智慧交通大战略：揭秘车路协同方案

车路协同系统三个核心组成部分：智能车载系统（车端）、智能路侧系统（路侧端+云端）和通信平台。

作者 | 新智驾

1950年代末，通用汽车在新泽西州打造了一条埋入大量通信设备的概念高速公路；

1990年代，日本将智能交通系统确立为国家项目；

2006年，欧盟开启车路合作系统（CVIS）项目；

2010年，美国提出智能驾驶（IntelliDrive）战略；

2011年，中国科技部在863计划中设立智能车路关键技术研究项目……

半个世纪以来，当汽车产业与物联网、通信等领域深度融合后，人们通过实现聪明的车与智能的路之间的实时交互，并在全时空动态交通信息采集与融合的基础上，开展车辆主动控制和道路协同管理，充分实现人-车-路的有效协同，最终达成提高交通效率、保证交通安全的目的——这是车路协同背后隐藏的巨大价值，也成为各国智慧交通规划下的共识。

今天，中国已经成为世界上规模最大的汽车产销国，路上行驶着各个品牌不同的车型，高速公路里程数也已位居全球第一。将如此庞大的车流与路侧基础设施连接起来，自然可以大幅提升交通效率与交通安全，但这也极大地提高了车端、路侧端与通信端各端口间协同部署、协同决策的技术难度。

那么，究竟有哪些核心技术门槛在制约着车路协同方案的大规模落地？那些已成功落地的车路协同方案背后又隐含着哪些重要参考价值？

笔者将在下文中一一道来。

今天，只要谈到车路协同，行业内普遍会提及到两种产品：智能车载单元（OBU）和智能路侧单元（RSU）。智能车载单元和智能路侧单元分别部署在车端和路侧端，比如我们常见的ETC等非接触式感知设备，通过微波来接收和反馈通讯数据，实现诸如车辆身份识别、电子扣费等基础功能。但在笔者看来，这并不能很好地概括车路协同方案下的核心组成。

一般来说，车路协同主要涉及三个端口：车端、路侧端和云端，其中路侧端和云端因为车路协同环境下计算节点下沉至边缘层（即路侧）的需求而经常被同时提及。

再考虑到三个端口间信息传输渠道的重要性，对于车路协同系统平台更完善的拆解方式，笔者认为应当是以下三个核心组成部分：智能车载系统（车端）、智能路侧系统（路侧端+云端）和通信平台。

其中，智能车载系统负责车载端的海量数据实时处理和多传感器数据融合，保证车辆在各种复杂的情况下稳定、安全行驶；智能路侧系统负责路况信息搜集与边缘侧计算，完成对路况的数字化感知和就近云端算力部署；通信平台负责提供车-车、车-路间实时传输的信息管道，通过低延时、高可靠、快速接入的网络环境，保障车端与路侧端的信息实时交互。——三者恰好构成智慧交通场景下协同感知与协同决策的闭环。

真实交通场景下，由于参与者数量众多、行人和路况随机性强等特点，导致车辆要在低时延、高可靠的前提下，完成对海量高并发数据的实时计算处理，保证任务调度效率，这就意味着车内需要一套随时处理海量数据的计算和指挥中心。

如此巨大的工作量，只能由一个专为车载场景设计的、强大的计算和指挥中心，即车载操作系统（OS）来完成。一款优秀的车载OS，必须具备在100毫秒内完成从指令接收、任务运算处理到决策执行的整个过程——这是车载场景下的低时延底线。

不仅仅是稳定性和低时延，车路协同对于车载OS适配和兼容性的需求也不容忽视。车路协同方案中的车-车互联不应是单一品牌间各车型的连接行为，而是广义上交通环境中所有车辆的互联。

考虑到每个汽车品牌、每款车型都有着复杂的软硬件架构与设备接口协议，加上汽车改款推新的节奏非常快，想要构建一套覆盖所有车辆终端的车载OS，就必须针对市面上所有主流汽车品牌、车型、智能传感器、ECU和芯片组一一完成适配和兼容，并具有极强的按需扩展能力设计。

另外，车载OS还有一大考验来自数据融合层面。传统意义上的汽车数据融合来自少量车载传感器如雷达和倒车影像，但在车路协同平台上，一辆车的车载OS不仅需要融合单车传感器数据，还要协调邻近其他车辆的位置信息、摄像头乃至路侧微波雷达、信号机、检测器等传感器实时传递过来的数据。而不同来源的数据特征差异极大。这就要求车载OS在数据级、特征级和决策级进行多级信息融合，实现更高层次的综合决策。

在智能车载系统面临重重挑战的同时，智能路侧系统面前也横亘着种种亟待突破的门槛。

一方面，道路基础设施的智能化改造离不开政府支持。从近年来各地政府布局来看，对于智慧交通示范区的推进节奏正在加快，只有在政府的规范指导与支持下，才能实现车路协同解决方案的最终落地。另一方面，道路的智能化改造势必会带来大量亟待运算处理的路况数据。

传统的云计算架构是将这些数据上传到跨区域的中心云端，由云端将运算结果下放到路侧设备，但是由于中心云端距离较远而容易导致数据传输延迟。因此，在路侧就近部署边缘云计算设备也成为了一种解决方案。中心云则通过网络管理各个边缘云，实现中心云、边缘云在资源、安全、应用、服务上的多项协同。

即使有了智能车载系统和智能路侧系统，还需要在二者之间搭建起一条稳定的信息传输桥梁，这便是通信平台担当的角色。

当下，通信网络环境正在酝酿一场从4G到5G的全面升级。

5G低延时、高带宽、高稳定的特点虽然意味着从车端到路侧端、云端信息高效连接的普及，但同样因为各区域通信布局不一的原因，导致汽车在高速行驶过程中经常会面临4G/5G、LTE-V通信网络的实时切换。如同用户要求手机在WiFi和4G网络之间可以平滑切换，却不影响各项APP的功能和体验，车载操作系统也必须实现在不同通信网络之间的平滑切换，这是用户体验使然，更是行驶安全的刚需。

近年来，各地政府与车联网科技企业已经开始共同建设智能网联汽车示范区。在笔者看来，北京顺义北小营镇智能网联汽车示范区就是一个非常成功的案例。据报道，该示范区是国内第一个开放式5G商用智慧交通车路协同项目，一期全部开放路段长7.2公里，涉及18个路口的智能网联化改造。在整体解决方案层面上，充分满足了笔者此前所提及到的对于智能车载系统、智能路侧系统、通信平台的极高需求。据悉，该车路协同项目解决方案由蘑菇车联独力提供。

为了解决海量高并发数据实时处理的行业难题，蘑菇车联自主研发的蘑菇OS基于GPU、FPGA的异构计算架构，突破了以传统CPU为核心的通用计算模式，在复杂路况多任务协同管理的状态下，通过对各项任务进行优先级控制，配合多线程并发，辅以异构异调进程调度策略，实现对车内硬件资源的高效分配，将任务响应时间控制在毫秒级，确保在最极端的情况下也可以保证车辆稳定运行。

此外，从示范区现场照片还可以注意到一个有意思的现象：路上行驶的公交、小巴士、家用车上都搭载蘑菇智能终端。这应该要归功于蘑菇OS在设计之初就定位于通用车载OS，并可按需扩展，快速构建定制化解决方案。有几则数据可以很好地支持这一点：市面上主流车型目前共有1200多款，蘑菇OS可以适配其中1100多款，而车载传感器、ECU和主流车载芯片组更是全面兼容，这一切使得蘑菇OS有足够的底气，让车路协同实现规模化落地。

另外，在顺义区北小营镇政府指导规划下，蘑菇车联构建了一套包含道路基础信息、智能红绿灯、交通气象等多方位交通信息融合的环境感知系统，并完成了顺密路、赵陈路及北小营镇工业园区周边多条道路的智能化改造。蘑菇车联利用自主研发的蘑菇AI云，部署了一套配备深度学习软硬件环境的MEC路侧边缘计算服务器，中心云则通过网络管理各个路口部署的边缘云。蘑菇AI云通过自身对海量设备连接和海量数据处理的能力，实现了整体云端场景构建、分析和智能决策等核心功能，保证了核心运算的效率。

通信平台方面，基于对当前国内复杂通信网络环境的考量，蘑菇OS已经实现了4G/5G和LTE-V双网络的平滑切换，这也意味着，无论是顺义智能网联汽车示范区高难度的5G网络适配环境、日常的4G环境，或者是针对于车车互联的LTE-V网络环境，蘑菇OS均能保证车辆在高速行驶过程中与云端、路侧、其他车辆的稳定网络连接。

时至今日，由于车路协同涉及的各项技术具备极高难度，市面上绝大多数车路协同案例仍处于理论研究和探索这个阶段，但顺义智能网联汽车示范区的稳定运行证明了已经有企业具备实现方案落地的能力。

从这个在智能车载系统、智能路侧系统、通信平台等诸多技术层面都有着许多借鉴意义的智能网联汽车示范区案例中，我们可以看到一个具备优秀解决方案的技术提供商，在政府单位的规范指导下，实现了车路协同方案的真正落地，为智慧交通的建设提供了宝贵的理论基础与实践经验。

相信只有真正具有核心技术优势的企业贡献出其解决方案能力，加上政府部门的大力支持，才能真正推动车路协同方案的规模化落地和加速智慧交通新时代的到来。

END

新智驾 |精选文章

雷锋网年度评选

寻找19大行业的最佳AI落地实践

创立于2017年的「AI最佳掘金案例年度榜单」，是业内首个人工智能商业案例评选活动。雷锋网从商用维度出发，寻找人工智能在各个行业的最佳落地实践。