车路云一体化未来看点在哪？

1.未来发展的主要看点：探索实现商业闭环

（一）商业变现模式创新： 1、政府购买服务：主要面向交通管理相关部门，云控平台基于数据分析能力提供行 业解决方案，如交通态势预测、全局路径规划、能源管理优化、数字孪生等，支撑 实现交通信控优化，赋能城市交通管理提质增效，降低交通事故损失，减少交通拥 堵损失，实现社会效益。 2、运营平台购买服务：主要面向网约车运营平台，提供数据服务的方式，率先开展 红绿灯信息上车测试，实现路径规划、红绿灯起步提醒和绿波车速建议等功能，助 力提升网约车的通行效率。 • 在广州，高新兴与如祺出行联合研发的5G智能网联车载终端，应用在如祺出行网 约车上，实现车—路—云实时通信，与出行平台司机端应用App联动，通过App提 前提醒前方道路交通状况，提供前向碰撞预警、盲区变道预警、逆向超车预警等 16种预警提示，大幅提升了车辆风险规避能力。

3、智慧出行服务商、车企和个人付费：云控平台提供综合数据服务，面向自动驾驶系 统服务商（小马智行、文远智行、Momenta等），用于自动驾驶AI模型训练，服务包括 数据采集、清洗、标注、存储、管理、评测等。服务商通过购买专业数据进行模型训练， 不断迭代自动驾驶算法，并向车企、个人用户输出智驾能力并收取费用，实现数据增值。

4、无人场景运营：在公交、环卫、矿山、园区等车路云一体化封闭/半封闭场景，由运 营主体投入具备车路协同能力的车辆，路侧设备由地方平台公司投建，双方按“节省成 本/新增收益”分成。

5、保险公司分成：车路云一体化有助于减少交通事故概率，为保险公司减少理赔支出。 基于此，部分试点城市正探索“保费分成”模式，保险公司将部分节省的理赔费用返 还给车路云运营方，形成风险共担、利益共享机制。这一模式既激励运营商持续优化 系统，又降低车主保费支出，实现风险定价闭环。 6、广告与流量变现：用路侧 RSU 的LED屏、车载中控屏或 C-V2X 消息推送，品牌方 可投放精准广告。 7、数据要素流通：智能网联汽车每天产生大量数据，经脱敏处理后可用于交通规划、 商业选址、保险定价等，可考虑通过上架数据交易所，探索数据资产化流通。

（二）车路云一体化项目前期资金投入巨大，有 望一方面优化投入模式，另一方面通过市场化建 运模式来缓解政府财政压力，同时引入社会资本 力量，做到各取所长，收益共享，风险分担：“武汉市智能网联新能源汽车‘车路云’一体化重大示范 项目”备案金额达170亿元，“北京市车路云一体化新型 基础设施建设项目”招标金额达99亿元，均显示出车路云 一体化项目投资建设的资金投入巨大：  城市路口：假设每个城市路口的建设成本为50万元，全 国36个重点城市的路口数量约为22万个，初步计算重点 城市路口的车路云投资建设总成本约1100亿元。  高速公路：假设每公里高速公路的建设成本为150万元， 根据《关于支持引导公路水路交通基础设施数字化转型 升级的通知》要求，假设全国19.07万公里的高速公路 中每年有25%进行车路云数字化升级，初步计算高速公 路的车路云投资建设总成本约715亿元。

前期车路云主要由政府出资主导投资建设，配套资金来源于地方财政、专项债等，未来有望依托国家超长期特别国债提 供长期低息资金，匹配其交通基础设施属性，并通过市场化融资工具引入社会资本，积极调动社会方参与积极性，实现 收益共享、风险分担。

2.未来发展的主要看点：技术突破，标准建立

问题1：数据问题 • 数据可靠性问题：截至2024年2月，全国智能网联示范区设备在线率评测中， RSU设备平均在线率81.9%，融合感知75.1%，路侧基础设施提供数据存在信息 缺失、出错、上报率不足等问题。另外，LTE-V2X 单次传输可靠性需要达到 99.9%的水平，目前车路云数据存在一定采集不充分、数据质量不佳的问题。 • 数据时延问题：边缘云向行驶车辆提供服务的时延不宜超过200ms，其中云端 计算服务不宜超过60ms，路侧感知处理不宜超过90ms，通信传输不宜超过50ms， 而目前车路云整体时延较上述要求仍有一定差距。 • 未来看点：通过“5G-A技术+ URLLC 网络 + 边缘 MEC 冗余 + AI 数据治理” 大规模商业化使用，可把端到端时延压缩到 50ms以下、可靠性稳定提升到 99.9 % 级别，满足 L4 自动驾驶与实时交通管控需求。

问题2：融合感知与决策协同 • 多源数据融合难度较大，不同传感器（如摄像头、激光雷达毫米波雷达）、不 同车企之间的数据格式、精度和时空基准不一致，难以有效融合，路侧设备与 车载系统间也存在数据协议差异。 • 当车端自动驾驶系统与路侧云控平台的路径规划冲突时，缺乏优先级仲裁规则。 目前可做到限定区域或有条件的协同控制，但完全协同控制仍有一定难度。 • 未来看点：通过多模态融合架构、动态决策算法、标准化接口协议等技术创新， 形成系统性解决方案 。

问题3：计算资源配置 • 在早晚高峰时段，单一云控平台需同时处理上千车辆的协同请求，导致短时间 算力不足，决策时延较长。边缘计算节点与中心云之间的算力协同调度和任务 分配机制尚不完善，影响系统整体响应速度和决策效率。 • 未来看点：通过云边端三级算力协同架构、算力 - 网络联合调度算法等方式 完成算力资源配置优化。