特斯拉都搞不定，车路协同是无人驾驶的终极解决方案吗？(7)

对于车路协同来说，多余度就是利用道路交通各参与方来进行多维度的感知、跟踪、预测和学习。
通过路端的感知，以及车、路之间的信息共享，不仅可以补足车端感知视距有限、感知存在盲区等问题，特别能够实现对于其他交通参与者行为的预测和判断。
比如，行人的「鬼探头」、路口有车辆突然窜出、同一条道路其他车辆的不规范行驶，甚至在无红绿灯路口交警现场指控交通时的命令等都可以由「路端」感知后提前预测判断，然后再把信号无延迟地传送给车辆端。

这就像是给单点智能的车加装上全天候、全场景、360度的「千里眼」和统筹全局的「智慧脑」， 实现车、路、人、基础设施的万物互联和万物互控。
未来，每辆车都将成为信息的接收者、中转者、处理者和发出者，全局调配将在一张城市智慧网上运行，实现对信息的多重采集和判断，从而实现无人驾驶安全性上指数级的提升。

盲区预警
中国无人驾驶特色道路怎么走？
2019年可以说是个分水岭，中美两国在智能驾驶的发展上选择了不同的方向。
美国一如既往走在「单车智能」的道路上。而在中国，车路协同越来越成为无人驾驶一个更为可靠的实现路径。
首先，从地理环境来看，美国地广人稀，交通环境相对单一，即便是不太精确的单车智能就有可能实现辅助驾驶的目的。
反观国内，人口密度大且集中，交通环境复杂，对自动驾驶的要求相对更高，依靠单车智能很难实现高级别的自动驾驶，而车路协同则提供了一个好的解决方案。