在当今科技飞速发展的时代，交通领域正经历着一场深刻的变革。从传统的交通模式到智能交通系统的逐步演进，车路协同技术的出现为交通的安全性和效率提升带来了新的契机。然而，随着人工智能、算力与数据的爆发式发展，车路云一体化应运而生，成为了推动交通领域迈向更高层次智能化的关键力量。最近蘑菇车联创始人朱磊提出“车路云网络是下一代‘通感算’网络的起步和雏形，核心功能是通过实现实体世界实时数字化，为多种智能体服务”。

一、车路协同的发展历程与现状

1、车路协同的历史演进

1. 20 世纪 50 年代末，通用汽车在新泽西州打造了一条埋入大量通信设备的概念高速公路，这一举措为车路协同技术的发展埋下了种子。

2. 1990 年代，日本将智能交通系统确立为国家项目，进一步推动了车路协同技术在全球范围内的研究与发展。

3. 2006 年，欧盟开启车路合作系统（CVIS）项目，为车路协同技术的实践提供了更多的经验和参考。

4. 2010 年，美国提出智能驾驶（IntelliDrive）战略，强调车路协同在智能交通中的重要地位。

5. 2011 年，中国科技部在 863 计划中设立智能车路关键技术研究项目，标志着我国正式加入车路协同技术的研发行列。

二、车路协同的定义与衡量标准

1. 车路协同是基于车联网实现人车路协同控制的智能交通系统。通过车与车（V2V）、车与路（V2I）、车与网络（V2N）和车与人（V2P）之间的全方位协同配合，满足不同等级自动驾驶车辆应用需求，实现自动驾驶单车最优化和交通全局最优化发展目标。

2. 衡量标准包括信息化水平、智能化水平、协同化水平、集成化水平以及应用场景等方面。信息化水平要求能够全方位实现车-车、车-路实时动态信息交互，并将交通信息保存至数据库中，为决策和控制提供信息辅助。智能化水平则基于交通环境信息，通过多学科交叉融合，实现预期的车辆自动驾驶功能目标。协同化水平强调在全时空动态交通信息采集与融合的基础上实现车辆的自动驾驶功能，体现“人-车-路”的有效协同。集成化水平以实现车辆自动驾驶为目的，将智能网联道路系统与智能网联汽车的相关软硬件设备和具体功能进行集成设计。应用场景包括时间、空间和环境，以及混合交通、主动安全系统等。

3、车路协同技术的发展经历了多个阶段。在过去，车路协同主要通过采用先进的无线通信和新一代互联网等技术，实现车车、车路动态实时信息交互，并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理。其核心目标是实现人、车、路的有效协同，以保证交通安全，提高通行效率，并形成安全、高效和环保的道路交通系统。

三、车路协同的现状与挑战

当前，车路协同技术在全球范围内得到了广泛的应用和推广。各国纷纷加大对车路协同技术的研发投入，建设智能交通示范区，推动车路协同技术的落地。然而，车路协同技术在发展过程中也面临着一些挑战。例如，车路协同涉及多个端口的协同部署和决策，技术难度较大。此外，车路协同对于车载操作系统的稳定性、低时延、适配性和兼容性要求较高，数据融合层面也存在一定的难度。同时，道路基础设施的智能化改造需要政府的支持，通信网络环境的升级也需要解决不同网络之间的平滑切换问题。

四、从车路协同到车路云网络的技术变革

感知层面的变化

1. 路侧和车端数据来源

在车路协同阶段，路侧数据主要来源于传统的交通设施，如信号灯、摄像头等，车端数据则主要来自车载传感器，如雷达、摄像头等。这些数据来源相对单一，且数据量有限，难以满足复杂交通场景下的感知需求。

而在车路云一体化阶段，路侧数据来源更加丰富多样，除了传统交通设施外，还包括智能路侧单元（RSU）、边缘云计算设备等。车端数据也不仅限于车载传感器，还可以通过车路云网络实时获取路侧和云端的数据，实现多源数据融合。蘑菇车联在感知层面先行一步，通过其车路云一体化系统，实现了路侧和车端数据的高效融合，为智能交通提供了更加准确、全面的感知数据。

2. 数据融合

车路协同阶段的数据融合主要在车端进行，通过少量车载传感器的数据融合来实现车辆的感知和决策。但这种方式难以处理大量的、来自不同来源的数据，且融合效果有限。

在车路云一体化阶段，数据融合在路侧和云端也得到了广泛应用。通过智能路侧系统和通信平台，将路侧和车端的数据进行多级信息融合，实现更高层次的综合决策。不同来源的数据特征差异极大，这就要求车载操作系统在数据级、特征级和决策级进行多级信息融合，以提高感知的准确性和可靠性。

计算层面的变化

1. 算力提升

车路协同阶段，车辆的计算主要依赖车载计算设备，算力有限。而在车路云一体化阶段，通过边缘云计算和中心云计算的协同，将大量的计算任务分配到路侧和云端，大大提升了算力。同时，随着人工智能技术的发展，车路云网络部署了“端到端”的 AI 大模型，进一步提高了计算效率和准确性。

2. 算法- 模型变化

（1）从Rule-base 到神经网络

在车路协同阶段，自动驾驶主要采用 Rule-base 方案，即人为规定的规则式驱动。这种方式需要人类工程师编写大量的代码来覆盖各种驾驶场景，但对于不常见的边角情况（corner case）往往难以应对，且难以实现平滑的驾驶效果。

而在车路云一体化阶段，借鉴 ChatGPT 的 Transformer 架构的 AI 大模型被广泛应用。这种模型通过学习人类驾驶员的训练素材，实现路径规划。神经网络直接从输入端（包括摄像头的感知数据、车身的数据等）接收数据，经过 AI 大模型推演后，直接输出到电门、刹车、方向盘，实现了端到端的决策，提高了自动驾驶的性能和适应性。

（2）深度学习网络变化

深度学习网络在车路云一体化阶段得到了进一步的发展和应用。通过大量的数据训练，深度学习网络能够自动学习交通场景中的特征和规律，提高感知和决策的准确性。同时，深度学习网络的不断优化和改进，也为车路云一体化系统的性能提升提供了技术支持。

通讯层面的变化

1.在车路协同阶段，通讯主要依赖V2X专网，虽然能够实现一定程度的车车、车路信息交互，但存在覆盖范围有限、成本高等问题。而在车路云一体化阶段，V2X 和 5G - A 技术的发展，为车路云网络提供了更加高效、可靠的通讯手段。V2X 技术能够实现车与车、车与路、车与网络、车与人之间的全方位协同配合，5G - A 技术则提供了低时延、高带宽、高稳定的通讯环境，保障了车端与路侧端的信息实时交互。

2、车路云一体化系统对通讯时延的要求极高，因为在真实交通场景下，车辆需要在低时延、高可靠的前提下，完成对海量高并发数据的实时计算处理，保证任务调度效率。5G - A 技术的低时延特点，使得车路云网络能够满足这一要求，提高了交通系统的安全性和效率。

五、构建车路云“通感算”网络的意义

1.实现实体世界实时数字化

车路云网络本质是 “通感算” 网络，实现了实体世界实时数字化。这意味着通过车路云一体化系统，能够将现实世界中的交通场景、车辆状态、道路状况等信息实时转化为数字信号，并进行高效处理和分析。这种实时数字化的能力为交通管理、车辆控制和出行服务提供了全新的视角和手段。

2.为智能交通提供精准决策依据

（1）实时数据采集与分析

“通感算” 网络能够实现对交通环境的全方位感知，包括车辆位置、速度、行驶方向，道路拥堵情况、信号灯状态等。通过大量的传感器和数据采集设备，将这些信息实时传输到云端进行分析处理。利用先进的数据分析算法和人工智能技术，可以快速准确地识别交通问题，预测交通流量变化，为交通管理部门提供科学的决策依据。例如，当某一路段出现交通拥堵时，系统可以立即检测到并分析拥堵原因，如事故、施工或流量过大等。根据分析结果，交通管理部门可以及时采取措施，如调整信号灯时间、发布交通诱导信息、派遣交警疏导交通等，以缓解拥堵状况，提高道路通行效率。

（2）优化交通信号控制

传统的交通信号控制主要依靠固定的时间周期和预设的方案，难以适应动态变化的交通流量。而 “通感算” 网络可以实现交通信号的实时优化控制。通过对路口车辆流量、行人过街需求等信息的实时监测和分析，系统可以自动调整信号灯时间，实现路口的智能配时。这样可以最大限度地减少车辆等待时间，提高路口通行能力，降低交通拥堵。例如，在高峰时段，系统可以根据实时交通流量自动延长绿灯时间，让更多的车辆通过路口；在低峰时段，可以缩短信号灯周期，降低能源消耗。同时，对于行人较多的路口，系统可以优先考虑行人过街需求，确保行人安全。

（3）提升自动驾驶安全性和可靠性

对于自动驾驶车辆来说，“通感算” 网络提供了至关重要的支持。通过车路协同和车云协同，自动驾驶车辆可以实时获取周边车辆、道路和环境信息，提前做出决策和规划，避免潜在的危险。例如，当自动驾驶车辆接近路口时，系统可以提前告知车辆路口的信号灯状态、其他车辆的行驶情况等，让车辆做好减速、停车或转弯的准备。

此外，“通感算” 网络还可以实现对自动驾驶车辆的远程监控和管理。在车辆出现故障或异常情况时，系统可以及时通知相关部门进行处理，确保车辆和乘客的安全。同时，通过对大量自动驾驶车辆数据的分析，可以不断优化自动驾驶算法，提高自动驾驶的安全性和可靠性。

3.推动智能设备协同发展

（1）为多种智能设备提供服务

“通感算” 网络不仅为智能网联汽车提供服务，还可以为无人机、飞行汽车、机器人、机器狗等一系列智能体设备提供实时的数据服务。这些智能设备在不同的场景下有着广泛的应用前景，如物流配送、城市巡逻、环境监测等。通过 “通感算” 网络，它们可以实现与交通系统的协同互动，提高工作效率和服务质量。

（2）促进智能设备之间的协同合作通过共享数据和信息，智能设备可以实现任务分配、资源优化和协同决策。

4．提升城市交通智能化管理水平

    （1）交通流量监测与预测

“通感算” 网络可以实现对城市交通流量的实时监测和预测。通过分布在城市道路上的传感器和数据采集设备，系统可以获取车辆的行驶轨迹、速度、流量等信息，并进行分析处理。利用大数据和人工智能技术，可以预测未来一段时间内的交通流量变化趋势，为城市交通规划和管理提供参考。     （2）智能交通引导

“通感算”网络可以为出行者提供智能交通引导服务。通过手机 APP、车载导航等终端设备，出行者可以实时获取路况信息、交通事件、最佳行驶路线等。系统可以根据出行者的目的地和实时交通状况，根据大模型预测结果，为其提供个性化的未来数十秒到几分钟的交通引导方案，帮助出行者避开拥堵，选择最优出行路线。     （3）交通应急管理在发生交通事故、自然灾害等突发事件时，“通感算”网络可以发挥重要的应急管理作用。系统可以快速检测到事件的发生，并及时通知相关部门进行处理。通过实时传输现场图像、视频等信息，救援人员可以准确了解事件情况，制定合理的救援方案。

从车路协同到车路云一体化，这十年的变化中，感知、计算、通讯等方面的技术不断迭代，构建“通感算”网络成为了实现技术升级的关键。车路云一体化通过实现实体世界实时数字化，为智能交通提供了精准的决策依据，推动了智能设备的协同发展，提升了城市交通智能化管理水平，在大国科技竞争中扮演着重要角色。蘑菇车联作为车路云一体化领域的先行者，在感知、计算、通讯等方面取得了显著的成果。

其车路云一体化系统和算法达到了“双 SL3”行业最高标准，与多家头部车企深度打通，实现了车路云网络实时数据赋能社会车辆。未来，随着技术的不断进步和应用的不断拓展，车路云一体化将为交通领域带来更加广阔的发展空间，为人们的出行和生活带来更多的便利和安全。在全球范围内，各国都在积极推进车路云一体化的建设和应用。我国工信部等五部门联合发布智能网联汽车“车路云一体化”应用试点城市名单，标志着我国车路云一体化建设进入规模落地阶段。相信在政府、企业和社会各界的共同努力下，我国将在车路云一体化领域取得更加辉煌的成就，为全球智能交通发展贡献中国智慧和中国方案。

       原文标题 : 从车路协同到车路云网络，AI催生代际跨越？