城市道路車路協(xié)同系統(tǒng)解決方案的研究與應(yīng)用

陳長浩

（中鐵云網(wǎng)信息科技有限公司 北京市 101318）

行車環(huán)境感知是高級駕駛輔助系統(tǒng)中最核心的內(nèi)容，其獲取通常依賴于單車智能，而車路協(xié)同（V2X）系統(tǒng)作為另一種重要的環(huán)境信息感知方式，通過車與路通信技術(shù)，實現(xiàn)與智能汽車的交互，從而使系統(tǒng)獲取更全面的行車信息。隨著汽車產(chǎn)業(yè)和汽車技術(shù)的發(fā)展，汽車智能化應(yīng)用越來越廣泛，自動駕駛技術(shù)也漸漸受到了人們更多關(guān)注，單車感知的自動駕駛經(jīng)過了多年的發(fā)展仍存在很大的技術(shù)瓶頸，很容易受到遮擋、惡劣天氣等環(huán)境條件影響，在全量目標(biāo)檢測、軌跡預(yù)測、駕駛意圖“博弈”等方面均存在困難。因此車路協(xié)同（V2X）解決方案也漸漸成為了當(dāng)前使自動駕駛快速落地的最優(yōu)解。本文所提車路協(xié)同系統(tǒng)僅指輔助自動駕駛汽車的電子智能系統(tǒng)。

國家戰(zhàn)略層面，我國基本明確了車路協(xié)同與單車智能結(jié)合的發(fā)展道路。政策層面，國家主管部門統(tǒng)籌規(guī)劃，加強頂層協(xié)同，營造良好的產(chǎn)業(yè)發(fā)展環(huán)境；各級地方政府部門也結(jié)合自身發(fā)展需求和基礎(chǔ)優(yōu)勢，積極推動車路協(xié)同產(chǎn)業(yè)發(fā)展。國家層面近幾年發(fā)布的一系列政策文件，如：2019年7月，交通運輸部發(fā)布的《數(shù)字交通發(fā)展規(guī)劃綱要》。2020年2月，發(fā)改委等11 部委聯(lián)合發(fā)布的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》。2021年3月，工信部、交通部、國標(biāo)委聯(lián)合發(fā)布的《國家車聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南（智能交通相關(guān)）》等等。地方政府層面，天津市發(fā)布《天津車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）產(chǎn)業(yè)發(fā)展行動計劃》，提出加快LTE 網(wǎng)絡(luò)升級改造和5G 規(guī)?；渴?。長沙市發(fā)布智能汽車產(chǎn)業(yè)“火炬計劃”和“頭羊計劃”[1]，重點支持智能網(wǎng)聯(lián)車路協(xié)同相關(guān)企業(yè)，給予資金獎勵和政策支持，大力推進重點車輛加裝車載智能終端產(chǎn)品、城市道路智能化改造、智能網(wǎng)聯(lián)云平臺建設(shè)[2]、特定場景智能網(wǎng)聯(lián)示范應(yīng)用等。廣州市發(fā)布《廣州市加快推進數(shù)字新基建發(fā)展三年行動計劃（2020-2022年）》，開展車聯(lián)網(wǎng)直連通信頻譜試運營，促進C-V2X 規(guī)模部署，推動建立粵港澳大灣區(qū)跨市、跨境測試及應(yīng)用協(xié)同機制，建設(shè)大灣區(qū)車路協(xié)同試驗網(wǎng)。北京市發(fā)布《北京市智能網(wǎng)聯(lián)汽車創(chuàng)新發(fā)展行動方案（2019-2022年）》，提出部署智能路網(wǎng)試點改造工程。江蘇、四川、河北、上海、浙江、深圳等其他省市地區(qū)也都發(fā)布了相關(guān)推進政策。可以說在當(dāng)今年代建設(shè)高等級智能道路、大力發(fā)展車路協(xié)同自動駕駛、構(gòu)建安全便捷高效的智能化出行服務(wù)體系，既符合政策支持方向，又是智慧城市發(fā)展的客觀需求。

1 系統(tǒng)組成及網(wǎng)絡(luò)架構(gòu)

車路協(xié)同是在單車智能的基礎(chǔ)上，通過先進的道路感知（如攝像頭、雷達(dá)等）和定位設(shè)備對道路交通環(huán)境進行實時監(jiān)測，按照約定協(xié)議進行數(shù)據(jù)交互，車路協(xié)同通過信息交互、協(xié)同感知與決策控制，可以極大地拓展單車的感知范圍、提升感知的能力，引入高維數(shù)據(jù)為代表的新的智能要素，實現(xiàn)群體智能。可以從本質(zhì)上解決單車智能自動駕駛遇到的技術(shù)瓶頸，提升自動駕駛駕駛能力，從而保證自動駕駛安全，擴展自動駕駛運行設(shè)計域。同時通過車路協(xié)同路側(cè)系統(tǒng)的加入，提供了新的以高維數(shù)據(jù)為代表的智能要素，可以有效分擔(dān)車載自動駕駛系統(tǒng)的感知、決策和控制壓力，降低系統(tǒng)的復(fù)雜度。當(dāng)前典型的車路協(xié)同感知應(yīng)用場景總結(jié)涉及3 大類，7個典型場景[1]，參見表1。

表1：車路協(xié)同感知場景

不同道路環(huán)境和感知要求有多種車路協(xié)同自動駕駛實現(xiàn)方式，根據(jù)大量實際項目驗證和效果評估，本文探討提出了一種有效可靠的開放道路輔助自動駕駛V2X 方案，對于V2X 技術(shù)發(fā)展交流具有現(xiàn)實的參考意義。

本文所述V2X 系統(tǒng)方案主要由路側(cè)系統(tǒng)、視頻服務(wù)系統(tǒng)、大屏展示系統(tǒng)、中心服務(wù)器系統(tǒng)（云主機）四部分組成。其中路側(cè)系統(tǒng)、視頻服務(wù)系統(tǒng)、大屏展示系統(tǒng)要求在一個內(nèi)部專網(wǎng)環(huán)境中，通過有線網(wǎng)絡(luò)進行互通互聯(lián)，所有設(shè)備采用全局IP，以提高此部分網(wǎng)絡(luò)傳輸速度和網(wǎng)絡(luò)可靠性。云主機系統(tǒng)在一個專網(wǎng)環(huán)境中可通過互聯(lián)網(wǎng)與其他三個系統(tǒng)進行互聯(lián)。系統(tǒng)網(wǎng)絡(luò)架構(gòu)如圖1所示。

圖1：系統(tǒng)網(wǎng)絡(luò)架構(gòu)

1.1 路側(cè)系統(tǒng)

方案實現(xiàn)需要在開放道路進行路網(wǎng)協(xié)同智能化改造，搭建路側(cè)感知、V2X 通信、計算智能基礎(chǔ)設(shè)施體系；車路協(xié)同路側(cè)設(shè)備基于全量、連續(xù)環(huán)境信息，依托邊緣計算及AI技術(shù)，準(zhǔn)確識別路網(wǎng)交通狀態(tài)、事件、車輛等信息，提供數(shù)據(jù)采集、融合、預(yù)處理、分發(fā)等基本功能，實現(xiàn)對自動駕駛車輛、V2X 網(wǎng)聯(lián)車的安全輔助與效率引導(dǎo)支持。一套V2X含有N 個路側(cè)系統(tǒng)，每個重點路口和路段都會組成一個路側(cè)系統(tǒng)，與車端通信依托低延時、高帶寬的V2X 通信網(wǎng)絡(luò)，為周邊網(wǎng)聯(lián)車輛提供標(biāo)準(zhǔn)化的數(shù)據(jù)服務(wù)。（詳見本文第2 部分）

1.2 視頻服務(wù)系統(tǒng)

一般由多臺服務(wù)器及存儲構(gòu)成，主要對前端感知相機采集的視頻信號進行管理和存儲，是后期維護、配置、數(shù)據(jù)分析和挖掘的重要平臺。

1.3 大屏展示系統(tǒng)

對整套系統(tǒng)進行界面化展示、可視化指揮、運營監(jiān)控以及接待參觀。

1.4 中心服務(wù)器系統(tǒng)

通過公/私有云部署車路協(xié)同云控平臺，是車路協(xié)同系統(tǒng)的數(shù)據(jù)核心，基于標(biāo)準(zhǔn)化通信協(xié)議，利用云計算大數(shù)據(jù)能力解決系統(tǒng)性的資源優(yōu)化與配置問題，促進人、車、路運行按需響應(yīng)和動態(tài)優(yōu)化，是智能網(wǎng)聯(lián)汽車應(yīng)用的數(shù)據(jù)協(xié)同中心、計算中心與資源優(yōu)化配置中心。

1.5 支撐系統(tǒng)

高精地圖：通過地圖數(shù)據(jù)采集對數(shù)據(jù)進行點云處理、三維重建等處理，可獲取厘米級精度的數(shù)字正射影像圖。用于精確的場景感知和標(biāo)定工作。

基站：通過基站，為安裝北斗系統(tǒng)接收芯片的自動駕駛車輛及路側(cè)設(shè)備提供厘米級定位精度。

2 路側(cè)系統(tǒng)部署方案及主要部件

車路協(xié)同路側(cè)設(shè)施是車路協(xié)同系統(tǒng)的核心，可實現(xiàn)路網(wǎng)數(shù)據(jù)的全局感知、專用通信、車路群智協(xié)同控制，突破單車智能感知、決策限制。環(huán)境感知是高級駕駛輔助系統(tǒng)中最核心的內(nèi)容[3]。經(jīng)過大量工程實踐對比，基于相機和激光雷達(dá)融合的動態(tài)目標(biāo)感知正確率高于單一傳感器的檢測方式。因此本文就相機加激光雷達(dá)融合的感知方案進行闡述。

基于視覺傳感器獲取的圖像數(shù)據(jù)，對道路圖像進行灰度化、高斯濾波等預(yù)處理，利用不同的檢測方法，實現(xiàn)了車道線的檢測。采用閾值掩蓋法和霍夫變換完成了道路直道的檢測，針對彎曲道路，基于滑動窗口多項式擬合的檢測方法，實現(xiàn)了對彎道的檢測[4]。

其次，根據(jù)深度學(xué)習(xí)算法，實現(xiàn)了對道路場景中動態(tài)目標(biāo)的檢測，包括車輛和行人。采用 Haar 特征+Adaboost[5]分類器的方法訓(xùn)練車輛檢測器，實現(xiàn)了車輛的識別，采用HOG 特征+SVM[6]分類器的方法訓(xùn)練行人檢測器，完成了行人的識別，利用 TenserFlow 深度學(xué)習(xí)框架，搭建卷積神經(jīng)網(wǎng)絡(luò)，實現(xiàn)了道路場景中行人、車輛等多動態(tài)目標(biāo)的檢測。

然后，利用激光三維點云的特性，結(jié)合 Mean-Shift 聚類算法[7]，對道路場景中的動態(tài)障礙物進行了聚類研究。通過分析視覺傳感器和激光傳感器兩者的檢測特性，結(jié)合兩者的優(yōu)點，采用了基于感知相機和激光雷達(dá)信息融合的動態(tài)目標(biāo)檢測方法。利用軟件平臺，對兩傳感器進行了聯(lián)合標(biāo)定，得到了聯(lián)合標(biāo)定參數(shù)，利用標(biāo)定結(jié)果實現(xiàn)三維點云到二維圖像的融合，再分別針對融合后的信息采用YOLO-v3[8]算法和歐幾里得聚類[9]實現(xiàn)了動態(tài)目標(biāo)檢測。

下面我們以標(biāo)準(zhǔn)路口為例對V2X 路側(cè)設(shè)備部署方案進行闡述，標(biāo)準(zhǔn)路口所需部署設(shè)備包括（如圖2）。

圖2：V2X 路口部署方案

2.1 槍式攝像機8臺

感知攝像頭通過圖像捕捉，實現(xiàn)環(huán)境信息采集和存儲，作為解析路網(wǎng)環(huán)境信息的數(shù)據(jù)源，根據(jù)部署位置和高度調(diào)節(jié)設(shè)備角度，獲取目標(biāo)區(qū)域的全景信息，并發(fā)送給計算單元。從圖中我們可以看到8 臺槍機分別裝設(shè)在路口4 個方向設(shè)備桿的前后照射位，捕捉路口四個方向所有雙向車道前后圖像。

2.2 魚眼攝像機4臺

同槍式攝像機原理，魚眼相機彌補槍機盲區(qū)負(fù)責(zé)兩前后槍機正下方無法照射到的區(qū)域圖像信息，路口每方向設(shè)備桿各裝設(shè)一臺魚眼相機。

2.3 激光雷達(dá)2臺

實現(xiàn)對環(huán)境內(nèi)多目標(biāo)對象的檢測與跟蹤，利用激光束來覆蓋所有車道，通過測距、測角和獨有的多目標(biāo)跟蹤技術(shù)來精確定位車輛，并將原始數(shù)據(jù)發(fā)送給計算單元。如圖中所示在主干道路口兩側(cè)設(shè)備桿分別朝向路口方向裝設(shè)兩臺激光雷達(dá)。

2.4 邊緣計算單元(ECU)1臺

車路協(xié)同路側(cè)設(shè)備核心組件，實現(xiàn)傳感器采集的環(huán)境數(shù)據(jù)解析、融合，包含采集傳感、計算決策、通信匯聚、安全認(rèn)證、狀態(tài)檢測等?？蓪崿F(xiàn)信息編輯、信息優(yōu)先級設(shè)置，控制RSU 信息播發(fā)，同時可根據(jù)既定規(guī)則根據(jù)傳感設(shè)備信息識別結(jié)果進行交通設(shè)施控制。安裝于路口任意立桿上與其他各設(shè)備通過高速有線網(wǎng)絡(luò)進行通信。

2.5 RSU1臺

RSU 通訊單元負(fù)責(zé)ECU 與網(wǎng)聯(lián)車的通信，可為車輛提供LTE-V 網(wǎng)絡(luò)服務(wù)，實現(xiàn)信息車路雙向的快速傳遞，并提供時鐘校準(zhǔn)信息。支持超高頻率大帶寬通信，有效傳輸距離300-500m。安裝于路口最近桿件橫臂上與其他各設(shè)備通過高速有線網(wǎng)絡(luò)進行通信。

3 關(guān)鍵技術(shù)的實現(xiàn)

當(dāng)然要實現(xiàn)車路協(xié)同自動駕駛不光需要上面的架構(gòu)和硬件還需要一系列關(guān)鍵技術(shù)的加持。

3.1 協(xié)同感知技術(shù)

協(xié)同感知技術(shù)最重要的就是傳感器的高精度標(biāo)定。以感知相機為例，圖像測量過程以及機器視覺應(yīng)用中，為確定空間物體表面某點的三維幾何位置與其在圖像中對應(yīng)點之間的相互關(guān)系，必須建立攝像機成像的幾何模型,這些幾何模型參數(shù)既是攝像機參數(shù)。在大多數(shù)情況下這些參數(shù)必須通過實驗與計算才能得到，這個求解參數(shù)的過程就稱之為攝像機標(biāo)定。

而無論是在圖像測量或者機器視覺應(yīng)用中，攝像機參數(shù)的標(biāo)定都是非常關(guān)鍵的環(huán)節(jié)，其標(biāo)定結(jié)果的精度及算法的穩(wěn)定性直接影響攝像機工作產(chǎn)生結(jié)果的準(zhǔn)確性。因此，做好攝像機標(biāo)定是做好后續(xù)工作的前提。感知相機標(biāo)定又分為內(nèi)參標(biāo)定和外參標(biāo)定。

3.1.1 內(nèi)參標(biāo)定

內(nèi)參標(biāo)定簡單的講就是確定攝像機從三維空間到二維圖像的投影關(guān)系[10]。內(nèi)參標(biāo)定具體步驟如下：

確認(rèn)攝像機參數(shù)：在標(biāo)定之前需要對標(biāo)定攝像機的參數(shù)進行確認(rèn)。例如，圖像分辨率、焦距、CCD 尺寸，其值會直接影響標(biāo)定流程。

攝像機初始化設(shè)置：在進行攝像機標(biāo)定之前需要按照業(yè)務(wù)使用需求，預(yù)先對攝像機進行初始化配置，如密碼、視頻幀率、比特率、編碼、播放性能等參數(shù)。

內(nèi)參標(biāo)定環(huán)境配置：標(biāo)定環(huán)境主要包括ROS 的安裝、Calibration 標(biāo)定工具的安裝、Matlab 標(biāo)定工具包、攝像機標(biāo)定驅(qū)動程序的開發(fā)和使用。

標(biāo)定：使用棋盤標(biāo)定板等工具左右上下緩慢移動翻轉(zhuǎn)對相機進行標(biāo)定工作。如圖3所示。

圖3：內(nèi)參標(biāo)定工具-棋盤標(biāo)志板

3.1.2 外參標(biāo)定

相機外參標(biāo)定即為確定攝像機坐標(biāo)與世界坐標(biāo)系之間相對位置關(guān)系。外參標(biāo)定分為以下幾步：

世界坐標(biāo)系下特定點的坐標(biāo)采集：使用測繪車輛采集路網(wǎng)信息，建立路網(wǎng)在世界坐標(biāo)系的三維模型。針對路網(wǎng)信息不明顯的特殊場景，使用人工采集坐標(biāo)的方法。采集N 個特定點的坐標(biāo)，并建立特定點集在世界坐標(biāo)系下的三維模型；

相機安裝與相機圖像采集：根據(jù)感知場景需求，將相機安裝在特定位置并調(diào)整角度。完成安裝及角度調(diào)整后，使用該相機抓取圖片；

世界坐標(biāo)系下相機位置坐標(biāo)采集：同樣在相機安裝及取景角度調(diào)整完成后，使用人工采集的方式，采集相機在世界坐標(biāo)系下的位置坐標(biāo)；

標(biāo)定：使用工具將采集圖片中特定點的位置標(biāo)注出來，并與特定點的采集坐標(biāo)進行匹配。通過解算特定點的位置坐標(biāo)在世界坐標(biāo)系與相機坐標(biāo)系的轉(zhuǎn)換關(guān)系，從而確定相機坐標(biāo)系和世界坐標(biāo)系的定量關(guān)系[11]。如圖4，圖中黃圈和籃圈為標(biāo)定回投點。

圖4：外參標(biāo)定圖片

3.2 高精地圖與高精定位

3.2.1 高精地圖

高精地圖(HDMAP)是無人駕駛中重要的坐標(biāo)指導(dǎo)及行車線路依據(jù)，一輛具有高精度地圖數(shù)據(jù)的自動駕駛汽車，不僅能夠?qū)λ幍沫h(huán)境進行精準(zhǔn)預(yù)判，提前選擇合適的行駛策略，也能把對環(huán)境的監(jiān)測重點放在應(yīng)對突發(fā)情況上，提升車輛安全性，降低車載傳感器和控制系統(tǒng)的成本。高精度地圖在精度和信息量上與傳統(tǒng)導(dǎo)航地圖有著顯著差別：不同于傳統(tǒng)地圖米級的精度，其精度能達(dá)到厘米級。HDMAP 不僅記錄高精度道路數(shù)據(jù)（道路形狀、坡度、曲率、鋪設(shè)、方向等），還要記錄車道屬性相關(guān)數(shù)據(jù)（車道線類型、車道寬度等），更有諸如高架物體、防護欄、樹、道路邊緣類型、路邊地標(biāo)等大量目標(biāo)數(shù)據(jù)。相比于普通的導(dǎo)航地圖，適用于自動駕駛的高精度地圖會將所有環(huán)境要素均精準(zhǔn)的體現(xiàn)出來“還原現(xiàn)實世界”。

高精地圖的生產(chǎn)流程分為：數(shù)據(jù)采集、數(shù)據(jù)處理、元素識別、人工校驗、最終生成。數(shù)據(jù)采集是通過地圖采集車在實際道路上采集數(shù)據(jù)，采集車上會有傳感器設(shè)備、數(shù)據(jù)記錄和存儲設(shè)備等。數(shù)據(jù)處理包含點云拼接和底圖生產(chǎn)環(huán)節(jié)。然后會進行基于深度學(xué)習(xí)的元素識別和點云分類。之后，依賴人工完成車道線、路沿、信號燈、標(biāo)志牌等元素的人工校驗。最終通過數(shù)據(jù)融合處理生成最終的高精地圖。

高精度地圖具備精度高、地圖元素詳盡、屬性豐富的特點，是自動駕駛車輛感知環(huán)境不可或缺的技術(shù)內(nèi)容。高精度地圖可以幫助車輛預(yù)先感知路面復(fù)雜信息，如坡度、曲率、車道信息、交通標(biāo)志等，結(jié)合車載傳感器數(shù)據(jù)和智能算法對車輛進行定位，并在此基礎(chǔ)上為自動駕駛提供動態(tài)、實時的數(shù)據(jù)服務(wù)。

3.2.2 高精定位

為支持自動駕駛車輛的高精度定位，方案采用融合差分基站（建設(shè)數(shù)量根據(jù)自動駕駛汽車行駛道路范圍確定）。利用多基站網(wǎng)絡(luò)RTK 技術(shù)建立連續(xù)運行（衛(wèi)星定位服務(wù)）參考站，連續(xù)采集高質(zhì)量的GNSS 原始觀測數(shù)據(jù)為智能網(wǎng)聯(lián)車輛提供毫米級-厘米級高精度定位服務(wù)?；鶞?zhǔn)站-移動站差分是指采用兩臺GPS 接收機。一臺是基準(zhǔn)站GPS，另一臺是用戶端GPS，并且知道一個已知點的坐標(biāo)，原理是在已知坐標(biāo)的固定點上架設(shè)一臺GPS 接收機（稱基準(zhǔn)站），通過GPS 的定位數(shù)據(jù)和已知坐標(biāo)點的數(shù)據(jù)解算出差分?jǐn)?shù)據(jù)(RTCM)，再通過數(shù)據(jù)鏈將誤差修正參數(shù)實時播發(fā)，用戶端通過數(shù)據(jù)鏈接收修正參數(shù)和自己的定位數(shù)據(jù)進行修正解算，即可將定位精度提高到厘級、甚至毫米級。如圖5所示。

圖5：高精定位系統(tǒng)

3.3 高可靠低時延網(wǎng)絡(luò)通信技術(shù)

現(xiàn)代先進通信技術(shù)包括：直連無線通信技術(shù)、蜂窩移動通信技術(shù)、有線網(wǎng)絡(luò)傳輸技術(shù)等。車路協(xié)同系統(tǒng)對于網(wǎng)絡(luò)的依賴非常高，與自動駕駛車輛的低時延、高可靠的通信是V2X 系統(tǒng)能夠落地的最重要因素之一。系統(tǒng)內(nèi)部采用了高速有線網(wǎng)絡(luò)進行內(nèi)部子系統(tǒng)之間的高速通信，外部與車側(cè)是基于先進無線通信、傳感探測等技術(shù)獲取車輛和道路信息，通過車路通信進行交互和共享，實現(xiàn)車輛和路側(cè)基礎(chǔ)設(shè)施之間智能協(xié)同與配合，達(dá)到優(yōu)化利用系統(tǒng)資源、提高道路交通安全的目標(biāo)[12]。近些年得益于5G 的普及與V2X（DSRC、LTE-V、NR-V2X、C-V2X）等通信技術(shù)的快速發(fā)展，使得高可靠、低時延、大連接車路信息交互成為可能。

方案中V2X 通信依托LTE-V2X 網(wǎng)絡(luò)技術(shù)擁有低延時、高帶寬的特點，支持3GPP Rel.14標(biāo)準(zhǔn)，通信延時可達(dá)毫秒級。并以CSAE 0053 標(biāo)準(zhǔn)為基礎(chǔ)，對自動駕駛車輛提供標(biāo)準(zhǔn)化服務(wù)，支持不同廠家、型號車輛享受該服務(wù)。

3.4 其他關(guān)鍵技術(shù)

當(dāng)然，要實現(xiàn)車路協(xié)同自動駕駛還需要攻克其他一系列的關(guān)鍵技術(shù)，包括：

（1）協(xié)同決策與協(xié)同控制[13]技術(shù)：

意圖預(yù)測、博弈仲裁、引導(dǎo)調(diào)度等協(xié)同決策；車輛、設(shè)施、人類等協(xié)同控制引導(dǎo)；

（2）云計算技術(shù)：

邊緣計算MEC 技術(shù)；多級云控平臺技術(shù)；大數(shù)據(jù)和人工智能平臺技術(shù)；

（3）網(wǎng)絡(luò)安全與預(yù)期功能安全；

（4）物聯(lián)網(wǎng)IoT 技術(shù)；

（5）網(wǎng)絡(luò)安全技術(shù)等。

由于篇幅原因這里不再分別闡述。

4 總結(jié)與展望

上述方案已在實際場景中得到了有力的驗證，V2X 系統(tǒng)通過RSU 與車端OBU 相連將開放道路感知環(huán)境信息可靠傳輸給車端進行決策輔助，降低約30%的L4 級別自動駕駛在開放道路上人工接管的次數(shù)，道路盲區(qū)信息及突發(fā)事故預(yù)警更加提前，自動駕駛可靠性顯著提高。當(dāng)然，在檢測高速移動目標(biāo)時閃爍和偏移現(xiàn)象會偶發(fā)性出現(xiàn)，相信隨著5G 高速無線網(wǎng)絡(luò)及車聯(lián)網(wǎng)技術(shù)的發(fā)展配合先進硬件設(shè)備的加持，后期還會有更好的解決措施和方案落地。

4.1 觀點總結(jié)

4.1.1 車路協(xié)同自動駕駛是自動駕駛規(guī)模商業(yè)化落地的必然趨勢

單車智能自動駕駛規(guī)模商業(yè)化落地面臨較大挑戰(zhàn)，而車路協(xié)同自動駕駛可以解決自動駕駛安全、ODD 限制、經(jīng)濟性等一系列問題，助力自動駕駛車輛在環(huán)境感知、計算決策和控制執(zhí)行等方面的能力升級，加速自動駕駛應(yīng)用成熟落地，可能是未來自動駕駛發(fā)展的必然選擇。

4.1.2 發(fā)展車路協(xié)同自動駕駛需要高等級智能道路

從服務(wù)于不同等級自動駕駛車輛規(guī)模商業(yè)化落地的角度，需要建設(shè)具備協(xié)同感知（全量高精度協(xié)同感知）、協(xié)同決策、協(xié)同控制能力的智能化道路，部署建設(shè)配套智能設(shè)施（感知設(shè)施、計算設(shè)施、通信設(shè)施、定位設(shè)施等）和云計算網(wǎng)絡(luò)（MEC、區(qū)域云或中心云）等，全面支撐車路協(xié)同自動駕駛技術(shù)演進、規(guī)?；瘻y試驗證和商業(yè)化落地。

4.1.3 建設(shè)部署高等級智能道路“面向未來，兼容當(dāng)下”，具有顯著經(jīng)濟性和巨大社會效益

建設(shè)高等級智能道路不僅可以“面向未來”滿足車路協(xié)同自動駕駛規(guī)模商業(yè)化落地的發(fā)展需求，還可以“兼容當(dāng)下”降維解決低等級自動駕駛和車聯(lián)網(wǎng)的發(fā)展需求，支撐開展智能交通管理、智慧出行服務(wù)、乃至新型智慧城市建設(shè)。

4.2 發(fā)展展望

建設(shè)高等級智能道路、大力發(fā)展車路協(xié)同自動駕駛、構(gòu)建安全便捷高效的智能化出行服務(wù)體系，符合人民對美好生活向往的客觀需求，是建設(shè)現(xiàn)代化經(jīng)濟體系的內(nèi)在需要，也是全面建成社會主義現(xiàn)代化強國的有力支撐。

但車路協(xié)同自動駕駛規(guī)模商業(yè)化落地是一個循序漸進、由局部到全面逐漸發(fā)展的過程：首先，需要實現(xiàn)關(guān)鍵技術(shù)突破，如VICAD 系統(tǒng)[1]、車路高效通信、云控平臺等；其次，智能車輛的滲透率和智能道路覆蓋率需要達(dá)到一定水平；第三，需要在政策法規(guī)和標(biāo)準(zhǔn)方面提供足夠的保障支持。

全球范圍內(nèi)車路協(xié)同自動駕駛尚處在探索與發(fā)展的初級階段，還有許多挑戰(zhàn)與困難需要行業(yè)多方協(xié)同，共同攻克。