11月3日～6日，2024中国智能交通大会在杭州隆重召开。11月5日，在车路云一体化创新发展论坛上，香港应用科技研究院总工程师朱星华就《深港合作区跨境智能网联汽车与车路云一体化设计与实践》做了分享，本文系现场演讲整理而来，未经本人审核，如有错漏，敬请谅解。
朱星华：今天分享主题是深港实践车路协同和车路云一体化的工作进展及未来规划。香港应用科技研究院是香港最具规模的应用科技研究机构，包括博士和研究生在内雇员有七百多名，拥有多项研究项目成果及专利授权，香港应科院专注智慧城市、金融科技、数码健康科技等领域研究，其中智慧交通是智慧城市研究中非常重要的领域。
2019年，在香港创新科技署和运输署支持下，香港应科院在香港的城市公共道路上建设了一条14公里长的C-V2X道路测试环境，测试环境包含许多香港典型交通要素，此条测试道路是世界上最大的C-V2X部署之一，沿途装有车联网设备，也有香港首个支持车联网的交通信号灯。
除了在沙田区域部署14公里测试场地外，我们也会根据不同区域的场景特点，分区域分阶段地部署车联网基础设施和网联自动驾驶技术，包括沙田区某园区和交通枢纽进行连接的工程、香港机场专用无人驾驶接驳车的工程、油尖旺区东九龙西九龙文化旅游区智能驾驶的部署、落马洲河套地区跨境场景网联自动驾驶的部署等。
2025年，我们将会在香港科学园至大学铁路站之间部署专线自动驾驶巴士，此条路线将连接香港科学园园区和一个非常繁忙的交通交汇处，路线包含繁忙回旋处（编者按：应是环岛交叉口），以及自动驾驶汽车和传统汽车混行的交通场景。自动驾驶汽车需要在非常繁忙的环境中穿梭，技术上挑战难度很大，香港应科院会在关键区域，特别是需要不停地变换车道以及跟其他车辆进行策略协同的区域，部署车联网基础设施，助力自动驾驶车辆在这些区域更安全平稳地运行，此条路线全长2.6公里，会在2025年通车运行。
此外，东九龙车路云一体化示范项目将于2025年至2026年期间落成，此项目是将车联网技术和现有双层大巴操作系统进行紧密连接，来辅助传统双层大巴更好更安全地服务市民和游客。
香港应科院不光是在香港地区进行了规划部署，也提出了深港车联网科创走廊的概念，于2022年提出大湾区智慧交通互联互通愿景，发布大湾区互联互通路线图，在路线图的指导下同合作伙伴共同推进大湾区智慧城市整体架构建设。
该路线图明确了大湾区车联网标准体系、基础设施建设、应用示范等重点任务，作为工作的第一步，2024年香港应科院发布了《香港车联网技术标准化工作规划》，主要思想是如何让香港的各类行业标准、车联网标准，智能网联标准跟世界接轨，并同国标进行无缝衔接，接下来也会逐步实现适合于香港标准化的建设工作。
作为大湾区互联互通技术非常重要的一步，就是部署跨境智能网联自动驾驶的路线。
深港跨境区域在交通系统上存在明显差异，两地在交通规则、基础设施、信息网络等方面的不同导致了自动驾驶汽车在跨境区域运行时会面临许多挑战，亟需一套完整的技术方案来保证跨境关键场景里服务的连续性和监管的延续性。
深港之间每天都有非常频繁的货物、人员来往，经过统计，每年大概有超过200万辆货运卡车通过皇岗口岸过关，跨境智能网联的试点场景就选取了经过皇岗口岸连接深圳和香港的河套区域，也就是深圳福田保税区和香港河套科学园区之间。
此项目会在深圳和香港同步推进，深圳侧的项目重点是建设深港跨境自动驾驶中试平台，中试平台横跨深港，总长约7.3公里，其中深圳侧长约2.6公里，香港侧长约4.7公里，中试平台沿途部署智能网联路侧设备，包括V2X通信设备RSU，路侧感知设备以及边缘计算单元等，形成车路云一体化完整系统，将深圳和香港两侧各层的基础设施和网络进行无缝对接。通过中试平台的建立能够加速车路云一体化商业化落地，降低网联自动驾驶在跨境场景中的运营成本，促进产业链协同，提升交通安全与效率。
香港侧的项目重点是设计一台12米长的载人大巴来满足深港两侧人员的跨境需求，大型巴士在自动驾驶领域会面临先天挑战，需要一套新型感知和决策规划模型来使大型巴士能够更顺畅地运行，我们也会在深港两侧部署远程控制中心，让载人大巴在跨境运营上能够更加顺利、更加安全地服务跨境乘客。
具体来看，深港跨境网络自动驾驶项目路线总长7.3公里，包含了两个跨境口岸区域，香港应科院会进行相应的通信和V2X基础设施建设，辅助自动驾驶汽车在区域中运行。
最后探讨一下在大湾区互联互通计划下交通大数据和大模型应用的规划。
在智能交通领域应用中，我们已经从基于先验规则的方法逐步进入到由数据驱动深度学习的方法，但这种深度学习的方法无法解决在道路上遇到的各种长尾问题，所以在下一代智能交通解决方案中需要进一步扩大数据驱动力，充分调用在交通领域没有标注的数据，利用通用的泛化知识解决未知和长尾案例。
目前，业内已经有很多关于大模型和大数据的尝试，特别是在行业垂直单模态大模型领域已产生许多成功案例，比如自然语言模型、视觉模型等，同时在视觉基础模型加语言基础模型的多模态模型方面也进行了初步尝试。
但目前的技术还存在一定的局限性，主要集中在缺乏大规模时空序列建模、缺乏关键交通因素的交互影响关系建模、车端数据与路侧数据独立建模无法形成有机联动等方面，所以尽管目前有成熟应用的大模型案例，但针对交通领域特有的数据特点和数据来源，智慧交通需要一个适应其数据特性的创新解决方案。
香港应科院已经开始研究预训练基础模型，通过收集V2X基础设施架构之中的数据，形成新的多模态交通数据库，再经过创新模型设计和自监督学习任务设计，形成预训练基础模型，基础模型通过知识迁移任务服务于下游的特定专有模型，模型实际上把路侧和车侧的数据进行了结合，形成了一个统一的建模，所以下游模型不仅可以服务于交通管理任务，也可以针对未来自动驾驶提出相应的决策和规划。
多模态交通数据包括三维感知、车辆轨迹、交通信号、道路地图等，目前部分研究成果已发布在ICML2024上，未来会继续推进此项领域的研究和应用，同时也需要城市级数据和算力平台的支持，欢迎业界的领导和专家给予更多合作或指导。
