三斤哥，新能源/变速箱/智能网联 阅读原文 想法是好想法，技术上其实也可行，但是如果想实现还是很难。 首先我先按我自己的理解翻译一下题主所说的“让道路来控制车辆，从而来实现自动驾驶”。 我理解这里所说的道路控制车辆不是指道路可以像传送带一样运着车走，而是道路，或者说是指挥中心可以获取区域内每台车的行驶数据，经过计算后再向每台车下发指令，车辆接收到指令后严格执行。 也就是我们常说的V2X，即车路协同，那么我下面就简单分析下车路协同方案的优点和难点分别在哪里。 通过车路协同实现自动驾驶的优点 由端计算变为云计算，可以降低单车成本 对于单车自动驾驶方案来说，无论是感知、定位、规划还是决策，都要依靠车辆本身的摄像头、雷达、GPS、自动驾驶芯片……等部件来实现。 激光雷达高昂的成本阻碍了其大规模应用 而且如果想要实现L3或者更高级别的自动驾驶，要么需要车辆配备激光雷达，要么需要车辆搭载高分辨率摄像头和算力极强的芯片，并且还要有非常好的算法，这将使得车企增加很大一部分的物料成本，不利于自动驾驶技术的普及。 但是如果完全由车路协同来实现驾驶的话，对于车端来说就只需要实现高精度地图定位，并通过相关设备把自身的位置、速度……等相关信息发送给云端，由云端完成调度后将指令发送到各个车辆即可。 云端拥有完整的道路和车辆信息，可以突破单车自动驾驶的瓶颈 虽然近几年自动驾驶行业快速发展，但是目前市面上绝大多数产品本质上还是辅助驾驶，而像Google、waymo、百度、AutoX……等致力于L3甚至L4级别的企业，目前的产品也不足以达到能够面世的程度。 目前面向L4级别的自动驾驶仍然只能在特定区域进行测试 究其原因，还是目前的单车自动驾驶能力尚不足以应对复杂的交通环境。 而这背后很大一部分原因就是 车辆无法识别出所有的交通参与者，尤其是不常见的参与者； 在一些特殊情况下（如施工、交通管制），车辆可能无法理解相关的指示信息； 在一些复杂或紧急的交通情况下，车辆可能无法做出正确的判断。 以目前的技术发展水平来看，上述问题随着自动驾驶技术的发展虽然会有一定进步，但短期内仍然难以完全解决。 这时候，如果有车路协同，系统就可以告诉各个车哪里可以走，哪里有车，哪里有行人，从而确保任何时候都可以做出正确的判断。 增加车辆之间的可预测性，提升道路通行极限 其实无论是我们人类自己开车，还是机器帮助我们开车，对其他交通参与者动作的预判是把车开好的关键。 如果把对其他交通参与者行为的预判比作打牌，那么人类、或者单车自动驾驶都是依靠算或者猜来预测，算的准不准全凭个人能力，而车路协同则是几家把牌摊开打明牌，直截了当得告诉你周围的车或者人下一步要干什么。 这样一来，一方面原先为了防止发生突发事故而预留的安全距离可以进一步缩短，另一方面在道路限速在硬件设施允许的前提下也可以在一定程度上提升。 例如目前已经进入试运行阶段的“洋山港智能重卡示范运营线”就采用了V2X的技术方案，在车辆列队形式时可以大幅缩短车辆行驶间距，据初步测算，可以将东海大桥的通行能力提升一倍。 通过车路协同实现自动驾驶的难点 其实如果抽象一点来看，我们可以认为航空、铁路系统的运行模式与车路协同自动驾驶方案非常的类似，因此这两个行业遇到的一些坑也值得我们借鉴。 实现道路新基建全覆盖的成本高昂 对于车路协同自动驾驶系统来说： 为保证数据传输的低时延，所有的交通信号灯、摄像头……等设施都需要有5G网覆盖； 为保证能够监测道路突发状况，每隔一定距离就要相关设备监控路面及周边环境； 为保证能够应对庞大的车流量，每一个区域都需要有算力超强的处理中心； …… 而截至目前，中国汽车保有量超过3.8亿，道路总里程接近500万公里，想要实现上述设施的全覆盖几乎是一件不可能的事情。 其实空中的飞机数量要比我们想象的少很多 对比航空业，它们的交通压力相较公路其实已经非常小了，但即便是这样，稍微有点突发情况的时候塔台和指挥中心仍然会忙得团团转。 车路协同自动驾驶要求终端有绝对的执行力 在车路协调自动驾驶方案中，最后一步就是车辆收到系统指令并严格执行。 虽然说理论上这个指令可以由驾驶员来执行，但是考虑到实际情况，如果需要确保整个系统能够稳定运行，还是要每台车都搭载自动控制系统。 并且当车辆发生故障时，仍然需要保证车辆可以和系统正常通信，并且具有执行应急指令的能力。 在这里我们举一个航空业的例子——2010年波兰总统专机坠毁事件。 虽然关于这起空难背后是否有其他原因目前尚无定论，但就官方公布的原因来看，专机机组人员未执行塔台的指令是造成此次事故的重要原因。 报告认为，导致本起空难事故的主要原因是，专机机组人员在接到地面警告后未及时转降备降机场而是决定继续降落，在机组人员肉眼无法看清地面的条件下，飞机飞行高度低于最低高度，飞行速度过快，第二次试降操作迟缓等，从而导致飞机受损，左侧机翼被撞，飞机失去控制撞向地面。 这也从侧面印证了车路协同自动驾驶对于终端的执行力有很高的要求。 车路协同自动驾驶要求整个系统有高度的可靠性 前面一点说的其实是每个个体在执行层面上的可靠性，但由于车路协同还涉及控制中心以及相关设备之间的通信，因此控制系统及通信链路也需要有高度的可靠性。 这里我们还是以铁路和航空为例。 先说7-23甬温线特别重大铁路交通事故。 2011年7月23日20时30分05秒，甬温线浙江省温州市境内，D301次列车与D3115次列车发生动车组列车追尾事故。此次事故造成40人死亡、172人受伤，中断行车32小时35分，直接经济损失19371.65万元。 关于这起事故，相关的调查结果早已经公布了，简单来说就是雷击导致事故发生区间设备故障，列车无法正常通过系统获取前方路况，最终导致后车追尾了行驶速度更慢的前车。 再来看除了911事件之外死亡人数最多的一起空难——特内里费空难 特内里费空难是指在1977年3月27日傍晚于西班牙北非外海自治属地加那利群岛的洛司罗迪欧机场发生的波音747跑道相撞事件。由于发生事故的两架飞机都是满载油料与人员的波音747大型客机，因此事件造成两机上共有583人在“地狱之火”中丧生，其中，荷航飞机上的248人全部遇难，泛美航班上则有61人奇迹般得以生还。 而这起空难发生的原因简单来说就是，未得到起飞许可的KL4805航班误以为塔台给自己下发了起飞指令，从而撞上了在跑道等待滑行的PA1736航班。 所以如果只依赖车路协同来实现自动驾驶，那么除了车本身要足够可靠之外，这套系统的方方面面也要足够可靠。 车路协同自动驾驶对外界干扰的抵抗力较差 就好比机场周边的黑飞无人机会干扰正常民航客机起降一样，车路协同系统外的交通参与者也很容易干扰到系统内正常行驶的车辆。 2017年，成都双流机场多次因无人机干扰取消航班 如果仅依靠车路协同来实现自动驾驶，那么一方面系统无法控制不具备车路协同条件的交通参与者（包括从卡车上散落的物品、从山上滚落的石块）；另一方面，系统可能都无法侦测到这些系统外的交通参与者。 因此，如果有人恶意想干扰甚至破坏这个系统，可能会是一件相对比较容易的事情。 车路协同自动驾驶的发展方向 那么我前面列举了这么多的车路协同的缺点，只是为了说明完全由车路协同来实现自动驾驶有非常大的困难，但是这并不意味着车路协同没有意义。 相反，只要把仅依靠车路协同实现自动驾驶这个限制条件去掉，那么车路协同还是可以在很多方面发挥作用的。 通过车路协同来实现智慧交通 虽然仅仅依靠车路协同来实现自动驾驶还有许多问题需要解决，但是以V2X的能力，实现智慧交通还是绰绰有余的。 就以最基础的红绿灯控制为例，一方面车辆可以提前获取到前方红绿灯的信息从而合理控制车速，另一方面系统也可以根据各方向来车的数量优化红绿灯的配时，从而提升路口的通行效率。 车路协同与单车智能优缺点互补，两者结合加速自动驾驶落地 如果只让车路协同作为单车自动驾驶的辅助，那么前面说到的很多缺点就可以被弥补，而优点仍然会存在，只不过效果上会打折扣。 比如只需要在建设等级较高、车流相对密集、场景相对复杂的道路实现车路协同，其他场景依靠车辆本身的感知和计算能力即可应对； 比如当车辆本身具备一定自动驾驶能力时，即使车路协同系统的控制或通讯出现一定问题，整个系统仍然可以保证一定程度的正常运行； 再比如当遇到道路上的突发状况时，具有自动驾驶能力的汽车可能会比整个系统有更好的应对能力，并且在一定程度上还可以充当整个系统的感知模块。 总结 所以虽然车路协同可以实现智慧交通，可以与单车智能互补来加速自动驾驶的落地，但是如果仅仅想依靠车路协同来实现自动驾驶几乎是不可能的。 我是@三斤哥，一个新能源、变速箱、智能网联都有涉足的汽车主机厂工程师。有兴趣的朋友可以关注我，我会从汽车工程师的角度给大家分享相关知识、解读热点问题。 阅读原文
