WICV2020 | 清华大学教授张毅：基于车路协同的自动驾驶技术与实践

11月11-13日，“2020世界智能网联汽车大会（WICV2020）”在北京隆重召开，本次大会由北京市人民政府、工业和信息化部、公安部、交通运输部、中国科学技术协会共同主办。旨在打造全球智能网联汽车领域内规模最大、级别最高、影响力最大的世界级平台，持续引领全球汽车产业发展趋势，全面开启智能网联汽车产业发展的新征程。下面是清华大学教授/自动化系系统工程研究所所长张毅在本次论坛上的发言：

各位领导、各位嘉宾上午好！非常高兴今天能参加我们的论坛，也非常高兴今天恰逢顺义基地的开幕。

我作为清华大学自动化系系统工程研究所的一位教授，我们团队的一些技术方案，在智能网联基地测试基地建设中也发挥了作用，所以今天也非常高兴看到这个基地的建设。去年第一届这个会议在现场，我们的四辆自动驾驶的汽车基于车路协同的自动驾驶汽车做了一个隆重的展示活动，也展示出了基于车路协同自动驾驶技术落地问题。

今天结合论坛主题给大家分享一下，我们在基于车路协同的自动驾驶技术以及在我们的城市末端的传送运输过程中的思考和体会。今天我的报告分两个方面，第一个方面主要是讲什么是的自动驾驶，尤其是重点涉及到什么样的关键技术，基于这些关键技术，怎么在城市末端的配送里有更好的应用。

车路协同作为国家交通发展战略纲要的重要组成部分，去年9月国家颁布了纲要，基于车路协同，就是通过现成的各种无线的通讯方式，把交通系统中的参与者，人，车和路测设备连起来，形成一种新的理念，新的框架的交通系统，在这个系统层面上，我们能实现所有交通主体的信息实时交互，同时我们能提供协同安全，协同控制的效果，这是车路协同最终的目标，这个目标的发展过程中，我们可以看到整个过程成为了国家一个发展战略以后，越来越多的企业，越来越多的部门都把车路协同的发展和自动驾驶的发展结合起来了，形成了一个完全新的局势。

在这样的程度上，我们看见了不同公司都在积极努力地把基于车路协同的自动驾驶推向了新的高潮，在这个过程中，我们会发现根本性的变化是什么？我们现在熟悉的自动驾驶的技术路线发生了变化，传统是以单车智能为主体的自动驾驶，我们变成了以聪明的车加上智慧的路，还有智能的网，重点是要实现交通系统里的协同服务，于是构成了一个基于车路协同的自动驾驶。

在这里面想说的是车路协同，大家可能只是在名词上去看车和路的协同，实际上提出讲的是车路协同，但实际上目前为止车路协同已经变成了一个大的概念，是指在基于通讯基础上实现了新一代交通系统的形态变化之后完成的交通功能服务的完整提升，不仅仅是车和路中间的信息交互问题，而是说基于这样的交互要实现我们的交通的协同服务，提高他的功能，提高他的安全和效率问题。

这里面给出了一个实现这么一个环境的基本条件，大家可以看得见，这张图里描绘了重点车辆，可以通过所有交通方式，通讯方式把他们连起来，使得我们原来传统的交通系统发生了根本性变化，在这个过程中，最重要的一个变化是我们获得了实时全时空的交通信息，把原本交通里难以获得的信息现在都获得了，于是我们对于交通系统的认识发生了变化，同时对交通功能的实现也发生了革命性的变化，在基于这样的基础上，我们会考虑到信息的交互是要通过所有的通讯方式实现的，能不能保证，非常高兴的告诉大家，我们今年的10月份在汽车工程协会的推动下，有关的企业和有关的公司联合完成了我们全球首次200台以上的基于智能网联的信息通信的可靠测试，结合交通系统里面九个重要的场景逐一对大量的车辆存在的时候，对他实时信息交互的可靠性做了一个完整的验证，这个技术的验证就表明我们在现有的技术支持下，车路协同需要的实时的交通信息，交互是完全可以实现的。

第二个测试是我们连续三年，也是在汽车工程协会的支持下完成的，我们车路协同遇到的重要屏障问题就是不同的厂家，不同的通信模式，不同的厂商能不能集成在一块。2018年开始我们做了第一次三跨，实现通讯芯片模组加车载终端加整车的集成，去年实现了四跨，加上了安全平台的集成，到今年非常高兴地实现了第五跨，我们称为新四化，这里面加了一个高清地图厂商的集成，过程里是发展到什么样的程度，我们从2018年20家发展到2019年63家企业参与，实现七种业务的集成到十一种业务的集成，今年有40余家国内外整车企业，40余家终端企业，10余家芯片模组企业，20余家信息安全企业，以及5家定位服务提供商的集成，这就为车路协同的规模化应用奠定了非常重要的基础。大家特别希望看到，需要论证的一个通讯能不能保证，信息传输可靠性能不能保证，大量的企业，不同的厂商，不同的模组能不能集成的问题，我们得到了证明，也就是说我们车路协同的规模化应用，基础条件已经完全具备了。

基于这样的场景，我们不仅要实现现在车辆联网叫智能网联问题，同时也给我们自动驾驶带来了全新实现的平台，或者说一种新的技术路线，也就是说我现在还可以有第二条技术路线，也是项目组正在推进的，基于车路协同的自动驾驶路线，如果大家去研究一下交通部发布的有关战略研究报告以及我们国家的交通强国建设纲要里提到的，中国要发展的自动驾驶是要基于车路协同的技术路线去快速推进中国的自动驾驶的落地问题。

这样的情况下，我们就会发现基于车路协同的自动驾驶和我们单车智能的自动驾驶，在关键技术层面上有了根本性的变化，比如说我举一个简单的例子，刚才我们夏总在视频里演示到了，配送小车要过一个信号灯路口，首先信号灯要进行辨识，信号灯的辨识是通过视频来处理的，辨识过程中遇到一个非常大的问题是当我们在早上，或者是傍晚的时候，当我们的信号灯的背景是太阳的时候，这样的光照情况下视频对他的红绿灯的辨识，我们不管用什么样的方式，人都很难判断的，我们用视频的方式解决，这个难题到目前为止没有办法克服掉。我们基于车路协同的方式以后，我们信号灯如果把红绿灯的辨识情况自动发送出来，我们的物流车接到这个信息以后就不用花很大的功夫，不用花很大的计算能力去判断一个我们认为是一个本来非常简单的问题，这样就是在应用过程中遇到的新突破，也是我们希望能够解决的。

基于车路协同的情况下，自动驾驶不是像我刚才讲的视频问题解决了，好像我们没有其他的技术要解决了，不是，我们还有很多新的技术路线需要解决。新的关键技术层面上，我简单列出来了，有几大，第一个是五大关键技术，第一是交通环境的协同感知，原来都是靠治车，现在可以协同感知，我们可以一个车和路测传感器进行联合协同感知，这样可以提高感知的结果，也可以提高我们的感知可靠性。

第二个关键技术是在我们的自动驾驶过程中轨迹规划是非常重要的，我要完成一个长期的轨迹规划，不仅仅解决我本车周围的轨迹规划，基于车路协同平台可以实现，因为整个全域的车辆运行情况都可以获得。

第三个关键技术是需要依赖的高精度地位，除了我们做GPS以外，我们既然车路协同有路测设备，路基设备是提供高精度地图的另外一个途径，我们利用路基的设施也可以做到高精度的亚米级的定位。

第四个关键技术，既然不同交通主体之间可以进行信息交互，我们之间可以完成协同的决策和控制，就像我们发现安全危险的时候，两辆车需要碰撞的时候，能不能通过简单的协同避免避障的问题。

第五个关键技术，把高精度地图放到配送车，但是这样的计算能力要求是比较高的，车辆的能力要求高了以后，我们基于车路协同以后，把高精度地图不下载到车上，通过路上的设备定期进行分发，解决不同区域中的细的高精度的配制问题，还能带上实时交通信息，这一套解决方案有效可以提升自动驾驶的可靠性和安全性问题。

基于这样的关键技术，在我们的城市末端低速尤其是物流配送方面的落地怎么能够实现，目前我们的项目团队主体做的是乘用车，对于低速，配送做的比较少，基于车路协同的自动驾驶这样的技术路线，在我们的末端配送低速情况下有很大的借鉴意义，所以我分析一下我们在这个情况下怎么应用现在基于车路协同自动驾驶路线。

我们可以回顾起来看，我们发现单车智能和基于车路协同的自动驾驶，由于他们采用不同技术路线，很多方面发生了比较大的变化。右侧列出的是基于车路协同的自动驾驶，这样的技术路线我们可以看见，会产生一些新的解决途径或者是方案，比如讲在环境感知方面，我们除了治车以外，重点是以协同感知为主，而自车的感知为辅，只解决与近程的感知问题，远程靠车路协同帮助解决。

第二个方面是决策信息方面，由于我们可以拿到实时交互的所有周边的交通主体以及道路的信息情况，决策信息更为丰富。

第三个方面是车辆定位上，我们增加了一个路基的高精度地位，对我们原本的单车自动驾驶的高精度定位多了一个途径。

第四个方面，地图上可以不用把高精度地图非常细地，精度非常高地高精度地图全部下载在车上，我们可以通过路基设备，根据你所到的区域，不断地给你分发，你进行一些重组，来保证我们车辆及时，安全，全部获得高精度地图。轨迹规划层面上，我们可以做到动态，而且轨迹可以不断地变化，自动地生成。

第五个方面，我们在行使控制层面上，由于我们加入了协同控制，不是你自己光做你自己的决策，自己的控制，我们可以让周边的车辆彼此之间协商，可以共同来决策我们下一步怎么样变化，于是这样的情况下，对于我们的安全提供了保证。这种情况下，单车智能和基于车路协同自动驾驶之间的区别，我们基于车路协同自动驾驶以后，我们对于慢速的自动驾驶，尤其是末端的物流配送驾驶过程中，我们有哪些需求是基于车路协同的自动驾驶的技术路线能够提高我们的效率和安全性的。

第一个，在成本控制层面上，我们知道慢速车辆，像刚才说的物流车辆不可能像社会车辆一样一辆车上百万，几百万的成本，我要把成本控制的很低才有可能进行推广。基于车路协同的平台可以达到的这样的情况，因为我的项目组已经完成了，购置两辆车加上改装，两辆车下来不到80万，乘用车可以做到不到40万，对物流车可以大大控制成本问题。

第二个，信息交互方面，我们可以利用现存的所有通讯方式，有效地支撑信息交互。

第三个，定位技术上，我们不仅可以解决了路面定位，室内定位，可以增加我的室内路基设备的情况下，室内定位同样能够达到室外的定位。

第四个，危险识别程度上，除了我们前头讲到的识别方式，对于我们慢行车，如果和路测设备结合起来，可以完成危险的协同识别问题，可以有效地提高配送车的识别效率。

第五个，计算能力也一样，由于有车路协同，我可以提供边缘计算，对于配送物流小车里，我们可以降低单车的计算能力的要求，可以把部分计算分到边缘计算，于是我们从这样的程度上可以看到，基于车路协同的自动驾驶，如果更好地应用到物流配送里，我们觉得有三个方面可以在近期尝试做一些推进，做一些研究。

第一个方面，借助我们的车路协同的平台与技术，提高我们整个  性能与服务水平，体现在我刚才说到的几个方面，包括危险状态的识别、环境下的定位、实时信息的交互以及我们的自动驾驶的轨迹规划问题。

第二个方面，可以在近期和配送小车结合，结合智慧城市建设里推进物流配送工作，智慧城市建设过程中，目前有一个非常大的变化，或者说我们在推进，比如说广东省深圳市开始推进的智慧电杆，把市政管理功能，把通讯的基站以及把交通所用的环境感知的传感器集成在一起，这样的智慧电杆，可以对物流小车提供一个非常好的支撑平台，这样的新发展，对于美团这样的物流小车的自动驾驶是非常好的一个贡献。既然智慧电杆能够推进，园区社保系统里，我们有大量的摄像头，大量的环境感知的监控的设备，如果利用起来对小车自动驾驶是非常有力的支撑。

第三个方面，作为一个物流自动驾驶汽车，我们在这种情况下对于长期的发展，我们还要看到现实过程中有一个过渡的过程，也就是说并不是说我们所有想要的理想状态都能一呼即出，我们要经过不断的发展过程，我们要探索特需服务情况下，包括疫情，包括机场特定的园区情况下应用情况怎么样，解决好过渡过程问题对于长期发展将会发生很好的作用。

我今天利用论坛的机会，从基于车路协同的自动驾驶说起，从关键技术的分析来探讨物流配送，在这个层面上基于车路协同的自动驾驶的技术路线的应用问题，希望今天的分享对各位嘉宾，对企业有所帮助，谢谢大家。

（注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！）