蘿卜快跑：智慧交通能否實現「上帝視角」？

文｜王雅迪

當「蘿卜快跑」入局網約車，背后意味着無人駕駛常態化運營的加速到來。不容忽視的是，當面對複雜的路況時，車輛之間可能無法很好交互，為解決這一問題，「車路雲一體化」開始成為一種很好的解決方案。

7月初，工業和信息化部、公安部、自然資源部等五部門，在自願申報、組織評估基礎上，確定了20個城市（聯合體）為智能網聯汽車「車路雲一體化」應用試點城市。這將助推智能駕駛從「小範圍測試驗證」加速邁入「規模化落地」的階段，加快高階智能駕駛的普及應用和商業化進程。

隨着「車路雲一體化」的發展，預計能夠形成一些新型商業模式，如數據服務、平臺運營、應用開發等。這些商業模式可以為「車路雲一體化」的應用提供更多價值和收益，也可以吸引更多政府機構、企業和其他用户的參與，從而推動試點應用的規模化推廣。

新舊技術交替背后的人機共生

汽車產業的下半場是「以自動駕駛為核心的智能化」，而無人駕駛出租車正是普及技術的關鍵場景之一。

作為最大的自動駕駛運營服務區，2019年，武漢成為中國中部首個國家級智能網聯汽車測試示範區。截至2024年1月，武漢已向19家企業累計發放各類自動駕駛道路測試和運營牌照1954張，吸引近500輛自動駕駛車輛（含自動駕駛出租車和無人巴士）開展常態化運行。

據瞭解，「蘿卜快跑」已經在武漢投放超過400輛無人駕駛汽車。截至2024年一季度，「蘿卜快跑」武漢全無人駕駛訂單比例已超55%。同時，其已經在北京、重慶、深圳、上海等多個城市開展了全無人自動駕駛出行服務測試。

汽車產業的下半場是「以自動駕駛為核心的智能化」，而無人駕駛出租車正是普及技術的關鍵場景之一。

除百度以外，小馬智行、文遠知行、如祺出行等多家公司都有提供無人駕駛出租車服務。7月31日，小馬智行與新加坡交通運營商康福德高集團簽署合作備忘錄，宣佈建立戰略合作伙伴關係，以共同推動自動駕駛出租車的大規模商業運營。此外，小馬智行在韓國、盧森堡、沙特阿拉伯、阿聯酋等海外市場也已開展自動駕駛技術和落地合作。

可見，實現自動駕駛出行服務不僅僅是國內技術發展的落點，也是跑向全球化的大勢所趨。新科技發展過程中，遇到阻力或引發爭議無可避免，尤其當無人駕駛車輛穿越城區時，逐漸進入人車混合時代的大眾仍會擔心安全問題。

近日，國內一份研究調研顯示，對於無人駕駛，大眾普遍關心安全性（87.3%）、出行效率（60.3%）和價格（53.9%）三個因素。值得一提的是，沒坐過無人駕駛出租車的受訪者明顯更關心安全性，並且會更多站在行人/司機的角度，關心事故責任判定和是否會影響其他車輛行駛的問題；而乘坐過的受訪者更關心價格、接單效率和出行效率。

《數字化賦能高質量發展》主編、著名數字化專家賴家材向《商學院》雜誌表示，自動駕駛技術有一項不可妥協的基本原則就是安全性。真實的交通環境存在各類道路使用者，這些使用者行為的不確定性使得交通系統異常複雜，交通行為、運行機理、決策規律等仍需要探索，當前的法律法規、政策、倫理等因素也需要充分考慮。因此，爲了保證安全性的前提下，要真正實現L5完全自動駕駛，還有一段較長的路要走。

在他看來，如果無人駕駛能夠完全普及，將為智慧交通帶來多方面的賦能。用幾個關鍵詞概括就是高效出行、優化資源、安全提升、環保節能、智能互聯。尤其在「優化資源」方面，可以合理分配交通資源，降低車輛閒置率，提高運輸效能。同時，減少人為失誤導致的交通事故，憑藉先進的傳感器和算法，及時應對危險。

百度董事長兼CEO李彥宏在《智能交通》一書中曾指出，汽車機器人的混行會導致社會形態的一次大變革，帶來新問題。社會尤其是城市的管理者，需要用它們的語言來跟它們溝通，指揮它們的行動，而這個指揮系統或許是顯性的約束，也可能是隱性的規則。在不同代際汽車機器人共存的混合時代來臨之前，需要開始練習管理人機混合的社會。

人機混合時代有四個要素最為關鍵：「裸人」，即不在車里的人；「裸車」，即沒有人坐在里面的車；「人車」，即有人開的車；「車人」，即有人坐無人開的車。我們需要一個系統來指揮這四個要素，以保證社會的安全、穩定、高效、合理的運轉。

他認為，在即將到來的人機混合時代，應該主動尋找對話，打破學科的邊界，去構建更長遠的人機共生理念，不因噎廢食地放緩技術前進的腳步，保障更多人的安全和福祉。

物理與信息空間於一體的「車路雲」

中國各地「車路雲一體化」建設整體處於初級階段，存在基礎設施覆蓋度不足、車載終端搭載率低、商業模式不清晰等現實問題。

自動駕駛技術路線分為單車智能和「車路雲一體化」兩種方式。「車路雲一體化」利用新一代信息與通信技術，將人、車、路、雲等物理層、信息層與應用層融為一體，基於系統協同感知、決策與控制，實現交通系統安全、節能、舒適及高效運行的信息物理系統。

所謂「車路雲一體化」，是在單車智能的基礎上，增加路測感知，車端、路端數據相互補充、形成協同，讓「聰明」的車行駛在「智慧」的路上，從而解決單車智能長期無法突破的長尾問題。

百度智能雲交通業務部總經理韓國華將「車路雲一體化」形容為幫助單車智能實現了「上帝視角」，即通過道路基礎設施的全部數字化實現數字孿生，來彌補單靠車端傳感器的感知盲區。

他表示，「在國外，做自動駕駛更多強調單車智能；而在我國，爲了進一步保障交通安全、提升通行效率，啟用了‘車路雲一體化’的解決方案，這也體現了中國對智慧交通的整體思考和技術領先性。」

從2024年1月五部門印發《關於開展智能網聯汽車「車路雲一體化」應用試點工作的通知》，研究確定應用試點城市名單，到7月智能網聯汽車「車路雲一體化」應用試點城市名單的正式公佈，不到6個月的時間，「車路雲一體化」的應用邁出了關鍵一步。

據瞭解，四維圖新已開始進行基於智能網聯特點的新型地圖更新產品的開發和生產，即「新型智能路側邊緣計算單元」，除了支持智能網聯的功能以外，還可通過感知設備採集的數據流，快速分析感知設備採集到的道路靜態信息、施工佔道信息、交通事件信息甚至市政設施破損信息。

8月7日，四維圖新旗下世紀高通與百度聯合中標北京高級別自動駕駛示範區3.0擴區路側智能化改造和升級項目，中標金額為2.5億元。此次中標項目，是北京「車路雲一體化」新基建項目的重要組成部分，將面向高級別自動駕駛，以服務智能網聯車輛為基礎，兼顧交管、交通等智慧城市功能。項目將圍繞通州區175平方公里範圍，針對580個路口部署智能化路側系統。

四維圖新相關負責人向《商學院》雜誌坦言，當前，中國各地「車路雲一體化」建設整體處於初級階段，存在基礎設施覆蓋度不足、車載終端搭載率低、商業模式不清晰等現實問題。各地正在通過推動智能網聯汽車「車路雲一體化」技術落地與規模應用，促進多場景自動駕駛規模化應用，並嘗試探索形成新型商業模式和統一的標準與測試評價體系。

北京、上海、重慶等20個試點城市對行業及相關企業提出了更高要求，例如路側感知設備需要具備更高的精度和可靠性，車端需要具備更強的計算能力和通訊能力，雲端需要具備更大的存儲和處理能力，網絡需要具備更低的延時，地圖則需要具備更豐富的信息。

四維圖新相關負責人認為，隨着試點工作的推開，預計能夠形成一些新型商業模式，如數據服務、平臺運營、應用開發等。這些商業模式可以為「車路雲一體化」的應用提供更多價值和收益，也可以吸引更多政府機構、企業和其他用户的參與，從而推動試點應用的規模化推廣。

數字化解決傳統交通頑疾

感知技術、大數據分析、人工智能、物聯網等關鍵技術在智慧交通中扮演着重要角色。

據公安部統計，2023年我國機動車保有量達4.35億輛，較五年前增加超過1億輛。汽車保有量超過100萬輛的城市，目前已達94個。機動車數量飆升，對城市交通管理提出了更高要求，尤其是如何緩解交通擁堵，成為擺在城市管理者面前的共同問題。

賴家材以智能交通路口為例，在一個繁忙的十字路口，路口的各種傳感器和攝像頭，如同無數雙「眼睛」，實時收集車輛的數量、速度、流向、駕駛行為等信息。這些海量的數據會迅速傳輸到交通控制中心，通過大數據和人工智能技術對數據進行快速處理和分析，計算出最佳的信號燈時長。

比如，當南北向車流量較大時，信號燈系統會自動延長綠燈時間，讓車輛快速通過，減少等待時間；當有救護車需要緊急通過時，系統能立即感知並調整信號燈，為救護車開闢綠色通道。同時，自動駕駛車輛則依靠與其他車輛和基礎設施的實時通信，精準地控制車速和行駛路線，避免急剎車和突然變道，讓整個路口的交通流暢而安全。

可見，感知技術、大數據分析、人工智能、物聯網等關鍵技術在智慧交通中扮演着重要角色。據不完全統計，截至2023年底，我國各大城市交通路口約有120萬個，其中紅綠燈路口約40萬個。第三方測評報告顯示，人工智能紅綠燈系統可將路口整體通行效率提高30%以上。其中，延誤時間和停車次數可降低30%以上，綠燈空放率可降低85%以上，高峰期擁堵時間和擁堵程度可降低20%~25%以上。

世界交通運輸大會運輸規劃學部委員、交通運輸領域資深專家葉亮向《商學院》雜誌指出，傳統交通存在的問題除了擁堵不堪外，還存在資源浪費、環境污染等痛點。比如，一些公交線路設計不合理，要麼車上空蕩蕩，要麼乘客擠得像罐頭里的沙丁魚，還有停車場里大量車位空閒，而另一邊卻有車找不到地方停。

在2024世界人工智能大會上，上海首個「AI定製需求響應式」公交平臺「智捷易行」亮相，把傳統的「人等車」變為「車等人」。車輛的線路和發車時間是根據乘客的需求進行定製，服務範圍設定在以地鐵、片區為中心的1公里至3公里內，應用場景包括產業園區、大型社區、大學城區、會展區等各類城市片區。

此外，國內已有不少城市涉足無人駕駛領域，武漢、廣州、鄭州等地早已部署無人駕駛公交車，並逐漸從封閉園區走向公開道路。7月14日，濟南引入的首部無人駕駛公交車正式進行地圖採集，進行240小時或1000公里道路測試等前期工作，達到要求后將進入示範應用階段。

正如賴家材所言，無人駕駛技術是智慧交通中很重要的一項技術，通過自動駕駛技術能夠減少人為失誤導致的交通事故，大幅提高交通出行的安全性。通過精準感知、預判和應對交通運行狀態，可以提高整體車流速度。通過科學的駕駛策略和行為，降低能耗，減少排放。此外，無人駕駛還可以為無駕駛能力人羣提供更多的出行選擇。

值得一提的是，在以往的道路交通安全防控中，防控時段、防控地點、防控措施大多基於經驗決策，這種做法存在受經驗儲備參差不齊、主觀意志影響大、安全要素考慮不全、要素鮮度掌握不準等因素影響。為改善道路交通安全問題，挖掘數據要素價值，四維圖新推出「多源數據融合驅動的道路安全風險防控策略研究」。

據悉，該案例聚焦道路交通安全風險防控，面向城市、高速、國省道等多種場景，在地圖數據基礎上，通過融合人、車、路、環境、事故等多源數據，形成了集全息畫像、隱患排查、事故研判、風險預警於一體的綜合性實戰平臺。目前該平臺已在多地應用，有效推動了城市車、地、事、物、情等多維度數據要素的匯聚融通。

數據質量與融合難點待解

作為一種特殊且重要的生產要素，交通大數據關係到個人日常出行的軌跡數據，如果應用過程中被不當泄露，會帶來隱私保護的挑戰。

無論是自動駕駛技術還是「車路雲一體化」的發展都處於早期階段，智能交通網絡的編織還需要進一步積累經驗和相關數據，才能更好地發揮自動駕駛技術和網聯功能的規模化應用。

在韓國華看來，從技術的角度來説，交通是一個非常複雜的系統，是非常典型的從感知、認知到決策，再到控制的過程，傳統的人工智能在里面只能呈現碎片化應用，例如識別紅綠燈或違章行為等。想要真正解決問題，需要用大模型這樣的技術把所有因素串聯起來。

他表示，到目前為止，在技術領域只發現大模型具有知識壓縮的能力，因為大模型能夠消化吸收主要數據，而數據又代表「知識」，大模型可以對海量的「知識」進行壓縮、消化、吸收和理解，這也是為什麼要用大模型來改造智能交通系統的原因。

數據已成為繼土地、勞動力、資本和技術之后第五大生產要素，也是賦能經濟增長的新質生產力。交通大數據作為新型交通快速發展的重要標誌，是新質生產力視角下交通運輸產業關鍵的生產要素。然而，在目前數據採集的過程中，仍存在數據質量參差不齊、數據壁壘等難點問題。

葉亮指出，某些交通攝像頭出現故障，導致採集到的車輛通行數據存在錯誤；或者部分路段的車流量統計數據有缺失，都會影響對整體交通流量的精確分析。同時，數據融合困難，不同城市的交通管理系統採用了不同的數據格式記錄交通事故信息，當進行跨城市的交通狀況綜合分析時，難以將這些數據整合與關聯。在突發暴雨天氣時，數據系統有時不能及時反映由道路積水情況導致的交通擁堵變化，對未來交通狀況的預測也不能準確預估通行時間所受的影響。

在他看來，之所以會產生這些難點是因為存在技術限制、管理體制、法律法規不完善等情況，如部分老舊的交通流量監測設備精度較低，無法準確區分不同類型的車輛，導致採集的數據質量不高；在道路建設和維護的數據管理上職責劃分不夠清晰，雙方在數據共享時存在顧慮；對於企業使用個人交通數據用於商業推廣的行為，缺乏明確的法律規範和約束。

作為一種特殊且重要的生產要素，交通大數據關係到個人日常出行的軌跡數據，如果應用過程中被不當泄露，會帶來隱私保護的挑戰。如果將其作為生產要素進行交易也需要具備相應的監管體系和制度，這些細節都將影響數據價值的釋放和應用。

賴家材和葉亮都建議，統一不同交通管理機構的數據格式和採集標準，實現交通違法數據、路況數據以及公交運營數據的整合，為城市交通綜合管理提供全面且準確的數據支持。

所謂「統一度量衡，功在當代，利在千秋」，智慧交通的發展尤其要打破信息孤島，建立相對統一數據採集標準，以更好地實現「車同軌、書同文」。