李家文：面向车路云一体化的路侧感知质量技术要求与测试系统

10月30-31日，2024汽车技术与装备发展论坛在苏州召开，政府领导，院士专家，装备、汽车及产业链企业高层齐聚，围绕“共筑汽车产业新质生产力”年度主题，聚焦新技术、新装备、新生态展开深入研讨，探索装备制造与汽车产业的融合发展路径。论坛由1场闭门会、1场开幕大会、2场特色活动和4场分论坛构成，搭建起国内首个聚焦“汽车技术与装备发展”领域的高端对接平台。其中，在2024汽车技术与装备发展论坛之IVISTA智能网联汽车论坛上，清华大学苏州汽车研究院车路协同中心主任李家文发表了演讲。以下内容为现场发言实录：

各位嘉宾，非常开心讲这个，刚才都是听汽车方面的工作，虽然我本身也是干汽车的，但现在在研究院从2020年开始我们开始搞车路云一体化很多具体的工作，今天给大家汇报一下针对车路云一体化测试方面的工作成果。

稍微介绍一下研究院，2011年清华大学和苏州市政府共同成立的代表清华的外派院。主要做的工作就是连接学校的技术理论研发和实际市场产品之间的桥梁相关技术的转移。我们现在主要在吴江、相城有两个院，大的有4个方向的汽车技术在研发，我们现在整个车路云一体化板块放在智能网联汽车大的领域里。

具体讲一讲车路云一体化，我们当年也参与了国家很多政策的制定，包括创新发展战略当时都一块写的。行业通过6、7年，从刚开始意气风发到后来的迷茫期，到去年年底开始整个试点工作的发布，其实又逐渐进入到一个新的发展周期里。前期有很多坑，大家逐渐发现了一些问题，今天我们会围绕这个工作讲一些我们的工作。

为什么会继续推这个事？从行业整个大的发展逻辑来看，现在车路云一体化还是形成了行业整个共识，虽然很多整车企业，刚才听了大家的发展都很快，基于自己单车智能发展结合车云的工作。但基于它自己本身感知上一些盲区的问题也好，或者基于数据驱动的模型开发的链路所存在本质上的问题，所以在实际的发展过程中依然有相关工作需要开展。

通过车路云一体化还是高速数据可靠服务、外部信息增强、超时域信息加上一些预测性信息，一定程度上我们觉得可以更好地提升在未来整个自动驾驶落地或者整个智能化能力上的表现，提高它的上限，因此整个路径在整个行业上还是得到一些公认的。

刚才一直在说未来整个自动驾驶还是单车智能为主，网联智能为辅的方式推进。在形成共识的过程中，今天我主要针对路侧或者环境侧给整车提供数据的质量做相关工作的汇报。整个产业经过这么多年的发展，逐渐形成了一些结论，比如有很多公司现在已经投入环境的感知或者产品的建设。

整个链条已经逐渐完备起来，而且技术上通过前期很多项目的建设发现很多分布式传感器的部署，在工程和维护上有问题，现在逐渐一体化。同时激光雷达相关费用比较高，像4D毫米波雷达也逐渐开始进入到路侧的建设上去。以及单车里很多基于BEV+Transformer技术链路逐渐转移到路侧的算法开发上。由此整个路侧数据生态建设逐步在完善起来。

在这个过程中若干年下来大家发现了很多问题，虽然逐步推进，但整体前期过程中发现，主要两方面的问题：

第一，没有从应用侧或者未来真正为汽车所服务数据质量要求，或者场景上对质量的要求规划设计整个基础设施环境或者基础设施条件怎么建设，加上各个地方建设方的不同，带来未来在基础设施侧建设完后的质量和保障上没有特别好的结果。

第二，由此带来的问题就没有办法真正触达到汽车业务过程中去，为客户带来增值的服务，使得常态化的车路云一体化运营或者服务的机制能够建立起来。导致万一真出现什么问题就无从谈起，运维也无从谈起。

这一系列的问题，加上现在行业这次20个试点城市，经过下半年工信部也好，协会也好，很多建设指南的发布，其实从明年开始马上面临很多系统化的建设。在这个时间节点上，非常亟待开展针对环境侧面向未来应用数据质量上的测试和评价工作，从而使得整个车路云一体化建设真正为产业所用，为客户所用，能够开展未来常态化的频次和业务演进。

这个事研究院在2021年和信通院一块不停地探索，针对整个环境测数据质量到底怎么做才能达到真正的应用需求？我们花了好几年写了一个行标，今年7月份刚发布叫《车路协同路侧感知系统技术要求及测试方法》，主要做了三方面的工作，第一，构建了系统级评价体系，大的指标有两方面：

1、基础路侧感知，基础性的，比如系统感知范围、可靠性、相关时延。

2、感知本身准确性，比如对不同交通对象位置精度、速度精度、航向角一系列精度上的要求。

面向应用比如整个交通体系里的事故你能不能发现，类似的事件以及相关交通流统计，一系列的指标我们构建了一套面向未来应用的，当然未来还会继续迭代。

这个指标体系上，面向未来应用做了三个感知质量等级分层。初步分了三个等级，如果只是给普通消费者或者整个城市交通管理做相关信息服务，我们叫第一层。第二给车企侧，给只是做L2级别驾驶辅助的。以及为自动驾驶未来提供精细化的数据。我们从这三个不同层面服务对象或者场景倒推回整个路测，可能在定位精度上有不同的质量要求，第一个等级可能车道2.1米以内或者1.5米以内左右的精度就可以。如果给自动驾驶服务，我们现在基本定义到第三级是0.5米以内的精度要求，从而使得车企能够得到数据质量的保障。

这之上我们又对基础设施测试基本方法或者要求做了设计，比如整个环境要求部署时基础设施道路标识、斑马线都有要求。被测系统在数据格式和数据交互方式上都做了针对性的设计，以及怎么给出相关的指标也对相关系统做了要求。

今天主要介绍研究院在这块的工作，我们整个定位、车路协同中心就是为了给车路云一体化增量基础设施以及存量基础设施数据质量，以及未来面向常态化体系运营数据质量的运维，我们以这个为核心的切入点为行业提供围绕这个行标相关的测试工具和测试服务，并且为业主提供未来常态化运营的工具。

基于这个定位我们现在做了两款产品，路感宝和路优宝，名字稍微土了一点，但大家一听就能听明白。第一是针对路侧感知为业主服务的未来整个验收服务的感知质量的评测工具，以及为很多建设方很多供应商质量能够帮他做进一步分析提高他们在产品的水准。第二面向运营，未来常态化工作的时候，我们和运营商网优团队、通信运营商网优团队，我们整天在路上可以做巡检，确保建设完基础设施初期质量一直维持在当前建设的效果上。

大概的原理介绍一下，主要原理就是构建道路上所有交通对象运动的增值，我们现在两种增值的方法，一个是单一运用的目标，以及全域所有交通对象的运动参数的采集，通过多目标和单目标运动增值采集，形成一个增值结果之后，把新建系统数据采集过来以后做了时间同步之后，进行相关精度上的对比，从而最后输出一个相关的结果。

在这样原理下，通过这两年工作，我们开发了相关的设备。

第一，怎么采集被测方数据，很多建设方案协议都不一样，要做很多的统筹，并且在时间上要做同步。里面有很高深的技术，有很多具体落地的技术的一些工作，要去克服。

第二，怎么去做单目标的采集，我们还是用了高精度的北斗来做相关的定位，基于相关的定位的结果推算相关的运动的参数。

做了两个版本一个可以放在车上作为增值车，另外其实做了个增值背包可以背在人的身上，行人在路上走或者坐在非机动车上去采集相关的数据，这是一个目标。

针对城市里面有很多的部署面向整个交通的路口、路段采集所有交通对象的数据。我没有办法给所有交通对象都放一个包在他身上，所以我们这时候构建了一个叫作多目标增值，基于高精度激光雷达最后采用覆盖整个区域，并且采用人工标注的方式，把所有交通对象的参数给他得出来。

有了这些结果之后，我们就开发了相关的针对刚才说的这套标准，开发了相关这套软件，比如说整个数据我们自己的数据怎么快速地标定，采集过来以后，把单目标多目标的结果跟被测数据进行实时的分析，最后得到结果。

这是一个实际的结果，我们之前说这几年我们一直在不断地迭代整个测试方法的一致性、可靠性，以及整个效率，现在我们整个测试效率其实是很高的。整个路口如果做完备的测试，就是把单目标、多目标全采了，基本上一天五六个路口全部测完。

其实我们给苏州还有全国各地地方也做了不少的服务，就是给出相关的一些测试报告。

比如这是一个很明显的案例，原来很多路口建完的供应商的结果，在没有测试之前，或者说我们测试之前他的数据是黄色的。我们一测发现他其实针对行人，针对非精度车的质量其实是不大好的。经过相关的结果之后，他就可以针对性地优化他的很多的结果，后续经过优化之后，他的整个系统的质量得到一个比较好的提高。

在刚才说的原理的基础上，我们最后还做了一个常态化的训练工具，原理基本上是一样的，还是采用单目标的测试，我们在云端后面做了一整套巡检的机制或者平台，让业主以后常态化的发起这些巡检的任务，通过一个车上的设备进行一个联动以后就可以在路上不停地跑，跑完一圈马上结果就出来了，就可以看到路侧的数据质量跟通信的质量现在是不是依然维持在一个可靠的范围内，这是一个视频，咱们快速的看一下。

可以发起一个过程，结合实际需要去巡检的位置，把任务下发到整个巡检车跟巡检设备上去，巡检完以后马上给出相关的结果。

最后讲一下，因为刚才讲的只是路侧，我们现在整个跟中汽研一直在车辆，针对未来整个车路云一体化汽车，最终汽车是核心用户，我们做完整个基础设施侧的功能跟性能的整个测试跟平台，远远还是不够的，当然他还是有他自己的一套体系。

刚才虽然做的是套工具，但是未来从我们整个逻辑来看也应该有前期的实验室的仿真，半封闭，封闭场景的测试，最后作为整个开放道路的整个测试体系。

但最终真正有了这套测试体系之后，评价的是整个道路的数字化能力，这些能力怎么为汽车行业所服务，对于车企来说怎么去用这些数据的整套测试评价的方法，也可以从仿真协同功能的测试跟未来整个应用的测试开展。

目前的工作也在陆续推进。未来有了相关结果以后我再跟大家做相关的汇报。谢谢，期待合作。

（注：本文根据现场速记整理，未经演讲嘉宾审阅）