Robotaxi和车联网会擦出什么爱情火花？-CSDN博客

智能网联赋能Robotaxi的主要意义在于提升安全性和降低成本，Robotaxi行驶在经过智慧化改造的道路上将变得更加安全可靠。不过，当前智能网联想要真正赋能Robotaxi，还面临着道路智慧化改造程度不够、道路智慧化改造投资和运营困难、网联自动驾驶商业模式挑战更大等诸多挑战。

文｜吴冬升

高新兴科技集团高级副总裁、战略与品牌总经理

来源｜本文刊发于《智能网联汽车》杂志2020年7月刊

仅依靠单车智能的Robotaxi产业发展，依然面临诸多挑战。智能网联可以从红绿灯信息推送、超视距信息获取、鬼探头等典型场景、安全冗余四个方面赋能Robotaxi，从而实现对Robotaxi提升安全性和降低成本两方面的价值。

Robotaxi发展面临的挑战

Robotaxi是自动驾驶最典型的场景形态之一，也是最具挑战的场景形态之一。

自动驾驶干线物流车行驶在高速公路，相对环境比较单一。矿山、港口、机场、校园、景区、工业园区等地方的自动驾驶车辆，行驶环境也相对简单，而Robotaxi面临的城市交通环境极为复杂。尤其是在中国，各个城市交通状况差异巨大，交通参与者和驾驶人员行为习惯差异明显，这导致Robotaxi需要应对的真实交通情况，根本无法穷举，各种corner case层出，给Robotaxi普及带来巨大挑战。

自动驾驶末端物流配送车、自动接驳小巴、自动售卖车、巡逻机器人等，属于自动驾驶30公里/小时以内的低速场景。而Robotaxi行驶速度快，城市内60-80公里/小时，高速公路达到120公里/小时，与低速自动驾驶场景相比，留给Robotaxi处理各种紧急情况的反应时间更短，也对Robotaxi提出了更高的技术要求。

Robotaxi如果摆脱不了对安全员的限制，从商业逻辑上，无法实现盈利。

在中国，广州开放相关政策，允许自动驾驶车辆在没有安全员情况下上路，但这只是起步，离真正取消自动驾驶车辆安全员还有很大距离。Robotaxi的商业实现路径依然任重而道远。

最后，Robotaxi如果仅仅依靠单车智能，对自动驾驶车辆的多传感器融合、高精地图、高精定位、计算能力、线控系统改造提出了很高要求。尤其是L4级Robotaxi主流采用64L激光雷达技术，安装改造成本很高，目前，离真正车规级量产商业化还有很远距离。

和美国主要依靠单车智能实现Robotaxi相比，中国自动驾驶路线基本明确为依靠车路协同实现自动驾驶产业发展，即网联（CV，Connected Vehicle）+自动驾驶（AV，Autonomous Vehicle）=网联自动驾驶（CAV）。一方面推动汽车产业智能化工作，另外一方面推动汽车网联化和道路智慧化改造工作。

同时，借力中国新基建东风，实现传统道路的智慧化改造，汽车产业实现智能化、网联化、电动化和共享化。二者形成合力，最终将实现车端和路端的有效协同，共同推进自动驾驶产业早日成熟商用。

道路智慧化改造主要实现道路的车联网通信能力、多维感知能力和边缘计算能力。智能网联路侧基础设施主要包括：

1.通信基础设施：4G/5G蜂窝基站；

2.C-V2X专用通信基础设施：多形态的RSU（Road Side Unit）；

3.路侧智能设施：包括交通设施（交通信号灯、标志、标线、标牌、护栏等）智能化，以及在路侧部署摄像头、毫米波雷达、激光雷达和各类环境感知设备；

4.MEC（多接入边缘计算/移动边缘计算）设备。

路侧智能设施将多维度感知结果传递到边缘计算设备，经过处理后的相关结果通过RSU或者蜂窝基站，推送到车端。

智能网联赋能Robotaxi的具体内容

对于依靠单车智能实现的Robotaxi来说，车路协同可以从以下四个方面赋能Robotaxi。

（一）红绿灯信息推送

单车智能依靠摄像头识别红绿灯信息，存在前方大车遮挡看不到红绿灯，或者树木遮挡红绿灯，以及在恶劣天气条件下，比如雨雾天气、强光照射、识别错误的情况。

而依靠智能网联方式，直接读取红绿灯信号机信息，给到RSU，通过RSU广播到Robotaxi，可以让Robotaxi精准读取到红绿灯信息，并且可以完全实现和信号机红绿灯倒计时秒数的同步。

对于主要行驶在城市道路的Robotaxi来说，分布在交叉路口的红绿灯信息，通过智能网联方式精准获取，是其最有价值的车路协同案例。

（二）超视距信息获取

单车智能安装的各类传感器都有自己的覆盖范围，和人眼视距类似，例如超声波雷达探测距离5米、激光雷达100米、摄像头150米、毫米波雷达200米的融合感知组合。超出这个距离，依靠单车智能就无法再识别和获取信息。

比如超出单车智能传感器感知范围的前方隧道内，发生了交通事故，自动驾驶车辆无法及时获取隧道内信息，这对于自动驾驶车辆来说非常危险。

依靠智能网联，可以通过安装在隧道内的传感器检测出隧道内出现的交通事故，再将相关信息传递给路侧边缘计算设备，进而通过区域边缘计算设备或者中心云平台，传递给几公里外的RSU设备，并通过RSU设备广播给自动驾驶车辆，实现超视距交通状态感知。

（三）鬼探头等典型场景应对

鬼探头，通俗来讲就是在前方有车辆或障碍物阻挡住司机视线，也就是存在视野盲区，从路边突然蹿出一辆非机动车或行人，导致司机避让不及时。因为事发突然，彼此都没有反应与躲避的时间与空间，令人猝不及防，因此被称为鬼探头。

单车智能目前无法有效规避鬼探头风险。

只有在相关路段进行智能网联路侧基础设施部署，通过路侧智能设施识别出非机动车或行人的行为，通过路侧边缘计算设备进行计算分析，预判出潜在碰撞风险，及时推送给Robotaxi。

除了鬼探头这样的场景外，还有一些单车智能难以识别的场景，比如路边车辆停在右转机动车道上，挡住Robotaxi正常行驶线路，Robotaxi难以判断该车辆是在等待右转灯继续行驶，还是非法停车状态。而通过智能网联路侧基础设施，可以进行识别和判断该车辆停留时间，给Robotaxi提供决策依据。

（四）安全冗余

Robotaxi产业发展，最需要的就是安全。一旦出现交通事故，尤其是造成人员伤亡和财产损失，对自动驾驶产业发展将造成致命打击。

因此，单车智能的主流做法是采用多重冗余的多传感器融合感知+高精地图+高精定位。

而道路智慧化的改造可以让道路具备对交通参与者行为的分析预测的能力、对交通环境和道路设施状态的判断能力、对交通事件的感知能力，这些分析结果通过智能网联系统，给到Robotaxi，作为Robotaxi决策的输入源之一，并与单车智能输入源进行融合判断，可以有效地提升Robotaxi的安全性，从而让Robotaxi多一层安全冗余。

智能网联赋能Robotaxi的意义和挑战

智能网联赋能Robotaxi的主要意义在于提升安全性和降低成本。Robotaxi行驶在经过智慧化改造的道路上将变得更加安全可靠。

另外，按照未来大规模量产阶段一辆乘用车20万元的自动驾驶改造成本计算，全国2亿辆车全部转换为自动驾驶车辆需要40万亿元的投入。

而截至2019年，中国公路总里程达484.65万公里、高速公路达14.26万公里，按照每公里需要80万元智慧化改造费用测算，总投入需要4万亿元的投入。车路协同的路端改造成本要低于车端改造成本一个数量级。

在智慧化改造后的道路上行驶，还可以更进一步降低对Robotaxi单车智能的技术要求。比如64L激光雷达可降低到32L甚至是16L，对车载算力要求，一般L2需要计算力<10TOPS，L3需要计算力30~60TOPS，L4需要计算力>100TOPS，也可降低要求。

当然智能网联想要真正赋能Robotaxi，同样面临诸多挑战。

1.道路智慧化改造程度不够；

2.道路智慧化改造投资和运营困难；

3.网联自动驾驶商业模式挑战更大。

Robotaxi要求实现非固定线路自由场景，而网联自动驾驶对道路智慧化改造提出了很高要求。显然一辆Robotaxi跑到没有进行过智慧化改造的道路上，将无法享受到相关的业务支持，从而达不到提升安全性和降低成本的效果。相比较Robotaxi这项应用场景来说，智能网联更容易在特定商业环境场景、固定行驶线路的自动驾驶场景里面实现。

或者至少需要在特定片区里面实现道路的规模智慧化改造，才有可能让行驶在该片区内的Robotaxi，享受到车路协同带来的价值。

与Robotaxi投资和运营相对比较明确相比，道路智慧化改造的投资和运营主体不明。

当前只能作为新基建内容之一，由政府主导投资建设，存在收益不清晰的问题，而智慧化道路的运营更是难点。未来由国资背景企业作为主体承担道路智慧化改建设和运营，拥有相关数据，是可行路径之一。

单车智能Robotaxi在取消安全员之后，达到一定量产规模，才有盈利的可能性。而采用网联自动驾驶方式来提供Robotaxi业务，需要将车端挣的钱分担路侧设施部署费用，短周期内根本不现实，无疑对网联自动驾驶商业模式提出了更大挑战。

合理的方式是智慧化改造后的道路不仅仅服务于Robotaxi业务，同样可以服务于有人驾驶、以及其它各种自动驾驶场景，才有可能让网联自动驾驶得以实现。

END

▎作者：吴冬升

东南大学博士，对5G、车联网、物联网、大数据、人工智能、数字化转型、智慧城市有深刻洞察。5G产业技术联盟车联网专委会主任委员，粤港澳大湾区自动驾驶产业联盟副理事长，广州市智能网联汽车示范区运营中心理事，广东省智能网联汽车与智能交通应用专委会副主任委员，广州市互联网协会5G专委会副主任委员，广东省车联网产业联盟专委会委员，广东省物联网协会专委会委员，深圳市人工智能协会专委会委员等。

▎推荐阅读