GIV2022|商汤武伟： 商汤绝影车路协同助力双智城市新发展

2022年12月16日-17日，由安徽省发展和改革委员会作为指导单位，合肥市人民政府、中国电动汽车百人会联合主办的“2022全球智能汽车产业峰会”在安徽合肥召开。本届论坛围绕“全球新变局与智能汽车发展新战略”主题，共设置5个主题论坛和2场闭门会议，与行业机构、高校院所和领先企业代表共同探索我国智能汽车发展新路径。

(资料图片)

其中，在12月16日举办的“双智论坛”上，商汤绝影车路协同总经理武伟发表精彩致辞。以下内容为现场演讲实录：

大家好，我给大家介绍一下商汤绝影在车路协同领域最新的进展，还有我们落地的一些应用场景。

双智就是国家现在有非常明确的政策导向，为车城协同的发展产业升级带来很大的机遇，目前已经有十几个双智城市。在这个维度上来思考的话，我们首先要想清楚在双智车城协同方面它的技术架构是什么样子的，从商汤科技的角度来说的话，我们把车城网、双智城市架构分成了四层。

第一层是智能化的基础设施，包括车载的一些边缘的硬件，包括以前的一些智慧灯杆，还有一些设备都包含在了基础的设施方面。第二层是信息网络的多网融合进行数据的汇聚。第三层是新型网络设施，这也是我们商汤主要发力的方向。第四层是智慧城市+智慧网联汽车的应用层，我们希望从应用层拉通，把这些技术串联上。总的来说，我们希望通过四层的技术架构，能够实现车城的融合发展，能够开启车城智联AI与产业的融合，重构数据的价值等等。

在我们理念之下，我们要构建这样的双智城市车路协同，主打的方案叫软件定义车路协同。我们的认知是在以往传统的交通建设里面，已经有了很多的硬件基础设施，包括路侧的这些边缘的MCU也好，其实更新换代的技术还是非常的快，如果政府重复的去投资建设的话，经费还是非常高的，所以我们希望通过软件定义的方式拉通车路协同的软件模块，能够让里面的软件快速的升级。

这个就有点类似于一些行业顶尖车企，在自己自动驾驶的单车上是采用了这样一个影子模式，来持续的进行模型的迭代升级，我们也是通过希望把车路协同做成这样一个软件的系统，能够在云上进行拉通，能够持续的对路侧和云侧的模型进行升级，把它的能力，不管是算法仓的种类，还是已有算法的精度持续的提升。

如果要体现软件定义车路协同的话，我们希望来实现按需定义和持续运营的模式。基于这样的理念我们构建了车路协同整体的产品矩阵，包括L4自动驾驶接驳的小巴，自动驾驶清扫车，在路侧我们也是主要通过了重AI计算的路侧计算单元，在云侧构建了智算和云控平台来进行持续模型的迭代升级。

有了这样的基础设施和算法的框架以后，其实我们是希望做到的这样车城一体化的数字底座。我们觉得双智是智能汽车和智慧城市。以往突出的比较多的是城市建了很多基础设施，最终为智能汽车所用，为智能汽车所赋能，但是每天路上也跑了很多智能汽车，现在每个汽车都有很多的传感器，所以在一定的程度上来讲，汽车是城市摄像头很大维度的补充。

这些碎片化的城市信息是以往智慧城市建设立杆固定摄像头所无法覆盖的感知范围，所以我们就希望通过智能汽车和智慧城市互为基础设施的理念，拉通双方的感知源，相互去赋能。

从这个角度来说的话，我们就构建了这样一个从车的一些体验到路云的基础设施去赋能智能汽车，移动的感知源又能赋能到双智城市的建设，这样一套思路和框架。

另外一个需要解决的事情就是双智城市或者车路协同的平台。云平台也不能独立于以往智慧城市的建设而独立存在，以往可能是智慧城市政府已经建了平台的系统，包括在交警、交管也有6+1平台等等，所以你怎么样能够无感的嵌入进去，能够让双智的应用打通，能为他们产生业务的价值。在这个里面我们就把它整体的云控平台，以及我们的AI中台，和整体的数字孪生服务等等都做了一些跟智慧城市已有系统的打通和设计。

下面就看几个我们通过这样的技术体系所做到的车城网相关的应用，第一个例子就是看我们的智能汽车怎么样为智慧城市所赋能的，还是比较之前固定摄像头的建设，和现在利用移动视频源的差别，就是以往其实在智慧城市的领域，它有很多的应用都没有被覆盖，打个比方就是道路的养护，还有环卫等等，其实是很难以固定摄像头来覆盖的，因为固定摄像头可能感知的距离只有50米到100米，而且他立杆的成本也非常高，所以政府无法承担这样大的预算，它也没有办法做到全覆盖。但是我们现在就想了一个办法，我们做了一个轻量化的传感设备，把它装在了公交车上，而公交车一般来说路线设计都是能进行城市的全覆盖，其实我们用这种边缘计算的方式，把这些感知源道路进行全覆盖来发现如一些道路病害的事件，把它拉通到云平台进行汇聚，最后再推送到各个局来产生很多的价值，目前已经覆盖了很多行业的应用，孵化了20个以上应用场景，和80个以上场景事件。并且轻量化的边缘设备是非常便宜的，可能只要2000块钱左右，对比以前立杆就是10万块钱下降了90%以上，但是覆盖面非常大，每天一辆车可以跑500公里，其实对于固定摄像头只能开50米，其实是有非常大的可视化面积的提升。

在另外一个车城网相关的应用就是跟智慧出行服务相关的应用场景，我们在做的自动驾驶的接驳小巴目前在沣西已经实现了常态化的运营线路，达到32公里，这个在公交的线路上已经算比较长的线路了，每天都是常态化的运营，包括在上海的临港等等也都进入了常态化的小巴的接驳，目前已经获得了18张牌照，累计运行达到了27万公里，我们在上海临港还实现了红绿灯推送上车等等相关的车路协同的应用。

另外一个就是车城网相关，我们也希望让车路协同成为下一代的智慧交通，所以我们也在构建，这个是在某个一线城市构建了数字孪生的路口提升交通效率，以及我们希望通过车路协同路侧和云侧拉通实现路侧信息的云端的汇聚。

我们现在还在研究一个事情，就是以往智能汽车也分级，道路现在我们也需要分级，车侧其实它在遇到一些传感器失灵时，有时也会进行降级策略，比如说L4到L2的降级策略，我们现在也在研究，因为路侧风吹日晒不能保证它不出错，在你出错的时候怎样让高阶路口降到低阶路口，车是怎么反应，这个也是我们研究的内容，就是路侧设施的分级和降阶策略。

最后我们再看两个案例，一个是在广州跟广州羊城通做的项目，就是在广州巴士集团部分公交车辆上装了我们的车路协同感知设备，实现对于龟裂、块状补修这些相应的道路病害的识别，同时也实现了相关城市运营管理的识别。它比较好的一点，就是我通过云平台就可以把这些算法更新上去，我不需要这些算法就是完备的，它其实可以越用越聪明。

另外一个就是跟我们车路协同，车和路相关的案例。我们在上海临港构建了行业领先的“车-路-云-网-图”全栈技术车路协同系统。在滴水湖片区，明年将实现全无人自动驾驶L4的接驳车，在滴水湖片区的观光路上，通过车路协同的方式确保它的功能和运营安全。

（注：本文根据现场速记整理，未经演讲嘉宾审阅）

关键词：