风口下的车路协同 蘑菇车联的落地案例带来了哪些启迪

今年3月以来，“新基建”三个字已然成了国内各个领域不可或缺的关键词，智能交通行业更是如此。

5G网络、大数据、云计算等新一代信息技术与传统交通基础设施的深度融合，带来了未来交通智能化、数字化的广阔价值空间。

而刚刚过去的4月，国家发改委首次将智能交通基础设施定调为新基建下融合基础设施的代表场景，此举将智慧交通建设再次推上了头条。

对于产业界来说，这意味着智慧交通建设落地的关键技术路径，车路协同解决方案迎来了商业化落地的最佳时间窗口。

实际上，早在三年前交通运输部印发的《推进智慧交通发展行动计划》中，车路协同就被认定为智慧交通的核心技术支撑。中共中央和国务院去年出台的《交通强国建设纲要》再次提出，推动大数据、互联网、AI等技术与交通行业深度融合，加强车路协同研发。

今年初，11部委联合发布的《智能汽车创新发展战略》，更是从汽车产业发展的角度强调道路基础设施的信息化和智能化建设，到2025年实现人-车-路-云高度协同。

不过，从去年下半年5G正式商用后涌现的大量车路协同报道来看，业内许多媒体同仁们主要还是将着眼点集中于示范区建设或车路协同智能硬件设备的部署情况。

但车路协同真正落地的技术挑战，可能更在于“协同”二字。

理想情况下，车路协同应当将所有车辆、车载智能设备、道路智能基础设施、云服务接入同一个网络中，从系统层面进行交通整体调控和管理。

那么，从技术实现的逻辑来看，车路协同系统到底要协同什么？如何协同？

以单车智能为参照，如果将单车智能的技术原理总结为通过一套车载智能系统实现从信息感知到数据计算决策的闭环，那么在车路协同的环境里，这一闭环就变成了协同信息感知和协同计算决策两大环节。

协同信息感知不仅包括车与车之间的通讯交互，还包括车与路侧传感设备的信息共享，协同计算决策则需要打通车-路-云三者的数据链路，在此基础上完成计算和决策任务的高效分配。只有分配好计算任务，才能实现整个系统的高效运转。

检验这套系统可靠性的唯一标准是落地表现。鉴于此，业内专家和研究人员通常会对一些已成功落地的车路协同项目进行深度分析，找出可以参考的宝贵经验。以去年常被业内谈及的北京顺义智能网联汽车示范区为例，其方案商蘑菇车联的车路协同方案有两大核心组成，一是其自研的车载操作系统蘑菇OS，二是同时具备深度学习软硬件能力和边缘云-中心云协同管理能力的蘑菇AI云。

那么，我们来看下这套蘑菇OS与蘑菇AI的技术组合是如何打通从协同感知到协同决策的技术路径的。

首先，搭载蘑菇OS的智能终端被快速部署到了多个不同品牌、类型的车辆上，实现平台上所有车辆之间的通讯交互。其次，车载终端借助蘑菇OS的分布式多传感器数据融合能力，实现了对摄像头、毫米波雷达、激光雷达等传感器生成多特征数据集的融合感知，为决策环节提供了大量可被快速识别和分析的有效数据源。

在完成对车、路数据的有效感知之后，下一步就是对数据的协同计算和决策。这不仅需要路侧边缘云+中心云的边云协同计算体系支撑，还要实现整套云计算体系与车载智能终端的决策协同，后者十分重要但往往很容易被忽略。

边云协同方面，蘑菇AI云把部分计算资源部署到路侧，形成了可快速识别处理视频数据的深度学习边缘云，再利用强大的中心云实现对所有边缘云的计算任务高效分配和全方位协同管理。

至于云计算体系和车载终端决策协同的实现，则要归功于蘑菇车联从车载智能操作系统到云计算服务完全自研的技术背景，这使其充分具备从底层构建一套相互配合的云操作系统的架构能力。

据了解，目前这套车路协同方案正在全国多个地方复制应用中。

车路协同的关键技术研发和方案复制能力将成为车路协同未来大规模商用的两大核心要素，而车路协同又是未来智慧交通建设落地的必由之路，正在受到自上而下的多方积极推动。对于智慧交通生态链上的科技企业来说，以自主可控、可复制式落地的车路协同方案参与到各地智慧交通长期建设中去，已成为越来越清晰的方向。