“大城市的交通擁堵成本大概占到該城市GDP的3%-5%，未來隨著人口比例和汽車保有量的增長，這一數字可能占到7%甚至更多。”中國工程院院士郭仁忠在近日舉辦的2021世界智能網聯汽車大會上的一句感慨，引發(fā)業(yè)界思考：智能網聯汽車產業(yè)發(fā)展的重點早已不是馬力，而是算力。在這一背景下，究竟怎樣的車路協同才能夠在保證交通安全的前提下，改善交通擁堵情況？將面臨哪些挑戰(zhàn)？

城市交通動態(tài)優(yōu)化是前提

數據顯示，城市容納了全球54%的人口，而到2050年這個數字大概會上升到在70%-80%左右。隨著城市人口比例和汽車保有量的增長，大城市交通擁堵治理迫在眉睫。

“若要解決交通問題，就要提升城市交通的整體通行能力。”郭仁忠強調，沿著“單車智能”和“網聯賦能”并行的發(fā)展路徑，城市交通網絡承載能力是可以計算的，即利用數字孿生等技術，建立一個城市道路資源的真實模型，為解決城市擁堵提供了重要幫助。

在郭仁忠看來，在交通需求不變的前提下，城市交通可以通過“高峰時段的動態(tài)可變限速”和“預約出行”兩種方式調優(yōu)。

對于動態(tài)可變限速，道路通行效率與車輛速度和車輛密度直接相關。然而，與人們普遍認知相悖的是，車輛行駛速度加快之后，道路的通行率不但沒有提高，反而會下降。郭仁忠舉了車輛從干道上匝道的例子——在沒有信號燈的情況下，干道限速80公里/小時，匝道限速40公里/小時，實驗表明，如果車輛在下匝道之前提前減速，也就是可變限速，通行效率會提高；如果車輛下匝道前不減速，通行效率反而會降低。另外，在車輛通過有信號燈的路口時，不管是傳統信號燈，還是智能信號燈，道路限速30公里/小時的通行效率是最高的，顯著高于道路限速60公里/小時和40公里/小時。“基于動態(tài)流量感知，實行可變限速，協調車流與道路之間的關系，能夠提高整體出行效率。”郭仁忠解釋稱。

對于預約出行，郭仁忠給出的解釋，是基于中心化的計算來調控，實行預約出行，能夠在已知的條件下實行路徑全局優(yōu)化。預約出行的本質是密度調控，或叫需求調控，為了下一條路口能夠流暢出行，把通過當前路口的速度適當降下來，這樣就對下一個路口的需求做了調控。郭仁忠說：“在足夠算力的支撐下實行預約出行，相信可以在已知的條件下實行路徑全局優(yōu)化，節(jié)省出應有空間。”

怎樣的車路協同系統最可靠？

“不能解決交通擁堵問題的自動駕駛和車路協同都是不夠有誠意的。”中國工程院院士、阿里云創(chuàng)始人王堅指出。

事實上，不是自動駕駛系統和車路協同系統“缺乏誠意”，而是目前的技術和算法不夠完備和可靠。那么怎樣的車路協同系統最可靠？

2007年圖靈獎得主、法國工程院院士約瑟夫•希發(fā)基思指出，為了讓交通更為通暢，我們需要從單一任務、單一目標、單一域系統，轉變到反應式或主動式的智能車路協同系統。

“許多人對現在的自動駕駛和車路協同的能力還過于樂觀，目前的車路協同系統僅擁有構建自動化系統的專業(yè)知識，但仍需要人不斷地進行干預，相比一套可信賴的車路協同系統，目前這套系統的復雜度還很低，大部分只是‘組件’之間的簡單連接。”約瑟夫表示。

針對不同類型的道路、交通狀況、天氣狀況，我們需要的是具有推理能力的神經網絡機器學習系統，二者缺一不可。因為僅僅具備神經網絡機器學習技術也可能被愚弄，有很多案例印證了這一點。

“前不久特斯拉的自動駕駛系統把月亮誤認為是黃燈，試想一下，這為何不會發(fā)生在人類身上？這是因為，人類的理解結合了從傳感器級別到語義級別自下而上的推理。把一張被雪覆蓋的紅綠燈照片給一個人看，如果他知道紅綠燈，并且見過雪，那么他可以推斷出這是一個被雪覆蓋的紅綠燈。對于機器來說，需要利用模擬器和測試技術，還有一些針對此類系統的測試理論，訓練它在各種情境和各種不同天氣條件下識別紅綠燈，但這也是如今所缺失的。”約瑟夫說。

車聯網安全問題不容忽視

繞過松動的井蓋、禮讓行人、躲開路邊堆疊的紙箱、及時閃避穿梭的電動車……今年智能網聯汽車場館外的自動駕駛汽車一輛比一輛智能。

我們已經進入了“一切皆可編程、萬物均要互聯、大數據驅動業(yè)務”的新場景，其本質是軟件定義這個世界。如果具體到汽車產業(yè)，可以說是軟件在重新定義汽車，驅動汽車的既不是石油，也不是電池，而是大數據。

由于軟件定義汽車，汽車的網絡安全和物理安全變得密不可分，網絡攻擊將直接威脅車輛和人身安全。尤其在當前網絡戰(zhàn)愈演愈烈，網絡安全重大事件頻發(fā)，網絡威脅不斷升級的情況下，智能網聯汽車的網絡安全問題的解決更加迫切。數據統計，從2016年到2020年，全球汽車網絡安全事件數量增長近10倍。

在360集團創(chuàng)始人、董事長周鴻祎看來，智能網聯汽車主要面臨四個方面的網絡安全挑戰(zhàn)：一是代碼數量增加，車載系統安全缺陷激增。汽車已演變?yōu)樾滦椭悄芤苿咏K端，讓車載系統本身的網絡安全風險迅速增加；二是萬物互聯增大攻擊面，云端隱患威脅車輛安全。智能網聯汽車作為車聯網的中心，為黑客提供了無數的攻擊入口。三是車企網聯程度不斷提高，供應鏈安全隱患巨大。未來，所有車企都需要建立復雜的內外部云端網絡，網絡安全隱患巨大；四是，大數據驅動智能，數據安全風險攀升。車企擁有的數據量將不亞于任何一家互聯網公司，數據安全將威脅到用戶隱私安全和自動駕駛等功能的使用。

“當年那個‘買兩個殺毒軟件就能輕松解決問題’的時代已經過去了，當面臨智能網聯汽車的安全這類復雜的系統性問題時，需要從“車載網絡、車聯網絡、車云網絡、車數網絡”四個方面建立體系化解決方案。”周鴻祎說。

車載網絡包括三個方面，分別是汽車底層通信安全、智能座艙用戶感知安全，以及汽車出廠前核心設備的網絡合規(guī)安全；車聯網絡則包含與車聯萬物相關的以及身份認證、遠程控制、OTA升級的安全，同時還包括對車輛安全的實時態(tài)勢感知和監(jiān)測；車云網絡則包括生產網、辦公網、運營網、用戶網、產業(yè)鏈網在內的車廠內外部云端網絡安全；車數網本質是大數據安全，需要針對車企提供統一的大數據安全解決方案。

周鴻祎表示，面對新的挑戰(zhàn)，網絡安全解決方案提供商要堅持“一個指導，兩個融合”的新戰(zhàn)法，以對抗、攻防思維為指導，強調安全體系和數字體系相融合，將攻擊、防守和資源管控能力相融合，將單點分析、外防攻擊，內控資源、安全基建等核心大數據匯聚起來，建立全球的視角，提供分析，才能真正監(jiān)測到車企、車云、車輛終端有可能發(fā)起的網絡攻擊，避免智能網聯汽車安全惡性事件的發(fā)生。