来源：机器学习研究组订阅号

/ 导读 /

无人驾驶是车辆作为运载工具智能化、网联化发展的核心应用功能，也是车联网、智慧交通产业发展的核心应用服务。网联无人驾驶则是在车辆智能化基础上，通过车联网实现车与车、车与路等的互联和信息交互，进行协同感知并帮助车辆进行决策和控制，加速无人驾驶应用成熟。

当前我国在车联网技术创新、应用实践和产业生态构建等方面均取得了积极进展，中国信息通信研究院副院长王志勤认为，这将有利于探索实现一条网联支持无人驾驶的融合创新发展路径。我国应抓住难得的历史发展机遇，坚定推动网联无人驾驶发展路径，政府、行业、企业多方协同，积极构建产业发展环境，推进无人驾驶技术和产业成熟，带动和影响形成全球广泛认同。

 核心观点 

网联深度支撑无人驾驶面临哪些挑战？

1. 网联基础设施建设挑战。实现网联无人驾驶，需要路侧感知设备、通信单元和计算平台等基础设施的配套支持，但是目前适用于无人驾驶的基础设施建设规划尚未明晰，数据互通壁垒掣肘产业生态培育。

2. 技术融合创新的挑战。网联深度协同的技术体系仍需完善，车辆如何信任路侧采集、发布的信息进行无人驾驶决策，且需要路侧基础设施建立起相应的功能安全等级、预期功能安全等概念。

3. 商业化运营的挑战。网联无人驾驶的商业化运营模式仍处于设计探索阶段，配套政策法规亟待完善。

网联支持无人驾驶融合发展的建议：

1. 积极构建产业和应用发展环境，协同推进网联无人驾驶成熟。相关政府部门共同出台顶层规划；把握好共性关键技术的协同攻关；全面部署通信网络基础设施，打造网联无人驾驶的基础支撑环境；加强法律法规和机制体制建设。

2. 在网联无人驾驶部署实施过程中，要把握住分阶段、分步骤、分场景等推进原则。分阶段推动智能道路基础设施的新建和升级；分步骤推进网联无人驾驶的测试验证与应用示范；分场景开展网联无人驾驶的应用示范，先试先行探索建设和运营模式成熟。

网联无人驾驶的典型应用场景和需求

无人驾驶是车辆作为运载工具智能化、网联化发展的核心应用功能，也是车联网、智慧交通产业发展的核心应用服务。在技术实现路线上，存在着单车智能无人驾驶和网联无人驾驶两种不同的解决方案。单车智能无人驾驶主要依靠车辆自身的视觉、毫米波雷达、激光雷达等传感器进行环境感知、计算决策和控制执行。网联无人驾驶则是在车辆智能化基础上，通过车联网实现车与车、车与路等的互联和信息交互，进行协同感知并帮助车辆进行决策和控制，加速无人驾驶应用成熟。

在单车智能无人驾驶方面，美国的谷歌Waymo、特斯拉和通用Cruise等已经开展了大量的测试，相应如Autopilot 自动辅助驾驶功能已经量产上映，并且逐步在加州凤凰城等试验载人无人驾驶出租车功能。我国汽车厂商上汽、长安一汽等逐步推动部分自动驾驶功能量产，如长安正式发布了中国首个量产L3级自动驾驶系统，并在重庆量产体验；互联网公司百度、滴滴等也在上海、长沙、广州等示范区和先导区开展高等级自动驾驶测试。

但是从美国加州的自动驾驶脱离接管报告《Autonomous Vehicle Disengagement Reports》和我国的《北京市自动驾驶车辆道路测试报告(2019年)》来看，还存在很多脱离接管的情况，一方面是车辆自身感知等能力仍存在的问题，如恶劣天气影响、其他交通参与者的意外行为、违章变道超车、车辆切入、无保护左转、交叉路口通行、违章侵占车道等；另一方面是与社会车辆的博弈、对复杂场景的理解等一些应急情况处理的能力。

网联无人驾驶旨在拓展和助力单车智能无人驾驶在环境感知、计算决策和控制执行等方面的能力升级。在环境感知环节进行协同，支持车辆获得比单车智能感知更多的信息，例如解决非视距感知或容易受恶劣环境影响等情况；在计算决策环节进行协同，增强车与车、车与路之间的系统性决策，例如解决车辆优先级管理、交通路口优化控制等情况；在控制执行环节进行协同，对车辆驾驶行为进行干预，例如解决车辆远程遥控脱困等情况。

（一） 环境感知的挑战及协同需求

基于单车智能的无人驾驶解决方案，视觉传感器、激光雷达、毫米波雷达以及红外夜视、超声波等传感器是系统的主要组成。然而，各类传感器的可靠性，以及对突发事件的响应能力上仍然存在不足，影响到无人驾驶系统的环境感知能力，例如容易受到遮挡、恶劣天气等环境条件影响等。

网联化通过车路协同、车车协同，能够极大地拓展单车的感知范围，并且不受遮挡限制，能够让单车提早发现未知状况，从而应对突然目标驶入等目前在无人驾驶测试和事故中难以应对的状况。

以十字交叉路口为例，车辆对外广播自身身份、定位、运行状态、轨迹等基本安全消息，通过车辆与车辆之间的通信，交叉路口其他方向来车通过接收信息进行行驶决策；红绿灯等交通基础设施联网，通过红绿灯与车辆之间的通信，车辆就可以实时准确的知道红绿灯等交通设施的信息。再如隧道、停车场等封闭场所的定位，配合路侧通信设备、边缘计算服务器等的支持，可以拓展隧道、停车场等内外信息，避免进出隧道和停车场瞬间出现的视觉感知差异情况。

（二） 计算决策的挑战及网联协同需求

计算决策主要实现的功能可以分为两类，一是对环境感知数据进行目标识别，深度神经网络是目前在感知中使用最多的方式，也是目前对无人驾驶系统算力消耗需求最大的任务；二是针对感知的结果以及车辆的行驶任务，给出行驶路线、车辆动作的决策规划。

在硬件上，计算决策主要承载在基于CPU、GPU、DSP、AI芯片、MCU等多核异构分布的计算处理平台上。算力和功耗之间的矛盾是目前单车智能无人驾驶计算处理平台遇到的重要瓶颈。同时，由于交通行为更多是众多参与者之间互相“博弈”，在路径动作的决策规划环节，单车智能无人驾驶难以给出最佳的解决方案。

网联化有望分担单车的算力消耗。一是网联化作为“超级传感器”能够直接给出感知的目标结果，省去了复杂的对传感器信号的计算分析过程，如红绿灯的判断，从而大大减轻了单车的算力需求；二是能够借助云计算、边缘计算等能力，有望将路侧的算力引入，例如在路侧安装视觉、激光等传感器，将路侧感知结果进行下发，从而降低单车系统的计算功耗。

在驾驶策略方面，网联化能够直接给出关键结果状态信息，例如周边车辆的下一步动作意图、当前路况下最佳的行驶路线等，减少了复杂的计算处理过程，并且能够准确地了解周围交通参与者的意图。此外，在特定场景下，网联化能够集中采集其范围内的交通参与主体，根据所有主体的目的和状态，给出全局最优的解决方案，无需再通过“试探”和“博弈”给出决策规划。

（三） 控制执行的挑战及网联协同需求

单车无人驾驶的控制执行主要根据计算决策给出的动作命令，通过车辆的动力学模型和人机交互界面，给到电机、油门、刹车等执行机构以及车载屏幕、方向盘、音响等人机交互设备。在控制执行方面，考虑无人驾驶系统和人类驾驶之间的协同处理以及车辆控制的可靠性、安全性，控制系统的冗余备份、高实时响应是主要的技术需求。

网联化在控制执行方面能够提供远程遥控驾驶、协同驾驶的应用模式。例如远程遥控驾驶，在5G网络的支持下，可以实时获取车辆的行驶状态和周边交通环境信息，通过发送指令控制远在几十、甚至几百公里之外的车辆，完成启动、加减速、转向等真实驾驶操作，可以应用于危险品以及矿区运输，也可以满足无人驾驶失效情况下人工远程介入的需求。

美国卡特彼勒的综合性管理监控系统（MINESTAR）、日本小松的综合性矿山车队管理系统（AHS）等已实现无人采矿方案的商业部署。再如车辆编队行驶，利用5G通信的低时延、高可靠能力，同方向行驶的一队车辆通过相互间的直接通信而实现互联，车队尾部的车辆可以在最短时间内接收到头车的驾驶策略，进行同步加速、刹车等操作。此外，网联化能够将车辆的控制和执行进行分离，在应用创新和产业孵化上能够有所帮助。