车路协同：智能交通领域的升维谋划

梁晓峣

【摘要】单车智能和车路协同是自动驾驶发展的不同路径。在新型举国体制的时代背景下，车路云一体化的车路协同技术路径将在成本、效率、安全性等方面实现技术超越，助力我国经济发展。应进一步加强顶层设计，构建智能交通一体化平台;整合资源，集中突破关键核心技术;推动智能汽车基础数据标准格式和相关标准制定;加强对应用示范试点的统筹与部署，推动无人驾驶商业化发展，使我国在智能交通领域走在世界前列。

【关键词】车路协同  自动驾驶  车路云一体化

【中图分类号】U46                               【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2021.04.007

“降维打击”一词来源于科幻小说《三体》，用于形容由于科技的代差造成的毁灭性打击。回溯近代历史，清朝末期，我国以冷兵器迎战八国联军，被“降维打击”。新中国成立以来，中国科技事业走过不平凡的发展之路。当前，经过几十年的快速发展，我国取得了诸多科技成就，但在关键核心技术领域仍然存在不少“卡脖子”问题。突破“卡脖子”技术短板，中国科技必须升维谋划，加大科技创新力度，提高科技对经济社会发展的贡献率和支撑力，凭借自身优势做人无我有的技术，从技术上的追随者转变为引领者。

交通运输是国民经济中的基础性、先导性、战略性产业和重要的服务性行业，而自动驾驶将开启未来交通的智能之路。关于自动驾驶的路径方向，美国选择了单车智能，以谷歌为首的技术公司在过去十几年的技术投入与积累中形成了很高的技术门槛。近年来，虽然我国在单车智能方向涌现了许多科技公司，但是在核心技术的沉淀积累方面与美国还存在着代差，如我国依然采用单车智能的技术路线，在技术上还是会陷入“卡脖子”困境。当前，在新型举国体制时代背景下，我国应选择车路云一体化的车路协同技术路线，从而在成本、效率、安全性等方面实现超越，力争在智能交通技术上领跑世界，助力我国经济发展。本文深入探讨实现自动驾驶的单车智能与车路协同的不同技术路线，并尝试对自动驾驶中涉及到的技术以及法制发展路径提出一些建议。

新型举国体制的时代背景

党的十九届四中全会提出，要“构建社会主义市场经济条件下关键核心技术攻关新型举国体制”。完善关键核心技术攻关的新型举国体制，对于推动我国经济高质量发展、保障国家安全、不断开辟“中国之治”新境界，具有十分重要的意义。“新型举国体制”以国家安全和国家发展为根本目标，通过科学统筹、集中力量、优化机制、协同攻关，与市场机制充分结合，让市场在资源配置中起决定性作用，同时更好发挥政府作用，驱动二者发挥各自优势并形成协同创新的合力，使资源配置实现效益最大化和效率最优化。在这一新型体制下，高科技企业成为科技突破创新的主要载体，而市场机制则成为社会资源合理配置以及经济活动的主导动力。

我国对举国体制并不陌生，特别是在科技创新方面，自新中国成立以来，我国由国家主导制定了多个技术攻关计划，凝聚全国力量在特定科技创新领域进行技术突破，比如《1956-1967年科学技术发展远景规划纲要》、“两弹一星”项目，等等。这些“传统举国体制”下的技术攻关项目成功助力我国突破了西方的技术以及经济封锁。需要特别指出的是，在上世纪50年代，我国在面临西方的经济与技术双重封锁的大背景下，在经济条件十分困难的情况下，通过举国体制实现了“两弹一星”的突破，从而奠定了中国在国际社会中的重要地位。

然而，“传统举国体制”也有其不足之处：首先，虽然“传统举国体制”在科技方面多次推动我国实现技术突破，但是在技术商业化方面却鲜有建树。放眼当下，我国不仅要避免核心技术“卡脖子”，更需要通过科技发展推动经济发展，帮助我国从“世界工厂”转变为“世界科技研发基地”。因此，实现科技的转化与市场化极其重要。其次，在“传统举国体制”的科研系统下，体制内外的人才流动率较低，国家主导的创新与企业主导的创新在交互协同共生中面临诸多困难。实践证明，科技行业体制内外的人才流动能够把国家的需求带到科技企业，也可以把科技企业的创新技术点带入体制，有利于推动科技自主创新。

“新型举国体制”是“传统举国体制”的进化升级版本，即通过国家引导的技术方向与市场机制充分结合，实现资金以及人力资源配置效益最大化和效率最优化。在科技创新方面，美国也出现过得益于“举国体制”的成功案例。过去60年，美国国防先进研究计划局（Defense Advanced Research Projects Agency，以下简称DARPA）专注于研发政府主导的革命性技术，建立了完善的科技转化机制与商业化渠道，在推动美国科技与经济发展中发挥了决定性作用，是美国保持其全球竞争力的关键因素。[1]比如，互联网及全球卫星定位系统这两个项目都是由DARPA发起的，目前全球卫星定位技术为美国GDP贡献了3000亿美元，互联网技术则贡献了2.1万亿美元，分别占美国GDP的1.5%和10%，预计在不久的將来，这两个行业都将维持较高的增长率。然而，受制于诸多因素，DARPA的资金资助力度还是相对薄弱，年度预算比较有限，在一定程度上限制了其进一步拓展和升级。

新发展阶段，是我国通过体制优势实现技术超越的黄金窗口期。我国的科技企业应在国家政策的引导下，集中资源和力量办大事，全力以赴攻克革命性而非渐进式技术，研发高级别的车路协同技术，从而在成本、效率、安全性上实现全面突破，在智能交通技术上领先世界。

为什么要做自动驾驶

世界经济论坛有关专家学者预测，汽车行业的智能化变革将创造超过670亿美元的经济价值，并带来超过3.1万亿美元的社会效益，[2]自动驾驶技术的引入将会重新定义整个汽车行业。乘客与汽车、汽车与汽车、汽车与城市基础设施的互联互动将极大助力整个智能交通行业生态系统的发展与完善。自动驾驶汽车的市场潜力相当可观：到2035年，仅中国就将部署约860万辆自动驾驶汽车，其中约340万辆拥有全自动驾驶功能，520万辆拥有半自动驾驶功能。[3]具体来看，自动驾驶技术将会在如下几方面给人类社会带来显著的变化。

促进交通安全。高速公路事故是全世界交通行业面临的最大问题。根据世界卫生组织统计，全世界每年有将近130万人丧生于高速公路交通事故，[4]而在我国这一数字约为26万人。[5]在美国，高速公路伤亡每年会造成至少6250亿美元的经济损失，[6]而自动驾驶汽车将通过车道偏离警告、盲点探测、疲劳检测等一系列基于人工智能的技术，大幅减少由于人为因素导致的交通事故，降低伤亡率。

疏解交通拥堵。交通拥堵是世界上几乎所有核心城市面临的主要问题。据估算，都市交通拥堵中有23%～45%发生在道路交叉处。[7]传统的基于交通灯和停车标志控制车流的方式，无法根据实际交通流量动态、实时地调整间隔时间，从而更好地调节交通拥堵情况。而进入真正的无人驾驶时代，汽车将通过与当地车路协同系统的互动，自动调节红绿灯的间隔，动态优化道路交叉口的车流量，提高车辆通行效率并缓解拥堵。

缓解停车难问题。采用自动或者辅助停车功能的汽车能将每侧预留的停车空间减少10厘米，使每个停车位平均减少1.95平方米的停车空间，节省了宝贵的城市土地资源。此外，结合GPS导航和城市高精地图，自动驾驶汽车将有能力发现附近最佳停车场所并自动行驶至目的地停车，极大节省了乘客停车和取车的时间。通过与当地车路协同系统的互动，紧张的停车资源能够得到合理的分配和使用，缓解局部停车难的问题。

减少空气污染。汽车是造成空气污染的主要原因之一，而自动驾驶汽车往往是新能源电动汽车，有利于保护环境和减少空气污染。同时，自动驾驶技术所使用的共享系统也能带来减排和节能的功用。德克萨斯大学奥斯汀分校的研究人员通过研究二氧化硫、一氧化碳、氮氧化物、挥发性有机化合物、温室气体和细小颗粒物发现，使用自动驾驶汽车共享系统不仅节省能源，还能减少各种污染物的排放。

单车智能的自动驾驶技术路线

单车智能的自动驾驶技术路线源于美国，早在2009年，美国的谷歌公司就已经启动研发自动驾驶技术，并在近年来逐步实现商业化。由于技术起步比较早，美国在单车智能的标准与法规制定方面已走在前列。2013年，美国国家公路交通安全管理局（NHTSA）发布了汽车智能化的美国国家标准，将自动驾驶功能划分为0～5级六个级别，从而有效应对汽车智能化技术的爆发式增长。[8]其分级标准具体定义如下：

Level 0：无自动化，没有任何智能驾驶功能，在此级别驾驶员对汽车所有功能拥有绝对控制权。

Level 1：仅实现单一功能的驾驶自动化，驾驶员对整体行车安全负责，但部分控制功能可实现自动化，比如常见的自适应巡航、应急刹车辅助、车道保持等。此级别的核心特点是只有单一的自动化功能，因此驾驶员无法做到手和脚同时不操控汽车。

Level 2：实现多功能级的驾驶自动化，智能汽车可以与驾驶员分享控制权，智能汽车在某些预设环境下代替驾驶员操作汽车，即驾驶员手脚可同时离开控制，但必须随时待命，对驾驶安全负责，并随时准备在短时间内接管汽车驾驶权。

Level 3：有限的自动驾驶，即在有限情况下智能汽车可实现自动控制，比如在预设的路段（如高速和人流较少的城市路段），智能汽车可以完全负责整个车辆的操控，但当遇到紧急情况时，驾驶员仍需要立即接管汽车控制权。这一级别能够通过智能驾驶技术解放驾驶员，即对行车安全不再负全责，不必时刻监视道路状况。

Level 4：高度自动化，在公路上无需驾驶员的干预，在无需人为协助的情况下智能车可以由出发地自动驶向目的地。乘客仅需输入起点和终点信息，智能汽车即可全程负责整体行车安全，并完全不依赖乘客干涉。

Level 5：完全自动化，在任何场景无需司机的干预，在无需人为协助的情况下智能车可以由出发地驶向目的地。仅需起点和终点信息，智能汽车将全程负责行车安全，并完全不依赖于乘客的干涉。

在Level 4（简称“L4”，下同）级别的自动驾驶方面，作为领域的先行者，谷歌母公司旗下自动驾驶子公司Waymo经过11年的技术投入，在2020年10月9日宣布将在凤凰城菲尼克斯向公众开放没有安全员的L4自动驾驶出租车服务，这也是世界上第一个向公众开放的完全自动驾驶的出租车服务。目前，Waymo仅在鳳凰城130平方公里范围内为用户提供该项服务，服务车型数量在300～400辆之间。在L2/L3级别自动驾驶方面，自特斯拉推出量产车以来，自动驾驶就成为其标志性技术。其L2级自动驾驶系统AutoPilot首次问世是在2014年10月9日。经过几年的发展，目前特斯拉已经远远领先于其他竞争对手，其核心技术是自主研发的自动驾驶专用芯片以及芯片上搭载的纯视觉感知技术。

反观我国在自动驾驶技术上的进展，在技术路径层，不少自动驾驶企业在技术路线上基本还是仿效美国的谷歌、特斯拉等领先者，在诸多技术上存在着代差。比如许多国内处于L4的自动驾驶公司刚刚开始在部分道路实现有安全员的有限运营，谷歌早在几年前就完成了这个阶段，并进入无安全员的真正自动驾驶运营阶段;在商业模式层面，特斯拉已经形成了商业、场景和技术的完整闭环，即商业模式催生更多场景，场景为更高技术水平提供平台和载体，而更高的技术水平则进一步助推商业模式创新。同时，在技术细节上特斯拉也完成了闭环，实现了真正的软硬件一体化。目前，我国新能源汽车公司尚处于L2/L3的技术摸索阶段，特别是在芯片上对美国有很强的依赖。尽管我国也有一些科技公司投入研发自动驾驶芯片技术，但由于缺乏大规模自动驾驶部署的场景用于提升技术，因此在技术迭代的速度上远低于特斯拉这样的科技公司。在这个前提和发展态势下，中国的自动驾驶技术较难实现赶超式发展。

车路云一体化的车路协同技术路线

虽然在单车智能技术路线上，美国相对我国呈现出较为显著的领先，但是这一技术路线有其自身的局限性，也面临发展瓶颈。2020年7月，美国麻省理工学院发布了一份报告，对自动驾驶领域的新进展进行了研究分析，并称基于单车智能的完全自动驾驶还需要至少10年才能实现大面积商用。[9]在技术层面，基于单车智能的自动驾驶还有许多不能处理的“长尾场景”，需要长时间的研发和投入。除了技术挑战之外，由于单车智能的完全自动驾驶车辆需要复杂且昂贵的传感器和计算单元设备，成本也成为单车智能实现完全自动驾驶商用化的最大障碍。比如在美国旧金山，由于远程操作、许可证、保险、维护和其他费用的支出，基于单车智能的完全自动驾驶出租车将难以在成本上保持竞争力。

车路协同技术路线的发展优势。与基于单车智能的自动驾驶路线不同，车路协同旨在通过部署路端智能感知计算设备（统称路端基础设施），基于5G等先进通信技术实现车路信息共享，通过路端感知补足车端感知的有限视距、感知盲区等问题，从而极大提升自动驾驶的安全性。此外，通过车辆和路端基础设施之间的智能协同与配合，达到优化利用系统资源、提高交通效率、缓解交通拥堵等目标，真正实现全局优化。在单车智能的路线下，车与路是相对割裂的个体，车是车、路是路，虽然其有可能交互，但是所作决策都是从个体出发，无论从安全还是效率角度都不可能达到全局优化。而在车路协同技术路线下，车路云是一个整体，车与路互通信息，并把所有信息汇聚到云，使云能够做出全局最优、最安全的决策。

构建中国完全自主知识产权的车路云一体化智能交通平台，能够有力保障我国国家安全，助力我国经济健康发展。在保障国家安全方面，基于国家主导的车路云智能交通平台，打造覆盖全国封闭园区道路、城市公路、高速公路的智能交通体系，从而实现协同预警、决策引导、实时全局协同感知与监控，全面优化全国交通网的协同管理，为全国的公路交通安全提供技术保障。更重要的是，该平台能够实现交通效率最大化，并将交通事故发生率降至趋近于零。人民安全是国家安全的基石，目前驾驶员每百万英里的事故率为4.2，而自动驾驶单车智能每百万英里的事故率仅为3.2。[10]车路云一体化智能交通平台通过融合路端与车端信息形成全域无盲区的“上帝视角”，能够把事故率降至最低，通过技术的突破性进展实现人民生命安全保障的全面提升。

在助力我国经济发展方面，基于车路云一体化智能交通平台，国家能够对每台智能车辆进行协同运行优化调控以及安全节能控制。这套系统在单车智能的技术路线下依赖车辆的单独感知、融合来实现，而通过车路云一体化智能交通平台可将所有智能车辆的信息传到边缘端，通过实时的协同和融合感知以及科学决策来实现整个智能交通系统的有序运行。与单车智能相比，车路云一体化智能交通平台大幅降低了每台车的运行成本，从而在智能交通的全面普及上，为国家节省了至少万亿元级别的社会成本。此外，在这一平台上能够衍生出不同的商业应用服务，孵化大量新基建时代的商业“独角兽”，为我国经济发展持续注入新的活力。当车路云一体化智能交通平台在我国规模化部署后，可将这个平台及其生态推介到其他国家，帮助更多国家实现真正意义上的智能交通，助力我国实现从“世界工厂”到“世界科技研发基地”的提升和转变。

推动如此重大的革命性技术升级，需要集中力量和资源办大事，有赖于国家层面的“强引导”。我国新型举国体制的巨大优势，使我们能够通过体制上的优势实现技术上的超越。我国应集中力量推进车路云一体化的车路协同技术路线，从而在成本、效率、安全性等各个方面对单车智能技术路线进行“降维打击”，在智能交通技术上实现技术超越。从一定层面上看，美国等西方国家由于体制制约，很难在短期内实现车路云一体化的技术方案，因此只能在技术路线上选择单车智能。

车路云一体化的系统架构。车路云一体化，是利用新一代信息与通信技术，将人、车、路、云的物理层、信息层、应用层连为一体，进行融合感知、决策与控制，实现车辆行驶和交通运行安全、效率等性能综合提升的一种信息物理系统，也可称为“智能网联汽车云控系统”，或简称“云控系统”。具体来看，这一系统架构主要体现在以下四个方面。

1.国家《智能汽车创新发展战略》和交通强国战略的有力支撑。《国家智能汽车创新发展战略》提出“人-车-路-云”系统协同发展的概念，并将其作为“构建协同开放的智能汽车技术创新体系”的重要任务之一。“人-车-路-云”系统协同能力建设是未来智能汽车示范应用的重要目标，是完善智能汽车技术标准体系建设的重要参照。云控系统定位于“人-车-路-云”系统，通过系统架构设计和产业生态升级，推动产业相关方全面发展，加快实现我国智能汽车强国的目标。

2.国家智能汽车大数据管理平台的典型实践。我国《智能汽车创新发展战略》要求，充分利用現有设施和数据资源，统筹建设智能汽车大数据云控基础平台;重点开发建设逻辑协同、物理分散的云计算中心，标准统一、开放共享的基础数据中心，风险可控、安全可靠的云控基础软件，逐步实现车辆、基础设施、交通环境等领域的基础数据融合应用。云控系统旨在基于开源开放、资源共享的机制，构建一个完整的云控技术体系与生态系统，为国家智能汽车大数据云控基础平台建设提供技术方案和有益参考。

3.智能网联汽车中国方案的创新路径。现有单车智能技术路线的车载感知范围有限、可靠性不足、车间行为的博弈与冲突以及单车依靠局部信息进行的规划控制难以实现全局优化等问题。传统车路协同主要强调车与路侧设备之间的协同，虽然可以解决部分单车智能面临的问题，但应用场景有限，且其主要功能在于利用车与车、车与路之间的信息交互辅助单车决策，难以实现面向区域级路网大范围网联应用中的群体协同决策，亦无法满足智能网联汽车组成的交通系统在发展过程中，对全局车辆与交通的交互、管控与优化以及对交通数据的广泛深度应用等方面的实际要求。云控系统通过对“人-车-路-云”系统的协同控制，不仅能够为单车决策提供有效信息，还能在现有车路协同基础上通过全域控制实现对所有交通参与者全路段、全天候、全场景的自主控制;并在未来不同等级智能汽车混行的交通环境中，为我国交通管理与国家管控提供重要解决方案。

4.智能交通和新基建推进的有效解决方案。智能汽车的技术迭代和商业化落地离不开道路、通信等基础设施的建设，然而目前基础设施建设不同程度地存在着重复建设、标准不一、成本过高、难以互联互通等问题。在这一层面，云控系统通过整体架构设计，以资源共享的方式进行现有基础设施的有机集成;通过示范应用完善架构设计并进行全国统一的智能网联汽车基础设施建设，分摊各单位的建设成本，提高资源有效利用率，形成产业统一的标准和规范;通过开放式的生态建设加速智能汽车技术研发和迭代，为智能汽车商业模式探索提供标准统一的基础设施环境，推进智能汽车商业化落地进程，助力我国在智能汽车领域实现引领作用和高质量发展。

如何通过车路协同实现技术超越

从全球范围看，目前我国在车路协同方向已經走在了世界前列，相关制度规范也逐步优化完善。2019年9月21日，中国公路学会自动驾驶工作委员会、自动驾驶标准化工作委员会发布了《智能网联道路系统分级定义与解读报告》（征求意见稿），从交通基础设施系统的信息化、智能化、自动化角度出发，结合应用场景、混合交通、主动安全系统等情况，把交通基础设施系统分为六个级别，并进行了明确定义和详细解读。[11]

I0：无智能化。交通基础设施无检测和传感功能，由驾驶员全程控制车辆完成驾驶任务和处理特殊情况。目前，世界上大部分的公路都属于I0级别。

I1：初步智能化。交通基础设施能够采集静态数据辅助交通，如提供简单的信息服务和主动交通管理服务。较为基础地使用红绿灯上的摄像头进行交通流监控与交通拥堵预警均属于I1级别。尽管目前我国许多大城市的主干道均具备基本的交通监控功能，但是这些基础信息尚不足以辅助或赋能自动驾驶技术和行为。

I2：部分智能化。通过与车辆系统的信息交互，使交通基础设施具备复杂传感和深度预测功能，实现支持较高空间和时间解析度的自动化驾驶辅助和交通管理。驾驶辅助的实现，有利于在有限场景内帮助车辆完成自动驾驶。在这个级别下，基础设施可以为自动驾驶汽车进行“补盲”，以及提供超视距感知等功能，将极大提高自动驾驶汽车的安全性。

I3：基于交通基础设施的有条件自动驾驶。该阶段，交通基础设施具备有条件的智能化。在交通基础设施覆盖的道路上能够支持单个自动驾驶车辆的部分自动化驾驶功能，可运行在包括具有专用车道的主要道路的限定场景;但遇到特殊情况，需要驾驶员予以接管。在这个级别下，基础设施可以为自动驾驶汽车提供完整的感知功能，将核心功能从车端转移到路端，通过车路协同实现安全性的极大提升，降低单车部署的成本。

I4：基于交通基础设施的高度自动驾驶。交通基础设施为自动驾驶车辆提供了详细的驾驶指令，可在特定场景/区域实现高度自动化驾驶。如遇特殊情况，则由交通基础设施系统进行控制，不需要驾驶员接管。在该级别下，基础设施可对所有自动驾驶汽车行为进行全局决策，所有感知以及决策的功能都能够从车端转移到路端。在单车智能的自动驾驶路线下，决策是分布式的，车与车之间的决策存在博弈的过程，而这一过程也是影响交通效率的主要原因。当路边单元能够对所有自动驾驶车辆进行全局决策，即可在更大范围和程度上提高行驶安全性、降低单车部署成本，并最大限度优化整体交通效率。这也是智能交通最核心的目标。

I5：基于交通基础设施的完全自动驾驶。与I4一样，该阶段交通基础设施能够满足所有自动驾驶车辆在全部场景下的完全感知、预测、决策、控制、通讯等功能需要，并优化部署整个交通基础设施网络，实现完全自动驾驶。不同的是，通过车路协同，I5能够在所有场景实现完全智能的交通，包括高速公路、城市道路、园区道路，甚至是一些非道路环境。

放眼全球范围，各国对车路协同中的道路智能分级探索尚处于起步阶段。例如，美国虽对自动驾驶汽车进行了明确分级，但对于道路的智能分级并不清晰。欧盟对于道路智能和汽车智能的定义较为清晰，但是部署进展较为缓慢。欧洲的道路交通咨询委员会每两年发布一次自动驾驶开发路线图，在其2019年发布的版本中，自动驾驶基础设施分级（ISAD）共分为A～E五个等级。其中A～C级为数字化基础设施：A级为通过协同决策实现自动驾驶，B级为协同感知，C级为动态数字信息;D～E级为便利基础设施，D级仅支持数字地图，E级则无法支持。日本在道路智能的方向定义已进入起步阶段，但相关核心概念有待研究界定。日本政府和23家企业于2005年共同发起了Smartway计划，其发展重点是整合日本各项智能交通功能，建立车载单元的公共平台，使道路与车辆实现通信双向传输，但对于车路协同的技术路线并未进行明确界定。

对于如何发展车路协同，国内也存在许多不同的声音，其中部分声音支持渐进路线，认为车路协同的步子不宜迈得太大，应该边走边探索，从I2逐步发展到I4/I5。然而实际上，这一观点忽略了一个极其重要的细节，即我国正处于新型举国体制下实现技术赶超的重要窗口期。这一重要机遇期和窗口期一旦错过，将错失车路协同发展的有利时机和重要机遇。前文提到的谷歌以及特斯拉等公司，均是通过对革命性技术的全力投入和研发取得巨大的技术优势，继而颠覆整个行业的。实现核心技术的突破，只有颠覆性的创新才能够推动整个行业的“升维”。有鉴于此，我国应充分发挥新型举国体制的优势，集中研发和突破I4级别以上的车路协同技术。

通过车路协同，道路沿线路侧单元能够形成与车辆V2X（vehicle to X，即指vehicle to everything）和城市道路交通大数据计算中心的无线通信体系;同时，车辆上路行驶能够具有单车智能模式无法实现的下列功能。

1.驾车人在上路前和途中都能清晰完整地掌握行进前方及其相邻区域的路况信息，如遇拥堵情况，可在距离拥堵点比较远的路口转而选择其他不拥堵道路。

2.全面了解前方车辆动向，加速或减速的精确数值，以及并线或转向前方路口、驶离本车道等所有信息，都能在前方车辆启动动作之时让后方车辆得知，进而采取同步协同应对的措施。

3.道路交通管控者与被管控者之间，具有双向信息沟通交流的渠道，使被管控者可在任何时间和路段获得城市交通管控者的精准信息要求，而不是只依赖于路口红绿灯等信号指示。

相关政策建议

基于我国自动驾驶的发展现状，以及对科技业界学界、法律界及管理部门所做的一些初步调研，现提出以下几方面建议，以期对推动我国自动驾驶，特别是车路协同技术路线的发展提供有益借鉴。

第一，加强顶层设计，构建智能交通一体化平台。车路云一体化有赖于新一代的智能交通平台，这个平台需要满足中国的基础设施标准和运营标准，智能的交通基础设施、智能的交通运营系统、交通信息安全系统，以及针对这一体系建构的新的智能汽车硬件结构，需要在以国家为主导的标准化体系下运行和推进。在这个新型的智能交通系统中，在顶层设计上构建全局性的车路云一体化智能交通平台尤其重要。因此，国家有关部委应牵头制定平台标准，推进全国交通层面的协同，而不是由每家企业、每个地区建立独立智能交通平台。例如，DARPA在早期孵化互联网技术时，即对互联网的协议以及标准作了明确界定，在后续的商业化过程中，各家科技公司按照既定标准进行系统研发，从而避免了大规模的重复建设以及社会资源浪费，也进一步提升了行业商业化的效率。

第二，整合资源，集中突破关键核心技术。在自动驾驶的各个技术节点中，我国在自动驾驶计算芯片领域的积累相对薄弱，特別是在目前市场条件下，各智能汽车主机厂出货量都不大，无法支撑无人驾驶芯片发展生态。建议国家在基础芯片研发、操作系统等核心计算平台领域，进一步明确目标、整合资源，建立广泛统一的技术联盟，争取在短时间内形成技术突围的集中力量。此外，建议在国家层面支持并推动软件与半导体定义汽车（SSDV： software and semiconductor defined vehicle）的技术路线。目前的汽车电子架构是分立的结构，每一个功能都由独立芯片控制，在向域控制器发展的过程中，迭代较为缓慢。如按原有的汽车电子路线推进，是不可能完成技术超越的。因此，应引领我国智能车行业向中央控制方向发展，创新研发强算力、通用性的“软件定义汽车”，带动整个国产芯片生态快速有序发展。

第三，健全法律法规，明确数据要素权属。法律法规是一个社会的基础架构，科技与法制同步行进是社会发展平衡的必要条件。目前，在无人驾驶领域，法制明显滞后于技术发展，许多智能化场景的实现和发展陷入“无法可依”的困境。例如，《中华人民共和国公路法》对公路的建设和管理予以规范，但对车路协同智能公路的建设和管理，在法律法规层面仍有待健全。因此，此番新基建不应该只是“科技新基建”，也应是“法制新基建”。以美国等西方国家为例，由于其立法在各州进展参差不齐，使自动驾驶技术的发展出现诸多灰色地带，相关潜在问题的责任也缺乏明确监管，因而在目前更多依赖高额的特殊保险承担事故责任。可见，法律法规掣肘技术应用实践，制约了技术发展及其商业化。在新型举国体制下，我国应未雨绸缪，加强顶层设计，抓好法律法规框架的制定和完善，从而为智能交通技术发展以及商业化松绑，助力和加速整个行业的发展。此外，应着力研究智能汽车相关数据权属问题，清晰界定各类数据所有权和使用权。当前，数据成为产业发展的重要驱动力量已成为行业共识，各类企业都在积极进行数据产业布局，在这一基础上，需要积极探索数据如何对产业、对社会进行正向驱动。当前，车辆数据、乘客数据、道路数据等各类数据的归属问题仍不明确，制约了产业的发展。2020年3月30日发布的《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》在明确土地、劳动力、资本、技术、数据五个要素领域改革方向的基础上，进一步明确了数据作为新型生产要素的重要意义，指出要加快培育数据要素市场;推进政府数据开放共享;提升社会数据资源价值;加强数据资源整合和安全保护。相关部门应对照有关意见进行专项梳理，清晰界定各类智能网联汽车数据的所有权范围，引导产业参与者就所有权范围内的数据进行业务模式设计与合作，推动数据使用权的分级与数据共享，联动支持车路云一体化融合控制系统及应用生态的发展。

第四，推动智能汽车基础数据标准格式和相关国家标准制定。面对未来多产业融合的车路云一体化融合控制系统生态，实现不同厂家、不同型号、不同类别设备的互联互通是车路云一体化融合控制系统和产业发展的基本支撑。国家级车路云一体化融合控制系统平台的建设有赖于基础数据标准和通信协议的国家标准先行，因而，应加快制定基础数据格式和通信协议领域的统一国家标准体系。同时，基于统一的标准和数据格式，鼓励产业生态中有能力的企业进行相关产品研发和技术成果转化，以及跨行业、跨品牌和差异化的基础设施产品研发，为云控系统的基础设施真正实现互联互通提供有效的产品和解决方案，推动云控系统实现对国家现有基础设施的转化升级和有效利用。

第五，加强对应用示范试点的统筹与部署。目前，各地方政府、企业以及联盟等都在进行车路协同、智能网联汽车自动驾驶的封闭园区及开发道路测试工作。建议政府结合智能汽车网联化发展趋势，及时出台相关政策，整合现有的应用示范区域和应用示范项目，进一步加强对于智能网联汽车云控系统应用示范的统筹部署;在新建相关示范区域时，充分并优先考虑云控系统应用示范基础设施的建设。同时，通过政府引导下的应用示范试点项目，积极探索商业模式，完善智能网联汽车云控系统架构、云控基础平台建设技术方案及基础设施建设需求，全方位推动“人-车-路-云”系统的建设。

（IEEE无人驾驶技术委员会创始人，PerceptIn公司创始人、CEO刘少山对本文亦有贡献）

注释

[1]刘少山：《美国国防先进研究计划局，如何成为美国科技的核心引擎？》，知识分子网，http：//zhishifenzi.com/depth/depth/9214.html，2020年6月2日更新。

[2]Weindelt， B.， "Digital Transformation of Industries： Automotive Industry"， https：//www.accenture.com/t20170116t084448__w__/us-en/_acnmedia/accenture/conversion-assets/wef/pdf/accenture-automotive-industry.pdf，16 Jan， 2017.

[3]Yan， H.， "Officials Want to Open Way for Autonomous Driving"， http：//www.chinadaily.com.cn/business/motoring/2016-04/11/content_24429558.htm， 11 April， 2016.

[4]Global Health Observatory， "Road traffic deaths： Data by Country"， World Health Organization， 5 June， 2020.

[5] Buckley， C.， "Beijing's Electric Bikes， the Wheels of E-Commerce， Face Traffic Backlash"， The New York Times， https：//www.nytimes.com/2016/05/31/world/asia/beijing-traffic-electric-bikes.html， 31 May， 2016.

[6] Morgan Stanley Research North America， "Nikola's Revenge： TSLA's New Path of Disruption "， 25 February， 2014， pp. 24-26.

[7]刘少山等：《第一本无人驾驶技术书》，北京：中国工信出版集团，2017年，第3页。

[8] NHTSA， "Automated Vehicles for Safety"， United States Department of Transportation， https：//www.nhtsa.gov/technology-innovation/automated-vehicles-safety.

[9] Leonard， J.; Mindell D. and Starton， E.， "Autonomous Vehicles， Mobility， and Employment Policy： The Roads Ahead"， MIT Work of the Future， https：//workofthefuture.mit.edu/research-post/autonomous-vehicles-mobility-and-employment-policy-the-roads-ahead/， 22 July， 2020.

[10] Blanco， M.， et al.， "Automated Vehicle Crash Rate Comparison Using Naturalistic Data"， VTechWorks， https：//vtechworks.lib.vt.edu/handle/10919/64420， 7 Jan， 2016.

[11]《自动驾驶汽车要“上路”相关标准要“先行”》，中国汽车工业协会网站，http：//www.autoinfo.org.cn/autoinfo_cn/content/news/20191009/1843102.html，2019年10月9日更新。

责 编/张 贝