写点什么

BAT 加速冲刺,“智慧交通”赛道谁能笑到最后

作者:硬科技星球
  • 2022-10-14
    陕西
  • 本文字数:5501 字

    阅读完需:约 18 分钟

BAT加速冲刺,“智慧交通”赛道谁能笑到最后

2022 年 9 月,时速 200 公里级高速公路及磁悬浮汽车技术研究在江苏高宣高速公路进行现场测试,吸引了海内外科技爱好者的目光。

这段 7.9 公里长的项目对外展示了我国在新型磁悬浮载运交通工具、车路耦合系统、混行交通组织与协同控制技术等“黑科技”上的前沿地位,让不少人感叹中国高速公路的超前进展,然而,这些只是我国智慧交通领域的“冰山一角”。

在北京亦庄,依托智能网联标准路口和人工智能技术,如今已经能实现车辆一路绿灯畅行无阻;在杭州,沪杭甬高速公路上,通过太阳能发电、路面光伏发电作为插电式充电桩电量的补充,能为电动车提供充电服务,远期目标则是实现移动式无线充电,在用户开车的同时进行充电;在成都,成宜高速公路打造出国内首条全路段智慧高速,实现对异常停车、大雾天气等交通异常事件的识别和智能决策,使交通事故数量同比下降 60%......

一切的背后,一场在中国 528 万公里庞大公路网络进行的试验已经开启,参与者不仅是大力推动智慧交通新基建建设的政府部门,也包含腾讯、百度、阿里巴巴等互联网公司和华为等科技巨头。在来自腾讯 We Transport 智慧交通战略,百度 ACE 智能交通引擎,华为智慧公路等一系列技术布局的背后,我国高速公路的智慧化建设如今已驶入了“快车道”。

但是,面对复杂交错、纵横捭阖的全球第一公路网络中,如何打造适应性更广、更前沿、更符合时代发展的智慧交通系统?前沿科技又如何参与新基建的建设?这一切背后,离不开硬科技的技术支持。

巨头逐鹿智慧公路

早在 20 世纪 60 年代,美国通用汽车公司就提出了自动公路系统(Automated Highway Systems,AHS)的概念,并获得了美国联邦交通部持续多年的支持。通过对 730 万起交通事故分析与统计,美国高速公路管理局得出在车路协同及车联网系统部署下,将能够减少近 80%的车辆碰撞事故。因此,如何实现交通与信息技术的融合成为美国、欧洲等发达国家和地区研究的重点,而互联网和信息社会的基础让这一进程提速。

随着车路协同、智能交通理念影响国内,科技和互联网公司们纷纷行动起来。阿里巴巴自 2018 年开始打造“智能高速公路”,一方面,利用 AliOS 的斑马系统构建其互联网汽车平台,另一方面,通过达摩院无人车、千寻位置高精定位、高德高精地图等提供技术支持,从云控平台、智能感知基站、协同计算系统三个层面整体推进。

今年 6 月,世界交通运输大会期间,高德地图联手阿里云发布城市大脑·智慧交通体系,并落地北京、上海等城市。在北京,阿里通过对信号灯配时优化,机动车通过路口的平均延误下降了 6%、停车比例降低了 3%;在上海,阿里针对南北高架各路段交通状态所建立的神经网络模型的预测精度提高了 10%。

高德集团总裁刘振飞认为,人、车、路等概念都有了新变化,这将推动智慧交通概念落地,并展现出“左脑与右脑”融合的可能。所谓左脑,是指城市交通治理解决方案,能够打通城市数据神经系统和城市交通疏导系统,服务于政府部门;右脑则是城市智慧出行解决方案,提供公共出行调度系统、智能引擎规划系统和无人驾驶高精地图,服务于用户。

无独有偶,腾讯构建的智慧交通战略也提出类似的思考。2020 年,腾讯公布了 We Transport 智慧交通战略,通过打造云端大脑和数字底座,面向创新交通建设、数字交通管理、数字交通营运和交通出行服务四个环节发力。

为此,腾讯不仅快速完善其交通出行服务,打造了面向全国的乘车码服务,还构建以“实时孪生+交通 OS”为双轮驱动的全新智慧高速解决方案,实现了智慧高速全天候通行、全数字管控、全方位服务。在今年 7 月,其落地项目四川成宜高速公路亮相,并成为首个采用毫米波雷达技术方案的智慧高速项目。

四川、重庆等地,每年因大雾等天气原因,约造成 50-80 天不利于出行的路况。腾讯与蜀道集团合作的智慧高速项目,通过毫米波雷达感知交通流信息,以车机和手机为载体,将交通信息实时呈现,在可视条件不佳的天气情况下,为交通参与者提供及时准确的交通引导服务,不仅减少了过去对视觉感知的过度依赖,还实现了全天候、免维护的实时感知,为出行人员提供及时和准确的交通引导服务。

相较于阿里和腾讯,百度在智慧交通领域经验更加丰富。2013 年,百度启动自动驾驶研发工作;2017 年,为实现产业协同创新,百度发布 Apollo 开放平台,融入车路协同概念;2019 年,百度实现自动驾驶出行服务上路,同时,通过在北京、广州等地自动驾驶项目落地,百度实现了多样化智能交通应用高效协同。

在百度看来,智慧交通的前提是构建“1 个全天候通行数字底座+1 个全天候通行智能中台+3 个全天候通行核心业务平台”,以此来实现交通要素全量感知、恶劣天气分级预警、契约式车辆安全通行以及路警一体化智能协同决策,并有效提升恶劣天气下驾驶员通行安全保障。

在北京亦庄,百度将这种理念落地并实现了“一路绿灯”。借助新的智能交通信号灯及路面检测系统,行进车辆能够实时掌握路况数据,并在百度大脑统筹下,在规划车速下实现一路绿灯畅行,并在有行人闯红灯时及时告知车辆,从而避免事故,百度从智能灯杆、智慧路口等数字化基础设施寻找突破口,实现了城市道路智能化升级。

除 BAT 等互联网巨头外,华为也将触手伸向智慧交通。2021 年 10 月,华为正式成立智慧公路军团,成为与煤矿、能源、轨道交通等平齐的军团。基于华为数字平台,融合边缘计算、物联网、AI 等新技术,以路网感知、路网数字化为基础,实现了公路全程可视、可管、可控。

不难看出,尽管起步较晚,但国内互联网和科技巨头们都对智慧交通这片新战场充满热情,加上我国基础道路建设的快速扩张,发展前景十分可观。然而,当我们深入一层思考,相较于欧、美、日本等发达国家,仅靠这些理念支撑并不能够实现我国的智慧交通的快速发展甚至弯道超车,真正推动未来交通进步的,还是理念背后的“硬实力”。

智慧公路离不开“硬实力”

构建智慧交通的“硬实力”之一,在于里程定位系统,这一系统最重要的一部分不在地面,而在天上。

从 60 年代 AHS 概念提出至今,智慧公路经历了“概念设计、通信技术驱动、绿色能源技术驱动、车路协同与自动驾驶技术驱动”四个阶段,但智慧公路离真正的商业化运营还有相当大的距离,许多核心技术有待攻关解决,其中之一便是车辆高精度定位问题,解决问题的关键,在于拥有自主可控的全球卫星导航系统。

我国自 20 世纪 70 年代便开始规划卫星导航系统。中国科学院院士陈芳允在 1983 年提出双星定位的设想,之后北斗系统工程首任总设计师孙家栋院士进一步提出“三步走”发展战略。第一步,在 2000 年建成北斗一号系统,为中国用户提供服务;第二步,在 2012 年建成北斗二号系统,为亚太地区用户提供服务;第三部,到 2020 年建成北斗全球系统,为全球用户提供服务。

到 2020 年,我国成功实现了既定目标,不仅攻克了卫星使用的高精度铷钟、氢钟、铯钟等时频技术,信号生成和播发设备性能已达到国际同类产品的先进水平,还增加了星钟自主平稳切换和信号完好性监测等功能,保证信号连续性,极大地提高了导航服务的可靠性,在局部上处于领先水平。

里程定位系统的另一重要部分在于地面测距系统。过去,由于国内路面里程桩号不准确和车辆行驶干扰等原因,地面测距系统始终无法构建精准感知。但随着视频摄像头、毫米波雷达等核心传感器的引入,我国高速公路正从“视雷融合”到“雷视融合”进行转变,并能够实现精准感知。

今年 7 月,中国公路学会主办的第二十四届中国高速信息化大会暨技术产品博览会上,南京隼眼科技与四川数字交通科技联合发布了首款基于国产 MMIC 雷达芯片的高性能交通毫米波雷达,成为国内首款基于国产自主核心 MMIC 雷达芯片研发的高性能毫米波交通雷达产品,解决了同类产品核心元器件被“卡脖子”的难题,并成为解决上述行业痛点的关键。

相较于传统的摄像头传感器,毫米波雷达传感器不仅具备“看得远、看得准、看得清”的等特性,还拥有全天候工作的优势。过去,由于路面检测系统以视频为主,由 AI 进行辅助决策,因此在夜间、雾天等条件下,管控手段有限,对通行影响非常大,借助隼眼科技研发的毫米波雷达,可以实现超过 1200 米的乘用车定向距离探测、探测精度优于 0.07°、分辨率优于 0.5°,不仅达到了业内的最高水平,还实现了对道路 24 小时的精准感知。

隼眼科技 COO 张慧博士认为,作为智慧高速公路的硬件基础,以“雷视融合”为主的智慧高速将成为行业趋势:“由于雷达天生具备轨迹流的跟踪能力,在测速、测距、方位非常精准,再加上视频擅长的车牌识别、车型和颜色识别等特性,即便在恶劣情况下或者夜间,视频失效的情况下,雷达仍然可以保持很高的监测质量,未来,视雷融合到雷视融合的步伐在不断加快。”

此外,随着我国在 5G 技术领域的持续领先,过去影响智慧交通领域的关键性问题,如车辆通信、网络可靠性、特殊路段和盲区信号定位等问题都得到了进一步解决,可以说,在这场比拼国家硬实力的“新基建”竞赛中,中国的“硬实力”不断凸显。

何时“走入”千家万户

每一次技术升级背后,都意味着人们体验的升级,但智慧公路建设却不尽然。

在当下,这种新变化给人带来的感知依然不够强烈。以前文提到的北京亦庄“一路畅行”的绿波带体验为例,目前在全国多个省份都已大力推动绿波带建设,但可体验区域仅限于部分地区,并没有实现某一省或城市全域覆盖,这就造成人们体验上的偏差。

更进一步观察不难发现,我国交通的智慧化转型仍面临着众多挑战,不仅存在成本过高的压力,更要求其他领域的深度融合。

交通运输部数据显示,2014-2020 年,中国公路交通固定资产投资逐年上升,2020 年中国公路完成固定资产投资 24312 亿元,比 2019 年增长 11%。2021 年 1-11 月,我国公路建设固定资产投资额累计约为 23925.7 亿元,较 2020 年同期增长 6.0%。

具体来看,如今正在建设的杭绍甬智慧高速公路的全长约 161 公里,规划的是双向 6 车道,虽然只有百公里级别,但投资总金额高达 707 亿,平均每公里建设费用超过 4 亿。据行业内人士披露,基于高精度感知设备的系统整体成本大概是平均一公里 4000-6000 万。

相较于杭绍甬智慧高速公路这样的 6 车道,国内 4 车道道路更多,其智慧化升级成本会相应降低很多。但不可否认的是,高额投入的前提是拥有更优秀的盈利能力为支撑,目前智慧交通行业的盈利能力主要受到行业的投资回报周期、行业服务周期、行业竞争程度等影响,都容易导致这一领域前期投资大,后期回收慢,因此目前推进的城市和地区依然只占少数。

此外,随着更多道路传感器以及通讯设施的引入,网络安全问题也将从延伸到交通领域,360 集团董事长兼 CEO 周鸿祎就提到,如今的网络安全已不仅仅是网络本身的安全,还包括了国家安全、社会安全、基础设施安全、城市安全,甚至是人身安全。过去一劳永逸的马奇诺防线式防守思路已不足以应对复杂多变的网络安全形势。对于参与建设智慧交通系统的各方来说,在快速推进的同时也需要时刻加强交通安全与信息安全的融合。

因此,智慧交通带来的影响并非“爆炸”一般席卷每个人,而是“润物细无声”一般带来影响,甚至在很多人看来,它的发展还远远不够。

正如交通运输部原总工程师周伟所说,如何深度融合新一代信息技术,提升公路的建、管、养、运水平;如何利用数字技术开发应用场景,并解决好商业模式和盈利模式的问题;如何提升公路行业数字化协同管理水平;如何加强公路行业网络安全保护,这些都影响着我们在“牌桌”上的主动权,尽管如此,这场全球角逐的赛道依然少不了中国的参与。

发力“硬科技”,掌握牌桌主动权

中国素来被称为“基建狂魔”,改革开放四十多年,我国不仅公路总里程达到 528 万公里,高速公路总里程也达到 16.91 万公里,居世界第一。但就人均来看,我国每万人拥有公路里程 37.4 公里,拥有高速公里 1.2 公里,分别为美国的 18%和 50%,这种差异,造成了交通中愈发凸显的堵车、安全等问题。

因此,交通运输部在 2016 年发出通知,推动北京、河北、吉林、江苏、浙江、福建、江西、河南、广东九省(市)加快新一代国家交通控制网和智慧公路试点建设,这成为国家层面加快智慧交通领域建设的开始。

在政府与多方合力推动下,2017 年,在北方京雄、南方杭绍甬两条超过 100 公里智慧高速开始进行相关规划、技术验证,且京雄智慧高速公路已经通车,而杭绍甬智慧高速在马上通车的路上,这一过程中,智慧公路的重要意义逐渐显现。

智慧公路建设可分为三个阶段。第一阶段时,是以平台为核心,以路网感知为基础来构建。掌握公路状态,实现对车的精准感知和对环境的感知,联网之后传到管理平台,实现智慧应用;到第二阶段,通过公路视频云联网,实现可测、可控、可服务;第三阶段时,便可通过车路协同提高行车安全,提升管理效率,支撑自动驾驶的实现。

当前,我国正在努力实现第二阶段目标,并为第三阶段进行准备,从而实现安全、便捷、高效、绿色、经济的交通网络,为实现这一目标,我国不仅需要在核心技术上有所突破,还要掌握牌桌主动权。

近年来,我国智慧交通技术研发取得重大突破,相关专利申请数量由 2017 年的 132 项增长至 2020 年的 547 项。最新数据显示,截至 2021 年 12 月 30 日,我国智慧交通相关专利申请数量达 387 项。预计随着智能网联、云计算等技术的不断演进,我国在智慧交通领域的专利申请量将会保持快速增长势头。

此外,根据中商产业研究院统计,在智慧交通领域,2021 年申请人专利量前十企业分布为以捷科技、腾讯、平安国际、东创智慧交通、东来智慧交通、中科通达、中商巨建、合壮智慧、中顺纺织、前海智慧交通。其中以捷科技、腾讯以 100 项的智慧交通专利申请数,并列第一。

无疑,面向未来的智能交通将更加依托智能网联和智慧交通两大数据“飞轮”,在当下,我国正在努力实现将车与车、车与人、车与路等交通参与者的信息进一步融合到整个智慧交通系统中这一宏大目标,当“硬实力”能够深度赋能并实现“聪明的车,智慧的路”,在智慧交通这条全球关注的赛道上,我们将实现又一次弯道超车。

用户头像

还未添加个人签名 2021-09-01 加入

关注硬科技产业,第一时间呈现硬科技趋势。

评论

发布
暂无评论
BAT加速冲刺,“智慧交通”赛道谁能笑到最后_硬科技星球_InfoQ写作社区