自动驾驶奔向“车路云”协同

交通运输部近日表示，正在征集自动驾驶和智能建造方向的第二批智能交通先导应用试点项目。这一消息引发广泛关注。

　　自动驾驶是人工智能目前最大的应用领域之一，也是改变出行方式、提升出行感受的前沿技术。近年来，随着一系列支持政策逐步落地以及各地试点工作有序开展，我国自动驾驶领域发展势头良好，技术研发和应用方面均位居世界前列。科技界、工业界乃至广大人民群众都十分期盼下一步发展。

　　丰富应用场景

　　“在人工智能自动驾驶和智能制造方面，我们秉持立足真实业务、依托真实场景、解决真实需求、形成真实模式的理念。”交通运输部新闻发言人孙文剑表示，2022年，交通运输部组织开展了智能交通先导应用试点，在自动驾驶方向重点围绕公路货运、城市出行服务、物流配送、园区内运输、港区作业等典型应用场景，布局了14项试点任务。

　　一年来，试点取得积极进展。孙文剑介绍，一是规模效应开始显现。百余家创新主体投入自动驾驶车辆1000余辆，自动驾驶应用规模效应渐显。北京、上海、广州等城市实现了自动驾驶出行服务准商业化运行，天津港、上海港、厦门远海码头等试点单位部署了200余辆自动驾驶集卡或自动驾驶水平运输设备，实现了常态化运行。

　　二是技术得到提升。试点单位积极开展技术验证，促进多源感知数据融合、自动驾驶车辆管理和调度等技术提升。北京亦庄已经实现了真正的小汽车无人驾驶实验，武汉机场到市区之间也进行了这样的实验。

　　三是促进了交通新基建发展。部分试点单位部署了一批智能路侧系统、数据平台等，带动交通运输领域新型基础设施建设。在苏州，首条满足车路协同式自动驾驶等级的全息感知智慧高速公路已投入使用。

　　四是标准化取得进展。起草或发布了9项技术标准，支撑自动驾驶产业发展，如车路协同系统路侧基础设施总体技术要求、港口自动驾驶集装箱卡车运行技术要求、港口无人驾驶集装箱车技术要求等，围绕个性化出行服务、集装箱水平运输等场景，形成了较为成熟的解决方案。

　　“我们希望在第一批基础上，总结经验和不足，进一步丰富应用场景、扩大试点规模，打造常态化运输服务和全流程自动化作业模式，促进自动驾驶技术与交通运输深度融合。”孙文剑说。

　　完善公路设施

　　公路交通系统是一个由人、车、路、环境组成的整体，其核心目标是不断提升运输安全水平、提高交通运行效率。车辆应用自动驾驶技术，是从“车”的角度为实现这个核心目标贡献力量；智能化公路工程设施建设，则是从“路”的角度来推动。让车和路协同起来，发挥出“1+1＞2”的作用。

　　“国内外的研究与实践表明，完善公路基础设施，使之更加适应自动驾驶车辆的认知和行为特点，为自动驾驶车辆提供辅助信息，能够加快自动驾驶技术实用化的进程。”交通运输部公路局副局长钟闻华表示。

　　交通运输部近期出台了《公路工程设施支持自动驾驶技术指南》，就是要通过适度提升公路基础设施智能水平，帮助自动驾驶车辆获取更多、更精准的交通运行状态、公路运行环境及自身定位等信息，辅助自动驾驶车辆完成驾驶行为决策。

　　公路工程设施支持自动驾驶是一项系统工程，各类设施可以根据应用需求，单独或联合起来，协助车辆更好地实现自动驾驶。《指南》考虑了既有公路工程设施实际情况，遵循突出实效、技术先进、融合创新、分步实施的原则，提出了从自动驾驶云控平台、交通感知设施、交通控制与诱导设施、通信设施、定位设施、路侧计算设施、供配电设施、网络安全设施等方面支持车辆实现自动驾驶功能的技术要求。

　　“下一步，我们将密切关注公路工程设施数字化、智能化发展和自动驾驶技术应用进程，及时总结公路工程设施在支持自动驾驶方面的实践经验，适时完善相关技术要求，不断提高公路交通运输系统的安全水平和运行效率。”钟闻华介绍。

　　用好交通大模型

　　近年来，在政策和市场的双重推动下，自动驾驶技术加速落地，产业链基础配套和市场开发也越来越成熟。专家认为，仅有车辆本身的智能还远远不够，自动驾驶技术发展需要从单车智能向“车路云”融合协同发展。这不仅需要车辆本身具有很强的车载算力、高精度传感器、操作系统等，还需加强路侧感知、计算、通信的边缘计算基础设施建设，并与边缘云、数据中心云实现多级云边协同。“车路云”协同发展趋势，对路侧边缘计算基础设施的性能、存储、可靠性、软硬协同等方面提出了更高要求。

　　人工智能大模型为“车路云”融合协同发展创造了条件。专家表示，交通大模型可以解决很多问题，一是“人和车”的问题。人与车通过大模型实现用自然语言交互，能把人释放出来，更安全地驾车。二是“车和路”的关系。路上的车辆、路况、天气等因素，通过大模型实时传输到车上，更好提升驾驶体验。三是做到“全域最优”。目前，交通控流只是控制单个或多个路口的红绿灯，不足以解决整个城市的交通效率问题，只有以所有人出行时间总和为目标进行优化，才能做到全局最优的控制。有了大模型以后，沟通会更加便捷，能够实现全域的指挥和调度。

　　“交通是一个非常复杂的系统，是一个非常典型的从感知到认知到决策再到控制的过程。传统人工智能的应用是碎片化的，例如识别红绿灯、违章等。想要真正解决问题，需要把所有因素串联起来。”百度集团执行副总裁、百度智能云总裁沈抖表示，“随着大模型出现，我们得以把车、路、云、图等方面的数据信息进一步整合，以提高交通效率和安全。”

　　对于大模型在交通行业落地的前景，沈抖认为，行业中有足够多的应用场景，能够发挥大模型作用。在智能网联方面，百度与上海市嘉定区合作，在800余辆网联及自动驾驶车辆上，上线了30多种应用，为车主提供了红绿灯倒计时、危险路口提醒、路径规划等服务，准确率超过99%。

　　在智慧高速方面，百度与河北高速集团共同打造全球首个公路AI数字人，在遇到突发事故时，数字人可以迅速联动交管部门快速到达现场，并能够基于大模型对事故现场进行全面精准还原与推理，生成事故分析报告，大幅提高现场事件处理效率。

　　在城市交通方面，大模型可以利用全域的感知数据，研判拥堵发生的可能性，并叠加仿真推演，生成全域信控方案。在北京亦庄，核心区60平方公里布局了全域信控，路口平均通过时间缩短了28%。 （经济日报记者 齐 慧）