圆桌论坛实录｜智慧高速高质量发展的探索

2023年，党的二十大报告擘画了加快建设交通强国的明确目标，推动高质量发展是做好新时代经济工作的根本要求。我国传统高速公路的数字化升级和智慧化建设正在迈入加速阶段，车路协同已经成为智慧交通的重要使能技术。如何促进并实现智慧高速的高质量发展，成为了行业内讨论的热点。

3月30日，由中国公路学会主办，中国信科集团、中信科智联（原大唐高鸿智联）协办的 “车路协同赋能智慧高速高质量发展”主题论坛在福州圆满落下帷幕。在圆桌论坛环节，由中国信息通信研究院技术与标准研究所葛雨明主任主持，重庆交通大学机电与车辆工程中心主任隗寒冰教授，北京邮电大学交换与智能控制研究中心主任李静林教授，华南理工大学吴贤铭智能工程学院唐建华教授，以及北京卓视智通科技有限责任公司CEO吴柯维共同围绕“智慧高速高质量发展的探索”开展了精彩的交流。

以下为文字实录。

圆桌论坛现场

主持人：葛雨明 中国信息通信研究院技术与标准研究所主任

参与嘉宾：

• 隗寒冰 重庆交通大学机电与车辆工程中心主任、教授
• 李静林 北京邮电大学交换与智能控制研究中心主任、教授
• 唐建华 华南理工大学吴贤铭智工程学院教授、特聘研究员
• 吴柯维 北京卓视智通科技有限责任公司CEO

01

主持人：我是本次论坛的主持人葛雨明，非常荣幸邀请到业内的各位专家共同围绕着智慧高速高质量发展进行探讨。

今天论坛，大家也讲了很多车路协同的典型应用场景，我想各位也还会有自己的独特见解，我们就先谈谈车路协同未来有哪些典型的应用场景，或者对今天这个主题，智慧高速高质量发展，会有哪些值得借鉴的方向？我们从隗老师开始。

隗寒冰：大家好，很荣幸有这个机会坐在这里跟大家一起交流学习，我刚才在下面听了各位专家的发言，感觉很振奋人心，在车路协同这个领域，不少企业都已经有这么大规模的商业化应用了，但是作为一名“搞车”的人来说，我觉得车端的研发工作还是拖了很大的后腿，真正的车路协同，我们还得落地到车辆上去应用，但目前在这方面还有很多很多的工作要做。

从车路协同这个角度上讲，研发最终的目的可能就是为了实现L2+或者是L3以上的自动驾驶，但是我个人认为，这个目标还非常遥远。在高等级自动驾驶大规模的商业化落地前，我个人其实比较看好高速公路上的车辆队列控制，就是高速公路上的物流运输队列的编队自动化控制。这个刚才张总在报告里面也做了一个精彩的分享。

对于队列控制这块而言，它可以有效地降低车队整体的风阻，消除车队之间的一些涡流，在中国、美国以及日本，已经有一些科研机构对这块做了一些研究，研究结果表明队列控制的应用可以降低10%-20%的燃油消耗。

另一方面，刚才褚文博博士也分享了一些关于他们在生态驾驶方面做的一些研究，以前对于车辆的生态驾驶控制研究，主要是基于一些驾驶员行为的历史数据，根据历史数据来预测未来的驾驶行为。如果有车路协同技术的介入，可以将其应用在车队控制上，例如：当车队的第一个车，踩下制动踏板时，即使这个车队头车的速度还没有降下来，车队后面的车，也可以通过车路协同技术接收到制动信号，进行同步制动，保持一个最小的队列控制。这种类似的协同应用对于整个车辆队列的经济性能会有很大的提升，同时对于驾驶员的生态驾驶，也能起到一个较好的效果，例如：根据未来道路的红绿灯信号信息以及未来的其他路况信息，都可以提高驾驶员的生态驾驶能力。

我觉得这个是目前车路协同技术在高速公路应用上比较大的一个应用场景，还是十分具有商业前景的。

主持人：明白，而且确实是从汽车行业去看，就是在高速公路这种场景下，可能安全和效率，尤其是编队，是非常重要的。那信息通信方面，李静林老师您有什么见解？

李静林：各位专家，各位嘉宾大家好，我们也是比较早的在做车路协同领域研究，而且我们作为一个信息通信网络领域的学校，原来跟运营商接触比较多，现在做车路协同，两个领域可能会有一些差异，但互联网所谓信息高速公路的概念，实际也可以给高速一定的借鉴。

高速公路这个领域，或者说自动驾驶这个领域，和信息通信领域不太一样的是比较关注的一是安全，二是效率，基本上是这么两大问题。从未来的发展方向看，我觉得车路协同是能够解决高速的一些本质上的问题，比如说安全方面，像阴雨这类的，单靠人的视觉是解决不了的，而C-V2X可以让车看到视觉能力之外或者是盲区之外的一些东西，预先做预警，是可以提高安全性的，能实现高速全天候通行能力。那么效率呢，比如说自由流收费，现在的高速ETC是卡口式的，如果要分道去收费，分道去监管，这种卡口只是一段路段状态的统计，是没有办法做到全路面运动状态的细粒度认知的。而C-V2X，通过路侧雷达的认知和C-V2X车载高精度定位认知，就可以做到这一点。

刚才提到信息高速公路，从互联网的发展我们也看到，现在很多人在纠结说未来到底应该怎么发展，终端渗透率为什么上不去，应该怎么办等等。从网络尤其是4G、5G的发展，可以有一点借鉴。当年3G刚开始出来的时候，没有人会想到移动互联网这么发达，会改变我们的生活，我们很多人都会纠结，建立这个网干什么。当年觉得视频电话不是4G杀手业务，但是现在疫情，会议80%都改成了线上，这是改变我们工作方式的。

高速或者城市道路也是这样，现在LTE-V2X大家在纠结，它的业务形态到底是什么，但只有真正铺开以后，才有可能会产生一些新的业务形态出来。比如说分道收费很多高速公司都在探讨，是不是可以将最左道让给一些有优先级的车辆，可以收费的车辆等等。现在是做不到的，类似这样的内容，在LTE-V2X推广了以后，是有可能能做到的。原来做3G、4G的时候，我们有一个愿景，说未来大规模推广了以后，视频、多媒体是典型应用，虽然发展过程有一定变化，但是这样一个大的方向，还是引导着网络的发展并改变了人们的生活。

交通也是这样，自动驾驶从单车到协同，是一个必然的发展方向。刚才冉教授提的，最终就是自动驾驶必将取代或者是部分取代有人驾驶。面向这样的一个未来场景，去规划LTE-V2X、NR-V2X、智慧道路以及智慧高速到底应该怎么去建设，应该有这样一个长远的思路，然后按照这个思路，逐步的去推进，必然会有一个相对好的结果。

主持人：非常感谢李老师。我觉得是两个方面，一个是提到信息化高速公路这个概念，我们在讲无人驾驶的时候，也会提是不是有一个虚拟车道。第二个，现在也在探讨，在高速公路上，有没有更精细化的管理的手段，等于细化了我们对于原来的安全和效率的一些帮助。，唐建华老师有什么见解吗？尤其是在高速公路高质量发展的一些典型应用呀，或者一些已经取得的成绩，在您看到，是未来可以去复制和推广的？

唐建华：好的，各位领导各位专家大家好，我是华南理工大学唐建华，今天也非常荣幸来到这里听取了各位专家的报告，也学到了很多，我自己也有很多的感悟。

关于现在这个议题，对于智慧高速公路来说，我自己是从事通信行业的，我可能会比较多的从通信行业去思考。如果说要推动这个智慧高速高质量的发展，我觉得现在一个比较大的问题，就是在应用场景中有没有一个类似通信领域里面，像视频直播这种杀手级的应用。像智慧高速公路也是一样，这是一个非常大的全产业链，会有各个行业参与进来，也会有各个方向的投资和注入。我们想要看到这个东西有没有成效，那么一个很大的问题就是有没有一个这样的杀手级的应用去说服使用者，也说服投资人去推动这个事情的发展。如果这个杀手级的应用没有解决，那很多东西都是空想。

我觉得还有一个方面是现在来说，所使用的这些C-V2X等各种设备，还是存在一个渗透率不足的问题。尤其在很多地方，部署还是不太够，导致很多功能、很多应用都没有办法实现，这个也是在未来要解决的一个问题。还有关于智慧高速公路怎么样会推动人类社会的发展，我们觉得也有三个方面：

第一个，可以让安全系数提高，这个是最根本的，我们想通过车路协同、车设协同去打造驾驶人员的安全，提升安全系数。

第二个，提升效率和速度，刚刚有很多专家介绍了，比如说在合流、分流、收费的场景里面，如何通过车路协同、C-V2X这些最新的技术去提高速度。

第三个，怎么达到节能的目的，也就是绿色。我们现在也在大力倡导双碳，碳达峰、碳中和，也会思考怎么利用新的车路协同技术去达到对于高速公路或者是普通的道路场景节能减排的目的。

主持人：我觉得多了一个节能，可以呼吁高校老师做这方面研究。。其实现在城市都在算碳排放，如果真的把一个智慧路口改成网联的，基于能够降低交通拥堵和提升通行效率情况下，这个路口的节能多少是很重要的。这个如果能算出来的话，我们可以跟车厂或者是城市之间做一些积分的互换，我个人觉得都是很有意思的事情。

吴柯维总您好，您是做产品的，而且多年在智慧交通领域做一些研发性和解决方案的工作。您觉得到目前为止，结合刚才提到的安全、高效、节能，咱们有哪些产品？

吴柯维：首先非常感谢中信科智联提供这个平台，我们公司其实主要专注于AI在交通行业的应用，严格意义上我们是一家人工智能公司。所以从不同的视角来看这个问题，我们一直在围绕高速公路解决一些问题。

其实做车路协同里面最核心的，我认为也是最难的一个问题，就是如何将这个道路感知的做准，包括现在的自动驾驶，它面临的最难的问题也是核心的感知问题。

这里给大家分享一个点，就是最近这几年，特别是从去年到今年整个AI发生了非常大的变化，整个感知模式已经不再是以前那种遍历式的深度学习模式。比如说特斯拉开始使用一种新的占用网络的神经网络模式，去解决道路感知问题，就是它的车载感知问题。

它带来的变化就是自动驾驶的落地时间可能比我们很多人想象的要提前，单车智能可能没有那么弱了。那么带来一个问题，就是如果有一个高智商的车，它还要不要车路协同？很多人可能在想这个问题。

其实从人开车的角度来说，即便是一个非常熟练的老司机，也会产生一些事故，就像前面讲到的匝道合流、异常天气情况下的问题等等。所以我认为在高速公路上，去做包括恶劣天气、交通事件、抛洒物、道路拥堵等的精准感知，如果感知的足够准确，对车辆是非常有价值的。

这个对于不管是人开车还是自动驾驶，哪怕是一个高级别、高智能的车，也是很有价值的。所以我认为这些应用，其实很多业主也是非常喜欢，也能够落地解决问题的。

去年年底高速公路上发生了很多的连环追尾，这个时候问题来了。过去高速公路上没有系统能够通知后方那些车辆，前方比如说有团雾了，后边的车辆还是会追上去，这个时候车路协同能起到很大的作用。它能够在几十米，甚至几百米之前就提醒司机去进行提前的避让和处理，我觉得是非常有价值的应用，包括抛洒物和道路上异常情况的提醒。

另外对于管理者而言，也非常有价值。过去的管理者可能都是依赖于人工，所以这次展会有很多的云收费站。其实高速公路管理者也在想一个问题，怎么把人减少。车路协同不光是对车有作用，反过来对管理者也有很大的作用，比如说车辆怎么通过车路协同去进行管理。

车路协同，大家都在讲上车率的问题。其实先从这些地方入手，把高速公路自己的养护和运维车辆先用起来。它的位置就可以起很大的作用，可以极大的减少高速公路管理者的成本，看到车路协同实际的效益，他们也愿意投入到这上面来。

这几点是我想分享的。

02

主持人：重要的就是感知，而且给出了我们一个指导性的路线，其实可以从自有的保有车辆开始推广一些车路协同的应用场景。其他几位老师也可以提提，包括现在很火的ChatGPT、大模型学习，大家觉得这几年包括在车路协同这个领域，哪些技术的突破是为真正的车路协同起到了支撑作用。刚才吴柯维总提到了感知，除了感知，唐建华老师您觉得有哪些技术是我们现在看到的已经应用了，而且是比较突破性的，或者说您觉得还有哪些技术是可以我们重点布局的？

唐建华：首先我觉得刚刚就像您的报告讲到的，感知、通信计算，您的报告覆盖了这三方面。首先我说一下通信这方面，通信领域从大概2011年左右的时候开始说要提5G这么一个概念，然后我们那时就在规划5G到底是一个什么样子，当时就规划了三个典型应用场景，eMBB、URLLC、MMTC。

但是相比4G，5G最主要的改变就是除了个人做移动通信使用以外，它也瞄准了应用于垂直行业，在智能网联汽车或者是车联网方面，我们这些年也顺利的把5G用了进来。相比于以前的DSRC，现在我们用5G来做。一个比较大的突破是可以利用5G的低时延特性，尤其是在高速公路场景当中，车辆在快速移动，如果时延不够低的话，可能做完决策的时候可能这个决策已经失效了。所以我觉得第一个比较大的突破，就是在通信方面。

当然，现有的5G能力还是不太够，所以在通信领域把5G没有完成的事情交给6G来完成，我们现在又在大力探讨6G。本来我们设想的是5G要达到1毫秒的时延，但是现在看来我们没有达到这个目标，所以我们想要把这一个故事放到6G去完成。但是现有的5G能力在一定程度上还是有了很大的提升，有一些场景还是可以满足车联网的需求，这是我从通信的角度来做一个分享。

第二个还有数字孪生技术，对于智能网联汽车的发展也是能起到很大的作用。就像刚刚张杰总也介绍了，中信科智联这边有做过车载的数字孪生。数字孪生有很多种不同的形式，比如说从专业的角度来理解有分为服务数字孪生、设备数字孪生之类的。从管理者的角度来说，也是可以把交通协同做一套数字孪生系统。

主持人：现在是有企业在做？

唐建华：是的，这个也会对交通管理和智慧出行提供很大的帮助。其实它可以实现两部分人类没有办法做到的事情，就是人类在物理世界的感知是非常有限的，如果我们通过数字孪生，可以把这个感知能力大大扩大，它可以从时间和空间上双重来提高人类的感知。

可能我现在站在这个地方，或者是我开车在车上，我只能感知周围很有限的环境。但是如果有数字孪生技术，比如说可以从时间上可以做一个预判，人类还没有办法达到这么快的高效的反应。从空间上，也可以通过数字孪生技术告诉你在看不见的地方发生了什么事情，你的前面、后面发生了一些什么样的事情，可以帮助你做决策。

我就分享这两点。

主持人：简单有句话可以交流，就是用空间换时间，通过感知距离的延伸来换决策时间。很有意思，包括苏州也做了一个轻车熟路的解决方案，就是通过云控，能够很好地提前预判一些交通可能存在一些危险情况，其实能够一定程度上降低车辆需要决策的能力，感谢唐老师。

李静林：我简单分享一下。刚才葛博士提了感知通信计算，我们觉得新技术主要体现在这么几个方面：

现在的LTE-V2X实际是广播式的，它有一定的局限。NR-V2X理论上讲可以做端到端，但是目前大家还没有找到NR-V2X的应用场景。大家觉得LTE-V2X还没有成功，继续发展NR-V2X干嘛呢？所以需要提一些新的场景出来，其中有一个很重要的方向是智能机器网络。虽然车要智能化，但单车再智能，它和人也是差不多的，只不过眼睛更清楚一些，反应更快一些，它还是会有盲区，还是会有遮挡和各种能力问题，所以需要车和车之间、车和路之间协同。但车载自动驾驶是一种人工智能，高级辅助驾驶是一种人工智能，路侧信控也是一种人工智能，那么未来人工智能之间要去协同，它的需求和目前面向人的车路协同需求是有一点区别的，比如说它们之间怎么交互，它的交互内容是什么，由此就产生了几个方面新的技术。

从感知技术角度来讲，会从前期的感知或者是后期的融合，转化成特征级的协同感知。也就是说并不是路侧雷达检测到这有一个目标，把它发到车上，车载智能就认可这个目标。实际自动驾驶是不相信的，一方面是不信任路侧的检测结果，另一方面也是人工智能无法直接使用检测结果。那么有没有可能由车的智能和路侧的智能去自洽完成相应信息的传递？这被称为特征级融合，我认为这是未来NR-V2X承载的核心内容。另外，如果不做特征级融合，能不能直接把点云传过来？LTE-V2X现在的带宽是传不了的，NR-V2X估计也费劲。那有没有可能通过智能协同，只把盲区的内容传过来？这是按需协同感知。这些需求来了之后，NR-V2X到底承载什么就有了。

在感知和通信的协同上，因为6G已经把频段提到了60和70赫兹以上，这就意味着6G的频段已经到了雷达的频段，可以用通信的频段来做雷达探测，这也意味着不仅仅是摄像头、雷达和通信协同工作，而是可能将通信频段和雷达频段合二为一。也许未来真的只需在车上装一个雷达和通信一体设备，路侧装一个雷达与通信一体的基站或者是微站。它带来的好处是什么呢？现在LTE-V2X是广播式的，因为不知道车在哪儿，只能通过广播。但是未来的6G要做超大规模MIMO，这时候雷达的目标探测就能提供目标车的方向距离，然后可以通过这个方向距离来调整无线波瓣，实现定向通信，从而在车车之间提供更大的带宽，用来传递点云或者视频都可以，这是未来感通一体的发展方向。

通信和计算一体是刚刚说的智能机器网络中智能计算位置和通信组网协同。智能化的车和智能化的路侧基础设施是要组网的，或是D2D组网或是Cell组网。蜂窝是集中化的容易管理，但如果要D2D这种组网的话，就必然面临一个路口有这么多车、这么多人，相互之间还存在遮挡，车路之间怎么去建这个拓扑？现在主要是按照通信质量去建的，那为什么不能按照协同需求去建呢？比如说盲区在哪儿？我要跟能看到这个盲区的路侧边缘计算或能看到这个盲区的智能车主动通信，有目的的协同，而不要跟其他的车交互去浪费资源，这种需求我们管它叫通算一体。它将会在未来人工智能化的车辆和路侧基础设施中得到广泛的应用。

主持人：我觉得已经非常精彩，能够把现在所能够用到的技术，而且面向未来通感和现在技术的困难，都已经阐述的非常精确。隗寒冰老师，觉得从汽车公司的角度有什么看法？

隗寒冰：刚才李老师提到的车端和路端的检测结果哪一个更值得信任的这个问题，这个也是我们一直在探索的方向。目前在车端方面，对于这个问题只是做了一个决策级的融合，在实际应用过程中仍存在一些问题，就是对于同一个目标的识别，车辆是以车端识别的结果为准，还是以路端发送的结果为准。例如我们在实际的工程应用中碰到过的极端情况，就是车端的结果和路端发过来的结果不一致，两者在经纬度上来讲，小数点后第六位开始就已经存在较大的偏差，这样就导致最后的结果可能差了1-2米，这个时候两者偏差这么大，那到底是以车端数据为准，还是路端数据？

刚才李老师还介绍了车路协同通信中的鸟瞰视角（BEV）技术及其在车辆感知和能量管理方面的潜在应用。BEV技术涉及到跨领域的深度推理和图像处理技术，需要克服多种挑战，例如来自车辆端的前向视角和数据转换等问题。而车路协同技术具有天然的上帝视角，可以提供丰富的BEV图像信息，从而有助于实现更加智能和高效的车辆控制和决策。

我想如果按李老师说的，通过5GNR技术将车端提供的BEV原始数据传输到路侧进行处理的建议，这将有助于更好地训练路侧模型。此外，车路协同技术还可以在电动车、混动车中应用，通过Telematics技术提供前方路况信息，以优化和分配自车的能量管理。这两年随着车路协同LTE-V2X技术的发展，这些技术已经被广泛应用于量产车型中。例如:可以通过把VCU、OBU的模组融合进来，接收路侧的一些信息，然后对电机、发动机或者混合动力系统的能量管理进行优化。这些技术和应用将为未来的智能出行提供更加可持续、安全和高效的解决方案。

主持人：感谢，我觉得比较难的就是协同的决策，像您刚才提到的，车路协同到底是车驾驶还是路驾驶。今天这个机会很好，我们也都谈了很多困难，希望从吴柯维总开始，针对其中的一个困难给些发展建议。 

吴柯维：我们公司的业务偏向于路侧，我一直觉得路侧的业主是偏保守的。但是通信系统这几年的发展很快，路侧应用的系统相对而言进程比较慢。比如说通信系统现在从2G到5G，马上到6G了，但是像高速的建设标准可能是20年前，甚至10几年前定义的。

我的建议是应该去加快智慧高速，特别是车路协同一些新的标准。很多的设计院也搞不清楚现在这个新的智慧高速到底该怎么设计，做了一些智慧高速却还有一些质疑。

其实很多时候要敢于设计，适度超前。我觉得智慧高速也是这样，它的建设标准各个方面考虑还是要适度超前，而不能仅仅满足于已有的应用，这样才能后向兼容未来的一些应用，否则后期的改造成本也会比较高。

今天我看张杰提出把ETC的门架利用起来，装C-V2X的RSU，我觉得这是非常好的主意。本身这些资源也没有浪费，其实也投入不了多少钱。只要这个系统起来了，车端就愿意用这个东西，对整个产业的拉动是非常大的，这是个非常好的建议。

我的建议也是希望交通部门，特别是ETC有关部门，包括路侧的高速公路业主能采用这样一些方案，将一个省先做试点，把门架用起来。

现在我听说有一些省在考虑把一些冗余的门架里面的系统关掉，要减少部分门架资源的浪费，我觉得其实可以把它用起来，这样对C-V2X的发展也是一个很好的帮助。

03

主持人：基础设施适当先行、标准先行。唐老师，您的建议呢？

唐建华：我针对现在的覆盖率和渗透率的问题简单聊一下，我们知道如果要把高速公路或者是城市道路完全做一个从头开始的改造，然后做成这种聪明的车、智慧的路的形态，它的成本是非常高的。

就像在通信里面，本来用4G好像也挺好用，突然来了个5G，一开始是没有办法去说服消费者，说你一定要用5G，这个东西很好用。车路协同也处在这么一个阶段，虽然这个概念和想法相关的从业人员觉得很好，但是对于普通的消费者，好像觉得这个还没有到他们一定要用的地步。

主持人：获得感不强？

唐建华：对，动力还不强。我觉得可以从以下几个方面尝试，现在比如说要从头开始去建、去布这些基础设施，那当然是成本代价是非常大的。我们可以尝试跟其他的一些服务的部门或者是机构去合作，比如说车路协同这些基础设施跟交通系统、交通管理部门，还有城市管理部门、城市规划部门都有很多的重合。我们看看有没有办法，就是我们大家一起来做这么一个事情，而不是简单的从我们一个角度去出发去推，那可能是比较困难的，就是我们能不能多方位联合，我们有这种共性需求的大家一起去推动。

第二个，现在也正在做，能不能在一些适宜的场景下面做一些示范，让大家看到这个东西是好的，用起来对我们的安全、速度、绿色都是有帮助的。也就是在一部分的小区域，先把这个东西用起来，然后让大家觉得这个东西好，到时候再推广就更自然了。

我就简单介绍这些。

主持人：先试先行，基础设施建设协同，非常好，李老师，您的建议呢？

李静林：正好借助着刚才的话题，先行先试这个事我也提一点。因为确实车路协同遇到的问题很多，我觉得其中有一个C-V2X本身的小问题。

因为LTE-V2X是从移动标准演进过来的，我们搞通信的人，习惯于先做国际标准，然后再推广。但是交通领域、车辆领域正好相反。大家看到的是它能不能解决问题，能解决问题能赚钱再做，否则是不做的，就导致了现在一些比较尴尬的现状。所以，C-V2X跟移动互联网有一点点区别，它可能还真做不到先做全球的标准化，然后再去推广，可能还得反过来，先做先行先试，能解决问题的留下来。

如果要先行先试，则面临一个问题，现在的LTE-V2X，包括以后的NR-V2X，实际上还继承了DSRC的一些想法，比如说BSM消息要干什么，RRI消息要干什么，这是一个典型的通信和应用一体化的实现方式。而移动互联网，正好相反。移动互联网的通信和应用是分离的，当然这也造成了移动运营商的管道化。但是从另外一个角度讲，正因为移动运营商被管道化了，才有移动互联网的大发展，才会有这么多互联网公司和互联网服务。

所以从这个角度讲，我觉得C-V2X，也应该有一点这样的思路，把基础业务和增值业务分开。什么是基础业务，比如说BSM这种位置广播类的做基础业务，而一些新的，比如智能车路协同感知数据的，这个没有办法去标准化。现在做目标检测，检测结果传输还可以标准化，但如果是特征级数据传输呢？怎么把它标准化？目前这是标准化不了的。这就意味着需要把通信能力切分一下，比如说某些高速公司，想要一些什么样的业务，应用是可以定制通信内容定制开发的。因此现在我们遇到的问题，实际上是由于通信与应用耦合的局限，导致想做一些新的业务都做不了，就没有办法先行先试。这是一个影响先行先试效果的小问题。

主持人：隗寒冰老师，您的看法呢？

隗寒冰：我就想从商业模式这块提一些我个人的建议。就是在应用车路协同研发过程当中，和一些建设方也交流过，对于车辆协同设备的建设研发，目前主要还是政府进行投资，以后可能很难找到一个健康的商业模式去持续的建设下去，这是一个急需解决的问题。

站在车辆需求方的角度讲，无外乎从感知、决策、控制这个几个角度去对车路协同提需求。首先，在感知这块，需要的是车路协同提供的一些原始数据集，像刚才说的点云数据、图像数据等，但是这个数据目前我们是拿不到的。我们希望车路协同的建设方能够把这些相关的数据，以开放或者是以收费的形式分享出来。对于主机厂、高校的自动驾驶研发而言，对这块数据的需求还是很大的，所以是不是可以通过数据提供的方式，补贴一下车路协同建设的费用；其次，对于决策阶段，我们车端需要的数据更多，现在的决策都是要考虑行车交互的轨迹预测信息，更需要一个车路协同技术从上帝视角提供的交互数据。而这个数据在国内以前根本都没有，我们是直接用美国的数据，现在国内也搞了示范区，我在想是不是能够把这块关于行车轨迹交互的数据，能够提供给主机厂以及高校的研发团队，这样也能起到一种引领的效果；最后，就是对于传统车辆而言，有了车路协同提供的一些信息，可以大规模的减少对悬架这块的调校开发的难度。例如：我们曾经做国内的一个悬架方面的项目，实现原理其实很简单，不需要我们在悬架这块去做很复杂的调校、开发，只需要基于未来前方的路况信息来做一个最基本的调校标定就可以了，这个时候就需要用到车辆协同方面的信息。但是由于这块数据的缺失，很多的东西都需要自己来开发，非常复杂。所以我觉得主机厂既然对这块有需求，能不能把这块的数据直接以标准化的形式，来提供给主机厂，作为底盘开发，我觉得也是一个挺好的商业模式。

主持人：好的，给各地的建设运营主体提了很多建议。前几天交流，他们都希望数据能够共享开放。

今天智慧高速高质量发展圆桌论坛就到此结束。感谢各位专家。

---