今天一个没有专业背景的同事问我有没有能给小白讲明白车路协同是啥的资料，我翻了翻觉得还是用自己的话讲一讲比较明白吧。

传统的情况是人开车，手动驾驶，驾驶员通过看到的、听到的信息，做出驾驶动作。如看离前面汽车太近了就减速，看见红灯就停车。

单车智能自动驾驶（目前很多无人驾驶车都是基于这个，不过百度在打车和车路云方面做的不错），在车上装摄像头、激光雷达、毫米波雷达等传感器，让车能感知到周围的情况，自动做出反应。例如检测到有行人车就停止了，检测到路很空就开快点。无论什么驾驶，感知都是最重要的，不知道周围的情况是瞎开。单车智能存在的局限性：

1、 超视距感知、视觉盲区无法感知到。无论是摄像头还是激光雷达，本质上都是探测电磁波，与人类的视觉感官类似，人看不到的地方，这些设备也探测不到。视觉盲区典型的例子就是 “鬼探头”，如下图中，对于黄车来说，行人出现时减速已经来不及了。

2、 恶劣环境感知。就是说晚上、雨雪天，雾天，感知设备都会或多或少受到影响。举例子前段时间下雪，盖住了摄像头和雷达了，车一直报警。

3、 高成本设备利用率低。在一辆车上装激光雷达等设备，很贵。然而一辆车大部分时间是停着不动的，行驶的时间只占一小部分（停一晚上开车去上班，停一天开车下班）。这样昂贵的设备利用率很低，不划算（不过蔚来已经安装了，目前成本好像也没那么高了，不过相对于摄像头还是毫米波雷达还是贵了不少）。

讲单车局限性一定要讲两个例子，Uber 自动驾驶撞死人，特斯拉自动驾驶车祸，这是典型的单车智能局限性的体现。

数据表明，传统汽车大约每 50 万英里发生一起事故，单车智能自动驾驶汽车大约每 4.2 万英里发送一起事故。

所以要有车路协同。把昂贵的设备安装在路上，由路上的设备来进行感知（有时候也做一些计算工作）。车路协同是由 “路” 来 “告诉” 车周边的情况，例如你前方 200 米有车，注意减速；在你的路线上前方 5 公里处有车祸，提前绕行。（车速很快，需要高带宽低时延的传输方式，所以车路协同是 5G 很好的应用工具，目前本人主要在测试这方面的工作）

这样就很好的解决了上述的问题。

超视距感知，太远的距离由远处的路侧设备高速你是什么情况。

鬼探头，路边的摄像头告诉你旁边有没有鬼。

设备昂贵，但是一直放在路上，一直在工作，利用率很高，很划算。

要注意车路协同和自动驾驶没有必然的关系，车路协同侧重的是 “路” 把感知到的信息 “告诉” 车，至于车是人开的，还是车根据路侧设备给出的信息自动驾驶，无所谓。

这样车和路就成了一个统一的整体。路侧设备采集到了所有的车的信息，这些数据可以上报到一个统一的中心，由这个中心根据这些数据进行分析并加以应用，这个中心就是所谓的 “云脑”：

1、 出现车祸、拥堵能及时的告诉所有车辆，设定了目的地之后根据交通状况计算出行时间；

2、 通过大数据提前预知什么时间、什么地方会发生拥堵，提出预警（某公司曾说可以做到提前让警察到现场，然后事故才出现）；

3、 根据预测的交通流，给出出行建议，几点出发走那条路会最顺畅。

4、不管无人驾驶还是车路协同都需要高精地图的支持，这是无人驾驶的基础前提

最后最理想的情况（不负责任的预测，你孙子可能有机会看到），所有车辆都是自动驾驶，在云脑控制下车和路是一个统一的整体，就像你的身体各个部位一样协调的工作。车辆超高速行驶，在交叉路口只进行稍微的速度改变已避免碰撞（南北方向的车从 155 迈减速到 150 迈开过十字路口，只差一点就撞到东西方向走过去的车，后面又是一辆同样高速的车，穿插不止，如此往复）