萝卜快跑：智慧交通能否实现“上帝视角”？

文｜王雅迪

当“萝卜快跑”入局网约车，背后意味着无人驾驶常态化运营的加速到来。不容忽视的是，当面对复杂的路况时，车辆之间可能无法很好交互，为解决这一问题，“车路云一体化”开始成为一种很好的解决方案。

7月初，工业和信息化部、公安部、自然资源部等五部门，在自愿申报、组织评估基础上，确定了20个城市（联合体）为智能网联汽车“车路云一体化”应用试点城市。这将助推智能驾驶从“小范围测试验证”加速迈入“规模化落地”的阶段，加快高阶智能驾驶的普及应用和商业化进程。

随着“车路云一体化”的发展，预计能够形成一些新型商业模式，如数据服务、平台运营、应用开发等。这些商业模式可以为“车路云一体化”的应用提供更多价值和收益，也可以吸引更多政府机构、企业和其他用户的参与，从而推动试点应用的规模化推广。

新旧技术交替背后的人机共生

汽车产业的下半场是“以自动驾驶为核心的智能化”，而无人驾驶出租车正是普及技术的关键场景之一。

作为最大的自动驾驶运营服务区，2019年，武汉成为中国中部首个国家级智能网联汽车测试示范区。截至2024年1月，武汉已向19家企业累计发放各类自动驾驶道路测试和运营牌照1954张，吸引近500辆自动驾驶车辆（含自动驾驶出租车和无人巴士）开展常态化运行。

据了解，“萝卜快跑”已经在武汉投放超过400辆无人驾驶汽车。截至2024年一季度，“萝卜快跑”武汉全无人驾驶订单比例已超55%。同时，其已经在北京、重庆、深圳、上海等多个城市开展了全无人自动驾驶出行服务测试。

汽车产业的下半场是“以自动驾驶为核心的智能化”，而无人驾驶出租车正是普及技术的关键场景之一。

除百度以外，小马智行、文远知行、如祺出行等多家公司都有提供无人驾驶出租车服务。7月31日，小马智行与新加坡交通运营商康福德高集团签署合作备忘录，宣布建立战略合作伙伴关系，以共同推动自动驾驶出租车的大规模商业运营。此外，小马智行在韩国、卢森堡、沙特阿拉伯、阿联酋等海外市场也已开展自动驾驶技术和落地合作。

可见，实现自动驾驶出行服务不仅仅是国内技术发展的落点，也是跑向全球化的大势所趋。新科技发展过程中，遇到阻力或引发争议无可避免，尤其当无人驾驶车辆穿越城区时，逐渐进入人车混合时代的大众仍会担心安全问题。

近日，国内一份研究调研显示，对于无人驾驶，大众普遍关心安全性（87.3%）、出行效率（60.3%）和价格（53.9%）三个因素。值得一提的是，没坐过无人驾驶出租车的受访者明显更关心安全性，并且会更多站在行人/司机的角度，关心事故责任判定和是否会影响其他车辆行驶的问题；而乘坐过的受访者更关心价格、接单效率和出行效率。

《数字化赋能高质量发展》主编、著名数字化专家赖家材向《商学院》杂志表示，自动驾驶技术有一项不可妥协的基本原则就是安全性。真实的交通环境存在各类道路使用者，这些使用者行为的不确定性使得交通系统异常复杂，交通行为、运行机理、决策规律等仍需要探索，当前的法律法规、政策、伦理等因素也需要充分考虑。因此，为了保证安全性的前提下，要真正实现L5完全自动驾驶，还有一段较长的路要走。

在他看来，如果无人驾驶能够完全普及，将为智慧交通带来多方面的赋能。用几个关键词概括就是高效出行、优化资源、安全提升、环保节能、智能互联。尤其在“优化资源”方面，可以合理分配交通资源，降低车辆闲置率，提高运输效能。同时，减少人为失误导致的交通事故，凭借先进的传感器和算法，及时应对危险。

百度董事长兼CEO李彦宏在《智能交通》一书中曾指出，汽车机器人的混行会导致社会形态的一次大变革，带来新问题。社会尤其是城市的管理者，需要用它们的语言来跟它们沟通，指挥它们的行动，而这个指挥系统或许是显性的约束，也可能是隐性的规则。在不同代际汽车机器人共存的混合时代来临之前，需要开始练习管理人机混合的社会。

人机混合时代有四个要素最为关键：“裸人”，即不在车里的人；“裸车”，即没有人坐在里面的车；“人车”，即有人开的车；“车人”，即有人坐无人开的车。我们需要一个系统来指挥这四个要素，以保证社会的安全、稳定、高效、合理的运转。

他认为，在即将到来的人机混合时代，应该主动寻找对话，打破学科的边界，去构建更长远的人机共生理念，不因噎废食地放缓技术前进的脚步，保障更多人的安全和福祉。

物理与信息空间于一体的“车路云”

中国各地“车路云一体化”建设整体处于初级阶段，存在基础设施覆盖度不足、车载终端搭载率低、商业模式不清晰等现实问题。

自动驾驶技术路线分为单车智能和“车路云一体化”两种方式。“车路云一体化”利用新一代信息与通信技术，将人、车、路、云等物理层、信息层与应用层融为一体，基于系统协同感知、决策与控制，实现交通系统安全、节能、舒适及高效运行的信息物理系统。

所谓“车路云一体化”，是在单车智能的基础上，增加路测感知，车端、路端数据相互补充、形成协同，让“聪明”的车行驶在“智慧”的路上，从而解决单车智能长期无法突破的长尾问题。

百度智能云交通业务部总经理韩国华将“车路云一体化”形容为帮助单车智能实现了“上帝视角”，即通过道路基础设施的全部数字化实现数字孪生，来弥补单靠车端传感器的感知盲区。

他表示，“在国外，做自动驾驶更多强调单车智能；而在我国，为了进一步保障交通安全、提升通行效率，启用了‘车路云一体化’的解决方案，这也体现了中国对智慧交通的整体思考和技术领先性。”

从2024年1月五部门印发《关于开展智能网联汽车“车路云一体化”应用试点工作的通知》，研究确定应用试点城市名单，到7月智能网联汽车“车路云一体化”应用试点城市名单的正式公布，不到6个月的时间，“车路云一体化”的应用迈出了关键一步。

据了解，四维图新已开始进行基于智能网联特点的新型地图更新产品的开发和生产，即“新型智能路侧边缘计算单元”，除了支持智能网联的功能以外，还可通过感知设备采集的数据流，快速分析感知设备采集到的道路静态信息、施工占道信息、交通事件信息甚至市政设施破损信息。

8月7日，四维图新旗下世纪高通与百度联合中标北京高级别自动驾驶示范区3.0扩区路侧智能化改造和升级项目，中标金额为2.5亿元。此次中标项目，是北京“车路云一体化”新基建项目的重要组成部分，将面向高级别自动驾驶，以服务智能网联车辆为基础，兼顾交管、交通等智慧城市功能。项目将围绕通州区175平方公里范围，针对580个路口部署智能化路侧系统。

四维图新相关负责人向《商学院》杂志坦言，当前，中国各地“车路云一体化”建设整体处于初级阶段，存在基础设施覆盖度不足、车载终端搭载率低、商业模式不清晰等现实问题。各地正在通过推动智能网联汽车“车路云一体化”技术落地与规模应用，促进多场景自动驾驶规模化应用，并尝试探索形成新型商业模式和统一的标准与测试评价体系。

北京、上海、重庆等20个试点城市对行业及相关企业提出了更高要求，例如路侧感知设备需要具备更高的精度和可靠性，车端需要具备更强的计算能力和通讯能力，云端需要具备更大的存储和处理能力，网络需要具备更低的延时，地图则需要具备更丰富的信息。

四维图新相关负责人认为，随着试点工作的推开，预计能够形成一些新型商业模式，如数据服务、平台运营、应用开发等。这些商业模式可以为“车路云一体化”的应用提供更多价值和收益，也可以吸引更多政府机构、企业和其他用户的参与，从而推动试点应用的规模化推广。

数字化解决传统交通顽疾

感知技术、大数据分析、人工智能、物联网等关键技术在智慧交通中扮演着重要角色。

据公安部统计，2023年我国机动车保有量达4.35亿辆，较五年前增加超过1亿辆。汽车保有量超过100万辆的城市，目前已达94个。机动车数量飙升，对城市交通管理提出了更高要求，尤其是如何缓解交通拥堵，成为摆在城市管理者面前的共同问题。

赖家材以智能交通路口为例，在一个繁忙的十字路口，路口的各种传感器和摄像头，如同无数双“眼睛”，实时收集车辆的数量、速度、流向、驾驶行为等信息。这些海量的数据会迅速传输到交通控制中心，通过大数据和人工智能技术对数据进行快速处理和分析，计算出最佳的信号灯时长。

比如，当南北向车流量较大时，信号灯系统会自动延长绿灯时间，让车辆快速通过，减少等待时间；当有救护车需要紧急通过时，系统能立即感知并调整信号灯，为救护车开辟绿色通道。同时，自动驾驶车辆则依靠与其他车辆和基础设施的实时通信，精准地控制车速和行驶路线，避免急刹车和突然变道，让整个路口的交通流畅而安全。

可见，感知技术、大数据分析、人工智能、物联网等关键技术在智慧交通中扮演着重要角色。据不完全统计，截至2023年底，我国各大城市交通路口约有120万个，其中红绿灯路口约40万个。第三方测评报告显示，人工智能红绿灯系统可将路口整体通行效率提高30%以上。其中，延误时间和停车次数可降低30%以上，绿灯空放率可降低85%以上，高峰期拥堵时间和拥堵程度可降低20%~25%以上。

世界交通运输大会运输规划学部委员、交通运输领域资深专家叶亮向《商学院》杂志指出，传统交通存在的问题除了拥堵不堪外，还存在资源浪费、环境污染等痛点。比如，一些公交线路设计不合理，要么车上空荡荡，要么乘客挤得像罐头里的沙丁鱼，还有停车场里大量车位空闲，而另一边却有车找不到地方停。

在2024世界人工智能大会上，上海首个“AI定制需求响应式”公交平台“智捷易行”亮相，把传统的“人等车”变为“车等人”。车辆的线路和发车时间是根据乘客的需求进行定制，服务范围设定在以地铁、片区为中心的1公里至3公里内，应用场景包括产业园区、大型社区、大学城区、会展区等各类城市片区。

此外，国内已有不少城市涉足无人驾驶领域，武汉、广州、郑州等地早已部署无人驾驶公交车，并逐渐从封闭园区走向公开道路。7月14日，济南引入的首部无人驾驶公交车正式进行地图采集，进行240小时或1000公里道路测试等前期工作，达到要求后将进入示范应用阶段。

正如赖家材所言，无人驾驶技术是智慧交通中很重要的一项技术，通过自动驾驶技术能够减少人为失误导致的交通事故，大幅提高交通出行的安全性。通过精准感知、预判和应对交通运行状态，可以提高整体车流速度。通过科学的驾驶策略和行为，降低能耗，减少排放。此外，无人驾驶还可以为无驾驶能力人群提供更多的出行选择。

值得一提的是，在以往的道路交通安全防控中，防控时段、防控地点、防控措施大多基于经验决策，这种做法存在受经验储备参差不齐、主观意志影响大、安全要素考虑不全、要素鲜度掌握不准等因素影响。为改善道路交通安全问题，挖掘数据要素价值，四维图新推出“多源数据融合驱动的道路安全风险防控策略研究”。

据悉，该案例聚焦道路交通安全风险防控，面向城市、高速、国省道等多种场景，在地图数据基础上，通过融合人、车、路、环境、事故等多源数据，形成了集全息画像、隐患排查、事故研判、风险预警于一体的综合性实战平台。目前该平台已在多地应用，有效推动了城市车、地、事、物、情等多维度数据要素的汇聚融通。

数据质量与融合难点待解

作为一种特殊且重要的生产要素，交通大数据关系到个人日常出行的轨迹数据，如果应用过程中被不当泄露，会带来隐私保护的挑战。

无论是自动驾驶技术还是“车路云一体化”的发展都处于早期阶段，智能交通网络的编织还需要进一步积累经验和相关数据，才能更好地发挥自动驾驶技术和网联功能的规模化应用。

在韩国华看来，从技术的角度来说，交通是一个非常复杂的系统，是非常典型的从感知、认知到决策，再到控制的过程，传统的人工智能在里面只能呈现碎片化应用，例如识别红绿灯或违章行为等。想要真正解决问题，需要用大模型这样的技术把所有因素串联起来。

他表示，到目前为止，在技术领域只发现大模型具有知识压缩的能力，因为大模型能够消化吸收主要数据，而数据又代表“知识”，大模型可以对海量的“知识”进行压缩、消化、吸收和理解，这也是为什么要用大模型来改造智能交通系统的原因。

数据已成为继土地、劳动力、资本和技术之后第五大生产要素，也是赋能经济增长的新质生产力。交通大数据作为新型交通快速发展的重要标志，是新质生产力视角下交通运输产业关键的生产要素。然而，在目前数据采集的过程中，仍存在数据质量参差不齐、数据壁垒等难点问题。

叶亮指出，某些交通摄像头出现故障，导致采集到的车辆通行数据存在错误；或者部分路段的车流量统计数据有缺失，都会影响对整体交通流量的精确分析。同时，数据融合困难，不同城市的交通管理系统采用了不同的数据格式记录交通事故信息，当进行跨城市的交通状况综合分析时，难以将这些数据整合与关联。在突发暴雨天气时，数据系统有时不能及时反映由道路积水情况导致的交通拥堵变化，对未来交通状况的预测也不能准确预估通行时间所受的影响。

在他看来，之所以会产生这些难点是因为存在技术限制、管理体制、法律法规不完善等情况，如部分老旧的交通流量监测设备精度较低，无法准确区分不同类型的车辆，导致采集的数据质量不高；在道路建设和维护的数据管理上职责划分不够清晰，双方在数据共享时存在顾虑；对于企业使用个人交通数据用于商业推广的行为，缺乏明确的法律规范和约束。

作为一种特殊且重要的生产要素，交通大数据关系到个人日常出行的轨迹数据，如果应用过程中被不当泄露，会带来隐私保护的挑战。如果将其作为生产要素进行交易也需要具备相应的监管体系和制度，这些细节都将影响数据价值的释放和应用。

赖家材和叶亮都建议，统一不同交通管理机构的数据格式和采集标准，实现交通违法数据、路况数据以及公交运营数据的整合，为城市交通综合管理提供全面且准确的数据支持。

所谓“统一度量衡，功在当代，利在千秋”，智慧交通的发展尤其要打破信息孤岛，建立相对统一数据采集标准，以更好地实现“车同轨、书同文”。