目前，車路云一體化正處于規(guī)模建設(shè)和商業(yè)價(jià)值摸索的重要時(shí)期。隨著相關(guān)政策文件的發(fā)布，該行業(yè)在試點(diǎn)落地、標(biāo)準(zhǔn)制定、技術(shù)創(chuàng)新、商業(yè)探索等維度正有條不紊地向前推進(jìn)。
在試點(diǎn)落地層面，首批20個(gè)試點(diǎn)城市名單公布，北京、武漢、長(zhǎng)春等城市已經(jīng)邁入實(shí)施過(guò)程，其他城市也正在緊鑼密鼓地準(zhǔn)備中。
在技術(shù)創(chuàng)新層面，以云控基礎(chǔ)平臺(tái)為核心，融合車路云三端數(shù)據(jù)，實(shí)現(xiàn)實(shí)時(shí)協(xié)同感知、決策與控制，提高了自動(dòng)駕駛的安全性和效率。另外，提供智能化和自動(dòng)化的管理手段，提升交通管理的智能化水平。
在商業(yè)探索層面，各地政府正在積極探索面向不同等級(jí)智能網(wǎng)聯(lián)車輛的商業(yè)賦能模式、數(shù)據(jù)要素的應(yīng)用場(chǎng)景等。
目前該行業(yè)也面臨一些亟待解決的技術(shù)難題：
其一，路側(cè)數(shù)據(jù)質(zhì)量受限制的因素很多，涵蓋異構(gòu)傳感器的高額部署成本、復(fù)雜交通環(huán)境下的感知能力無(wú)法持續(xù)處在較高水準(zhǔn)等，約束了智慧道路的服務(wù)范圍和服務(wù)水平。
其二，路側(cè)服務(wù)的穩(wěn)定性是智能網(wǎng)聯(lián)汽車使用的前提條件，而其穩(wěn)定性主要體現(xiàn)在覆蓋范圍內(nèi)的數(shù)據(jù)服務(wù)和不同的天氣環(huán)境條件這兩方面。例如，智慧道路覆蓋邊界區(qū)域的數(shù)據(jù)質(zhì)量異常、純視覺(jué)感知在夜間的數(shù)據(jù)質(zhì)量降級(jí)等問(wèn)題，是影響智能網(wǎng)聯(lián)汽車使用效果的關(guān)鍵因素。
其三，智慧道路對(duì)異常交通流情況的理解還處于初級(jí)階段，遠(yuǎn)遠(yuǎn)達(dá)不到智能網(wǎng)聯(lián)汽車的使用需求。
其四，車輛對(duì)路云側(cè)數(shù)據(jù)的應(yīng)用深度不足。比如，路側(cè)感知數(shù)據(jù)與車輛感知數(shù)據(jù)的融合，需要車端進(jìn)行相應(yīng)動(dòng)作來(lái)實(shí)現(xiàn)感知，從而達(dá)到“感知去重和盲區(qū)補(bǔ)充”的目的。另外，車端如何將路云數(shù)據(jù)更好地用在“感知-規(guī)劃-控制”等模塊，也是需要進(jìn)一步解決的問(wèn)題。
蘑菇車聯(lián)的創(chuàng)新突破蘑菇車聯(lián)是車路云一體化領(lǐng)域最領(lǐng)先的科技公司。其之所以能夠解決上述行業(yè)技術(shù)難題，要?dú)w功于其強(qiáng)大的研發(fā)能力和實(shí)踐經(jīng)驗(yàn)，其中該公司自研的AI數(shù)字道路基站和路側(cè)邊緣計(jì)算系統(tǒng)（MRS）是該領(lǐng)域的王牌產(chǎn)品，整整領(lǐng)先同類公司一代。
分別來(lái)說(shuō)：
AI 數(shù)字道路基站包含多種型號(hào)的基站產(chǎn)品，不同型號(hào)由不同的“傳感器、算力、算法、部署方案”構(gòu)成，既具備面向城市、高速、園區(qū)等多類場(chǎng)景的覆蓋能力，又能根據(jù)建設(shè)方的不同應(yīng)用需求，提供高性價(jià)比的產(chǎn)品方案，還支持傳感器利舊，使整體投入實(shí)現(xiàn)最低。
路側(cè)邊緣計(jì)算系統(tǒng)（MRS），在架構(gòu)層面具有高可靠、低時(shí)延傳輸、模塊化設(shè)計(jì)的特征，可以實(shí)現(xiàn)多源異構(gòu)傳感器的兼容。其自研的多模態(tài)BEVFormer感知算法，保障了數(shù)據(jù)質(zhì)量的穩(wěn)定。并且，路側(cè)邊緣計(jì)算系統(tǒng)（MRS）通過(guò)自研路側(cè)融合算法，可以最大化地發(fā)揮不同類型傳感器的特征優(yōu)勢(shì)，兼用不同的道路和天氣場(chǎng)景，同時(shí)保留了純視覺(jué)感知方案的高標(biāo)準(zhǔn)數(shù)據(jù)指標(biāo)輸出。另外，該系統(tǒng)還內(nèi)置多種交通事件類算法，基于路側(cè)長(zhǎng)時(shí)觀測(cè)特征，可以擬合出異常場(chǎng)景下的最優(yōu)通行路徑，直接面向智能網(wǎng)聯(lián)汽車提供異常場(chǎng)景下的最優(yōu)解，并支持與云控基礎(chǔ)平臺(tái)按照標(biāo)準(zhǔn)協(xié)議進(jìn)行對(duì)接。
圖丨蘑菇路側(cè)產(chǎn)品（來(lái)源：資料圖）
而上述二者之間的搭配，則可通過(guò)數(shù)據(jù)的交互和共享，以及對(duì)不同類型數(shù)據(jù)的協(xié)同處理，共同為車路云一體化業(yè)務(wù)提供更全面、精準(zhǔn)和實(shí)時(shí)的交通信息，以支持交通管理、智能網(wǎng)聯(lián)汽車的輔助駕駛或高等級(jí)自動(dòng)駕駛等應(yīng)用。
最近，蘑菇車聯(lián)的AI數(shù)字道路基站和路側(cè)邊緣計(jì)算系統(tǒng)（MRS），在國(guó)汽（北京）智能網(wǎng)聯(lián)汽車研究院有限公司的第三方測(cè)試中，達(dá)到中國(guó)信息通信研究院《車路協(xié)同路側(cè)感知系統(tǒng)認(rèn)證》雙SL3（Sensing Level 3）最高標(biāo)準(zhǔn)。
SL3標(biāo)準(zhǔn)下的技術(shù)挑戰(zhàn)與攻克SL3是《YD/T4770-2024 車路協(xié)同 路側(cè)感知系統(tǒng)技術(shù)要求及測(cè)試方法》標(biāo)準(zhǔn)對(duì)數(shù)據(jù)質(zhì)量的定義。該標(biāo)準(zhǔn)來(lái)自“智能網(wǎng)聯(lián)汽車車路云一體化應(yīng)用試點(diǎn)推薦標(biāo)準(zhǔn)清單”對(duì)路側(cè)感知設(shè)備的推薦標(biāo)準(zhǔn)，規(guī)定了面向車路協(xié)同路側(cè)感知系統(tǒng)的針對(duì)不同應(yīng)用的分級(jí)化性能指標(biāo)要求，從系統(tǒng)通用要求、基礎(chǔ)性能指標(biāo)、交通參與者感知、交通事件及交通流檢測(cè)四個(gè)維度給出對(duì)應(yīng)技術(shù)要求及測(cè)試方法，適用于指導(dǎo)和規(guī)范車路協(xié)同路側(cè)感知系統(tǒng)的規(guī)劃建設(shè)及應(yīng)用部署。
在SL3標(biāo)準(zhǔn)中，存在著諸多指標(biāo)。并且，要想將所有指標(biāo)一一達(dá)成，難度也非常之高。
例如，SL3標(biāo)準(zhǔn)要求車道感知覆蓋率指標(biāo)，即感知范圍應(yīng)覆蓋實(shí)際應(yīng)用所需的所有范圍≥99%。但該指標(biāo)在不同的定位精度前提下，能達(dá)成的效果有明顯區(qū)別。這是因?yàn)�，交通流的感知指�?biāo)會(huì)隨著感知距離的增加而降低，當(dāng)突破某一值時(shí)，會(huì)下降得更加明顯。所以，在定位精度SL3的情況下，要想將車道感知覆蓋率達(dá)到SL3水平，需要克服較大的困難。
SL3標(biāo)準(zhǔn)要求感知時(shí)延要≤100ms。這對(duì)于純視覺(jué)感知來(lái)說(shuō)是容易實(shí)現(xiàn)的，但對(duì)于含有光探測(cè)和測(cè)距技術(shù)（Lidar，Light detection and ranging）的異構(gòu)感知組合而言，由于市面上大多數(shù)Lidar的原始數(shù)據(jù)輸出為10Hz，所以要想達(dá)到100ms難度非常大。
另外，SL3標(biāo)準(zhǔn)要求交通參與者多目標(biāo)跟蹤精度≥80%。這是衡量交通參與者連續(xù)幀感知水平的重要指標(biāo)，反應(yīng)了不同時(shí)空條件下算法的性能和輸出數(shù)據(jù)質(zhì)量。
作為一家車路云一體化、自動(dòng)駕駛?cè)珬＜夹g(shù)與運(yùn)營(yíng)服務(wù)的提供商，蘑菇車聯(lián)從技術(shù)層面不斷攻克和調(diào)優(yōu)AI應(yīng)用的技術(shù)精度，以實(shí)現(xiàn)對(duì)微小精度的極致要求。這一點(diǎn)從本次測(cè)試結(jié)果報(bào)告上就能略窺一二：
在車道感知覆蓋率與感知范圍上，對(duì)126號(hào)路口（北京市科創(chuàng)十三街與經(jīng)海五路）進(jìn)行數(shù)據(jù)采集，感知覆蓋范圍為150m，基于1m位置精度感知覆蓋率為99%，滿足SL3覆蓋率要求>99%。
在感知時(shí)間精度與感知時(shí)延上，產(chǎn)品的感知時(shí)間精度為4.44ms，滿足SL3要求的≤10ms；感知時(shí)延為41.57ms，滿足SL3要求的≤100ms。
（來(lái)源：筆者制圖）
在消息輸出頻率與頻率偏差上，測(cè)試結(jié)果分別為10Hz和0，滿足SL3≥10Hz和≤0.2Hz的要求。
（來(lái)源：筆者制圖）
在交通參與者類型識(shí)別精度上，對(duì)車輛、非機(jī)動(dòng)車、行人和障礙物的識(shí)別分別達(dá)到99.8%、97.9%、98.74%和99%，皆超過(guò)SL3要求的95%、90%、90%和90%。
（來(lái)源：筆者制圖）
在定位精度上，對(duì)于機(jī)動(dòng)車、非機(jī)動(dòng)車、行人和障礙物的定位精度分別為0.46m、0.41m、0.29m和0.21m，滿足SL3對(duì)前三項(xiàng)要求的≤0.5m，和對(duì)后一項(xiàng)要求的≤1m；
（來(lái)源：筆者制圖）
在速度檢測(cè)精度上，對(duì)于機(jī)動(dòng)車、非機(jī)動(dòng)車和行人的速度檢測(cè)精度則達(dá)到0.17m/s、0.16m/s和0.14m/s，高于SL3要求的0.28m/s、0.5 m/s和0.5 m/s。
（來(lái)源：筆者制圖）
在多目標(biāo)跟蹤精度上的結(jié)果為80.67%，滿足SL3要求的≥80%。
在交通事件檢測(cè)性能上，超速、低速、逆行、占用應(yīng)急車道和禁停區(qū)域停車等所有事件類型的召回率均為100%，虛警率為0%。
（來(lái)源：筆者制圖）
綜上可以看出，SL3標(biāo)準(zhǔn)是面向自動(dòng)駕駛車輛提供數(shù)據(jù)服務(wù)的最嚴(yán)格指標(biāo)。也就是說(shuō)，數(shù)據(jù)指標(biāo)滿足SL3即可達(dá)到自動(dòng)駕駛車輛的使用要求。同時(shí)，如果在智慧道路的覆蓋區(qū)域內(nèi)均能達(dá)到SL3指標(biāo)要求，就意味著智能化路側(cè)基礎(chǔ)設(shè)施具備“達(dá)到車端數(shù)據(jù)要求，服務(wù)廣域覆蓋”的階段，將會(huì)出現(xiàn)多種協(xié)同感知、決策、控制的應(yīng)用場(chǎng)景，并量化場(chǎng)景價(jià)值，推動(dòng)數(shù)據(jù)服務(wù)上車應(yīng)用。
而本次蘑菇車聯(lián)的測(cè)試結(jié)果均高于SL3標(biāo)準(zhǔn)，為車路協(xié)同走向商業(yè)化帶來(lái)了曙光。這其中，
蘑菇車聯(lián)路側(cè)邊緣計(jì)算系統(tǒng)（MRS）采用先進(jìn)的深度學(xué)習(xí)算法，基于相機(jī)、雷達(dá)等前端感知設(shè)備進(jìn)行數(shù)據(jù)融合和處理，為車路云一體化多種協(xié)同場(chǎng)景提供精準(zhǔn)高效的數(shù)據(jù)支持，能夠?qū)崿F(xiàn)實(shí)時(shí)信息交互，包括車輛狀態(tài)、交通信號(hào)、道路條件等，提高車輛行駛效率和安全性。智能路側(cè)單元（RSU）可與車輛進(jìn)行雙向通信，提供預(yù)警信息。通過(guò)精確的時(shí)間同步和高帶寬連接，蘑菇車聯(lián)確保車輛與基礎(chǔ)設(shè)施之間信息的實(shí)時(shí)交換，避免通信延遲帶來(lái)的安全隱患，并可根據(jù)不同需求通過(guò)云平臺(tái)實(shí)現(xiàn)路側(cè)感知結(jié)果的可視化展示。
試想一下，順著這個(gè)發(fā)展趨勢(shì)，未來(lái)的交通出行有望迎來(lái)全新的發(fā)展前景。譬如，智能網(wǎng)聯(lián)汽車代替?zhèn)鹘y(tǒng)汽車成為主流，智慧公交、智慧物流、智慧環(huán)衛(wèi)等應(yīng)用場(chǎng)景也將逐一成為現(xiàn)實(shí)。
而在今后，圍繞車路云一體化，蘑菇車聯(lián)也將走向更廣闊的天地。
