車路協同系統的關鍵技術與測試方法

陳勝華　高越　張南岳　沈志偉

摘要 車路協同系統是未來智能交通的重要支撐。車路協同系統將智能獲取移動目標產生的交通數據，并將路側計算和預測的信息傳輸至車端（包括司機），包括安全、移動和環境有關的數據。針對車路協同系統的環境感知、仿真與預測、通信播報、交通引導等測試需求，從測試體系、測試方法、測試工具等方面，系統地總結了車路協同系統測試技術和最新工程實踐，深入地分析了車路協同系統測試技術的體系架構、特點和適用范圍。最后，闡述了車路協同系統測試技術的未來發展方向。

關鍵詞 車路協同系統;系統測試;多傳感器融合;信息融合

中圖分類號 F426.471 文獻標識碼 A 文章編號 2096-8949（2022）06-0017-03

引言

智能汽車產業不僅包含傳統汽車產業的智能化升級，還涉及通信系統、路側設施等一系列關聯產業。智能化與網聯化是汽車產業大勢所趨，單車智能+車路協同的網聯協同發展路徑逐漸成為行業共識，必將帶來新的產品與生態模式，具備廣闊的市場前景。

與常規汽車相比，面向自動駕駛的車路協同系統具備兩大重要特征，一是多技術交叉、跨產業融合，需要智能汽車、交通設施、信息通信基礎設施與資源平臺信息的融合感知，在云控平臺上形成物理交通系統的實時數字映射，進行分層融合決策[1]，實現車輛行駛與交通信號的實時調節，以優化車輛與交通運行的安全、效率等性能;二是具有本地屬性，基于分布式部署和個性化配置，車路協同系統要滿足特定區域場景，在通信、地圖、數據平臺等本地屬性的支撐和安全管理[2]。

從自動駕駛汽車到智能汽車，再到智能網聯汽車，智能駕駛汽車技術及產業的快速發展，系統測試技術起到了重要的支撐作用。

1 路協同系統概述

1.1 車路協同整體架構

車路協同系統通過向車輛實時推送道路狀態信息，助力車輛選擇更安全高效的出行路徑;通過對實時交通流量的監測來進行智能規劃，增強道路交通管控能力;通過增強路側基礎設施的感知計算能力，并與車輛感知信息進行融合，提升交通治理的數字化水平。

現階段采用的車路協同架構分為5個層級：

（1）終端層：人、車、路端的各類設備，如智能手機、數據接收器、硬件傳感器、定位設備等，用于各類數據的采集。

（2）邊緣層：路側部署的數據采集、清洗、感知計算、目標跟蹤計算、數據管理的設備，如MEC、RSU等，實現對車輛、道路環境數據的感知收集和基礎計算功能。

（3）接入層：利用定位網絡、專有網絡、運營商網絡和應急救援通信等渠道，保障人-車-路-云的信息安全通信。

（4）平臺層：實現道路、基礎設施、車輛、個人等信息的數字化資源匯集。

（5）應用層：為政府、車企、個人等提供個性化的平臺接入能力和應用服務。

1.2 車路協同中的關鍵技術

車路協同是在單車智能自動駕駛的基礎上，通過先進的車、道路感知和定位設備，對道路交通環境進行實時高精度感知定位，遵循預設協議，實現車與車、車與路、車與人之間不同程度的信息交互共享，并涵蓋不同程度的車輛自動化駕駛，以及車輛與道路間的協同優化。通過車輛自動化、網絡互聯化和系統集成化，最終構建安全、高效的車路協同自動駕駛系統。

因此，實現面向自動駕駛的車路協同系統，還需要攻克一系列的關鍵技術，包括：

（1）多傳感器融合感知技術。

（2）高精度地圖與移動定位技術。

（3）協同決策與協同控制技術。

（4）高可靠低時延網絡通信技術。

（5）云計算技術。

（6）功能安全與預期功能安全。

（7）物聯網技術。

（8）網絡安全技術等[3-4]。

1.3 路側感知系統

路側感知系統是車路協同系統的重要組成，負責全方位感知道路交通的不同運動狀態、更新頻率的目標，以及基于感知結果的全局信息統計與預測。車路協同路側感知系統主要由路側感知單元、數據傳輸單元、路側計算單元、附屬配套設施等組成，系統組成架構見圖1所示。

（1）路側感知單元：用于提取道路交通狀態的各類要素，如交通參與者的運動學信息、判定交通事件觸發的信息、計算交通流相關指標的支撐信息等，包括攝像機、毫米波雷達、激光雷達等交通檢測器。

（2）外部設施：用于為闖紅燈預警、浮動車信息采集、感知數據共享等特定場景提供感知信源，包括信號機、RSU、云平臺、交通管控系統等。

（3）數據傳輸單元：用于系統組成設備之間以及系統與外部設備進行通信。

（4）路側計算單元：用于對路側感知單元的原始數據或結果數據進行存儲、處理，生成高精度的感知結果信息。

（5）附屬配套設施：用于為系統提供部署、供電、時間同步、信息安全等支撐服務的相關設備。

2 道路交通環境感知和信息統計

2.1 通用要求

不管是單車智能模式，還是車路協同系統，道路交通環境感知與信息統計，均是汽車自主導航和運動規劃的前置條件[5]。道路交通環境感知結果的評估指標非常多，比如，在目標檢測時，主要考慮檢測水平（正確率、召回率、誤檢率）、位置精度、置信度。在實時性方面，考慮感知計算的時延水平、輸出頻率。系統計算主體的穩定性和安全性，也是重點考核內容。

2.2 道路基礎設施信息

相對于其他道路交通信息，道路基礎設施作為道路交通的運行環境，更新頻率非常低，被視為靜態數據。這一特性使得道路基礎設施的各類信息，如車道線、限速標志、轉向標志、人行橫道、停止線等，可以被嵌套在高精度地圖中。例如，在面向自動駕駛的高精度地圖標準OpenDrive中，交通標志就被作為道路交通的元素，被結構化地存儲在地圖數據中。值得一提的是，交通信號系統，作為基礎設施的重要部分，其位置是精確確定的，但是內容示意卻是變化的。某些道路或者車道的屬性（如行車方向），也可以隨時間變化的。

2.3 交通參與者感知

在城市道路中，預期的交通參與者主要包括行人、機動車、非機動車。對這些道路交通參與者的檢測計算，使用基于卷積神經網絡的深度學習模型，利用真實數據進行訓練，往往能得出性能良好的探測器，再基于多傳感器檢測結果，相互驗證，從而提高檢測的準確度、精確度。

2.4 交通事件檢測

交通事件主要包括車輛的行為事件、道路環境事件、路面狀態事件、非機動車事件。車輛行為事件主要包括：停車、車輛駛出路面、逆行/變線、倒車、擁堵、車輛超/低速、突然減速等。道路環境事件則包括煙霧、火焰等狀況[6]。路面狀態則是直接針對路面的情形，如拋灑物等。非機動車事件是在限定區域里出現了非機動車、行人的事件。高速公路和城市快速路上發生的停車、逆行、慢行、擁堵、行人穿越、交通事故是需要重點管控的交通事件。

2.5 交通流檢測

交通流檢測與預測服務于更加宏觀的交通疏導。交通流的檢測，主要分宏觀和微觀兩個方面。微觀層面，交通流檢測以每輛車為對象，實時檢測車輛的行駛方向、車速、車廠、車寬、車型、存在時間。中等粒度層面，以車道為對象，實時檢測正反向交通流量、平均車速、平均車廠、平均時間占有率、平均車間據、排隊長度。宏觀層面上，交通狀態主要包括暢通、緩行、密集、擁堵、走走停停五種交通狀況。

3 車路協同系統的測試方法

測試方法主要指測試內容的組織形式以及開展測試的途徑。一方面，考慮到系統的特點，裝有OBU的車輛接收車路協同系統綜合感知、傳輸、計算、融合計算的結果，因此測試方法必須提供車路協同系統的融合感知的性能測試，保證感知計算性能得到體現;另一方面，從測試的可重復性、可控性等需求出發，又希望測試對象在特定條件下被測試。根據上述兩方面需求，按照測試方法對測試輸入和測試過程要求的不同，可以將測試方法分為基于用例的測試方法、基于場景的測試方法、基于探針的量化測試和仿真測試。四種測試方法的對比，如表1所示。

4 車路協同系統的測試系統

測試工具是滿足不同測試階段、測試環境需求的測試過程的信息化集成結果[7]。采用測試工具可以大大提高測試的可重復性并降低風險，同時便于數據的采集。根據主體功能分類，車路協同系統的測試系統包括車端數據記錄模塊、數據分析與重組織模塊、數據評測軟件、系統參數配置模塊、車端真值系統，如圖2所示。

測試系統流程如下：

（1）車端真值系統采集單一交通參與者目標的定位、速度、航向角等運動學指標真值。

（2）車端數據記錄模塊則是記錄車路協同系統發布的信息，包括多目標交通參與者的類別、定位、速度、航向角等數據，并打上接收時刻的時間戳。

（3）數據分析與重組織模塊，則是將分拆多目標交通參與者的信息，并與車端真值系統的數據，進行數據結構和維度的對齊，輔助下一步的數據評測計算。

（4）數據評測軟件是測試系統的核心，基于單目標和多目標的結構化數據，在感知距離、系統感知時延、定位精度、尺寸檢測精度、速度檢測精度、航向角檢測精度、車道感知覆蓋率、感知范圍、系統頻率、準確率與召回率、軌跡跟蹤成功率、軌跡跟蹤中位距離等指標上，進行量化評測。

（5）系統參數配置模塊，除了用于設置測試設備采集參數和精度要求，更主要的作用是設置不同真值數據和車路協同感知系統的時間參考和空間參考的基準差異。

5 分析與展望

車路協同系統的測試，依賴于測試方法、測試工具以及測試加速手段的綜合應用[8]。就當前研究現狀而言，構建包含基于測試用例、基于場景、基于探針、虛擬仿真測試的測試工具鏈是非常必要的，在選擇測試方法時需要綜合考慮應用的測試環境、測試效率、測試成本等因素。

從該文的分析來看，現階段，車路協同系統測試技術仍存在許多不足和局限性，主要體現在以下幾個方面：

（1）測試方法方面?；谟美臏y試方法不能完全滿足車路協同測試需求。基于場景的測試方法和技術亟待完善，場景提取、篩選以及測試場景的構建是主要問題。

（2）測試工具方面。測試工具鏈嚴重不完整，缺少靈活性?；谔摂M仿真的測試，場景構建工具還存在技術高、模型不完善的局面，不能處理大尺度地圖和交通流，測試效率低、成本高，開展比較困難。

針對以上分析，認為車路協同系統測試技術的未來發展重點應圍繞以下幾個方面：

（1）測試方法上，需要進一步完善基于場景的測試方法，發展場景綜合構建方法和場景復雜度評估理論，并建立場景定義標準，以加快場景測試方法的落地應用。

（2）測試工具應著力發展模塊化的測試工具，適配多種測試方法，尤其是基于場景的測試方法，建立柔性化、可定制的測試工具。提高虛擬環境的真實性，研究傳感器的電氣與虛擬交通環境的交互模型。

參考文獻

[1]李克強. 智能網聯汽車創新發展的探索與實踐[J]. 汽車縱橫， 2021（1）： 18-19.

[2]李克強，常雪陽，李家文，等. 智能網聯汽車云控系統及其實現[J]. 汽車工程，2020（12）： 1595-1605.

[3]姚蘭， 趙永恒， 施雨晴， 等. 一種基于視頻分析的高速公路交通異常事件檢測算法[J].計算機科學， 2020（8）：? 208-212.

[4]清華大學智能產業研究院、百度Apollo. 面向自動駕駛的車路協同關鍵技術與展望[DB/OL]. 2021.

[5]ISO， IEC， IEEE. Systems and software engineering： vocabulary[S]. Piscataway， IEEE Computer Society， 2010.

[6]余卓平，邢星宇，陳君毅. 自動駕駛汽車測試技術與應用進展[J]. 同濟大學學報（自然科學版）， 2019（4）： 540-547.

[7]李克強， 戴一凡， 李升波， 等.智能網聯汽車（ICV）技術的發展現狀及趨勢[J]. 汽車安全與節能學報， 2017（1）： 1-14.

[8]郭云鵬，鄒凱，陳升東，等.基于仿真的面向車路協同的路側感知仿真系統[J].計算機系統應用， 2021（8）： 29-35.

收稿日期：2022-01-20

作者簡介：陳勝華（1986—），男，博士，高級工程師，研究方向：多傳感器融合、高精度地圖、自動駕駛系統。