AI来袭，交通智能化“提挡加速”

“多智而近妖”。用这句古话来形容近期火爆出圈的ChatGPT，似乎恰如其分。ChatGPT不仅能够逼真模仿人类对话，还能够对用户的提示做出详细的回应，写方案、编代码、创造剧本等也不在话下。尽管究其本质，ChatGPT只是一款人工智能技术驱动的自然语言处理工具，但它在信息搜索、整合和传递效率方面远超此前同类产品的体验，比尔·盖茨盛赞其影响“不亚于互联网诞生”。如今，微软、谷歌、百度、腾讯等国内外科技巨头都纷纷布局ChatGPT，以其为代表的AIGC（AI-Generated Content，人工智能生成内容）正在全球范围内掀起新一轮的人工智能商业化浪潮。

“过去一年，无论是技术层面还是商业应用层面，人工智能都有了方向性的改变。”1月10日，百度创始人、董事长兼CEO李彦宏在百度Create AI开发者大会上表示，“技术层面，AI从理解内容，走向了自动生成内容，这包括AIGC用于作画、图文、视频等多类型的内容创作。商业应用层面的改变，最具代表性的是自动驾驶。”

最大变量

“以人工智能为核心驱动力的自动驾驶技术逐渐成为交通行业最大的变革因素。”清华大学讲席教授、清华大学智能产业研究院（AIR）院长张亚勤在接受《经济》杂志、经济网记者采访时表示，智能交通体系即将迎来以自动驾驶为核心驱动技术的“智能交通物联网”时代，亿万级的“移动机器人”即将接入一个空前宏大网络之中，由此带来的智能化产业机遇将超越以往。通过人工智能与物联网技术，人、车、路、云之间都可以实现有效连接，并进行配合与协作，人、车、路和云之间可以开展差异化、多层次协同，实现更精准的感知和更合理的决策控制，提高自动驾驶综合能力和水平；同时，路端和云端可以汇集人、车、路、云的多源信息并进行综合处理分析，从顶层和全局视角处理解决交通环境中的复杂性和不确定性问题，从而提高资源配置效率，实现资源优化，支持实现智能交通安全、高效、绿色发展目标。

具体而言，张亚勤认为，人工智能首先为自动驾驶落地带来了比传统计算机视觉方法更强的环境感知、自主导航和信息融合能力，也为发展具有自主学习能力的行为决策、路径规划与车体纵横向控制系统，带来了新的研发思路与手段。人工智能还开辟了深度强化学习的战场，让无人驾驶汽车也有自主学习能力，使其处理紧急事故的全态势感知与决策能力提升。此外，在交通信控领域，人工智能技术可以帮助实时分析道路交通流量、自动调整红绿灯间隔、缩短车辆等待时间，提升道路运行效率。例如，以区域信号控制为抓手，引导形成车-路、路-路合作式博弈，理论上可以消除行车安全和交通拥堵隐患，实现全局系统最优目标，提升交通效率和安全。

就自动驾驶本身技术的突破而言，“目前仍有一个亟待解决的问题，即如何提升模型感知的鲁棒性和可泛化性”。张亚勤表示，自动驾驶是一个十分复杂的系统问题，涉及感知、认知、规划、决策与执行等诸多环节，需要在极短时间内做出可执行的正确决策。自动驾驶几乎涵盖了所有从过去的算法到现在的深度学习算法，包括点云数据压缩、目标检测、场景补全、仿真模拟生成极端场景、SLAM定位、全景分割、多模态信息融合和模型压缩，等等。尽管自动驾驶已经涉及了大量前沿的AI算法，但由于现实场景复杂，总存在一系列的Corner Case（边缘场景），而一旦出现Corner Case将会导致事故的发生。

卡耐基梅隆大学Argo Lab人工智能无人驾驶研究中心首席科学家约翰·多兰曾在一次媒体采访时表示，从技术角度看，自动驾驶的底层架构和大部分技术问题已经被解决，剩下5%的Corner Case逐渐成为制约自动驾驶发展的关键。这些Corner Case带来的“长尾问题”包括各种零碎的场景、极端的情况和无法预测的人类行为，在算法、传感器、计算平台和法规的不同层面上，成为自动驾驶难以攻克的艰深课题。

“这就要求自动驾驶不仅需要利用各类前沿的AI算法，同时还需要结合多传感器的互补性，包括激光雷达的精密性、摄像头丰富的色彩和语义信息、毫米波雷达的距离信息等优势，从而提高整体系统的可泛化性和安全冗余性。”张亚勤说。

绿色出行

随着城市人口数量日渐庞大，机动车保有量与机动车出行量也随之增长，交通拥堵问题逐渐成为制约城市经济发展的“瓶颈”，影响着城市的运营效率和居民的出行体验。中国交通部发表的数据显示，每年因交通拥堵带来的经济损失占城市人口可支配收入的20％，相当于每年GDP损失5％-8％。此外，车行缓、车速慢、通勤时间长还会增加碳排放量，影响碳中和与碳达峰目标任务的达成。清华大学互联网产业研究院、协鑫能科联合发布的《2022城市零碳交通白皮书》认为，交通领域碳排放约占全球碳排放总量的1/4，而在我国，交通领域碳排放约占碳排放总量的10%，其中城市公路交通是碳排放的主要来源。我国交通运输行业碳排放将于2030年前后达峰。

“在‘3060’双碳目标下，推进中国交通零碳目标的实现将以道路交通为重点。汽车的电动化、自动驾驶化、共享化以及人、车、路的高效协同将是推动减碳的关键因素。”嘀嗒出行CEO&创始人宋中杰表示，面对城市交通的车路矛盾和出行潮汐现象，嘀嗒出行始终坚持科技赋能和模式创新，让出行生态系统更加高效和环保，让出行体验更加温暖和愉悦。在顺风车领域，嘀嗒出行在不增加现有道路运力的前提下，合理有效调配已有社会车辆，为公众共享出行提供有效的交通解决方案，不断推动出行供给侧改革。在巡游出租车领域，早在2017年，嘀嗒出行就已对其实现单纯“网约化”，即将线下扬召订单线上化。2019年，嘀嗒出行开始与各城市巡游出租车行业共同推进以“数字智能化、网约化、线上线下一体化”为核心的出租车三化工程，从数字交通管理、出租车服务内生机制、行业效率三个维度，对传统出租车产业进行深度赋能。公开资料显示，截至目前，嘀嗒出租车三化工程签约城市总数已超过60个。“出租车智慧出行”小程序、出租车“智慧码”以及凤凰云平台等产品的落地，不仅有效提升了巡游出租车行业的管理效能、服务水平和乘客体验，还对行业的扬召场景数字化、管理可视化、监管精准化等方面进行了创新，促进全产业链条的数字化转型升级。

近年来，北京、重庆、广州等多个城市居民都率先体验到了“绿灯自由”的出行。所谓“绿灯自由”，指的是路口经过智能改造，能够根据实时的交通运行数据，自动调整路口红绿灯时长，从而均衡响应各个方向的交通需求。不少路口甚至形成了一条条完整的“绿波带”，车辆实际行驶时可以不停车一次通行。据百度IDG车路协同开放平台首席架构师杨凡介绍，百度ACE智慧交管解决方案正是在交通新基建的背景下，顺应了交通向数字化“信息与数字”、网联化“网联与控制”、自动化“无人与一体化”的发展需要。百度将交管部门掌握的红绿灯灯态信息、绿波车速、违停预警等信息精准推送至智能终端，实现交通管理者与出行者信息实时互通；还可以基于百度地图APP为出行者快速规划最优路径，根据车辆实时位置，利用百度独有的动态绿波优化算法，实时动态调整路口信号配时，实现特种车辆的畅通高效通行，极大提升了居民驾车出行的效率。

以在亦庄设立的北京市高级别自动驾驶示范区为例，随着示范区建设不断深入，示范区内的道路变得越来越“聪明”。“目前，该示范区已完成了1.0和2.0阶段的建设任务，示范区内支持全量高精度车路协同感知应用的路口数量达到329个，双向750公里城市道路和10公里高速公路实现了车路云一体化功能覆盖，能够与示范区内数百台L4自动驾驶出租车进行数据闭环交互。”张亚勤这样介绍道。统计数据显示，该示范区已实现单点自适应路口车均延误率下降30%，车辆排队长度下降30.3%，绿灯浪费时间下降18.33%，4条双线干线绿波道路车均延误减少16%以上，让出行方式变得更经济、更环保。

多路出击

《面向自动驾驶的车路协同关键技术与展望2.0》显示，如今，自动驾驶已经逐渐从技术研究和测试验证阶段演进至产品落地阶段。综合来看，当前配备先进辅助驾驶系统功能（Advanced Driver Assistance System，ADAS）的L2辅助驾驶车辆仍然是市场主力，正处在加速量产阶段，但市场渗透率和应用规模仍需要进一步扩大；L3、L4及以上高等级自动驾驶仍以测试验证和区域性示范为主，部分企业无人驾驶开始进入小规模全无人开放运营阶段。

L2等级的自动驾驶车辆是现阶段自动驾驶落地的核心。截至2022年6月的统计数据显示，全国1月—6月累计乘用车销量1035.5万辆，其中L2及以上等级智能网联汽车销量187.3万辆，渗透率达到20.2%；全国1月—6月累计新能源乘用车销量260.0万辆，其中L2及以上等级新能源智能网联汽车销量112.3万辆，渗透率高达43.2%。

在高等级自动驾驶方面，“其应用场景快速拓展，在部分地区和限定场景实现了一定规模的商业化运营服务。”杨凡说。例如，“2022年2月，百度自动驾驶出行服务平台‘萝卜快跑’正式面向深圳市民提供自动驾驶示范应用出行服务，但仍然需要克服技术、基础设施、法规等一系列挑战才可以完成城市级全域商业化落地。”张亚勤进一步解释道。

在杨凡看来，随着自动驾驶的深入发展，车路协同自动驾驶技术路线也逐渐成为行业共识，可以解决交通环境秩序化和最优化问题。具体而言，该路线能够支持开展更加复杂、更深层次、更大范围、更加多样的车路协同应用服务，满足跨行业、跨领域、跨地域交通出行需求，解决区域级移动多接入、多层次互操作和协同、大规模高密度实时控制、高可靠低时延计算决策等协同控制等一系列关键问题，实现从个体最优向群体智能最优化和全局智能最优化发展，这是对智能交通本质性的变革和突破。

“车路协同自动驾驶规模商业化落地是一个循序渐进，由局部到整体、从量变到质变逐渐发展的过程。”张亚勤表示，车路协同自动驾驶技术路线落地，不仅需要实现VICAD系统、车路高效通信、云控平台等关键技术突破，还需要智能车辆的渗透率和智能道路覆盖率需要达到一定水平。

“汽车作为交通系统中最大的主体，其智能化和数字化的普及度还不够。”国汽智控CEO尚进表示，由于单车智能覆盖成本高昂，目前市面上30万元-40万元及以上的汽车智能化程度比较高，但还有大量保有量及每年10万元及以下的新车亟需实现和加入车辆智能化的进程。

“加强高等级智能道路的建设，将是未来实现人、车、路协同发展的核心关注点。”杨凡认为，现阶段发展车路协同自动驾驶的首要任务仍然是加强“路”的智能化。在现阶段人、车、路协同发展中，在车端，具备了智能化和网联化大规模应用的前提条件；在云端，基于我国在互联网、移动互联网等方面的优势，也已经能够为车主提供多样化的应用服务；在路端，需要车路协同基础设施提供高可靠、低时延、高精度连续服务，但现有的道路条件和基础设施还远不能满足要求。

对此，张亚勤认为，“道路智能化与驾驶智能化发展不够协同，需要建设高等级智能化道路，服务于车路协同自动驾驶、智能交通管理和智慧城市建设”。目前国内部分城市和高速公路已经规划建设了一批自动驾驶封闭测试场、开放测试道路，但这些都还处在小范围测试验证和应用示范阶段，道路的感知定位、车路信息交互等方面的能力还难以满足高等级自动驾驶对数据精度、数据质量的要求。“不同等级的自动驾驶车辆要实现规模商业化发展，对道路的能力具有不同的要求，其中L2及以下等级车辆驾驶和责任主体是驾驶员，道路所需的能力以感知为主，而L3、L4高等级的车辆要想实现规模商业化，则需要较高能力的智能道路。”

“推进智能化道路建设，要回归到自动驾驶自身的技术架构或产品架构中去探寻可落地的车路云一体化，通过实际的产品引导道路的改造。”尚进认为，如果不切实际地在路侧端部署传感器、计算单元等，提升道路信息化水平，成本太高了。不算施工，仅部署这些设备就可能耗费上百万元了。

对于推进自动驾驶商业化落地，多位受访对象表示，我国具有强大的体制机制、战略政策、产业生态和技术领先优势，可以统筹规划、分级推进高等级智能道路在先行城市和高速公路的建设部署，探索车路协同公交专用道、车路协同自动驾驶专用道等一系列商业化运营新模式，形成可推广、可复制的实践经验和成熟方案。