張亞勤 李震宇 尚國(guó)斌 周谷越 高果榮 袁基睿

關(guān)鍵詞：自動(dòng)駕駛（AD）；車(chē)路協(xié)同；預(yù)期功能安全；車(chē)路云一體化自動(dòng)駕駛（VICAD）；可運(yùn)行設(shè)計(jì)域（ODD）

單車(chē)智能自動(dòng)駕駛規(guī)模商業(yè)化落地仍然面臨著諸多挑戰(zhàn)，其中，駕駛安全隱患與有限的運(yùn)行設(shè)計(jì)域（operationaldesigndomain，ODD）是延阻自動(dòng)駕駛落地的兩大重要瓶頸問(wèn)題。

首先，安全性是自動(dòng)駕駛的技術(shù)首要考量。對(duì)于低等級(jí)自動(dòng)駕駛車(chē)輛，它們的輔助駕駛系統(tǒng)功能在特定情境下（例如夜間兒童穿梭、雨天打傘騎行等特殊目標(biāo)場(chǎng)景）可能存在應(yīng)對(duì)不足或甚至失效的風(fēng)險(xiǎn)，從而導(dǎo)致安全事故頻發(fā)。對(duì)于高等級(jí)自動(dòng)駕駛而言，要達(dá)到99.9999%及以上的場(chǎng)景通過(guò)成功率，才能保證上路的安全[1-2]。然而，單車(chē)智能的系統(tǒng)可靠性以及應(yīng)對(duì)復(fù)雜交通場(chǎng)景的能力也尚待持續(xù)提升：由于感知對(duì)環(huán)境變化魯棒性不足、運(yùn)動(dòng)目標(biāo)行為預(yù)測(cè)能力有限、決策超時(shí)以及可能存在軟硬件系統(tǒng)錯(cuò)誤等問(wèn)題，造成車(chē)輛面臨大量的安全問(wèn)題。通過(guò)研究國(guó)內(nèi)外多起自動(dòng)駕駛安全事故案例可以發(fā)現(xiàn)，車(chē)端在應(yīng)對(duì)挑戰(zhàn)性場(chǎng)景時(shí)因缺乏全局信息所導(dǎo)致的能力不足是引發(fā)安全事故的主要原因之一。

其次，感知長(zhǎng)尾、混行博弈、極端場(chǎng)景等復(fù)雜道路場(chǎng)景相關(guān)問(wèn)題，嚴(yán)重限制了自動(dòng)駕駛車(chē)輛的ODD。在感知定位方面，由于車(chē)端傳感器的安裝位置、探測(cè)距離、視場(chǎng)角、數(shù)據(jù)吞吐、標(biāo)定精度、時(shí)間同步等因素的限制，車(chē)輛在繁忙路口、惡劣天氣、小物體感知識(shí)別、信號(hào)燈識(shí)別、逆光等環(huán)境條件中行駛時(shí)，可能存在感知、定位精度不足的問(wèn)題；在決策控制方面，自動(dòng)駕駛系統(tǒng)需要處理復(fù)雜的交通場(chǎng)景，如城市的交叉路口、人行道和車(chē)輛混雜的情況，這些場(chǎng)景要求車(chē)輛在較短時(shí)間內(nèi)完成決策，這對(duì)于車(chē)載傳感器與計(jì)算能力均受限的單車(chē)智能自動(dòng)駕駛系統(tǒng)無(wú)疑會(huì)造成極大挑戰(zhàn)。特別是在需要對(duì)多個(gè)目標(biāo)進(jìn)行預(yù)測(cè)和規(guī)劃的復(fù)雜交通博弈場(chǎng)景下，單車(chē)智能自動(dòng)駕駛系統(tǒng)更是難以從交通場(chǎng)景的全局視角保證安全性和高效性。而在這些情況下，路端和云端可以發(fā)揮其高算力、高穩(wěn)定性、高全局性等優(yōu)勢(shì)，為車(chē)端提供全面且高性能的交通環(huán)境數(shù)據(jù)，并通過(guò)路端、云端的感知、決策、控制來(lái)增強(qiáng)車(chē)端能力。因此，需要面向自動(dòng)駕駛應(yīng)用，在車(chē)端、路端和云端之間建立一體化協(xié)同機(jī)制，融合多源多維信息來(lái)進(jìn)行協(xié)同感知、協(xié)同決策和協(xié)同控制，減少因車(chē)端能力不足帶來(lái)的ODD限制，提升駕駛安全[1-6]。

本文提出了面向自動(dòng)駕駛的車(chē)路云一體化（Vehicle-Infrastructure-CloudAutonomousDriving，VICAD）系統(tǒng)框架，將不同的車(chē)路云一體化協(xié)同部署方式與自動(dòng)駕駛算法進(jìn)行統(tǒng)一建模，在此基礎(chǔ)上開(kāi)展了模擬仿真，并進(jìn)一步借助自動(dòng)駕駛一體化評(píng)價(jià)模型（UnifiedModelofAutonomousDrivingEvaluation，UMADE）的反饋結(jié)果，可對(duì)車(chē)路云一體化協(xié)同部署方式與自動(dòng)駕駛算法進(jìn)行持續(xù)優(yōu)化和迭代。通過(guò)UMADE中的理論收益模型，對(duì)比協(xié)同感知、協(xié)同決策及協(xié)同控制在典型駕駛安全場(chǎng)景中的系統(tǒng)表現(xiàn)，驗(yàn)證了VICAD在駕駛安全、ODD擴(kuò)展等方面的收益。此外，結(jié)合實(shí)際場(chǎng)景案例，還進(jìn)一步論證了VICAD能夠幫助解決混行狀態(tài)下自動(dòng)駕駛與非自動(dòng)駕駛的沖突博弈，進(jìn)而優(yōu)化交通環(huán)境秩序，有助于實(shí)現(xiàn)自動(dòng)駕駛車(chē)輛的無(wú)人化安全運(yùn)營(yíng)。

本文首先概述了目前行業(yè)在車(chē)路云一體化自動(dòng)駕駛方面的研究現(xiàn)狀；提出并闡述了面向自動(dòng)駕駛的車(chē)路云一體化（VICAD）系統(tǒng)框架，以及其在一體化協(xié)同感知、協(xié)同決策、協(xié)同控制方面的具體實(shí)現(xiàn)。然后介紹了一體化協(xié)同安全框架，論述了VICAD如何提升自動(dòng)駕駛安全，并討論了VICAD在擴(kuò)展自動(dòng)駕駛ODD中的意義；接著結(jié)合場(chǎng)景案例闡述了一體化協(xié)同感知、協(xié)同決策、協(xié)同控制對(duì)自動(dòng)駕駛規(guī)模落地的積極影響；介紹國(guó)內(nèi)外車(chē)路云一體化協(xié)同自動(dòng)駕駛的產(chǎn)業(yè)實(shí)踐。最后總結(jié)全文，并給出了關(guān)于車(chē)路云一體化協(xié)同自動(dòng)駕駛的發(fā)展建議。

1車(chē)路云一體化自動(dòng)駕駛技術(shù)現(xiàn)狀

車(chē)路云一體化自動(dòng)駕駛系統(tǒng)借助于車(chē)輛與道路基礎(chǔ)設(shè)施之間的信息交互和協(xié)作，旨在實(shí)現(xiàn)更高效、安全和智能的自動(dòng)駕駛。其成功部署既取決于車(chē)載設(shè)備、路側(cè)設(shè)施、云端能力、通信能力[7-8]，也取決基于車(chē)、路、云的協(xié)同感知、協(xié)同控制與協(xié)同決策方法。

具體而言，單車(chē)智能技術(shù)依賴于車(chē)載傳感器對(duì)周?chē)h(huán)境的感知，以及通過(guò)車(chē)輛控制系統(tǒng)實(shí)現(xiàn)的交通行為。盡管單車(chē)智能技術(shù)經(jīng)過(guò)數(shù)十年的發(fā)展，但由于車(chē)載傳感器安裝位置、探測(cè)距離、視場(chǎng)角度、數(shù)據(jù)吞吐量、標(biāo)定精度、時(shí)間同步等限制，使得在諸如繁忙路口、惡劣天氣、小物體感知識(shí)別、信號(hào)燈識(shí)別、逆光等環(huán)境條件下行駛時(shí)，仍然存在難以完全解決的準(zhǔn)確感知識(shí)別和高精度定位問(wèn)題[1]。這些尚未解決的技術(shù)瓶頸問(wèn)題為高級(jí)別自動(dòng)駕駛系統(tǒng)的規(guī)?；虡I(yè)應(yīng)用帶來(lái)了研發(fā)周期長(zhǎng)、實(shí)現(xiàn)成本高、商業(yè)落地慢等一系列挑戰(zhàn)。

車(chē)路云一體化協(xié)同技術(shù)利用道路和云端信息，可以為有限的單車(chē)感知提供更廣闊的視野，有效補(bǔ)充單車(chē)智能的信息盲點(diǎn)，并利用協(xié)同決策與控制技術(shù)，優(yōu)化車(chē)輛的行駛行為，從而提高車(chē)輛的智能化水平和行駛安全性。在技術(shù)層面，協(xié)同感知是通過(guò)對(duì)多源傳感器數(shù)據(jù)的融合[9-11]，精確獲取實(shí)時(shí)交通狀況，為決策和控制提供數(shù)據(jù)輸入；協(xié)同決策是通過(guò)處理和分析感知數(shù)據(jù)，實(shí)現(xiàn)對(duì)交通流量和行駛路線的優(yōu)化[12]；協(xié)同控制則是通過(guò)分配和優(yōu)化決策控制指令的制定和執(zhí)行，實(shí)現(xiàn)更精準(zhǔn)、高效的交通控制[13]。在自動(dòng)駕駛技術(shù)的迭代過(guò)程中，除了感知、決策、控制算法，還需要建立一體化評(píng)價(jià)模型，選取典型的測(cè)試場(chǎng)景對(duì)自動(dòng)駕駛系統(tǒng)的性能進(jìn)行多維度的量化評(píng)價(jià)，從而提高自動(dòng)駕駛能力。

1.1協(xié)同感知

鑒于交通場(chǎng)景的復(fù)雜性和多元性，自動(dòng)駕駛車(chē)輛僅憑借自身感知能力，往往難以達(dá)到全面準(zhǔn)確的感知?，F(xiàn)行的協(xié)同感知技術(shù)透過(guò)車(chē)輛與道路基礎(chǔ)設(shè)施間的信息共享與融合，能提供更精準(zhǔn)、全面的交通信息，從而增強(qiáng)系統(tǒng)對(duì)環(huán)境的感知能力，進(jìn)一步提升自動(dòng)行駛的安全性和效率。

協(xié)同感知通常涉及多類型傳感器和不同模態(tài)的數(shù)據(jù)類型。多源感知數(shù)據(jù)的融合能幫助車(chē)路協(xié)同系統(tǒng)獲取更準(zhǔn)確、全面的交通信息，為協(xié)同決策與控制的實(shí)施提供支撐。例如，結(jié)合車(chē)輛的速度、位置等信息以及交通攝像頭的圖像信息進(jìn)行特征級(jí)融合，可以有效地實(shí)現(xiàn)交通擁堵預(yù)測(cè)。

通用的多模態(tài)數(shù)據(jù)融合方法可以劃分為3種類型：低級(jí)融合、高級(jí)融合和混合融合[14]。低級(jí)融合（又稱前期融合[15]）是將來(lái)自不同傳感器的原始數(shù)據(jù)進(jìn)行簡(jiǎn)單的合并和處理，以獲得更全面、準(zhǔn)確的感知信息。它直接整合了不同傳感器的信息，因此可以提供更為全面真實(shí)的數(shù)據(jù)。高級(jí)融合（或稱后期融合）首先對(duì)各傳感器的數(shù)據(jù)進(jìn)行分析處理以提取特征信息，再將這些特征信息融合。這種融合方式對(duì)傳感器故障具有更好的魯棒性，但可能存在信息缺失的問(wèn)題[14]?；旌先诤蟿t是對(duì)前兩者的結(jié)合，通過(guò)分散處理以優(yōu)先考慮高可靠度的傳感器，并減少不太可靠的傳感器對(duì)信息融合的影響。在混合融合的過(guò)程中，可靠度高的傳感器數(shù)據(jù)可通過(guò)前期融合進(jìn)行處理，而可靠度較低的傳感器數(shù)據(jù)則通過(guò)后期融合進(jìn)行處理[15]。

在實(shí)際應(yīng)用中，可以通過(guò)權(quán)重賦值、動(dòng)態(tài)切換等數(shù)據(jù)融合策略來(lái)提高協(xié)同感知的準(zhǔn)確性。例如，將更高的權(quán)重賦予高度可靠的傳感器數(shù)據(jù)，給不太可靠的傳感器數(shù)據(jù)賦予較低的權(quán)重，或者根據(jù)當(dāng)前環(huán)境的變化自動(dòng)調(diào)整傳感器的權(quán)重。例如，E.Arnold等[16]針對(duì)T型路口和環(huán)形交叉路口下車(chē)端與路端基礎(chǔ)設(shè)施協(xié)同進(jìn)行三維目標(biāo)感知時(shí)，提出了早期融合和后期融合的方案。其研究結(jié)果顯示，早期融合方法的性能明顯優(yōu)于后期融合方法，代價(jià)是更高的通信帶寬。YUANYunshuang等[17]提出了一種高效的基于關(guān)鍵點(diǎn)的深度特征融合框架，以及一種具有最大一致性的有效定位誤差修正模塊以增強(qiáng)數(shù)據(jù)融合的魯棒性。此外，QIUHang等[18]提出了名為AUTOCAST的協(xié)作感知框架，能夠根據(jù)交通參與者之間的位置關(guān)系和軌跡時(shí)間演變調(diào)整信息共享策略，從而降低協(xié)同感知的誤差。

這類方法只關(guān)注數(shù)據(jù)到達(dá)協(xié)同感知模塊之后的融合精度，存在以下問(wèn)題：數(shù)據(jù)來(lái)源有限，僅考慮了有限的數(shù)據(jù)源，未實(shí)現(xiàn)車(chē)端、路端、云端多源數(shù)據(jù)的全面融合；數(shù)據(jù)模態(tài)有限，僅處理了部分?jǐn)?shù)據(jù)模式，交通流信息、感知數(shù)據(jù)的多模態(tài)融合未得到充分考慮，缺乏對(duì)不同類型信息的綜合利用。因此，當(dāng)前方法并未達(dá)到令人滿意的感知精度，需要引入多源信息并形成統(tǒng)一的框架進(jìn)行全面協(xié)同，以解決數(shù)據(jù)來(lái)源及模態(tài)受限的問(wèn)題。

1.2協(xié)同決策

協(xié)同決策在自動(dòng)駕駛領(lǐng)域是一個(gè)至關(guān)重要的研究領(lǐng)域，通過(guò)對(duì)車(chē)輛周邊環(huán)境與路側(cè)感知信息進(jìn)行處理與分析，為自動(dòng)駕駛車(chē)輛提供合理的行駛決策。常見(jiàn)的協(xié)同決策與控制應(yīng)用場(chǎng)景包括：無(wú)燈控場(chǎng)景下的交叉口通行，匝道協(xié)同匯流和路段編隊(duì)/借道超車(chē)；燈控場(chǎng)景下的匝道和路口協(xié)同通行，以及信號(hào)燈―車(chē)輛協(xié)同控制、快速路―燈控路口一體化協(xié)同控制和多匝道快速路一體化協(xié)同控制等[19]。

協(xié)同決策可以分為分布式?jīng)Q策和集中式?jīng)Q策兩種類型[20]。分布式?jīng)Q策[21-22]將決策權(quán)分散給多個(gè)決策單元，每個(gè)單元根據(jù)本地信息做出自主決策，并通過(guò)協(xié)同與其他單元進(jìn)行信息交流和決策。在協(xié)同決策中，分布式?jīng)Q策實(shí)現(xiàn)車(chē)輛和基礎(chǔ)設(shè)施之間的信息共享和協(xié)同決策以應(yīng)對(duì)復(fù)雜的交通環(huán)境。集中式?jīng)Q策[23-24]將所有的決策權(quán)集中在一個(gè)中心節(jié)點(diǎn)，根據(jù)收集到的所有信息做出全局最優(yōu)的決策。在協(xié)同決策中，集中式?jīng)Q策可以實(shí)現(xiàn)對(duì)整個(gè)交通流的全局調(diào)度和優(yōu)化，但也存在單點(diǎn)故障的風(fēng)險(xiǎn)，需要考慮可靠性和安全性等因素[25]。

一些研究結(jié)合二者優(yōu)勢(shì)，中心系統(tǒng)僅保留車(chē)輛通信次序的決策，而將軌跡規(guī)劃任務(wù)轉(zhuǎn)移至車(chē)輛端。例如XUBiao等[26]將來(lái)自不同交通運(yùn)動(dòng)的接近車(chē)輛投影到虛擬車(chē)道中，并考慮相關(guān)車(chē)輛的沖突關(guān)系引入無(wú)沖突幾何拓?fù)洌瑥亩鴺?gòu)建虛擬隊(duì)列；提出了通信拓?fù)涞慕?lái)描述車(chē)輛之間信息傳輸?shù)膬煞N模式，通過(guò)設(shè)計(jì)一個(gè)分布式控制器來(lái)穩(wěn)定虛擬隊(duì)列，從而實(shí)現(xiàn)在交叉路口進(jìn)行無(wú)沖突合作。SUNZhangbo等[27]研究了混合交通的合作決策（cooperativedecision-makingformixedtraffic，CDMMT）?；陔x散優(yōu)化提出了CDMMT機(jī)制以促進(jìn)匝道合并，并正確捕獲混合交通中的合作和非合作行為。混合交通的合作決策機(jī)制可以描述為一個(gè)雙層優(yōu)化程序，其中狀態(tài)約束最優(yōu)控制的軌跡設(shè)計(jì)問(wèn)題被嵌入到排序問(wèn)題中，該問(wèn)題通過(guò)基于雙層動(dòng)態(tài)規(guī)劃的解決方案方法來(lái)解決，所提出的方法構(gòu)成了混合交通環(huán)境下匝道合流路段交通分析和協(xié)同決策的基礎(chǔ)。

然而，這些方法只對(duì)車(chē)端、路端、云端進(jìn)行獨(dú)立建模，沒(méi)有從架構(gòu)設(shè)計(jì)層面進(jìn)行全局建模，因而無(wú)法形成最優(yōu)決策信息，難以處理復(fù)雜交通場(chǎng)景中的混行博弈等問(wèn)題。因此，未來(lái)的研究需要建立一個(gè)整體化的框架，通過(guò)對(duì)車(chē)端、路端、云端信息進(jìn)行全局建模從而實(shí)現(xiàn)全面協(xié)同。

1.3協(xié)同控制

協(xié)同控制旨在處理車(chē)輛控制和交通環(huán)境的復(fù)雜性，通過(guò)車(chē)輛、駕駛員、道路和云端的協(xié)作，幫助自動(dòng)駕駛車(chē)輛應(yīng)對(duì)復(fù)雜和極端情況，確保安全性。

控制對(duì)象通常包含對(duì)路云端與車(chē)端的控制。在路云端控制方面，交通信號(hào)調(diào)控是協(xié)同控制中的常見(jiàn)應(yīng)用之一，通過(guò)協(xié)同處理和分析車(chē)輛和道路環(huán)境的數(shù)據(jù)，控制交通信號(hào)燈的時(shí)序和時(shí)長(zhǎng)，實(shí)現(xiàn)道路交通流量的合理調(diào)節(jié)和優(yōu)化。例如，WANGFeiyu等[28-29]提出的無(wú)交通信號(hào)燈的未來(lái)交通設(shè)想是一種基于先進(jìn)交通、物流算法和系統(tǒng)開(kāi)發(fā)的智能交通控制系統(tǒng)，可通過(guò)實(shí)時(shí)感知和收集道路交通狀況，利用相應(yīng)的控制算法和策略制定出相應(yīng)的控制指令，并通過(guò)車(chē)輛與基礎(chǔ)設(shè)施之間的通信，及時(shí)傳達(dá)給車(chē)輛，由車(chē)輛響應(yīng)并執(zhí)行。該系統(tǒng)可以實(shí)現(xiàn)交通信號(hào)燈控制、車(chē)輛速度控制、路面安全控制、路線規(guī)劃和導(dǎo)航控制、車(chē)輛優(yōu)先控制等多個(gè)功能，從而實(shí)現(xiàn)道路交通的高效、安全、平穩(wěn)運(yùn)行。

在車(chē)端控制方面，常見(jiàn)協(xié)同控制應(yīng)用有車(chē)輛路權(quán)分配、車(chē)輛位置和速度控制以及車(chē)輛路徑規(guī)劃和導(dǎo)航控制。系統(tǒng)可以通過(guò)基于歷史車(chē)流信息、車(chē)輛實(shí)時(shí)位置及交通信號(hào)燈實(shí)時(shí)狀態(tài)的設(shè)計(jì)，針對(duì)不同車(chē)輛類型和道路交通情況進(jìn)行優(yōu)化調(diào)整，實(shí)現(xiàn)車(chē)輛路權(quán)控制和交通流量的優(yōu)化調(diào)節(jié)[30]。例如，S.A.M.Kamal等[31]依托基礎(chǔ)設(shè)施在有限時(shí)間窗口內(nèi)對(duì)交叉路口周?chē)欢ǚ秶鷥?nèi)的交通流進(jìn)行調(diào)度，并單獨(dú)向各個(gè)智能車(chē)輛發(fā)送控制命令。此外，Vahidi等[32]針對(duì)全自主駕駛車(chē)輛需要物理交通信號(hào)的問(wèn)題，建立了車(chē)輛在環(huán)（vehicleintheloop，VIL）仿真環(huán)境，并將車(chē)輛交叉路口協(xié)調(diào)問(wèn)題轉(zhuǎn)化為混合整數(shù)線性規(guī)劃（mixedintegerlinearprogram，MILP）問(wèn)題。他們通過(guò)協(xié)作控制方案，使自動(dòng)駕駛車(chē)輛在十字路口可以不間斷地通過(guò)。結(jié)果表明，與固定時(shí)間控制的十字路口相比，采用MILP控制的十字路口的油耗顯著降低。

然而，由于仿真環(huán)境與真實(shí)世界之間存在差異，這些方法并未實(shí)現(xiàn)真正意義上的車(chē)-路-云的全面協(xié)同，未能提升自動(dòng)駕駛車(chē)輛在極端場(chǎng)景中的應(yīng)對(duì)能力，需要統(tǒng)一的架構(gòu)表達(dá)來(lái)支撐物理世界中云端對(duì)車(chē)輛的控制，從而提升極端場(chǎng)景的通行率，擴(kuò)展自動(dòng)駕駛ODD。

1.4系統(tǒng)評(píng)價(jià)

為了量化評(píng)價(jià)不同的自動(dòng)駕駛解決方案在真實(shí)交通場(chǎng)景下的收益，需要構(gòu)建評(píng)價(jià)模型，選取不同的典型測(cè)試場(chǎng)景、不同的交通交互方式以及評(píng)價(jià)指標(biāo)，對(duì)系統(tǒng)表現(xiàn)的量化對(duì)比測(cè)試。自動(dòng)駕駛系統(tǒng)評(píng)價(jià)通常從效率、安全性、舒適度、經(jīng)濟(jì)性與可持續(xù)發(fā)展等多個(gè)維度對(duì)系統(tǒng)做出全面且客觀的評(píng)估，為系統(tǒng)的提升與發(fā)展提供量化標(biāo)準(zhǔn)。

安全評(píng)價(jià)通常從道路安全狀態(tài)、車(chē)輛危險(xiǎn)性與道路事故等3個(gè)方面進(jìn)行評(píng)估。道路安全狀態(tài)評(píng)估在潛在道路危險(xiǎn)發(fā)生前對(duì)道路的安全性能做出衡量，通常包含高峰時(shí)段平均車(chē)速、高峰時(shí)段路口阻塞率[33]、路段車(chē)速差[34]、交通流量突變[35]等指標(biāo)。車(chē)路危險(xiǎn)性評(píng)估包含路口沖突點(diǎn)、碰撞時(shí)間（timetocollision，TTC）指數(shù)[36]與交通違法行為等指標(biāo)，能夠反應(yīng)實(shí)時(shí)的交通安全性能。道路事故評(píng)估包含單次碰撞死亡/重傷概率[37]、交通出行守法率、萬(wàn)車(chē)碰撞概率、萬(wàn)車(chē)死亡概率和特大交通事故起數(shù)等指標(biāo)，在道路危險(xiǎn)發(fā)生后對(duì)安全性進(jìn)行統(tǒng)計(jì)與總結(jié)。

效率評(píng)價(jià)對(duì)協(xié)同系統(tǒng)帶來(lái)的交通效率提升進(jìn)行量化，包含對(duì)交通流量、速度、密度與時(shí)間等基礎(chǔ)指標(biāo)，通過(guò)統(tǒng)計(jì)車(chē)輛在特定觀測(cè)路段給定時(shí)間段內(nèi)的車(chē)流數(shù)據(jù)進(jìn)行分析，計(jì)算協(xié)同系統(tǒng)的效率指標(biāo)以驗(yàn)證系統(tǒng)的有效性。在基礎(chǔ)指標(biāo)的基礎(chǔ)上，效率評(píng)價(jià)模型還包含路網(wǎng)運(yùn)行效率、宏觀基本圖，Greenshield模型等綜合評(píng)價(jià)指標(biāo)。路網(wǎng)運(yùn)行效率通過(guò)計(jì)算加權(quán)行程速度與路網(wǎng)加權(quán)流量的乘積反映交通流的車(chē)輛流量與運(yùn)行速度間關(guān)系；宏觀基本圖通過(guò)擬合宏觀基本圖（macroscopicfundamentaldiagram，MFD）曲線反映交通流的車(chē)輛密度與路段流量間關(guān)系[38-39]；Greenshield模型基于自由流行程速度與路網(wǎng)阻塞密度建模，以此衡量交通流的運(yùn)行速度與車(chē)輛密度間關(guān)系[40]。

總體而言，目前雖然在單車(chē)智能、協(xié)同感知、協(xié)同決策、系統(tǒng)評(píng)價(jià)等方面均有一定的科研基礎(chǔ)，但是由于缺乏統(tǒng)一的架構(gòu)和全局建?？紤]，還無(wú)法實(shí)現(xiàn)車(chē)-路-云各源頭數(shù)據(jù)的充分利用，無(wú)法實(shí)現(xiàn)各階段功能的統(tǒng)一建模，無(wú)法實(shí)現(xiàn)車(chē)路云整體系統(tǒng)的全局優(yōu)化，無(wú)法應(yīng)對(duì)自動(dòng)駕駛現(xiàn)有的感知長(zhǎng)尾、混行博弈、極端場(chǎng)景通行等問(wèn)題。因此，需要統(tǒng)一的車(chē)路云一體化的技術(shù)框架，從數(shù)據(jù)、模型、系統(tǒng)實(shí)現(xiàn)等多角度，實(shí)現(xiàn)安全、可靠、高效、可擴(kuò)展的自動(dòng)駕駛系統(tǒng)，為自動(dòng)駕駛規(guī)模商業(yè)落地提供支撐。

2面向自動(dòng)駕駛的車(chē)路云一體化架構(gòu)

2.1總體架構(gòu)

基于信息物理系統(tǒng)（cyberphysicalsystems，CPS）理論中的成體系系統(tǒng)（systemofsystems，SoS）的概念，本文構(gòu)建了面向自動(dòng)駕駛的車(chē)路云一體化框架VICAD（見(jiàn)圖1），旨在針對(duì)不同的車(chē)路云一體化協(xié)同部署方式與自動(dòng)駕駛算法進(jìn)行統(tǒng)一建模，并開(kāi)展模擬仿真實(shí)驗(yàn)。進(jìn)一步借助自動(dòng)駕駛一體化評(píng)價(jià)模型的反饋結(jié)果，可對(duì)車(chē)路云一體化協(xié)同部署方式與自動(dòng)駕駛算法進(jìn)行持續(xù)優(yōu)化迭代。

如圖1所示，利用VICAD將任何交通參與對(duì)象建模為獨(dú)立的設(shè)備（即CPS中的Device）。局部交通場(chǎng)景，例如十字路口，被建模為由多個(gè)設(shè)備組成的系統(tǒng)（即CPS中的System）。全局交通場(chǎng)景，例如區(qū)域路網(wǎng)，被建模為由多個(gè)系統(tǒng)組成的成體系系統(tǒng)（即CPS中的SoS）。設(shè)備的動(dòng)作不僅可以改變其自身的物理狀態(tài)，還會(huì)直接影響由其組成的系統(tǒng)和成體系系統(tǒng)的狀態(tài)。非自動(dòng)駕駛設(shè)備的動(dòng)作由預(yù)置模型確定，而自動(dòng)駕駛設(shè)備的動(dòng)作則由車(chē)路云一體化自動(dòng)駕駛算法計(jì)算得出。對(duì)于給定的交通場(chǎng)景和車(chē)路云一體化協(xié)同部署方式，利用VICAD可以對(duì)模型中所有設(shè)備的自動(dòng)駕駛算法進(jìn)行協(xié)同優(yōu)化。根據(jù)優(yōu)化對(duì)象在自動(dòng)駕駛系統(tǒng)中的最終作用環(huán)節(jié)，車(chē)路云一體化自動(dòng)駕駛算法可分為協(xié)同感知、協(xié)同決策和協(xié)同控制3個(gè)類別。

具體而言，如圖2所示，在VICAD模式下，當(dāng)車(chē)輛作為執(zhí)行對(duì)象時(shí)，車(chē)端、路端或云端都可能承擔(dān)部分或全部的“感知―決策―控制”功能。車(chē)路云一體化感知可以融合來(lái)自車(chē)端、路端和云端的感知結(jié)果，將其送至車(chē)端進(jìn)行決策和控制執(zhí)行。車(chē)路云一體化決策在一體化感知的基礎(chǔ)上，進(jìn)一步融合來(lái)自路端和云端的決策信息，將其送至車(chē)輛的控制層執(zhí)行。車(chē)路云一體化控制在一體化感知和決策的基礎(chǔ)上，增加了路端和云端的控制功能，用于控制車(chē)輛的執(zhí)行。

2.2一體化協(xié)同感知

針對(duì)交通場(chǎng)景的復(fù)雜性和多變性，僅依賴于自動(dòng)駕駛車(chē)輛自身的感知能力無(wú)法實(shí)現(xiàn)精確和全方位的感知，存在感知范圍有限、視野盲區(qū)等問(wèn)題，VICAD框架下，一體化協(xié)同感知通過(guò)車(chē)端、路端和云端的多源、多模態(tài)信息融合，解決現(xiàn)有算法框架內(nèi)數(shù)據(jù)來(lái)源及模態(tài)受限的問(wèn)題，以擴(kuò)展現(xiàn)有感知算法的能力邊界。如圖3所示，主車(chē)周?chē)能?chē)輛可以通過(guò)車(chē)車(chē)協(xié)同（vehicle-tovehicle，V2V）實(shí)現(xiàn)感知信息共享；路端感知系統(tǒng)和路端基礎(chǔ)設(shè)施可以通過(guò)車(chē)路協(xié)同（vehicle-to-infrastructure，V2I）共享感知信息；同時(shí)，云端平臺(tái)能夠充分利用其在數(shù)據(jù)處理方面的優(yōu)勢(shì)，通過(guò)車(chē)云協(xié)同（vehicle-tonetwork，V2N）方式實(shí)現(xiàn)數(shù)據(jù)共享。該一體化協(xié)同感知模式通過(guò)這3種協(xié)同方式的集成，將所有的感知信息在車(chē)端進(jìn)行匯集并融合處理，以得到最終的感知結(jié)果，從而擴(kuò)大自動(dòng)駕駛車(chē)輛的感知范圍，并提升其感知能力。

由于感知信息來(lái)源于多種傳感器，如激光雷達(dá)、攝像頭、毫米波雷達(dá)等，協(xié)同感知的關(guān)鍵在于如何有效地融合這些多模態(tài)數(shù)據(jù)。在VICAD系統(tǒng)框架內(nèi)，可以支持多種融合感知方式。以后融合為例，一體化協(xié)同感知架構(gòu)示例如圖4所示。其中：數(shù)據(jù)容器模塊負(fù)責(zé)收集多模態(tài)信息，并利用內(nèi)部參數(shù)和地圖信息，將所有傳感器消息和車(chē)端/路端/云端消息轉(zhuǎn)化為統(tǒng)一的消息格式，然后傳遞給數(shù)據(jù)關(guān)聯(lián)模塊；數(shù)據(jù)關(guān)聯(lián)模塊對(duì)數(shù)據(jù)容器中的信息進(jìn)行采樣處理，并按照觸發(fā)時(shí)間對(duì)所有信息進(jìn)行排序和匹配，將初始的無(wú)序位置信息轉(zhuǎn)化為有序的時(shí)序狀態(tài)估計(jì)，并將其分組打包，然后傳遞給數(shù)據(jù)前處理模塊。數(shù)據(jù)前處理模塊對(duì)每組信息進(jìn)行數(shù)據(jù)補(bǔ)全、降噪和重采樣處理，完成時(shí)序處理后，將具有同步時(shí)間戳的時(shí)間切片數(shù)據(jù)送入?yún)f(xié)同感知模型，最終輸出包括道路交通參與者的位置、檢測(cè)框、屬性等信息。

2.3一體化協(xié)同決策

在VICAD框架下給出一體化協(xié)同決策的架構(gòu)，如圖5所示。這一架構(gòu)利用協(xié)同感知的輸出結(jié)果，通過(guò)車(chē)端、路端、云端的決策協(xié)同，從局部到全局逐步完成車(chē)輛軌跡規(guī)劃、道路沖突解決以及宏觀交通系統(tǒng)優(yōu)化。

具體而言，車(chē)端系統(tǒng)能夠依托于車(chē)輛歷史決策信息、交通規(guī)則、駕駛偏好等先驗(yàn)知識(shí)，結(jié)合駕駛場(chǎng)景判斷、行為軌跡預(yù)測(cè)以及行為邏輯推理等車(chē)端狀態(tài)估計(jì)，實(shí)現(xiàn)車(chē)端局部決策；云端系統(tǒng)則能夠利用交通系統(tǒng)的歷史決策信息、交通規(guī)則以及全局高精度地圖等先驗(yàn)知識(shí)，并通過(guò)信控調(diào)優(yōu)、路徑?jīng)Q策、沖突仲裁策略等系統(tǒng)狀態(tài)的實(shí)時(shí)分析，提供系統(tǒng)全局決策的支持；路端系統(tǒng)也可通過(guò)分析交通系統(tǒng)的歷史決策信息、交通規(guī)則以及高精地圖等先驗(yàn)知識(shí)，并結(jié)合駕駛場(chǎng)景判斷、行為軌跡預(yù)測(cè)、沖突仲裁策略等系統(tǒng)狀態(tài)實(shí)時(shí)分析，為系統(tǒng)的全局決策提供支持。局部決策與全局決策相互配合優(yōu)化VICAD整體系統(tǒng)決策，最終實(shí)現(xiàn)一體化協(xié)同決策[15]。這種一體化協(xié)同決策不僅增強(qiáng)了自動(dòng)駕駛系統(tǒng)的自適應(yīng)能力，也進(jìn)一步提升了交通效率和安全性。

2.4一體化協(xié)同控制

協(xié)同控制的主要目標(biāo)在于充分考慮到車(chē)輛控制與交通環(huán)境的復(fù)雜性，通過(guò)對(duì)決策控制指令的精細(xì)分配和深度優(yōu)化，從而達(dá)到更為精確和高效的交通調(diào)控。在車(chē)路云一體化協(xié)同控制體系之下，利用車(chē)端控制、駕駛員控制、路端控制及云端控制的協(xié)同協(xié)作，能有效地處理自動(dòng)駕駛的極端場(chǎng)景。例如，當(dāng)自動(dòng)駕駛車(chē)輛無(wú)人駕駛狀態(tài)下進(jìn)入復(fù)雜的交通環(huán)境，駛出地理圍欄，或者面對(duì)復(fù)雜的認(rèn)知交互類場(chǎng)景或極端場(chǎng)景，車(chē)輛單獨(dú)應(yīng)對(duì)可能存在難度，此時(shí)車(chē)路云一體化的控制系統(tǒng)能夠提供支援，協(xié)助車(chē)輛解決問(wèn)題，確保自動(dòng)駕駛的安全。

在具體的控制流程中，如圖6所示：當(dāng)車(chē)輛遇到難處理的場(chǎng)景時(shí)，車(chē)端有可能主動(dòng)發(fā)起接管請(qǐng)求或遠(yuǎn)程遙控駕駛請(qǐng)求；或者，當(dāng)車(chē)輛即將接近復(fù)雜場(chǎng)景前，路端有可能主動(dòng)發(fā)起接管請(qǐng)求或遠(yuǎn)程遙控駕駛請(qǐng)求。此外，如果乘客有特殊需求，也可以由乘客主動(dòng)發(fā)起接管請(qǐng)求。在此過(guò)程中，車(chē)輛會(huì)周期性地上報(bào)其自身狀態(tài)信息和感知信息，路端也會(huì)周期性地上報(bào)其感知信息（例如槍式攝像機(jī)、魚(yú)眼攝像機(jī)、激光雷達(dá)感知信息，以及路側(cè)可變標(biāo)識(shí)和信號(hào)燈標(biāo)識(shí)信息等）和決策信息；云端在接收到駕駛接管請(qǐng)求后，將對(duì)車(chē)端和路端的報(bào)告數(shù)據(jù)進(jìn)行融合處理，進(jìn)而生成控制建議和車(chē)輛環(huán)境信息。駕駛員控制、云端控制和路側(cè)控制三者協(xié)同，共同協(xié)助自動(dòng)駕駛車(chē)輛安全行駛。值得注意的是，控制指令的下發(fā)有兩種通信鏈路實(shí)現(xiàn)：1）通過(guò)4G或5G通信直接從云端下發(fā)至車(chē)端；2）通過(guò)云端下發(fā)至路端，再由路側(cè)單元下發(fā)至車(chē)端。這兩種實(shí)現(xiàn)方式能夠相互補(bǔ)充，尤其是在城市內(nèi)遇到信號(hào)遮擋或不穩(wěn)定的情況時(shí)，路側(cè)通訊設(shè)備能有效地提供輔助[2]。

3一體化協(xié)同安全性論證

通過(guò)選取典型交通場(chǎng)景并生成仿真參數(shù)，構(gòu)建不同場(chǎng)景下的一體化協(xié)同安全收益模型，進(jìn)一步比較分析單車(chē)智能、協(xié)同感知以及車(chē)路云一體化協(xié)同決策控制對(duì)自動(dòng)駕駛安全的影響，從而驗(yàn)證一體化協(xié)同對(duì)駕駛安全的提升。

3.1一體化協(xié)同安全框架

安全是自動(dòng)駕駛發(fā)展的基石，也是當(dāng)前階段亟需解決的核心問(wèn)題。根據(jù)自動(dòng)駕駛預(yù)期功能安全（safetyoftheintendedfunctionality，SOTIF）理論[41]，如圖7所示，自動(dòng)駕駛運(yùn)行場(chǎng)景可大致分為4類：區(qū)域1為已知安全場(chǎng)景，區(qū)域2為已知不安全場(chǎng)景，區(qū)域3為未知不安全場(chǎng)景，區(qū)域4為未知安全場(chǎng)景。VICAD的核心目標(biāo)是將自動(dòng)駕駛中的“未知”場(chǎng)景轉(zhuǎn)化為“已知”場(chǎng)景，將“不安全”場(chǎng)景轉(zhuǎn)化為“安全”場(chǎng)景。因此，重點(diǎn)需解決區(qū)域2和區(qū)域3的場(chǎng)景問(wèn)題，將區(qū)域2轉(zhuǎn)化為區(qū)域1，并證明區(qū)域2的殘余風(fēng)險(xiǎn)足夠低。對(duì)于未知不安全區(qū)域3，VICAD將其轉(zhuǎn)化為區(qū)域1、2或4，盡可能減少區(qū)域3中的場(chǎng)景，并確保區(qū)域3的風(fēng)險(xiǎn)控制在合理可接受的水平。

在經(jīng)典的安全評(píng)價(jià)理論基礎(chǔ)上，通過(guò)引入路端及云端感知信息及感知可靠性概率模型，進(jìn)一步結(jié)合多傳感器融合的概率遷移模型，在前序工作[2]中構(gòu)建了一種自動(dòng)駕駛一體化評(píng)價(jià)模型（UnifiedModelofAutonomousDrivingEvaluation，UMADE），如圖8所示。該評(píng)價(jià)模型選擇不同的標(biāo)準(zhǔn)測(cè)試環(huán)境、不同的交通互動(dòng)方式以及不同的評(píng)估指標(biāo)，對(duì)各種自動(dòng)駕駛解決方案的系統(tǒng)性能進(jìn)行量化的對(duì)比測(cè)試。

場(chǎng)景分布模型用于描述選定環(huán)境中交通狀態(tài)初始分布的概率。常用的分布概率模型包括跟車(chē)速度服從對(duì)數(shù)正態(tài)分布、跟車(chē)頭時(shí)距服從負(fù)指數(shù)分布等。

渲染引擎根據(jù)交通狀態(tài)為自動(dòng)駕駛車(chē)端和路端設(shè)備提供高保真度的傳感器數(shù)據(jù)，并對(duì)交通環(huán)境中的行為事件進(jìn)行可視化還原。

交互模型用于描述交通參與對(duì)象之間的交互行為。

感知模型用于模擬一體化協(xié)同系統(tǒng)通過(guò)云端信息以及車(chē)端與路端的傳感器數(shù)據(jù)進(jìn)行環(huán)境感知的過(guò)程。

決策控制模型用于模擬一體化協(xié)同系統(tǒng)通過(guò)云端信息以及車(chē)端與路端的傳感器數(shù)據(jù)進(jìn)行決策、規(guī)劃與控制的過(guò)程。

評(píng)價(jià)模型用于評(píng)價(jià)自動(dòng)駕駛在交通環(huán)境下的系統(tǒng)表現(xiàn)。碰撞時(shí)間（TTC）是一種常用的安全評(píng)估指標(biāo)，通常被定義為在車(chē)輛不改變當(dāng)前運(yùn)動(dòng)特性的情況下，與前方跟車(chē)碰撞所需要的時(shí)間。它也可以被理解為衡量避免碰撞所需的時(shí)間標(biāo)準(zhǔn)。如果后車(chē)沒(méi)有采取相應(yīng)的對(duì)策來(lái)應(yīng)對(duì)前車(chē)的突然減速，那么可能會(huì)發(fā)生追尾沖突。TTC值越小，意味著發(fā)生碰撞的可能性越高，也就是說(shuō)，這個(gè)環(huán)境越危險(xiǎn)。

其中：S為兩車(chē)間距離，Δv車(chē)速差。在TTC的基礎(chǔ)上，采用經(jīng)過(guò)修正的碰撞時(shí)間（modified-time-to-collision，MTTC）作為安全評(píng)價(jià)標(biāo)準(zhǔn)可以更充分地考慮加速度對(duì)跟車(chē)模型的影響。在人車(chē)混行的復(fù)雜交通場(chǎng)景下，基于運(yùn)動(dòng)軌跡的行人安全評(píng)價(jià)模型與車(chē)輛碰撞模型常用于系統(tǒng)性的安全評(píng)價(jià)標(biāo)準(zhǔn)設(shè)計(jì)。此外，在交通效率評(píng)價(jià)方面，交通流量、通行時(shí)間、通行速度等均為典型的評(píng)價(jià)指標(biāo)。

3.2一體化協(xié)同收益場(chǎng)景

為了有效闡釋一體化協(xié)同對(duì)自動(dòng)駕駛安全的收益，對(duì)自動(dòng)駕駛領(lǐng)域公開(kāi)數(shù)據(jù)與實(shí)際測(cè)試數(shù)據(jù)進(jìn)行了分析與歸納。特別是針對(duì)自動(dòng)駕駛安全性差以及極端場(chǎng)景應(yīng)對(duì)不足的問(wèn)題，概括出4種典型場(chǎng)景，這些場(chǎng)景常常表現(xiàn)出接管率高、事故率高以及通行效率低下的問(wèn)題：行人鬼探頭、無(wú)保護(hù)左轉(zhuǎn)、異常障礙物與異常交通狀況（見(jiàn)圖9）。

行人鬼探頭場(chǎng)景：行人從駕駛盲區(qū)位置突然出現(xiàn)在車(chē)輛前方的情況，該場(chǎng)景下受限于單車(chē)智能的傳感器感知角度限制，在出現(xiàn)靜態(tài)障礙物或動(dòng)態(tài)障礙物（如大型車(chē)輛）遮擋時(shí)，主車(chē)難以準(zhǔn)確獲取盲區(qū)內(nèi)的車(chē)輛或行人的運(yùn)動(dòng)情況，事故率及傷亡率較高。

無(wú)保護(hù)左轉(zhuǎn)場(chǎng)景：自動(dòng)駕駛車(chē)輛在無(wú)信號(hào)燈路口進(jìn)行左轉(zhuǎn)的場(chǎng)景。該場(chǎng)景下車(chē)輛易受對(duì)向車(chē)輛阻擋，形成視野盲區(qū)，而引發(fā)較高的接管率。

異常障礙物場(chǎng)景：道路中出現(xiàn)錐桶、道路遺撒等形態(tài)各異、訓(xùn)練樣本中較少出現(xiàn)或難以覆蓋全面的障礙物。在此類場(chǎng)景下，車(chē)輛可能因識(shí)別異常而請(qǐng)求接管，或者由于未能準(zhǔn)確識(shí)別障礙物而導(dǎo)致剎車(chē)不及時(shí)，從而引發(fā)事故。

異常交通狀況場(chǎng)景：因道路施工等因素導(dǎo)致車(chē)輛無(wú)法在現(xiàn)有交通規(guī)則下正常通行的情況，例如占道施工、交通事故等導(dǎo)致自動(dòng)駕駛車(chē)輛需要逆行通過(guò)的場(chǎng)景。在這些場(chǎng)景下，車(chē)輛的通行效率通常較差，接管率較高。

3.3一體化協(xié)同提升駕駛安全

針對(duì)列舉的4類典型交通場(chǎng)景，在前序工作[2]中，本團(tuán)隊(duì)開(kāi)展了單車(chē)智能、一體化協(xié)同感知、一體化協(xié)同感知―決策―控制3種對(duì)照實(shí)驗(yàn)，每種實(shí)驗(yàn)均進(jìn)行了1000次。借助UMADE模型，從安全性和通行效率等多個(gè)評(píng)價(jià)維度對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析，為自動(dòng)駕駛解決方案的量化分析與評(píng)價(jià)提供了理論依據(jù)。

3.3.1行人鬼探頭

如圖10所示，單車(chē)智能無(wú)法有效感知由遮擋產(chǎn)生的視野盲區(qū)，因此存在較大的交通安全風(fēng)險(xiǎn)。相比之下，協(xié)同感知提供了互補(bǔ)信息，為自動(dòng)駕駛車(chē)輛（主車(chē)）避讓行人提供了感知的信息增量。而一體化協(xié)同決策控制則提供了全局車(chē)輛協(xié)同決策的能力，為后車(chē)提供了前車(chē)駕駛行為的信息增量，從而降低了碰撞事件的發(fā)生概率。

3.3.2無(wú)保護(hù)左轉(zhuǎn)

如圖11所示，由于對(duì)向左轉(zhuǎn)的大型車(chē)輛遮擋了主車(chē)的感知視野，使得主車(chē)只依賴于單車(chē)智能無(wú)法有效感知到對(duì)向的直行車(chē)輛，因此存在較大的交通安全風(fēng)險(xiǎn)。與行人鬼探頭場(chǎng)景類似，協(xié)同感知提供了補(bǔ)充信息，為主車(chē)避讓對(duì)向直行車(chē)輛提供了感知的信息增量。一體化協(xié)同決策控制則提供了全局車(chē)輛協(xié)同決策的能力，為后車(chē)提供了前車(chē)駕駛行為的信息增量，從而降低了碰撞事件的發(fā)生概率。

3.3.3異常障礙物

異常障礙物通常不會(huì)出現(xiàn)在自動(dòng)駕駛感知系統(tǒng)的訓(xùn)練樣本中，需要借助額外的感知異常檢測(cè)算法進(jìn)行感知不確定性分析，將SOTIF中的“未知”場(chǎng)景轉(zhuǎn)化為“已知”的異常場(chǎng)景。如圖12所示，單車(chē)智能無(wú)法預(yù)先有效地檢測(cè)到異常障礙物，存在較大的交通安全風(fēng)險(xiǎn)。協(xié)同感知提供了冗余和強(qiáng)化信息，為主車(chē)避讓異常障礙物提供了信息增量。一體化協(xié)同決策控制則提供了全局車(chē)輛協(xié)同決策的能力，為后車(chē)提供了前車(chē)駕駛行為的信息增量，降低了碰撞事件的發(fā)生概率。

3.3.4異常交通狀況

以圖13所示單車(chē)道對(duì)象通行場(chǎng)景為例，在此類場(chǎng)景下，車(chē)輛需要面對(duì)復(fù)雜的交通狀況。首先，該場(chǎng)景中一輛靜止車(chē)輛停在修路路段前，主車(chē)需要判斷其駕駛意圖并確定應(yīng)對(duì)策略；其次，在雙向單車(chē)道條件下存在臨時(shí)的修路路段，主車(chē)需要決策是否違反交通規(guī)則進(jìn)行“逆行”；最后，由于在單車(chē)道的條件下存在對(duì)向來(lái)車(chē)，主車(chē)需要與對(duì)向來(lái)車(chē)進(jìn)行博弈與交互。由于缺乏全局信息，單車(chē)智能難以在這種復(fù)雜狀況下采取有效決策。協(xié)同感知提供了冗余與強(qiáng)化的增量信息，可以通過(guò)路端長(zhǎng)時(shí)間觀測(cè)，有效預(yù)測(cè)靜止車(chē)輛的意圖并模仿其他車(chē)輛的駕駛行為，具有在前述復(fù)雜狀況下采取有效決策的可行性。而一體化協(xié)同決策控制則可以獲取云端交通狀況異常的先驗(yàn)信息，結(jié)合全局車(chē)輛協(xié)同決策的能力，為對(duì)向車(chē)輛提供了主車(chē)的駕駛意圖等信息增量，進(jìn)而提高了單車(chē)道對(duì)向通行的通過(guò)效率。

總體而言，一體化協(xié)同感知與一體化協(xié)同決策控制對(duì)自動(dòng)駕駛的安全性有顯著的提升。上述典型場(chǎng)景均為低概率出現(xiàn)的極端場(chǎng)景，但一旦此類場(chǎng)景出現(xiàn)，則存在較高危險(xiǎn)性或造成通行性較差。行人作為交通安全中的弱勢(shì)群體，確保其安全對(duì)自動(dòng)駕駛技術(shù)的發(fā)展和應(yīng)用尤為重要。在極端的行人鬼探頭場(chǎng)景下，與單車(chē)智能相比，VICAD模式在人體傷害評(píng)價(jià)指標(biāo)上能夠得到顯著的安全性提升；同時(shí)，實(shí)驗(yàn)結(jié)果也表明，VICAD在應(yīng)對(duì)無(wú)保護(hù)左轉(zhuǎn)、異常障礙物與異常交通情況時(shí)均取得了明顯的系統(tǒng)表現(xiàn)提升，證明了VICAD能夠有效幫助解決自動(dòng)駕駛落地面臨的極端場(chǎng)景應(yīng)對(duì)問(wèn)題[2]。詳細(xì)的實(shí)驗(yàn)數(shù)據(jù)如表1所示。

4一體化協(xié)同在擴(kuò)展自動(dòng)駕駛ODD中的意義

4.1自動(dòng)駕駛ODD定義與現(xiàn)狀介紹

自動(dòng)駕駛ODD是指自動(dòng)駕駛系統(tǒng)設(shè)計(jì)時(shí)確定的適用于其功能運(yùn)行的外部環(huán)境條件。只有當(dāng)所有條件都得到滿足時(shí)，自動(dòng)駕駛系統(tǒng)才能正常運(yùn)行；相反，如果有任何一個(gè)前提條件不足，自動(dòng)駕駛系統(tǒng)就可能發(fā)生故障，此時(shí)需要采取緊急停車(chē)措施或由駕駛員手動(dòng)接管。如圖14所示，不同級(jí)別的自動(dòng)駕駛車(chē)輛存在不同的ODD限制。L4級(jí)別的自動(dòng)駕駛ODD限制相對(duì)較小，L3級(jí)別次之，L2級(jí)別則有更嚴(yán)格的限制，只能在有限的環(huán)境或場(chǎng)景下啟用自動(dòng)駕駛模式。以某品牌L3級(jí)別的自動(dòng)駕駛ODD為例，只有在滿足以下條件時(shí)，才允許開(kāi)啟自動(dòng)駕駛模式：

1）行駛在高速公路或者帶有中央隔離帶和護(hù)欄的兩車(chē)道以上機(jī)動(dòng)車(chē)專用公路上；

2）所在車(chē)道和周邊車(chē)道的車(chē)間距離較近，即在堵車(chē)狀態(tài)下；

3）車(chē)的行駛速度不超過(guò)60km/h；

4）在傳感器可檢測(cè)到的范圍內(nèi)沒(méi)有信號(hào)燈也沒(méi)有行人。

如圖15所示，自動(dòng)駕駛ODD可以總體分為3類：靜態(tài)實(shí)體、環(huán)境條件和動(dòng)態(tài)實(shí)體[42]。其中，靜態(tài)實(shí)體由運(yùn)行環(huán)境中狀態(tài)不改變的實(shí)體組成，例如道路、建筑等；環(huán)境條件包括天氣、大氣條件和信息環(huán)境；動(dòng)態(tài)實(shí)體由運(yùn)行狀態(tài)發(fā)生變化的實(shí)體組成，例如交通情況、道路使用者和非道路使用者。

4.2ODD動(dòng)態(tài)管理流程

通過(guò)一體化協(xié)同感知、決策和控制，可以支持對(duì)自動(dòng)駕駛ODD進(jìn)行動(dòng)態(tài)管理及合理擴(kuò)展，使自動(dòng)駕駛車(chē)輛能夠在盡可能多的環(huán)境下實(shí)現(xiàn)連續(xù)自動(dòng)駕駛。圖16展示了管理和擴(kuò)展自動(dòng)駕駛ODD的VICAD流程，包括以下步驟：

1）明確自動(dòng)駕駛ODD限制場(chǎng)景清單；

2）實(shí)時(shí)檢測(cè)識(shí)別ODD限制場(chǎng)景：通過(guò)一體化協(xié)同感知，實(shí)時(shí)感知識(shí)別自動(dòng)駕駛車(chē)輛及周?chē)煌ōh(huán)境，包括交通參與者、交通事件和交通運(yùn)行狀況等，并綜合判斷感知結(jié)果信息，確定對(duì)自動(dòng)駕駛的影響，包括影響時(shí)間、影響范圍和影響程度等，以及是否需要進(jìn)一步處理；

3）路端發(fā)起VICAD應(yīng)用服務(wù)請(qǐng)求，為自動(dòng)駕駛車(chē)輛提供協(xié)同感知、協(xié)同決策或協(xié)同控制服務(wù)：針對(duì)確實(shí)受到影響的ODD場(chǎng)景，路端發(fā)起應(yīng)用服務(wù)請(qǐng)求，經(jīng)車(chē)輛平臺(tái)審核確認(rèn)后，由路端為車(chē)輛提供協(xié)同感知、協(xié)同決策或協(xié)同控制服務(wù)；

4）在路端的幫助下，車(chē)輛安全無(wú)接管地通過(guò)ODD限制景。

4.3一體化協(xié)同擴(kuò)展自動(dòng)駕駛ODD

4.3.1ODD擴(kuò)展示例

在前序工作[2]中，列舉了L4級(jí)別自動(dòng)駕駛可能存在的典型ODD限制場(chǎng)景，見(jiàn)表2，例如道路施工、交通事故、混行等相關(guān)場(chǎng)景。針對(duì)其中的動(dòng)態(tài)實(shí)體類ODD限制場(chǎng)景，通過(guò)一體化協(xié)同感知或決策方式，可以提升自動(dòng)駕駛車(chē)輛的感知能力和決策能力，解除ODD限制；針對(duì)靜態(tài)實(shí)體和環(huán)境條件類ODD限制，可以在一體化協(xié)同感知和決策的基礎(chǔ)上，通過(guò)一體化協(xié)同控制實(shí)現(xiàn)對(duì)車(chē)輛、交通設(shè)施和交通環(huán)境的優(yōu)化控制，例如信號(hào)燈優(yōu)化控制、道路融雪除冰裝置等，以保障車(chē)輛在ODD限制場(chǎng)景中的安全通行。

下面以無(wú)信號(hào)燈交叉口協(xié)調(diào)通行為例，對(duì)ODD管理和擴(kuò)展進(jìn)行說(shuō)明。

問(wèn)題描述：如圖17所示，當(dāng)自動(dòng)駕駛車(chē)輛經(jīng)過(guò)復(fù)雜路口（包括城市內(nèi)復(fù)雜交叉口、高速公路或快速路匝道口）或無(wú)信號(hào)燈交叉口時(shí)，由于不同方向車(chē)輛流向的交叉沖突，容易造成碰撞風(fēng)險(xiǎn)或引發(fā)接管。

場(chǎng)景原理：通過(guò)一體化協(xié)同可以從路口全局識(shí)別預(yù)測(cè)所有車(chē)輛的駕駛意圖，并為車(chē)輛制定適當(dāng)?shù)耐ㄐ胁呗?，使路口?chē)輛有序通行，從而避免接管。具體流程如下：

1）路端系統(tǒng)和設(shè)施實(shí)時(shí)感知和預(yù)測(cè)路口車(chē)輛，路口車(chē)輛也可以通過(guò)車(chē)輛交通和基礎(chǔ)設(shè)施（vehicle-to-everything，V2X）主動(dòng)上報(bào)車(chē)輛行駛意圖（預(yù)期軌跡，包括各時(shí)刻的車(chē)輛位置和速度）；

2）路端系統(tǒng)和設(shè)施根據(jù)交通規(guī)則（例如左轉(zhuǎn)讓直行）和優(yōu)先策略進(jìn)行一體化決策，例如讓直行車(chē)輛優(yōu)先通過(guò)，左轉(zhuǎn)車(chē)輛隨后通過(guò)；

3）左轉(zhuǎn)車(chē)輛根據(jù)路端的統(tǒng)一調(diào)度提前減速避讓，直行車(chē)輛可以不減速或加速通過(guò)；

4）所有車(chē)輛在路端的統(tǒng)一調(diào)度下高效通過(guò)路口。

應(yīng)用效果：如圖18所示，通過(guò)協(xié)同感知和決策，可以確保自動(dòng)駕駛車(chē)輛在不需要接管的情況下具備在交叉型道路環(huán)境中行駛的能力，從而擴(kuò)展了自動(dòng)駕駛的ODD。

4.3.2ODD擴(kuò)展綜合應(yīng)用效果

前序工作[2]中給出了一體化協(xié)同對(duì)自動(dòng)駕駛ODD擴(kuò)展的前后對(duì)比效果示意，見(jiàn)圖19和圖20。以一次具體出行行程為例，從起點(diǎn)到終點(diǎn)的過(guò)程中，車(chē)輛可能經(jīng)歷一系列場(chǎng)景，如泊車(chē)場(chǎng)景、城市道路中的交通沖突場(chǎng)景、高速道路中的長(zhǎng)隧道場(chǎng)景、沙塵團(tuán)霧等惡劣天氣場(chǎng)景，以及低能見(jiàn)度區(qū)域和施工區(qū)域場(chǎng)景等。

受自動(dòng)駕駛ODD限制，在遇到困難場(chǎng)景時(shí)，車(chē)輛必須退出自動(dòng)駕駛模式，由駕駛員接管，導(dǎo)致自動(dòng)駕駛無(wú)法連續(xù)運(yùn)行；VICAD通過(guò)一體化協(xié)同可以大大擴(kuò)展ODD，除遭遇極端惡劣天氣或出現(xiàn)無(wú)高精度地圖覆蓋等不可控因素外，均可以幫助車(chē)輛在這些ODD限制場(chǎng)景中繼續(xù)保持自動(dòng)駕駛狀態(tài)，實(shí)現(xiàn)連續(xù)無(wú)接管的自動(dòng)駕駛運(yùn)行，如圖20所示。

5一體化協(xié)同自動(dòng)駕駛場(chǎng)景案例

一體化協(xié)同自動(dòng)駕駛已經(jīng)在許多實(shí)際項(xiàng)目中得到了應(yīng)用。通過(guò)對(duì)落地的大量VICAD應(yīng)用測(cè)試和先導(dǎo)示范項(xiàng)目的調(diào)研，在前序工作[2]中總結(jié)列舉了VICAD有場(chǎng)景收益的17個(gè)小類的典型應(yīng)用場(chǎng)景，本章從中選取了一些典型案例進(jìn)行詳細(xì)闡述，其他案例詳見(jiàn)參考文獻(xiàn)[2]。

5.1一體化協(xié)同感知場(chǎng)景案例

一體化協(xié)同感知在自動(dòng)駕駛中的典型收益場(chǎng)景有7個(gè)小類，包括路端信號(hào)燈融合感知、靜態(tài)盲區(qū)/遮擋協(xié)同感知、動(dòng)態(tài)盲區(qū)/遮擋協(xié)同感知、超視距協(xié)同感知、低速車(chē)輛協(xié)同感知、道路遺撒與低矮障礙物協(xié)同感知，以及地圖要素變更。本文以超視距協(xié)同感知為例展開(kāi)介紹場(chǎng)景問(wèn)題及應(yīng)用收益。

典型應(yīng)用：超視距協(xié)同感知

超視距感知問(wèn)題描述：受限于車(chē)載傳感器類型、感知范圍和分辨率等因素，車(chē)輛對(duì)超出車(chē)載傳感器覆蓋范圍的交通運(yùn)行狀況、交通參與者或障礙物的檢測(cè)結(jié)果不穩(wěn)定，容易出現(xiàn)無(wú)法感知或感知跳變等問(wèn)題。

VICAD超視距協(xié)同感知：如圖21所示，通過(guò)在路端部署多傳感器，實(shí)現(xiàn)對(duì)多個(gè)方向上長(zhǎng)距離的連續(xù)檢測(cè)和識(shí)別，并與車(chē)輛的感知進(jìn)行融合，實(shí)現(xiàn)自動(dòng)駕駛車(chē)輛對(duì)超視距范圍內(nèi)的車(chē)輛或行人的準(zhǔn)確感知和識(shí)別，車(chē)輛可以提前做出判斷、決策和控制，從而降低事故風(fēng)險(xiǎn)。

具體案例：如圖22和圖23所示，這兩張圖片展示了同一時(shí)刻的車(chē)端感知和協(xié)同感知的結(jié)果。在圖22中，主車(chē)（藍(lán)白色）很難穩(wěn)定地檢測(cè)到遠(yuǎn)處的障礙物（行駛路徑上沒(méi)有障礙物顯示），容易導(dǎo)致急剎和事故風(fēng)險(xiǎn)。而在圖23中，通過(guò)VICAD超視距協(xié)同感知，車(chē)輛可以提前獲取前方車(chē)輛、非機(jī)動(dòng)車(chē)或行人的運(yùn)動(dòng)情況（粉色框表示路徑附近的目標(biāo)），避免了急剎和事故風(fēng)險(xiǎn)。

5.2一體化協(xié)同決策場(chǎng)景案例

一體化協(xié)同決策對(duì)自動(dòng)駕駛收益的典型場(chǎng)景有7小類，包括決策層面的排隊(duì)決策、死車(chē)決策，決策+規(guī)劃層面的交叉口協(xié)調(diào)通行、阻塞繞行、路口內(nèi)施工繞行，以及協(xié)同路徑?jīng)Q策規(guī)劃層面的合作式代客泊車(chē)、編隊(duì)行駛等。本文以交叉口協(xié)調(diào)通行為例展開(kāi)介紹場(chǎng)景問(wèn)題及應(yīng)用收益。

典型應(yīng)用：交叉口協(xié)調(diào)通行

問(wèn)題描述：如圖24所示，自動(dòng)駕駛車(chē)輛在直行車(chē)道行駛時(shí)，當(dāng)左轉(zhuǎn)車(chē)輛從分叉道匯入直行車(chē)道時(shí)，與主車(chē)行駛路徑產(chǎn)生沖突。由于缺乏通行次序協(xié)調(diào)，會(huì)導(dǎo)致主車(chē)急剎或需要駕駛員接管的情況。

場(chǎng)景原理：通過(guò)一體化協(xié)同，雙方車(chē)輛通過(guò)V2X方式上報(bào)車(chē)輛意圖（預(yù)期軌跡，包括各時(shí)刻的車(chē)輛位置和速度）。路端或云端系統(tǒng)根據(jù)車(chē)輛意圖、交通規(guī)則（例如左轉(zhuǎn)匯入禮讓直行）和車(chē)輛狀態(tài)信息，仲裁主車(chē)和匯入車(chē)輛的通行策略為：直行車(chē)輛優(yōu)先并加速通過(guò)，左轉(zhuǎn)車(chē)輛減速跟隨通過(guò)。雙方車(chē)輛按照仲裁結(jié)果執(zhí)行，高效通過(guò)交叉口。

應(yīng)用效果：如圖25所示，通過(guò)車(chē)路云一體化協(xié)同決策，合理仲裁車(chē)輛通行次序，確保直行與左轉(zhuǎn)匯入車(chē)輛有序高效通過(guò)，避免了交互沖突造成路口車(chē)流阻塞或碰撞風(fēng)險(xiǎn)，提升了通行效率和安全性。

5.3一體化協(xié)同控制場(chǎng)景案例

一體化協(xié)同控制對(duì)自動(dòng)駕駛收益的典型場(chǎng)景包括3小類，即自動(dòng)駕駛領(lǐng)域的控制車(chē)輛——5G云代駕，以及智能交通領(lǐng)域中控制基礎(chǔ)設(shè)施的兩種場(chǎng)景——優(yōu)先通行和綠波通行。本文以5G云代駕為例展開(kāi)介紹場(chǎng)景問(wèn)題及應(yīng)用收益。

在實(shí)際運(yùn)營(yíng)中，自動(dòng)駕駛車(chē)輛可能面臨臨時(shí)道路變更或交通管制等特殊情況?！?G云代駕”提供了遠(yuǎn)程遙控駕駛的能力，幫助車(chē)輛解決這些問(wèn)題。在5G環(huán)境下，借助高帶寬、低延遲和穩(wěn)定性強(qiáng)的數(shù)據(jù)連接，遠(yuǎn)程駕駛員可以通過(guò)5G云代駕控制臺(tái)像駕駛實(shí)際汽車(chē)一樣通過(guò)方向盤(pán)和踏板來(lái)控制車(chē)輛，如圖26所示。由于需要“5G云代駕”介入的極端情況并不經(jīng)常發(fā)生，一個(gè)云端駕駛員可以為多輛車(chē)提供服務(wù)，通過(guò)提升人效加速RoboTaxi、RoboBus、無(wú)人港口和智能礦山等多種場(chǎng)景的商業(yè)化落地[2]。

典型應(yīng)用：“5G云代駕”典型場(chǎng)景——施工阻塞跨黃實(shí)線繞行

問(wèn)題描述：自動(dòng)駕駛車(chē)輛遇到前方道路施工，導(dǎo)致所有車(chē)道被占用，無(wú)法正常通行，如圖27.

場(chǎng)景原理：車(chē)輛主動(dòng)申請(qǐng)5G云代駕接管，云端駕駛員收到接管申請(qǐng)后，根據(jù)車(chē)端上傳的感知數(shù)據(jù)和車(chē)輛狀態(tài)數(shù)據(jù)進(jìn)行人工決策，并通過(guò)云端智能駕駛艙的方向盤(pán)和踏板下發(fā)控制指令到車(chē)輛底盤(pán)，實(shí)現(xiàn)遠(yuǎn)程遙控駕駛。

應(yīng)用效果：云端駕駛員對(duì)車(chē)輛進(jìn)行遠(yuǎn)程遙控駕駛，通過(guò)借用對(duì)向車(chē)道完成跨黃實(shí)線繞行。完成繞行后，切換回自動(dòng)駕駛模式，車(chē)輛繼續(xù)行駛。

6一體化協(xié)同自動(dòng)駕駛產(chǎn)業(yè)實(shí)踐

VICAD發(fā)展是一個(gè)由低至高、逐漸演進(jìn)的發(fā)展過(guò)程，參考國(guó)內(nèi)外對(duì)VICAD階段劃分情況，如SAEJ3016[42]、SAEJ3216[43]，以及中國(guó)國(guó)內(nèi)相關(guān)機(jī)構(gòu)發(fā)布的報(bào)告和標(biāo)準(zhǔn)[44]，一般分為協(xié)同信息交互、協(xié)同感知、協(xié)同決策控制3個(gè)階段。目前，國(guó)內(nèi)外VICAD的協(xié)同信息交互階段已經(jīng)開(kāi)展了大規(guī)模測(cè)試驗(yàn)證與示范應(yīng)用，協(xié)同感知發(fā)展已完成了理論研究、技術(shù)驗(yàn)證和標(biāo)準(zhǔn)制定，正在加速走向規(guī)?；ㄔO(shè)部署與應(yīng)用，協(xié)同決策控制也已形成發(fā)展共識(shí)。本章將重點(diǎn)介紹國(guó)內(nèi)外一體化協(xié)同自動(dòng)駕駛的產(chǎn)業(yè)實(shí)踐。

6.1國(guó)外一體化協(xié)同自動(dòng)駕駛產(chǎn)業(yè)實(shí)踐

VICAD技術(shù)在全球范圍內(nèi)備受關(guān)注，許多國(guó)家和地區(qū)都非常重視其戰(zhàn)略布局、技術(shù)研究和應(yīng)用探索。例如，美國(guó)交通部（DepartmentofTransportation，DOT）于2004年啟動(dòng)了車(chē)路集成系統(tǒng)（Vehicle-InfrastructureIntegration，VII）研究計(jì)劃[45]，并于2007年拓展成IntelliDrive項(xiàng)目[46]，同時(shí)連續(xù)發(fā)布《智能交通系統(tǒng)（ITS）戰(zhàn)略規(guī)劃（2010-2014）（2015-2019）（2020–2025）》（ITSStrategicPlan）等一系列頂層設(shè)計(jì)規(guī)劃開(kāi)展布局[47-49]。美國(guó)聯(lián)邦公路管理局（FederalHighwayAdministration，F(xiàn)HWA）開(kāi)發(fā)的協(xié)同自動(dòng)化研究移動(dòng)應(yīng)用（CooperativeAutomationResearchMobilityApplication，CARMA）項(xiàng)目[50]旨在提高交通系統(tǒng)中所有用戶之間的合作研究，通過(guò)鏈接技術(shù)、開(kāi)源工具和框架，加速試點(diǎn)交通技術(shù)進(jìn)步，從而提高交通安全性、流動(dòng)性和效率。加速一體化協(xié)同技術(shù)的部署與應(yīng)用。SafePilot、ConnectedVehiclePilot等一系列研究和驗(yàn)證示范項(xiàng)目相繼開(kāi)展[51]，加速了一體化協(xié)同技術(shù)的部署與應(yīng)用。

21世紀(jì)初，為在歐洲協(xié)同部署智能交通系統(tǒng)（IntelligentTransportationSystems，ITS），歐盟委員會(huì)于2001年啟動(dòng)了為期6年的歐洲跨國(guó)智能交通系統(tǒng)項(xiàng)目（Trans-EuropeanIntelligentTransportSystemsProjects，TEMPO）計(jì)劃[52]，顯著促進(jìn)了旅行者信息服務(wù)（travellerinformationservices，TIS）的開(kāi)發(fā)和部署[53]?；赥EMPO計(jì)劃成果，為期7年的EASYWAY項(xiàng)目[54]于2007年啟動(dòng)，以增加交通安全性、提升流動(dòng)性并減少污染。同期，歐盟委員會(huì)還啟動(dòng)了由研究機(jī)構(gòu)、道路經(jīng)營(yíng)者與汽車(chē)公司共同參與的研發(fā)項(xiàng)目，如車(chē)輛基礎(chǔ)設(shè)施協(xié)同系統(tǒng)（CooperativeVehicleInfrastructureSystem，CVIS）與智能道路安全協(xié)作系統(tǒng)（Co-OperativeNetworksforIntelligentRoadSafety，COOPERS）等[55-56]。近年，在C-ITS、4G/5G通信技術(shù)研究基礎(chǔ)上，歐洲道路運(yùn)輸研究咨詢委員會(huì)（EuropeanRoadTransportResearchAdvisoryCouncil，ERTRAC）陸續(xù)發(fā)布互聯(lián)自動(dòng)駕駛路線圖（ConnectedAutomatedDrivingRoadmap）、協(xié)作式智能交通系統(tǒng)和服務(wù)（CooperativeIntelligentTransportSystemsandServices）、互聯(lián)、協(xié)作和自動(dòng)化移動(dòng)路線圖（Connected，Cooperative，andAutomatedMobilityRoadmap，CCAM）[57-59]等戰(zhàn)略性文件，并在不同地區(qū)開(kāi)展了大量的研究測(cè)試和建設(shè)部署項(xiàng)目，如eSafety、CVIS、DriveC2X、CAR2CAR和C-ROADS等，以提升道路安全、減少擁堵、提升駕駛體驗(yàn)[60]。

日本于1996年開(kāi)始提供道路交通信息通訊系統(tǒng)（VehicleInfrastructureCommunicationSystems，VICS）服務(wù)，該車(chē)聯(lián)網(wǎng)信息系統(tǒng)在2003年已基本覆蓋全日本，即時(shí)發(fā)送道路擁擠、交通限制等情報(bào)[61]。以VICS為基礎(chǔ)，日本啟動(dòng)Smartway計(jì)劃，并發(fā)展成ETC2.0項(xiàng)目，整合ITS的功能，為車(chē)輛提供ETC、DSSS、ASV等服務(wù)[62]。2011年，基于Smartway項(xiàng)目發(fā)展的智能交通系統(tǒng)點(diǎn)位服務(wù)（ITSSpotServices）在日本交通網(wǎng)絡(luò)擁有超過(guò)1600處點(diǎn)位，城際高速每10至15km設(shè)置一個(gè)ITS點(diǎn)位，城市高速路則為4km。在東京都市高速公路中事故最多的三寶坂曲線，通過(guò)提供曲線前方的擁堵信息，事故數(shù)量下降了約60％[63]。2013年，日本內(nèi)閣發(fā)布日本《世界領(lǐng)先IT國(guó)家創(chuàng)造宣言》，智能網(wǎng)聯(lián)汽車(chē)為其中核心[64]。韓國(guó)亦出臺(tái)《基于CoRE的智能交通系統(tǒng)（2040）》，制定短、中、長(zhǎng)期車(chē)聯(lián)網(wǎng)發(fā)展規(guī)劃[65]。

6.2中國(guó)一體化協(xié)同自動(dòng)駕駛產(chǎn)業(yè)實(shí)踐

中國(guó)車(chē)路云一體化協(xié)同的發(fā)展在近幾年取得了顯著成果?？傮w來(lái)看，中國(guó)已經(jīng)躋身全球協(xié)同自動(dòng)駕駛的領(lǐng)先之列，完全有能力利用自身的體制機(jī)制、政策環(huán)境和技術(shù)產(chǎn)業(yè)優(yōu)勢(shì)，實(shí)現(xiàn)彎道超車(chē)。

1）在體制機(jī)制方面，中國(guó)具有強(qiáng)大的國(guó)家統(tǒng)籌能力

中國(guó)政府擁有強(qiáng)大的全局統(tǒng)籌能力，可以在新技術(shù)研發(fā)和落地的各個(gè)階段發(fā)揮重大的引領(lǐng)作用。這種能力在一體化協(xié)同自動(dòng)駕駛的研發(fā)和落地中尤其突出，例如國(guó)家和地方通過(guò)制定優(yōu)惠政策，批準(zhǔn)建設(shè)測(cè)試示范區(qū)和先導(dǎo)區(qū)（如表3），逐步推進(jìn)道路基礎(chǔ)設(shè)施的重建和升級(jí)。

2）在戰(zhàn)略政策方面，國(guó)家新基建政策將推動(dòng)一體化協(xié)同的全面發(fā)展

在國(guó)家戰(zhàn)略層面，中國(guó)明確了單車(chē)智能+網(wǎng)聯(lián)賦能的智能網(wǎng)聯(lián)汽車(chē)發(fā)展技術(shù)路線。雖然中國(guó)在單車(chē)智能領(lǐng)域與美國(guó)的差距正在逐漸縮小，但鑒于中國(guó)路況和交通環(huán)境的復(fù)雜性，一體化協(xié)同自動(dòng)駕駛有顯著優(yōu)勢(shì)，可以作為中國(guó)自動(dòng)駕駛領(lǐng)域彎道超車(chē)的重要著力點(diǎn)。

在政策層面，國(guó)家主管部門(mén)進(jìn)行統(tǒng)一規(guī)劃，加強(qiáng)頂層設(shè)計(jì)，創(chuàng)造良好的產(chǎn)業(yè)發(fā)展環(huán)境；地方政府部門(mén)也結(jié)合自身的發(fā)展需要和優(yōu)勢(shì)，積極推進(jìn)一體化協(xié)同自動(dòng)駕駛產(chǎn)業(yè)的發(fā)展。在最近幾年，國(guó)家發(fā)布了《智能汽車(chē)創(chuàng)新發(fā)展戰(zhàn)略》《交通強(qiáng)國(guó)建設(shè)綱要》《國(guó)家綜合立體交通網(wǎng)規(guī)劃綱要》等一系列的頂層設(shè)計(jì)文件，見(jiàn)表4。地方政府如江蘇、天津、上海、廣東等也相繼出臺(tái)了相應(yīng)的政策支持，推動(dòng)自動(dòng)駕駛等領(lǐng)域的發(fā)展。其中，一些城市政策法規(guī)創(chuàng)新已進(jìn)入“深水區(qū)”，例如，北京市在高級(jí)別示范區(qū)基礎(chǔ)上建設(shè)智能網(wǎng)聯(lián)汽車(chē)政策先行區(qū)，適度超前并系統(tǒng)構(gòu)建智能網(wǎng)聯(lián)汽車(chē)道路測(cè)試、示范應(yīng)用、商業(yè)運(yùn)營(yíng)服務(wù)以及路側(cè)基礎(chǔ)設(shè)施建設(shè)運(yùn)營(yíng)等政策體系，目前已經(jīng)給予無(wú)人配送車(chē)路權(quán)，開(kāi)放高速公路測(cè)試、無(wú)人化測(cè)試、商業(yè)運(yùn)營(yíng)。

3）在產(chǎn)業(yè)層面，汽車(chē)、道路和通信等產(chǎn)業(yè)具備創(chuàng)新引領(lǐng)條件

中國(guó)在汽車(chē)、交通、通信技術(shù)和產(chǎn)業(yè)方面有明顯的優(yōu)勢(shì)，這些行業(yè)通過(guò)一體化協(xié)同自動(dòng)駕駛的深度融合，形成強(qiáng)大的合力，初步具備了創(chuàng)新引領(lǐng)發(fā)展的條件。

在汽車(chē)和交通市場(chǎng)方面，中國(guó)的汽車(chē)和交通市場(chǎng)規(guī)模穩(wěn)居世界前列，其中2021年中國(guó)汽車(chē)年產(chǎn)銷(xiāo)量分別為2608.2萬(wàn)輛和2627.5萬(wàn)輛，為世界第一汽車(chē)市場(chǎng)大國(guó)[66]。到2020年底，中國(guó)公路總里程超過(guò)519.8萬(wàn)km，國(guó)家高速公路網(wǎng)主線基本建成，覆蓋約99%的城鎮(zhèn)人口20萬(wàn)以上城市及地級(jí)行政中心。中國(guó)可以充分利用自身的市場(chǎng)優(yōu)勢(shì)，按照自己需求制定具有中國(guó)特色的市場(chǎng)規(guī)則、技術(shù)標(biāo)準(zhǔn)。

在5G通信方面，將AI賦能的單車(chē)智能和5G相結(jié)合，為單點(diǎn)智能的車(chē)加裝上全天候、全場(chǎng)景、360°的“千里眼”和統(tǒng)籌全局的“智慧腦”，實(shí)現(xiàn)車(chē)、路、人、基礎(chǔ)設(shè)施的萬(wàn)物互聯(lián)和萬(wàn)物互控。截至2021年底，中國(guó)累計(jì)建成并開(kāi)通5G基站142.5萬(wàn)個(gè)，5G基站總量占全球60%以上，建成全球最大5G網(wǎng)，實(shí)現(xiàn)覆蓋所有地級(jí)市城區(qū)、超過(guò)98%的縣城城區(qū)和80%的鄉(xiāng)鎮(zhèn)鎮(zhèn)區(qū)，為實(shí)現(xiàn)車(chē)、路、人等萬(wàn)物互聯(lián)提供了通信保障。

4）在技術(shù)保障層面，車(chē)路云標(biāo)準(zhǔn)體系規(guī)劃配套完整

2018年6月，工業(yè)和信息化部聯(lián)合國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)完成制定并發(fā)布《國(guó)家車(chē)聯(lián)網(wǎng)產(chǎn)業(yè)標(biāo)準(zhǔn)體系建設(shè)指南》[67]系列文件（如圖28所示），明確了國(guó)家構(gòu)建車(chē)聯(lián)網(wǎng)生態(tài)環(huán)境的頂層設(shè)計(jì)思路，展示了積極引導(dǎo)和推動(dòng)跨領(lǐng)域、跨行業(yè)、跨部門(mén)合作的戰(zhàn)略意圖。目前，該體系規(guī)劃已經(jīng)全部發(fā)布，其中基于LTE-V2X的接入層、網(wǎng)絡(luò)層、消息層和安全等核心技術(shù)標(biāo)準(zhǔn)已經(jīng)制定完成，技術(shù)標(biāo)準(zhǔn)體系基本形成，為一體化協(xié)同自動(dòng)駕駛的發(fā)展奠定了堅(jiān)實(shí)的基礎(chǔ)。

7總結(jié)與展望

7.1總結(jié)

本文針對(duì)自動(dòng)駕駛領(lǐng)域的現(xiàn)有問(wèn)題，即缺乏車(chē)路云統(tǒng)一的架構(gòu)和全局建?？紤]，因此無(wú)法實(shí)現(xiàn)車(chē)路云整體系統(tǒng)的全局優(yōu)化，無(wú)法高效應(yīng)對(duì)現(xiàn)有的感知長(zhǎng)尾、混行博弈、極端場(chǎng)景通行等瓶頸問(wèn)題，提出了面向自動(dòng)駕駛的車(chē)路云一體化（VICAD）系統(tǒng)框架，將不同的車(chē)路云一體化協(xié)同部署方式與自動(dòng)駕駛算法進(jìn)行統(tǒng)一建模，并在此基礎(chǔ)上開(kāi)展模擬仿真，進(jìn)一步借助自動(dòng)駕駛一體化評(píng)價(jià)模型的反饋結(jié)果，可對(duì)車(chē)路云一體化協(xié)同部署方式與自動(dòng)駕駛算法持續(xù)優(yōu)化迭代。并結(jié)合實(shí)際案例，闡述了VICAD能夠提升駕駛安全、擴(kuò)展自動(dòng)駕駛ODD，加速自動(dòng)駕駛規(guī)模商業(yè)化落地。

圖29示意性給出了VICAD對(duì)L4自動(dòng)駕駛車(chē)輛的作用效果，其中：在自動(dòng)駕駛能力層面，VICAD可以顯著提升L4級(jí)別的自動(dòng)駕駛能力，使其能夠成功應(yīng)對(duì)各種復(fù)雜場(chǎng)景。在自動(dòng)駕駛商業(yè)化落地層面，當(dāng)前階段的L4級(jí)別自動(dòng)駕駛僅能在封閉或有限區(qū)域內(nèi)實(shí)現(xiàn)規(guī)?；虡I(yè)化應(yīng)用，要想實(shí)現(xiàn)規(guī)模商業(yè)化落地，仍需要需要持續(xù)的研發(fā)投入；而在VICAD的推動(dòng)下，可以快速達(dá)到無(wú)人化自動(dòng)駕駛規(guī)模商業(yè)化落地的臨界點(diǎn)。

7.2發(fā)展建議

目前，VICAD在全球仍處于探索與發(fā)展的初級(jí)階段，面臨著許多挑戰(zhàn)與困難，需要行業(yè)的多方協(xié)同共同解決。

1）車(chē)路云深度融合形成高維復(fù)雜系統(tǒng)，需要基于系統(tǒng)工程建立功能安全和預(yù)期功能安全體系。一體化協(xié)同系統(tǒng)需要解決大規(guī)模移動(dòng)接入、多層次互操作、低延時(shí)、高安全可靠等一系列問(wèn)題，尤其是要應(yīng)對(duì)不同地域差異、工況條件、氣候環(huán)境、場(chǎng)景形態(tài)帶來(lái)的各種復(fù)雜問(wèn)題。因此，需要基于系統(tǒng)工程的角度構(gòu)建車(chē)路云一體化協(xié)同自動(dòng)駕駛的功能安全和預(yù)期功能安全體系，明確系統(tǒng)架構(gòu)、系統(tǒng)功能、應(yīng)用場(chǎng)景和服務(wù)內(nèi)容，對(duì)系統(tǒng)的設(shè)備設(shè)施提出明確的功能要求、性能要求、數(shù)據(jù)要求、安全要求，以保障一體化協(xié)同自動(dòng)駕駛的安全可靠運(yùn)行。

2）道路智能化和駕駛智能化的發(fā)展不夠協(xié)同，需要逐步規(guī)劃高等級(jí)智能道路的建設(shè)，提高智能道路覆蓋率，服務(wù)于一體化協(xié)同自動(dòng)駕駛、智能交通管理和智慧城市建設(shè)。目前，國(guó)內(nèi)部分城市和高速公路已規(guī)劃建設(shè)了一批自動(dòng)駕駛封閉測(cè)試場(chǎng)和開(kāi)放測(cè)試道路，但這些都還處在小范圍的測(cè)試驗(yàn)證和應(yīng)用示范階段，道路的感知定位、車(chē)路信息交互等方面的能力還不能滿足自動(dòng)駕駛的需求，更不具備協(xié)同決策或協(xié)同控制的能力，難以滿足高等級(jí)自動(dòng)駕駛對(duì)數(shù)據(jù)精度、數(shù)據(jù)質(zhì)量的要求。因此，需要建設(shè)高等級(jí)的智能化道路，以推動(dòng)自動(dòng)駕駛規(guī)模商業(yè)化的落地應(yīng)用。

3）需要提升網(wǎng)聯(lián)終端滲透率，并持續(xù)探索車(chē)路通信演進(jìn)技術(shù)，支持一體化協(xié)同自動(dòng)駕駛及更加多樣的應(yīng)用。在提升滲透率方面，建議推進(jìn)城市及高速公路路側(cè)單元（roadsideunit，RSU）的部署，同時(shí)加速提升C-V2X前裝量產(chǎn)。以城市場(chǎng)景作為示范，推進(jìn)單城或單區(qū)域規(guī)模部署，降低邊際成本。在車(chē)路高效通信技術(shù)演進(jìn)方面，高等級(jí)一體化協(xié)同自動(dòng)駕駛需要路側(cè)協(xié)同感知或協(xié)同決策控制，車(chē)路之間的數(shù)據(jù)交互數(shù)據(jù)量更大、頻率更高，需要更高性能的車(chē)路通信技術(shù)提供支持和保障。

4）一體化協(xié)同自動(dòng)駕駛需要跨行業(yè)、跨地域互聯(lián)互通，并不斷探索開(kāi)展應(yīng)用服務(wù)創(chuàng)新和商業(yè)模式創(chuàng)新。在互聯(lián)互通方面，一體化協(xié)同自動(dòng)駕駛在具體推進(jìn)過(guò)程中還有很多影響或限制因素，例如需要解決車(chē)輛數(shù)據(jù)開(kāi)放應(yīng)用、道路感知設(shè)施復(fù)用、道路信號(hào)控制數(shù)據(jù)使用和道路收費(fèi)系統(tǒng)打通等問(wèn)題，這需要深入研究和逐步推進(jìn)。同時(shí)，需要借鑒專用短程通信（dedicatedshortrangecommunication，DSRC）應(yīng)用的優(yōu)秀做法，發(fā)揮C-V2X的演進(jìn)優(yōu)勢(shì)，以一體化協(xié)同自動(dòng)駕駛為基礎(chǔ)，探索更多的應(yīng)用服務(wù)和商業(yè)模式。

5）政策法規(guī)和標(biāo)準(zhǔn)建設(shè)是引領(lǐng)和支撐一體化協(xié)同自動(dòng)駕駛發(fā)展的關(guān)鍵因素。應(yīng)針對(duì)VICAD的不同發(fā)展階段，提前研究和制定相關(guān)法規(guī)和標(biāo)準(zhǔn)。目前，國(guó)家和地方政策已推動(dòng)自動(dòng)駕駛道路測(cè)試進(jìn)程。在標(biāo)準(zhǔn)層面，盡管多個(gè)標(biāo)準(zhǔn)化組織已制定一系列相關(guān)技術(shù)標(biāo)準(zhǔn)，但是，諸如道路基礎(chǔ)設(shè)施、云控基礎(chǔ)平臺(tái)、功能安全和預(yù)期功能安全等一體化協(xié)同自動(dòng)駕駛的核心技術(shù)標(biāo)準(zhǔn)還需加快制定。汽車(chē)、通信、電子信息、交通、安全各行業(yè)標(biāo)準(zhǔn)組織應(yīng)加強(qiáng)協(xié)同，構(gòu)建完善的一體化協(xié)同自動(dòng)駕駛技術(shù)標(biāo)準(zhǔn)體系。