當前，車路云一體化協同發展態勢愈發顯著，已然成為智能交通領域的重點方向，在政策引領和市場驅動的雙重作用下，我國智能網聯汽車基礎設施建設提速。本文重點探討車路云一體化的建設和運營模式，以及當前最為關鍵的技術突破點，并對車路云一體化產業未來發展提出建議，期望行業加快形成車路云一體化的商業閉環、技術閉環和產業閉環。
建設及運營模式
車路云一體化是智能網聯汽車產業重要的發展路徑之一。車路云一體化的建設和運營模式，是其形成商業閉環的核心要素。
建設及運營主體
當前，各試點城市積極開展車路云一體化建設，推動車路協同落地加速。未來，各地車路云一體化建設繁榮發展，或需以下三方形成合力。
智能基礎設施的建設及運營方。其主要職責涵蓋建設和運營路側相關的感知、計算等智能基礎設施，如智慧燈桿、停車、充電樁、自動駕駛“驛站”等。在智能基礎設施建設及運營過程中，行業需要綜合考量“多感合一、多算合一、多桿合一”等方面，即實現各個委辦局或者企業所需的感知設備合一建設，算力設備合一建設，桿件、箱體、充電設施等合一建設。
網絡基礎設施的建設及運營方。其主要職責包括建設和運營“車—路—云”之間的通信網絡。此網絡可以是基于C-V2X的專網，也可以是基于電信運營商5G網絡的切片專網。此外，隨著算力網絡的部署，網絡基礎設施建設及運營方也可以建設和運營分級的算力網絡，如區域算力中心等。
云控平臺的建設及運營方。其主要職責在于建設和運營云控基礎平臺，以及一些典型的云控應用平臺，如智能網聯汽車監管平臺、智能網聯汽車產品試平臺、智能網聯汽車數據服務平臺、智慧交通數據服務平臺等。此外，行業還可以通過云控平臺建設及運營主體，或者另行培育出增值業務建設及運營主體，面向公交、物流、環衛等特定場景，提供相應的增值服務。
上述三種建設及運營主體，既可以是相互獨立的，也能夠以組合模式存在。例如，智能基礎設施建設及運營方可同時承擔網絡基礎設施的建設和運營工作。
運營內容
上述三大建設及運營主體能夠運營的車路云一體化內容包括to C、to B和to G三種類型。
首先，在to C方面，各大主體為車輛使用者提供相應服務。針對這些服務，車輛使用者可以選擇跟隨聯網流量套餐一并購買，也可以與車企的智能駕駛軟件一同購買。
購買相應服務的車輛使用者將獲得如下信息：交通管理信息類的信號燈燈態信息、闖紅燈預警信息、綠波車速引導信息、可變車道提醒信息等；交通安全類的二次事故提醒信息、道路危險提醒信息、極端天氣提醒信息等；交通效率類的車道級交通擁堵提醒信息、緊急車輛優先通行信息、公交車道共享信息等；城市交叉路口的左轉輔助信息、有遮擋的交叉路口碰撞預警信息、弱勢交通參與者預警信息、車道級交通引導信息等；泊車類的停車場下發地圖信息、空車位引導信息、充電樁引導信息等；以及高速公路、快速路的匝道分合流預警信息等。
未來，隨著路端算法精度不斷提升，并與車端算法深度融合，面向車主提供的服務內容將從預警類信息，逐步進階到協同輔助駕駛和協同自動駕駛信息，例如網聯式AEB、網聯式ACC、網聯式AVP、網聯式NOA等信息。
其次，在to B方面，各大主體既可以為公交、物流、環衛等企業提供增值業務服務，也可以為車企、出行企業、高科技算法企業、地圖企業、高校和科研機構等提供數據服務。
例如，公交企業可對公交車輛進行網聯化改造，通過購買云控平臺的數據服務，開發智慧公交應用系統，為乘客提供更安全、更精準、更高效、更舒適的出行服務，進而降低運行成本，提高運營收益、通行效率和節能減排效益。在具體的量化指標方面，預計車輛安全性可提升10%、乘客數量提升10%、能耗降低10%、公交車輛數量下降5%。
在數據服務方面，各大主體可以提供離線數據服務和在線數據服務。其中，離線數據服務涵蓋標注數據集、特定場景庫、仿真場景庫、交通事件集等；在線數據服務包括感知數據、信號燈數據、駕駛行為分析數據、高精度地圖數據、停車場數據、充電樁數據等。這些數據服務既可以提升智能駕駛模型能力，也可以優化相關企業的生產業務能力。
值得關注的是，在to B方面，面向安全類等場景，行業還可以引入金融保險公司共同參與其中。
最后，在to G方面，車路云一體化系統能夠通過共建共享，節省政府投資，并向公安交警、交通運輸、城市管理、消防救援等政府部門提供增值服務。
例如，面向公安交警部門，可以提供交通事件識別與預警、特殊車輛優先通行等服務；面向交通運輸部門，可以提供交通態勢分析、交通實時監測、重點車輛在線監管、公共交通監管、出行信息等服務；面向城市管理部門，可以提供路面病害識別、路面垃圾識別、路面積水點監測等服務。
運營挑戰
實現車路云一體化高效運營的前提條件是有效建設車路云一體化系統，其中，路端覆蓋率和車端滲透率這“兩率”的規模化提升是關鍵所在。
車路云一體化路端基礎設施包括智能基礎設施和網絡基礎設施兩部分。要提升智能基礎設施的覆蓋率，可充分考慮與城市公安交管、住建、交通、城管等部門的信息化基礎設施（例如信控系統、電警卡口系統、智慧燈桿、充電樁、交通流量監測系統、可非現場執法系統等）共同建設；也可以考慮與城市全域停車場景共同建設，如城市路側停車位、封閉式停車場、立體停車庫、公交站場等各類停車場景；此外，還可與公路交通基礎設施數字化轉型升級進行統籌考慮。
在提升網絡基礎設施的覆蓋率時，可以考慮“專公結合”的方式，也就是專網和公網相結合。例如，在重要的交通黑點、堵點區域，提供安全、可靠和穩定的專網覆蓋；在其它區域則可以通過運營商公網提供廣泛的連接與信息服務。
提升車路云一體化車端的滲透率，行業需重點關注以下三個方面。
一是新車前裝量產是提升車路云一體化車端滲透率的“終極”解決方案。截至2023年底，我國乘用車5G車聯網前裝數量達173.73萬輛，占比為8.23%；C-V2X前裝數量為31.13萬輛，占比為1.48%。未來行業要采取一些具體舉措，快速提升“5G+C-V2X”技術上車比例。例如，將C-V2X納入C-NCAP的主動安全測試，如此一來，車企為獲取更高的主動安全評分，將積極加裝C-V2X車載終端。此外，還可以考慮將V2V納入國家強制標準，或者鼓勵地方政府出臺C-V2X前裝上車補貼政策。
二是存量車后裝改造是提升車路云一體化車端滲透率的重要手段。例如，可對公交車、公務車、出租車等公共領域的存量車，以及物流車、渣土車等車輛進行C-V2X車載終端的搭載改造，以此提升相關車輛的安全性。
三是通過多種觸達方式，確保車端用戶享受車路云一體化服務。例如，可以通過各類信息終端（如智能手機）、
專用V2X APP、通用APP（如導航地圖APP）、小程序等，滿足用戶相應的服務需求。例如，在高速公路準全天候通行的場景下，物流司機可通過行業版導航地圖獲得車路協同能力，享受車道級導航、周車環繞呈現、超視距事件預警等服務，實現在雨霧天氣也可安全通行，最大限度地兼顧高速公路通行的效率與安全。
把握兩大領域技術突破點
車路云一體化的技術突破點主要集中在信息通信和人工智能兩大領域。在信息通信領域，主要解決“車—路—云”之間通信網絡的建設問題。在人工智能領域，主要解決與“算力、算法、數據”三大核心要素相關的各類問題。
“多模網絡”提供車路云一體化可靠通信方式
目前車與車之間主要依靠LTEV2X通信，未來還能夠通過NR-V2X通信，二者為延續關系而非替代關系；車與路之間可采用LTE-V2X、NR-V2X、4G、5G，乃至ETC2.0、射頻等多種方式通信；車與云可通過4G、5G信，未來還可借助6G和衛星通信等；路與云可通過光纖、5G、6G等通信。
在不同的車路云一體化業務場景中，對通信網絡的需求存在差異。例如，傳統的5G網絡能夠有效承載信息娛樂服務、車內廣告等非實時性業務，其通信時延約為500毫秒。然而，對于遠程遙控駕駛等實時性要求極高的場景，則需要專用的5G網絡切片，以達成上行鏈路200毫秒、下行鏈路50毫秒的低時延保障。對于車輛之間、車輛與道路基礎設施之間的即時通信（如緊急避障指令），可以通過C-V2X等短距離高速通信技術或5G-A技術，將通信時延控制在100毫秒甚至50毫秒以內。
多模網絡的整合與協同存在技術難題，亟待解決無縫切換、性能優化和系統集成等方面的問題，這促使行業持續創新。
“算力網絡”提供車路云一體化高效算力資源
隨著邊緣計算、人工智能等技術的發展，車路云一體化對算力提出了更高要求。應對復雜交通狀況與海量數據處理需求，打造高效、可靠的車路云一體化算力網絡成為關鍵。該網絡應整合云計算、網絡通信及邊緣計算資源，實現數據快速處理與共享，且依據系統需求動態調度計算、網絡和存儲資源，確保系統高效、安全運行。此外，算力網絡的設計要有前瞻性，確保網絡架構的可擴展性和靈活性，以適應未來業務和技術演進需要，從而長期穩定地服務于智能網聯汽車領域。
在車路云一體化的算力架構中，端、邊、云三者之間的協同作用至關重要。車輛與道路設施作為算力網絡的服務端，通過先進的融合連接技術接入網絡，實現與邊側、云側和其他終端設備的信息交互。邊緣節點與云計算節點作為業務承載的核心，逐漸融入算力網絡的整體架構。
其中，端側主要承擔實時車載數據處理與邊緣計算任務；邊側負責匯集來自多個端側的數據，并開展更復雜的處理和分析工作；云側則處于智能網聯汽車云控平臺的核心位置，作為最高層級的云計算資源集散地，負責從各個端側和邊側收集數據，執行全局性的數據分析、建模以及決策工作。
如何構建一個多級融合的云基礎設施，為各類業務提供必要的算力支持與基礎服務是未來技術突破點之一。
“端到端算法”提供車路云一體化強大算法能力
感知算法作為車路云一體化系統的基礎，涵蓋獲取數據、提取特征和完成感知任務三個步驟，按信息融合階
段又可分為前融合、特征級融合和后融合。當前，感知算法正從后融合向特征級融合，乃至前融合發展演進。
路側感知算法作為車路云一體化系統的重要組成部分，在提升單點位感知算法性能的同時，也積極面對“車路”數據融合及路端跨域感知共享帶來的挑戰，通過提升傳感器性能，在系統層面研究數據融合與共享，以破解上述難題。當前，基于BEV與Transformer架構的車端感知算法的進步為路側感知提供了新方案，增進了車載系統與路側感知系統的一致性和協同性。借助這些技術應用，能夠實現車輛與路側設施間的信息高效交互，強化系統的整體感知能力，確保更安全、高效的協同感知效果。
研究車載與路側一體化的端到端大模型算法，仍是未來極具挑戰性的技術課題。
“可信數據”提供車路云一體化可運營數據服務
車路云一體化將產生大量原始數據，此為描述智能網聯汽車和智慧交通業務事實，未經過深加工的素材；繼而產生車路云一體化數據資源，即經過標準化加工處理形成的可控、有序、可利用的數據，具有潛在的經濟價值；再進一步產生車路云一體化數據資產，即實現價值變現和經濟利益獲取；最后形成車路云一體化數據資本，讓數據如同金融資本、實物資本一樣，成為可用于企業經營和投資的生產性資本。
例如，基于路側感知數據和車端感知數據可以構建車路云一體化數據集，供自動駕駛和車路協同解決方案商開展車路協同模型的研發和訓練，從而實現“智能化基礎設施投入—路側感知數據采集治理—仿真場景庫開發—仿真測試認證及訓練—自動駕駛和車路協同算法迭代升級”的數據資產化商業全流程運作與服務模式。
可信數據可以定義為來自特定和受信任來源，并根據其預期用途使用的數據。當下，可信數據最為廣泛使用的判定標準之一是數據質量維度，包括準確性、一致性、完整性、安全性、有用性、隱私性、可靠性、可解釋性八大內容。
車路云一體化的安全類、效率類業務應用場景，對數據的準確性、有用性、可靠性等有明確要求；車路云一體化自動駕駛類業務應用場景，則對數據的可信程度提出了更高標準。上述場景都對企業在數據采集與篩選、數據挖掘與處理、模型分析等方面的能力提出了更高要求。
具體來看，不斷提高的數據采集精度和效率要求，促進數據采集技術向更為智能化、動態化的方向發展。行業要根據具體需求選擇更有價值的數據，將數據篩選流程部署到車、路的邊緣側，以此進一步提高數據采集效率。同時通過自動化標注、交通大數據模型等技術，持續提升數據挖掘和處理分析的效率，進而形成“可信數據”。
只有確保路側數據采集和算法質量，形成“可信數據”，才有可能被車企接納，用于其智能網聯汽車L2、L2+級，甚至是L3、L4級功能應用；才有可能被高精度地圖廠商認可，用于其導航地圖的持續更新；才有可能被城市和交通管理者用于其業務系統；才有可能被交通出行服務商和物流運輸企業采用。
產業發展前景展望
車路云一體化屬于典型的跨行業成果，涵蓋汽車產業、電子產業、交通產業、信息通信產業等領域。從產業鏈構成來看，以車路云一體化技術為依托的智能網聯汽車產業，上游包括芯片模組、操作系統、車端設備、路側設備、云控基礎平臺（包括地圖、安全等）、多模網絡、算力網絡；中游為車企；下游是各類云控應用，包括各種增值業務服務和數據服務等。
未來，車路云一體化產業外延將逐步拓展泛化，“人或貨、車、路、網、云、圖或定位、安全”等要素均處于廣義車聯網范疇內，可以提供信息娛樂、安全保障和自動駕駛等多種業務服務，其產業發展方向如下。
在車路云一體化安全服務領域所涉及的不僅僅是車本身，還包括路面上其他交通參與者（如行人、非機動車等），尤其是電瓶車管理這一當下城市交通的突出痛點，可以與車路云一體化進行有機融合。車路云一體化為商用車提供更高的安全性，例如C-V2X與ADAS相融合的模式，便可與保險業務展開合作。
車路云一體化可提升交通通行效率，其與碳排放業務相結合，挖掘出車速、車型、道路流量等精細化的排放相關數據，并依據出行區域數據將之轉化為碳排放數據，進而提供碳中和系列服務，打造綠色交易服務場景。
車路云一體化系統可以賦能具備商業閉環能力的自動駕駛業務場景，例如礦卡、環衛車、物流配送車等領域，亦可以賦能自動駕駛車輛達成真正無人化的商業運營，如助力Robotaxi實現全無人化運行模式。
車路云一體化系統能夠與智慧城市中的智慧燈桿網聯化系統、充電設施網聯化應用以及自主代客泊車停車場等實現融合發展。
車路云一體化系統不僅在動態交通領域有所應用，而且于靜態交通領域同樣能夠施展拳腳，例如助力AVP解決極端工況，通過支付功能實現停車無感支付等應用場景。
車路云一體化應用在能源領域，將全面融入“車能路云”大生態。
