基于单车智能路线的自动驾驶技术在商业化方面局限性日益凸显

由于在核心技术、研发成本、配套法规等多方面仍面临多重制约，近两年基于单车智能路线的自动驾驶技术在商业化方面局限性日益凸显，比较之下，车路协同路线因可以在路侧部署感知和通信设备，极大地弥补单车智能在感知方面的不足，获得了越来越多企业的关注，风头大有盖过单车智能之势。

但即便如此，业界还是一致认为在推进自动驾驶商业化的过程中，单车智能仍然有发展的必要，尤其是对于整车厂而言。不过，考虑到现阶段单车智能在核心技术上还存在诸多问题，于高级别自动驾驶汽车而言，车路协同路线可以作为一项很好的补充技术，在提升系统可靠性、优化出行效率等方面发挥重要作用，与单车智能共同推动自动驾驶规模化落地。

单车智能是基础，整车厂应重点关注

汽车行业对自动驾驶的探索，虽然最早始于单车智能，但鉴于这条路线经过十多年的发展，仍存在诸多量产局限性，近两年行业的风向开始有所改变，越来越多地往车路协同倾斜。尤其是在国内，得益于“新基建”等国家战略的提出，很多业内人士认为车路协同将有着非常大的市场前景。那么，当车路协同路线的光芒日渐夺目，单车智能路线还有继续发展的必要吗？

对此，近日长安汽车智能化研究院副总经理何文在GIV2020期间表示，单车智能和车路协同应该是和谐统一、长期共存的关系，只不过在实现智能网联汽车的过程中，二者的侧重点会有所不同。“单车智能是基础，如果没有单车智能，智能网联就没有基础平台，更重要的是在路侧没有铺设智能设备、通讯受到干扰、智能路侧设备出现故障的时候，单车智能化依旧能保证汽车安全行驶。”

至于车路协同系统，在何文看来更主要的作用是实现效益最大化。比如在园区、港口等特定场景，通过全面部署智能路端，可以大大降低单车智能的成本；在交叉路口、地下停车场等城区场景，以及高速公路、快速路、匝道、隧道等特殊场景，通过部署智能路端，则能在提升单车智能安全性的同时，提高通行效率。“所以单车智能和车路协同是站在不同的层面来讲不同的内容，他们二者之间没有根本性的矛盾。”何文表示。

广汽新能源总经理古惠南的观点与之类似，不过他重点提到，从主机厂的角度首先还是要开发能够单车智能的车，否则可能就变成了特定用途的专用车。”因为一个比较现实的问题是，车路协同并不是所有的区域都能做，比如农村，如果要大量铺设支持车路协同的智能化基础设施，明显不经济。另外还有国外是否接受这种路线，并大规模铺设相关的基础设施，也存在极大的不确定性。”

但对于车厂来说，开发的汽车显然不能只适用于特定区域——除非是专门研发特定用途汽车的企业，而是应该同时满足城市、乡村、国内、国外等多个不同市场的需求，这种情况下单车智能路线显然更合适。

因此，古惠南指出未来单车智能和车路协同可以共存，但重点还是要依赖于车端，作为主机厂首先应该解决的还是单车智能。“当然，单车智能路线车企投入会比较大，开发周期很长，车路协同路线车企的工作可能更简单一些，但路侧的投资会很大。”

戴姆勒大中华区执行副总裁冷炎也认为，站在整车厂的角度，单车智能是自动驾驶目前这个阶段发展的必由之路。特别是在高速公路等特定场景中，单车智能路线可以很好地降低人工成本，辅助驾驶员在特定条件下驾驶车辆。在这个前提条件下，如果车路协同能在驾驶任务上提供更多的辅助，比如超视距感知，在国内开发新的应用场景，将是比较合适的方式。“事实上，我们认为车路协同正发展成为一种极具中国特色的自动驾驶方案。”冷炎表示。

基于相关政策的指引，近两年包括政府、整车厂、零部件企业、车联网公司、网络&通信服务商、整体解决方案提供商、出行服务商等在内的多方势力纷纷涌入车路协同领域，在此背景下，车路协同在国内正逐渐形成以政府为主导作用、多元主体协作参与的产业格局，新的万亿级市场加速形成。

车路协同是未来，于高级别自动驾驶不可或缺

对于L1、L2级别的自动驾驶汽车而言，由于人类驾驶员依旧承担了绝大多数的驾驶任务，即便有一些自动驾驶系统解决不了的问题，还有人类驾驶员收拾“乱摊子”。但对于L3以上，尤其是L4、L5级别的自动驾驶汽车，因为是系统承担绝大多数甚至所有的驾驶任务，这就需要保证自动驾驶汽车在感知、决策、执行的任何一个环节都不能出现差错，然而目前的事实是，基于单车智能路线的自动驾驶汽车还达不到这么高的可靠性。

一个典型的场景是“鬼探头”，依靠单车智能根本无法克服，在技术上做不到绝对的安全，而这恰恰是驾驶中的高频场景。不仅如此，诸如交通拥堵以及提升出行效率等问题，通过单车智能也无法解决。因此很多业内人士认为车路协同不仅必要，对于高级别自动驾驶尤为如此。比如华人运通智能驾驶与电子电气副总裁李谦就指出，全域性的自动驾驶最终一定会依靠车路协同路线来实现。

威凯检测技术有限公司智能网联汽车首席专家胡静的观点更为明确，她认为车路协同并不是为现在L2、L3级别的自动驾驶汽车服务的，而是为L4、L5自动驾驶服务的，比如提升自动驾驶汽车的感知能力，弥补毫米波雷达、摄像头甚至激光雷达的感知缺陷，降低自动驾驶汽车的研发成本和生产成本，提升量产可能性。“如果把某些传感器，比如说激光雷达架设在路上，只要达到工业级就行了，这其中的产品开发周期以及验证成本就会大幅度下降，进而提升产业实现的可能性。”

这里特别需要指出的是成本问题，作为制约走单车智能路线的自动驾驶大规模量产的关键因素之一，随着自动驾驶级别越高越明显。“越往上走，自动驾驶对高算力计算平台，电子电器架构，整车双冗余的底盘平台、高精地图定位等核心技术的要求也越高，虽然这些技术在摸索中不断取得了突破，但依旧存在瓶颈，这些瓶颈也决定了单车智能再往上发展必然会带来各种成本的增加。”北汽新能源研究院副院长尹颖表示。

一个典型的例子是激光雷达，虽然与前几年相比，激光雷达售价有了大幅度下降，但还是万元级别，甚至是十万元以上，如果在路侧大量地推行，依然存在成本挑战。再加上其他的技术成本，目前仅一辆L4级别的Robotaxi，据悉单车增加的成本就在10-20万美元不等，这无疑会给整车企业带来巨大的压力，更别说让终端用户接受这样的成本结构。

“所以车企如何解决基于单车智能的自动驾驶系统越往上走、覆盖更多场景，成本压力越来越大的发展瓶颈呢？我们认为车路协同是一个非常好的补短板的技术方案。”而最终，尹颖认为在高阶自动驾驶技术的发展过程中，单车智能和车路协同深度的融合发展一定是未来发展方向。

车路协同风头日盛，落地也需分场景

单车智能路线发展了多年，也没有推动自动驾驶大规模量产，车路协同的出现固然是对现有技术路线很好的补充，其面临的难题亦不容忽视。以最近在车路协同领域大放光彩的激光雷达为例，尽管通过将激光雷达安装在路测，可以为自动驾驶汽车提供路侧的车辆检测、识别，行人识别等功能，提升驾驶安全性，如果在路侧大量地推行，依然存在成本挑战。

不仅如此，据亮道智能创始人兼CEO剧学铭透露，由于目前激光雷达更多还是应用在车端，现有产品更多是结合车端应用来设计的，并不适用于路端，无法充分满足未来路侧感知的要求。特别是第一代机械式激光雷达，如果要在路端24小时工作，按照现阶段的技术水平还无法适应道路环境。

另外，隐私问题和事故责任的判定也是车路协同路线在发展过程中无法回避的问题。可以预料的是，未来在使用高度互联化汽车的过程中，无可避免会碰到需要用户上传私人信息进行身份认证的情况，这时候如果私人用户不愿意该怎么办。“责任判定也很关键，将来L3以上级别的自动驾驶汽车如果比较多的依赖于路端设备，一旦出现事故责任该怎么定？责任主体是主机厂？还是路测设备？这从法律上需要有一个明确的界定才行。”威凯检测技术有限公司智能网联汽车首席专家胡静指出。

正因为如此，即便有了车路协同技术作为支撑，业内认为在推进自动驾驶的过程中，还是应该依据场景来选择合适的技术，而不是一概而论。“在相对封闭、交通状况可控的场景下，比如说高速公路、城市密闭环线、港口、矿区等场景，我们认为单车智能技术路径因相对比较成熟，更为适合。在交通状况复杂的城市区域，以及相对拥堵的路段，尤其是天气状况不好的情况下，我们觉得车路协同能发挥更大的作用，提升交通效率，降低事故发生率。”戴姆勒大中华区执行副总裁冷炎表示。

而在禾多科技创始人兼CEO倪凯看来，车路协同将率先在三个场景落地，第一是高路公路，主要是提供预警功能，第二是泊车，第三则是园区、港口等场景。其中他着重提到了基于车路协同的自动驾驶泊车应用，由于该场景是一个“多龙治水”的管理体制，同时有物业、停车场产权方，甚至还有智慧停车公司、主机厂、自动驾驶公司、Tier1、Tier2等多方的参与，商用模式较为复杂，加之现阶段智能泊车还有重车端和重场端的技术路线之争，要实现商业化并不容易，不仅需要有有联盟或行业规范诞生，成本还要足够吸引人。

“所以要建立这样一个基于车路协同的商业闭环，首先离不开政府的支持，没有政府的支持，比如新基建政策方向的支持，是很难在全国筹集到更多的资源建立大范围车路协同的。现阶段小范围的车路协同虽然有示范效应，但其实并没有太大的落地意义，因为如果只是一辆车在一条街上享受车路协同服务，这并没有让整个交通发生变化。”倪凯指出。

此外，倪凯认为在这个商业闭环里，车厂以及向禾多科技这样的自动驾驶公司也十分重要，因为这些企业才是摸索出车路协同应用落地方式、真正让这项技术在应有端运转起来的关键。即便如此，倪凯指出由于参与者众，车路协同将需要花费比单车智能路线更长的时间才能形成真正有效的生产力。
责任编辑：tzh