特斯拉都搞不定，车路协同是无人驾驶的终极解决方案吗？(4)

据有关数据计算显示，基于车路协调，道路的拥堵情况在道路上无人驾驶车辆和有人驾驶车辆同时存在的情况下就能降低30%~40%，如果全是无人驾驶甚至可以基本解决道路拥堵问题。
数量大、质量高的数据收集
在无人驾驶中，系统对数据的收集效率和收集质量是解决应用落地最为重要的因素：只有收集到庞大和高质量数据来进行分析和学习，才更使系统更精准地进行优化。
这也是兰德公司早在2016年就提出，「L4级无人驾驶车辆的量产需要测试177亿公里（110亿英里）以上才能实现」的原因——毕竟驾驶行为是涉及到“人命关天”的大事，哪怕在驾驶行为的处理中有0.1%的概率出现问题，都有可能会造成车毁人亡的大事故。

（来源：Rand）
然而，在单车智能方案中，以Waymo为例，虽然背靠着谷歌这个大靠山，在投入了巨额的资金，十年的时间里才积累了3500万公里的真实路测数据，迟迟不能实现应用和落地。
这实际上是单车智能方案的共性问题：缓慢的数据收集能力使得学习能力变得缓慢；学习能力的缓慢也使得系统的优化提升变得缓慢；系统优化的缓慢导致了方案落地的缓慢。
比如，在2021年5月，面对着一个人类驾驶员很容易处理的情况，Waymo自动驾驶汽车却陷入了「三角锥难题」，以一己之力，连续数次堵住道路。出现这种情况的根本问题就是它从来没有遇到过这种情况，也从来没有解决这种情况的方案。

与此相对的则是车路协同方案在数据收集能力上的颠覆性的突破：除了收集「车」上的数据以外，还会以「路」为单位进行收集；除了收集无人车辆的行驶数据，还收集人类驾驶员的数据。