285
“大城市的交通拥堵成本大概占到该城市GDP的3%-5%，未来随着人口比例和汽车保有量的增长，这一数字可能占到7%甚至更多。”中国工程院院士郭仁忠在近日举办的2021世界智能网联汽车大会上的一句感慨，引发业界思考：智能网联汽车产业发展的重点早已不是马力，而是算力。在这一背景下，究竟怎样的车路协同才能够在保证交通安全的前提下，改善交通拥堵情况？将面临哪些挑战？
城市交通动态优化是前提
数据显示，城市容纳了全球54%的人口，而到2050年这个数字大概会上升到在70%-80%左右。随着城市人口比例和汽车保有量的增长，大城市交通拥堵治理迫在眉睫。
“若要解决交通问题，就要提升城市交通的整体通行能力。”郭仁忠强调，沿着“单车智能”和“网联赋能”并行的发展路径，城市交通网络承载能力是可以计算的，即利用数字孪生等技术，建立一个城市道路资源的真实模型，为解决城市拥堵提供了重要帮助。
在郭仁忠看来，在交通需求不变的前提下，城市交通可以通过“高峰时段的动态可变限速”和“预约出行”两种方式调优。
对于动态可变限速，道路通行效率与车辆速度和车辆密度直接相关。然而，与人们普遍认知相悖的是，车辆行驶速度加快之后，道路的通行率不但没有提高，反而会下降。郭仁忠举了车辆从干道上匝道的例子——在没有信号灯的情况下，干道限速80公里/小时，匝道限速40公里/小时，实验表明，如果车辆在下匝道之前提前减速，也就是可变限速，通行效率会提高；如果车辆下匝道前不减速，通行效率反而会降低。另外，在车辆通过有信号灯的路口时，不管是传统信号灯，还是智能信号灯，道路限速30公里/小时的通行效率是最高的，显著高于道路限速60公里/小时和40公里/小时。“基于动态流量感知，实行可变限速，协调车流与道路之间的关系，能够提高整体出行效率。”郭仁忠解释称。
对于预约出行，郭仁忠给出的解释，是基于中心化的计算来调控，实行预约出行，能够在已知的条件下实行路径全局优化。预约出行的本质是密度调控，或叫需求调控，为了下一条路口能够流畅出行，把通过当前路口的速度适当降下来，这样就对下一个路口的需求做了调控。郭仁忠说：“在足够算力的支撑下实行预约出行，相信可以在已知的条件下实行路径全局优化，节省出应有空间。”
怎样的车路协同系统最可靠？
“不能解决交通拥堵问题的自动驾驶和车路协同都是不够有诚意的。”中国工程院院士、阿里云创始人王坚指出。
事实上，不是自动驾驶系统和车路协同系统“缺乏诚意”，而是目前的技术和算法不够完备和可靠。那么怎样的车路协同系统最可靠？
2007年图灵奖得主、法国工程院院士约瑟夫•希发基思指出，为了让交通更为通畅，我们需要从单一任务、单一目标、单一域系统，转变到反应式或主动式的智能车路协同系统。
“许多人对现在的自动驾驶和车路协同的能力还过于乐观，目前的车路协同系统仅拥有构建自动化系统的专业知识，但仍需要人不断地进行干预，相比一套可信赖的车路协同系统，目前这套系统的复杂度还很低，大部分只是‘组件’之间的简单连接。”约瑟夫表示。
针对不同类型的道路、交通状况、天气状况，我们需要的是具有推理能力的神经网络机器学习系统，二者缺一不可。因为仅仅具备神经网络机器学习技术也可能被愚弄，有很多案例印证了这一点。
“前不久特斯拉的自动驾驶系统把月亮误认为是黄灯，试想一下，这为何不会发生在人类身上？这是因为，人类的理解结合了从传感器级别到语义级别自下而上的推理。把一张被雪覆盖的红绿灯照片给一个人看，如果他知道红绿灯，并且见过雪，那么他可以推断出这是一个被雪覆盖的红绿灯。对于机器来说，需要利用模拟器和测试技术，还有一些针对此类系统的测试理论，训练它在各种情境和各种不同天气条件下识别红绿灯，但这也是如今所缺失的。”约瑟夫说。
车联网安全问题不容忽视
绕过松动的井盖、礼让行人、躲开路边堆叠的纸箱、及时闪避穿梭的电动车……今年智能网联汽车场馆外的自动驾驶汽车一辆比一辆智能。
我们已经进入了“一切皆可编程、万物均要互联、大数据驱动业务”的新场景，其本质是软件定义这个世界。如果具体到汽车产业，可以说是软件在重新定义汽车，驱动汽车的既不是石油，也不是电池，而是大数据。
由于软件定义汽车，汽车的网络安全和物理安全变得密不可分，网络攻击将直接威胁车辆和人身安全。尤其在当前网络战愈演愈烈，网络安全重大事件频发，网络威胁不断升级的情况下，智能网联汽车的网络安全问题的解决更加迫切。数据统计，从2016年到2020年，全球汽车网络安全事件数量增长近10倍。
在360集团创始人、董事长周鸿祎看来，智能网联汽车主要面临四个方面的网络安全挑战：一是代码数量增加，车载系统安全缺陷激增。汽车已演变为新型智能移动终端，让车载系统本身的网络安全风险迅速增加；二是万物互联增大攻击面，云端隐患威胁车辆安全。智能网联汽车作为车联网的中心，为黑客提供了无数的攻击入口。三是车企网联程度不断提高，供应链安全隐患巨大。未来，所有车企都需要建立复杂的内外部云端网络，网络安全隐患巨大；四是，大数据驱动智能，数据安全风险攀升。车企拥有的数据量将不亚于任何一家互联网公司，数据安全将威胁到用户隐私安全和自动驾驶等功能的使用。
“当年那个‘买两个杀毒软件就能轻松解决问题’的时代已经过去了，当面临智能网联汽车的安全这类复杂的系统性问题时，需要从“车载网络、车联网络、车云网络、车数网络”四个方面建立体系化解决方案。”周鸿祎说。
车载网络包括三个方面，分别是汽车底层通信安全、智能座舱用户感知安全，以及汽车出厂前核心设备的网络合规安全；车联网络则包含与车联万物相关的以及身份认证、远程控制、OTA升级的安全，同时还包括对车辆安全的实时态势感知和监测；车云网络则包括生产网、办公网、运营网、用户网、产业链网在内的车厂内外部云端网络安全；车数网本质是大数据安全，需要针对车企提供统一的大数据安全解决方案。
周鸿祎表示，面对新的挑战，网络安全解决方案提供商要坚持“一个指导，两个融合”的新战法，以对抗、攻防思维为指导，强调安全体系和数字体系相融合，将攻击、防守和资源管控能力相融合，将单点分析、外防攻击，内控资源、安全基建等核心大数据汇聚起来，建立全球的视角，提供分析，才能真正监测到车企、车云、车辆终端有可能发起的网络攻击，避免智能网联汽车安全恶性事件的发生。
下载ECAD模型
