车路协同：路端设备为自动驾驶开启“上帝视角”

自动驾驶发展到如今的阶段，各种极端的情况、各种零碎无规律的场景，以及各种无法预测的人类行为，都是挡在自动驾驶发展道路上的拦路虎。

要应对这些复杂路况，遍布道路的车路协同的路端设备能够以“上帝视角”实时获取路况信息：激光雷达负责物体三维坐标的探测，配合上毫米波雷达、摄像头和5G传输设备，从而能够实现局部高精度地图的实时绘制和路况的实时动态跟踪。

当这种以“上帝视角”采集到的信息与车端进行交流后，车端除了一如既往地通过多种传感器来进行环境的感知和数据的融合外，还能无延迟地实时接受路端提供的信息。

随着路端将交通参与者的位置、速度、轨迹等信息不停地发送给车端，也就相当于让车本身拥有了一个无死角、无限远的全域感知，从而能够提前了解到路上的实际情况并进行及时的响应，不会再出现开进死胡同、撞到障碍物等情况发生。

因此，在车辆的行驶中，不管是预测准确率，还是复杂场景的通行效率都可以得到提升。可以说，车路协同的本质是让车站的更高、看得更远了。

当然，这种站得高并非只是物理位置的“高”，还是统筹全局的“高”：当系统发现前方道路在施工或发生变化时，就可以及时指挥车辆进行调整路线，实现交通优化。

据有关数据计算显示，基于车路协调，道路的拥堵情况在道路上无人驾驶车辆和有人驾驶车辆同时存在的情况下就能降低30%~40%，如果全是无人驾驶甚至可以基本解决道路拥堵问题。

在无人驾驶中，系统对数据的收集效率和收集质量是解决应用落地最为重要的因素：只有收集到庞大和高质量数据来进行分析和学习，才更使系统更精准地进行优化。

然而，在单车智能方案中，以Waymo为例，虽然背靠着谷歌这个大靠山，在投入了巨额的资金，十年的时间里才积累了3500万公里的真实路测数据，迟迟不能实现应用和落地。

这实际上是单车智能方案的共性问题：缓慢的数据收集能力最终导致了方案落地的缓慢。

比如，在2021年5月，面对着一个人类驾驶员很容易处理的情况，Waymo自动驾驶汽车却陷入了三角锥难题，以一己之力，连续数次堵住道路。出现这种情况的根本问题就是它从来没有遇到过这种情况，也从来没有解决这种情况的方案。

与此相对的则是车路协同方案在数据收集能力上的颠覆性的突破：除了收集车上的数据以外，还会以路为单位进行收集；除了收集无人车辆的行驶数据，还收集人类驾驶员的数据，无论是量上还是质上，都是飞跃性突破，全视角、可连续地真实记录周围发生的一切，将道路情况及时传输给支持车路协同的智能汽车，让其根据实时道路情况作出正确的预判，可以最大限度地避免发生交通事故。