国家重点研发计划

编者按：2019年12月，由长安大学赵祥模教授“车联网与智能汽车测试技术”研究团队组织申报的总经费达1.173亿元的国家重点研发计划项目“高速公路智能车路协同系统集成应用”，正式获批立项，该项目旨在突破制约ICVIS-H 集成应用的重大共性关键技术，开展典型示范应用，提升高速公路的智能化水平和服务品质，促进全国范围大规模推广。

项目围绕五个课题展开研究，它们分别是：

• 高速公路智能车路协同系统技术体系及测试评估技术

• 车路协同智能路侧与重点营运车预-报警装备研发与优化装备

• 基于云平台的高速公路全息信息融合及协同管控

• 自动驾驶专用车道系统设计及货车队列控制

• 高速公路智能车路协同系统集成示范与标准规范制定

该项目计划实现在京雄高速、沪宁高速、山东济潍高速、浙江杭绍台高速、广西沙吴高速等9条高速公路上开展覆盖6个省份的智能车路协同系统示范应用。

在近日赛文交通网举办的“高速公路场景下的车路协同发展实践研讨会”上，长安大学信息工程学院副院长徐志刚教授、中汽研汽车检验中心（广州）有限公司副总经理王旭、东南大学谭华春教授、北京主线科技有限公司王里博士、中咨集团智能交通事业部安泽萍高级工程师对该项目的五大课题分别做了关于课题进展和成果的报告。

以下为五大课题进展汇总：

一、课题内容：

主要是构建一个层级化多尺度需求的“端-边-云” 分层分布式一体化架构，考虑多维指标综合评估的ICVIS-H智能度连续分级方法，同时构建一个虚实结合的普适性的多级测试评价体系。该课题承担单位为长安大学，项目负责人是长安大学毛国强教授。

二、研究成果：

成果一：高速公路智能车路协同系统信息与物理要素解耦

高速公路系统的要素耦合关系复杂，高速公路协同系统用户个性化强，因此在现有的车路协同演示系统中，它的复用性和泛化性比较差，很难复制到其他的道路上去。解决这个问题，需要对车路协同的信息与物理要素的体系化进行了梳理，实现最优聚类、层级化分类和面向对象表达；提高系统的软硬件模块的类聚性和复用性；理清车路协同系统实体之间的耦合关系；最后基于业务优先级和传输内容，实现车路协同信息交互的优化。

此过程中，项目组调研了全国20余个高速公路车路协同的项目现场，梳理了用户需求，并针对全国不同类型的用户，梳理了三级 87个高速公路车路协同系统应用场景（其中直线路段 44个、弯道路段12个、坡道8个、合流区4个、分流区 5个、隧道8个、服务区4个、桥梁和收费站各1个）。定义了9类用户主体，和开放的场景定义格式。

然后基于用户需求→场景→功能→物理设备→信息交互”逻辑链，梳理了系统信息与物理要素，从用户需求和场景里面将一些信息物理的要素剥离出来，同时把他们之间的关系也通过本体论和面向对象的方法构建出来，最终实现信息和物理要素的解耦；基于本体论和面向对象方法实现车路协同系统形式化表达，梳理了车路协同系统信息集和事件集；基于业务优先级和传输内容，研发高速公路车路协同系统信息交互优化算法。

成果二：高速公路智能车路协同系统“端-边-云”一体化架构设计

高速公路车路协同的用户类型多，用户类别、层级也多，用户的个性化需求非常强。项目组通过梳理调研到的500个问题，发现了用户之间细微性的差异和系统缺乏统一性架构的问题，因而需通过项目的研究，实现面向用户场景需求的高速公路车路协同系统技术分级；建立基于标准软硬件模块化的车路协同“端边云” 一体化架构；提升车路协同系统可伸缩性与互操作性，以建立一个统一性架构。

为了设计这个架构，该项目完成了对国内外车路协同系统架构的深度调研，以建立适合中国国情的高速公路车路协同整体架构。在吸收国内外车路协同系统优点的基础上，结合我国高速公路行业特点和前期梳理的应用场景需求，建立了该项目提出的——IntelliWay-变耦合模块化高速公路车路协同系统“端边云”一体化架构。

这样一个架构的好处就是可以针对不同的技术层级，在不改变端面云架构的情况下，选择不同的软硬件模块。当层级较低时，只需少量的软硬件就可以实现这个需求。当需求越来越高，对系统的性能要求高时，也可以用比较复杂的结构。它虽然是不同的技术层级，但是它的总体架构不变，所以它的通用性非常强。

成果三：构建基于多层域的高速公路智能车路协同系统测试技术体系

针对如何验证高速公路车路协同系统信息流逻辑的正确性及对高速公路车路协同系统场景设计功能、运行效能进行测试这些问题，本项目基于系统虚拟仿真平台模拟与真实物理测试场地两种方式构建虚实结合的高速公路车路协同系统多层域测试评价技术体系。具体包括：软件仿真测试、驾驶模拟器测试、封闭测试场地和真实智慧高速公路四个层级，结合主客观综合性能测试评价指标，最终实现高速公路车路协同系统整体运行效能测评。

项目组针对车路协同系统信息流逻辑正确性验证，开发了基于纯软仿真的车路协同测试评估系统；针对车路协同“端-边-云”信息交互测试需求，开发了基于数字孪生的车路协同封闭场地测试系统；针对车路协同物理设备优化布设和通信可靠性测试，构建了基于真实高速公路的ICVIS-H测试平台。

基于以上多层域的测试平台，项目组完成了12种测绘系统测试案例和的搭建和测试，目前该研究工作已经完成，且已陆续发表了9篇论文，有的工作仍在陆续的发表，项目一共申请的10项标准也基本都在公路学会上得到立项。

三、下一步研究计划：

研究一：基于纯软件仿真的高速公路车路协同系统设计方案评估方法

基于交通仿真软件和网络仿真软件，针对高速公路车路协同典型应用场景进行具体仿真开发，并依据仿真后的交通运行数据对综合测试评价指标进行计算，以此分析车路协同系统对不同场景中交通效率的影响程度。

研究二：基于驾驶模拟器的高速公路车路协同场景多维度主观评价

面向驾驶人的主观感受，通过体验驾驶模拟器中搭建的典型应用场景，再以问卷调查的形式， 对高速公路车路协同系统典型应用场景的接受度、易用性、支付意愿进行主观评价。

研究三：基于封闭测试道路的高速公路车路协同典型场景功能与性能测试

通过在封闭测试场地进行实车实景的高速公路车路协同场景功能体验，同时采集驾驶员操纵行为数据作为客观量化指标计算的支撑，并以体验前后的调查问卷统计和分析为主观评价手段，面向驾驶人的主观行为意向和决策，对高速公路车路协同典型应用场景功能与性能进行综合测试。

研究四：基于实测数据的高速公路车路协同系统运行效能量化评估

ETC门架收费系统作为路侧感知设施，可获取交通流量、拥堵、事故等交通事件信息；利用高精度车辆轨迹数据中的实时车辆位置、速度等信息以及车辆连续的空间信息，可估计路段平均速度、行程时间或者匝道口的排队长度、延误等交通信息，从而判断交通运行状况。可基于这两种数据对高速公路车路协同系统下的交通运行效能进行评估。

一、课题内容：

主要是研发多源感知融合的全息感知与可信交互的路侧设备，并且研究基于“端-边-云” 紧耦合的感知、计算、通信一体化架构，解决车路协同分级预警报警、风险评估与源头追溯的车载的预报警装备。课题由中汽研汽车检验中心（广州）有限公司承担。

在研究过程中，该课题遇到了难点：难点首先为感知，目前主要以单车智能为主，缺乏智能的协同式的装备，且传统重点营运车辆一般未配备信息的感知设备。其次是通讯的之前的通讯通信的手段难以做到稳定高效的传输。最后是集成现在的设备集成度低，不适应自动驾驶，信标数据、摄像机、数据、雷达数据等多源易购信息融合难度大。为了解决这些难点，项目组创新点有三，一是车端多源的信息感知，二是车路端多源的信息融合，三是车车通信、车路通信。分别对应了刚才所说的三个难点。

二、研究成果：

成果一：智能路侧设备一体化集成应用

已完成了多设备融合的泛在感知智慧公路系统并可传输视频检测。边端设备采集到原始数据信息后发送至边缘计算设备。边缘计算设备对原始信息作本地数据分析及计算数据计算处理完毕后，将检测到的车流信息和异常事件传输至路侧单元 RSU可以将数据传输至道路上的情报板和车载 OBU实，现路况信息向行驶车辆的发布。另外，后端云平台将分析出的交通流信息和异常事件等通过RSU进行转发。

成果二：基于多信标泛在感知的智慧感知系统

通过在部署低成本高效益的集成地磁检测、震动检测及通信功能的智慧信标对行驶车辆及道路本身状态进行数据采集，将数据汇总至工控机，可以得到路上行驶车辆的车流、车速、车辆轨迹信息以及道路损伤状况，从而为智能交通系统高效管理与智能养护提供交通与环境态势的精准识别和态势预测。本系统的难点在于多信标的数据关联，采用的解决方法为：基于卡尔曼滤波与联合概率数据关联的车辆轨迹跟踪算法。

成果三：重点营运车感知与预-报警装备研发

车路协同的智能化一体装备的车载部分，为车辆提供定位，测速车道识别线，信息传输支持多种报警方式。其中创新点是限速的自动调节及RSU信息对车辆的分类发送。

限速自动调节就是动态的车速预警；通过车辆的天线测速以及路测的云端决策，对速度的报警阀值实现动态调节。

成果四：重点营运车感知与预报警装备软件平台研发

创新点是可通过软件平台，实现对车载OBU的多重控制开发。

成果五：“端-边-云”多层次紧耦合的感知计算通信一体化集成方法

工控机对摄像机采集到的车辆信息与单个信标检测到的车辆信息进行特征集成，后续进行基于卡尔曼滤波与联合概率数据关联的车辆轨迹追踪算法进行多信标间的信息集成，将摄像机识别的信息集成到后续信标检测到的每一辆车上。针对于只有雷达与摄像机的场景，工控机将摄像机和雷达的信息使用基于时间高斯分布的最佳决策关联的集成方法，将两者的信息集成、计算后，将信息发送至RSU。整合不同驾驶应用场景中多样化、多尺度的信息感知与通信需求，设计基于多源异构车载感知装备及路侧感知 设备协作的全息交通信息感知方案。利用多种通信模式，设计基于“端- 边-云”协同的异构网络信息传输方案，建立新型边缘计算耦合车载感知通信的感知计算通信一体化架构。

成果六：路侧智能感知与通信设备优化布设

对路侧设备进行层次化建模，根据其距离分布、覆盖概率、区域频谱效率及能量收集效果，在考虑布设效用与路段特征的条件下同时结合毫米波通信和不同服务发射机选择方案，完成智能路侧一体化设备的在有限区域网络优化布设与协作。

成果七：面向GPS和摄像头的车辆匹配方法

提出一种面向车路协同领域的车辆匹配方法，针对GPS和摄像头数据进行感知融合。基于V2X 车辆位置信息、摄像头安装位置以及各项标定参数，计算车辆与摄像头之间的距离和水平方向偏离角度；统一坐标系，并采用置信概率的方式进行车辆匹配。

成果八：弯道碰撞预警研究

提出一种融合车辆历史路径数据和行驶状态的弯道车辆目标分类及碰撞预警方法，基于方向盘转角历史路径数据，识别车辆在弯道中的变道行为，采用分段距离叠加来逼近真实弯道碰撞距离，实现碰撞预警系统在变曲率弯道场景中的应用。

三、下一步研究计划：

1、双车道车流检测干扰问题。双车道中，部署在路侧的传感器会检测到非临近车道的车辆经过，从而造成双车道车流检测误差。因此，下一步计划针对这种误差进行精准判别。

2、智慧信标与激光雷达的融合。下一步计划验证激光雷达对车辆的定位精度，并在实际交通环境中设计智慧信标、摄像机和激光雷达的数据融合方案，实现车辆的高精定位及实时追踪。

3、多车协作场景。研究协作式匝道汇入、协作式超车等典型应用场景，基于车辆之间的信息交互，以及感知数据共享，通过多车协作、车路协同，来安全高效地完成超车、匝道汇入等行为。

4、异常行为检测与分析。研究全周期的异常行为检测、分析服务，通过RSU以及浮动车(OBU)采集数据，在云端分析异常行为，包括语义异常、一致性异常、身份安全异常等内容，进行分析决策。

5、大型MIMO系统的BPA-HBF方案（用于多天线阵列的5G优化方案）。计划通过考虑位置精度和通信质量之间的相互作用来扩展我们的工作，以进一步提高BPA-HBF方案的性能。

6、V2X下的边缘计算预约方案。通过提出新的请求中继和信誉管理机制，排除传统中继服务中的交通状况和车辆行为两项不稳定因素，改进可信交互、提高交互效率、降低服务成本。

7、促进协作和分布式V2V驾驶的博弈论方法。将研究数字孪生技术和智能交通管理方法，以进一步提高本方案的性能。

一、课题内容：

主要是基于开放式的实时协同 “端-边-云”一体化云平台搭建、云端海量复杂信息融合与运行特征精准识别、混合交通流车道级协同管控及运管和服务体系创新，为课题2的车载与路侧装备设备提供数据服务，为课题4的货车编队提供车道级管控服务，为课题5的项目示范提供支撑。该课题由东南大学承担。

具体研究内容：

1、基于“端-边-云”一体化云平台搭建。

2、新型混合交通环境下云平台信息融合及运行状态精准识别理论与方法。

3、车路协同高速公路新型混合交通流智能管控策略与评估。

4、面向车路协同的智慧高速协同运管机制和全面服务体系。

二、研究成果：

阶段性成果一 ：ICVIS-H云平台初步搭建，在实验室测试环境下集群模拟器实现接入并发虚拟请求共计 37.5 万/秒集群模拟器累计吞吐量实现 7 MB/秒；集群模拟器并发接入时系统响应平均延时约 160 毫秒。

阶段性成果二：ICVIS-H新型混合车流信息融合与精准识别经仿真环境理论测试，融合算法对混合车流状态识别准确率已超过 90%。

阶段性成果三：匝道控制实景测试与应用面向当前车流环境，部分研究成果已在江苏沪宁高速公路无锡段开展实景测试与应用。实现了互通型多车道匝道的车道级限流控制。管控期间，路段峰值通行流量较往年同时段提升约20%，未发生交通事故，优化了通行效率与通行安全。

阶段性成果四：建立健全交通风险识别服务、应急救援服务、指挥调度服务、个性化信息推送服务等四大服务。

一、课题内容：

研发自动驾驶专用道系统以及自动驾驶专用道的货车队列的运行管控优化策略。课题四由北京主线科技有限公司承担。

二、研究成果：

成果一：复杂环境自动驾驶队列协同控制理论，构建了高密度通讯、感知-控制误差、混合交通流、匝道汇流和多场景换道等环境下的自动驾驶队列协同控制方法与理论。

成果二：支撑货车队列的自动驾驶专用道设计方法，由清华大学主持设计，形成了自动驾驶专用道技术方案。

成果三 ：自动驾驶货车队列控制仿真及实车运行平台 ，进行了控制算法的调试优化和实车运行测试。

三、下一步研究计划： 

进展一：动态信息拓扑下的自动驾驶货车队列控制方法（纵向队列控制）。提出了基于柔性切换控制和主动拓扑结构优化的协同自适应巡航队列控制系统 ；双层优化模型和卡尔曼滤波器，上层优化信息拓扑结构，下层优化调整控制器内部参数；下层控制器中植入卡尔曼滤波器，中继丢失参数提供，从而保证稳定性和鲁棒性。

进展二：不确定感知信息下的自动驾驶货车队列控制方法（纵向队列控制）。提出了一种面向感知与控制效能不确定环境的CACC控制策略；基于动态规划推导闭式解求解方法。

进展三：基于机器学习的人类驾驶轨迹预测方法（混合流队列+协同换道）。用LSTM模型，以预测多个时间步的目标HDV 轨迹；使用注意力机制进一步增强LSTM，改善深度学习模型性能 ；为混合队列控制及协同换道提供准确的周边交通状态信息。

进展四：专用车道合流区的多货车队列协同换道技术方案(协同换道逻辑）。对由于车道不同交通流组成所导致的换道场景进行整理归类 ；分析场景中车辆换道及整个车辆队列的协同特点；对不同场景提出了统一有效的控制架构，包含通信层、决策层以及控制层。

进展五：基于交通流通行效率与安全性的多车协同换道机制（协同换道方法）。将换道过程划分为两个阶段，在两个阶段有不同的预期目标状态 ；有效支撑后续的货车队列多场景协同换道中的控制系统与技术的开发 ；进一步保证自动驾驶专用道通行效率及稳定性。

进展六：自动驾驶专用道建设需求分析（建设原则）。在深入分析自动驾驶单车智能存在的技术缺陷基础上，提出了路侧感知系统支持自动驾驶的基本原则，基于该原则，整理了自动驾驶专用道路侧系统的功能、信息集。

进展七：自动驾驶专用道设备布设方案研究（建设方法）。对比分析了市面的定位设备、 通信设备、交通感知设备、路侧计算设备的类型和关键参数，并根据相关设备的特点，设计了不同的设备布设方式。

进展八：货车队列运行的云控平台构建与信息交互分析（云控与信息交互）。以场景为视角，划分货车队列自动驾驶支持、安全行驶、其他 CAV安全行驶等，并以此分析各个场景下的货车队列运行的信息流模型和信息集。

进展九：设计开发了自动驾驶卡车队列仿真系统。初步完成了队列形式协同控制模型，能够支持5辆货车编队行驶，实现跟随启动、稳定编队行驶功能。

进展十：形成了自动驾驶货车队列实车运行测试平台。

一、课题内容：

即在课题一、二、三、四的基础上进行集成示范和标准规范的制定。整个项目将在全国9条示范道路上进行推广应用，示范总里程为762公里，京雄高速将成为国内的第一条自动驾驶专用道，这也是此项目中的一个亮点。课题五由中咨集团承担。

具体包括四个专题：

一是高速公路智能车路协同系统集成方法，主要是研究高速公路智能车路协同系统的一个应用场景的构建技术。

二是面向本地需求的智能路测设备的一个选配与参数优化，主要是研究智能路测设备的软硬件的选型和配置方案。

三是高速公路智能车路协同系统的“建管养运”一体化应用示范。

四是整个高速公路智能车路协同系统的标准规范的制定。

二、研究成果：

成果一：智能车路协同系统应用场景库构建 。结合了整个项目组的研究成果，根据智慧高速公路的车和路之间信息的耦合程度，将车路协同的应用场景分为 L1到L5之间5个不同的级别。

成果二：智能车路协同系统功能清单生成。用在对用户需求分析的基础上，结合“端-边-云”一体化架构，将ICVIS-H从中心云平台、边缘节点、典型场景等几个方面进行了详细功能分析与描述，为示范应用提供支持。

成果三：智能路侧设备选配与试制。完成了一体化智能路侧设备的试制，研发基于V2X的智能路侧单元系统，集成多源传感器组合感知技术、传感器融合算法和V2X技术，以确定不同应用需求情况下的智能路侧设备功能与布设位置需求，为指导智能路侧设备的选配提供理论依据。

成果四：车路协同标准规范。

标准包括：

• 系统建设标准——重点规定高速公路车路协同系统架构、功能要求，并针对感知、通信、边缘计算、云平台、发布、定位、地图等车路协同各环节提出基本建设要求。

• 平台建设标准——主要规定高速公路车路协同系统软件平台的架构，并对中心云平台、边缘节点软件和高精地图云平台的具体功能提出要求。

• 路侧机电设备通用技术标准——主要规定高速公路车路协同系统相关路侧机电设备的功能性能要求，并针对典型场景规定布设原则。