中智行L4自動駕駛初體驗，而“車路協同”纔是未來
很多汽車品牌都以在量產車型上增加了半自動駕駛功能而作爲宣傳亮點，我們確實也在諸多車型上體驗了 L2 、 L2.5 、甚至是 L3 的自動駕駛，但多以高速路的自動巡航爲主。此次來到位於上海奉賢區體驗中智行 L4 自動駕駛技術，似乎未來交通的智能之路離我們越來越近了。 中智行科技有限公司是中國領先的以人工智能和車路協同爲基礎的新一代智慧交通公司，在無人駕駛的核心技術指標上位於全球前十之列,並在全球範圍內率 先提出了結合 5GAI 的車路協同的技術方案。它是最早獲得長三角一體化智能網聯汽車測試牌照的無人駕駛公司。
在前往中智行之前，我不知道在奉賢還有一片自動駕駛汽車開發測試區域，上海如安亭汽車城和金橋附近，倒是常常能看到運用於自動駕駛的各類探頭和道路指示牌。此次，我們試乘的是一輛基於林肯MKZ改造的L4級自動駕駛車輛，出於法規及安全考量，駕駛座上是有工作人員的，而整個過程中他只負責講解，雙手並不放在方向盤上，並且車輛的加速、減速、轉向、併線等操作，他一概不介入，全憑車輛自主完成，並且，紅綠燈也是車輛自動識別後，起步或是剎停。坐在副駕，你可以看到平板電腦上，紅綠燈的識別、大小車的距離預判等等。當然，你也會驚訝於智能駕駛的邏輯，比如併線時，它不會打轉向燈，如果是變道或是轉向，轉向燈一定早於車輛行爲。在禮讓行人或是車輛部分，它會比我們駕駛更“謙遜”。如此先進的自動駕駛，其實秘密就在於車上安裝的激光雷達、高清攝像頭等硬件設備，車內也配備了收集信息且精密監控的電腦。目前這段測試道路並不是很長，約七公里，而正在改建的二期道路可能會擴大至二三十公里。我們的體驗時間並不是很長，但真實且複雜的道路測試已讓我們充分體驗到中智行L4自動駕駛的“智能”。但中智行的技術專家認爲，只有從單車智能向車路協同的方向加快腳步，才能實現真正的自動駕駛。
什麼是車路協同？簡單理解便是“智能車輛 + 智能道路”。 而要達到我們期望中的車路協同，從而推動真正的未來智能駕駛，其中的發展道路似近似遠，中智行的願景便是通過“聰明的車、智慧的路和強大的雲”實現中國智慧交通，在與中智行的高層與專家交流中，我們獲取到更多信息，或者說，我們學習到更多。從2019年開始，中美兩國在智能交通的發展上選擇了不同的方向。美國一如既往的走在了單車智能的道路上，其一是因爲美國的5G沒有大規模的鋪開；更重要的原因是美國在單車智能的發展上遙遙領先。這個技術領先就讓美國對單車智能有一種依賴，使得他們選擇仍然走在這樣一條道路上面。而中國從2019年的6月6號頒佈了4張5G商業牌照之後，便註定走上一條車路協同的智慧交通發展道路。
車路協同決定中國無人駕駛的成敗與速度
車路協同較單車智能有四個優勢：安全、高效、低成本、落地更快。從安全性上考慮，車路協同優於單車智能的原因有二：第一，車路協同可以做到超視距的感知。路邊單元可以通過自身的傳感器將車輛感知不到的道路信息準確地傳給車，爲車輛抹去很多探測死角；第二，它有協同決策的能力。路邊單元可以使用市電，突破了車載能源的限制從而可以使用性能更強勁的計算單元，使得車輛的決策能力大幅提高。同時由於市電的價格遠低於通過內燃機轉化的電能，因此從長遠考慮，通過車路協同建設智慧交通的性價比是遠超過僅使用單車智能的。
從效率上考慮，車路協同仍然優於單車智能。單車智能是靠車上的電腦來做決策的，它傾向於個體優化。只考慮個體優化會形成數學上的所謂“巴特奈克效應”，不可避免地造成堵塞。這是單單依賴深度學習的情況下不可能解決的問題。如果採用車路協同的方案，就會有一箇中央計算中心從全局上來統籌優化。它是一個全局優化，優化效率要遠遠高於單車智能，並從根源上解決擁堵問題，使得車路協同的交通效率能夠大幅度提升。我們經過數學上的計算，道路的擁堵情況在道路上無人駕駛車輛和有人駕駛車輛同時存在的情況下就能降低30%~40%。如果道路上全部都是無人駕駛汽車，那麼交通擁堵問題有望被徹底解決，大幅提升通勤效率。
爲什麼說車路協同會有成本優勢？ 中國有485萬公里的道路，但中國我們有三億輛車，只要在每一輛車上節省一萬五千元的成本，我們就可以在每公里道路上投入100萬人民幣用於道路改造。經過我們的測算，在大規模建設智能道路的時候，將普通道路升級爲智能道路所需的成本是不到每公里一百萬人民幣的。而如果採用車路協同的解決方案，我們將在每一輛無人駕駛汽車上節約兩萬元以上。因此從全面建成智慧交通的角度考慮，我們所需要花費的成本是會下降的。但是車路協同從成本上來考慮也是有困難的，因爲在改造初期，我們改造道路的成本要遠高於改造車輛節約的資金。因此選擇車路協同的道路發展智慧交通，在由於初期的成本因素，它在起步階段的阻力會變得非常大。因此中國選擇車路協同的智慧交通道路，前期投入的資本比美國高。我們發現從長遠來看，車路協同從性能到成本再到技術難度，都要優於單車智能。另外在車路協同落地後，我們還會順手解決擁堵問題。因此在落地後的效果上，車路協同絕對會優於單車智能。另外車路協同可以省去大量利用人工智能網絡進行單車深度學習的時間，但是由於車輛互聯，車路協同的深度學習的總時數會大大多於單車智能的深度學習時間，在短期內不僅能解決擁堵問題，還能獲得更好的單車智能效果。
車路協同是新基建最有價值的承載
中國走車路協同已經成了整個行業的共識，能不能讓車路協同成爲中國一個換道超車的機會，則有賴於整個產業的共同合作。所以有人說中國的車路協同，其產業融合和整體協調將決定中國智能交通的成與敗。車路協同裡很重要的是三個方面的協調同：一個是車，另一個是路，還有一個是在後面支持這條路的雲。未來，我們將在中央指揮系統前俯瞰我們的交通網，上面密密麻麻地部署了傳感器和路邊單元來指揮道路上流動的車和其他交通設備。這樣的交通系統其實已經構成了一個非常龐大且高層次的工業互聯網。
中國的新基建有七個主要方向。其中的三個最主要、最核心的方向都是與智能交通相關的：AI技術，5G技術和工業互聯網。眼下我們要解決的不僅僅是這張“網”的“結”：路邊的5G通訊設備，還有摸清這張“網”的“線”：每個路邊單元的算力需要多大？它需要多大的存儲設備？它要跟這個區域計算單元怎樣溝通?它要把什麼樣的數據傳給後面的區域計算核心？要把多少數據傳給整個城市的智能交通指揮中心？今天全世界沒有人能給出明確的答案，因爲迄今爲止全世界還沒有任何組織或個人能把它做出來。除了對路邊單元的探索，我們還要對之前提到的區域計算單元進行探索。剛纔我們提到一定的區域內需要部署區域的計算單元，那麼是一百個路邊單元需要用一個區域的計算核心去支撐，還是一千個路邊單元需要用一個區域計算核心去支撐？眼下也是沒人能給出確切答案的。而且這個區域計算單元要多強？它的光纖要怎麼去部署？它的通訊帶寬需要多大？這也是沒人知道的。這些都有待於我們通過今後的實踐去探索和解決。如今很多人非常熱衷於構建概念性的無人駕駛框架，把很多模塊和概念掛上去而不考慮它們如何實現。但卻只有少數的工程師團隊去解決這些問題，嘗試這些概念要以怎樣的程度落地。
AI、5G和工業互聯網的殺手級應用
現在中國對新基建戰略非常支持，大家都非常積極地投入無人駕駛領域。因爲新基建戰略內有三個重要的方向與無人駕駛相關：5G技術、人工智能技術和工業互聯網。它們最有價值的應用都是以車路協同爲基礎的智能交通。很久以前當AI剛剛出現的時候，大家就在思考如何讓AI帶來的經濟效益最大化。後來經過很多探索，大家發現，在和交通相關的無人駕駛方面，AI會是最核心的殺手級應用。5G問世後，也有人說5G是智能交通最核心的殺手級應用。應用於車路協同的5G技術是需要專用網絡的，需要與我們現在手機上使用的5G網絡隔離開，搖身一變成爲一種形式的工業互聯網以降低它的延遲，使其能夠滿足工業上需求。所以5G的應用過程中，最大的數據量，同時也是最複雜的部署，將在智能交通上體現。有了新基建的支持，中國的車路協同有一個非常好的發展機會。業內都在思考：智能交通建成後，能夠得到最廣泛應用的到底是應用於出租車，還是應用於集裝箱大卡，抑或是無人駕駛公交車？這些都是我們在嘗試推動的。出租車是非常有機會得到大規模應用智能交通技術的領域。中智行在去年3月份的博鰲亞洲論壇上作爲頭車對外演示無人駕駛接駁，是中國第一個拿出車路協同示範的企業。
車路協同的關鍵在於“智能”
車路協同關鍵不在於路邊單元的硬件，而在於這些路邊單元的硬件內有多少智能軟件在裡面。就像一臺電腦，你將深度學習軟件裝入，那麼它可以像Alpha Go一樣打敗世界冠軍，但如果你只裝入一個普通軟件，那麼它就只能玩玩遊戲，或者幹一些普通的工作。所以現在在路邊的這些單元，它到底要去判斷哪些東西？它應該對車的行爲做出什麼樣的評估？能夠達到什麼樣的精準度？路邊單元的部署還沒有其他人開始嘗試，因此我期待和大家共同交流這些問題。路邊單元最核心的功能是智能的感知：它不但要識別探測到的是人還是各種不同種類的車，還要預判這個車的軌跡和行爲，例如車輛會不會在路口減速遵守交通規則？車輛會不會闖紅燈？這些從人工智能的角度來講，都是能夠提前做出預判的，並且精準度都能夠達到甚至超過99%。
中智行在臨港和奉賢這兩個地方已經實現了非常初級的車路協同功能。隨着路邊單元的升級和 5G 的升級。我們相信上海是有機會率先實現真正的、智能的車路協同和智能交通的？？