兩天兩次“艦隊遠航” 國內首次自動駕駛上高速還看百度Apollo_風聞

2000年，著名科幻導演羅傑·斯波蒂伍德執導的《第六日》裏曾經描繪過這樣一幅場景：

乘客們都乘坐着自動駕駛汽車在馬路上行駛，無需掌握方向盤即可在車中對話。這樣的車輛不只是一輛，而是一羣，馬路上的自動駕駛車隊甚至會互相避讓。

當年電影中看似科幻的場景，如今卻看得見、摸得着。百度把曾經的夢想變成了現實，成為全國首個把無人車隊開上高速公路的企業。

12月28日，百度Apollo自動駕駛全場景車型亮相長沙湘江新區，並完成全國首例L3及L4級別等多車型高速場景自動駕駛車路協同正式開跑。12月29日，百度Apollo在延崇高速公路上成功部署了車路協同設備。

華為則是在12月29日宣佈完成在延崇高速公路的自動駕駛技術演示。兩天之內，自動駕駛上演了年末大戲，兩家中國科技企業接連把自家的無人車開上了高速公路。

説到自動駕駛上高速，早在2015年，百度其實就已經完成了國內首次城市環路及高速混合路線的自動駕駛。這次更是在車隊規模、測試深度都遠超國內其他公司。

3年下來，百度打造了一幅自動駕駛的完整版圖，這幅版圖不管是從生態廣度還是合作深度來看，國內都無人能及。百度和合作夥伴建起了全國智能交通的“樣板方案”。

一

兩天兩次“艦隊遠航”

28日，百度Apollo自動駕駛全場景車型亮相長沙，完成全國首例L3及L4級別等多車型高速場景自動駕駛車路協同正式開跑。

這其中包括乘用車、重型卡車還組成了“混編艦隊”，在國家智能網聯汽車(長沙)測試區的高速測試區飛奔。 要知道，以往智能駕駛上路大多是單一車型、甚至是單一台車低調測試，這一次則是以“傾巢出動”的方式，直接讓自動駕駛和車路協同走向“艦隊模式”。

一天之後的29日，百度Apollo又在延崇高速公路上成功部署車路協同設備，在這個京津冀一體化西北高速通道開跑自動駕駛汽車。

南北開跑、全國聯動，百度Apollo在年末直接展開了兩場“軍事演習”，用自己的實際實力證明了國內自動駕駛領域絕對領頭羊的位置。

這場“秀肌肉”的做法，向競爭對手、合作伙伴、政府部門、普通公眾展現了百度Apollo的落地速度，對未來自動駕駛的社會普遍接受會有極大推動作用。

二

傾巢“演習”難點何在

實際上，早在2015年，百度無人車就已經進行了高速測試，實現了城市、環路及高速道路混合路況下的首次全自動駕駛。

當時，百度無人駕駛車從中關村軟件園的百度大廈附近出發，駛入G7京新高速，經五環路抵達奧林匹克森林公園後按原路線返回。

這次路測成功，開創了中國無人駕駛車研發領域三個“最”：“路況最複雜”、“自動駕駛動作最全面”，“環境理解精度最高”。

3年後的這次測試同樣開創了中國無人駕駛車研發以及車路協同領域四個“最”：“全國最早”、“車輛最多”、“車輛種類最豐富”、“測試場景最複雜”。

四個“最”同樣帶來了複雜的測試場景，這對於未來自動駕駛車輛在高速公路上集體出動有着重大意義。

1、場景複雜：高速公路有着更復雜的駕駛場景，比如路邊緊急停車、車道線磨損、協作式車隊、進出服務區、進出收費口等多種高速環境下自動駕駛、車路協同層面的運轉。這些場景可以加速實戰磨合。

2、車型豐富：不同車型之間的相互配合同樣是複雜的，特別還是L3、L4不同自動駕駛等級的不同車型在一起，它們有着不同的避讓算法模型，讓它們在同一空間中共同行駛，可以最大程度上模擬未來高速公路上的駕駛情景。

3、規模龐大：過去自動駕駛車輛都是單車輛在高速公路上行駛，單車輛需要處理的數據和多車輛的龐大車隊需要處理的數據不可同日而語，極其考驗算法和判斷力。甚至也考驗着交通管理部門對於複雜場景的掌控能力。

三

全場景產業鏈“一網打盡”

這次之所以能夠實現“全場景車型”上路，這和Apollo打通全場景和產業鏈有着密不可分的聯繫。

2018年，百度Apollo平台對量產所設計的自動駕駛產品方案Apollo Pilot在全場景落地，其中包含乘用車、商用車、物流車等自動駕駛車型以及針對每種車型設計的自動駕駛軟硬件系統方案。

產品、方案的系統性組合，讓百度在2年時間內，在汽車和汽車周邊硬件市場，為Apollo組件了一個囊括了133個汽車企業和周邊廠商的朋友圈——這是國內最大的自動駕駛生態。自動駕駛的技術不斷得到磨練成熟，自動駕駛的成本也在規模化的合作中逐漸降低。

車的方案出來了，車的成本下去了，路同樣需要得到改造。Apollo車路協同開源方案又是應運而生。

要知道，自動駕駛技術從水平L0至L5級水平按照技術水平細分。L1到L2級可以通過汽車的傳感器或相機等調整距離，或者控制住速度等，輔助司機駕駛。 但從3級開始，汽車必須在特殊環境中行駛——智能路網。

這次百度首次在高速場景行駛的L3及L4級別等多車型車路協同開跑，其實有兩個全場景和產業鏈上的技術難點：

1、車輛與車輛之間需要協同，這需要傳感器與計算平台對數據進行精確計算，保證車輛與車輛之間能夠保持安全距離；

2、車輛與道路之間需要協同，保證路網和車輛之間展開數據傳輸，規劃出最科學的行駛路徑。

這需要車路來解決。車路協同實踐可解決54%的單車智能在路測中遇到的問題，減少62%單車智能的接管數。

百度開源自己的車路協同方案，分享在大量道路測試中積累的實際經驗和能力，一定程度上解決“通信廠商不瞭解無人車需求、無人車廠商沒能力搭建通信服務”的窘境。

這樣處理的話，在智能路網中，車輛之間的交通信息是實時共享的。交通標誌、信號燈、過路等設施都通過信號發送可以實現自動化運行。智能路網和自動駕駛的汽車在一起傳輸數據，讓汽車駕駛、交通規劃變得更科學。

這也是為什麼百度能夠實現L3及L4級別等多車型高速場景自動駕駛車路協同開跑的核心原因。

四

全國智能交通“樣板方案”

2019年1月，駕考即將新設置科目五——駕駛汽車在高速公路上行駛。對人類來説，能駕駛車輛在高速公路上行駛，意味着車技基本達到了可應付複雜場景的“可上路”水準。

對自動駕駛車輛來説，也是如此。高速公路有着複雜的路況，還有大量車輛需要協同避讓，考驗着傳感器以及計算平台的判斷力。

這次，百度Apollo考了“科目五”，而是是以車隊的方式，全車型集體通過了“科目五”。

這對於全國智能交通來説，起到了示範作用。

1、延崇北段高速公路的成功測試，無疑可以推動京津冀地區的自動駕駛、車路協同迅速落地，未來我們在北京及其周邊地區可以看到更多自動駕駛車輛在實際生活場景中的使用。

2、長沙測試區的成功經驗，則是有望讓長沙在日常交通、貨物運輸、城市環衞、現代物流等方面都實現“自動駕駛”，當之無愧的成為中國乃至全世界的“自動駕駛之城”。“長沙經驗”可能會在全國得到推廣。

今年12月，國家相關部門提到，要深化交通供給側結構性改革的重要舉措和交通運輸發展的前沿領域，進一步推進智能交通發展頂層設計。其中基礎設施智能化升級、數據資源共享、標準規範統一等將成為未來推進的重點。

百度Apollo的這兩場成功測試，恰恰是企業完善智能交通發展頂層設計的最佳案例。

​