为了突破这个瓶颈，将聪明的车与智慧的路结合，通过车路云一体化体系（Vehicle-to-Everything, V2X）提升L2/L3/L4的智能性与安全性，已成为一个重要的探索方向。自动驾驶货运多车编队，属于强依赖于车车之间协同与通信的一个产品方案。卡车货运编队有着万亿级的市场规模，通过V2X与车路云一体化的赋能，具备更高的可靠性以及对场景更强的适应性。卡尔动力认为卡车的货运的编队驾驶是车路云一体化中最早可以实现商业应用的场景，并且通过过去几年的累积，构建了基于车车、车路、车云的整体架构以及依托于这个架构的多种核心应用。
卡尔动力在全国众多地区，尤其是以鄂尔多斯为代表的货运场景丰富的城市，通过车路云一体化的应用证明了这个方向的可行性以及对自动驾驶，尤其是自动驾驶货运专线运输带来的价值，并且已经形成了行业领先的商业化规模。
车路云一体化系统示意图("车路云一体化系统白皮书 ")
车载通信设备OBU是实现车辆与车辆、车辆与基础设施、车辆与云端通信的关键设备。它集成了GPS、雷达、摄像头和通信模块等多种传感器，能够实时采集车辆的位置信息、速度信息和环境信息，并通过无线通信技术（如DSRC、C-V2X）将数据传输给其他车辆和基础设施。对于编队行驶，OBU需要具备高效的数据处理能力和低延迟的通信能力，以确保车辆间的协调和同步。
路侧单元RSU是部署在道路沿线的通信基础设施，主要负责与车载设备进行信息交互，并将数据上传至云端。RSU可以采集交通流量、道路状况等信息，并将这些信息广播给周边车辆，从而提高行驶安全性和效率。在编队行驶场景中，RSU能够提供实时的交通状况，通过在关键点位（如匝道汇入汇出、红绿灯路口）提供环境信息，帮助编队车辆及时调整行驶策略。
云计算平台是车路云一体化体系的核心，通过强大的计算能力和数据分析能力，能够对海量的交通数据进行处理和挖掘。云平台可以实时监控交通网络的运行状态，预测交通流量，并为编队行驶提供优化方案。此外，云平台还能够对编队车辆的运行数据进行存储和分析，以不断改进编队控制算法和策略。
卡尔动力深度参与了鄂尔多斯市智能网联体系的搭建。今年5月，由内蒙古自治区交通运输厅推荐，鄂尔多斯市交通运输局牵头，卡尔动力作为参与单位，依托鄂尔多斯市资源与运营场景的优势参建的自动驾驶先导应用试点成功入选交通运输部第二批智能交通先导应用试点项目。这是本批试点中唯一的干线货运自动驾驶重卡项目。7月2日，在刚刚公布的第一批车路云一体化示范城市中，鄂尔多斯市又依靠着特色的货运场景，依托于多场景全覆盖等优势，成功入选。在这个项目中，卡尔动力会启动部署超过千台的无人化编队车辆，覆盖鄂尔多斯最主要的几条物流专线，并且连通相应的智慧路港，与客户物流系统对接打通。
选择鄂尔多斯市作为车路云一体化以及编队自动驾驶的突破口，对卡尔动力有非常强的合理性。在全面助推降低全社会物流成本方向下，鄂尔多斯市对智能网联的发展有着深入的规划，对企业在鄂尔多斯落地很有吸引力。鄂尔多斯市资源禀赋，其中煤炭储量占全国的六分之一，产量接近五分之一，为自动驾驶货运提供了丰富的应用场景。
卡尔动力创新性地率先提出L4级混合智能编队技术方案，由一名司机驾驶L2级领航车辆，引领多辆L4级自动驾驶卡车行驶，车队能自动组队、离队、换道、处理积雪结冰路段、灵活应对社会车辆、高效通过收费站及通过红绿灯路口等。依靠混合无人化的技术突破，核心安全指标相比L4级自动驾驶单车提升了20倍。
在与学术界进行交流的过程中，清华大学自动化系教授、交通运输部自动驾驶专题研究组特聘顾问姚丹亚曾表示，“在干线物流运营路线上，路口强行并线，违章横穿的摩托车、自行车等易引发交通事故的复杂场景出现的概率远远小于城市场景出现的概率。针对装卸货进出场称重、前方车辆遗洒等干线物流运营路线上超出L4级自动驾驶单车能力范围的场景，卡尔动力在车路云一体化框架下的混合智能编队控制方案使人类驾驶员的能力与L4级自动驾驶系统相互协同，实现双重安全防护。相比仅依赖L4级自动驾驶系统或单纯依靠人类驾驶员，能够更安全地应对处理。”
为了应对这样的挑战，卡尔动力在车路云一体化框架下提出了混合智能编队的解决方案，使人类驾驶员的能力与L4级自动驾驶系统相互协同，实现双重安全防护。相比仅依赖L4级自动驾驶系统或单纯依靠人类驾驶员，能够更安全地应对处理。
卡尔动力智能编队V2X技术架构示意图
车车通信
1.编队车辆间高可靠性实时通信
通过车车之间的实时通信，卡尔动力开发了行业领先的编队算法，独创了联合控制、联合定位、联合感知和联合决策等一系列编队所独有的算法，保证了自动驾驶编队的安全性、节油性、智能性。
自研高性能通信单元
卡尔动力通过自研硬件核心通信单元KargoConnect，实现了多路冗余的C-V2X大带宽通信，可以以50Hz以上的频率将多车之间的多种状态实时传输。遇到隧道、信号干扰等特殊场景，C-V2X也提供了包括电源、通信模组、网络运营商在内的多重异构冗余，保证了百万公里无失效的通信可靠性。
卡尔动力核心通信单元KargoConnect
联合控制
不同于传统乘用车主要根据前后车的相对速度、相对距离来保证车辆跟随前车并且不发生碰撞的车距保持功能，卡尔动力使用了基于车车之间通信的联合控制方法。第一辆人类驾驶的领航车，会借助L2辅助驾驶系统算法保持一个合理的巡航速度。后面的L4自动驾驶编队车辆，在控制层会借助前车油门踏板、扭矩指令和刹车指令以及目标巡航速度信息的共享，在前车执行加速或减速的100ms内同步地执行相应的命令。可以做到在转弯通过路口时两车间距在2米之内，并且实现0.3s之内的同步起步。在高速行驶速度超过每小时80公里情况下或者封闭场景测试中，可以做到10米之内的安全跟车距离。
在减小道路占用的同时，更近的跟车距离带来了更低的风阻，从而达到了运输高效节油的效果，在实际测试中编队的后车会比人类驾驶或者辅助驾驶系统的前车节油5-12%，对车队而言每年每车可以节约数万元的成本。
联合定位
在货运的场景中，会面临修路、道路结构和特征发生变化、4G/5G信号中断、道路周围无RTK基站、高楼和地形环境影响GPS信号等各种情况。为了做到在这种复杂场景中，编队仍然能够以厘米级的误差精确通行，需要保证前后车位置的一致性，以及每辆车位置角度的一致性。
卡尔动力设计了联合定位的方法，通过同时优化前车信息、后车信息、及前后车通过传感器相互看到的观测信息，实现前后车联合定位，提升了编队的定位鲁棒性，可在无信号区域长时间实现后车跟随前车行驶。在降低对RTK信号依赖的同时，提升了队列前后车的定位一致性，在完全不依赖地图的情况下可通过几十公里的隧道。
卡尔动力联合定位示意图
联合感知
无论是车路协同还是车车协同，一个重要功能都是信息的互传，以达到全局最优的决策。其中一个重要的内容就是各个车之间互相补充感知信息，覆盖彼此感知的盲区或者远距离的物体。例如在编队解决方案中，卡尔动力的车队最多由六辆车组成，前后车最长间距可以达到200米。在这种情况下，由于遮挡以及传感器距离的限制，单车很难做到对前方300米外物体的感知。
通过联合感知，前车可将传感器观测结果传给后车，从而将感知距离翻倍，有效缓解后车视野被前车遮挡的问题。例如对于在本车侧前方的物体，可以结合本车和前车的检测结果，生成更精确的物体大小、朝向以及类型。
卡尔动力联合感知效果图
联合决策
除了基础的感知、定位、控制功能，在决策以及轨迹规划模块，编队的各个智能体之间也可以做到独立的决策，且相互通信，达到最优。车辆行驶中，可以无缝地切换模式，支持L4级单车、一拖一和一拖N灵活切换。后车在紧跟前车队列模式的基础上整合了L4单车智能的完整功能，能合理应对诸如社会车加塞队列、红绿灯打断队列、收费站通行、甚至因前车驾驶不合理（如不合理换道）造成的后车高风险场景，在后车丢车过远的情况下还能以L4单车模式追赶前车并完成重新组队。整体功能灵活多样，兼具队列在非交互场景下高效通行以及单车在交互场景下规避风险的优势，极大提升了运营效率与场景泛化能力。
2.编队与非编队车辆通信
除了编队车辆内部具备高带宽、低延迟的冗余C-V2X通信，在车路云一体化的体系中，自动驾驶与非自动驾驶车辆之间的通信也有着重要的应用。例如如果前方车辆有事故，停靠在路边，除了被自动驾驶车的激光雷达或摄像头检测到，也可以通过v2x信号加上位置信息来提醒往来的其他车辆。当有紧急救援的警车、救护车通过时，自动驾驶的编队车辆也可以收到这个信息，从而更早的进行反应。这个功能在卡尔动力的编队中也得到了初步的实现和应用。
车路协同
在货运的场景中，针对车与路之间的协同，有三类应用场景卡尔动力已经投入了研发，并且初步实现并正在使用：
1.匝道口车路协同预警与建议车速
卡尔动力参与了京雄高速（河北）开放自动驾驶测试示范项目，由河北清华发展研究院牵头，清华大学专家团队、卡尔动力（北京）科技有限公司等公司参与，在这个项目中卡尔动力针对自动驾驶专用道和匝道口等关键区域建设完善交通安全设施，提升自动驾驶测试安全保障能力。
卡尔动力与清华大学自动化系的团队合作，目标是实现在高速路匝道口这类车与车之间交互比较多，尤其是对于卡车来讲，加减速与迅速的反应对人类驾驶员都是很大挑战的场景，通过给并入的自动驾驶车辆或者人类驾驶车辆一些合理的提示，例如“匀速通过”，“加速通过”，以及给自动驾驶的编队车辆提供智能的指导速度，是车辆可以更加高效无缝的在高速匝道汇入。
2.数字孪生拥堵事故提示
道路的交通事故其中很大一部分是由于忽然堵车、修路、道路遗洒等事件引起的。自动驾驶的车辆除了本身需要具备非常强的感知能力之外，也需要对将来路上超过视距范围的事件提前了解与处理，通过降低车速等方式来降低突然遇到这些场景识别和处理不及的风险。在国内的一些高速上，已经初步实现了radar和camera设备的全范围覆盖，对于自动驾驶车辆而言，为应对这种道路异常提供了多一重保障。
3.车辆数据通过云端上传
除了路可以提供给编队自动驾驶以及人类驾驶的智能网联汽车一些重要的提示，卡尔动力也实现了车辆的感知信息向路段的传递与共享。尤其是L4自动驾驶编队的车辆，感知距离超过了几百米，除了可以在本队列中共享识别到的行人、摩托车、自行车和其它车辆，这些信息也会传给路侧的RSU，通过这些设备分享给更多L4级别甚至L2级别的车辆，帮助这些车辆提升感知能力，进行更加合理的路线规划。
车云联动
1.车能路云一体化调度
传统物流企业，面临着调度效率低，等待时间长的问题，很多物流运输的路线，司机开车4-5个小时，到达目的地之后，需要排队装卸货半天或者一天时间。运力的调度也主要依靠经验，很多传统物流企业还是通过微信群/短信等工具完成收集运输需求，对司机的调度等工作。在新能源化的趋势下，物流车辆又增加了在充电端的等待时间，进一步降低了物流的效率。
卡尔动力基于这个运营痛点，开发了混合运力调度系统KargoCloud。KargoCloud首先将货物、运力资源信息全部线上化，实现了从厂方需求输入、派单、装卸货和运输作业全流程的管理和监控，其中通过混合派单策略，根据场景匹配最佳的运力类型，实现运力调度和路线规划。其次，调度员可对车辆和挂车实时位置、路线轨迹等可视化监控，当发生异常情况时，进行主动预警提醒。最后在交货完成后，通过KargoCloud可完成对账和结算工作。
为了能够更好地提供车辆充电服务，KargoCloud打通了充电终端，司机可通过移动端查看充电桩空闲数量并进行提前规划，可减少寻找和排队的时间，同时实现插枪即充和无感结算。
KargoCloud示意图
2.全局高效驾驶与节油
基于云控系统的车辆预测性节能巡航控制系统
卡尔动力与清华大学车辆与运载学院高博麟教授开展了“智能网联云控预测性节能巡航控制方法研究”合作课题。在这个课题中，卡尔动力实现了通过车路云一体化的方案，对卡车实施车辆速度建议。基于广域三维地图信息，开发了面向最优节能的车速动态规划方法，并建立了具有滚动时域优化特征的车云分层控制方法，完成了云控预测性节能巡航控制算法，实现车辆能耗、道路模型与道路交通态势的融合匹配，通过上下坡建议速度实现节油。
另外，由于卡尔动力的调度系统有全局的供需信息以及道路的拥堵信息，可以依靠建议速度，在合适的时间到达，并有效避开拥堵，进一步节约能耗。
