网站首页

人民论坛网·国家治理网> 《国家治理》杂志> 正文

AI助力车路云协同发展

摘 要:智能网联汽车是人工智能、信息通信、云计算、大数据等技术在汽车领域应用的关键载体,也是全球汽车产业转型升级的战略方向。车路云协同作为智能网联汽车与智能交通融合发展的系统级支撑,依托C-V2X、5G等技术打通车、路、人、云实时信息交互,有效弥补单车智能在盲区、恶劣天气等场景的感知短板,实现全局协同管控。当前,车路云协同正从单城示范走向跨区域规模化应用,但在规模化落地的过程中,面临着来自发展安全、数据标准、商业模式等方面的现实挑战,需从技术、产业、治理与国际规则制定四个层面协同发力,构建人、车、路、云协同共生的智能交通新生态。

关键词:车路云协同 人工智能 智能交通 群体智能

【中图分类号】U495 【文献标识码】A

交通运输是国家基础性、先导性、战略性产业。建设安全、便捷、高效、绿色、经济、包容、韧性的可持续交通体系,是支撑服务经济社会高质量发展、实现“人享其行、物畅其流”美好愿景的重要举措。[1]当前,新一轮科技革命与产业变革迅猛发展,推动全球价值链不断深化与重塑,深刻影响人类文明演进方向。在此背景下,人工智能成为重塑综合立体交通网的关键变量,通过嵌入车路云协同体系,推动智能网联汽车与智能交通、信息通信、城市治理等深度融合,成为我国以新质生产力支撑中国式现代化、以系统治理提升城市运行韧性的重要切口。

近年来,我国智能交通体系与智能网联汽车产业发展迅速,车路云协同发展取得阶段成就,交通与经济社会发展深度融合的复合型发展生态已经形成。[2]“十五五”时期是我国完善现代化综合交通运输体系的关键时期,实施“人工智能+汽车”“人工智能+交通运输”发展行动,是促进智能交通体系与智能网联汽车产业深度耦合、加快构建现代化综合交通运输体系的重点内容。

车路云协同发展现状与演进特征

“车路云协同”依托蜂窝车联网(C-V2X)、5G等先进网络通信技术与新一代信息技术,打通车与车、车与路、车与人、路与云之间的实时信息交互,支撑道路交通协同管控与车辆主动安全控制,让人、车、路、云从“各自为战”走向“一体联动”。其关键价值,不再是堆一层硬件,而是补上单车智能的“天生短板”:遮挡盲区、急弯视距不足、雨雾冰雪等恶劣条件,以及开放路况中的长尾场景,单车传感器往往“看不见、判不准、反应不过来”,进一步提升交通安全与通行效率。车路云协同把路侧感知、云端算力、车辆决策连成一张网,既帮单车卸下过重的传感与计算负担,又把系统能力天花板往上抬——该停的时候更早预警,该让的时候全局调度,最终实现更少事故、更顺通行、更稳的自动驾驶落地。

发展现状与趋势。车路云协同已不再是某一国家或企业的技术自选动作,而是全球智能网联汽车与智能交通融合演进的通用方向。从国际布局来看,各国明显提速:美国交通部发布《网联拯救生命:加快V2X部署计划》提出,2036年实现高速公路100%覆盖、75个大城市十字路口覆盖率达到85%的国家部署目标;欧盟依托C-Roads、欧洲地平线计划等推进跨境互通,聚焦施工区预警等安全场景推动车路云协同规模应用;韩国则坚持推进协作式智能交通系统,同步布局城市与高速公路路侧基础设施。各国路径虽有差异,但均形成了车路云协同融合发展的共识。

从国内发展看,已从“试点验证”迈入“规模化应用”阶段。我国已推动20个“车路云一体化”应用试点城市建设,同步分批次推进公路水路交通基础设施数字化转型升级,首批8个区域、前两批20个省份(区域)及第三批6个区域相继纳入支持范围,城市道路与公路网双线并进,车路云协同正从单城示范走向跨区域、跨场景的规模化应用。从路侧端看,全国累计开放测试示范道路超过5.7万公里,路侧智能设施部署超6万套;从车端看,截至2026年7月,具备组合驾驶辅助功能(L2级)的乘用车新车渗透率已超过七成,十余家车企推出30多款C-V2X量产车型。[3]总体而言,国外多在定目标、通标准,我国则在铺设施、上车规、跑场景——车路云协同正从演示屏里的概念,变成路口、高速和新车配置表里的现实。

车路云协同发展演进呈现出清晰的阶段性特征。从应用场景看,车路云协同根据能力边界与服务对象不同,可概括为“辅助信息交互—协同感知—协同决策控制”三个阶段。当前,整体正处于辅助信息交互向协同感知、协同决策控制扩展的关键时期。

第一阶段为辅助信息交互阶段,道路的服务对象仍以驾驶员为主,车辆实现网联协同预警。通过车路云协同,路侧向智能网联汽车驾驶员提供交通信号灯信息、交通管控信息和交通事件信息,同时借助信息交互实现对交通流的主动引导,推动管控方式由“事后处置”向“事前疏导”转变。例如,贵州省通过省内应急调度平台与智能网联汽车云平台互联互通,将高速公路计划性施工、基础设施灾害等信息发送到智能网联汽车车端,车端实现主动安全语音及图标提醒,辅助驾驶员提前减速、变道。[4]这一阶段可依托蜂窝网络(4G、5G)通信链路实现,对时延要求相对较低,产业技术供给较为成熟,基于数据的商业模式正在形成,正处于由试点成果向规模化推广迈进的进程之中。

第二阶段为协同感知阶段,服务对象由人扩展到“人车混合”,车辆实现协同驾驶辅助。通过车路云协同,路侧感知与车载感知实现跨模态融合,为车辆提供超视距的感知增强,典型功能包括前方碰撞预警、紧急车辆提醒、弱势参与者保护、匝道汇入汇出提醒等。这一阶段对路侧感知能力、云平台能力以及高可靠、低时延的感知传输与算力协同提出了更高要求,需要通过C-V2X直连通信与蜂窝网络(5G)协同支撑,目前技术方案已在多个“车路云一体化”试点城市及“一号高速”等典型车路云协同场景中完成验证,产业标准逐渐统一。此外,苏州、上海等地路侧运营商基于路侧感知数据构建世界模型,生成车端训练感知数据,有效覆盖长尾场景。[5]

第三阶段为协同决策与控制阶段,车辆实现网联协同自动驾驶,系统不再局限于“提供预警信息”或“增强感知”,而是高度参与自动驾驶的感知、决策和控制全过程。通过车路云协同,为车端自主运行提供调度规划信息,并支撑实现网联泊车、干线编队等典型场景。例如,鄂尔多斯市等地基于云端调度平台,落地前装量产的L4级自动驾驶重卡与“前车有人、后车无人”的混合智能编队方案,支撑煤炭干线物流场景成熟落地。这一阶段对通信网络时延、可靠性、算力以及路侧基础设施的要求较高,当前在智慧港口、矿山等限定区域下的协同控制已有规模化应用且成熟度较高,面向公开道路的应用场景仍在逐步推进过程中。

人工智能赋能车路云协同发展的关键场景

车路云协同的规模化落地,离不开感知、决策、协同能力的持续升级,而人工智能正是支撑这一升级的关键驱动力。人工智能技术历经逻辑推理、专家系统、深度学习等重要阶段,依托算法、数据、算力的全链条底层突破,综合能力加速提升,在感知理解、认知推理、交互协同与持续学习能力持续迭代升级,成为贯通车路云协同发展各阶段、加速丰富场景应用的关键变量。人工智能对车路云协同的赋能,集中体现在感知理解增强、认知决策优化、系统协同联动三方面。

感知理解增强。信息能否“采得全、听得懂、送得准”,是车路云协同规模应用的关键。路侧摄像头、雷达、线圈与信控系统产生结构各异的数据,单靠预设规则及人工审核难以应对海量、复杂的信息与场景。同时,单一传感器存在固有极限,表现为摄像头容易受到光照与天气制约,毫米波雷达点云稀疏、小目标识别有限,激光雷达容易在远距离、恶劣气象条件下性能衰减。依靠人工智能的感知理解能力,可实现多源融合感知,把原始点云、图像信号转化为具备语义的交通目标信息,输出稳定可靠的感知结果,为车路云协同提供高质量数据底座。在城市可变信控系统中,人工智能模型可根据路口实时流量动态调整绿信比与相位,由固定配时转向按需配时,有效提高路口通行效率、降低车辆延误;在高速公路事件感知中,人工智能模型能够从视频流中自动识别抛洒物、违停、逆行与拥堵等典型事件,替代人工巡查与复核,缩短事件发现与处置的时间;此外,人工智能模型还可在长期运行中持续样本迭代,识别稳定性不断提升,持续筑牢车路云协同的数据底座。

认知决策优化。在全域车路云协同态势下,单纯依靠实时感知信息只能完成目标识别,难以预判车流演化、风险传导与多路口联动影响。传统交通管控多依赖预设策略与人工经验,应对突发事故、潮汐车流、极端天气等动态场景时,容易出现决策滞后、适配性不足的问题。依托人工智能的认知推理能力,系统可对路网多源时序数据进行态势研判与行为预测,预判车辆通行意图、冲突风险以及路网拥堵演化趋势,由被动响应转向主动预判。面向区域路网,能够实现跨路口、跨路段协同信控、匝道联动管控与车流疏导;面向自动驾驶通行场景,可生成冲突消解、优先通行的协同策略,为车端提供安全引导建议。例如,国家级江苏(无锡)车联网先导区基于路网推演模型实现跨路口、跨路段协同信控、匝道汇入联动管控,显著提升车辆在道路/车道通行权动态识别、超视距冲突风险感知等能力。[6]结合仿真推演能力,还可对管控方案预评估、择优输出,支撑路网资源动态最优调配,持续提升通行效率与安全裕度。

系统协同联动。车路云协同系统具有典型的强耦合属性,任何单一主体追求局部最优,往往都会牺牲路网整体的运行效率,这也是传统建设模式最深层的瓶颈所在:在既有架构下,车辆、路侧设备、信控节点各自完成感知与决策,彼此仅按预设规则做浅层信息交换,缺乏跨主体、跨层级的协同调度机制,一旦进入潮汐车流、多车交汇、突发占道等复杂工况,便容易暴露出管控策略相互冲突、路网资源时空错配、协同响应明显滞后等系统性问题,路网通行潜力始终难以被真正释放出来。人工智能可以通过将“单点算法”升级为“群体智能引擎”,有效破解这一难题:依托多智能体协同与大模型全局推理能力,将车辆、信号灯、路侧单元统一抽象为可交互、可博弈、可演化的智能体,通过多智能体强化学习持续迭代协作策略,再叠加决策大模型对长时序交通演化的研判能力,使信号优先、匝道协同、编队通行等复杂场景不再依赖人工规则堆砌,而由系统在全局层面自主权衡与调度,从而推动智能交通从“分散的单体智能”迈向“自组织的路网群体智能”。与此同时,随着座舱大模型加速上车,出行信息服务也从被动查询的“人找信息”转向主动触达的“信息找人”,系统可结合实时场景、驾驶员状态与出行意图,适时推送安全预警、车道引导、绕行建议等个性化内容,既补全车端体验闭环,又使“感知—决策—控制—服务”形成完整回路,为复杂路网下群体智能的规模化落地筑牢可运行、可进化、可推广的框架基础。

多措并举深化车路云协同发展

人工智能正深度赋能车路云协同发展,但在迈向规模化落地的过程中,面临着来自技术、数据与标准、商业模式以及安全与治理等方面的现实制约。

技术层面,关键瓶颈未根本突破。跨模态融合的时空精准对齐、跨厂家设备联合标定仍是工程落地难点;边缘节点算力供给与毫秒级实时响应存在结构性矛盾;车端及路侧大模型轻量化部署、低时延推理尚不成熟,多智能体协同决策的可解释性与安全验证缺乏业界公认手段,制约关键场景应用。数据与标准方面,车、路、云分属不同主体,多源异构数据割裂成“孤岛”,权属、使用规范与安全边界规则不清,跨厂家跨地区互联互通标准不统一,难以复制推广,削弱系统协同效应。商业模式上,路侧基建投资大、回报周期长,“重建设、轻运营”普遍,为路侧智能买单机制不明,投建运一体化仍在探索,尚未打通“建设—运营—产出”价值闭环。安全与治理方面,系统高度耦合,网络安全与数据安全风险突出;事故后人、车、路、云责任界定无成熟规则,配套监管框架与容错机制亟待健全。

总体看,车路云正从示范走向量产,但技术、数据、商业、治理四类短板叠加,构成规模化落地“最后一公里”的硬约束。破解以上挑战,需要从技术、产业、治理与国际规则制定四个层面协同发力,着力推动车路云协同高质量发展,构建人、车、路、云协同共生的智能交通新生态。

集中攻关感知理解、认知决策、系统协同三类关键能力。感知理解上,突破跨模态融合的时空对齐与跨厂家标定,补齐单一传感器固有局限,打造面向车路云协同的交通参与者轨迹、交通事件感知等高质量数据集,提升路侧与车端大模型对交通场景的理解精度与稳健性,夯实“辅助信息交互”底座;认知决策上,攻关大模型轻量化部署与低时延推理,发展态势研判与仿真推演能力,让“协同感知”所得信息转化为全局最优调度决策,充分释放路网协同调度价值;系统协同上,发展安全可信的多智能体协同与决策大模型,建立可解释、可验证、可退化的群体决策机制,使群体智能从封闭测试区稳步走向公开道路,推动“协同决策控制”突破瓶颈。

培育形成可持续运营闭环。基于前期探索,我国已形成包括芯片、通信模组、路侧设备、车载终端、软件平台、安全认证及测试验证在内的车路云协同全产业链基础,后续应依托完整产业链、路网基础设施及丰富应用场景优势,探索政府引导、市场主导的建设运营机制,通过构建统一运营平台等方式,优先推动交通信息规模化上车、特定场景自动驾驶等成熟场景规模化应用,探索人工智能赋能车路云协同应用的更多价值场景,分阶段推动人工智能赋能车路云协同演进路径逐步落地。

以规则创新为智能交通“护航”。健全完善人工智能赋能车路云协同发展的政策法规、标准体系与治理规则,加快明确车路云数据的权属、使用与安全边界,建立分级分类的数据治理机制;依托跨标委合作机制,加快统一跨厂家、跨地区的互联互通标准,建设面向车路云协同的人工智能大模型测试评价体系。研究人、车、路、云多方责任的合理划分与监管、保险机制,为规模应用扫清制度障碍。同时,建立覆盖网络安全、数据安全与伦理审查的全生命周期安全评估体系,兼顾发展与安全,构筑人工智能赋能车路云协同发展的“护城河”。

积极参与国际标准制定。我国在前沿探索中积累了全球最大规模的路侧部署与场景数据,并以C-V2X通信标准上的先发优势,为深度介入国际规则留下战略接口。面向交通强国与人工智能赋能产业变革的双重使命,应把“积极参与国际标准制定”摆到车路云一体化的前置位置。依托《“人工智能+”国际合作倡议》等框架,主动走进联合国世界车辆法规协调论坛(WP.29)、国际标准化组织(ISO)、国际电信联盟(ITU)、第三代合作伙伴计划(3GPP)等平台,把我国“车—路—云—城”协同的技术路线、云控架构、测试验证方法和数据治理经验,转化成国际通用的术语、接口、安全阈值与责任规则。进而,把产业先发优势上升为制度性话语权,以车路云中国方案引领全球智能交通变革,为安全、绿色、包容的可持续交通贡献中国智慧。

【本文系国家重点研发计划“车路云协同关键技术验证及综合应用示范”项目融合数字信号的增强辅助驾驶技术课题(课题编号:2025YFB2506102)的阶段性成果】

注释

[1]《习近平向全球可持续交通高峰论坛致贺信》,《人民日报》,2023年9月26日,第1版。

[2]陆化普:《“民生桥”搭建起“发展路”》,《人民论坛》,2026年第7期,第74—78页。

[3]《L2级组合驾驶辅助功能乘用车渗透率达70.5%》,新华网,2026年7月27日。

[4]《车路云创新应用暨“信息上车”跨区域一体化六地联动交流会在贵阳举行》,中国信通院,2026年9月。

[5]中国信息通信研究院、中国通信学会:《智能网联汽车(车联网)蓝皮书(2025年)》,2026年3月30日。

[6]刘东波、华璟怡、顾金刚等:《智能网联汽车交通指挥数字信号研究》,《城市交通》,2025年第3期,第1—7页。

责编:李 懿/美编:石 玉

责任编辑:张宏莉