个阶段为智能网联汽车阶段（2015-2025）；第三个阶段为智慧出行阶段（2025+）。
目前，我们正处于第二个阶段并为第三阶段而努力——车联网能够赋能实现状态共享、意图共享、协同决策、协同调度，从而更好地实现自动驾驶。
此外，吴冬升还认为车路协同对自动驾驶还有诸多助益：
可有效降低自动驾驶的成本，比如在超视距通信、不同时间空间检测、高效交互协作方面都能够发挥非常重要的作用；可有效降低自动驾驶的开发难度，通过对车辆感知范围、感知能力和可识别场景进行拓展，从而实现对单车运行设计域的扩展；可有效提高自动驾驶的安全性等。
以下是吴冬升演讲全文，雷峰网新智驾做了不改变原意的整理与编辑：
首先，非常感谢主办方的邀请，能有这样的机会跟各位嘉宾分享和交流。
从汽车角度来看，车联网是解决通讯问题。非常小的汽车电子零部件，它关联到汽车网联化变革。我想给各位嘉宾汇报一下我们在车联网赋能智慧出行三个阶段的应用探索。
从通讯角度看，通讯产业经历2G、3G到5G发展，目前有两个发展方向：一是朝着大带宽、低时延、高可靠发展，二是朝着低速率、低功耗、广连接发展，比如 NB，和5G-IoT的解决方案。
从车联网来看，车联网已经发展非常久，最早是Telematics概念，主要解决车端信息娱乐服务。它在5 G时代被赋予非常多的新功能，比如 C-V2X技术或C-V2X叠加5G技术。当下，我们希望能够赋能L2级辅助驾驶以及智能交通。未来，我们希望车联网能赋能自动驾驶。
本质意义上，车联网、辅助驾驶是解决协同自动驾驶的问题。车联网经历了不同的发展阶段，我们在第一阶段Telematics所做的工作，在二阶段、三阶段依然会进行，这是一个传承的关系，我们只是会赋予它新的能力，包括我们现在所做的在未来也具有关联性，它会和5G、LTE-V长期共存，各自侧重地提供相关的功能和业务。
Telematics可应用于许多业务场景，可以服务主机厂、Tier1，大量运营商客户、行业客户，以及重要的TSP，无论是保险公司还是物流公司等，这些都会用到车联网技术，在5G时代我们会一直赋予它新的功能。
我们和美国第二大运营商T-Mobile合作的Telematics业务在美国推广得非常好，工作是提供车载Wifi联网和车载OBU诊断服务。这一服务一是为消费者提供非常多有价值的业务场景，二是面向企业，让运营商拓展企业用户。对于消费者来说，我们的业务场景比如关爱家人、关注爱车，以及像紧急救援、车载Wifi等，都会给车和相关的TSP带来价值。
除了为消费者和企业用户带来相关价值，另一方面， Telematics业务也会给传统行业如保险公司等带来大量价值，比如保险理赔、保险定价等。
从信息娱乐类业务来看，车联网在第一阶段已经产生一定价值。当下，我们通过探索5G、C-V2X等技术解决车端和路侧信息通讯问题，背后隐藏的是我们从感知、决策和控制调度层面给传统汽车赋能。
我们一直所谈的人-车-路-网-云，尤其是云边端协同，随着5G时代的到来已经成为业界共识。从端侧来看，车辆就是我们的端侧。
云、边、端协同是不同层面的协同。第一个是信息通讯层面的协同，端和边层面有不同的技术选择如 5G、C-V2X等，边和云层面有线光纤通信技术，也有5G无线通信的技术。
其中，同一层内比如端和端、车和车的层面内的协同。第一个协同从网联角度来看，要实现云边端通讯协同。第二个协同是算力协同，三大运营商除了构建自己的通讯网络外，也在构建算力网。如果从算力网的角度看，未来的算力网一定采用协同方式，从端侧算力网到几乎每个自动驾驶车都有自己的算力，和我们智能手机在边侧、云端都有自己的算力网一样。算力网之间的协同及业务的协同是一个未来典型的、需要我们深入探索和研究的课题。我们研究车路协同技术的很多精力在如何实现算力协同上。
第二阶段，我们所做的工作是通过网联技术赋能传统汽车与智能交通深度结合。
城市有非常多的场景，我们希望未来和腾讯等合作，通过网联技术赋能单车智能。另一方面，全国几十个城市正在进行示范区工作，城市典型场景比如路口、隧道等都是非常好的车路协同场景，由于时间关系，我不展开介绍。
高速公路也有非常多网联可以赋能的交通场景，比如收费站快速通行、在隧道、匝道赋能车辆编队行驶、交通管理等挑战非常大的典型场景，站在交通角度考量，智慧高速车路协同场景是非常丰富的。
我们以收费站场景为典型案例分享和交流。当下中国的收费站一直在推广ETC相关技术，且随着ETC上车量大规模提升，收费站通行中还是存在很多挑战，比如收费站快速通行、无感通行、闸机通行等，我们可以通过网联和新技术解决相关问题；比如可以将相关视频技术和ETC技术深度融合，更进一步可以叠加网联技术、 C-V2X+视频技术+ETC技术实现高速收费出入口的快速通行。
高速路口快速通行最核心的瓶颈一方面是ETC1.0技术本身只能支持20-30公里每小时的低速场景，另一方面，ETC技术仍有非常多的挑战，包括通讯准确率以及大量没有装载ETC的车辆。在这种情况下，通过视频叠加ETC技术和V2X，可以实现和ETC自由流的深度融合。本质来看，我们可以对车辆动态跟踪，通过ETC的自由流深度融合实现提前预扣费，汽车到了收费匝口既可以不减速也能准确预判ETC扣费是否准确，实现车辆快速通行。
从交通角度看，在视频技术叠加ETC、V2X后，可以实现车道级交通管控。它具有实际价值，无论是对ETC交易成功率还是通行效率，都有明显的提升。
在网联技术的第二阶段，我们希望通过车联网技术和传统汽车，以及智能交通进行深度融合，帮助我们赋能、提升交通的安全性和通行效率。
无论自动驾驶还是有人驾驶，在高速公路行驶都是非常大的挑战。从隧道来看，我们解决几大核心问题：首先，除了隧道传统的感知方式外，我们可以在隧道里部署隧道机器人，尤其是长隧道加入非常典型的隧道进入感知。第二，隧道内的定位是一个非常大的挑战，我们可以利用C-V2X的多点定位技术解决隧道内尤其是GPS信号定位所面临的困难。第三，高速公路的信息服务等，或是通过网联技术给车辆提供更精准的信息类服务。这是面向隧道，我们所能提供的相关的业务。
智能网联的第三阶段，我们希望通过车联网技术赋能自动驾驶，我们一直在研发车路协同技术，希望赋能协同类的自动驾驶。从标准的层面来看，协同自动驾驶有一个解读，我们需要实现状态共享、意图共享、协同决策和协同调度。大家提到较多的是协同状态共享、协同决策和调度，还有非常重要的意图共享。
所谓意图共享，就是告诉你我在下一步希望干什么，这对传统感知方式的识别和判断来说，具有非常大的挑战，如果通过通讯方式则可以实现。意图共享天然地可以在网联车发挥非常大的价值。我想分享一些具体案例，车路协同帮助自动驾驶可以分为几个层面：
第一，车路协同可以帮助单车自动驾驶，我们希望能提升其安全性，降低其成本，我们对安全性、成本提了一些目标和期望值。本质来看，识别一个红绿灯信号可以通过网联的通信方式百分之百精准实现，这既可以降低对于感知手段的要求，也可以降低对算力的要求。
第二，自动驾驶需要高精地图和超视距路径规划，可以通过通信方式天然赋能端侧自动驾驶。
第三，车路协同可以扩大自动驾驶ODD范围，大幅降低Corner Case挑战和研发成本。还有一点非常重要，车路协同能把未知、不安全的场景变成已知、不安全的场景，把已知、不安全的场景变成已知安全的场景。通过车路协同赋能帮助解决的超视距、自动驾驶，尤其是在自动驾驶无保护左转等较大挑战的场景。
我们一直在跟踪相关标准，也在做相关研发，从协同交通管理诠释了其中三个阶段。道路经常会发生交通事故，自动驾驶车辆或者网联车辆一定会有相关动作，发生交通事故后，相关车道会受限，车道会做封闭工作，我们可以通过网联技术完全精准推送到第一辆车，这是状态共享。发生交通事故后，相关车辆一定会做减速及变道的动作，车辆1和车辆2之间会有协同决策机制。第三个机制是我们要做协同调度，限速是其中一个比较重要的交通调度指令，当交通事故发生后，我们会发一个限速指令发送到相关的车辆上进行协同调度。从协同交通管理的角度来看，车联网技术可以很好地赋能智能驾驶相关技术。
从高速公路角度看，车联网对于高速公路也有非常好的赋能作用，尤其是在高速公路自动驾驶场景，我想分享两个案例：
第一个是匝道。匝道是高速公路中非常大的一个挑战，如果红色车辆要驶出匝道，变道辅助车辆向匝道车流汇入，进而汇入主干道，在这种情况下，协同式自动驾驶、车联网可以起到很好的赋能作用。
另一方面，匝道管控是解决高速公路拥堵的有效手段。我们可以通过车联网技术对相关匝道进行综合管控，结合高速公路的车流信息，采取限速或者封闭匝道措施对交通整体管控。这是从协同式角度来看，做协同感知和协同控制。
第二，干线物流自动驾驶也是当下的一个热点。从干线物流自动驾驶来看，除了单车技术外，网联技术一定可以在其中起到很好的赋能作用。
在协同的车辆编队形式里，车联网到底怎么实现很好的赋能？我们看这个典型案例：
第一，我们可以实现编队1、2、4车辆之间精准的信息互通。它可以让编队行驶的车距变得更短，紧凑性更强，提升整个交通出行效率，提升整个道路可承载的交通运输量。
第二，可以实现意图共享。车辆1在紧急情况下可能会有减速动作，它可以提前将驾驶意图通知到编队的车辆2和车辆4，实现很好地意图共享，这对于编队行驶也是非常重要的，尤其在高速自动驾驶的情况下。还有协同决策，高速公路编队行驶的过程中经常出现组队和拆队动作，协同决策是辅助车辆之间协同编队必不可少的。
总结一下，整个车联网进程经历了不同的发展阶段：最初2G、4G到现在的5G通讯技术，赋能Telematics的典型场景，当下车路协同技术赋能传统汽车以及智能交通。下一步和自动驾驶深度结合进行赋能。当然，前几个阶段是融会贯通，并不是我们做了第三阶段，第一阶段就没有了。
最后，我想介绍一下高新兴。这是车联网典型的产品形态。一方面，车联网技术需要车规级相关产品，我们会和芯片厂家合作，有车规级的通讯模组产品。另一方面，各种各样的车载终端无论是前装还是后装，都是L4级自动驾驶车辆和传统车辆实现网联必不可少的核心产品。
从产品形态来看，我们既有5G等更新的前端产品，也有大量后装的产品。从路侧来看，因为我们要实现车路协同，所以必不可少需要在路侧部署，核心解决路侧的通讯和计算能力。
除此之外，车联网如果要实现云边端协同，云端相关能力是非常核心的。我们希望实现从车端到路侧、到云端算力的协同、核心算法协同。
从未来的产业发展来看，中国的汽车产业尤其是交通产业有非常好的机遇和非常大的挑战。我们希望通过车联网技术，和汽车产业、交通产业深度融合，和产业界合作伙伴一起共同推进汽车产业和智能交通产业的转型和升级。希望未来有更多的机会和产业界的各位朋友有更多的业务合作，以及有更多技术碰撞和探索，共同推进中国汽车和交通产业的发展。
谢谢大家。
雷峰网雷峰网(公众号：雷峰网)雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
