基于車路協(xié)同的智能駕駛研究綜述

張云順 華國棟 李寧 梁軍 謝锜帥 郜銘磊

（1.江蘇智行未來汽車研究院有限公司，南京 211111；2.江蘇大學汽車工程研究院，鎮(zhèn)江 212013）

主題詞：單車智能 路側基礎設施智能化 車路協(xié)同 智能網(wǎng)聯(lián)車輛 應用場景

ICV Intelligent Connected Vehicles

V2I Vehicle to Infrastructure

RSU Road Side Unit

OBU On Board Unit

RGB Red,Green,Blue

V2V Vehicle to Vehicle

PVRCNN Point Voxel Region Convolutional Neural Network

EALNS Extended Adaptive Large Neighborhood Search

C-V2X Cellular Vehicle to Everything

LTE Long Term Evolution

5G The 5th Generation Mobile Communication Technology

PC5 ProSe Communication Technology

RCU Roadside Communication Unit

VNT Vehicle Networking Terminal

NR New Radio

CCAC Cooperative Adaptive Cruise Control

PID Proportion Integral Derivative

LGBM Light Gradient Boosting Machine

CIDAS China In-Depth Accident Study

1 引言

2016年百度最早布局車路協(xié)同的全棧研發(fā)，經(jīng)過5年的摸索，車路協(xié)同技術得到了快速的發(fā)展。地方政府也投入了大量的資金來扶持車路協(xié)同方案，全國至今已建成4個國家級車聯(lián)網(wǎng)先導區(qū)，包括江蘇（無錫）車聯(lián)網(wǎng)先導區(qū)、湖南（長沙）車聯(lián)網(wǎng)先導區(qū)、天津（西青）車聯(lián)網(wǎng)先導區(qū)和重慶（2江新區(qū)）車聯(lián)網(wǎng)先導區(qū)，工信部對4家車聯(lián)網(wǎng)先導區(qū)指定的任務目標基礎一致，只存在細微差異。具體任務是，江蘇（無錫）主要是路端建設方面的探索，天津（西青）主要是標準認證以及評價體系建設方面的探索，湖南（長沙）主要是場景創(chuàng)新和運營模式方面的探索，重慶（2江新區(qū)）主要是山地特色車路協(xié)同應用場景的研究。隨著車路協(xié)同方案的演進，出現(xiàn)了多方面的問題，一些企業(yè)雖具備了場景搭建的能力，但是對實際的測試流程存在著爭議；同時在車路協(xié)同技術實際應用過程中，最終結果與期望存在著較大的差距，比如煙臺公安局發(fā)布了多源感知應用測試效果的報告，報告中指出以下4點不足：

（1）雷達視頻融合效果有待提高，實際場景下經(jīng)常發(fā)現(xiàn)多目標或少目標的情況；

（2）雷達對靜止目標探測能力不足，排隊數(shù)據(jù)可靠性一般，直接利用雷達排隊數(shù)據(jù)做信號控制風險就很大；

（4）系統(tǒng)配置比較繁瑣，測試系統(tǒng)都必須廠家原廠人員配置才能完成。

以車路協(xié)同產(chǎn)業(yè)化發(fā)展為落腳點，現(xiàn)階段車路協(xié)同的實際應用還處在初始階段，但是近幾年國內外學者對車路協(xié)同展開了深入的研究，大致可以分為智能網(wǎng)聯(lián)汽車的研究，車路協(xié)同關鍵技術的研究，車路協(xié)同應用場景的研究。車路協(xié)同研究內容如圖1所示。

圖1 車路協(xié)同研究內容概述

全文的內容布局如下：

第1章從產(chǎn)業(yè)和學術的角度分析了車路協(xié)同的發(fā)展路徑，指出了現(xiàn)階段國內外學者針對車路協(xié)同系統(tǒng)3個個方面的研究內容；

第2章分別詳細介紹了智能網(wǎng)聯(lián)汽車、車路協(xié)同關鍵技術、車路協(xié)同測試場景、這3個研究方向，并且提出了研究的不足之處；

第3章闡述了現(xiàn)有技術存在的問題、瓶頸，探討了相應的解決方案；

第4章首先對全文做了總結，其次展望了車路協(xié)同未來的發(fā)展方向。

2 車路協(xié)同的研究內容

2.1 智能網(wǎng)聯(lián)汽車

智能網(wǎng)聯(lián)汽車技術能提升交通安全與效率，但也面臨著來自真實交通環(huán)境的復雜挑戰(zhàn)。清華大學崔明陽等提出基于智能網(wǎng)聯(lián)汽車架構、功能與應用3方面關鍵技術，對用于單車自主式駕駛與網(wǎng)聯(lián)協(xié)同式駕駛的智能網(wǎng)聯(lián)汽車研究進行分析。網(wǎng)聯(lián)化、智能化和電氣化是提高未來交通效率和減少公路能源消耗的3大支柱。同濟大學洪金龍等針對人-車-路-云多源異構環(huán)境下車輛行為協(xié)同節(jié)能關鍵科學問題，從經(jīng)濟駕駛、多車協(xié)同節(jié)能、道路交叉口車路協(xié)同節(jié)能和車云協(xié)同節(jié)能等方面詳細介紹研究現(xiàn)狀，并進一步介紹電氣化高速公路系統(tǒng)E-Highway的前瞻性研究，說明融合智能化信息的E-Highway節(jié)能潛力和智能重型商用車協(xié)同節(jié)能的未來發(fā)展趨勢。清華大學YANG等回顧了智能網(wǎng)聯(lián)汽車（Intelligent Connected Vehi?cles,ICVs）的歷史和發(fā)展歷程，介紹了電氣/電子結構、傳感器和執(zhí)行器的最新技術進展，重點介紹了決策中的算法。中國智能互聯(lián)汽車(北京)研究院有限公司FENG等介紹了智能網(wǎng)聯(lián)車輛的測試系統(tǒng)，測試內容包括自動駕駛計算平臺測試、感知系統(tǒng)測試、網(wǎng)絡連接與信息安全測試、人機界面與工效學評估、道路測試，涵蓋了自動駕駛功能、安全性、舒適性和可靠性。因此，目前智能網(wǎng)聯(lián)汽車研究集中在關鍵技術的研究，對于技術的可靠性，實用性缺乏實際應用測試。

這天晚上，桃花又來敲門，高木不開，叫她走吧。桃花邊敲邊哭泣道：“高木，我是梨花，你開門嘛?！备吣締枺骸澳愕降资侨诉€是鬼？”桃花繼續(xù)哭泣道：“高木，求求你，開開門，我是梨花。”高木聽她口口聲聲說自己是梨花，心就軟了。他開門出去，問她到底想干什么？桃花癱坐在地上，嗚嗚直哭，傷心得像個孩子似的。高木叫她起來，桃花已軟在地上；高木抱她進屋，把她放到竹椅上，但桃花反抱著他不肯下來；高木沒有辦法，抱進房里，放到床上，桃花這才松開手。

智能網(wǎng)聯(lián)汽車的發(fā)展路徑最終是為了實現(xiàn)智能化與網(wǎng)聯(lián)化相融合，也就是車路協(xié)同最終的目標是彌補單車智能感知的缺陷，降低自動駕駛的成本和減少安全隱患。北京交通大學白正偉實現(xiàn)了網(wǎng)聯(lián)自動駕駛車輛在信號交叉口環(huán)境下的混合強化學習控制決策方法，構建了異構交通開放道路及信號交叉口道路環(huán)境，并驗證了模型的有效性。同樣，廈門理工學院王暉年提出了基于網(wǎng)聯(lián)交叉口下自動駕駛車輛生態(tài)駕駛的車速控制策略，并在底盤測功機上完成了實車試驗，試驗結果表明該方案有效降低了車輛通過信號交叉口時的能耗排放?；谲嚶穮f(xié)同的自動駕駛是中國方案的最終目標，但現(xiàn)階段的首要任務是基于車路協(xié)同的有人駕駛車輛、自動駕駛車輛以及普通車之間的博弈，很有必要對不同混合系數(shù)的車流進行仿真實驗，為車路協(xié)同的有人駕駛車輛和自動駕駛車輛的試運行做好前期準備。DUAN等提出了環(huán)境感知框架RGBPVRCNN，利用V2I通信技術提高了十字路口無人駕駛汽車的環(huán)境意識，測試結果表明該方法可以有效地擴展自動駕駛車輛在交叉口的環(huán)境感知能力和行駛距離，在檢測精度上優(yōu)于PointPillar算法和VoxelRCNN算法。新加坡國立大學KIM等提利用鏡像神經(jīng)元激發(fā)的意圖意識和合作感知的合作自主駕駛的概念，以及提出了一種基于鏡像神經(jīng)元的意圖感知算法。車路協(xié)同的最終目標是實現(xiàn)自動駕駛，但是現(xiàn)階段的車路協(xié)同處在輔助駕駛的階段，而自動駕駛還處在單車智能的階段，2者的融合、去冗余是今后的目標之一。

2.2 車路協(xié)同關鍵技術

車路協(xié)同基礎設施組成架構如圖2所示。智能道路設施包括交通信號燈、道路融合感知系統(tǒng)、微環(huán)境氣象站、電子交通標志牌以及交通誘導屏。交通信號燈能夠根據(jù)車流量科學調整信號切換時間，支持與路側通信單元和平臺進行通信，交通信號清晰且易于識別，提供冗余方案，針對宕機有完備的解決機制。道路融合感知系統(tǒng)采用視頻檢測、激光雷達、毫米波雷達等多種技術的融合感知方式，實時感知路況信息，交通參與者信息，適應不同的道路應用場景、時間段和氣象環(huán)境；將道路感知數(shù)據(jù)進行融合處理后提供給路側通信單元、邊緣側或云平臺完成協(xié)同計算，向社會車輛提供交通信息服務。微環(huán)境氣象站采集不同地理位置的氣候變化數(shù)據(jù)，感知天氣變化情況并發(fā)出告警，提出微環(huán)境氣象影響區(qū)域的行駛建議。車聯(lián)通信網(wǎng)絡包括蜂窩車聯(lián)網(wǎng)、路側通信單元、車聯(lián)網(wǎng)終端、5.9G直連通信網(wǎng)、LTE移動通信網(wǎng)、5G移動通信網(wǎng)和邊緣計算組成。蜂窩通信網(wǎng)絡由RCU、VNT、邊緣計算等設備設施組成，提供車-路、車-人、車-車、車-云之間的低時延、高可靠性、高安全性、高并發(fā)性的數(shù)據(jù)通信。路側通信單元安裝在路側，與VNT車載終端進行通訊，采用有線、無線接入方式，支持加密通信，靈活連接交通信號機、交通電子標志牌、道路融合傳感等道路設施。通過向汽車提供實時路況信息等服務，改善汽車駕駛和交通管理的安全性和效率。車聯(lián)網(wǎng)終端通過遠程移動通訊、高精度衛(wèi)星定位、加速度傳感功能，接收路側通信單元或云平臺發(fā)送的交通預警信息，并通過文字、圖像和語音的方式，提示車輛駕駛員改進駕駛行為，降低交通事故發(fā)生率，提升道路通行率。5.9G直連通信網(wǎng)采取專網(wǎng)通信組網(wǎng)方式，為車輛之間、車輛與交通基礎設施之間提供低時延、高可靠、高密度的直連通信模式，保障各交通參與方之間進行有效的信息互通。LTE移動通信網(wǎng)為第四代移動通信及其技術，分為兩種雙工模式，分別為FDD LTE和TDD LTE，LTE顯著增加了頻譜效率和數(shù)據(jù)傳輸速率，峰值速率能夠達到上行50 Mbps,下行100 Mbps。5G移動通信網(wǎng)為新一代蜂窩移動通信技術，實現(xiàn)網(wǎng)絡架構扁平化、基站小型化，比LTE/LTE的峰值傳輸速率快100倍，具備超大帶寬、超低時延、超高容量、超密站點、超可靠性的特點。邊緣計算基于移動通信網(wǎng)絡的全新分布式計算方式，構建在無線接入網(wǎng)的云服務環(huán)境，通過使特定網(wǎng)絡應用服務功能脫離核心網(wǎng)絡，實現(xiàn)節(jié)省成本，降低時延和往返時間，優(yōu)化傳輸流量，增強物理安全和緩存效率等目標。

現(xiàn)階段車路協(xié)同關鍵技術主要是基于雷視一體技術以及高精度定位等實現(xiàn)主動安全預警的功能，而對于智能網(wǎng)聯(lián)汽車間的信息交互還處在仿真模擬階段，而且RSU與OBU之間的通信方式都用的是第4代通信技術（The 4th Generation Mobile Communication,4G），采用第五代通信技術的芯片還處在研發(fā)階段。南京郵電大學李遠程針對4G+網(wǎng)絡和GPS的智能車路協(xié)同系統(tǒng)中通信以及定位的關鍵技術進行了研究，并對網(wǎng)絡部署以及提升網(wǎng)絡性能提出了策略建議。同樣，姚海敏等從高精度地圖及多傳感器融合定位展開對車路協(xié)同應用實踐的研究，綜合場端及車端感知與定位技術，搭建融合感知平臺，實現(xiàn)對園區(qū)道路、停車場場景可視化以及管控邏輯。毫米波雷達在車路協(xié)同系統(tǒng)中起著至關重要的作用，李原基于毫米波雷達感知技術搭建了交叉路口、高速/快速路、停車場3種典型場景下的車路協(xié)同框架，毫米波雷達在測距、測速、目標識別、交通計數(shù)方面能有效提升交通管理水平、提高交通效率、保障交通安全。為了解決傳統(tǒng)的云計算耗時、耗能的問題，大連理工大學胡芳億對車路協(xié)同邊緣云計算任務卸載問題進行了研究，通過仿真對比廣義Benders分解算法和提出的EALNS算法的能耗優(yōu)化對比，驗證了EALNS算法的有效性。大部分車路協(xié)同關鍵技術的研究還處在仿真模擬階段，且文獻中所述的關鍵技術往往是超前的，很有必要說明在實際測試中所用到的關鍵技術的創(chuàng)新與缺陷。大唐電信科技產(chǎn)業(yè)集團CHEN等介紹了C-V2X的基礎道路安全和高級應用需求、體系結構、關鍵技術和標準，突出了從LTE-V2X到NR-V2X的技術演進路徑，最后介紹了國內的相關進展，展望了發(fā)展趨勢。車路協(xié)同其中一項關鍵技術是車內標志顯示。東京大學中野研究室YANG等基于車內信號燈顯示展開了一系列的研究。對于車內信號燈顯示，YANG等比較了車內信號顯示的2種方式，普通4.3英寸顯示器和平視顯示器對駕駛員行為的影響，最終得出駕駛員在平視顯示的情況下的掃視時間明顯短于正常顯示的情況。YANG等隨后又研究了基于車內信號燈顯示對駕駛行為的影響，研究發(fā)現(xiàn)，車內信號燈顯示可以顯著降低跟隨車輛的最大減速，即使跟隨車輛沒有安裝該系統(tǒng)。顯然，國內對車路協(xié)同關鍵技術的研究主要是通信方案的優(yōu)化、圖像識別算法的改進，而國外更加注重人機交互的合理性，需要著重對關鍵技術進行系列的研究，確保技術的普適性。

圖2 車路協(xié)同應用場景及基礎設施組成架構

車路協(xié)同技術改變了原來設施的控制策略，基于車路協(xié)同的控制策略大致可以分為道路基礎設施控制方法的研究、車輛橫縱向模型的研究和駕駛員行為特性的研究這3個方面。道路基礎設施控制方法的研究主要是在交叉口場景下對交通信號的進行控制，吉林大學梁晶偉針對目前傳統(tǒng)交叉口信號控制的缺點，基于間隙理論提出了安全-效率控制模型，給出了交叉口的優(yōu)化控制方法，為智能網(wǎng)聯(lián)汽車/非網(wǎng)聯(lián)汽車的混行信號控制提供了思路。哈爾濱工業(yè)大學金宇同樣基于車路協(xié)同環(huán)境下干線交通信號協(xié)調控制方法展開了研究，提出了一種以車速誘導和信號控制方案調整協(xié)同優(yōu)化為目標的干線交通信號協(xié)調控制方法，并仿真驗證了該方法的優(yōu)越性。而新疆農(nóng)業(yè)大學JI對車路協(xié)同場景下的交通信號控制進行了綜述，指出針對協(xié)同環(huán)境下對車輛行駛影響的研究相對匱乏。傳統(tǒng)的車輛橫縱向模型包括預瞄跟蹤模型、跟馳模型、換道模型，而車路協(xié)同技術拓寬了車輛的感知范圍，車輛的橫縱向模型也會不同于傳統(tǒng)的模型。北京建筑大學焦朋朋等基于車路協(xié)同系統(tǒng)，提出了車隊避讓緊急車輛的換道引導策略，使不影響緊急車輛的速度情況下，與車隊尾車的距離最短。長安大學王海霞建立了基于車路協(xié)同的換道模型，仿真結果表明，協(xié)同換道模型可以在目標車道有前車或目標車道有后車2種工況下滿足約束條件地實現(xiàn)安全換道。為了緩解信號交叉口對交通流的阻斷問題，武漢理工大學安樹科等建立了基于車路協(xié)同技術的信號交叉口改進車輛跟馳模型，分析了引導區(qū)間長度對速度引導的影響，仿真結果表明改進的車輛跟馳模型要優(yōu)于已有模型?；谲?車通信（Vehicleto-Vehicle,V2V）技術，協(xié)同自適應巡航控制系統(tǒng)（Co?operative Adaptive Cruise Control,CACC）能夠使得車隊內部的車輛以相互協(xié)調的車速運行以保持較小的車頭時距/間距，從而能夠提升道路的通行量并且能夠增進車輛之間的安全性?？巳R姆森大學DEY等回顧了CACC系統(tǒng)的3個基本要素：通信、駕駛員特性和控制策略，以及討論了現(xiàn)有的CACC控制模塊在考慮接近理想駕駛工況時所面臨的問題。密歇根大學ZHANG等設計了協(xié)同自適應巡航控制，以調節(jié)有人駕駛和自動駕駛汽車組成的混合交通中連接和自動駕駛汽車的縱向運動，利用道路實驗采集的數(shù)據(jù)來模擬有人駕駛車輛的運動，并利用基于物理的車輛動力學模型來模擬自動駕駛車輛的運動，結果表明所提出的選擇性CACC在提高車輛安全性和緩解混合交通擾動方面具有優(yōu)勢。吉林大學WU等提出了利用改進的混沌蟻群對PID控制器進行整定的方法，以達到提高駕駛舒適性、燃油消耗和減小最小安全距離的目的?，F(xiàn)階段的智能網(wǎng)聯(lián)汽車是基于有人駕駛的，在實現(xiàn)系統(tǒng)功能的同時需要對駕駛員的行為特性進行研究，從而優(yōu)化車路協(xié)同的方案。楊晶茹基于車路協(xié)同環(huán)境下研究了駕駛行為模型，在考慮期望安全間距的單車道跟馳模型基礎上，分析了多車道駕駛行為的分子動力學特性，最終構建了換道和超車交互行為統(tǒng)一模型。調研車路協(xié)同的公眾接受度有利于車路協(xié)同技術的推廣，哈爾濱工業(yè)大學章錫俏等為了研究公眾對車路協(xié)同系統(tǒng)的接受度以及在性別上的差異，并考慮心理因素，基于拓展的技術接受模型建立了車路協(xié)同系統(tǒng)接受度模型，通過網(wǎng)絡問卷的形式得出女性更加注重車路協(xié)同的安全性，男性更加注重其的便利性。同樣的，哈爾濱工業(yè)大學毛偉從駕駛員的心理出發(fā)研究了駕駛員對車路協(xié)同系統(tǒng)的適應性，通過模擬駕駛后駕駛人對車路協(xié)同系統(tǒng)的適應性有明顯的提高。駕駛員行為特性往往跟駕駛員的生理指標有關。相關研究主要從腦電、肌電、皮電、心率和眼動這5個方面著手，研究車路協(xié)同系統(tǒng)對駕駛員行為的影響往往是從本車駕駛人出發(fā)，但是在實際車路協(xié)同系統(tǒng)推廣過程中，駕駛人對其的接收度是有差異的，這就很有必要研究車路協(xié)同系統(tǒng)對非本車駕駛員的影響。

2.3 車路協(xié)同應用場景

車路協(xié)同應用場景可以分為交通誘導類和道路感知類，如圖3所示。而且主要圍繞交通信號展開，包括綠波通行場景、車內信號燈顯示場景、闖紅燈預警場景。

湖南大學付沛沛展開了基于車路協(xié)同的無信號交叉路口的研究，主要提出了無信號交叉路口的協(xié)調模型，并在不同交通流量的情況下將該模型與法規(guī)中優(yōu)先級方案和其他優(yōu)先級方案的仿真結果對比分析，最終驗證了該模型能夠有效提高無信號交叉口的通行效率。而張默可基于車路協(xié)同環(huán)境下對交通信號控制展開了研究，仿真驗證了車速引導能降低10%的油耗，然后分別搭建了單交叉口和多交叉口交通信號控制優(yōu)化模型，驗證了模型對城市交通效率的改善效果。一方面基于車路協(xié)同的交通信號控制優(yōu)化能有效提高道路的通行效率，另一方面基于車路協(xié)同的可變車道方案也能緩解道路擁堵和雙向交通流不平衡。東南大學MAO等提出了一種基于車路協(xié)同的實時動態(tài)可逆車道方案，與傳統(tǒng)時間控制換道方式相比，該方案使車輛平均延遲降低了27.4%，減少了13.5%的道路容積，有效改善了交通流的不平衡。對于上述車路協(xié)同測試場景的研究，缺少對車路協(xié)同測試場景的優(yōu)先級分類以及具體的測試規(guī)程，大多偏向于場景的實現(xiàn)。齊魯大學ZHANG等首先回顧了車聯(lián)網(wǎng)（Vehicle-to-Everything,V2X）性能測試的相關研究，分析了測試框架中的常用技術，然后以路側單元（Road Side Unit,RSU）部署為例介紹設備部署，最后總結了典型用例及性能指標。國立臺灣理工大學MIAO L等首先分析了C-V2X通信技術的優(yōu)點，其次說明了C-V2X標準和C-V2X在汽車道路安全系統(tǒng)中的應用，最后說明了基于PC5的C-V2X在全球特別是臺灣的部署情況和CV2X發(fā)展面臨的挑戰(zhàn)。中國汽車技術研究中心有限公司DU等基于中國汽車技術研究中心的自然駕駛場景數(shù)據(jù)庫，采用LGBM決策樹模型提取場景的典型特征，并結合CIDAS事故場景和參數(shù)重組場景，提出了一種L3智能車功能測試的場景設計方法和評估方法，結果表明，該方法與實際車輛試驗結果具有良好的一致性。目前車路協(xié)同應用場景的研究主要考慮觸發(fā)場景的條件和對道路通行的影響，并沒有考慮其對駕駛人行為特性的影響，及駕駛人對場景的適應性。

圖3 車路協(xié)同應用場景體系框架

2.4 研究的不足之處

總體來說，現(xiàn)階段車路協(xié)同的研究還不能同自動駕駛相適應。對于智能網(wǎng)聯(lián)車方面，雖然已經(jīng)不具備了智能化和網(wǎng)聯(lián)化的條件，但還遠遠沒有達到2者融合的程度，哪些場景需要依托于環(huán)境感知，而哪些場景需要依托于通信設備，這還沒有明確的界定。對于車路協(xié)同技術方面，智能網(wǎng)聯(lián)技術還不能代替駕駛人進行車輛控制，造成這個的主要有2個原因：一方面是道路基礎設施智能化升級緩慢，另一方面是智能網(wǎng)聯(lián)車輛的普及率還未達到智能網(wǎng)聯(lián)控制的理想狀態(tài)。對于車路協(xié)同場景方面，現(xiàn)階段的應用場景往往路況簡單、路線相對固定、車速相對較低、交通參與者較少，對于大范圍不定線路場景、復雜交通環(huán)境場景和極端惡劣天氣場景還未開展相應的研究。

3 智能網(wǎng)聯(lián)汽車關鍵技術的探討

3.1 現(xiàn)有技術問題

智能網(wǎng)聯(lián)汽車關鍵技術主要分為3個大類，包括車輛關鍵技術，信息交互關鍵技術和基礎支撐關鍵技術，表1為智能網(wǎng)聯(lián)汽車關鍵技術概述。其中環(huán)境感知技術、智能決策技術、專用通信與網(wǎng)絡技術、車路協(xié)同技術是不可或缺的。

表1 智能網(wǎng)聯(lián)關鍵技術概述

對于環(huán)境感知技術，其中又包括了車載視覺技術、車載毫米波雷達技術、車載激光雷達技術和多源信息融合技術。車載視覺發(fā)展情況基本符合預期目標，而車載毫米波雷達仍處在適用階段，然而激光雷達已達到國際領先水平。但是總的來說，在傳感器、處理器、融合算法、基于V2X的多源協(xié)同感知方面，與國際水平仍然有較大的差距。

對于智能決策技術，其中又包括了車輛決策與控制技術和多車協(xié)同控制技術。自動緊急制動、自適應巡航縱向駕駛輔助、車道保持輔助橫向駕駛輔助以及自動泊車決策控制的核心決策控制算法都已經(jīng)實現(xiàn)量產(chǎn)應用。而多車協(xié)同控制技術已經(jīng)在虛擬測試平臺進行了驗證。總的來說，國內尚未完善通用的軟件仿真平臺和實車測試驗證平臺，缺乏有效的手段進行大規(guī)模測試驗證，阻礙了智能決策技術的研發(fā)進展。

在專用通信與網(wǎng)絡技術方面，國內C-V2X通信設備尚未經(jīng)過大規(guī)模外場性能測試，真實場景下C-V2X通信性能尚未得到驗證；C-V2X檢測標準、規(guī)范尚不完善；尚未形成完整的C-V2X安全標準體系，C-V2X證書管理、相關數(shù)據(jù)接口及流程等技術要求尚未明確。

在車路協(xié)同技術方面，缺乏統(tǒng)一完善的頂層設計規(guī)劃；標準體系不夠完善；道路基礎設施建設不足；缺乏成熟的項目落地經(jīng)驗。

3.2 可行的解決方案

雖然智能網(wǎng)聯(lián)技術還存在著很多亟待解決的問題，但是相應的解決方案是比較明確。針對環(huán)境感知系統(tǒng)技術存在的問題，需要加強傳感器領域的基礎研發(fā)，開展處理器及芯片方面的技術攻關和加強算法技術方向的研究。針對智能決策系統(tǒng)技術存在的問題，需要構建智能決策控制技術策略開發(fā)、虛擬測試驗證仿真平臺，以及開發(fā)自動駕駛系統(tǒng)智能決策技術控制方法。針對專用通信與網(wǎng)絡技術存在的問題，需要開展C-V2X通信技術性能驗證測試，建立C-V2X檢測認證體系，完善C-V2X通信安全標準體系，提高CV2X通信安全檢測能力等。針對車路協(xié)同技術存在的問題，需要建立完善的車路協(xié)同系統(tǒng)參考架構設計，積極開展基于車路協(xié)同技術的大規(guī)模測試示范，以及發(fā)揮產(chǎn)學研優(yōu)勢，加強跨行業(yè)協(xié)作，重點突破車路協(xié)同涉及的車車/車路信息交互、協(xié)同感知、協(xié)同預測、協(xié)同系統(tǒng)仿真測試等技術。

4 結語

本文從智能網(wǎng)聯(lián)汽車、車路協(xié)同關鍵技術、車路協(xié)同測試場景這3個方面詳細敘述了車路協(xié)同方案國內外的研究進展。對于車路協(xié)同系統(tǒng)未來的研究主要還是側重在通信方式的可靠性研究、必要觸發(fā)場景的研究、以及基于車路協(xié)同的自動駕駛的實際應用方面的研究。雖然現(xiàn)階段基于有人駕駛的車路協(xié)同系統(tǒng)的成效不是很顯著，但隨著關鍵技術的突破和相關法律的支持，以及經(jīng)過各示范區(qū)不斷開展互聯(lián)互通的應用測試，車路協(xié)同的實際應用也是指日可待的。

現(xiàn)階段，仍有問題亟待解決，如：單車智能與基于車路協(xié)同的無人駕駛是否能夠共存，不同滲透率的智能網(wǎng)聯(lián)汽車如何實現(xiàn)商業(yè)化的落地以及公眾能否接受智能網(wǎng)聯(lián)汽車?？傮w來說，車路協(xié)同演進不是一蹴而就的，需要以整車廠為首，圍繞各示范區(qū)展開一系列的研究，從而完善車路協(xié)同的方案，而且技術的演進過程需要及時向公眾反饋，過程中多聽取道路交通參與者的意見。