自动驾驶的中国商业模式:从5G试点到城市更新
2019年6月,上海,两场盛会接踵而至。先是亚洲消费电子展(CES Asia),后有世界移动通信大会(MWC)。过去几年在CES上“吸睛无数”的自动驾驶,今年已经显现出明显的降温。而在MWC却是另外一番景象,基于5G和车路协同的自动驾驶几乎在展会现场无处不在。单车智能到车路协同的进化,趋势越发明显。
这迹象背后,也有着许多无奈和未知。单车智能的发展似乎来到了深水区,现有技术条件下,实现L4的时间表早已一推再推。但是5G时代的到来,特别是中国在通讯基础设施上的优势,加之各级政府的鼎力支持,伴随着通讯企业与汽车企业的协同合作,十几年前在欧美蹒跚起步的“车路协同”解决方案,正在中国获得了发展的催化剂,走上了快车道。并且,基于5G和车路协同的自动驾驶,正在使得传统的ICE(汽车内燃机)与ICT(通信技术行业)深度结合,在此基础上进一步延伸和拓展了这两个行业的产业价值链。
但是,当书面的推演过程遇到现实的落地深耕,商业模式的问题开始提醒所有利益相关方实践的复杂和曲折。如何实现真正的商业化运营和落地?成为摆在从业者面前的一道必须破解的难题。
进入城市:商业的必然与技术的茫然
基于5G和车路协同的自动驾驶由三个部分组成,首先需要有具有自动驾驶功能的汽车,其次需要有搭载智能设备的道路,最后需要连接车和路的网络,包括通讯系统、云服务平台等。在思考商业模式的起始阶段,首先需要思考自动驾驶的落地区域,如何可以获得最大的使用效率以及财务收益。
进入城市,从商业的考量来说是顺理成章的选择。并且车、路、网络等单体因素都可以提供强有力的支持。
首先,从自动驾驶的最终落地载体——“车”的角度来说,汽车的地理分布主要集中在城市,而且是一二线城市。根据发改委公布的数据,2018年我国每千人汽车保有量是170辆左右,距离美国的800辆和欧洲、日本的500辆自然是有很大差距,数据上甚至比不上马来西亚、南非等国家。但是,如果从城市的角度来看,2018年中国有8个城市(包括北京、上海、成都、深圳等)汽车保有量超过300万辆,天津、武汉、东莞3个城市接近300万辆。郑州的千人保有量已经超过了350辆,深圳、成都、苏州、昆明等也已经超过了300辆。
另外,根据全球知名战略咨询公司罗兰贝格的研究,消费者选择私家车出行时,在“低频次、长距离”(例如自驾旅游、度假等),以及“高频次、短距离”(例如上下班代步)等场景中偏好使用自动驾驶,并且对于“拥堵路况下跟车功能”,以及“封闭环境下自动停车”的功能最为青睐。这些自动驾驶的适用场景以及对于功能的选择,都有着强烈的“城市”属性,而且是一二线城市属性。
其次,一二线城市的道路基础设施也具有优势,包括更为清晰的车道线、道路指示牌、更多的路灯和电线杆等设施。目前在笔者经历的试点项目中,需要满足自动驾驶的测试要求,路侧单元(RSU)的部署一般要达到600米到1公里一个,而随着路况以及交通状况的复杂,RSU的部署密度还需要进一步提高。所以,目前一线二线城市拥有更多的城市路灯和电线杆等,不仅可以搭载更多的RSU,同时还可以布局更多的5G基站。(由于5G使用频率更高,需要更高密度的基站,可以利用城市路灯、电线杆等作为“共享资源”,降低初期的网络建设成本)。这些道路基础设施方面的优势,将使得网络设施得以在较短时间内可以以较低价格进行部署。
再次,在一二线城市进行5G网络的布局和搭建,由于人口密度大,也可以实现很低的人均成本分摊。从5G网络的发展布局来看,我国首批18个5G试点城市,大部分集中在东南沿海地区。而且并且三家中国运营商已经形成意见,初期的5G商用将主要用于高密度城市中心区域,以更好的测试网络性能和用户使用水平。
但是,从技术的角度来看,目前的发展水平无法支撑自动驾驶,甚至是基于5G和车路协同的自动驾驶在城市的落地。
在前文《自动驾驶的发展瓶颈:从万人追捧到寒冬降临》中,笔者曾经论述过目前单车智能在多传感器融合以及芯片性能方面存在的问题。更为重要的是,这些局限性都是在封闭路段或者是交通情况较为简单的情况下,在测试中体现出的瓶颈问题。
所以,自动驾驶的落地以及后续的商业化开发,面临商业和技术上的矛盾。从商业的逻辑上来说,自动驾驶在一二线城市,甚至是城市的中心区域,可以产生最大的商业价值。但是从目前的技术条件来说,自动驾驶无法一步到位进入一二线城市,还需要更多的测试进行验证,以保证安全性和可靠性。
因此,自动驾驶在城市的郊区(或者新区)进行封闭场地测试以及公开道路测试,便成为了过渡方案。
目前,为了保证车辆上路的安全性,自动驾驶车辆必须要进行仿真测试和封闭场地测试,并且在此基础上逐渐在开放道路进行测试。
封闭场地方面,位于北京通州、西安经济技术开发区和重庆高新区的三家自动驾驶封闭测试场已经得到交通运输部的认定。同时全国还有多个城市已经建成或正在建设自动驾驶的封闭测试场地。
在开放道路测试方面,2018年4月,工业和信息化部、公安部、交通运输部就已经联合发布了《智能网联汽车道路测试管理规范(试行)》,对于测试主体、测试驾驶人及测试车辆、测试管理、事故处理等方面进行了规定。此后,北京、上海、重庆、长沙等多座城市也出台了各地的道路测试管理规定,其中多座城市已经发放了自动驾驶路测牌照。在获得某地自动驾驶路测牌照的基础上,自动驾驶测试车辆可以在该地区划定的开放道路测试区域(道路)内,进行测试。
综合来看,各地区在开放道路的划定方面,大多以城市郊区作为起始点,并(计划)逐步向城市中心区、核心区扩展。目前开放的测试道路大多位于城市郊区,人口居住密度低、交通流量小、道路较为通畅、地形较为简单。例如,北京44条开放测试道路(总长度约123公里)位于经济技术开发区、顺义区和海淀区;上海5.6公里开放测试道路位于嘉定区;福州6公里开放测试道路位于平潭岛麒麟大道;重庆12.5公里开放测试道路位于礼嘉环线;广州33条道路45.6公里路段位于黄埔区、白云区、花都区和南沙区、长沙7.8公里开放测试道路位于湘江新区;杭州5条开放测试道路位于未来科技城
但是,目前的过渡方案依然存在着以下三个问题,依然制约着自动驾驶的进一步发展。
首先,由于场景过于单一,无法反映真实的城市出行场景。如前文所述,目前选择的开放道路测试区域大多位于城市的郊区,交通流量小、道路较为通畅。但是大多数一二线城市的普遍出行场景恰恰与之相反,大部分情况下是繁忙的、拥堵的,甚至会出现很多人车混杂的情况。即使在简单场景下验证成功的技术方案,在进入城市核心区之后,依然需要技术团队再次攻克难关,升级方案。同时,由于道路数据的属地性,技术方案的验证成功只能仅仅证明在此道路上的成功,拓展性有限,在进入其他道路后依然需要再次进行验证。
其次,由于缺乏测试场景数据,多家公司在相同的场景下做重复验证,浪费技术资源。目前正在进行的封闭道路测试以及开放道路测试,对于数据的归属性缺乏统一的标准,而且更加缺乏通用数据的共享以及交易机制,所以大部分道路测试的数据都仅仅归属于测试主体。在这样的情况下,许多测试主体都会在相同的道路上不断累积数据,做重复的试验和验证,对于各公司的技术资源,未免不是一种浪费和无谓的消耗。
最后,由于场景远离出行业务的主要需求区域,使得测试仅限于技术验证,无法进行商业模式的探索。因为选择的开放道路大多位于城市的郊区,并非出行业务的主要需求区域,所以许多诸如自动驾驶出租车、自动驾驶小巴等业务探索缺乏实际有效的需求,只能以技术验证为主,辅助以部分对外公开展示,无法收集实际的产生于真实需求的数据,更无法在此基础上进行产品和服务的升级、商业模式的探索。在此背景下,许多商业化的运营设想更多从理论到理论,设想到设想,方案到方案,无法真实落地来探索模式的可行性。
城市更新下的基于5G和车路协同的自动驾驶
城市更新的最早定义可以追溯到1858年的荷兰,在第一次城市更新研讨会上,与会专家学者提出,由于生活在城市中的人对于自己所居住的居住物、环境或者出行、购物等有着不满,从而对于房屋、街道、公园等进行改善,已形成舒适的生活环境,这些建设活动可以称为“城市更新”。2017年以来,“城市更新4.0”的概念从学术界的讨论逐渐应用在诸多实践之中。
简而言之,随着社会的发展,城市更新逐渐由原先硬性的维护、建设、拆除等单点项目改造,演化为对于整个街区、整个城市片区的系统更新和改造。在这样的背景下,“智能化”被认为是新的城市更新的解锁密码。由于过去几十年的快速发展,城市的基本骨架已经形成,但是现在的功能已经不能满足原来的生活需要,更为高效、更为布局合理、更加适应未来需求的城市发展是发展的趋势。
此时5G的发展恰好到来。根据GSMA的预计,中国在2025年将拥有大约4.3亿的连接,将成为5G的最大市场。但是5G的发展将不仅仅是消费端的推动(如4G的发展),将更多应用于产业端的应用。从消费者的角度来说,8K视频、虚拟现实、增强现实等可以成为5G应用的场景,但这些应用还在发展的初期阶段,LTE-A可以提供的速率增益也足够接近5G技术。但是,5G的低延时、高可靠性以及多并发数可以在产业端扮演重要的角色。
而基于5G和车路协同的自动驾驶正好是消费端和产业端的重要结合地带,自动驾驶的最终应用,无论私人车辆还是自动驾驶出行载体,都是面向消费端的服务,而智能车辆和智能道路的协同又需要产业界的巨大投入以及各方协同。
城市更新、5G发展、自动驾驶等等在这样的背景下形成了最大的公约数。笔者认为,在城市更新的过程中,可以考虑基于5G和车路协同的自动驾驶的应用,并且各方进行提前布局。同时,自动驾驶的公开道路测试也需要借此东风,进入城市主要区域,甚至是核心区,进行技术测试和验证,并由此验证商业模式,形成业务的闭环。以下三项措施,笔者提出供各方讨论:
(1)在城市的主要区域,划定若干道路的特定车道,进行自动驾驶车辆的开放道路测试以及商业模式验证,并在今后逐步演化为自动驾驶的专用车道。
在初期阶段,政府需要进行主导,选择满足典型出行场景需求,但非核心交通路段的道路,限定特定车道、限定特定时间,以进行自动驾驶的开放道路测试。此类开放道路测试应设定较高的门槛,必须在目前的城市非核心区的开放道路上完成一定时间、一定公里数的测试,并且验证技术的安全性和可靠性,在专家技术团队进行考核论证后,方可在规定的时间内进行测试。
在后期,这些特定车道可以成为自动驾驶的专用车道,车辆在这些区域才能手动或自动开启自动驾驶功能。专用车道和城市道路信号灯的结合,以确保车辆通行的顺畅。同时,车辆进入自动驾驶专用车道后,通过联网的方式启动计费机制,使用方(消费者或出行服务提供商)以付费的形式享受自动驾驶带来的便捷和高效。
(2)在城市的若干居民集中居住的区域,进行自动驾驶出租车以及自动驾驶小巴的测试以及商业模式验证,并在今后逐步演化为自动驾驶载人运输专用区域。
在初期阶段,政府可以选择特定的居民集中居住的区域(例如距离地铁站3公里以上的居民集中的区域),划定为自动驾驶运输的测试区域,在特定时间(例如早高峰、晚高峰、深夜时间)等进行测试。早期的测试路段应该严格限定,后期可以在区域内逐步放开。同样,对于进行测试的车辆以及运营服务提供商应该进行严格的论证后,方可允许上路测试。
在后期,自动驾驶出租车以及自动驾驶小巴可以在特定时间成为交通运输的重要辅助手段。同样,车辆在自动驾驶运输专用区域内将获得高速、稳定的通信服务,并且将对此类服务进行付费以享受服务。
(3)政府进一步制定可操作性的规定,要求进行测试的主体将信息进行脱敏处理后上传至指定的城市数据平台,进行数据清洗和分析后,形成城市自动驾驶道路和区域的数据平台。
在初期阶段,政府可以邀请具有开发能力的第三方机构进行数据平台的搭建,并在与各利益相关方协商的情况下,确定上传数据的种类、格式和上传方式。随着自动驾驶的发展,政府需要独立发展并组建数据分析的团队,并逐步升级提升数据平台。
数据平台不仅仅可以作为城市内自动驾驶车辆以及服务的监控、管理平台,同时也可以作为产品,提供给自动驾驶服务参与方。通用性的数据可以免费提供给自动驾驶从业者,鼓励创业者和中小企业基于数据,开发新的产品和服务,从而避免重复简单测试造成的技术资源浪费。具有高价值的脱敏数据可以通过收费或者租用的方式提供给自动驾驶车辆提供商和服务提供商,以此为基础进行技术方案的仿真测试以及验证。
利益相关方的收获与付出
基于以上的商业模式设想,基于5G以及车路协同的自动驾驶的实现需要多方主体的参与,其中主要的利益相关方包括:通讯设施建设运营方(5G网络、RSU等)、智能道路建设方、出行服务提供商、出行车辆提供商以及政府等。
政府:前期制定自动驾驶相关的运行、服务要求,并建设大数据和云平台,以收集、处理自动驾驶专用车道、专用区域内获得的车辆、道路等信息,并进行脱敏处理。后期可以免费提供通用性的数据库,鼓励自动驾驶相关的服务商进行仿真测试,并基于道路情况等开发更适用于本地化的服务;同时可以提供高价值的信息数据库,给予出行服务提供商、出行车辆提供商等进行购买和租用,帮助其基于数据库进行产品和服务的开发。
通信设施建设运营方和智能道路建设方:前期建设通讯网络以及智能道路,后期通过车辆对于自动驾驶专用车道、专用区域道路的使用付费获得收入。
出行服务提供商以及出行车辆提供商:前期购买数据库,并以此为基础开发适合本地出行的自动驾驶产品、服务以及车辆,后期通过消费者购买、租用等获得收入。
基于以上商业模式设想,各参与方都可以获得收益并支持自身服务的开发和后期维护、运营和升级。同时,在自动驾驶的发展进程中,也可以逐步改善机制,保证各主要的利益相关方都可以获得应有的收益,并且不形成单点垄断。
在整个过程中,政府不仅需要制定相关的政策,规范运行,防止垄断,同时也要积极开放,鼓励更多的中小企业和创业者参与自动驾驶产业链的各个环节,在市场的环境下不断创新,提升自动驾驶使用者(个人使用者和车队)的使用体验,并在此基础上不断开发新的服务和产品,并形成新的创新模式。
汽车的发展、以及自动驾驶的进步,都和城市的演化密不可分,息息相关。纸面推演之中,自动驾驶可以提高交通效率、降低二氧化碳排放,甚至优化城市空间。但是真实的实践中,自动驾驶走近城市的每一步都面临和现有系统的融合问题,困难重重。
简?雅克布斯在《美国大城市死和生》中提到,“设计一个梦幻城市很容易,塑造一个活生生的城市则煞费思量。”回望过去的历史,19世纪的城市才开始出现隧道、地铁站和污水管;20世纪的城市才开始出现电线和办公楼;21世纪的城市才开始出现越来越多的共享空间、创新空间……城市的变化有时候慢得惊人,有时候也眼花缭乱。
当变化来临之前,我们尽管可以苛责思维的惯性和僵化,但是思考如何更好的设计商业模式,如何让更多的参与者可以获益,并在此基础上提升整个社会的福利,也许更为实际。