“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。