百度、輕舟智航等Robobus玩家,為何盯上了車路協同? | 人人都是產品經理

編輯導語:自動駕駛賽道已經有不少玩家入局,其中,無人公交這一場景也被許多玩家瞄準。為什麼Robobus成為了熱門行業之一?這恐怕和企業試圖布局Robotaxi等賽道的「野心」脫不開關係。本篇文章里,作者就Robobus賽道的發展發表了他的看法,一起來看一下。

在我國,公交一直都是城市出行的主要方式之一,在我國公共交通體系中擁有較高的路權和發展優先順序,公交車輛的升級煥新的步調往往也比私家車來得更快。最明顯的改變是,前幾年許多城市公交逐步換成了新能源車型。

伴隨著智能駕駛賽道的火熱,一些企業開始瞄準了無人公交、微循環巴士等剛需場景,公交車開始了網聯化和智能化的升級,AI企業爭相入局。

2018年7月,百度宣布和金龍客車合作的「阿波龍」正式量產下線。2020年初,通用旗下Cruise發布了首款沒有方向盤的無人駕駛小巴。此外,人工智慧獨角獸商湯還推出了L4級自動駕駛產品SenseAuto Robobus,為車輛運營商提供無人巴士。

在融資額度上,Robobus賽道甚至創下自動駕駛賽道記錄。據天眼查APP顯示,2020年12月,自動駕駛獨角獸文遠知行獲得宇通2億美元戰略投資,用於推動自動駕駛在微循環巴士、公交車等場景的應用。據了解,此次投資是中國主機廠在無人駕駛領域的最大單筆投資。

在筆者看來,Robobus除了能夠解決城市末端道路上的出行不便、緩解主幹街道擁堵等問題,更大的想象力或許在於「催熟」Robotaxi、智慧交通等更加誘人的行業。

一、為何Robobus成為一個熱門賽道?

從融資規模和入場企業來看,無人小巴儼然已成為一個熱門賽道,但其興起的緣由與Robotaxi有很大不同。首先,無人小巴的社會價值不是為了取代駕駛員,降低運營成本,而是重塑和完善城市交通微循環體系,從而有效解決交通擁堵問題。

在城市交通體系中,微循環交通主要連接商場、醫院、地鐵站等生活重要場景,猶如整個交通體系中的毛細血管,與城市交通這個龐大的生命體能否健康運行密切相關。然而現狀是,微循環交通場景尤其複雜,Robobus落地面臨著多重阻礙。

首先,路側違規停車、公交道佔道、信號燈合理配時、場站移交等問題,多出現在城市交通的微循環部分,構成了城市交通中複雜的路況。例如,一到開學或假期的時間,會有許多家長因接送孩子在校門口亂停車,進而導致交通擁堵現象。

諸如此類的交通問題,不僅影響了微循環交通效率,還容易產生大量的Corner case,這也是造成Robotaxi難度係數超高的主要原因

此外,在城市交通微循環體系中,還有一個繞不開的行業就是共享單車。如今共享經濟的大潮已經褪去,美團、青桔、哈啰等少數幾家平台生存下來,但幾家平台的經濟效益卻都不理想。

據哈啰出行招股書披露,在2018-2020年平台一直處於虧損狀態。據美團去年Q1財報,包括共享單車在內的新業務及其他分部經營也在虧損,由2020年第四季度的60億元擴大至80億元。

另一方面,共享單車平台,為用戶出行帶來的方便也比較有限。據北京市交委2019年公布的數據,某共享單車平台日均活躍車輛僅占報備總量的16%,低的利用率的背後,必然是大量單車處於閑置狀態,也侵佔了寶貴的道路空間資源。

在以上這些交通問題改善之前,未來Robotaxi即使落地,恐怕也只能在部分主幹線可行。從這個意義上說,Robobus的發展讓城市交通微循環更加高效、有序,也有助於Robotaxi儘快落地。

據2018年第三季度《中國主要城市交通分析報告》的數據顯示,北京市大部分快速路和主幹路的使用率高達100%,平均擁堵率超過60%,而次幹路或支路的平均擁堵率僅為30%左右。也就是說,微循環儘管存在擁堵的情況,但對於釋放主幹路車流壓力也會有一定的緩解作用。

因此,發展Robobus對城市道路交通的微循環有兩個作用:一方面是讓短途出行的方式和路徑選擇更加多樣化,以便於能夠充分利用現有道路資源;另一方面,在解決末端交通需求的基礎上,通過合理的交通微循環組織,引導主幹道車流向微循環路網轉移,從而緩解主幹道的交通壓力。

正因如此,許多地方交通管理部門對於無人巴士非常看好,多家自動駕駛企業拿到了無人巴士路測牌照。

2018年3月,由百度公司和金龍客車合作生產的商用無人駕駛巴士——「阿波龍」拿到了福建省平潭綜合實驗區的測試牌照,進行上路測試。2020年,輕舟智航在北京、深圳和蘇州等多地都設了辦公室,以開展Robobus的測試及運營。

二、Robobus為車路協同鋪了一條平坦的路

Robotaxi是巨頭林立的萬億賽道,但也是公認自動駕駛落地難度最大的一個場景。

在Robotaxi領域,領頭羊Waymo發展已有十餘年,截至2021年3月,其全球路測數據達3219萬公里,但由於Corner case無法徹底窮盡,於是認為大規模商業化運營言之尚早。

頭部玩家都喊太難,後面跟隨的Robotaxi玩家也就變得越來越務實,開始走曲線救國路線,把目光瞄準低速、封閉以及商用等相對簡單的落地場景:一方面,增強回血能力;另一方面,通過漸進式場景的數據積累、演算法優化等,為Robotaxi賽道做準備。

在筆者看來,Robobus所處的微循環路網或許是通往Robotaxi賽道的一個非常不錯的漸進式場景,其原因主要有三個層面:

第一,在交通工具換乘方面,Robobus在一定程度上可以作為Robotaxi場景的「入口」。

Robotaxi主要覆蓋主幹道,Robobus則深入覆蓋城市中的末端支道,到達公交、地鐵等覆蓋不到的區域,作為Robotaxi運力的補充。

例如,輕舟智航推出的共享網約巴士方案,在現有小巴業務的基礎上,通過智能演算法,將路線相近、相同方向的乘客進行即時匹配;百度去年2月份推出的無人小巴阿波龍Ⅱ,也能夠與多種交通工具無縫銜接,與自動駕駛車輛及傳統公交運力相互配合。

第二,車路協同方案下,無人巴士使用的路端設施可用於Robotaxi。

首先,無人巴士具有中低速、固定運營路線和區域的特點,這意味著路端建設的先期投入規模比較小,如果基於無人巴士的運行區域部署基於5G的車路協同智能設施,容易實現商業化閉環。

另一方面,多人出行的路權優先順序更高,也是政府提倡發展的交通方式。無人小巴的規模化運營,將進一步均攤車路協同路端設備的部署成本,產生更高的社會效益。

第三,對於Robotaxi來說,路端設備能夠彌補智能車輛自身感知局限,大幅提升安全性,減少對車端感知硬體配置的依賴,降低智能駕駛汽車的整車成本,從而有利於L4級別Robotaxi的規模化落地。

事實上,對車載自動駕駛感知系統而言,沒有敷設路端設施的道路就像貧瘠的鹽鹼地一樣。對Robotaxi玩家們來說,大家的熱情非常高漲,但目前的城市道路是為有人駕駛而設計的,這是造成當下眾多Robotaxi玩家看到誘人果實近在眼前,卻又似乎遙不可及的根本原因。

在《技術的本質》一書中,布萊爾·阿瑟闡述了技術像生物一樣進化的機制,其認為技術能夠像生物一樣找到適應它生長的環境。在筆者看來,技術也能夠像生物一樣改變環境。

以農業中的鹽鹼地改良為例,在我國有9900多萬公頃的鹽鹼地,由於無法直接種植經濟樹種,過去鹽鹼地因無法開發出經濟價值而被浪費,但現在通過大量人工種植適應鹽鹼的沙棗、側柏等樹種,既可以增加農民的收入,同時又改良了土壤。

當前路端設施落後的道路,其實就像無法利用的鹽鹼地,通過對基於車路協同方案的無人巴士的「培植」,逐漸讓路端設備「生長」出來,從而實現讓技術改變落地場景,這或許正是讓Robotaxi「漸進式落地」的一種不錯的途徑。

事實上,布局智能駕駛多年的百度,也多次表現出對車路協同方案的看好。

2020年,李彥宏在一個論壇上表示,「我們從來就沒有隻依賴單車智能。基礎設施的完善也很重要。」去年末,李彥宏又在新書《智能交通》中預測道,「在智能交通體系中,車路協同能夠讓道路的通行率增加15%-30%,5年內一線城市無需搖號限行。」

正因為Robobus可以讓路協同更容易落地,多家原本專註做Robotaxi的智能駕駛企業開始向Robobus賽道傾斜,採取多線布局的策略。

例如,蘑菇車聯通過與衡陽市政府達成自動駕駛城市級試點合作,於去年在衡陽市投放1000輛自動駕駛汽車,涵蓋Robotaxi和Robobus等多種車型。

百度自2018年正式量產的自動駕駛小巴阿波龍累計服務人次超12萬,而百度Apollo自動駕駛同時期累計服務乘客 為40多萬人次。從服務人次佔比來看,百度對Robobus的重視程度並不算低。

Robobus賽道價值凸顯,成為很多玩家多線布局的優先選項,與此同時,也暴露出一個問題:這個賽道到底有沒有護城河?

一位供職於自動駕駛企業的演算法工程師向筆者表示,「Robobus只是速度慢一些,運營區域小一些,其實和Robotaxi很多技術是相通的,場景也有許多重合的區域。現在Robobus還是一大片藍海,反正Robotaxi落地還早,多個選擇肯定多條路。

在筆者看來,Robobus由於要融入和替換原有的公交系統,在Robobus供應商的選擇上,主導權在地方交通管理部門,這意味著早期進場的企業更容易佔據先發優勢。

三、寫在最後

在交通強國、車路協同、5G戰略等政策的鼓勵下,城市交通變得智能化、網聯化、以及共享化。但在通往智慧交通的具體實踐上,每一步創新都意味著對原有交通體系的衝擊,甚至破壞,比如,隨著Robobus的落地,共享單車數量或將大量退役。

從城市設計的角度來看,由於地理和人口等因素的差異,中國和美國、日本、歐洲等國家的城市交通系統的規劃都不一樣,這意味著我們沒有石頭可以摸,在Robobus重塑城市交通微循環的過程中,或許也將面臨意想不到的挑戰。

對於一座城市的設計,謀求有所突破的時間單位通常是十年,自動駕駛註定是一場持久戰,我們拭目以待吧。

 

作者:鄭開車;公眾號:談擎說AI