车路协同技术将在智慧高速中得到广泛应用并最终实现自动驾驶的目标

智慧高速是指基于交通工程理论，构建以数据为核心的协同管控与创新服务体系。利用“人的智慧思维+先进的技术手段+协同的运行机制+创新的模式”，实现全要素实时感知、全过程管控、全数字运营、伴随式信息服务的高速公路。高速公路车道线、标示牌等静态信息特征清晰、交通环境相对简单、未来可能成为智能网联汽车（ICV）技术优先落地应用的场景之一。

车路协同系统是通过先进的无线通信和新一代互联网技术，实现车与车、车与路、车与人、车与网络的实时数据交互，对提升交通安全、提高通行效率、促进自动驾驶发展具有重要意义。

政策支持

中国政府对智慧高速车路协同系统的发展给予了高度重视，并出台了一系列相关政策来推动其发展。例如，《新一代人工智能发展规划》、《交通强国战略纲要》、《车联网(智能网联汽车)产业发展行动计划》、《国家车联网产业标准体系建设指南（智能交通相关）》等文件将车路协同、自动驾驶作为重点发展领域，为车路协同技术的发展提供了战略引领和政策支持。

试点项目

交通运输部着力推进车路协同试点工程建设，通过在路段沿线部署车联网RSU等智能路侧设施，与智能网联车辆开展信息交互，协同提升交通运行效率，保障运行安全。目前已开展车路协同试点建设的项目包括杭绍甬智慧高速（浙江）、延崇高速（北京）、京雄高速（河北）、机西智慧高速（河南）、石渝高速公路（重庆市）等。

试点应用场景

目前，高速公路主要开展的车路协同的应用场景主要如下。

车路协同安全预警：在分合流区、事故多发地区域、易拥堵路段等区域配套建设智能路侧设施，将交通异常事件提前推送给附近联网车辆，提前告知前方路况，保障交通运行安全。

货车编队行驶：采用环境感知、V2V/V2I通信、高精度定位等多技术融合及管理办法的技术路径，实现3辆及以上货车同时行进队列，每辆车在行驶过程中自动保持车间距离，跟随车辆实时同步完成所有动作，提高道路通行能力。

全天候通行：在团雾、暴雨、结冰等恶劣气象条件下，由智能路侧设施感知前方交通状况、路面状态等信息，并通过边缘计算向联网车辆提供建议行车速度、行驶车道等诱导信息，协同保障车辆运行安全。

总体建设思路

智慧高速车路协同系统是一个高度集成和智能化的系统，总体建设思路以下。

1）以服务公众出行为核心

系统能够实时感知交通状况，精准预测交通流变化，为出行者提供最优的路线规划、实时路况信息、紧急事件预警等全方位服务。

2） 兼顾成本与成效

根据实际需求和技术成熟度分阶段推进，在设备选型、系统部署、运维管理等各个环节中，注重成本效益分析，确保每一分投入都能带来相应的回报。

3）构建“车、路、云”三位一体的架构

通过这种三位一体的架构设计，实现车辆与道路、车辆与车辆之间的全面互联和协同控制，提升交通系统的整体效能和安全性。

系统体系架构

结合国内已开展的智慧高速试点项目中车路协同系统建设情况，车路协同系统内容包括“车、路、云”三个部分内容构成，如下图所示。

图1 车路协同系统框架图

车端：包括智能网联车辆或者安装智能车载终端的普通车辆。这些车辆通过车载单元（如车载通信模块、雷达、摄像头等）实现与其他交通参与者及道路基础设施的信息交互。车端设备通过C-V2X（蜂窝车联网）等无线通信技术，与路侧基础设施进行实时信息交换，实现协同感知、协同决策和协同控制。

路端：建设智能路侧设施，包括感知设施、网络基站、定位设施、边缘计算设施等，负责感知交通异常情况，如道路拥堵、交通事故等，并联网传输给智能车辆，保障自动驾驶车辆运行安全。

云端：建设云控中心，负责汇总各类数据（包括车端和路端采集的数据），进行分析研判，并生成诱导控制策略。这些策略通过通信网络实时传输给车辆和路侧设施，以提升整体通行效率。云控中心通过大数据分析和人工智能算法，对交通流量、事故预警、路况信息等进行深度挖掘和智能处理。同时，云控中心还可以与交通管理部门进行数据共享和协同工作，实现交通系统的全面优化和智能化管理。

关键技术

智慧高速车路协同系统涉及的关键技术可分为如下4种：

1）融合感知技术

除智能网联车辆自身配置的感知设备外，路段沿线配套建设智能路侧感知设施，对自动驾驶可能存在的风险因素提前感知，主要感知设备包括视频分析设备、目标跟踪雷达设备等。

2）车路信息交互技术

主要通过在路侧设置车联网（C-V2X）基站和5G基站，与智能网联车辆或其他车载智能终端建立直接的通信连接来实现。车路信息交互内容主要包括路网基本信息、交通控制信息、交通事件信息等，同时可通过车载终端采集车辆速度、轨迹等信息。

3）高精度地图与定位技术

车路协同系统作为统筹车、路、云三方信息的综合性平台，高精度地图是必备的平台载体。通过高精度地图，平台掌握了车与路的空间关系，便于开展管理决策；车辆获取了前方道路信息，指导下一步驾驶行为。

高精度地图包括静态数据图层和动态数据图层，其中静态数据包括道路数据、车道数据、道路设施数据，用于支撑多数据融合、场景可视化等应用，是高精度地图必须包含的数据内容；动态数据图层是指高精度地图用以存储实时动态数据的框架结构，包括交通流状态、交通事件、道路气象环境、道路交通设施状态等数据。

高精度定位技术主要用于为过往车辆提供车道级定位服务，具体依靠北斗导航系统及地面差分定位基站实现。

4）智能计算平台

负责对感知设备获取的数据分析处理，根据事件类型，快速生成对应的控制策略，并将控制诱导信息通过路侧基站推送至智能网联车辆，保障车辆安全驾驶。

智能计算平台一般采用云边结合的技术架构，包括边缘计算和中心计算两部分组成，中心计算主要通过数据中心的智慧管控平台完成，负责处理非紧急的日常信息和复杂的运算；边缘计算主要由路侧智能控制设备完成，负责处理高速公路主线突发的影响交通安全的紧急事件。

典型场景应用

智慧高速车路协同拟开展的场景应用包括自动驾驶场景和车路协同驾驶辅助。

1）自动驾驶场景

自动驾驶场景的服务对象是具备自动驾驶功能的智能网联车辆，主要开展支持L3级以上自动驾驶和货车编队行驶。

（1）支持L3级以上自动驾驶

自动驾驶等级不低于L3级的智能网联车辆，车端搭载有车载传感器、控制器、执行器等装置，具备环境感知、智能化决策与控制功能。

自动驾驶车辆在运行过程中可以获取路侧智能设施感知并推送的信息，包括危险路段、前方事故、逆行车辆、低速车辆、异常停车、路面异常、团雾等恶劣气象环境预警等安全预警信息，以及云控中心联网推送的可变限速、推荐车道、分流建议、异常管制等管理诱导信息，协同保障自动驾驶车辆安全、高效运行。

（2）货车编队行驶

编队货车应搭载车载传感器、控制器、执行器等装置，具备环境感知、智能化决策与控制功能，自动驾驶级别应不低于L3级；货车编队应构建混合交通环境下货车队列协同控制模型，确保领航车辆、跟随车辆编队及普通车辆行驶安全。

路段和云控中心应基于路侧设备、智能车载终端获取的实时微观混合交通流信息，通过边缘计算设施，实现对货车编队轨迹、速度、跟驰距离等中观颗粒度诱导，并在前方事故条件下，实时生成协同式编队应急疏散策略。

2）车路协同驾驶辅助

车路协同驾驶辅助的服务对象是包括具备自动驾驶功能的智能网联车辆和加装智能车载终端的普通车辆，主要开展安全预警、车路协同效率提升、驾驶行为纠正等场景应用。

（1）安全预警

路侧设施通过感知的信息和云中心下发的信息，利用自身的边缘计算能力，产生安全预警信息，并通过路侧基站发送到智能车载终端和其他路侧信息发布设施。安全预警信息包括异常交通事件预警、异常天气预警、道路遗撒提醒、拥堵提醒、施工区域预警、可变限速提醒、危险路段预警、异常车辆预警、合流区预警等场景。

（2）车路协同效率提升

云控中心基于智能路侧设施感知的实时交通流数据，自动生成管理诱导策略，包括车道级限速、车道级诱导、车道路权控制、分流建议等，通过路侧基站推送给智能车载终端和其他路侧信息发布设施。

（3）驾驶行为纠正

智能路侧设施、智能车载单元可以实时获知车辆的运行状态，包括行驶的速度、车道等信息，分析判断当前车辆是否处于不良驾驶状态，并对司机进行实时提醒。具体场景包括超速提醒、违法占用应急车道提醒、疲劳驾驶提醒、长期占用超车道提醒、异常低速提醒等。

主要设施构成

车路协同系统包括车端设施、智能路侧设施、云控中心。

1）车端设施

智能网联车辆和智能车载终端一般配置具备以下功能模块。

（1）道路视觉感知设施

一般采用高分辨率的摄像机，部署于车辆前后左右全向，对车辆周边动态目标三维立体感知，并探测距离，识别如路面标志标牌、锥形筒等障碍物及施工区域，拓展智能驾驶功能边界。

（2）目标跟踪雷达

常用技术设备为激光雷达和毫米波雷达两种，主要目的为对周围运动目标检测和跟踪、障碍物检测、危险盲区预估等，在夜间、能见度较低情况下可作为视频感知设施的有机补充。

（3）车联网通信模块

一般包括5G Uu通信接口和PC5通信接口，具备与云端和路端同步通信的能力。

（4）轨迹预测与场景理解

对车辆、非机动车和行人等道路参与者的行为意图和运动轨迹预测，使得车辆能够充分利用不确定性信息，解决车辆、非机动车、行人突发横穿场景。

（5）高精度地图与定位

基于多传感器融合技术，实现高精度三维地图构建，支持点云层、定位层、语义层以及导航层等多种图层。并基于高精度地图提供在线实时高精度定位。

（6）决策规划与控制（具备自动驾驶功能的车辆配置）

综合车辆当前行驶状态、环境等信息，对不同场景下实施安全、智能、舒适的决策规划，以及精准的车辆控制功能。

2）智能路侧设施

智能路侧设施包括感知设施、网络基站、定位设施、边缘计算设施等。

（1）感知设施

主要包括AI视频分析摄像机和目标跟踪雷达。

AI视频分析摄像机通过对视频图像分析的方式，分析判断当前场景的交通运行环境，识别交通异常事件。根据自动驾驶的功能定位，需实现试点范围内连续监测覆盖，考虑到视频分析精度因素，推荐以100m为间距，在路段双侧连续布置。

目标跟踪雷达用于配合视频设备监测路段异常事件，推荐采用毫米波雷达，建议设置间距为200m，在路段双侧连续布设。

（2）网络基站

结合当前技术发展情况，路侧设置的基站应包括5G基站和车联网（C-V2X）基站。

5G基站与车辆以点对点的模式联网，实施双向数据通信，具体数据内容包括OTA系统升级、高精度地图下载、导航、远程驾驶、车辆信息回传、车机娱乐等大带宽内容。5G基站推荐布设间距为600m，单侧部署。

C-V2X基站以广播的模式对通行车辆实施通信，具体数据内容包括高精度地图图层、高精度定位差分校正值、交通诱导与控制策略、安全和效率类预警提示等低时延内容。C-V2X基站推荐布设间距为400m，单侧部署。

（3）定位设施

路侧通过设置北斗地面差分定位基站为通行车辆提供定位校正，实现车道级高精度定位。北斗地面差分定位基站覆盖范围为30km，拟选取路面结构稳定位置设置1处。

（4）边缘计算设施

边缘计算设施为路侧设施提供快速分析运算能力，并将信息推送给C-V2X基站发布给过往车辆。建议边缘计算设施与C-V2X基站同址布设。

3）云控中心

车路协同系统采用边云结合的技术架构，即路侧部署终端，在云控中心部署中心服务系统。系统通过与路侧终端管理系统对接，实时获取车辆运行信息和设备状态信息、进一步支撑交通状态分析、远程控制等各项功能，实现区域管控智能化、网联化、精细化。

云控中心主要建设内容包括中心服务器、核心交换机、磁盘阵列、网络安全设施、平台软件等。

在当前阶段，基于车路协同的自动驾驶尚未完全成熟，大量的相关规范还在编制过程中，根据国内已开展的相关试点工程情况，智能车辆与路侧设施完全协同运行尚存在许多问题，不同厂商之间设施存在兼容性差的情况，预期的建设效果存在一定实施风险。

但从技术发展趋势来看，随着5G车联网、人工智能、边缘计算等技术的更新迭代，行业标准规范的不断完善，以及相关法律规章制度的建立健全，基于车路协同技术的自动驾驶终将得以实现。

智慧高速车路协同系统是未来交通发展的重要方向，通过先进的无线通信和新一代互联网技术，实现车与车、车与路、车与网络的实时数据交互，从而提升交通安全、提高通行效率、促进自动驾驶发展。尽管当前技术和标准尚不完善，但随着5G车联网、人工智能、边缘计算等技术的不断进步，车路协同技术将在智慧高速中得到广泛应用并最终实现自动驾驶的目标。