智能汽车仍然无法挽救行人

2024 年，7,080 名行人丧生，超过 71,000 人受伤在美国道路上。自行车死亡人数达到 1980 年以来最高水平。总体交通死亡人数首次自 2020 年以来降至 40,000 以下。但几乎所有进展都惠及车内人员。行人和自行车骑手仍然以近历史水平死亡率死亡。

这种差距就是故事。驾驶员辅助功能在过去十年中已经显著减少了车内人员的死亡率。它们并没有对弱势道路使用者产生相同的效果，原因在于视线，而不是驾驶员行为。车载传感器受到车架几何的限制。行人和自行车骑手最容易受到伤害的地方正是车载传感器结构上最弱的地方。被遮挡的交叉路口、中间过街、盲角、学校区域，孩子们会在停靠的汽车之间走。这种限制同样适用于人类驾驶员通过挡风玻璃看，以及自动制动系统读取前向雷达，以及我们将来在车辆上安装的任何自动驾驶系统。

过去十年的大部分时间里，围绕连接车辆、自动驾驶和城市机器人进行的所有对话都是关于车辆到一切（V2X）的对话。这种想法是车辆与其他车辆、路边设备、行人的手机和网络进行通信。更大的传感器套件、更好的模型、更多的车载计算、更多的冗余——所有这些都集中在车辆本身。这种框架产生了真正的进展。它也对车辆中心的感知能力施加了限制，限制了它对行人和自行车骑手的帮助。

下一阶段的工作有不同的形状。称之为基础设施到一切（I2X）。交叉路口、走廊和周围基础设施代表移动的东西进行感知和预测。I2X 是问题的更难的一半。它也是安全案例最终关闭的地方。

V2X 有一个安全天花板，我们现在正在接近它

车辆中心的方法对投资者、汽车制造商和监管机构来说是可理解的，基础设施则不然。进展可以通过传感器数量、模型参数和解除接管率来衡量。它适合在幻灯片中展示。V2X 堆栈已经成熟。蜂窝 V2X 标准是真实的，路边单元已在几十个走廊中部署，主要的汽车和技术玩家正在将大量资金投入到合作感知平台中。

这种资本已经产生了真正的收益，主要是惠及车内人员。它并没有为弱势道路使用者关闭差距，研究界也越来越清楚地认识到为什么。最近对 V2X 协同感知系统的实证研究确定了单代理自动系统中六种反复出现的错误模式，大多数根源于相同的限制：车辆无法超越其视线。遮挡、非视线交叉路口、天气恶化、训练数据中未出现的边缘情况。专注于弱势道路使用者安全的单独研究从不同的角度得出了相同的结论：行人和自行车骑手的定位是车载传感器结构上不擅长解决的故障模式。

更多的激光雷达有帮助。更多的雷达有帮助。更好的模型有帮助。没有任何东西改变了底层几何。车载传感器始终具有视线限制，视线会随着城市密度的增加而变得更糟。我们需要自动驾驶系统最安全的地方正是车辆中心感知结构上最弱的地方。

I2X 反转极性

基础设施到一切从不同的前提开始。道路、交叉路口、走廊和装卸区不再是被动的表面等待被感知。它们成为主动的智能层，感知、解释和广播条件。接近被遮挡交叉路口的车辆不需要用自己的传感器看到拐角处。拐角处已经看到了。正在人行道上行驶的送货机器人不需要预测停靠卡车后面的行人。路灯柱已经知道行人在那里。

这是我们在 Surge 建立的工作的一面。我们的部署是安装在现有城市基础设施上的 LiDAR 边缘感知节点：路灯柱、信号头和屋顶。没有摄像头，没有图像，也没有在感知时捕获的个人身份数据。我们称之为“物理匿名”，因为 LiDAR 捕获运动和几何，而不是面部、车牌或身份。输出是一条位置、速度和轨迹的实时流。同样的流对城市交通工程师、自动驾驶车辆堆栈、物流路由器和安全研究人员都有用，他们都可以从单个传感器足迹中受益。

两个设计选择对安全案例很重要。首先，基础设施感知默认为多租户。车载传感器堆栈是一对一的，为每次服务一个客户。路灯柱上的 LiDAR 节点同时为每辆车、每个无人机和每个行人安全应用程序提供服务，需要这些数据。经济学看起来更像一个手机信号塔，而不是一个油井。第二，走廊级覆盖比交叉路口级覆盖更重要。孤立的节点是有用的。网络化的走廊是可防御的，因为行人安全、自动驾驶车辆训练和紧急响应都依赖于连续性，而不是快照。

实时感知是底层。预测是天花板。

更深层次的机会不是实时层。实时感知解决了明显的安全案例，这本身就很有价值。更深层次的解锁发生在 AI 模型在基础设施数据上训练几个月甚至几年，而不是车辆捕获的零碎快照时。

车辆数据本质上是稀疏和不连续的。汽车每天最多通过一个交叉路口几次。它看到一片。基础设施节点全天候、每天、每年都在观察同一个交叉路口。它看到整个分布。同一个地方通过高峰时段、风暴、施工、停电、事件和季节变化。这种训练数据本质上是不同的，它产生了本质上不同的模型。

当这些数据积累时，系统停止被动反应，变得主动预测。即将从路缘踏上的人的步态模式。即将闯红灯的车辆的减速曲线。先于近距离接触的转弯巴士和自行车之间的汇聚几何。这些是前兆信号。它们在统计学上是可观察的。它们不在碰撞报告中，因为它们不是碰撞。它们是前兆事件，发生的频率远远高于碰撞本身。碰撞在统计学上是稀疏的。近距离接触是丰富的。基础设施系统观察到车辆永远无法在规模上看到的前兆行为。

这就是真正的安全解锁。连接移动的承诺一直是我们可以在碰撞发生之前进行干预，而不是在之后记录它。车载传感器加上反应式车辆到一切通信可以让你部分到达那里。基础设施数据上的预测层是让你走完剩下的路的东西。同样的逻辑，顺便说一下，也适用于能源方面，像 HEVO 这样的公司已经展示了完全自动化的车队需要基础设施来提供动力以及感知。不同的领域，相同的结论：世界必须做车辆单独无法做的工作。

城市环境的神经系统

当你从任何单个部署中退一步时，这项工作实际上是在建造城市从未真正拥有的东西：神经系统。城市已经拥有混凝土、钢铁、电网和光纤。它们缺乏的是一种能够实时感知、记忆和预测物理环境的层。

I2X 就是这一层。安装在路灯柱上的 LiDAR 节点的功能就像一个感官神经元。边缘计算的行为就像一个局部反射，足够快以至于不需要等待集中系统。随着时间的推移，节点网络在城市规模上建立起制度记忆：交叉路口的行为方式、近距离接触发生的位置、流动在风暴、停电、施工或紧急情况期间的变化。

应用程序自然而然地跟随。学校区域内的行人安全警报是一个反射。基于观察到的流动调整交通信号是一个学习的反应。预测性路由推荐依赖于紧急车辆的感知和记忆。物流、紧急管理、气候适应性和自动驾驶车辆训练都变得更容易，当城市可以连续观察和从其自身操作中学习时。重点不是添加更多的摄像头或仪表盘。重点是给城市环境添加它一直缺乏的能力：实时感知、记忆和响应的能力。

基础设施改变了自动驾驶的经济学

当智能层从车辆迁移到基础设施时，自动驾驶和城市运营的经济学以三种重要方式发生了变化。

首先，车载硬件的成本曲线终于有了一个去处。今天，每辆自动驾驶车辆都被要求携带整个感知问题和大部分安全问题。因此，自动驾驶车辆的零部件清单看起来就是这样。当基础设施在最后一百米内提供感知，并在其上提供预测时，车辆变得更轻、更便宜、更容易认证。同样的逻辑也适用于无人机、人行道机器人和其他等待其单位经济学关闭的任何自动驾驶形式。

第二，任何单个基础设施部署的可寻址市场会扩大。安装在路灯柱上的 LiDAR 节点为城市的交通工程团队、国家物流运营商、自动驾驶班车运营商、安全研究人员和保险承保人提供服务，这是一个与仅服务一个租户的传感器根本不同的资产。共享基础设施的方式与点解决方案不同。

第三，融资故事变得对历史上一直资助港口、塔楼、光纤和公用事业的机构资本清晰可见。我们共同带来了连接基础设施部署的运营领导和超过二十年的基础设施项目融资经验，来自 Integrated Roadways、Black & Veatch 和 Diode Ventures 等公司。模式是熟悉的。一旦资产类别从单个物理足迹中产生多个、合同化的、长期的收入流，资本成本就会降低，期限就会延长，建设就会加速。这就是我们在智能基础设施方面接近的时刻。资本一直在等待清晰度，而不是技术。

道路学会反思

艰难的死亡数字不会在我们停止要求车辆做所有工作之前有所改善。十年来，车辆中心的投资产生了标准、部署和对车内人员有意义的收益。它并没有为最容易受到车辆错误后果的人们移动指标，结构原因内置于问题的几何中。

下一章是基础设施外。感知道路。预测交叉路口。走廊学习和干预在碰撞发生之前。稍后在同一物理足迹上添加能源方面，您将拥有自动驾驶系统的基质，而不是产品。更重要的是，您将拥有城市可以用于过去二十年来他们一直试图解决的所有其他事情的基础设施。V2X 教会了车辆如何交谈。I2X 是城市学习感知、反思和预测的能力。