東南大學：智能網聯交通技術發展現狀及趨勢

來源：《 汽車安全與節能學報 》；作者：冉斌、譚華春、張健和曲栩。

本文綜述了智能網聯交通技術發展現狀及趨勢。智能網聯交通系統的技術體系架構是一個集車輛自動化、網路互聯化和系統集成化三維於一體的高新技術發展架構。

其關鍵技術模塊包括感知模塊、融合預測模塊、規劃模塊和控制模塊等 4 個關鍵部分。智能網聯交通系統提出從「普通的車、聰明的路」，或者說是「聰明的系統」起步，逐步發展到「聰明的車、聰明的路」的高級階段，其對提高道路交通效率、改善交通安全、節約能源等均具有積極意義。

智能交通系統是緩解交通擁堵、提高交通安全、改善交通污染的重要技術手段。隨著人工智慧、移動互聯、大數據等新一代信息技術的迅速發展，以自動駕駛為主要特點的新一代智能交通系統逐漸成為解決交通問題新的突破口。

智能交通系統的發展包含 3 個階段：

第 1 階段為動態感知，即實現覆蓋全網道路的交通信息實時獲取，並建立動態感知的大數據平台；

第 2 階段為主動管理，即提供主動規劃、主動交通管控、主動指揮調度、主動公眾服務等動態管理服務；

第 3 階段為智能網聯，即實現車聯網、車路協同、自動駕駛等。

智能網聯交通系統作為智能交通系統的終極發展形式，是物聯網技術在交通運輸領域的重要應用。其通過雷達、視頻等先進的車、路感知設備對道路交通環境進行實時高精度感知，按照約定的通信協議和數據交互標準，實現車與車、車與路、車與人以及車與道路交通設施間的通訊、信息交換以及控制指令執行，最終形成智能化交通管理控制、智能化動態信息服務以及網聯車輛自動駕駛的一體化智能網路系統。廣義上，智能網聯交通系統涵蓋了智能網聯汽車系統與智能網聯道路系統，即智能網聯車 [1]、車聯網、主動道路管理系統、自動公路系統等均包含於智能網聯交通系統。

本文提出了智能網聯交通的技術體系架構，分析了其技術特點及發展優勢，對其關鍵技術的發展現狀及趨勢進行了梳理，並對中國發展智能網聯交通系統提出了思考與建議。

1. 智能網聯交通技術體系架構

圖 1 智能網聯交通系統三維體系發展架構

智能網聯交通技術體系集中應用了人工智慧、感測技術、網路技術、計算技術及自動控制技術等，是一個集車輛自動化、網路互聯化和系統集成化三維於一體的高新技術發展架構，其體系發展架構如圖 1 所示。

1.1 三維一體發展架構

1）車輛自動化

車輛的自動化發展從低到高可以分為駕駛資源輔助、部分自動化、有條件自動化、高度自動化和完全自動化 [2] 5 個階段。

a）駕駛資源輔助階段：在適用的設計範圍下，自動駕駛系統可持續執行橫向或縱向的車輛運動控制某一子任務（不可同時執行），由駕駛員執行其他的動態任務。

b）部分自動化階段：在適用的設計範圍下，自動駕駛系統可持續執行橫向或縱向的車輛運動控制任務，駕駛員負責執行目標和意外檢測與響應（target and accident detection and response， OEDR）任務並監督自動駕駛系統。

c）有條件自動化階段：在適用的設計範圍下，自動駕駛系統可以持續執行完整的動態駕駛任務，用戶需要在系統失效時接受系統的干預請求，及時做出響應。

d）高度自動化階段：在適用的設計範圍下，自動駕駛系統可以執行完整的動態駕駛任務和動態駕駛任務支援，用戶無需對系統請求做出回應。

e）完全自動化階段：自動駕駛系統能在所有道路環境執行完整的動態駕駛任務和動態駕駛任務支援，駕駛員無需介入。

2）網路互聯化

網路互聯化發展主要包含信息輔助、有限的互聯感測、豐富的信息共享和全網優化性互聯 4 個階段：

a）信息輔助階段：駕駛員通過路側設備獲取路況信息，從而輔助駕駛和決策。

b）有限的互聯感測階段：駕駛員和車輛通過車內設備，以及路側設備，獲取相關信息，從而進一步輔助駕駛及進行決策。

c）豐富的信息共享階段：駕駛員和車輛之間通過車內設備、路側設備、全網信息中心以及車輛間信息共享設備獲得更多層面的信息。不同車輛之間，通過各自認可的駕駛方式進行駕駛和決策，其中駕駛方式包括駕駛員駕駛、車輛自行駕駛、車輛服從全網信息中心指令駕駛。

d）全網優化性互聯階段：全交通網路的信息不再過載和重複，駕駛員和車輛獲得優化後的信息，迅速地進行安全駕駛和最優的行駛決策。

3）系統集成化

圖 2 智能網聯交通系統集成化發展階段示意圖

系統集成化的發展需要經歷交通關鍵點層系統集成、路段層系統集成、交通走廊層系統集成和全局宏觀層系統集成 4 個階段，見圖 2 所示

a）交通關鍵點層系統集成階段：網聯車輛在交通關鍵點與路側設備進行信息交互，獲得指令和必要信息，在各個交通關鍵點處解決具體事件，保障各微觀節點的交通暢通和安全。該階段的目標是實現交通關鍵點以及周邊小區域的交通優化控制。

b）路段層系統集成階段：網聯車輛與微觀交通控制中心聯結，獲取指令與信息，通過指令在路段層面解決微觀問題。這一階段的目標是以單個路段為單位對交通進行管理和控制。

c）交通走廊層系統集成階段：網聯車輛與中觀控制中心聯結獲取出行路徑規劃。中觀控制中心合理控制走廊層面的交通流量，提前預測擁堵事件，合理建議全局系統進行全局規劃。本階段針對路網交通運行具有重要影響的交通走廊，由上一階段的路段控制整合形成，從而支持更高級的控制演算法，實現走廊層面的交通優化管理與控制。

d）全局宏觀層系統集成階段：從最高層級優化交通分配，提高出行效率，降低人員出行成本和社會物流成本，實現全路網範圍的全局優化管控。

1.2 系統關鍵模塊

圖 3 智能網聯交通系統發展路徑

就技術發展路徑而言，目前智能網聯交通系統分為 2 個發展方向，即智能網聯汽車和智能網聯道路，如圖 3 所示。IT 企業、車企和運營企業主要開展以車為主的智能網聯汽車技術研究；道路交通行業以路為主進行智能網聯道路系統研究。智能網聯交通系統融合了智能網聯汽車與智能網聯道路的技術優勢，協調發展，最終實現自動駕駛。

智能網聯交通系統包括感知模塊、融合預測模塊、規劃模塊和控制模塊等 4 個關鍵部分。在系統集成化不同階段，關鍵模塊參與程度不同，如表 1 所示：

表 1 智能網聯交通系統關鍵模塊參與程度

1）感知模塊：實現道路線形估計及環境感知、靜態交通狀態及動靜態障礙物檢測與識別、車輛狀態估計及運動補償、高精地圖或無地圖定位等功能，為路側單元融合預測模塊提供必要的數據支撐，並為路側單元規劃模塊提供真實交通模型。

2）融合預測模塊：實現路側感知信息與車輛感知信息融合、多感測器前向信息融合、多感測器多方向信息融合、多車信息融合、車輛軌跡預測、路段交通狀態預測、路網交通狀態預測等功能。路側單元與車輛感知設備的信息融合能夠提升感知精度，路段多車輛信息融合實現路段狀態精準識別。

3）規劃模塊：路網層規劃以路網效率、安全和能源消耗為目標，實現最優化；路段層規劃根據路網層規劃模塊結果，對車輛隊列、跟車間距等參數進行規劃；路側單元規劃以車輛軌跡預測演算法為核心，完成車輛行為及運動的規劃、推理、決策等。

4）控制模塊：路網層實現路網交叉口協調控制；路段層實現車隊隊列控制；路側單元發送控制指令到車載單元，實現對汽車方向盤、油門、剎車等執行機構的控制。緊急狀態下，如通信中斷時，控制權移交至車載單元，車載單元以安全為目標控制車輛。

1.3?系統關鍵技術

智能網聯交通系統融合智能汽車與智能道路的技術優勢，涉及汽車、道路交通、計算機、通訊等諸多領域，其包括六大關鍵技術及兩大保障體系。

1）六大關鍵技術

a）全時空智慧感知技術：以路側感知設備為主實現全路網全息信息感知，主要包括道路環境感知、路側單元 360° 圖像採集、車輛狀態感知、高精度定位、

車路協同感知、動靜態交通狀態感知等技術。

b）大數據技術：智能網聯交通系統需完成大批量數據處理，實時挖掘有效交通信息，實現融合預測和路網優化控制等功能，主要包括人工智慧、深度學習演算法、智能預測、數據融合、圖像識別、自適應優化控制等技術。

c）雲平台技術：系統集成化終極階段時，需要大量的存儲和計算資源，利用雲平台技術實現路側設備、路段和路網信息共享和交互等功能，主要包括智能網聯交通可視化技術、智能網聯雲平台大數據中心、基於智能網聯雲服務大數據框架等。

d）動態交互處理技術：路網層、路段層及路側設備實時進行數據交互，實現區域路網最優是系統主要特點之一，動態交互處理技術十分關鍵，主要包括實時數據交互、全方位數據處理、動態數據發布、深度數據挖掘等技術。

e）I2X （infrastructure to everything） 通信技術：智能網聯交通系統中不僅需要車車通訊（vehicle to vehicle，V2V），路車通訊 （infrastructure to vehicle，I2V） 和路側設備通訊（infrastructure to infrastructure，I2I） 也很重要，通信技術主要包括專用短程通信技術（dedicated short range communications， DSRC）、第 4 代移動通信技術-LTE 網路制式 （the 4th generation mobile communication technology-long term evolution， 4G LTE）、 第 5 代移動通信技術（the 5th generation mobile communication technology，5G） 等。

f）智能控制技術：車隊控制、車輛縱向控制、車輛橫向控制、區域路網信號控制等技術。

2）兩大保障體系（如圖 4 所示）

圖 4 智能網聯交通系統技術架構

a）智能網聯交通系統相關測試評價標準與法規體系：加強車路一體化智能網聯交通系統相關法律、倫理和社會問題研究，建立保障車路一體化智能網聯交通系統健康發展的法律法規和倫理道德框架。

b）智能網聯交通系統信息安全保障技術體系：形成智能網聯交通系統信息安全管理要求，制定相關信息安全技術標準，完善信息安全測試規範，建立智能網聯交通系統信息安全應急響應體系。

2. 智能網聯交通系統技術特點及對道路交通系統的影響

2.1 技術特點

目前世界上主要的自動駕駛技術路線大多是以車為智能主體的解決方案。其主要應用毫米波雷達、激光雷達、視頻攝像機等先進的車載感知設備，將汽車打造成極為聰明的移動智能體。而智能網聯交通系統與以車為主的自動駕駛技術路線有所不同，其提出從「普通的車、聰明的路」，或者說是「聰明的系統」起步，逐步發展到「聰明的車、聰明的路」的高級階段，其主要技術特點如下：

1）智能網聯交通系統具有車路協同感知能力，其將部分原本僅安裝在智能車輛上的感知設備布設到道路基礎設施上（路側端），這樣路側固定的感知設備可為所有通行的車輛提供感知支持，通過車路協同感知使智能車輛的感知能力更強，而普通車輛不需安裝昂貴的感知設備也能夠獲得較為全面的感知能力。

2）智能網聯交通系統具有協同規劃、全局決策的能力。通過整合路段或路網的車輛運動信息（位置、速度、加速度）、相對運動信息（相對位置和速度）以及環境和道路基礎設施信息，計算全局系統最優的自動駕駛方案，最終形成智能化交通管理、智能化動態信息服務和網聯車輛自動駕駛的一體化智能網路系統。

3）智能網聯交通系統下的車輛控制由安裝在道路基礎設施上的路側控制系統和車載的控制系統共同完成。這樣可以更有利於多輛智能車間的協同換道、協同避險等協同控制。同時由於感知信息可以通過路側系統進行多車間的共享，根據共享的感知信息，車輛可以以更小的跟馳安全車距進行編隊行駛，更有效地提高道路通行能力。

4）智能網聯交通系統是車路一體化的自動駕駛系統，其感知系統、控制系統、通訊系統、信息安全系統等可實現車路多重備份配置，使系統的安全性、穩定性更高，保證自動駕駛車輛的安全運行。

2.2 對道路交通系統的影響

智能網聯交通系統有助於提高道路通行效率

研究表明，車輛自動化可以大幅提升道路通行能力，Shladover 等分析在 10%、50% 和 90% 的市場佔有率情況下，僅部署協作式自適應巡航控制（cooperative adaptive cruise control，CACC）的車輛便能夠分別增加 1%、21% 和 80% 的道路通行能力 [3]。車輛的網聯化可使自動駕駛車輛通過車-車通信獲取周圍車輛的運行信息，並考慮周圍車輛對目標車輛跟馳和換道行為的影響，把握預測駕駛員的未來駕駛行為，相應準確量化目標車輛加速度產生變化，從而有效進行平滑速度控制和改善交通流穩定性 [4-7]。

Talebpour 和 Mahmassani 研究發現智能網聯車和自動駕駛車都能提高交通流穩定性和提高道路通行能力，具有網聯化和自動化功能的車輛相比單一功能的車輛在交通流穩定性和道路通行能力有明顯提升，並且網聯化車輛相比自動化車輛具有更好的控制效果 [8]。

Wang 等提出了兩種跟馳控制系統（自動化和網聯化），分別在 5%、10%、50%、100% 的智能網聯車輛佔比情況下進行試驗，結果表明網聯化控制系統比自動化控制系統能夠增加系統的交通流量 [9]。Ran 和 Tsao 研究表明自動駕駛技術配合專用道大幅減少駕駛反應時間和降低行車間距，進而提升道路通行能力（相關計算示例如圖5所示）[10]。

Pueboobpaphan 等的研究表明，通過汽車與道路設施（V2I）的車輛通信，優化控制主線及匝道車輛速度，可以有效減少系統旅行時間 [11]。Wang 等基於車路通訊技術構建一種網聯化可變限速控制系統，提出了消解運動波的動態車輛速度控制策略，結果表明該控制系統能夠有效提高道路通行能力[12]。

Xie 等開發了一個集中式縱向合流匯入控制器，在決策周期範圍內（10s）實現全部自動駕駛車輛的速度最大化，通過上游4個區域的設置使車輛以恆定速度通過合流區，研究結果表明在車輛延誤、平均速度和通過流量方面均優於無控制情況[13]。Letter 等基於車路通訊技術提出高速公路車輛縱向協同合流匯入演算法，通過路側檢測設備實現車輛實時通信，研究結果表明在非擁堵條件下，該車路控制方法能夠減少旅行時間，提高平均行程速度和通過交通量 [14]。

智能網聯交通系統有助於改善道路交通安全

美國公路交通安全管理局（National Highway Traffic Safety Administration，NHTSA） 對自動駕駛和智能網聯交通技術的應用進行了評估，研究結果認為：隨著自動駕駛車輛比例的提升，將可以有效減少因道路交通事故導致的死亡人數；到 2050 年，道路交通事故死亡人數預計可減少為目前的 50%，每年減少約 1.7 萬人；因道路交通事故產生的經濟損失每年預計減少約 1900 億美元[15]。

Li 等研究表明在 10%~100% 的車輛市場佔有率情況下，僅部署自適應巡航控制（adaptive cruise control，ACC）的車輛能夠在一定條件下減少 39.7%~67.8% 的高速公路交通碰撞風險。而部署自動化車輛和道路可變限速（variable speed limit，VSL）的協同控制策略，能夠減少 48.1%~77.4% 的交通碰撞風險。對於不同的協作式自適應巡航車輛市場佔有率（10%~100%）[16]，Li 等研究發現部署該車輛便能夠在指定交通情況下減少 19.3%~97.5% 的交通碰撞風險，而同時部署協作式自動化車輛和道路 VSL 策略對交通系統進行協同控制，能夠減少 36.5%~98.5% 的高速公路碰撞風險 [17]。研究結果說明隨著自動駕駛車輛比例的提升，能夠有效減少交通碰撞風險的發生，進而有助於降低交通事故發生的概率，並且基於車路協同角度進行控制，能夠降低車輛速度變化幅度和平滑交通流，進一步改善交通安全。

智能網聯交通系統還有助於節約能源消耗

智能網聯交通系統的各模塊功能主要由路側設備實現，從而減輕車輛設備冗餘，提升車輛輕便化、靈活度，減少車輛能源消耗和尾氣排放。

相關研究表明：車輛自動化在 L4 階段時，所需安裝的設備需要額外消耗 3%~20% 的能源，而智能網聯交通系統實現的節能駕駛、車隊行駛和交叉口互聯等功能能夠節省大約 9% 的能源消耗 [18]，因此能夠大大減少能源消耗。

Wang 等提出了一種基於橫向最優控制的高級駕駛輔助系統（advanced driving assistant system， ADAS），研究表明在低密度（20 輛/km）情況下，可以減少 19.5% 的二氧化碳排放量；在高密度（40 輛/km）情況下，可以減少 9% 的二氧化碳排放量 [19]。

Rios-Torres 等基於車路協同集中式控制器提出一種改善安全且減少油耗的合流匯入控制演算法，以加速度平方和最小化作為目標函數以及距離作為約束條件，確保每次僅有一個車輛佔用合流匯入區域，結果表明該方法相比於無控制情況能夠將車輛油耗降低 49.8% [20]。

Khondaker 和 Kattan 基於車路通信技術實時預測車輛的運動軌跡，以車輛群體總旅行時間最少、總事故風險最小和總燃料排放最少為目標約束條件，開展高速公路主線車輛群體可變限速控制研究，相關結果表明該控制能夠有效減少車輛能源消耗 [21]。

3. 智能能網聯交通關鍵技術發展現狀

3.1 環境感知技術

環境感知系統的任務是利用攝像頭、毫米波雷達、激光雷達等感測器以及 I2X 和 V2X 通信系統感知周圍環境，通過提取路況信息、檢測障礙物，為智能網聯汽車提供決策依據。自動駕駛在感知技術方面主要有 3 大技術流派：Google 和百度等公司選用激光雷達為主的感知技術方案；蘋果、Uber、Roadstar 等公司選用多感測器融合進行環境感知；特斯拉、馭勢科技、Auto X 等公司選用攝像頭為主的技術方案。

在視覺感知領域，由於近年深度學習在視覺感知領域取得較大的進展，相對於傳統的計算機視覺技術，深度學習在視覺感知精度方面具有較大的優勢。深度學習被認為是一種有效的解決方案，能夠滿足複雜路況下視覺感知的高精度需求，特別是傳統演算法識別較為困難的目標物識別 [22-23]。

在感測器領域，激光雷達憑藉其解析度高的優勢，成為越來越多自動駕駛車輛的標配感測器，針對不同感測器感知能力和成本的差異，目前也湧現了不同車載感測器融合的感知方案，用以獲取豐富的周邊環境信息。

高精度地圖與定位也作為自動駕駛中重要的環境信息來源，可針對視線盲區和不良視線等情況下進行環境信息採集，用以彌補視覺和雷達識別的劣勢。目前自動駕駛通過比對車載全球定位系統（global positioning system，GPS）、慣性測量單元（inertial measurement uint，IMU）、激光探測與測量（lightdetection and ranging，LiDAR）或攝像頭的數據精確進行定位，從而實現高精度的三維定位表徵。國內外幾大圖商都在積極推進建設面向自動駕駛的高精度地圖，將為自動駕駛車輛提供高精度定位方案。

3.2 智能決策技術

基於車輛周邊環境和路側感知信息，結合自動駕駛車輛的行駛意圖及其當前位置，考慮安全、舒適、節能、高效的行駛目標，系統對車輛做出最合理的智能決策。目前自動駕駛主要有兩大主流的智能決策方案：基於規則（rule based）的方案和終端到終端（end-to-end）的方案。

其中 rule based 方案需要人工搭建一個非常複雜的架構，需要人工設計上千個模塊，可解釋性較高。End-to-end 解決方案更接近於人類的駕駛習慣，即觀察到人類觀察的場景，通過神經網路處理後，產生類似於人類的駕駛行為。

而新興的自動駕駛 end-to-end 方案能夠將概率過程（probabilistic process）、博弈過程（game-theoretic process）、馬爾可夫決策過程（Markov decision process）逐漸被應用到車輛行為規劃的決策演算法中 [24]，能夠考慮其他駕駛意圖並整合到相關決策演算法中，從而實現車輛之間無通信的情況下的協同決策。

車載決策系統和路側決策系統的分工協作是需要研發的關鍵技術之一。

3.3 控制執行技術

控制系統任務是將行為決策的宏觀指令解釋為帶有時間信息的軌跡曲線，從而控制車輛的速度與行駛方向，使其跟蹤規劃的速度曲線與路徑。具體而言，控制執行技術是解決在一定的約束條件下優化某個範圍內的時空路徑問題，包括：1）車輛在一定時間段行駛軌跡（位置信息）；2）整條軌跡的時間信息和車輛姿態（到達每個位置的時間、速度、加速度、曲率等）。

現有自動駕駛汽車多數採用傳統的控制方法，如比例-積分-微分（proportional-intergoal-derivative，PID）控制、滑模控制、模糊控制、模型預測控制、自適應控制、魯棒控制等 [1]。

中國目前對制動和控制關鍵技術已有一定研發基礎，但是博世、德爾福等國外大型企業可根據實際交通情況調整參控制器參數，並應用在主動安全系統，與其相比，中國在控制穩定性和市場規模方面仍有較大差距。車載控制系統和路側控制系統的協同控制是需要研發的關鍵技術之一。

3.4 I2X 和 V2X 通信技術

所有東西的基礎設施（I2X）和車輛基礎設施（V2X）指道路和車輛與系統內對其有影響的其他事物進行信息交互，是多種路側和車載通信技術的統稱，具體包括車輛基礎設施（I2V）、車輛與基礎設施（vehicle to infrastructure，V2I）、車輛對車輛（V2V）[25-27] 等。

I2X 和 V2X 通信技術可以通過無線通訊獲得實時交通狀況、道路信息、行人信息等一系列交通信息和駕駛控制信息，通過應用這些信息進而提高駕駛的安全性，減少交通擁堵，提升交通效率並提供車載娛樂服務 [28]。在 I2X 和 V2X 通信標準的應用上，主要採用 DSRC、4G LTE-V、 和 5G 方案 [29-30]。

3.5 網路安全技術

隨著智能網聯技術的不斷發展，針對交通系統的安全攻擊日益增多。當智能車輛的車載設備通過各種無線方式與其他相關設備或互聯網相連時，網路安全問題隨之產生。互聯網原有的安全問題可能會派生到車載系統中，由於車輛自身是一個高速移動的信息系統，危害性會隨之擴大。此外，智能網聯交通系統根據採集的大數據，利用電腦和軟體來進行機械化控制，這可能會使得安全風險進一步加大 [31]。

針對自動駕駛網聯安全，美國於 2013 年制訂了全世界首部汽車智能網聯信息安全標準 SAE J3061 [32]。該標準的主要特徵是從信息安全的全生命周期角度提出了相關的一些物理模型架構和開發流程。歐洲則是從汽車、開放式的汽車信息安全的平台、通信的環境這 3 個層級上構架智能網聯信息安全的防護體系。日本信息處理推進機構於 2013 年公布了汽車信息安全模型 Approaches，為推進汽車信息安全防護提供了重要的參考 [33]。

在中國，汽車的信息安全和智能網聯的信息安全逐漸受到關注並已成為一個新的熱點 [34]。在交通運輸部 IDS 標委會的推動下，針對《智能網聯駕駛信息安全標準體系框架》等研究從體系架構、相關的測試方法和安全標準上給出了明確的標準和規範，從而多層面、多部委協調推動智能網聯信息安全的標準建設 [35]。

3.6 車路協同技術

車路協同技術基於無線通信技術和感測檢測技術等獲取車輛和路側設施的信息，並通過 V2V、V2I 通信進行信息交互和共享，從而優化利用系統資源，提高道路交通安全，緩解交通擁堵等 [36]。

美國的車路協同（Vehicle Infrastructure Integration，VII）項目由美國州公路及運輸協會、美國交通運輸部和汽車製造商等多個機構聯合開展，利用車輛間和車路間的通信構建多個系統以增強交通安全、交通運行效率和道路維護，同時滿足車輛製造商和其他的私營企業的應用需求 [37]。

Smartway 是日本的車路協同項目，是日本建設智能交通系統的基礎工作，用於促進土地、基礎設施、運輸和旅遊及先進安全汽車的發展。利用由 DSRC、ITS 車載單元、數碼地圖和路側感測器等多個元素構成的平台，該項目向車輛、駕駛員和道路管理者提供了多種應用服務。Smartway 系統平台涉及的服務具體包括電子不停車收費（electronic toll collection， ETC）等核心服務和與車輛巡航系統相關的道路交通信息通信系統（vehicle information communication system，VICS）服務等 [38]。

歐盟開展的 Esafety 項目用以構建基於車路協同的智能交通安全系統，從避免碰撞、減少傷亡和事故緊急處理等角度提升道路交通安全，具體包含智能速度調節系統、安全帶提示、酒精鎖車系統以及事件和行程數據記錄儀等，大大提升了道路交通安全 [39]。

3.7 交通系統集成優化技術

交通系統集成優化技術主要利用 V2V 及 V2I 通信技術，實時感知獲取智能網聯車輛及其周邊車輛的交通狀態信息，通過交通系統優化技術形成優化控制方案或指令，再通過路側控制單元發布交通狀況信息及控制或誘導指令，使得車輛能夠與其他車輛及路側設施設備進行協同運作，從而大大提高交通系統的運行安全和效率 [40]。

目前車路協同技術在交通系統運營方面的研究和應用主要針對高速公路匯入區域和城市道路信號交叉口處的交通流運行 [41]。高速公路匯入輔助技術可以為入口匝道及重型交織區域的車輛駕駛員提供相應的諮詢服務，當通信技術、傳輸技術和自動控制技術滿足一定的精度要求時，高速公路協同匯入控制技術還可以監控和優化車輛的匯入軌跡 [42-43]。

弗吉尼亞大學基於 VISSIM 軟體開展的模擬研究驗證了匯入輔助技術對於提升安全性和運行效率方面的效果。同樣是基於微觀模擬環境，車輛的位置、速度和車頭時距等信息常被用於解決交叉口處的交通擁堵問題，現有的研究大多以減少車輛延誤和增加信號交叉口通行量為目標，主要形成 3 類演算法 [44]：

第 1 類演算法對於超飽和的交叉口，實時檢測排隊狀況並調整交叉口處的信號相位，更高效地為車流分配綠燈信號 [45] ；

第 2 類的車輛分組演算法通過實時監控主幹路上的車隊狀況改善信號分配；

第 3 類研究為預測微觀模擬演算法，採用滾動時域的交通控制方案 [46]，該類演算法利用實時的車輛速度和位置數據 j 預測信號相位作用的目標時間間隔內的車輛延誤，並由此確定下一個間隔採用的信號相位。

4. 智能網聯交通關鍵技術發展趨勢

4.1 基於深度增強學習的決策架構發展與應用

深度學習與增強學習是熱門的機器學習方法，在處理自動駕駛決策方面，通過大量的學習實現對複雜工況的決策，並進行在線的學習優化。但是其失去了透明性，僅僅依賴於相關性推理，而非因果推理，導致綜合性能不易評價，對未知工況的性能也不易明確。

而新的因果推理決策機制（如貝葉斯網路）具有模塊化和透明性 2 個決定性優勢，能夠在數據處理方面，針對事件發生的概率以及事件可信度分析上具有良好的分類效果。

模塊化能夠將深度學習作為一個子模塊，有效強化輸出結果的可靠性，避免相關性的干擾。透明性是另一個主要優勢，主要體現為對整個決策的過程進行分析，及時糾正非理性學習行為。

深度學習與增強學習可以同時有效應用於車載系統和路側系統。

4.2 以視覺識別和激光雷達為代表的感知技術快速發展與應用

在實際駕駛過程中，駕駛員獲取的信息絕大部分來自於視覺，如車身四周的機動車、非機動車、行人、動物、道路標識、道路本身、車道線等。而攝像頭擁有最豐富的線性密度，其數據量遠超其他類型的感測器。基於圖像信息密度最高的優勢，使得視頻視覺識別處於整個感知融合的中心地位。但攝像頭需要識別和估算的目標繁多，導致基於目標監測與識別的學習演算法變得十分複雜。

激光雷達相對於毫米波雷達等其他感測器具有解析度高、識別效果好等優點，已越來越成為主流的自動駕駛汽車用感測器，但其成本從根本上阻礙了自動駕駛汽車的普及與商用。目前激光雷達正在向著低成本、小型化的固態掃描或機械固態混合掃描形式發展，但仍存在量產規模和成本等問題。

由於計算機視覺領域在自動駕駛領域的應用潛力被低估，激光雷達的成本和性能已逐步支持商業化，多感測器的融合其實是商業化自動駕駛達到高可靠性的必由之路。多感測器融合如何同時在車載系統和路側系統實現是比較關鍵的問題之一。

4.3 基於雲計算技術的智能網聯交通雲平台的發展與應用

雲計算技術通常採用分散式冗餘存儲方式，具有處理大規模數據和實現數據共享等特點。雲計算技術提供的服務包含基礎設施即服務（infrastructure as a service，IaaS）、平台即服務（platform as a service，PaaS）和軟體即服務（software and services，SaaS）[47]，目前雲計算在交通領域已經得到了一些應用，如地理信息服務、路徑誘導服務和信息發布應用等 [48]。

智能網聯交通系統中大量數據存儲和計算的需求，為雲計算技術從概念層走嚮應用層提供了機遇，兩者可以實現優勢互補。而雲計算技術應用在智能網聯交通系統中尚處於初級階段，

IaaS 層為智能網聯交通系統提供處理、存儲、網路和基本計算資源，允許部署路網層、路段層和路側設備通用的應用；

PaaS 層提供服務，允許將路網層、路段層和路側設備所需應用部署在雲端；

SaaS 層可訪問雲供應商提供的服務應用。

如何建立完善的智能網聯交通雲平台、提高雲服務的安全性將是智能網聯交通技術發展的重要方向。

4.4 融合網聯化智能技術的自動駕駛技術的發展與應用

相比於自主式智能車輛對周邊環境的感知能力，網聯化智能技術可以從時間維度和空間維度獲取更多的交通信息，從而不僅提高單車的感知和決策能力，而且還能為車輛群體協同感知、決策提供條件。

基於 V2X 通信技術進行車-車、車-路實時信息交互和共享，從時間維度上提前獲知或預測周邊車輛運行、紅綠燈等交通控制系統以及氣象條件等信息，從空間維度上感知交叉路口盲區、彎道盲區、車輛遮擋盲區等位置的環境信息，實現自動駕駛車輛之間的協同與配合，能夠大範圍開展車輛主動安全控制和協同控制，包括自組編隊長度控制、隊列跟馳與換道策略以及車輛進出車隊決策等。

網聯化智能技術與自動化智能技術正加速融合發展，形成一種新的自動駕駛技術發展與應用趨勢。但網聯化技術受通訊傳輸距離以及傳輸延誤和丟包等因素的影響，只有保證一定精度條件下才能幫助自動駕駛系統更全面掌握周邊交通態勢，進而開展大量相關的研究和應用。

4.5 基於車路一體化自動駕駛的交通系統優化技術發展與應用

基於車路一體化自動駕駛的交通系統將實現車路協同感知、車路協同決策和車路協同控制一體化等功能。

由政府主導的交通系統控制管理中心能夠更有效地整合車企、IT 企業管理下的自動駕駛資源，從道路系統全局出發為各類不同出行方式和技術層次的出行者提供更安全更有效的自動駕駛出行服務：

車路協同感知一體化技術是以路側感知設備為主、車輛感知為輔，實現全路全息和全維度的車路一體化感知，改善車輛感知能力的局限；

車路協同決策一體化以效率、安全和能源消耗作為車路一體化自動駕駛的交通系統優化目標，從路網最優角度出發，對關鍵節點、路段層、路網層等交通系統單元進行統一規劃與優化；

車路協同控制一體化是結合道路系統全局最優的決策控制指令，根據單車和群體動力學理論，考慮單車和車輛群體能耗過程及相關影響因素，實現車輛運行安全、舒適、節能與環保的最終目標。

5. 中國發展智能網聯交通系統的意義及政府部門的定位和作用

建設與發展智能網聯交通系統對於中國具有重要的意義，主要體現在以下幾點：

首先智能網聯交通系統不僅僅考慮單一的機動車自動化問題，更致力於提出交通優化方案，解決交通問題；

其次，發展智能網聯交通系統，能夠大幅節約系統建設的時間和費用成本，可以讓自動駕駛和智能公路系統更快地落地，預計可以提前 5~15 年讓不同級別自動駕駛技術實現大規模產業化；

再次，智能網聯交通系統框架下的一套標準的新型道路系統和基礎設施，能夠讓各類互聯網公司及汽車公司生產的自動/半自動駕駛車輛無障礙的共同行駛，從而更快地推進自動駕駛技術的推廣與應用；

最後，發展智能網聯交通系統，能夠更有效地整合車企、IT 企業管理下的自動駕駛資源，從系統全局出發為各類不同出行方式和技術層次的出行者提供更安全、更有效的自動駕駛出行服務。

為了更好地發展智能網聯交通系統，需要明確交通規劃、建設、管理等政府部門的定位和作用，其主要包括以下方面：制定智能網聯交通系統發展目標、頂層設計及實施路線圖，引領智能網聯交通系統測試基地建設，領導相關示範工程規劃及實施，組織進行交通法規修訂及完善，制定支持智能網聯交通科研及產業發展宏觀政策，對不同階段智能網聯交通系統實施效果進行評估，組織成立相關行業協會，開展針對智能網聯交通相關的民眾宣傳與教育等。

6. 結語

結合感知、通訊、人工智慧以及系統集成技術的不斷更新與升級，智能網聯交通系統為迅速發展車輛自動駕駛、解決交通問題提供了一種新的思路和實施途徑。

與發達國家相比，中國在發展車輛自動駕駛、智能交通等方面還存在一定的差距，但智能網聯交通系統所強調的車路一體化發展路線可以充分發揮中國的體制優勢，我們相信，經過 10~15 年的發展，中國的智能網聯交通系統一定能使中國的車輛自動駕駛、智能交通發展實現「彎道超車」，最終成為如高速鐵路一樣的中國面向世界的名片。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！