10月19日，2024智能網聯汽車大會(主題峰會及同期邊會)正式落下帷幕。在為期3天的活動中，來自全球10余個國家和地區的政府、企業和科研機構4000多名代表共同參會，中國電信旗下天翼交通全面展示基于車路云一體化實踐的技術能力與商業探索成果。

展會首日，第二十屆中央委員、第十四屆全國政協黨組成員、副主席王勇，第二十屆中央委員、工業和信息化部黨組書記、部長金壯龍，全國政協常委、經濟委員會主任王國生，全國政協常委、經濟委員會副主任、工業和信息化部原部長苗圩，全國政協常委、經濟委員會副主任，交通運輸部部長李小鵬，工業和信息化部黨組成員、副部長辛國斌等十余位領導蒞臨中國電信展臺，聽取中國電信依托“5G+云+AI+應用”模式，積極推動智能網聯汽車技術的研發與應用成果，天翼交通車路云一體化展項贏得高度贊譽與認可。

在19日上午的“智行未來 驅動智能網聯汽車發展的‘向新力’”論壇中，天翼交通首席技術官李家文發表了《車路云一體化系統的技術與創新應用探索》主題演講，從車路云一體化角度，探討如何去驅動智能網聯汽車及智能交通發展。

以下文字根據演講材料及錄音進行整理：

大家好，我是天翼交通李家文，下面由我從車路云一體化的角度講講我們如何賦能產業發展。

首先介紹下天翼交通公司，我們是由中國電信集團和蘇州市政府共同成立的一家混合所有制公司，我們的定位是成為面向自動駕駛的國家級車路協同智能交通運營與服務提供商。我們目前總部在蘇州，在北京，天津，上海還有深圳都有分公司，同時在天津和政府共同合資了一家子公司。

天翼交通堅定的踐行車路云一體化的發展路徑。大家剛才也看到了，單車的智能化發展很快，不過個體感知以及基于數據的模型研發閉環上，還存在一些局限性。同時從交通全局而言，還是需要多個個體進行有效的協同，從而提高整體交通的通行效率。通過車路云一體化，站在全局最優的角度對個體提供超視距信息，預測性信息，可以擴充個體感知并提高個體駕駛邏輯的針對性與效率，同時給群體提供綜合效率更高的通行策略，全面提升從個體到群體整個交通系統的安全性與效率。

因此我們認為車路云一體化路徑可以形成交通產業與汽車產業的協同，相互賦能促進各自發展，不過這就需要一整套標準化的建設、運營與服務產品以及對應的服務機制，從而確保交通體系的數字化建設可以有據可依，而同時各類汽車系統則可以無縫對接不同城市、道路的數字化環境，從而實現網聯應用的跨域連續性一致服務實施。

要實現這個目標，就需要在技術與商業上實現對應的突破，構建相應的技術與商業閉環。技術層面，有四個方面的核心問題，一個是如何構建跨域共用、分層解耦的云控基礎平臺，第二個是如何構建高性價比同時保障數字化質量的基礎設施道路，第三個是如何構建高可靠的網絡通道，第四個就是如何高可靠高性價比的為車輛提供相關的數據服務。

從商業的角度，我們認為還是要從最終的商業價值角度入手，主要就是如何為用戶帶來降本增效的作用，如何提升用戶的體驗，帶來更好的市場表現。

天翼交通這幾年通過在蘇州市以及全國開展包括建設市區協同的云控平臺、支持自動駕駛的數字化道路等不同類型的建設項目，針對上述技術閉環與商業閉環中的核心問題開展了充分探索，逐步形成了一些成果，在此向各位匯報一下。

首先就是技術閉環方面的探索，我們構建了一整套高質量、高性價比的車路云一體化基礎設施體系。這里面其實包含三部分核心技術的探索：

第一就是基于云控基礎平臺的多源數據融合與跨域車輛數服務技術，我們在國內率先落地了跨城市區域的數據網關，將不同建設主體不同質量的數據按照統一的協議格式以及質量要求進行了統一，例如我們實現了蘇州市屬三個區縣區域內新建道路基礎設施在感知原始數據與計算數據的統一，其一致性、完整性達到99%以上，確保了車輛在全市范圍內都可以得到相同質量的數據服務。在此基礎上，我們構建了面向車企的數據服務SDK軟件，可以讓車企低成本高效的在城市全域范圍內獲得相應的數據服務，這里面還包含動態多鏈路的數據鏈接機制，使得車輛在跨域過程中相關數據服務的切換時延不超過50ms，中斷率低于0.1%。

第二個方面就是我們構建了基于5G的超穩態確定性網絡，使得空口雙向時延低于30ms，且穩定性保障在4個9(99.99%)，由于是復用現有的4/5G網絡，因此可以快速高效的覆蓋當前幾乎所有的車輛，同時對應的網絡建設成本可以降低30%以上。

第三就是我們充分研究了不同傳感器結合AI算法所能實現的數據感知性能水平，針對不同的實際應用場景，我們給出了三個等級的道路建設方案，這些不同等級道路在數據質量、建設費用上都有相應結果，這樣就可以為后續各類交通環境的數字化建設提供參考，從而使得基礎設施的建設更加有針對性，保障建設的性價比。

基于以上所述，下面給大家具體看一下，我們達成的實際成果。這是蘇州市市區兩級云控基礎平臺，可以看到我們通過剛才說的標準網關與數據質量管理體系實現了跨域的數據采集，包括原始數據以及這些通過算法結構化后的數據，同時大家在視頻里還可以看到從一個城市到另一個城市，數據無縫轉化的過程。通過跨域不同應用服務在全市平臺上的注冊機制，使得后續用戶可以自由訂閱相關的服務。

接下來說一下網絡方面，我們和蘇州電信配合，將結合了感知之后的端到端時延控制在190ms左右。在傳輸前我們構建了專用網絡頻點和定制切片，首先保障網絡資源，同時利用預調度與免授權機制確保網絡資源的有效提供，最終使得接入網絡的等待時間降低至0ms。在傳輸中，我們通過信息雙發選收，降低無線鏈路的突變干擾，并且在基站側部署了實時網絡資源調度算法，確保信道質量與網絡吞吐量的最優，最終實現數據傳輸穩定性得到4個9(99.99%)。在傳輸后，我們再利用高可靠的編碼表和編碼策略以及基站側的參數優化策略，提高網絡業務數據帶載能力，降低丟包率，最終使得數據重傳次數減少到0次。

對于路側的分級建設方案，我們公司針對這些不同等級的建設方案都開發了相應的AI感知模型且都取得了較好的實際效果，可以滿足各類場景的實際需要，例如針對關鍵路段與路口這種場景，通過第三方評測結果可以看到，我們的感知結果取得了較好的實際效果，在業內也屬于是較為領先的水平，相關研發的結果也獲得了包括國際同行、算法榜單等方面的認可與證明。

這是上述AI算法實現的數字孿生效果，大家可以看到在對交通對象速度、位置、航向角等關鍵性能的識別上，得到了很好的數字化結果，并且在蘇州已經正常運行了兩年左右，目前看對于環境的適應性也比較好，保障了后續的服務質量。

另外，我們由于參與建設了很多數字化道路，發現多類型傳感器在實際部署時面臨數據聯合標定，聯合運維，管線部署等一系列工程問題，而且在時間、人力物力上也存在很多的隱性成本。這對于后續如果想開展車路云一體化的規模化建設，是非常不利的。因此我們自主研發了通感算一體機輕鸞系列，實現了5G，V2X通信能力，多傳感器感知能力以及不同等級算力能力的高效統一，這就使得后續我們在實際工程化部署數字化基礎設施時，可以大大節約建設部署成本，而且設備全生命周期的運維費用也可以降低30%左右。能夠得到一個快速的降低，使整體技術環境能夠得到快速的推廣。

最后再重點說一下，我們為車服務的整個邏輯。我們主要是為車輛提供了一套可以滿足其各類網聯式應用開發的SDK數據服務工具，——輕車熟路。這個工具結合云控基礎平臺，可以按照實際應用需求，做好相關數據的梳理與不同數據的質量保障，并構建好相應的數據服務鏈路，同時滿足車企多種類型的軟件架構與平臺需求，從而可以讓車企可以高效的調用相關數據服務，在不增加車企硬件改造成本的基礎上，幫助車企快速可靠在實現各類型網聯式駕駛功能的開發與實際應用，我們覺得這種方式是車路云一體化系統后續開展規模化應用的一個可以參考的有效技術路徑。

在這樣一系列的技術的探索下，我們同時也開展了相應的面向商業化應用的一些探索。首先最重要的當然還是為車輛所提供的應用服務案例，基于剛才說的SDK方式以及前述的網絡、平臺，AI模型等方面的成果，我們目前探索了三大類的應用服務方案。

首先基于車路云一體化的協同式自動駕駛輔助服務，通過提供低時延高質量高可靠的感知信息服務，我們在蘇州做了相對極端的案例驗證，就是把車輛上所有的感知傳感器撤掉，完全依托路側感知與5G網絡，實現車輛的感知能力，并結合車輛自身的決策與控制實現L4級自動駕駛，從實際效果上來看，在時速60KM以內，完全可以使車輛實現L4級別的自動駕駛。

有了這個基礎，我們還開發了為車輛提供駕駛建議服務、動態交通信息服務不同等級的服務方案，例如這個駕駛建議服務，我們通過對交通整體態勢的判斷為車輛提供最經濟的駕駛車速建議，結合我們在高速物流車輛的實際測試結果來看，對于油車來說可以節能2-3%，對于電車來說可以節電8%-16%，效果還是挺明顯的。

再例如這個交通動態信息服務，我們開發了面向座艙的實際服務軟件原型，將包括紅綠燈信息、事故信息、管控信息、以及諸如停車、充電等出行信息都結合駕駛過程進行實時的匯聚呈現，讓駕乘人員實時掌握出行信息，提升其駕駛出行體驗。我們后續還想將諸如事故處理與違章處理也通過這種方式進行實時交互，進一步提升用戶的出行效率和體驗。

圍繞剛才這些相對基礎的車輛服務，我們也在嘗試圍繞一些特種車輛的垂直業務場景，通過車路云一體化系統，幫助其降本增效，例如目前在和環衛、渣土車等業務公司在談，結合實際道路情況，優化他們的作業過程與調度方案，使得他們的工作效率更高，同時也滿足相關主管單位對于他們的業務管理要求。另外我們也將這些車輛的實際作業信息通過剛才的交通信息服務方式反饋給更多的普通車輛，也可以幫助他們提前規避相關車輛，提升整體交通的通行安全與效率。

此外，我們也在探索海量的路側數據如何幫助車企進行相關智能化駕駛功能的開發，例如包括利用路側數據生成相應的場景庫與訓練集，以及對應的仿真服務。在蘇州一條15公里全覆蓋的道路上，我們每天可以采集50T的數據，這些海量的數據里面存在在很多有效的場景，如何有效的利用這些數據是我們后續的一個重點探索方向。

這就是為汽車行業所做的一些商業上的探索。不光是汽車，圍繞著整個城市，我們在交通服務應用方面也進行了商業層面的探索。通過高質量的AI感知，我們目前可以實現絕大多數交通運行指標以及相應交通事件的識別，從而為包括公安交警，交通管理等部門提供各類業務的輔助。這是我們在蘇州做的兩個典型案例，一個是事故的自動化識別與判責服務，我們可以自動識別事故，提取事故要素并還原事故過程，以及展事故后的交通態勢預測，這些結果我們一方面可以提供給交警，幫助其提高事故處理過程，另一方面也可以及時共享給其他車輛，幫會他們規避二次事故以及實施更加合理的駕駛路徑。

再例如就是全域的交通信控，我們目前在給蘇州市相城區高鐵新城片區提供全域的信控策略，基于全域的車輛駕駛狀態識別以及交通態勢的預測，我們的信控策略可以明顯提升該區域的通行效率。

當然，還有諸如智能網聯汽車納管，應急調度指揮服務等各類交通管理類服務，在這里就不詳細介紹了。

交通的這種數字化建設以及與車輛的充分網聯協同，我們覺得對于未來城市的交通治理會有非常好的效果提升，當然，這里面也面臨數據安全，業務模式設計，管理邊界等一系列問題，還有待我們進一步的探索與實踐。我們希望大家可以到我們公司來進行一個蒞臨指導，我們共同去探索，在車路云一體化這條道路上為產業帶來一些更大的服務和幫助，謝謝大家。(張揚)

(新媒體責編：zhangzhen)