GIV2022商汤武伟：商汤绝影车路协同助力双智城市新发展

2022年12月16 —17日，由合肥市人民政府和中国电动汽车百人会联合主办的2022全球智能汽车产业峰会在安徽合肥举行，由安徽省发改委指导本届论坛围绕智能汽车发展的全球新变革与新战略主题，设置了五场主题论坛和两场闭门会议，与行业组织，高校，龙头企业代表共同探讨中国智能汽车发展新路径

其中，商汤爵英汽车道路合作总经理吴伟在12月16日举行的双智论坛上发表了精彩演讲。以下为现场演讲实录:

大家好，我来介绍一下商汤绝影在车路协同领域的最新进展，以及我们的一些应用场景。

双智意味着国家现在有了非常明确的政策导向，为汽车城市协同发展和产业升级带来了巨大的机遇目前双智城市有十几个如果从这个维度去思考，首先要弄清楚以双智摩城的协调来说，它的技术架构是什么样子的从商汤科技的角度，我们把摩城和双智摩城的架构分为四层

第一层是智能基础设施，包括车辆的一些边缘硬件，包括之前的一些智能灯杆，一些设备都包含在基础设施中第二层是信息网络的多网融合，进行数据聚合第三层是新的网络设施，这也是我们商汤努力的主要方向第四层是智慧城市+智能网联汽车的应用层，我们希望通过应用层把这些技术串联起来总的来说，我们希望通过四层技术架构，实现Motown的融合发展，开启Motown智联AI与工业的融合，重构数据的价值，等等

在我们的理念下，我们要打造这种双智能城市的车路协同，主要方案叫做软件定义车路协同我们的认知是，在过去的传统交通建设中，已经有很多硬件基础设施，包括路边的MCU其实更新的技术还是很快的如果政府重复投资建设，资金还是会很高所以我们希望以软件定义的方式使用交通道路协同的软件模块，让里面的软件快速升级

这和行业内一些顶级车企有点类似他们在自动驾驶自行车上使用这样的阴影模式，不断迭代升级他们的模型我们也希望把车路协同做成这样一个软件系统，可以通过云端拉，不断升级路侧和云端的模型，不断提升自己的能力，无论是算法仓库的类型，还是现有算法的精度

如果要体现软件定义的车路协同，我们希望实现按需定义，持续运行的模式基于这一理念，我们构建了车路协同的整体产品矩阵，包括L4自动驾驶小巴和自动驾驶扫地机在路边，我们也是主要通过重度AI计算的路边计算单元，在云端，我们构建了智能计算和云控制平台，迭代升级连续模型

有了这样的基础设施和算法框架，其实我们希望实现这样一个车城融合的数字化基础我们认为双智是智能汽车，是智能城市过去城市里建了很多优秀的基础设施，最终都被智能汽车使用和赋能但是，以前每天有很多智能汽车在路上跑，现在每辆车都有很多传感器，所以在一定程度上，汽车是城市摄像头的一大维度补充

从这个角度来说，我们构建了这样一套思路和框架，从汽车的一些体验到陆云的基础设施来赋能智能汽车，移动的感知源也可以赋能双智城市的建设。

另一个需要解决的是双智能城市或者车路协同的平台云平台不可能脱离过去智慧城市的建设而独立存在在过去，智慧城市政府可能已经建立了一个平台系统，包括交警和交通控制等方面的6+1平台那么如何才能做到无感嵌入，让双智的应用开放，为他们产生商业价值呢在这其中，我们和现有的智慧城市做了一些系统的沟通和设计，比如它的整体云控制平台，我们的AI平台，整体的数字孪生服务

下面我们来看几个与Motown相关的应用第一个例子是看我们的智能汽车是如何赋能智慧城市的，或者是对比之前固定摄像头的建设和现在移动视频源的使用其实过去在智慧城市领域，很多应用都没有覆盖到，比如道路养护，环卫等其实用固定摄像头很难覆盖，因为固定摄像头可能感知的距离只有50到100米，他的立柱成本也很高，政府负担不起这么大的预算，也无法实现全覆盖但是现在我们想到了一个办法我们制作了一个轻型传感器装置，并将其安装在公交车上一般来说，公交车的路线设计可以覆盖整个城市其实我们就是用这种边缘计算的方法，覆盖所有这些感知源道路来发现一些道路病害，拉到云平台上进行聚合，最后推送到各个局，产生大量的价值目前已覆盖多个行业，孵化了20多个应用场景而且轻量化的边缘装备很便宜，大概只要2000元左右，比之前的立杆10万元要低90%以上但是覆盖面很大，一辆车每天能跑500公里实际上对于固定摄像头只能开50米，实际上对可视化面积有非常大的提升

与摩城网相关的另一个应用是与智慧出行服务相关的应用场景我们在做的自驾接驳小巴，现在已经在枫溪实现了常态化运营线路，达到32公里这是公交线路上比较长的一条线，每天都正常运营，包括上海的机场等也进入了常态化小巴的衔接目前已取得18个牌照，累计运营27万公里

另一个与车—城网络有关我们也希望让车路协作成为下一代智能交通，所以我们也在打造这是在一线城市建设数字双路口，提高通行效率，我们希望通过车路协同路侧和云侧拉通，实现路侧信息的云端汇聚

我们还在研究一件事，就是过去智能汽车是分级的，现在也需要道路分级事实上，当一些传感器出现故障时，车方有时会执行降级策略，例如从L4到L2的降级策略我们现在也在研究，因为路边的天气不能保证它不会出错当你犯错时，赛车会有什么反应这也是我们研究的内容，即路侧设施的分级和退化

最后，我们来看两个案例一个是和广州羊城通在广州做的一个项目，就是广州公交集团的部分公交车安装我们的车路协同感知设备，实现开裂，堵补等相应道路病害的识别，同时实现相关城市运营管理的识别更好的是，我可以通过云平台更新这些算法我不需要这些算法是完整的其实可以越用越智能

另一个是跟我们车路协调的情况，跟车路有关我们在上海临港构建了行业领先的车—路—云—网—图全栈技术智能汽车基础设施协同系统在滴水湖地区，明年将实现全无人驾驶L4班车滴水湖地区的观光道路将通过车路协调的方式来保证其功能和运行安全