自动驾驶的未来在哪？上汽、华为、奇瑞等巨头齐聚上海，寻找可行之路

catdog喵汪

滴水湖边的道路的格局，是和别处不同的：路旁藏着黑色箱子，交通信号灯的立杆上，则挂着些白盒子。不时有头顶奇怪设备的汽车驶过，眯着眼能勉强看出，似乎是个摄像头，又看着像是雷达。
实际上，这些装有独特设备的道路，属于临港智能网联汽车开放测试道路，覆盖环湖一路、环湖二路、海港大道等，总里程达到 118.2 公里；上海临港智能网联汽车综合测试示范区也在附近。不久前，上研智联支撑华为、奇瑞、大唐、东软、中国联通、北京交通大学等，在此进行了 C-V2X 无线信道测量及网络性能测试。


现阶段，自动驾驶已成为各大车企、人工智能企业争相挤入、意图实现突破的最前沿领域。然而，自动驾驶急先锋特斯拉引以为豪的 FSD（完全自动驾驶）系统屡次发生事故；科技巨头谷歌直接放弃了 L2 级别自动驾驶辅助系统的研发；智能汽车国产新势力小鹏发布包含激光雷达的自动驾驶架构，却遭马斯克本人下场嘲笑。
自动驾驶的未来在哪？不少业内专家认为，车路协同是目前看来唯一可行的发展方向。或者说至少，V2X（车辆与外界所有信息的交换）技术将成为自动驾驶的重要补充。上海自贸区临港新片区正在这一领域加速布局，打造未来交通示范区。
提前决策，降低风险
" 前方第二个路口出现事故，请以 30 以下车速通过或绕行。" 车辆发出语音预警信息，车机屏幕上同时显示相关信息。驾驶员提前应对，平稳通过 " 车祸 " 现场。
这是 C-V2X 无线信道测量及网络性能测试中的一个场景。当然，道路上并未发生真实的车祸——测试规则制定方上海临港智能网联技术研究中心有限公司在路口立杆上的白盒子预设了轮播信息，作为测试项目。
" 这是 RSU（路侧单元），能将路况信息通过车联网专用频段点对点地传输到车辆。" 上研智联主任工程师汪大明说。而车辆只需安装一个巴掌大的小盒子 OBU（车载单元），即可接收信息。收到信息后，OBU 会将决策辅助信息提交给驾驶员及车辆，供他们提前决策。


华为研发的 OBU。
路口闯进行人，距离百米以上，OBU 就已通过车辆进行报警。驾驶员直起身子，紧盯前方，右脚提前带在刹车上，随时做好制动准备。这样的场景只有通过车路协同方能实现。行人预警、拥堵预警、危险预警、限速预警……这套系统现阶段能做的已然不少。由于其收集信息基于道路基础设施，比起车载系统更准确也更及时，往往能提前许多就提醒驾驶员。汪大明表示，对于反应迟钝的驾驶员群体，它能显著降低行车风险。
难能可贵的是，该系统泛用性极强，绝大多数车辆都可使用，" 安装难度与装行车记录仪差不多 "。汪大明告诉记者，一汽红旗的一款即将上市的 SUV 车型上，还预装了东软集团研发的 OBU，上市后将自带这些功能。随着车联网与车路协同的发展，预装模式或将成为新的主流。
布局多年，保持更新
C-V2X 无线信道测量及网络性能测试是工信部主导的针对车载终端的功能性验证。这样一个重要的行业测试之所以放在临港，正是因为这里有最为丰富的应用场景。隧道、高速直道、高速弯道、地下停车场、城区路口、环岛，甚至雨雾天气模拟，应有尽有。记者第一回到测试区采访时，差点在大晴天淋了个 " 落汤鸡 "，上车后又在短短 500 米内体验了从毛毛雨到大暴雨的不同降雨路况。
这些设施、场景已布局多年，并保持更新。上研智联综合管理部部长助理叶忍之介绍，目前，封闭测试区已覆盖 3.2 平方公里，测试道路总计 4.7 公里，建设了约 4 万平方米的核心测试广场，支持 20 余种 V2V、V2I 的功能和性能测试，并实现了 5G、LTE-V2X、全息感知路口、车路协同云平台、智能信号灯管理平台等的覆盖，形成了 " 车 - 路 - 云 " 一体化测试环境。同时，上研智联承担了环湖一路数字化、智能化、网联化升级改造，总长约 8.5 公里，共计 14 个十字路口和丁字路口，布设 RSU 设备 38 套，实现 19 个典型 V2X 预警场景，为自动驾驶、车路协同等技术的测试和示范提供有力的保障。


现阶段，上研智联所使用的 RSU 分两种。一种需提前输入轮播信息，可用于测试；另一种则由华为研发，通过 5G 通信，可由云端向 RSU 下发实时道路信息，再经其转播到路面各车辆。" 这套系统已有很好的实用价值。" 汪大明举例，前方道路拥堵，交通管制中心可以向周边路段的 RSU 下发指令，通知路面车辆绕行。
由于交通数据量大，4G 带宽容量不够，5G 技术的配套不可或缺。但 5G 信号穿透力较差的缺点在隧道等封闭场景被放大，在测试区的隧道场景，工程师们发现，RSU 与云端的通信产生了丢包率高、性能下降的问题。为此，他们针对隧道场景专门定制了信号放大器，使效果达到可用标准。
激光雷达，不好用吗
然而，这些技术离实现真正的自动驾驶还很远。车路协同的优势在于，道路可以承载更多车辆因体积、成本等原因难以承载的传感器，进而搜集更多、更精确的数据，交由车辆进行决策。
上汽集团智能驾驶环境融合系统经理殷伟表示，现阶段，汽车智能驾驶大多基于三种传感器：摄像头、激光雷达、毫米波雷达。特斯拉信奉纯视觉方案，只配合毫米波雷达辅助，坚决反对使用激光雷达与高精度地图，认为 " 人类通过双眼观察路面就能驾驶车辆，那车辆也可以通过摄像头与图形分析算法实现智能驾驶 "。马斯克甚至公开表示：" 激光雷达太蠢了，谁依靠它就会完蛋。"
但事实上，深度学习的图形识别能力仍处于 " 人工智障 " 水平，远远不及人脑 " 聪明 "。《麻省理工科技评论》资深编辑道格拉斯 · 海文发表在《自然》杂志上的 文章《为什么深度学习人工智能这么好骗》中举了一个典型的例子：一个特征明显、人眼不可能认错的 " 停止 " 路标，变换角度后就被 AI 认作了哑铃。记者也曾亲身经历过一次特斯拉识别失败导致的车祸：车道中间竖着路障，正在 AP（自动辅助驾驶）状态的 Model 3 完全没有刹车的迹象，直接撞了上去，前挡风玻璃当场破裂。


而如果加上激光雷达，AI 的识别水平就将得到质的飞跃。但其也并非万能——遇上雨雾天或是大倾角坡道，激光雷达也 " 抓瞎 " 了。而且激光雷达成本高，用于乘用车难以商业化量产。
" 把这些设备挪到道路上，问题都能迎刃而解。这也是车路协同的优势所在。"汪大明说。
多源融合，解决难题
一个路口只需装一套设备，空间充足，成本也高不到哪里去；路口的几个传感器，能为路过的车辆分摊大量数据采集任务——这就是车路协同下的自动驾驶。
由于这一领域需要大量数据积累，早在几年前，上研智联就开始布局探索智慧道路。据了解，同济大学、上海智能交通公司在临港智能网联汽车综合测试示范区内打造了基于边缘感知融合系统的全息路口。
记者看到，在测试区内的交通信号灯立杆上，挂载了各式各样的装置。有的一眼就能看出，是摄像头；另外几个，经询问得知，挂在低处的是激光雷达，挂在高处的是毫米波雷达。" 激光雷达探测角度较小，因而要放得低一点。" 汪大明介绍，" 高精度摄像头与毫米波雷达没有这个问题，放在高处，覆盖范围也更广——从这个路口甚至能看情、算出下一个路口所有交通参与者的位置、意图。"


殷伟打了个比方：激光雷达就像用千里眼把所有角落都扫一遍，理论上周围有些什么都能知道。毫米波雷达则专精于近距离测距，测试区内的毫米波雷达可精确到 3cm 级别。视频信息、激光雷达、毫米波雷达等多源信息融合，能够有效提高交叉口通行效率、改善行人过街的安全、为智能车辆主动提供路侧交通信息。而运用边缘云系统，各路口节点之间可以形成联动，让路面车辆提前多个路口就得知决策辅助信息。
事实上，这套系统马上就要走出封闭测试区，铺设于开放道路。临港新片区环湖一路智能网联公交及智慧道路测试示范线已于此前正式启动测试，来自中国中车、深蓝科技的自动驾驶公交将行驶在滴水湖畔。中国中车智能驾驶工程师张勇告诉记者，车辆正是在临港智能网联汽车综合测试示范区内测试了 3 个月，才有底气启动路测。
栏目主编：王志彦 本文作者：胡幸阳 文字编辑：胡幸阳
图片来源：受访者供图