中国信通院车联网白皮书(网联自动驾驶分册)

2024年4月4日发(作者：沃尔沃s90落地价格真实)

中国信通院车联网白皮书（网联自动驾驶分册）

本文聚焦车联网支持实现自动驾驶应用，从“协同感知、协同决策、协同控

制”等不同环节，重点研究分析网联需求、典型应用场景、体系架构和核心关键

技术。在此基础上，总结提炼网联自动驾驶发展面临的挑战，包括技术融合、基

础设施建设以及商业运营等方面。最终以协同发展总结全文，希望我国能抓住难

得的历史发展机遇，坚持网联自动驾驶的协同发展路径，影响形成全球广泛认同。

一、网联自动驾驶的内涵

自动驾驶是车辆作为运载工具智能化、网联化发展的核心应用，也是车联网、

智慧交通产业发展的核心应用服务。在技术层面上，当前存在着单车智能自动驾

驶和网联自动驾驶两种不同的实现路径。

单车智能自动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。环境感知通过车载传感器完成对周围环

境的探测以及定位功能。计算决策一方面将传感器数据进行分析处理，实现对目

标的识别；另一方面进行行为预测和全局路径规划、局部路径规划和即时动作规

划，决定车辆当前及未来的运动轨迹。控制执行主要包括车辆的运动控制以及人

机交互，决定每个执行器如电机、油门、刹车等控制信号。目前单车智能自动驾

驶在环境感知、计算决策和控制执行的多个环节均存在不同程度的技术瓶颈，在

应用过程中也出现了各种失效的问题，因此一方面需要不断地加强单车智能的感

知、决策和控制能力；另一方面也希望引入不同的技术手段来进行弥补。

网联自动驾驶是在现有单车智能自动驾驶的基础上，旨在通过车联网将“人

-车-路-云”交通参与要素有机地联系在一起，拓展和助力单车智能自动驾驶在

环境感知、计算决策和控制执行等方面的能力升级，加速自动驾驶应用成熟。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，例如非视距

感知或解决容易受恶劣环境影响等问题；在计算决策环节进行协同，增加车与车、

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，例如远程遥控车辆脱困等。

与此同时，网联自动驾驶的发展还将带动“人-车-路-云”协同车联网新型基础

设施体系的建设与完善，助力5G、人工智能等信息通信技术在垂直行业的应用

推广，促进实现汽车和交通服务的新模式新业态发展。

二、网联自动驾驶的需求及典型应用

（一）单车智能自动驾驶发展现状

1.单车智能自动驾驶应用尚未成熟

按照美国汽车工程师学会（SAE）划分的L0-L5的自动驾驶等级来看，目前

单车智能自动驾驶正处于L2-L3等级的落地发展阶段，市场渗透率和应用规模仍

然较小，先进辅助驾驶系统功能（AdvancedDriverAssistanceSystems，ADAS）

仍然是主力。高工智能汽车研究院《2020年1-2月乘用车新车上险量ADAS市场

数据报告》提出，国内自主及合资品牌上线新车ADAS搭载率为28.15%。《智能

网联汽车技术路线图2.0》提出，到2025年，L2和L3相当的部分自动驾驶（PA）

和有条件的自动驾驶（CA）的汽车销量占比将超过50%，高度自动驾驶（HA，相

当于L4）开始进入市场。从各个汽车企业的研发进度上看，2018年宝马、沃尔

沃、奥迪、通用等相继推出L2级自动驾驶应用；2020-2022年是各车企计划推

出L3级自动驾驶汽车的时间，但目前仅出现了一批L2.5、L2.99等自动驾驶的

概念性应用，一方面受限于L3级自动驾驶汽车上路的法律法规完善，另一方面

受限于技术实现。综合分析，从技术的发展上看，目前单车智能自动驾驶的技术

实现能力为L2-L3，但受到场景的局限，例如需要在高速公路、道路标识规范清

晰的城市主干道路等；从产业应用的落地上看，L2及以下的ADAS应用仍然保持

一个较低的渗透水平，L3及以上自动驾驶应用仍以试验和区域性示范为主，L4

及以上更高等级自动驾驶应用则需要更长的时间。

2.单车智能自动驾驶仍面临诸多风险

目前已经商用量产的很多ADAS功能仍存在特定场景下应对能力不足和失效

的风险。以自动紧急刹车为例，2019年美国汽车协会（AAA）对雪佛兰迈锐宝XL、

本田雅阁、特斯拉Model3和丰田凯美瑞等进行了测试，发现一方面是在夜间或

儿童穿梭等场景下车辆的应对能力不足，大部分车型均发生了碰撞现象；另一方

面是在下雨天的打伞、雨衣、隧道等场景较容易引起失效。现有已经商用的ADAS

功能尚无法应对复杂的交通状况或恶劣的天气条件，感知能力的不足仍是主要原

因。但在驾驶员负责整个驾驶过程的条件下，L2及以下的ADAS应用功能已经具

备商用落地的条件。

在高等级自动驾驶路测方面，自动驾驶的可靠性和应对挑战性交通场景的能

力仍有待提升。从2019年度美国加州的自动驾驶脱离报告

《AutonomousVehicleDisengagementReports》来看，36家企业进行了自动驾驶

测试，谷歌Waymo以234万公里测试里程遥遥领先，其每21273公里出现一次脱

离接管，但相比较下苹果则每189公里就要出现一次脱离接管。从脱离接管的原

因来看，软硬件系统性能的可靠性几乎是每个测试企业面临的共性问题；此外，

对突然出现目标的感知能力不足、目标运动行为的预测能力不足、决策时间超时

和错误的轨迹生成、交通信息标识识别的错误等也是主要问题。

此外，已经商用的部分自动驾驶车辆也出现了各类别的事故，存在感知失效、

预测和决策失效等原因。2018年1月，美国洛杉矶一辆ModelS因跟随车辆突然

变道而没有及时检测到前方停止的消防车，未能及时刹车/减速而造成事故，引

发其感知失效的讨论。2016年2月，美国加州的一辆雷克萨斯车辆感知到后侧

有公交车准备通过，但经过判断路面并没有足够的空间让公交车通过，便假定公

交车驾驶员会减速，而公交车驾驶员判断雷克萨斯会礼让，因此发生碰撞，显示

了单车智能自动驾驶在这种“博弈”的驾驶条件下很难准确判断周边交通参与主

体的意图，提出了协同决策的挑战。

（二）单车智能自动驾驶挑战和网联需求

1.环境感知的挑战和网联需求

目前，单车智能自动驾驶的技术解决方案，视觉传感器、激光雷达、毫米波

雷达以及红外夜视、超声波等成熟的传感器是主要的产品组成。各类别传感器的

标称技术指标持续稳步发展，不断满足自动驾驶需求，逐渐接近人类驾驶员的感

知能力，甚至在部分技术能力上实现了超越，例如探测距离200米以上、综合精

度能够达到厘米级甚至毫米级等。但是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。一方面，容易受到遮挡、恶劣天气等环境条件影响，

如十字交叉路口、隧道出入口等。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，能够

应对目标突然驶入等目前在自动驾驶测试和事故中难以应对的状况。此外，单车

智能自动驾驶在目标预测、驾驶意图“博弈”等方面存在困难。网联化能够直接

给出关键结果状态信息，例如信号灯状态、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，减少了复杂的基于传感信息的计算处理过程，并且能够

准确地了解周围交通参与者的意图。

2.计算决策的挑战和网联需求

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，也是目前对算力消耗需求最大的

计算任务；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自动

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，单车智能自动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，基于云控平台给出全局最优的驾驶策略。

在算力方面，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传感器、激光雷达等传感器，将路侧感知结果进行下发等。

在驾驶策略方面，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，在矿山、港口、物流等非公共开放道路的特定场景下已

经得到验证应用。

3.控制执行的挑战和网联需求

单车智能自动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。在控制执行

方面，考虑自动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。例如在某些危险或不适合人

类进入的场合，需要通过5G远程遥控驾驶来操作远端的车辆进行作业，目前在

无人矿山等场合下已得到应用。在车辆编队行驶等方面，借助头车和后排车辆的

控制执行信息交互，后排车辆能够按照头车的统一命令进行驾驶，减轻后排车辆

的感知计算任务负载。网联化能够将车辆的控制和执行从单车上分开，助力打造

一批创新性的应用模式。

（三）网联自动驾驶的典型应用

在单车智能自动驾驶基础上，引入网联化技术，使得更多协作式的自动驾驶

应用得以实现。从典型工况和协同环节两个维度进行考虑，可以将网联自动驾驶

的应用场景划分为一个矩阵。典型工况包括各类路口、高速公路、隧道、停车场

所、矿山/港口等相对结构化的道路环境，以及通用工况环境。协同环节则包括

协同感知、协同决策和协同控制三个部分。

全工况环境下实现的应用场景。比如信号灯、标识标牌等信息获取，在能见

度低的雨雪雾天气中，单车感知设备将难以准确识别，通过车与路侧相应交通基

础设施的联网通信才能获取上述信息；不仅如此，信号灯等信息的数字化更是为

其增加了动态调整的可能性，使潮汐车道、动态限速等场景更容易实现。其次，

盲区的感知，单车所能搭载的摄像头和激光雷达都存在物理极限，一些路侧感知

设备的部署则可以轻松解决单车视觉上的盲区，并且可以将远方的动态交通事件

信息、道路信息等发送给车辆。再者，群体智能，基于交通信息的全局路径规划

需要一个基于云端的强大决策平台，并将规划结果下发给区域内的车辆，这是单

车智能所不能实现的，并且可以通过网联实现对于异常车辆的远程监控和接管介

入。二是通过网联实现将更具经济性的应用场景。此类场景单车在技术上也可行，

然而实现代价过于繁琐高昂，不利于应用的快速普及。比如十字交叉路口等典型

城市工况环境，在对于混合交通主体的识别过程中，单车需要付出极大的感知和

计算开销，而通过路侧感知、计算、通信等设备的部署，可以达到资源复用的规

模化效应。再如隧道、停车场等封闭场所的定位，配合路侧通信设备、蜂窝通信

基站、边缘计算服务器等的支持，在达到同样精准度的情况下，可以很大程度上

降低单车惯性导航、雷达等一系列复杂融合感知算法的开销。

目前，网联自动驾驶的相关应用场景也已经陆续在国内外开展应用示范验证

和部署。港口、矿山、物流园区等封闭场景成为各地率先部署商用车L4自动驾

驶的示范区。2019年11月，由上汽集团、上港集团、中国移动合作打造的上海

洋山港智能重卡示范运营项目，在洋山港物流园、东海大桥、洋山一期码头内，

实现集装箱智能转运，是国际上首次实现5G+自动驾驶重卡商业化落地。5G远程

遥控驾驶与单车智能自动驾驶的结合，可以解决自动驾驶算法出现故障等原因导