自動駕駛奔向“車路云”協同

　　交通運輸部近日表示，正在征集自動駕駛和智能建造方向的第二批智能交通先導應用試點項目。這一消息引發廣泛關注。

　　自動駕駛是人工智能目前最大的應用領域之一，也是改變出行方式、提升出行感受的前沿技術。近年來，隨著一系列支持政策逐步落地以及各地試點工作有序開展，我國自動駕駛領域發展勢頭良好，技術研發和應用方面均位居世界前列。科技界、工業界乃至廣大人民群眾都十分期盼下一步發展。

　　豐富應用場景

　　“在人工智能自動駕駛和智能制造方面，我們秉持立足真實業務、依托真實場景、解決真實需求、形成真實模式的理念。”交通運輸部新聞發言人孫文劍表示，2022年，交通運輸部組織開展了智能交通先導應用試點，在自動駕駛方向重點圍繞公路貨運、城市出行服務、物流配送、園區內運輸、港區作業等典型應用場景，布局了14項試點任務。

　　一年來，試點取得積極進展。孫文劍介紹，一是規模效應開始顯現。百余家創新主體投入自動駕駛車輛1000余輛，自動駕駛應用規模效應漸顯。北京、上海、廣州等城市實現了自動駕駛出行服務準商業化運行，天津港、上海港、廈門遠海碼頭等試點單位部署了200余輛自動駕駛集卡或自動駕駛水平運輸設備，實現了常態化運行。

　　二是技術得到提升。試點單位積極開展技術驗證，促進多源感知數據融合、自動駕駛車輛管理和調度等技術提升。北京亦莊已經實現了真正的小汽車無人駕駛實驗，武漢機場到市區之間也進行了這樣的實驗。

　　三是促進了交通新基建發展。部分試點單位部署了一批智能路側系統、數據平臺等，帶動交通運輸領域新型基礎設施建設。在蘇州，首條滿足車路協同式自動駕駛等級的全息感知智慧高速公路已投入使用。

　　四是標準化取得進展。起草或發布了9項技術標準，支撐自動駕駛產業發展，如車路協同系統路側基礎設施總體技術要求、港口自動駕駛集裝箱卡車運行技術要求、港口無人駕駛集裝箱車技術要求等，圍繞個性化出行服務、集裝箱水平運輸等場景，形成了較為成熟的解決方案。

　　“我們希望在第一批基礎上，總結經驗和不足，進一步豐富應用場景、擴大試點規模，打造常態化運輸服務和全流程自動化作業模式，促進自動駕駛技術與交通運輸深度融合。”孫文劍說。

　　完善公路設施

　　公路交通系統是一個由人、車、路、環境組成的整體，其核心目標是不斷提升運輸安全水平、提高交通運行效率。車輛應用自動駕駛技術，是從“車”的角度為實現這個核心目標貢獻力量；智能化公路工程設施建設，則是從“路”的角度來推動。讓車和路協同起來，發揮出“1+1＞2”的作用。

　　“國內外的研究與實踐表明，完善公路基礎設施，使之更加適應自動駕駛車輛的認知和行為特點，為自動駕駛車輛提供輔助信息，能夠加快自動駕駛技術實用化的進程。”交通運輸部公路局副局長鐘聞華表示。

　　交通運輸部近期出臺了《公路工程設施支持自動駕駛技術指南》，就是要通過適度提升公路基礎設施智能水平，幫助自動駕駛車輛獲取更多、更精準的交通運行狀態、公路運行環境及自身定位等信息，輔助自動駕駛車輛完成駕駛行為決策。

　　公路工程設施支持自動駕駛是一項系統工程，各類設施可以根據應用需求，單獨或聯合起來，協助車輛更好地實現自動駕駛。《指南》考慮了既有公路工程設施實際情況，遵循突出實效、技術先進、融合創新、分步實施的原則，提出了從自動駕駛云控平臺、交通感知設施、交通控制與誘導設施、通信設施、定位設施、路側計算設施、供配電設施、網絡安全設施等方面支持車輛實現自動駕駛功能的技術要求。

　　“下一步，我們將密切關注公路工程設施數字化、智能化發展和自動駕駛技術應用進程，及時總結公路工程設施在支持自動駕駛方面的實踐經驗，適時完善相關技術要求，不斷提高公路交通運輸系統的安全水平和運行效率。”鐘聞華介紹。

　　用好交通大模型

　　近年來，在政策和市場的雙重推動下，自動駕駛技術加速落地，產業鏈基礎配套和市場開發也越來越成熟。專家認為，僅有車輛本身的智能還遠遠不夠，自動駕駛技術發展需要從單車智能向“車路云”融合協同發展。這不僅需要車輛本身具有很強的車載算力、高精度傳感器、操作系統等，還需加強路側感知、計算、通信的邊緣計算基礎設施建設，并與邊緣云、數據中心云實現多級云邊協同。“車路云”協同發展趨勢，對路側邊緣計算基礎設施的性能、存儲、可靠性、軟硬協同等方面提出了更高要求。

　　人工智能大模型為“車路云”融合協同發展創造了條件。專家表示，交通大模型可以解決很多問題，一是“人和車”的問題。人與車通過大模型實現用自然語言交互，能把人釋放出來，更安全地駕車。二是“車和路”的關系。路上的車輛、路況、天氣等因素，通過大模型實時傳輸到車上，更好提升駕駛體驗。三是做到“全域最優”。目前，交通控流只是控制單個或多個路口的紅綠燈，不足以解決整個城市的交通效率問題，只有以所有人出行時間總和為目標進行優化，才能做到全局最優的控制。有了大模型以后，溝通會更加便捷，能夠實現全域的指揮和調度。

　　“交通是一個非常復雜的系統，是一個非常典型的從感知到認知到決策再到控制的過程。傳統人工智能的應用是碎片化的，例如識別紅綠燈、違章等。想要真正解決問題，需要把所有因素串聯起來。”百度集團執行副總裁、百度智能云總裁沈抖表示，“隨著大模型出現，我們得以把車、路、云、圖等方面的數據信息進一步整合，以提高交通效率和安全。”

　　對于大模型在交通行業落地的前景，沈抖認為，行業中有足夠多的應用場景，能夠發揮大模型作用。在智能網聯方面，百度與上海市嘉定區合作，在800余輛網聯及自動駕駛車輛上，上線了30多種應用，為車主提供了紅綠燈倒計時、危險路口提醒、路徑規劃等服務，準確率超過99%。

　　在智慧高速方面，百度與河北高速集團共同打造全球首個公路AI數字人，在遇到突發事故時，數字人可以迅速聯動交管部門快速到達現場，并能夠基于大模型對事故現場進行全面精準還原與推理，生成事故分析報告，大幅提高現場事件處理效率。

　　在城市交通方面，大模型可以利用全域的感知數據，研判擁堵發生的可能性，并疊加仿真推演，生成全域信控方案。在北京亦莊，核心區60平方公里布局了全域信控，路口平均通過時間縮短了28%。(經濟日報記者 齊 慧）