来源：解放日报
眼下，车路云一体化逐渐成为智能网联汽车交通系统的发展方向，不过，现实仍存在诸多难题亟待解决。近日，上海举行智能网联汽车网络安全论坛。业内人士在论坛上指出，投入产出比、网络安全等是当前行业发展的突出挑战。
今年7月初，工信部等5部门发布《关于公布智能网联汽车“车路云一体化”应用试点城市名单的通知》，确定北京、上海等20个城市（联合体）作为首批“车路云一体化”应用试点城市，以加快形成全国可复制可推广的经验。目前，包括上海嘉定、苏州、无锡、湖州等地均在应用实践方面取得一定成果。
去年3月，具备L4级（即高度自动驾驶）驾驶能力的新型无人驾驶小巴车在无锡经开区投入使用，现已累计服务超30万人次，无锡全市则集聚超200家“车路云一体化”领域重点企业。在苏州相城，近年来当地持续推动智能网联道路改造，已全域开放道智能网联道路测试和示范应用，累计建成智能网联道路超250公里，实现无人巴士、无人出租、无人物流等超600辆智能网联汽车上路通行。
在中科星图高级副总裁胡煜看来，车路云一体化是智能网联汽车规模应用的必然趋势，将汽车、道路与云端紧密地联系在一起，构建起了一个全新的交通生态系统。作为一家深耕空天信息技术产业多年的企业，中科星图现正依托技术和产品积累，向智能网联汽领域拓展业务。
业内人士认为，不止于自动驾驶，车路云一体化协同的更大价值是解决自动驾驶条件下的交通效率和交通安全问题。有实验证明，智能交通能够提升20%-30%的通行效率。美国新泽西州的梅多兰兹，通过部署自适应交通信号控制系统，每天为40万辆车提供服务，可以在15分钟内疏解长达8公里的拥堵。
不过，当前车路云一体化发展还远未达到人们期待，一边是城市积极参与，另一边则是车企迟迟不上“车”，绝大多数车企仍对此观望。
在自动驾驶领域，存在两种主要技术路线支撑，分别是单车智能和车路协同。车路云协同的建设离不开完善的新型道路系统，而这也意味着巨大的路侧建设成本，这笔成本很难摊薄至广大车企和消费者，单车智能仍是一众车企的选择和实践路线。
单车智能的发展路径则需要实现自动控制的闭环，“且不说高精地图，即便普通地图的更新周期，也必然滞后于实际道路建设，依靠地图实现车辆运行控制，显然不靠谱。”中科星图首席科学家唐德可解释，如果要实现全场景自动驾驶，单车智能必须能够独立完全自动驾驶。
“虽然智能道路建设成本高，但单车智能成本降低，大系统成本总体更优。”唐德可通过数据分析举例，新建公路每公里需要800-5000万元，智能化改造成本低于每公里100万元；只要在每辆车上节省1.98万元成本，就可以在每公里道路上投入100万元的智能化改造。“车路云一体化具有显著经济性和社会效益，只要单车需要在无路网协同条件下实现自动驾驶，那么在单车智能上花的，一分钱都不会少。”唐德可补充说。
相较于宏观账，车企也会计算一笔微观账，看投入和产出能否形成增长闭环，即实际增加的投入，能否切实带来用户体验提升，进而促进销量提升。而目前，这一增长闭环尚未得到验证，因此大多车企对车路云一体化仍然持观望态度。
围绕智能网联汽车的应用及发展，中科星图旗下中科数测固源（安徽）有限公司董事长董坤认为，国内车联网发展相对比较快，竞争也非常大。“各大OEM（原始设备制造商）整车厂除了安全需求的发展外，还肩负车辆的销售，所以很多整车厂考虑的是投入产出比，同时要满足各个国家或地区的安全要求。”董坤说。
除了车企的成本考虑，数据安全也是当前智能网联汽车和车路云一体化发展面临的重要课题。在董坤看来，随着智能网联汽车的发展，以后会有越来越多车载软件收费，后续“软件定义汽车”会越来越多。安全是智能网联汽车产业化落地的基础，也是产业高质量发展的保障，随着技术的发展，网络安全问题越来越突出。
在前述论坛上，不少人呼吁要进一步加强智能网联汽车的网络安全防护。“智能网联汽车的网络安全不仅关乎车辆本身安全运行，更涉及乘客生命安全、数据安全以及公共交通安全等多个层面。”上海车联网协会秘书长阮大治认为，加强智能网联汽车的网络安全防护，构建完善的安全标准和检测体系，已成为行业发展的当务之急。
今年8月，工信部正式发布强制性国家标准《汽车整车信息安全技术要求》，这份里程碑式的标准为行业监管提供了明确技术依据，一些协会团体也积极开展相关标准的制定。不过，领域内专业人士表示，总体上车路云一体化数据安全管理已得到重视，但在保障车路云一体化数据安全方面，有些标准还需再加快制定，汽车通信、交通安全等各相关行业的标准化组织还需加强协同，监管层面也需加快推动完整的覆盖车路云一体化系统各组成部分数据、全生命周期的法律法规。
“体系建设有难度，业务缺乏具体指南，全生命周期、全应用场景的数据安全技术不具备或还需要适配优化。”工业和信息化部电子第五研究所数据治理服务中心功能安全室主任赵弘洋直言，目前，车路云一体化数据安全治理体系一定程度存在扎实建设难、落实落细飘、技术保障缺等问题，各端数据、数据交互、数据分类分级、数据治理等是突出挑战。
栏目主编：陈抒怡 文字编辑：刘畅
发表评论