電子發燒友網報道（文/李彎彎）車路協同，車路是協同采用先進的無線通信和新一代互聯網等技術，全方位實施車車、技術車路動態實時信息交互，勢進并在全時空動態交通信息采集與融合的展和基礎上，開展車輛主動安全控制和道路協同管理，挑戰充分實現人車路的車路有效協同，保證交通安全，協同提高通行效率，技術從而形成安全、勢進高效和環保的展和道路交通系統。

車路協同，挑戰是車路智能交通系統的最新發展方向。交通部從2016年開始，協同就一直在推進車路協同建設，技術希望打造智慧交通體系來支持自動駕駛。

車路協同的作用體現在哪

在實現自動駕駛的過程中，單車智能存在很大的局限性，比如特斯拉自動駕駛，通過攝像頭進行感知，而攝像頭在雨雪天氣下感知能力大為減弱，會極大的增加安全隱患。車路協同技術，就是在車輛智能化之外，在路側安裝感知傳感器、在路側進行計算，計算完后的數據再提供給車輛，給車輛提供更全面的道路信息，以支持車輛完成實現自動駕駛。

車路協同的優勢很明顯，百度創始人李彥宏此前談到，首先是安全，遭遇極端天氣、物體遮擋等情況，單車智能容易看不見。而車路協同可以幫助車輛感知視野盲區的信息。通過車路協同可以讓自動駕駛事故率降低99%。

其次是成本，目前自動駕駛汽車硬件成本100萬左右，如果將部分自動試駕功能轉移到路端，以此補齊單車智能短板、還可降低成本。如果每輛車能夠節省1.98萬元的成本，就可以在每公里的道路上投入100萬元的智能化改造。

當然，車路協同的落地成本很高。車路協同需要改造路端，如果要讓路端變得智能，可能需要在路口架設一些智能的設備，比如低延時的攝像頭、路側計算設備等；除了硬件，軟件方面也得投入，比如搞數據底座、建算法平臺。不過李彥宏認為，車路協同一方面可以復用原先的舊設備，另一方面，它主要通過優化算法的方式來讓系統更智能，這樣可以節省成本。

隨著車輛不斷的智能化和網聯化，對路側設備的互聯需求會越來越大，完全依賴車輛實現自動駕駛存在很大的難度，自動駕駛90%會依賴智能車本身，而剩下的10%就可以通過路側的感知數據提供輔助，這也有利于降低對車端大算力的需求，減輕云端計算和傳輸的延時影響，對于實現完全自動駕駛起到至關重要的作用。

車路協同的進展和挑戰

車路協同是車、路、人、環境之間，能夠做到實時動態的交互聯動。例如直接在路燈桿上裝各類傳感器，包括攝像頭、毫米波雷達、激光雷達等，把各種傳感器采集到的信息綜合之后，傳到車聯網和每輛車上。路燈桿上的傳感器更多更全，而且視野更高、不容易被遮擋，采集到的信息比單車傳感器更好。

2020年9月，由百度Apollo支持建設的中國首條支持高級別自動駕駛車路協同的高速公路G5517長常北線高速長益段正式通車。該智慧高速路段覆蓋了干線、互通、隧道、橋梁、服務區等典型的高速公路場景，路側和云平臺系統采用了百度Apollo車路協同方案。

今年冬奧會首鋼園滑雪場，就是一個經典的車路協同落地應用案例，達到了L4的高級別自動駕駛。園區內跑著美團的無人配送車、能夠精準配送，到貨提醒。新石器的無人零售車、招手即停、售完自動開走。百度Apollo無人駕駛出租車、北汽的自動駕駛商務車，由一個司機領隊，后面跟著3輛無人駕駛汽車。

目前車路協同技術尚處于市場初級階段，在技術上還存在諸多難點，比如，車端如何使用路端信號，路端信號如何做到實時、準確等。在商業落地方面，也存在一些問題，比如，道路建設方投資建設了路端設備，后續如何通過路端設備進行收費盈利，目前還沒有探索到合適的模式，這導致道路建設方投資建設的積極性不足；另外后續運營存在困難，部署在路側的設備，過幾年就得更新換代，這種升級是大規模的，需要耗費大量的費用和周期。

當然任何新科技都是在不斷的探索中逐步向前發展的，雖然當前車路協同還處于初期階段，也存在不少挑戰，不過在萬物互聯和數字化的大趨勢下，預計未來幾年將會迎來較快的發展。