智能|标题一、蘑菇车联:车路协同或智慧交通的决择！( 三 ) 维保|制造|制造业|企业|孤岛效

李成军轻声说道，朱总，我们以后不能这样宣传。比如顺义的暴雨场景（每小时150毫米降水量），有媒体和我们反映，那样的天气别说自动驾驶汽车了，就算人类驾驶的车辆也不会上路。
那样的场景已经不是传感器能不能感知的情况，而是道路可不可以行驶的问题。我们的那个场景和物流中心的AGV一样，根本就不需要前挡风玻璃。
系统级的解决方案的表述也不是很对。准确地应该说，车路协同为车辆增加了一层冗余，或者多了一个融合传感器。系统级解决方案对于自动驾驶而言有一个最大的弊端，就是系统更新和事故责任划分问题。
自动驾驶作为一个软件系统，是需要不断更新的，有的公司更新频率可能就是几天，如果这个软件关联的东西越多，可能会拖慢整个更新频率。当然了，如果都是我们自己的车和路端更新，就没有什么关系了。
事故责任划分的问题，自动驾驶如果牵扯的参与方太多，可能导致最终的追溯变得很困难。是路端的信息传递有误，还是车端的接收有误，还是智能传感器的问题，整个流程会拖得很长。如何用预期功能安全保证我们的路端设备和信息的准确性和安全性，这些的问题的解决方案都有待验证。
系统级解决肯定是好事，但是必须保持主体的一致性，减少交叉合作和协同。
朱磊反驳道，我们就是需要系统性的工程，突破单点思维的局限性。其中肯定会碰到很多问题，比如车路协同和单车智能的协同定位问题，我们的自动驾驶汽车要开发到什么程度，以及我们是否需要和其它L4级自动驾驶公司合作等等。
问题是存在的，但是我们的战略是正确的，这些问题都需要你好好考虑考虑。
打造城市级车路协同--智慧交通
朱磊喝了口茶，休息了一下，拨通了王辉的电话。问道，车路协同研究的怎么样了？
王辉小声讲道，目前我们的主要精力都集中在衡阳的东西主干道衡州大道和南北主干道蔡伦大道。在路端，我们部署了边缘计算服务器和边缘云，配备深度学习的软硬件环境和高带宽的专用网络，为自动驾驶的规模化落地提供核心技术支撑。
同时具备实时视频和图像处理、转发的能力，易于维护……
朱磊打住了王辉的讲话，给我说一下你背后的思路和逻辑，别说这些表面的媒体都知道的东西。
王辉想了想说，那我就说一下我是怎么思考的。

文章插图

（车路云协同图片）
第一个问题，我们的车路协同要部署在什么地方？是部署在整条主干道上，还是仅仅部署在十字路口，或者说部署在一些高速公路上，或者说布置在一些城市小道上。
不同的部署地点，可能对应不同的解决方案，需要搭配不同级别的自动驾驶车辆。
比如说部署在主干道上，那么每个智能灯杆的成本可能就比较低（几万元），总共需要4-5个感知传感器就可以了，L2的车可以和我们的AI云协同起来，达到L3的驾驶体验。
如果部署在十字路口，那每个智能灯杆的成本就很贵，成本可以达到50-60万，这种情况下，单车智能化的要求就不是很高了，完全借助车路协同，单车也可以解决复杂场景。
对于高速公路而言，部署不部署车路协同，效果相对而言没有城市级的好，现在的L4级自动驾驶足以应对高速公路场景。我们也认同这样的观点，所以我们将重心定位在城市级自动驾驶，定位在可重复使用的车路协同上。
朱磊补充道，对，我们坚信自动驾驶的未来在城市，能否驾驭城市出行场景决定了自动驾驶大规模落地和商业化的速度与质量，同时也决定了我们公司的估值。

智能|标题一、蘑菇车联:车路协同 或智慧交通的决择！( 三 )

智能|标题一、蘑菇车联:车路协同或智慧交通的决择！( 三 )