本文以交叉口盲区预警应用场景为例，分析到底需要什么样的车路协同方案，技术路线该怎么走。

编者按：各地车路协同试点项目越来越多，建设节奏逐步加快，各种新概念、新名词、新模式、新功能不断涌现，从各方面反馈的信息来看，并未达到预期效果，究其原因，是难以推广复制并大规模应用。

我们也需要不断总结，对各种场景、应用、功能去伪存真，找到真正的核心突破点，可能会更快的促进车路协同的建设落地，推动产业的快速发展。本文以交叉口盲区预警应用场景为例，分析到底需要什么样的车路协同方案，技术路线该怎么走。

一、交叉口盲区预警应用现状

分析有交叉口盲区预警的试点项目，多是装有OBU的车辆行驶到交叉口，既定方向RSU设备通过短程通信将特定的视频（规划好的建设点位）推送给特定车辆（规划好的行驶路线）显示屏显示，提醒司机注意驾驶安全，初一看，标配了RSU、OBU等设备，能够将路侧视频推送给车辆，能够实现C-V2X、DSRC短程通信，可以支持5G，再采集示范路的高精度地图，各种概念齐备，紧跟技术前沿，演示效果也具备。

但细一分析，都是特定的视频，特定的车辆，特定的方向，特定的场景，并未解决道路交通真实运行环境中的随机性问题，而且路侧的视频投射到司机的显示屏上，由于路侧设备视场范围与司机观察的车身周围的视场范围完全不同，司机很难看懂，对司机甚至是一种干扰，不具备推广普及的条件。

如何发现交叉口的碰撞风险，如何将碰撞风险通过短程通讯精准、实时推送给需要的车辆，对司机进行预警是交叉口盲区预警的核心诉求。

二、交叉口盲区预警的车路协同数据推送

路口是交通关键要素，视频有交警建的违章抓拍、道路监控，也有公安建的治安监控，大的路口视频超过10路很正常，若几十上百辆，甚至所有车辆都安装OBU，那么，对每一辆车而言，需要接收哪些路侧设备推送的哪些数据，推送的逻辑又是什么是难点。

如下图所示，红色机动车1即将右转，非机动车快速逆行，而机动车由于交叉口盲区因素无法看到交叉方向的非机动车，极易发生交通事故。

现有的交叉口盲区预警无法实战应用的根本原因是车辆与路侧设备感知的目标缺少数据交互的桥梁，这个桥梁就是统一的物理高精度时空。

如何实现呢？

路侧设备感知目标获取目标世界坐标系下的经纬度、运动速度、方向、加速度等信息，通过短程通信广播给周围所有车辆。

装有OBU的车辆接收路侧设备推送的感知数据，车辆结合自身的经纬度、车辆运动速度、方向、离交叉口距离等数据，过滤与本车不存在碰撞风险的目标，有碰撞风险的目标，通过语音实时提醒司机注意驾驶安全，并将有碰撞风险的目标关联内容投送到车载显示屏上。

路侧感知设备检测的目标经纬度精度、车辆定位精度、车辆融合感知算法发现碰撞风险是核心技术诉求。

三、路侧设备获取感知目标的经纬度

路侧设备获取感知目标在世界坐标系下的经纬度是车路协同的基础，也是核心难点。雷达由于获取目标的速度、距离相对要简单很多，在转化感知目标经纬度时通过引入速度、距离辅助数据，可以有效提升转化精度。

视频属于非结构化的二维数据，而真实的场景是三维空间，同时，视频相比雷达，感知目标到输出目标结果延时要远大于雷达，因此转化感知目标的经纬度也要难很多。

在《各地建设需求强烈，车路协同该回归基础了》中分析过车路协同的各种传感器优劣势，视频由于具备对目标分类的特点，在车路协同目标感知中价值凸显。这里对视频如何获取可视范围内目标经纬度进行分析。

通常的方案，采用专业的高精度双频RTK定位设备，获取摄像机自身的经纬度、高度，标定摄像机内外参。同时，采集对应的道路的高精度地图，在可视域内，人工选择特定的参照点，获取参照点的经纬度，并建立参照点的对应关系。

摄像机开启工作时，摄像机通过AI识别到目标时，将目标边缘点通过已经建立的参照点模型进行匹配，获取目标边缘点的经纬度，进而获取目标整体的经纬度。

该方案存在着以下突出的问题：

1、需要提前采集高精度地图，成本较高；2、需要提前做大量的专业化标定工作，工程化难度高，效率低；3、单一的常规视频无法实现全天候检测；4、摄像机内外参获取困难。以上种种，决定了该方案并不具备大面积推广的条件。

解决办法是在传感器的选型上推荐使用视频+雷达的融合方案，在设备中内置高精度定位芯片及陀螺仪，高精度定位芯片自动初始化摄像机的经纬度、高程等数据，精度必须达到厘米级，因为摄像机自身的参数误差大，考虑到检测目标与摄像机的距离，以及视频非线性等特征，最终转化检测目标的经纬度时误差会成倍数的放大。

陀螺仪获取传感器的方位角等数据，基于传感器自身的高度、俯仰角等数据，通过图像坐标系与世界坐标系的转换，获取视场范围内检测目标在世界坐标系下的经纬度。

四、车辆精准定位

车联网应用场景大多涉及到交通效率和交通安全，定位精度是至关重要的核心指标。盲区预警在获取碰撞风险时，关键数据就是车辆自身的经纬度，因此，车辆的定位精度对感知融合算法有着直接的影响。

传统的基于北斗/GPS/GLONASS的导航定位通过设备与卫星通信，距离远，而且需要穿透大气电离层，偏差较大，一般在10米以上，远远达不到车路协同应用场景要求，现有的方案多采用实时动态差分技术（RTK），在空旷无遮挡的理想环境下，定位精度可以达到厘米级。

RTK又分为单频和双频，双频RTK通过地面基准站的差分消除电离层误差，信号稳定性及精度要远高于单频RTK，但双频RTK价格要高于单频RTK。单频RTK对路侧固定点设备而言，经过一段时间的数据积累，理想环境下可以将定位精度回归到厘米级范围内。

但车辆的运行环境属于快速运动场景，单频RTK的定位精度与普通的导航定位精度差不多，因此，针对车辆的应用场景，需要双频RTK的方案。

城市环境密集的高楼、隧道、高架、停车场等场景，双频RTK也会存在信号丢失或者不稳定的情况，因此，为了提高定位的鲁棒性，需要引入惯性导航，通过惯性导航与RTK定位的融合算法保障车辆长时间各种不同场景定位的稳定性。

双频RTK高精度定位，在隧道、高架、停车场等场景，即使融合了惯导，由于惯导累积误差的存在，对定位精度也会产生较大的影响。

近年基于SLAM的定位技术研究的越来越多，并在室内扫地机器人，物流机器人、工业机器人等领域应用广泛。道路场景也可以基于SLAM定位解决，但前提是需要采集高精度地图。

由于道路里程长，依靠融合视觉、激光雷达、惯导等采集并生成的高精度地图存在成本高、更新困难等问题，限制了SLAM定位的应用普及。

未来随着5G及物联网设备的应用普及，在固定点物联网设备如路侧监控摄像头中加载单频高精度定位芯片，将该摄像头作为定位的观测站，经过该摄像头附近的车辆通过与摄像头的定位服务通信，即可实现更高精度、更低时延的定位精度，而且建设成本大大降低，万物互联将使车联网的车辆定位步入新时代。

五、交叉口盲区碰撞风险预警

车载设备通过OBU接收路侧设备感知的目标经纬度、速度、方向、加速度等数据后，根据目标距离路口的距离，计算目标到达交叉口的时间t1。

车辆上的RTK高精度定位模块获取车辆的经纬度，结合车辆的状态数据速度、加速度等，计算车辆的运动方向，车辆到达交叉口的时间t2。当时间t1与t2的差值小于阈值区间时，触发车辆进行报警提示。

交叉口红绿灯持续时间，交叉口碰撞区域范围，红绿灯周期，感知目标及车辆的运动状态不确定性对时间计算均产生较大影响，为了提升准确性，路侧感知设备、车载感知设备均以最小的时间间隔上传原始数据，路侧感知设备在检测目标的同时，车载终端根据感知设备上传的数据，对目标运动趋势进行预测，实时动态调整到达交叉口的时间t1。

考虑到道路交通的复杂性，非机动车、行人逆行及不按交通信号状态通行时有发生，若计算时间差将信号灯相位持续时间纳入计算因子，误差将会增大很多。

从源头上分析，交叉口盲区因素引起的碰撞是车辆看不到交叉方向的运动目标，未及时对车辆采取对应的控制措施而造成的交通事故。

虽然交叉口很多事故是不遵守交通信号灯状态通行引起，但信号灯状态对计算碰撞风险并无特别大的关联，因为无论车辆还是路侧感知设备都是实时上传最小间隔的原始数据，相当于对每一个目标都实时进行了跟踪、预测，比传统的机械式纳入信号灯相位时间数据要精确很多，也要方便很多。

获取到碰撞风险后，通过语音、车载显示屏显示预警信息提示司机注意驾驶安全。车辆的融合感知结果与车辆控制系统结合，辅助车辆控制决策是后续的重要方向，也是盲区预警场景闭环最难的环节，需要大量的路测验证并持续优化。

六、总结

车路协同是无人驾驶必须要经历的阶段，交叉口盲区预警只是其中的典型场景应用之一，通过该场景，我们只要解决了基础技术部分，跑通技术路线，相当于基础的服务体系框架搭建完成，再衍生到其他应用场景，会方便很多。

无论什么样的应用，都要很好的与当下的环境相契合，基于现有的产品、现有的技术、现有的环境如何设计性价比最优的方案，实现平滑的过渡，才能更好的促进产业的落地，而不是另起炉灶。

在当下各地基于新基建车路协同试点大上特上的背景下，有了车路协同、无人驾驶、智慧的路、聪明的车、车联网信息公路、超级信息走廊等概念的加持，我们更应该思考智慧的路是否每50米都要建大量的感知设备，是否聪明的车都需要双频RTK高精度定位，都需要武装整车的激光雷达等传感器，是否都需要厘米级精度的地图。

基于运营车辆低成本ADAS的高精度地图，基于普通GPS/北斗导航地位与ADAS高精度地图的融合定位，蜂窝通信的融合定位，加载单频RTK定位的固定点物联网设备作为观测站的车辆网高精度定位等等，是否会给我们些新的方向与启示？

*文章未经本站授权，不得转载。