车路协同技术的优势、进展和挑战！-车路协同有哪些关键技术

电子发烧友网报道（文/李弯弯）车路协同，是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上，开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成安全、高效和环保的道路交通系统。

车路协同，是智能交通系统的最新发展方向。交通部从2016年开始，就一直在推进车路协同建设，希望打造智慧交通体系来支持自动驾驶。

车路协同的作用体现在哪

在实现自动驾驶的过程中，单车智能存在很大的局限性，比如特斯拉自动驾驶，通过摄像头进行感知，而摄像头在雨雪天气下感知能力大为减弱，会极大的增加安全隐患。车路协同技术，就是在车辆智能化之外，在路侧安装感知传感器、在路侧进行计算，计算完后的数据再提供给车辆，给车辆提供更全面的道路信息，以支持车辆完成实现自动驾驶。

车路协同的优势很明显，百度创始人李彦宏此前谈到，首先是安全，遭遇极端天气、物体遮挡等情况，单车智能容易看不见。而车路协同可以帮助车辆感知视野盲区的信息。通过车路协同可以让自动驾驶事故率降低99%。

其次是成本，目前自动驾驶汽车硬件成本100万左右，如果将部分自动试驾功能转移到路端，以此补齐单车智能短板、还可降低成本。如果每辆车能够节省1.98万元的成本，就可以在每公里的道路上投入100万元的智能化改造。

当然，车路协同的落地成本很高。车路协同需要改造路端，如果要让路端变得智能，可能需要在路口架设一些智能的设备，比如低延时的摄像头、路侧计算设备等；除了硬件，软件方面也得投入，比如搞数据底座、建算法平台。不过李彦宏认为，车路协同一方面可以复用原先的旧设备，另一方面，它主要通过优化算法的方式来让系统更智能，这样可以节省成本。

随着车辆不断的智能化和网联化，对路侧设备的互联需求会越来越大，完全依赖车辆实现自动驾驶存在很大的难度，自动驾驶90%会依赖智能车本身，而剩下的10%就可以通过路侧的感知数据提供辅助，这也有利于降低对车端大算力的需求，减轻云端计算和传输的延时影响，对于实现完全自动驾驶起到至关重要的作用。

车路协同的进展和挑战

车路协同是车、路、人、环境之间，能够做到实时动态的交互联动。例如直接在路灯杆上装各类传感器，包括摄像头、毫米波雷达、激光雷达等，把各种传感器采集到的信息综合之后，传到车联网和每辆车上。路灯杆上的传感器更多更全，而且视野更高、不容易被遮挡，采集到的信息比单车传感器更好。

2020年9月，由百度Apollo支持建设的中国首条支持高级别自动驾驶车路协同的高速公路G5517长常北线高速长益段正式通车。该智慧高速路段覆盖了干线、互通、隧道、桥梁、服务区等典型的高速公路场景，路侧和云平台系统采用了百度Apollo车路协同方案。

今年冬奥会首钢园滑雪场，就是一个经典的车路协同落地应用案例，达到了L4的高级别自动驾驶。园区内跑着美团的无人配送车、能够精准配送，到货提醒。新石器的无人零售车、招手即停、售完自动开走。百度Apollo无人驾驶出租车、北汽的自动驾驶商务车，由一个司机领队，后面跟着3辆无人驾驶汽车。

目前车路协同技术尚处于市场初级阶段，在技术上还存在诸多难点，比如，车端如何使用路端信号，路端信号如何做到实时、准确等。在商业落地方面，也存在一些问题，比如，道路建设方投资建设了路端设备，后续如何通过路端设备进行收费盈利，目前还没有探索到合适的模式，这导致道路建设方投资建设的积极性不足；另外后续运营存在困难，部署在路侧的设备，过几年就得更新换代，这种升级是大规模的，需要耗费大量的费用和周期。

当然任何新科技都是在不断的探索中逐步向前发展的，虽然当前车路协同还处于初期阶段，也存在不少挑战，不过在万物互联和数字化的大趋势下，预计未来几年将会迎来较快的发展。