2021年1月，展望过车联网产业十大发展趋势：车联网规模建设时代来临，“两率提升”是关键;5G+V2X逐步落地，“量产”是关键;从安全类和效率类业务到协同类业务演进，“协同”是关键;车联网技术进一步验证和完善，“安全”是关键;车联网跨城市区域合作发展，“开放”是关键;车联网赋能自动驾驶典型场景落地，“商用车”是关键;车联网赋能智能交通实现深度融合创新，“融合”是关键;车联网赋能智慧出行探索杀手级应用，“有效感知”是关键;车联网创新商业和运营模式探索，“闭环”是关键;车联网数据开放模式探索，“规则”是关键。

以上很多工作，依然在持续推进，同时也看到车联网产业经过近几年的发展，取得了长足进步，但也面临诸多挑战。展望未来，相信车联网产业依托于自身的价值，必将开花结果。迈入2024年，笔者再次展望未来车联网产业发展十大趋势。不准确之处，敬请谅解。

车联网产业发展经过这几年各方的持续推进和探索，在全国各地做了大量技术验证和示范及先导应用，当下如何开展车联网运营服务，已经成为车联网产业可持续性发展的重要一环。展望未来，车联网产业将从“技术、场景、运营”分层次持续迭代演进，通过“可信数据”和“普惠服务”实现商业运营闭环。

技术趋势方面，①车路云一体化系统架构下的内涵和外延拓展;②多模网络支持高可靠、低时延和大连接车联网服务;③车联网计算、感知和人工智能深度融合;④车联网数字孪生底座和仿真测试应用加速技术突破进程;

场景趋势方面，⑤车联网的车端应用场景体现在赋能L2/L2+、赋能L3/L4、车路云一体化三个方向;⑥车联网的交通和城市端场景体现在赋能交通管理、赋能交通出行和物流运输、赋能智慧城市三个方向;

运营趋势方面，⑦“可信数据”是未来车联网运营的核心内容;⑧单项车联网业务做到极致体验，实现规模应用，提供“普惠服务”;

其它趋势方面，⑨车路云一体化安全体系保障车联网应用;⑩车联网产业发展需要科学的顶层设计和评价体系。

(一)技术趋势一：车路云一体化系统架构下的内涵和外延拓展

车路云一体化指的是通过新一代信息与通信技术将人、车、路、云的物理空间、信息空间融合为一体，基于系统协同感知、决策与控制，实现智能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。

在车路云一体化整体架构下，包括的内涵和外延都在拓展：

(1)分层建设逻辑协同的云控基础平台

云控平台是车路云一体化系统各组成部分的核心要素。云控基础平台与云控应用平台分层解耦，从而保证云控基础平台的开放性，对支撑充分竞争性、差异性的云控应用至关重要。

云控基础平台通常由边缘云、区域云与中心云三级云组成，形成逻辑协同、物理分散的架构。

其中边缘云位于车辆附近的边缘计算节点上，负责处理实时的车载数据和边缘计算任务;区域云位于边缘云的上一层，收集来自多个边缘云的数据，并进行更复杂的数据处理和分析;中心云位于整个智能网联汽车云控平台的核心和最高层的云计算资源集中地，负责收集来自各个区域云和边缘云的数据，并进行全局的数据分析、建模和决策。

云控基础平台本身也将分层建设，“国家级—区域级—城市级—区县级”。要充分考虑①云控基础平台和云控应用平台之间的信息交互标准，以及②各级云控基础平台之间的信息交互标准，③云控基础平台和MEC、RSU、OBU等设备信息交互标准，④云控基础平台和第三方平台(交管平台、交运平台、车企云平台、出行平台、物流运输平台、停车平台等)之间信息交互标准。

(2)统筹布局车联网算力网络，实现算网一体共生发展

推进车联网的网络和计算两大方向融合，最终实现算网一体共生发展。端边侧算力即包括智能网联汽车上的算力资源，也包括路端/基站端的算力资源，加上各级云侧算力，形成一张车联网算力网络。

车联网算力网络在计算效率、可靠性、时延、安全性、隔离度上都将深度耦合，因此未来承载车联网业务的主体由“云网融合”向“算网一体”演变。

如何设计和建设这张算力网络，至关重要。需要统筹布局端边侧算力和各级云侧算力，综合考虑算力资源大小、异构算力需求(CPU+GPU+DPU等混合)、算力跨域协同调度等，构建多级协同算力，提供可信开放的算力业务服务。一方面能满足车和交通/城市的特定算力要求，一方面避免算力资源浪费。

(3)“人/货-车-路-网-云-图/定位-安全”提供广义车联网服务

车路云一体化的外延非常宽泛，“人/货-车-路-网-云-图/定位-安全”等都是在广义车联网范畴，可以提供信息娱乐服务、安全服务、效率服务和自动驾驶服务等多种业务服务。以车联网安全服务为例，涉及到的不仅仅是车本身，还可以包括路面上其它交通参与者，例如行人、非机动车等。

(二)技术趋势二：多模网络支持高可靠、低时延和大连接车联网服务

ITS America提出推动在全美33万个信号交叉口，5年内实现10万个交叉口安装RSU以及配套基础设施和系统，10年内实现25万个交叉口安装RSU以及配套基础设施和系统，8-13年全部车辆装配C-V2X设备。建设规模化C-V2X网络，甚至是一张全国性的C-V2X网络，是非常有价值的。

车联网需要的是一张能提供高可靠、低时延、大连接的网络，这与5G网络的三大性能高度重叠。但5G网络三大特性并不是同时满足的，因此车联网网络在实际组网过程中，会是多模网络形态，如图1所示。

(1)多模网络提供“车-车-路-云”互相之间的有效连接

车与车之间主要通过LTE-V2X通信，未来还可以通过NR-V2X通信，二者是延续而非替代关系;车与路之间可以通过LTE-V2X/NR-V2X/4G/5G，甚至是ETC2.0、射频等各种通信方式;车与云，可以通过4G和5G通信，未来还可以是6G和卫星通信等;路与云，可以通过光纤和5G等通信。

以高可靠性为例，LTE-V2X直连通信，NR-V2X的单播、组播、HARQ等特性，以及5G的uRLLC、切片、QoS 等技术，都可以保证车联网业务的高可靠。

(2)多模网络提供各种类型业务场景的可靠保障

针对不同类型的业务场景，可以采用不同的通信方式予以保障，例如5G大网可以支持信息娱乐服务、车内标牌、浮动车数据采集等业务(500ms);5G专网可以支持远程遥控驾驶(上行200ms，下行50ms);LTE-V2X可以支持一阶段(100ms)和二阶段(50ms)各类业务场景。网络性能将持续优化和提升。

(3)多模网络向一网多能方向发展

以5G-A通信感知融合为例，向行业一网多能方向发展。通信网络在满足通信业务要求的前提下将使能感知业务，一方面支持更丰富应用业务提高网络资源的利用效率，另一方面可以通过感知为业务智能和网络智能提供基础支撑能力。

通信感知一体化通过空口及协议联合设计、软硬件设备共享，使用相同频谱资源实现通信功能与感知功能的融合共生，使得无线网络在进行数据通信的同时，还能通过分析无线通信信号的直射、反射、散射，获得对目标对象或环境信息的感知，实现定位、测距、测速、成像、检测、识别、环境重构等功能，为提升频谱利用率和设备复用率、提升通信网络价值带来一个全新的维度。

(三)技术趋势三：车联网计算、感知和人工智能深度融合

车联网要发挥价值，除了提供可靠网络外，还应能提供丰富的应用场景。每个应用场景的背后，人工智能算法是最重要的支撑工具，例如交通安全预警算法、路侧融合感知算法、车路云协作算法、交通指标算法、交通事件检测算法等。

(1)大模型时代下，构建车联网行业大模型和车联网细分场景模型

人工智能技术进入第三波浪潮，AI大模型驱动算力、数据和网络流量爆发式增长。未来十年将有100倍算力需求，2030年将出现百万亿参数大模型，AI集群进入100E时代;未来十年将有23倍数据增长，2028年将有超50%内容由AI创造;未来十年将有100倍网络带宽增长。

车联网AIGC大模型将基于公开数据集数据，到行业通用数据，再到行业核心数据进行训练和推理，从而基于基础模型(NLP、视觉、多模态等)进一步构建出车联网行业大模型，再进一步构建车联网细分场景模型。

(2)车联网融合感知算法从后融合向特征级融合和前融合演进

车联网路侧传感器是信息收集和获取的最前端，是整个车联网系统的基石。在硬件设备方面，多传感器一体化设备越来越普遍，同时开始采用功能和性能更强大的单一传感器，例如4D毫米波雷达等。

在软件方面，车联网融合感知算法从后融合向特征级融合和前融合演进。感知可粗略分为获取数据、提取特征、完成感知任务三个环节，按照信息融合发生的环节感知技术可以分为前融合、特征融合以及后融合。

后融合即目标级融合，指单个传感器分别完成感知任务后再进行融合，可理解为有多少个传感器即需要几套感知算法;特征级融合是指对传感器采集的原始数据分别进行特征提取，再进行融合，进而实现对应的感知任务;前融合即数据级融合，指对不同传感器的原始数据进行空间和时间上的对齐，再从融合数据中提取特征向量进行识别，整套系统仅需要一套感知算法。

(3)跨域融合感知算法提升感知性能

车联网路侧传感器在满足单点位感知性能后，继续攻关车-路数据融合感知、路端跨域感知共享等感知融合问题。当前车端感知算法的迭代升级，例如BEV+Transfomer，也给路侧感知带来了新思路，将路侧感知系统算法与车侧感知协同算法架构趋同融合。

以路侧BEV实时建图算法为例，可通过安装在道路两侧的相机等传感器来实时构建所覆盖道路的地图，从而为车端提供更新更及时、更轻量化的路口地图。

路侧BEV实时建图可以在复杂路口场景，通过长期定点观察，多轮检测来理解交通道路场景，及时发现路口内要素变化，提高建图置信度，构建更安全可靠的地图;相比车端感知设备，路侧相机等传感器挂在高杆上，视野好遮挡少，覆盖范围更全、更广;用路侧设备及边缘计算可代替部分车端算力，从而大幅降低车载算力消耗，车端AI算力成本也能大幅下降。

(四)技术趋势四：车联网数字孪生底座和仿真测试应用加速技术突破进程

数字孪生也称数字映射、数字镜像，即以数字化的方式建立物理实体的虚拟模型，借助历史数据、实时数据和算法模型，实现对物理实体的分析预测和改善优化，具有实时性和闭环性。

数字孪生目前已成为数字化浪潮的重要趋势之一，并在城市交通规划、设计、建设、管理、服务闭环过程，以及车辆仿真测试过程中得到应用。

(1)“道路基础数据+业务数据+实时动态数据”构建交通和车联网数字孪生底座

道路基础数据包括道路基础设施、养护基础设施、收费基础设施、交安设施(信号灯、交通标志、路面标线、护栏、隔离栅、照明设备、视线诱导标、防眩设施等)、机电系统设备(监控系统、通信系统、收费系统等)、服务区、停车区等数据。

业务数据包括车流统计数据、收费业务数据、收费稽核数据、道路技术状况评定结果、养护病害统计、巡检养护信息、交通事件、交通违法、救援进展、应急调度信息、网安事件、路政案件、出行服务信息等。

实时动态数据包括车流数据、车辆轨迹数据、车道开关信息、收费设备状态、实时视频、骨干网链路状态、交通事故、救援车位置、告警数据、交通气象等。

基于以上数据，构建交通和车联网数字孪生底座。交通和车联网数字孪生底座不仅仅注重视觉上的真实，也注重空间数据和时序数据上的真实。

不仅仅是道路基础设施的数字化建模与三维可视化展示，更是道路数据结构的属性化，将交通结构化数据通过参数化建模方式来解析，并且叠加真实的业务数据和实时动态数据，从而满足设备管理、轨迹融合、信控同步、道路养护、事件预警等实时业务需求，支撑交通服务管理决策，实现交通控制优化。

(2)构建“仿真测试+封闭道路测试+真实道路测试”体系，加速网联自动驾驶技术突破

智能网联汽车的商业化落地有百亿公里的路测数据需求，算法和数据成为自动驾驶技术发展的制约。在现阶段的智能网联汽车测试体系中，90%通过仿真测试，9%通过封闭道路测试，1%通过真实道路测试，如图2所示，因此仿真测试是解决自动驾驶技术突破瓶颈的重要切入点。

仿真测试利用模拟真实道路和交通场景，对智能网联汽车进行各种性能测试和验证，可帮助智能网联汽车制造商和自动驾驶技术公司在实际生产之前，对汽车的各种功能进行全面测试。因此，要构建“仿真测试+封闭道路测试+真实道路测试”体系，加速网联自动驾驶技术突破。

智能网联汽车测试场景库是智能网联汽车研发与测试的基础数据资源，是评价智能网联汽车功能安全的重要数据库，是定义自动驾驶汽车等级的关键数据依据。场景库的场景数据来源主要包括三个：模拟数据、真实采集数据和根据真实场景数据合成的仿真数据。

(3)”算力资源+硬件在环测试资源”是支撑智能网联汽车仿真测试的硬件基础

智能网联汽车算法验证基础，模型在环测试(MIL)、软件在环测试(SIL)等需要各种算力中心的GPU算力资源支撑。

而与MIL和SIL不同的是，硬件在环测试(HIL)测试环境的仿真时间永远是实时的，需要基于真实的硬件运行。在HIL测试环境中运行测试时，不可以暂定或者停止。

因此，HIL测试环境含有一台能够完成所有任务的实时硬件设备，以便及时记录和操作所有的相关信号。在大数据量情况下，如果只使用单台数据回灌系统，需要长测试周期。而采用“矩阵式”测试架构，进行大规模并行测试，可大幅缩短产品迭代周期。

构建更大的算力资源+硬件在环测试资源，可以更好地支撑智能网联汽车仿真测试进程。

(五)场景趋势一：车联网的车端应用场景体现在赋能L2/L2+、赋能L3/L4、车路云一体化三个方向

2023年9月，《中国新车评价规程(C-NCAP)2024版(征求意见稿)》发布，首次将C-V2X支持应用功能纳入测评范围，在高速度差且存在遮挡情况下的前向车辆避撞、交叉路口有遮挡情况下的车辆避撞、闯红灯预警三项功能测试中，基于C-V2X车与车、车与路直连通信的解决方案，有望弥补基于单车传感器在遮挡情况下无法及时识别和采取制动的不足，助力车辆取得更高分数评价。

在车联网规模化部署和推广的背景下，车联网场景探索是当下和未来的重点工作，各类新场景新应用在不断成熟。从车端应用场景看，主要体现在赋能L2/L2+、赋能L3/L4、车路云一体化三个发展方向。

(1)赋能L2/L2+智能网联汽车的应用场景

丰富和完善一阶段辅助驾驶场景整车量产功能：全国汽车标准化技术委员会智能网联分委会组织基于网联技术的辅助驾驶标准研究，确定了3类应用场景，并从整车角度规定哪些应用功能是用网联技术实现的，车辆应该何时预警才能在准确的时间起到关键的作用。

这3类应用场景包括路口碰撞预警系统(交叉路口碰撞预警、左转辅助、车辆汇入等)，车辆状态安全提醒系统(异常车辆提醒、车辆失控提醒、紧急制动提醒等)，路侧信息提醒系统(闯红灯预警、限速预警、道路施工提醒、急转弯提醒 、 道路危险状况提醒、天气提醒等)。

持续深化二阶段协同驾驶场景研究和落地：在T/CSAE 157-2020、YD/T 3977-2020等DayII标准基础上，中国汽车工程协会及IMT2020 C-V2X工作组组织对各类协同驾驶场景进行更细致的研究，从信息交互角度通过总结归类和拆分等方式划分为5大类应用场景并进行深化。

第1部分意图共享与协作(协作式变道、协作式汇入、协作式交叉口通行、协作式优先车辆通行(协作式信号灯优先)等)，第2部分感知数据共享，第3部分管理与优先(动态车道管理、协作式优先车辆通行(车道预留、封闭车道)等)，第4部分高级信息服务(差分数据服务、浮动车数据采集等)，第5部分弱势交通参与者。

探索C-V2X与ADAS融合场景：IMT2020 C-V2X工作组开展C-V2X与ADAS融合场景，识别并分析了7类融合应用场景下C-V2X的价值与面临的技术挑战。其中6类是L0协同交通信号识别、L0协同前向碰撞预警，L1协同自动紧急制动、L1协同自适应巡航控制、L2协同高速公路辅助、L2协同交通拥堵辅助场景。

(2)赋能L3/L4智能网联汽车的应用场景

赋能高等级自动驾驶车辆，解决自动驾驶安全性问题与ODD扩展，支撑开放+混行环境下的无人自动驾驶提前商业落地：车联网通过红绿灯信息推送、超视距信息推送、鬼探头识别、右转僵尸车识别、无保护左转、远程遥控驾驶等典型场景，赋能L3/L4智能网联汽车，从而降低自动驾驶车辆感知及计算成本、对自动驾驶的运行设计域(ODD)扩展、相较单车智能事故发生率大幅下降。

赋能特定场景下的高等级自动驾驶：例如赋能港口自动驾驶、矿山自动驾驶、无人环卫清扫、无人物流运输和配送等。

赋能特定工况下的高等级自动驾驶：例如赋能AVP、自动驾驶编队行驶等。

(3)车路云一体化的应用场景

车路云一体化架构下推进智能网联汽车与智慧交通、智慧城市融合发展。存在智能网联汽车赋能智慧交通和智慧城市，以及智慧交通和智慧城市赋能智能网联汽车双向应用。

以智能网联汽车赋能智慧交通和智慧城市为例，智能网联汽车可以依托于自身的感知及计算能力，加强交通违法立体监测，推动新技术智能辅助民警执法(违反禁止标线、变道/转弯不打灯、不按规定车道行驶、非机动车道行驶、连续变道、逆行、红灯越线停车、违法停车、占用公交车道、占用对面车道、边黄线停车、单侧灯不亮、斑马线停车等);进行全天候交通异常事件检测，帮助交通管理部门及时发现和处理各种交通事件(施工、交通事故、行人跨护栏、行人/非机动车在机动车道、行人上高速、急加速、急转弯、车距过近、本车压线、拥堵、急减速、本车碰撞等);助力城市道路管养模式从响应式向主动式升级，利用视觉识别等技术，判断出当前路段市政设施以及道路资产的健康情况，帮助管理单位及时掌握道路病害信息，并定期评估养护质量及效果等。

(六)场景趋势二：车联网的交通和城市端场景体现在赋能交通管理、赋能交通出行和物流运输、赋能智慧城市三个方向

车联网在交通和城市端应用场景，主要体现赋能交通管理、赋能交通出行和物流运输、赋能智慧城市三个发展方向。

(1)赋能交通管理的应用场景

例如城市智慧交通管控场景，可对城市路口进行数字化、智慧化、网联化升级改造，并采集车道、车辆、行人等的状态信息，推送至平台进行统计、分析，从而实现道路交通数字孪生。智慧路口的发力点之一是信控，即如何提升通行效率。除此之外，还需要对交通态势进行掌控，及对路口违法行为进行监控识别等。

基于车联网的智慧交通管控应用主要包含交通信号精确控制、特殊车辆优先通行、弱势交通参与者管控等各种服务。相关服务会从路口级向路段级及路网级拓展。

例如高速公路智慧交通管控场景，可通过在传统高速公路机电系统基础上融合车联网系统，增强路侧的感知能力、动态管控能力、服务通行车辆能力，实现道路状况的可视、可测、可控，从而有效降低交通事故频率、减少经济损失、提升物流运输效率，最终提升路方综合竞争力以及路网整体服务水平。

基于车联网的高速公路智慧交通管控应用可在匝道汇入汇出口、隧道出入口等路段支持安全驾驶和效率提升的智能辅助驾驶服务，还可实现公路异常感知、重点车辆监控等各种服务。

(2)赋能交通出行和物流运输的应用场景

以城市公交系统为例，可通过智能化和网联化改造，发展“精准公交”、“安全公交”、“科学公交”。

针对不同层次的“精准公交”业务，车联网可以提供丰富的应用场景，例如公交优先、绿波车速引导、智慧站台(BRT站台)及移动端应用信息服务、微循环自动接驳巴士等;针对不同对象的“安全公交”业务，车联网可以提供公交车辆状态数据实时上传、司机驾驶智能监测、弱势行人与非机动车检测、交叉路口防碰撞、桥隧水浸监测、L3级自动驾驶公交改造等应用场景;针对不同维度的“科学公交”业务，车联网可以提供互联网大数据应用、公交线网优化、一体化出行服务等应用场景。

以城际物流运输为例，车联网将有效赋能自动驾驶重卡。自动驾驶云平台通过架设在路端的RSU和差分基站，建立与车辆的实时通信，并利用路端传感器监控车辆的运行状态,，获取交通信号等辅助信息，云平台可实现车辆定位、车辆调度、故障检测等任务，并在检测到车辆异常时实现对车辆的远程接管;借助云平台、高精度地图和车联网等技术，综合车端、路端、云端信息，自动驾驶重卡可提前确定最佳行车路径，并且可以根据实际情况对线控执行机构下达指令，完成转向、加速、减速、停车等操作;自动驾驶与编队行驶相结合将最大程度提升道路通行效率与车辆燃油经济性。

(3)赋能智慧城市的应用场景

依托城市智能基础设施，将智能网联汽车作为移动智能终端，支撑实现面向智慧城市管理、服务、产业的各类应用。路侧设施可采集大量的城市交通、车辆运行等数据，这些静态和动态数据可以支撑城市开展精细化管理，如实现对公共设施的远程监测、改善城市停车难等问题、以及服务城市安防和灾害预警等。

新城建中的双智(智慧城市基础设施与智能网联汽车协同发展试点)重点关注智慧灯杆网联化系统、充电设施网联化应用、自主代客泊车停车场建设、智慧公交智能网联基础设施建设、智能网联汽车运行安全公共道路测试场景等。部分城市双智标准研制情况示例如表1所示。

(七)运营趋势一：“可信数据”是未来车联网运营的核心内容

车联网实现商业运营的两个重要途径是“服务运营”和“数据运营”。继劳动、资本、土地、技术后，数据已成为第五大生产要素。数据的要素化应当包含数据资源化、资源资产化和资产资本化三个阶段。

(1)车联网数据产生价值，实现数据资产化

围绕如何让数据产生价值，即数据资产化，继商品市场、股票市场、债券市场、外汇市场、期货市场后，国家出台了数据交易所和数据要素市场。数据资产化，顾名思义，就是将数据作为一项资产纳入企业的财务报表。

2023年8月21日，财政部发布《企业数据资源相关会计处理暂行规定》，明确数据资源将根据用途不同作为无形资产或存货被纳入财务报表中的“资产”项。

9月8日，在财政部指导下，中国资产评估协会印发《数据资产评估指导意见》，自2023年10月1日起施行。

2023年11月10日，衡阳市政务数据资源和智慧城市特许经营权出让公告发布，该数据特许经营权起始价约为18亿元，这是全国首次公开交易数据经营，数据要素交易序幕从此揭开。

车联网将产生大量原始数据，即用来描述智能网联汽车和智慧交通业务事实，未经过深加工的素材;进一步产生车联网数据资源，即进行标准化加工处理，形成的可控、有序、可利用的数据，并目具有潜在的经济价值;再进一步产生车联网数据资产，即实现价值释放和经济利益;最后产生车联网数据资本，即使数据如同金融资本、实物资本一样，成为可用于企业经营和投资的生产性资本。

例如，基于路侧感知数据和车端感知数据可以构建出车路协同数据集，为自动驾驶和车路协同解决方案商提供车路协同模型的研发和训练，从而实现“智能化基础设施投入-路侧感知数据采集治理-仿真场景库开发-仿真测试认证及训练-自动驾驶和车路协同算法迭代升级”的数据资产化商业全流程运作和服务。

(2)“可信数据”是未来车联网运营的核心内容

可信数据可以定义为来自特定和受信任来源并根据其预期用途使用的数据。可信数据目前最广泛使用的判定标准之一是使用数据质量维度，它主要包括8大内容：准确性、一致性、完整性、安全性、有用性、隐私性、可靠性、可解释性。

在车路云一体化架构下，产生海量的车端、路端和云端数据，通过车-车、车-路、车-云、路-云、云-云之间的业务交互和数据贯通，实现各类车联网应用。在此过程中，必须要确保相关数据是可信的，这对企业的数据采集和筛选、数据挖掘和处理、模型分析等能力提出了更高的要求。

例如车联网安全类、效率类业务应用场景对数据的准确性、有用性、可靠性等提出明确要求，而车联网自动驾驶类业务应用场景则进一步对数据提出更高的可信要求。

不断提高的数据采集精度和效率要求，促进数据采集技术向更加智能化、动态化的方向发展。针对具体需求选择更有价值的数据，将数据筛选流程部署到车/路的边缘侧，进一步提高数据采集效率，并通过自动化标注、交通大数据模型等技术持续提升数据挖掘和处理分析效率，最终形成“可信数据”。

只有保证路侧数据采集和算法质量形成“可信数据”，才有可能被车企接受用于其智能网联汽车L2/L2+，甚至是L3/L4级功能应用;才有可能被图商接受，在导航地图上进行展示和呈现;才有可能被高精度地图厂商接受，用于其地图持续更新;才有可能被城市和交通管理者用于其业务系统;才有可能被交通出行服务商和物流运输企业采用。当然不同用户的不同业务对于“可信数据”会提出不同的要求。

(3)构建以可信数据空间为代表的车联网数据流通基础设施

更进一步，车联网要构建以可信数据空间为代表的数据流通基础设施。可信数据空间是数据要素流通体系的技术保障，通过在现有信息网络上搭建数据集聚、共享、流通和应用的分布式关键数据基础设施，以体系化的技术安排确保所签订的数据流通协议能够履行和维护，解决数据要素提供方、使用方、服务方、监管方等主体间的安全与信任问题。

数据流通有3种渠道：开放、共享、交易。数据开放是无偿的，范围最广，指的是数据无偿提供给所有者使用;数据共享是无偿的，范围较小，指的是数据在有限范围内与其他人互换;数据交易是有偿的，范围较广，只要支付费用，就可以获取数据。

快速推进公共数据授权运营。公共数据包含交通路网数据、公共交通数据、交通管理数据等，可与汽车导航、车联网信息服务及智慧交通数据结合应用。相较企业和个人数据，公共数据具有更为明晰的权属结构，通过确权、授权、运营、经营等方式实现流通。

(八)运营趋势二：单项车联网业务做到极致体验，实现规模应用，提供“普惠服务”

车联网能提供“服务运营”的关键是具备提供“普惠服务”的能力。普惠服务，是指立足机会平等要求和商业可持续原则，以可负担的成本为有服务需求的社会各阶层和群体提供适当、有效的服务。

(1)单项车联网业务做到极致体验，实现规模应用，提供“普惠服务”

各地开展车联网试点示范过程中，容易陷入求全责备的误区，各种车联网应用场景都要做，或者追求大而全，或者追求一定要有特色。

从车联网全局发展来看，有足够规模的车联网应用才是真正有价值的，哪怕这种应用只有1种或者2种。“足够规模”一方面指的是车端要有足够的渗透率，足够的车可以通过多种触达方式享受到该种车联网业务;另一方面指的是路端要有足够的覆盖率，例如全国覆盖了多少比例的城市交叉路口，多少公里的高速里程等，这样车辆跑到哪里都可以享受到该种车联网业务。将单项车联网业务做到极致体验，实现规模应用，提供“普惠服务”。

以美国交通运输部发布的加速部署C-V2X计划为例，美国交通运输部致力于减少国家道路上的死亡和重伤，采取综合措施将道路死亡人数降至唯一可接受的数字：零。实现这一雄心勃勃长期目标的强大工具是C-V2X技术，其认为现在加速部署V2X是拯救生命的关键一步。

因此，美国交通运输部提出短期(2024-2026)：20%的国家公路系统部署C-V2X技术用于高速公路应用，75个大都市地区中有25%的信号交叉口支持C-V2X;中期(2027-2029)：50%的国家公路系统部署C-V2X技术用于高速公路应用，75个大都市地区中有50%的信号交叉口支持C-V2X;长期(2030-2034)：国家公路系统完全部署用于高速公路应用，75个大都市地区中有85%的信号交叉口支持C-V2X。

美国国家公路交通安全管理局(NHTSA)已注意仅实施两个V2X安全应用，即十字路口移动辅助(IMA)和左转弯辅助(LTA)，将防止439,000至615,000起碰撞事故，占总数的13%至18%，并挽救987至1366人的生命。这些碰撞事故减少将带来550亿至740亿美元节省。

V2X还可将二氧化碳排放量减少16%，而车队行驶可将排放量减少33%。对于单辆汽车，绿色驾驶应用程序可减少近10%的排放量。

(2)“泛V2X平台+多种触达方式”支撑车联网“普惠服务”

车联网服务对象即包括政府交通管理者等G端用户，也包括交通出行和物流运输等企业B端用户，更包括广大消费者C端用户。

基于“泛V2X平台+多种触达方式”，可以提供车联网“普惠服务”。其中，泛V2X平台支持云端决策V2X技术，即可以允许将V2X算法放在平台端执行，云端计算完成后将计算的结果发给端侧，端侧根据计算结果向驾驶员进行安全预警或信息提醒等。

多种触达方式，可以通过各等级智能网联车辆(装配前装或后装OBU产品，如智能后视镜)、各类信息终端(如智能手机)、专用V2X APP、通用APP(如导航地图APP)、小程序、车载特色触达等，来满足服务需求。

例如高速公路准全天候通行，通过行业版导航地图，物流司机可以获得真正的车路协同能力，享受到车道级导航、周车环绕呈现、超视距事件预警等服务，在雨雾天气实现安全通行，最大限度地兼顾高速通行的效率与安全。

又例如MaaS一体化出行服务系统，通过MaaS APP和小程序整合各种智能网联车辆数据，如智能网联公交、Robotaxi、无人环卫车、无人物流配送车等，接入互联网大数据、第三方业务平台数据、车路协同等多源数据，为用户提供出行行程预定、路径一键规划、泛V2X精准导航、费用一键支付等服务。

(3)跨行业拓展更多可能性，使车联网“普惠服务”产生最大价值

车联网产业是典型的跨行业融合的新兴产业之一，除了汽车、交通、信息通信、互联网等，将有更多的行业融入车联网产业发展中。车联网产业链除了上游通信芯片、通信模组，中游终端与设备、整车制造，下游测试验证以及运营与服务等环节外，还将有更多的跨行业企业参与进来。

车联网为车辆提供更高的安全性，例如C-V2X与ADAS融合，可以和保险业务合作。

车联网提升交通通行效率，可以和碳排放业务结合，挖掘出精细化的车速、车型、道路流量等排放相关数据，并结合出行区域数据转化为碳排放数据，形成碳中和币系列服务，打造绿色交易服务场景。

车联网可以赋能具备商业闭环能力的自动驾驶业务场景，比如矿卡、环卫车，还可以赋能自动驾驶真正实现无人化的商业运营，比如实现Robotaxi全无人化。

车联网除了应用在动态交通领域，也可以应用在静态交通领域，例如助力AVP解决极端工况;通过支付功能实现停车无感支付等。

车联网应用在能源领域，融入“车能路云”大生态。充电桩具备数据采集和数据缓存功能，可将充电站桩的工作状态、电流电压、充电时间等数据实时上传云端，支持调度中心平台软件对充电站桩的遥测遥控。充电桩也可以将故障信息、安全警报及时反馈给维护人员。另外，充电桩是充电变现的重要载体，扩展虚拟支付场景，成为车联网的新入口。

(九)其它趋势一：车路云一体化安全体系保障车联网应用

智能网联汽车新型安全体系包括四个方面：功能安全，确保电子电气系统故障时，车辆安全运行;预期功能安全，规避设计不足、性能局限及人为误用导致的风险;网络安全，网络安全保障与安全技术标准;数据安全，确保数据处于有效保护和合法利用的状态，并具备保障持续安全状态的能力。

(1)车联网网络安全和数据安全是下一阶段标准研究的重点方向之一

工信部在2022年3月印发《车联网网络安全和数据安全标准体系建设指南》，包括总体与基础共性、终端与设施网络安全、网联通信安全、数据安全、应用服务安全、安全保障与支撑等6个部分。

其中终端与设施网络安全主要包括车载设备网络安全、车端网络安全、路侧通信设备网络安全、网络设施与系统安全;网联通信安全主要包括通信安全、身份认证;数据安全主要包括分类分级、出境安全、个人信息保护、应用数据安全;应用服务安全主要包括平台安全、应用程序安全、服务安全;安全保障与支撑主要包括风险评估、安全监测与应急管理、安全能力评估。

围绕车联网网络安全和数据安全，全国汽标委智能网联分标委(TC114/SC34)、中国通信标准化协会(CCSA)等已发布相关标准12项。除此之外，国家工业信息安全发展研究中心等牵头在车联网数据安全、关键设备安全防护检测等重点方向，已推进近20项行业标准。具体如表2所示。

(2)车路云一体化安全体系保障车联网应用

构建车路云一体化主动安全防护体系，实现各业务系统的全生命周期安全防护与统一安全管理。

终端(车端/路侧)安全防护系统具备车端与路侧设备的安全威胁监测与主动防御能力，并实时反馈安全风险数据，与云端联动进行及时的安全响应处置，形成全生命周期安全防护闭环。

云端安全防护系统以网络安全等级保护标准(第三级)为依据，进行安全合规性研发实践，形成一套完整的云端安全防护系统架构，落实物理环境安全、区域边界安全、通信网络安全、计算环境安全。

V2X通信安全防护系统具备基于国产商用密码算法的车与车、车与路通信身份认证能力，满足跨域身份认证要求，保障不同品牌车辆、不同路侧设备间的安全通信;具备基于国产商用密码算法的车与云、路与云通信身份认证、数据加密能力，保障示范区内车辆、路侧设备与云控基础平台、高精度地图平台等安全通信。

(3)数据安全是实现车联网“数据运营”的前提保障

数据分级分类是数据安全保障的重要基础，也是数据治理的第一步。数据分类上，面向自身业务，聚焦对象主体进行划分，包括车辆运行数据、环境数据、个人数据等，或聚焦业务流程进行划分，包括车辆数据、研发数据、运维数据等，在大类划分下，继续向下细分类别;数据分级上，分级明确、就高从严进行数据级别确定;数据安全保障方面，各类型企业均面向自身业务构建形成一套较为完善的数据安全保障体系，基本围绕组织建设、制度流程规范和技术支撑体系等方面展开。

隐私保护、数据脱敏、数据溯源多方面保障数据安全合规。隐私保护方面，利用同态加密、联邦学习、安全多方计算等技术，探索大模型联合训练，为车联网数据流通过程中隐私保护提供新思路;数据脱敏方面，利用人工智能等技术对车外人脸、车牌数据进行脱敏处理，防止敏感信息泄露;数据溯源方面，基于区块链、数字水印等技术保障数据不可篡改、可溯源。

(十)其它趋势二：车联网产业发展需要科学的顶层设计和评价体系

车联网产业发展需要科学的顶层设计。同时对车联网建设成果要有科学的评价体系，具体涉及到要素指标和价值指标。

(1)车联网产业发展需要科学的顶层设计

车联网产业发展需要运用系统论的方法，从全局的角度，对某项任务或者某个项目的各方面、各层次、各要素进行统筹规划，以集中有效资源，高效快捷地实现目标。

顶层设计的主要特征，一是顶层决定性，顶层设计是自高端向低端展开的设计方法，核心理念与目标都源自顶层，因此顶层决定底层;二是整体关联性，顶层设计强调设计对象内部要素之间围绕核心理念和顶层目标所形成的关联、匹配与有机衔接;三是可操作性，设计的基本要求表述简洁明确，设计成果具备实践可行性，因此顶层设计成果应是可实施、可操作的。

车联网是典型的跨行业融合新兴产业，需要统筹规划汽车行业、交通行业、信息通信行业、互联网行业，以及其它相关行业协同发展。

小到区县，再到城市，再到区域，甚至大到国家级，车联网部署涉及范围越广，越要有顶层设计的思维。

车联网产业发展还要做好政策、标准、技术、建设、应用、运营等全方位产业思考。

(2)车联网产业发展评价需要考虑要素指标：相关政策、基础设施、产业情况

政策主要包括法律法规政策支持、顶层设计、专项行动计划(含投融资计划和补贴政策等)、支撑机构计划、科研创新计划、专项人才计划等。

基础设施主要包括标准和规范、频段资源、互联互通等测试、“仿真实验+封闭测试场+半开放道路+开放道路建设”、商用车和乘用车前装及后装、运营等。

产业主要包括OEM整车厂、造车新势力、零部件企业(传统和新兴汽车电子零部件)、自动驾驶和智能网联解决方案企业、交通企业、出行企业、TSP、图商和定位企业、安全企业、共性平台、检测机构及行业联盟机构等。产业链完备程度是重要指标之一。如图3所示。

(3)车联网产业发展评价需要考虑价值指标：惠民、善政、兴业、商业价值

慧民是让民众在出行和物流运输中真正感受到信息娱乐、安全、效率、协同、自动驾驶等各种车联网应用服务。

善政是通过车联网赋能智慧交通管理(交管、交运等)和智慧城市(新城建)，并且通过数据开放，充分运用车联网产生的大量可信数据，实现跨系统的数据融合和应用。

兴业是打造“人/货-车-路-网-云-图/定位-安全”车联网产业生态链，推动整车、芯片、零部件、营销服务等产业链上下游协同发展;另外，对于二三线城市，不应过于追求构建完整的车联网产业链，而是结合当地产业基础，打造5G车联网特色产业集群。

商业价值包括赋能各种自动驾驶应用场景实现商业闭环，2B端的车企/ Tier 1、保险、金融支付、新能源、互联网、行业大客户(运营商、公交公司、出行公司、出租车公司、物流公司等)，2G智慧交通(城市、高速)和智慧城市，2C智慧出行(停车、共享出行、多式联运等)。如图4所示。