观点摘要

车路协同自动驾驶逻辑架构：以智能网联道路为基础，采用先进的传感、计算机、通信、网络和控制技术，通过道路-车辆互补感知、安全高效连接与层次化协同决策，实现车辆自动化运行。

车路协同自动驾驶多层次协同决策体系：车辆行驶过程中的不同任务由决策主体之间协同决策，多层次协同决策体系重点解决车辆换道、跟驰、车道路权分配和道路协同控制等核心问题。

协同式自动驾驶的意义与挑战：协同式自动驾驶在突破单车感知局限、优化交通等方面具有重要意义，但目前在车（路）终端层面面临融合感知、协同决策问题，在交通层面需解决协同规划与调控的问题，在系统整体层面还面临数据与协同计算的挑战。

车路协同路侧感知系统面临的挑战：路侧基础设施建设缺乏顶层设计，一方面传感器性能面临感知精度、识别准确率等多重挑战，另一方面工程部署面临如何保证传感器部署长期有效的挑战。

车路协同感知面临的挑战：信息安全是车路协同感知的主要挑战，在实际应用中协同感知要求车端与云端多次互认，信息处理较费时，因此对安全芯片的性能提出了更高的要求。

交通协同规划与调控面临的挑战：车路云协同规划综合调控，是解决以交通拥堵为主的交通痛点问题的必经之路，要想做好交通协同规划综合调控就得①理清ICV渗透率的影响、②建立交通协同体系、③打造车辆与交通调控系统的协同机制。

车路协同数据交互面临的挑战：数据实时交互依赖高可靠、低时延的通讯网络，网络由4G提升至5G、提高算力、优化算法是解决自动驾驶时延问题的关键路径。

协同计算面临的挑战：计算发生量最大的地方是在边缘云与路侧智能单元，如何将计算资源在时空上进行有效的配置，以确保高效协同计算是目前最大的挑战。

车路协同测试验证面临的两大挑战：①亟待建立一套可反映车路云协同驾驶的测试环境与评价标准；②规划并建立一套可支持车路云协同业务开展的仿真系统和服务系统。

以下为报告全文