天翼交通闪耀2024智能网联汽车大会 驱动智能网联汽车发展的‘向新力’

10月19日，2024智能网联汽车大会(主题峰会及同期边会)正式落下帷幕。在为期3天的活动中，来自全球10余个国家和地区的政府、企业和科研机构4000多名代表共同参会，中国电信旗下天翼交通全面展示基于车路云一体化实践的技术能力与商业探索成果。

展会首日，第二十届中央委员、第十四届全国政协党组成员、副主席王勇，第二十届中央委员、工业和信息化部党组书记、部长金壮龙，全国政协常委、经济委员会主任王国生，全国政协常委、经济委员会副主任、工业和信息化部原部长苗圩，全国政协常委、经济委员会副主任，交通运输部部长李小鹏，工业和信息化部党组成员、副部长辛国斌等十余位领导莅临中国电信展台，听取中国电信依托“5G+云+AI+应用”模式，积极推动智能网联汽车技术的研发与应用成果，天翼交通车路云一体化展项赢得高度赞誉与认可。

在19日上午的“智行未来 驱动智能网联汽车发展的‘向新力’”论坛中，天翼交通首席技术官李家文发表了《车路云一体化系统的技术与创新应用探索》主题演讲，从车路云一体化角度，探讨如何去驱动智能网联汽车及智能交通发展。

以下文字根据演讲材料及录音进行整理：

大家好，我是天翼交通李家文，下面由我从车路云一体化的角度讲讲我们如何赋能产业发展。

首先介绍下天翼交通公司，我们是由中国电信集团和苏州市政府共同成立的一家混合所有制公司，我们的定位是成为面向自动驾驶的国家级车路协同智能交通运营与服务提供商。我们目前总部在苏州，在北京，天津，上海还有深圳都有分公司，同时在天津和政府共同合资了一家子公司。

天翼交通坚定的践行车路云一体化的发展路径。大家刚才也看到了，单车的智能化发展很快，不过个体感知以及基于数据的模型研发闭环上，还存在一些局限性。同时从交通全局而言，还是需要多个个体进行有效的协同，从而提高整体交通的通行效率。通过车路云一体化，站在全局最优的角度对个体提供超视距信息，预测性信息，可以扩充个体感知并提高个体驾驶逻辑的针对性与效率，同时给群体提供综合效率更高的通行策略，全面提升从个体到群体整个交通系统的安全性与效率。

因此我们认为车路云一体化路径可以形成交通产业与汽车产业的协同，相互赋能促进各自发展，不过这就需要一整套标准化的建设、运营与服务产品以及对应的服务机制，从而确保交通体系的数字化建设可以有据可依，而同时各类汽车系统则可以无缝对接不同城市、道路的数字化环境，从而实现网联应用的跨域连续性一致服务实施。

要实现这个目标，就需要在技术与商业上实现对应的突破，构建相应的技术与商业闭环。技术层面，有四个方面的核心问题，一个是如何构建跨域共用、分层解耦的云控基础平台，第二个是如何构建高性价比同时保障数字化质量的基础设施道路，第三个是如何构建高可靠的网络通道，第四个就是如何高可靠高性价比的为车辆提供相关的数据服务。

从商业的角度，我们认为还是要从最终的商业价值角度入手，主要就是如何为用户带来降本增效的作用，如何提升用户的体验，带来更好的市场表现。

天翼交通这几年通过在苏州市以及全国开展包括建设市区协同的云控平台、支持自动驾驶的数字化道路等不同类型的建设项目，针对上述技术闭环与商业闭环中的核心问题开展了充分探索，逐步形成了一些成果，在此向各位汇报一下。

首先就是技术闭环方面的探索，我们构建了一整套高质量、高性价比的车路云一体化基础设施体系。这里面其实包含三部分核心技术的探索：

第一就是基于云控基础平台的多源数据融合与跨域车辆数服务技术，我们在国内率先落地了跨城市区域的数据网关，将不同建设主体不同质量的数据按照统一的协议格式以及质量要求进行了统一，例如我们实现了苏州市属三个区县区域内新建道路基础设施在感知原始数据与计算数据的统一，其一致性、完整性达到99%以上，确保了车辆在全市范围内都可以得到相同质量的数据服务。在此基础上，我们构建了面向车企的数据服务SDK软件，可以让车企低成本高效的在城市全域范围内获得相应的数据服务，这里面还包含动态多链路的数据链接机制，使得车辆在跨域过程中相关数据服务的切换时延不超过50ms，中断率低于0.1%。

第二个方面就是我们构建了基于5G的超稳态确定性网络，使得空口双向时延低于30ms，且稳定性保障在4个9(99.99%)，由于是复用现有的4/5G网络，因此可以快速高效的覆盖当前几乎所有的车辆，同时对应的网络建设成本可以降低30%以上。

第三就是我们充分研究了不同传感器结合AI算法所能实现的数据感知性能水平，针对不同的实际应用场景，我们给出了三个等级的道路建设方案，这些不同等级道路在数据质量、建设费用上都有相应结果，这样就可以为后续各类交通环境的数字化建设提供参考，从而使得基础设施的建设更加有针对性，保障建设的性价比。

基于以上所述，下面给大家具体看一下，我们达成的实际成果。这是苏州市市区两级云控基础平台，可以看到我们通过刚才说的标准网关与数据质量管理体系实现了跨域的数据采集，包括原始数据以及这些通过算法结构化后的数据，同时大家在视频里还可以看到从一个城市到另一个城市，数据无缝转化的过程。通过跨域不同应用服务在全市平台上的注册机制，使得后续用户可以自由订阅相关的服务。

接下来说一下网络方面，我们和苏州电信配合，将结合了感知之后的端到端时延控制在190ms左右。在传输前我们构建了专用网络频点和定制切片，首先保障网络资源，同时利用预调度与免授权机制确保网络资源的有效提供，最终使得接入网络的等待时间降低至0ms。在传输中，我们通过信息双发选收，降低无线链路的突变干扰，并且在基站侧部署了实时网络资源调度算法，确保信道质量与网络吞吐量的最优，最终实现数据传输稳定性得到4个9(99.99%)。在传输后，我们再利用高可靠的编码表和编码策略以及基站侧的参数优化策略，提高网络业务数据带载能力，降低丢包率，最终使得数据重传次数减少到0次。

对于路侧的分级建设方案，我们公司针对这些不同等级的建设方案都开发了相应的AI感知模型且都取得了较好的实际效果，可以满足各类场景的实际需要，例如针对关键路段与路口这种场景，通过第三方评测结果可以看到，我们的感知结果取得了较好的实际效果，在业内也属于是较为领先的水平，相关研发的结果也获得了包括国际同行、算法榜单等方面的认可与证明。

这是上述AI算法实现的数字孪生效果，大家可以看到在对交通对象速度、位置、航向角等关键性能的识别上，得到了很好的数字化结果，并且在苏州已经正常运行了两年左右，目前看对于环境的适应性也比较好，保障了后续的服务质量。

另外，我们由于参与建设了很多数字化道路，发现多类型传感器在实际部署时面临数据联合标定，联合运维，管线部署等一系列工程问题，而且在时间、人力物力上也存在很多的隐性成本。这对于后续如果想开展车路云一体化的规模化建设，是非常不利的。因此我们自主研发了通感算一体机轻鸾系列，实现了5G，V2X通信能力，多传感器感知能力以及不同等级算力能力的高效统一，这就使得后续我们在实际工程化部署数字化基础设施时，可以大大节约建设部署成本，而且设备全生命周期的运维费用也可以降低30%左右。能够得到一个快速的降低，使整体技术环境能够得到快速的推广。

最后再重点说一下，我们为车服务的整个逻辑。我们主要是为车辆提供了一套可以满足其各类网联式应用开发的SDK数据服务工具，——轻车熟路。这个工具结合云控基础平台，可以按照实际应用需求，做好相关数据的梳理与不同数据的质量保障，并构建好相应的数据服务链路，同时满足车企多种类型的软件架构与平台需求，从而可以让车企可以高效的调用相关数据服务，在不增加车企硬件改造成本的基础上，帮助车企快速可靠在实现各类型网联式驾驶功能的开发与实际应用，我们觉得这种方式是车路云一体化系统后续开展规模化应用的一个可以参考的有效技术路径。

在这样一系列的技术的探索下，我们同时也开展了相应的面向商业化应用的一些探索。首先最重要的当然还是为车辆所提供的应用服务案例，基于刚才说的SDK方式以及前述的网络、平台，AI模型等方面的成果，我们目前探索了三大类的应用服务方案。

首先基于车路云一体化的协同式自动驾驶辅助服务，通过提供低时延高质量高可靠的感知信息服务，我们在苏州做了相对极端的案例验证，就是把车辆上所有的感知传感器撤掉，完全依托路侧感知与5G网络，实现车辆的感知能力，并结合车辆自身的决策与控制实现L4级自动驾驶，从实际效果上来看，在时速60KM以内，完全可以使车辆实现L4级别的自动驾驶。

有了这个基础，我们还开发了为车辆提供驾驶建议服务、动态交通信息服务不同等级的服务方案，例如这个驾驶建议服务，我们通过对交通整体态势的判断为车辆提供最经济的驾驶车速建议，结合我们在高速物流车辆的实际测试结果来看，对于油车来说可以节能2-3%，对于电车来说可以节电8%-16%，效果还是挺明显的。

再例如这个交通动态信息服务，我们开发了面向座舱的实际服务软件原型，将包括红绿灯信息、事故信息、管控信息、以及诸如停车、充电等出行信息都结合驾驶过程进行实时的汇聚呈现，让驾乘人员实时掌握出行信息，提升其驾驶出行体验。我们后续还想将诸如事故处理与违章处理也通过这种方式进行实时交互，进一步提升用户的出行效率和体验。

围绕刚才这些相对基础的车辆服务，我们也在尝试围绕一些特种车辆的垂直业务场景，通过车路云一体化系统，帮助其降本增效，例如目前在和环卫、渣土车等业务公司在谈，结合实际道路情况，优化他们的作业过程与调度方案，使得他们的工作效率更高，同时也满足相关主管单位对于他们的业务管理要求。另外我们也将这些车辆的实际作业信息通过刚才的交通信息服务方式反馈给更多的普通车辆，也可以帮助他们提前规避相关车辆，提升整体交通的通行安全与效率。

此外，我们也在探索海量的路侧数据如何帮助车企进行相关智能化驾驶功能的开发，例如包括利用路侧数据生成相应的场景库与训练集，以及对应的仿真服务。在苏州一条15公里全覆盖的道路上，我们每天可以采集50T的数据，这些海量的数据里面存在在很多有效的场景，如何有效的利用这些数据是我们后续的一个重点探索方向。

这就是为汽车行业所做的一些商业上的探索。不光是汽车，围绕着整个城市，我们在交通服务应用方面也进行了商业层面的探索。通过高质量的AI感知，我们目前可以实现绝大多数交通运行指标以及相应交通事件的识别，从而为包括公安交警，交通管理等部门提供各类业务的辅助。这是我们在苏州做的两个典型案例，一个是事故的自动化识别与判责服务，我们可以自动识别事故，提取事故要素并还原事故过程，以及展事故后的交通态势预测，这些结果我们一方面可以提供给交警，帮助其提高事故处理过程，另一方面也可以及时共享给其他车辆，帮会他们规避二次事故以及实施更加合理的驾驶路径。

再例如就是全域的交通信控，我们目前在给苏州市相城区高铁新城片区提供全域的信控策略，基于全域的车辆驾驶状态识别以及交通态势的预测，我们的信控策略可以明显提升该区域的通行效率。

当然，还有诸如智能网联汽车纳管，应急调度指挥服务等各类交通管理类服务，在这里就不详细介绍了。

交通的这种数字化建设以及与车辆的充分网联协同，我们觉得对于未来城市的交通治理会有非常好的效果提升，当然，这里面也面临数据安全，业务模式设计，管理边界等一系列问题，还有待我们进一步的探索与实践。我们希望大家可以到我们公司来进行一个莅临指导，我们共同去探索，在车路云一体化这条道路上为产业带来一些更大的服务和帮助，谢谢大家。(张扬)

(新媒体责编：zhangzhen)