2020中国汽车工程学会年会暨展览会（SAECCE 2020）于2020年10月27-29日在嘉定上海国际汽车城-上海汽车会展中心举办，汇聚汽车及相关行业的企业高层、技术领军人物、资深专家学者、广大科技工作者。10月28日，北京万集科技股份有限公司北京研究研究院副院长兼V2X首席执行官周浩在本次大会上发表了主旨演讲。
以下为演讲实录：
大家下午好！万集科技从2016年开始在这方面投入了大量的研发力量，我们万集在智能网联方面目标是成为全球领先的智能交通生态综合服务提供商，四年以来我们一年一个脚步取得了丰硕的成果，在2017年推出了全国首批的LTE V2X终端，通过赋予道路听和说的能力去形成了车路实时互联的解决方案，在2018年我们推出了全球首款路侧专用全象激光雷达，通过赋予道路像眼睛去观察的能力，去形成了路侧精确的感知能力，2019年通过引入边缘计算和云平台赋予了道路计算和思考的能力，形成了我们的决策和控制的解决方案。在今年完成了V2X的车载终端、路侧终端、云控平台等一系列产品的产品化，并且完成了产品的整合，可以把这些形成完整的解决方案，这就是面向智能网联服务的数字孪生交通系统，希望构建这样一个系统去为自动驾驶去提供全方位的道路信息，去提供全方位的引导和控制，这就是我今天要汇报的内容。
主要有四个方面，分别是数字孪生交通系统的理念与架构，第二方面分享如何构建数字孪生交通系统，第三方面是讲的系统对于自动驾驶的服务它的能力以及它的服务特色，最后是做一个简短的总结。
首先，数字孪生就是需要用一系列科学技术的手段在虚拟空间中完成对物理实体的映射，从而反映物体实体的全生命周期过程。通过采集一些物理实体的特征数据，在虚拟平台里去做数据的重构，构建一个和物理实体一模一样的数字存在，通过观察数字虚体来了解物理实体，可以在软件平台里面去加速时间流转，预测数字实体未来会怎么样，对数字实体未来的表现进行预测并且干预，因此数字孪生是一种理论方法，可以用它广泛指导工厂、城市、汽车以及医疗等等方面的系统构建。
目前有一些成熟的数字孪生的交通系统，基于交通大数据，可以对交通的状态进行评估，也有交通仿真软件，可以用交通流的数据去预测交通流未来的状态，也可以无人驾驶的软件可以对自动驾驶的工况数据去进行仿真，去判断自动驾驶的算法以及他们的总体系统的优越性。但是我们希望有一个系统他能够从微观、中观、宏观不同的空间尺度，从过去到现在以至于未来不同的时间维度，从实时、准实时、非实时不同的时间力度为智能网联汽车提供全方位的支撑，促进自动驾驶的快速落地。因此我们也用到了数字孪生的概念，用两大孪生空间、三大技术要素和四大功能等级来定义这个系统。
对面向智能网联服务的数字孪生系统来讲我们认为具有两大空间，首先是物理空间，要描述的就是道路交通系统，它的构成是指道路及基础设施、交通气象环境以及交通参与者，这些是物理实体，由原子构成，有物理逻辑驱动。但是在数字空间里面我们希望用软件平台去对道路交通系统做完整的描述，我们希望用比特去实现对物理实体的虚拟重构，用这个平台对系统进行软件的重建。
先说一下这个系统应该具备的功能，对数字孪生来讲具备描述、诊断、预测和决策四个阶段的功能，对我们来讲需要对道路交通系统各方面的物理实体进行精准实时的描述，能够对道路的运行状态去诊断，能够通过一系列的模型去预测系统未来的状态，最后在诊断和决策的基础上去对系统做一些反馈和控制。
我们在构建这个系统的从三个方面去考虑，首先数据是基础，我们需要用一系列的精确、实时、准确的数据对这些物理实体进行完整的描述，对于这个系统来讲更重要的是它的微观的数据，比如说每一个交通参与者不管是行人、机动车还是非机动车都需要精准知道这个目标的类型，它的长宽高尺寸，它的精度、维度、海拔，位置以及速度航向角等等各方面的状态，通过这样才能够对道路上的动态信息做一个完整的描述，而模型是核心，需要用模型驱动数据在数据空间中的运转，去实现对描述数据的学习和自我诊断。而软件是载体，是对决策控制以及描述诊断这些功能的一个实体
因此可以对面向智能网联服务的数字孪生交通系统做一个定义，通过对道路及基础设施、交通气象环境、交通参与者等物理实体进行状态的精准感知，信息的实时传输，数据高效计算，模型科学预测，软件精准执行，去构建一个数字孪生的交通系统，去提供基于描述诊断预测和决策的交通管理与服务，解决之汽车在运行过程中的复杂性和不确定性的问题，全面提升道路的智能化水平和智能网联汽车的智能化水平。通过这个逻辑架构可以更加清晰了解整个系统的逻辑架构。
首先我们认为中国方案的智能网联汽车发展思路对我们整个系统的构建提供了总体思想，希望将智能网联汽车与通信设施与云控平台、路则基础设施做融合，形成符合中国一系列标准以及体系的这种道路系统，通过聪明的路服务智慧的车实现高等级自动驾驶的快速落地。
数字孪生与车路云一体化，它们之间的关系在于数字孪生是一个方法论，提供的是一种理论框架，而车路云一体化则是道路交通系统在以数字孪生的概念去进行实际落地的一个技术方法，一个实施方案。对于我们来讲，我们基于车路云一体化的协同方案，我们将整体系统从三个维度做分析，分别是车辆自动化、道路智能化以及平台的集成化，这是我们的构建思路。对于车辆自动化这五个阶段的划分有很多的研究成果，不再做描述。对道路智能化，每个企业对道路智能化的划分有不同的想法，我们认为在基础道路、信息化道路的基础上，分别赋予道路通信的能力，感知的能力，以及决策控制的能力，可以分别进入到网联化道路、协同化道路以及智能决策控制道路的阶段。而在平台集成化方面同样也可以分为单点、多点、区域和全域，我们可以通过服务不同空间范围的平台的构建去提供不同的服务。
这是对于道路智能化分阶段建设的构想，首先我们认为网联化道路的典型特征是道路具备通信能力，可以实现车、路、人、云的实时的通信互联，在协同化阶段道路需要具有感知能力，需要能够把道路的完整的信息通过与V2X通信与5G通信融合起来实现车路信息的协同，在决策控制阶段我们认为道路需要有计算和决策宏观的能力，希望基于感知的结果去做决策，去影响道路上的交通参与者的运行。
对于平台构成来讲，对于单点和边缘云，边缘云是最终的一种可落地的实现方案，单点和边缘云是精确实时的系统，对于区域和中心是一种非实时的。
在分阶段的思路下，我们构建了车路云一体化的协同的智能网联总体架构，更加关注道路动态信息的采集以及应用，分别为了实现数字孪生系统的构建，在感知、通信、计算以及决策这方面分别提出了四个方面的解决方案，包括基于全息感知技术的物理世界的数据精细采集，这是我们感知方案，基于实时通信技术的信息同步汇聚与分发，这是我们的通信方案，基于边缘计算的数据融合与特征提取，这是我们的计算方案，然后是基于大数据与云平台技术的虚拟世界重构，这是我们的平台解决方案。
在采集数据之前首先需要明确一个问题，对道路交通系统里面的道路及基础设施状态，交通参与者、交通流、交通事件以及气象状态，我们在这里面像其他的一些信息都有一定的解决方法，但是对于交通参与者的感知，我们认为对自动驾驶来讲是至关重要的，我们现在在车上装了非常多的传感器，像激光雷达、毫米波雷达就是为了去解决这些交通参与者实时精准位置的识别，为了解决这个问题我们从感知，从传感器的局限以及面向道路协同需求提供了三个方面的解决方案。这是我们提出的路侧激光雷达的解决方案，我们设计了全球首款路侧专用的激光雷达，激光雷达是目前感知精度最高的传感器，我们将它从车端转移到路端，以一个360度的视角可以去形成一个上帝视野，更加精准实时了解一个路口的状态。通过路侧激光雷达的引入实际上是可以赋予道路精确、实时信息的感知能力。
没有哪一个传感器是万能的，我们需要进行传感器的融合，去突破传感器的局限，比如说激光雷达它的感知精度是最高的，但是它又存在一些问题，比如它无法获取目标的色彩信息，对于这些车辆的颜色、车牌号是无法获取的，需要用摄像头辅助它来实现。而有一些情况下需要获取更远距离的信息，在更恶劣环境下需要毫米波雷达，我们可以基于激光雷达、毫米波雷达和摄像头的组合，再结合V2X通信以及边缘计算可以形成一个单点的解决方案，这就是我们智慧基站的解决方案，可以实现道路精准信息实时感知，通信传输以及信息发布以及最后的应用。
这是在复杂路段的布局方式，通过布局可以看到实现了这个完整的路口的覆盖，在每一个交通参与者感知的盲区都可以被精确感知到、识别出来。
刚才说的都是感知的方案，接下来谈一下通信的方案，在这个系统里面我们以前讲的是V2X都是一些短消息，但是对于未来的车路协同需要传感器数据的共享，一些结果及数据的散发等等，面向车载信息、娱乐服务等等多方面的通信，所以我们认为未来需要构建一个泛在的实施，一个网络来执行这些功能。但是我们对网络的需求又想大带宽又想低时延，又想远距离、高连接、高可靠，但是实际上做不到，我们现在有4GLTE，5G，也由由它们衍生出来的LTE—V2X和NR V2X，所以我们认为未来这些通信他们会长期并存，共同组成一个一个的网络，为我们的车路协同去做通信的支撑。
这里展示的是计算架构，我们需要做的是从原始的激光的点云数据，从这些视频流数据里面去提取出交通参与者的目标信息，这里提供的是计算的架构，通过对信息的融合可以看到，将激光雷达的结果以及视频的识别结果最后都统一处理出来，得到每个交通参与者的分类，长、宽、高、精度、维度等这些信息，能够实时获取精确的描述。
我们也可以看到这个系统要处理这么多的数据，真正做到车路协同整体的决策控制，我们需要一个强大的计算平台来解决计算的问题，所以我们在这里也是用到了边缘计算，对比了云计算和变速器的几种架构，每一个方案的缺点都是存在的，比如云计算它的优点在于计算资源是可以进行调配的，但是缺点就是在于通信实时性、服务针对性受到了约束，但是对本地计算来讲，一个单节点只能服务一个半径一两百米的地方，或者两三百米的地方，需要更广范围就需要多点之间的协同，就形成了边缘计算的方案，边缘计算的方案的优势可以放在这里，大家可以了解一下。
刚才是说把数据如何获取，从感知到通信到计算整个过程做了描述，接下来就是要利用这些数据去做，在一个软件平台里面去做道路交通系统的实时重构，这个平台就是我们的智能网联与云控平台，用数据作为基础，高精度地图去做空间的基准，用GNSS的时钟去做时间的基准，去实现空间和时间的对齐，用一系列的功能模块完整整个系统的构建，面向自动驾驶，面向智慧城市交通，面向智慧高速公路去提供一系列的服务。
这是我们在中关村软件园里面的数字孪生系统构建的实例。
（播放视频）
数字孪生具有描述、诊断、预测和决策四个方面的功能，下面我会在每一个方面举一个例子做概括介绍，这是对道路的实时状态做一个精准的描述，通过高精度地图地图去做道路、建筑以及基础设施的实时的精确的描述，用气象传感器去做天气状况的描述，用计算系统去做道路上面这些交通参与者的实时描述，我们认为描述实际上也是一种服务，通过描述数据下发到自动驾驶网联车辆上，为他们提供全方位的视野。
这是在诊断方面的一些功能，可以通过历史数据、当前数据去诊断系统当前哪一些设备存在问题，哪里出现了交通事故，哪里发生了交通事故我们都可以通过诊断层面的功能来实现。
在预测方面可以加速系统的时间流速，去预测系统未来存在的一些状况，基于预测的结果去提供辅助控制。
这是路端决策控制的工程实例，目前如果只通过V2X去做车路协同的红绿灯速度引导，实际上在前面路口排队的话，那我们这个引导信息是十有八九是不准确的，我们基于路侧的感知，我们可以清楚每一个方向，每一个车道，这些车辆实时的位置，并且可以推算出来每一辆车通过这个路口需要多长时间，也就是说每一个车辆到了这个路口都能够精确的预测出来通过这个路口需要多长的时间给予更精准的预测，同时也可以在交通管理方面去更好的控制信号灯，去提高通行效率。
接下来介绍系统三方面的服务特色，首先支持海量的车路协同应用场景，这里列举了行业里面比较认可的四个车路协同应用场景的标准，这四个标准万集都是有参与并且参与了里面的一些标准场景的撰写，这50个标准的应用场景我们将它进行了详细的细分，形成了253个，其中有213个都是V2I车路信息交通的场景，可以适应广泛的应用需求，并且可以为同一个应用场景以乍道口的道路通行为例，可以只用通信解决这个问题，实现车车的乍道汇入预警，可以通过路侧感知将信息发到车上，也可以用信息显示屏去把汇入口的信息下发到车上，也可以去优先做车辆的调度，让车有一个优先的通行的先后秩序。
第二个方面我们的系统支持全自动化的自动运行，每一个交通事件发生之后可以由感知、通信、计算以及云控系统去实现充分的联动，能够把这些信息从事件发生之后在极短时间内反馈到这些路上运行的车辆上。第二个是高可靠性，激光雷达配合其他的传感器就是为了提升信息的可信度，让自动驾驶能够充分的信任我们所提供的信息。第三个是高可靠，今年完成了V2X的路侧激光雷达、移动平台的产品化，就是为了保证我们的系统是可以长时间运行的。而全天候的运行能力也是具备的，我们做了产品化，可以适应各种工况条件，我们也做了各种系统的冗余，在多传感器的融合下可以适应各种的恶劣天气情况条件。
这里举了一个二次事故来说明全自动化系统的重要性，在原来通常来讲以前发生一个事故能够在6秒或者8秒时间内反映到平台已经很不容易了，但是对于我们来讲希望在100毫秒甚至是更低时间内把这个信息下发到车上去避免二次事故再次发生。
最后我们这个系统由于有精确的描述信息，我们是可以为自动驾驶提供超远视距和非视距的感知，提供驾驶意图的交通协同，提供动态交通事件的感知以及最优的路径优化。
总结，首先我们对整个智能网联以及车路协同、自动驾驶这个行业是充满信心的，我们有非常广阔的市场空间。第二这个系统要分阶段去建设，不要一蹴而就，不要急功近利。第三希望以开放、协作的态度，希望和业内同仁共同去探索这个行业的技术、商业价值以及应用前景。
以上就是我汇报的内容，如果大家对我们的解决方案感兴趣，可以去万集的展台做相关的交流。谢谢大家。
敬请关注“2020中国汽车工程学会年会暨展览会（SAECCE 2020）”直播专题：https://auto.gasgoo.com/NewsTopicLive/282.html
（注：本文根据现场速记整理，未经演讲嘉宾审阅，仅作为参考资料，请勿转载！）