智能网联汽车需要来自路端的什么数据、以什么样的方式提供、能够带来什么样的价值，智慧道路如何服务于非智能网联车等等，这些都是智慧道路建设方与自动驾驶企业需要持续探讨的问题。

编者按：当前，智能网联车辆数量及普及率不高，智能网联车与非智能网联车混行将是将来一段时间内的常态，浙江海康智联科技有限公司总经理温熙华认为，智能网联汽车需要来自路端的什么数据、以什么样的方式提供、能够带来什么样的价值，智慧道路如何服务于非智能网联车等等，这些都是智慧道路建设方与自动驾驶企业需要持续探讨的问题。

以下为温熙华的演讲实录，赛文交通网进行了不改变原意的整理（有删减）。

2020年，国家相关政策的支持力度不断加大，以车路协同为核心的智慧交通基础设施建设将迎来爆发式增长。

从汽车、交通、通讯等角度来看，车路协同都是智能交通平台的一个补充，而早在十几年前，就有了车路协同的概念，如何让路的信息赋能于车，一直是交通领域在讨论的问题。

如今，在新基建背景下，车路协同产业将迎来历史性发展机遇，一方面道路基础设施智能化、网联化需求激增；另一方面，特种车辆以及乘用车的新一代车联网信息服务及自动驾驶技术迭代的需求也逐步显现。

据国信证券分析报告、交通运输服务决胜全面建成小康社会开启全面建设社会主义现代化国家新征程三年行动计划(2018-2020年) 统计，我国有25万个路口、15万公里高速公路需要进行智能化网联化改造，千万辆营运车辆需要主动协同安全服务，3亿辆汽车需要车联网信息服务，推动自动驾驶演进

十几年过去了，我们的网络水平、智能设备、算法能力均有所提升，可能会有更好的办法让路上的信息赋能到车上。

所以，我们提出了智慧道路+智能汽车+云控平台的发展模式：智慧道路即是道路基础设施的升级改造，使其具备多维感知/融合计算、全息路口/全息道路的功能；智能汽车即是智能网联车辆升级改造，使其实现智能化、网联化、共享化和出行即服务（MaaS）；云控平台即是云端控制及管理，打造智慧交通的数据底座。

现在，我还不敢谈效率问题，可以先谈交通的安全问题，我们需要思考车路协同的建设对于交通管理的价值和意义？

智慧道路建设完成后，如何聚焦当下助力提升交通精细化管理水平？

反过来，我们好不容易获取到路端的信息后，如何服务于车？而智能网联汽车又需要来自路端的什么数据、以什么样的方式提供、能够带来什么样的价值，也是各方需要持续探讨的一个命题。

大家都在谈OBU和RSU，我认为这些都会围绕着做好信息服务不断变化。

车端如何获取路端的数据？车端的数据又如何反馈到交通控制层面？这些都是是未来需要考虑的问题。

下面，我们来说说车路协同中的智慧道路。

车路协同的本质是解决车与路之间信息不对称问题，通过智慧道路建设，将车载设备无法精准感知及获取的信息通过路侧感知获取，很多自动驾驶面临的难题将迎刃而解。

智慧道路具备数字化、信息化、网联化、智能化四个关键词，通过智能路侧（边缘计算设备）、云控平台和V2X通讯，并与激光/微波雷达、摄像头构建起真正意义上的道路全息感知体系，通过C-V2X通信模式，将道路信息与车端感知系统进行数据整合，建立起全域的全息交通模型，用以支持辅助/自动驾驶系统，此外还打造一个强大云计算能力的平台，用以实现云端自动驾驶控制和交通调度。

其中，可以有全息路口/全息路端两个典型的场景。

接着，我们再说说车路协同中的信息服务。

主要有斑马线行人信息服务、公交车盲区信息服务、智能后视镜、交通信息监测、交通信息服务、车载信息终端等。

信息服务的业务逻辑图如下所示，通过道路上丰富的感知设备获取数据，少量的结构化数据会上传到智能路侧终端，而大量的原始数据会上传到MEC，重量级的算法会通过云控平台来处理，进而为信号机和车载终端等设备提供信息。

从这个角度来看，我们提出的车路协同不仅仅是为无人驾驶或者自动驾驶服务，也能为现有的一些乘用车和两客一危等车辆信息赋能。

这是我们提出的一种方式，可以将两种服务结合起来。

当然，这也是未来长期需要做的事情，而视频感知与处理、多传感融合、人工智能、边缘计算等技术也需要不断的创新，比如：

视频交通要素结构化在线提取分析技术

激光雷达点云与监控视频深度融合感知技术

毫米波雷达与视频融合车辆轨迹提取技术

基于多传感融合的目标时空精确感知技术

面向数据低时延应用的边缘感知技术

基于多元数据的交通信息识别预测技术

时空一体化的关键技术

……