基于專利分析的車路協同技術研究

郭宇宏 王亞飛 郭少杰

（中國汽車技術研究中心有限公司，天津 300300）

0 引言

車路協同技術是自動駕駛技術重要的研究方向和新興產業技術群體。基于無線通信、傳感探測技術獲取車路信息，通過車與車、車與路信息交互，實現車輛和路端基礎設施之間的智能協同與配合，達到優化利用系統資源、提高車輛行駛安全和道路交通安全的目標。基于車路協同技術，能夠動態采集并融合交通信息，開展車輛主動安全控制和道路管理，實現人、車、路有效協同。

目前，車路協同技術已廣泛應用于自動駕駛、交通控制等領域[1]，且隨著車端設備、路端設備的更新換代，車路系統信息獲取能力仍在不斷增強，如何更有效地利用這些信息，已成為自動駕駛和交通控制領域的研究熱點。

盧春房等[2]指出：車路協同系統以“聰明的車”和“智能的路”為核心要素，以兩者高效協同為基礎，支撐起了覆蓋面廣、產業鏈條長、跨界融合突出的發展特點。而中國由于多樣的土地與道路設施、門類齊全的制造業、市場潛力巨大等優勢條件，在車路協同技術與產業發展上取得了不錯的成果。文韜等[3]從系統架構角度，將車路協同系統劃分為設備層、網絡層、數據層、平臺層和應用層等多個維度，并針對當前城市道路最為常見的路口場景、連續路段、隧道場景和匝道場景，給出相應的車路協同解決方案。熊文華等[4]通過對自動駕駛車輛功能局限性進行分析，找出自動駕駛車輛對路側交通設施的潛在需求,從功能角度將路側交通設施分為常規交通管理設施、交通協同設施、基站及網絡設施、高精度定位設施及路內服務設施等,構建了車路協同路側交通設施體系。在此基礎上，從路側設施配套分級設置的角度,提出四級自動駕駛道路分級標準，以及配套路側設施設置要求,細化完善當前自動駕駛“路端”管理方面的技術要求，為管理部門提供參考。Yang 等[5]從邊緣計算能力出發，分析了車路協同系統的組成以及影響邊緣計算的主要因素，并結合智能公路示范項目提出了基于邊緣計算的車路協同基礎設施方案，對中國智能公路車路協同系統的設計、研發和工程實施具有重要的指導意義。

為了研究車路協同技術的發展趨勢，本文采用專利分析模式，通過檢索車路協同技術相關的專利，深刻剖析專利背后的技術路線，從專利申請態勢、專利申請人、技術手段和技術效果4 個方面進行宏觀分析，從感知層面、通信層面和應用層面進行微觀技術解讀，最后基于分析結果對車路協同技術進行總結和展望。

1 車路協同技術專利分析

本文專利分析使用的專利檢索數據庫為中國汽車技術研究中心自主研發的全球汽車專利數據庫，對車路協同技術相關專利進行檢索，時間范圍為2010年1月1日至2022年9月1日。

檢索主要采用分類號和關鍵詞相結合的方式，關鍵詞主要包括：車路協同、車路一體化、智慧交通、Vehicle Infrastructure Integration、smartway 和e-safety；分類號主要包括：G08、H04、B60W。對檢索到的初始專利文件進行去噪和標引，最終得到車路協同技術相關的專利。其中，國內專利達3 585件，國外專利為775 件。下面將基于本次檢索的結果，從專利角度對車路協同技術的發展進行剖析和預測。

1.1 車路協同技術全球專利申請態勢分析

車路協同技術相關專利申請量如圖1 所示。圖1表明，自2015 年以來，國內外車路協同技術年度專利申請量突破200 件，并呈現逐年大幅度上升的趨勢，2020 年和2021 年專利申請量增幅最大。受專利申請18個月公開周期的影響，2021年專利申請量達到了峰值，接近1000 件。可以推斷，2022 年乃至今后幾年，仍是車路協同技術專利申請和布局的黃金時期，仍會有更先進的車路協同技術出現，且專利申請空間非常充足。

圖1 車路協同技術年度專利申請量

1.2 車路協同技術專利申請人分析

從專利申請的全球分布情況來看，2010年以來申請的中國專利最多，中國申請人已成為車路協同技術創新的重要力量。下面分別就國內專利和國外專利的申請人情況進行分析。

車路協同技術國內專利申請人分布如圖2 所示，排名前5位的申請人依次是北京百度網訊科技有限公司、阿波羅智聯（北京）科技有限公司、騰訊科技（深圳）有限公司、東南大學和同濟大學。其中，阿波羅智聯（北京）科技有限公司為百度集團旗下致力于智能交通、車聯網領域業務拓展的一家公司，足見百度集團在新一代信息技術與交通運輸深度融合方面的技術貢獻，并暫時掌握了專利申請與布局的主動權。此外，騰訊科技（深圳）有限公司作為科技實力雄厚的國內企業，在車路協同技術領域也擁有一定的專利申請量。東南大學、同濟大學、清華大學等國內高校，也是技術創新與專利申請的主力。

圖2 車路協同技術國內專利申請人

車路協同技術國外專利的申請人分布如圖3 所示，排名前5 位的申請人依次是Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd.、BEIJING BAIDU NETCOM SCI & TECH CO LTD、BLACKBERRY LTD、GUANGDONG OPPO MOBILE TELECOMMUNICATIONS CORP LTD 和INTEL CORP。以阿波羅智聯（北京）科技有限公司和北京百度網訊科技有限公司為代表的百度集團不僅在國內申請了相當數量的專利，同時也開展了有針對性的海外專利布局，國外專利的申請量也名列前茅，為我國其他公司的技術發展和專利布局戰略提供了示范。

圖3 車路協同技術國外專利申請人

1.3 車路協同技術專利技術手段分析

深入到技術層面，車路協同技術專利所采用的主要技術手段如圖4 所示。結果顯示，主要的技術手段分別為電控、設計分析方法、算法和軟件，而結構、工裝等方面的專利申請量較少。這是由于算法類技術手段可改進的靈活性強，創新空間比較大。而硬件設備改進可能涉及底層技術和生產領域大幅度變革，突破難度較大。因此，控制類、算法類技術手段創新仍是今后申請專利的主要方向。而結構、工裝等硬件類的專利申請量較少，企業如有相關技術創新，應盡早占領先機，填補專利空白點。

圖4 車路協同技術專利技術手段

1.4 車路協同技術專利技術效果分析

從技術效果方面分析，車路協同技術專利所實現的主要技術效果如圖5 所示。申請量較大的技術效果分別為高效率、可靠性、精確性和安全性，這與我國利用車路協同技術改善道路安全與提高交通效率，兼顧節能與環保的目的非常吻合[6]。此外，也有相當一部分專利從降低成本和實時性的角度，挖掘出了車路協同技術的有益效果，這也印證了車路協同將大幅降低自動駕駛成本的觀點。同時，環保與舒適性技術效果的尚屬于專利空白點，仍有廣闊的布局空間。

圖5 車路協同技術專利技術效果

2 車路協同技術相關專利解讀

從車路協同系統架構出發，將車路協同技術的相關專利劃分為感知層面、通信層面和應用層面3 個技術分支[7]，并對各技術分支的專利申請量進行了統計，結果如表1 所示。結果顯示，應用層面的專利申請量最大，占比達50%以上，可見車路協同技術在具體技術場景中應用取得了創新成果，進一步證明了該項技術的實用價值。申請量排在第2 位的技術分支為感知層面，而通信層面的專利申請量相對較少，具有很大的研發和布局潛力。依托于對技術方案的深度剖析，概括出了3 個層面的技術分解，并給出了技術分支，如圖6 所示，其中的數字代表技術分支下的專利數量。

表1 車路協同技術分支申請量

圖6 車路協同技術專利技術分解

2.1 感知層面

車路協同的感知層技術能夠實現車路協同感知，擴展感知維度，豐富感知信息。通過篩選代表性專利，提取出感知層面的3 個典型分支，即路端感知、感知算法和融合感知，充分體現車路協同感知與傳統感知技術的區別。

2.1.1 路端感知

路端感知是利用路端設備對道路信息和車輛信息進行全面感知。路端設備分布廣、狀態穩定，在信息感知方面具有很多優勢，能夠為車輛智能駕駛或車路協同控制提供更豐富的實現途徑。圍繞充分發揮路段感知優勢的主題，該分支包括了路端優勢、路端精度和路端運維3個方面。

其中，體現路端優勢的專利數量最多，涉及自動駕駛、安全控制以及節約成本方面，代表性專利有CN114394090A11、CN114999199A 和CN113264039A。其中，專利CN114394090A 公開了1 種車路協同虛擬前障礙物感應系統，對道路信息進行全面感知，獲取車載系統位置，從而與高精度地圖匹配，判斷車載系統狀態，并根據道路信息以及車載系統狀態，在車載系統前產生虛擬前障礙物。該專利可以有效減少傳感器在車上的應用，相當于把車上的傳感器轉移到路上，直接獲取感知結果，從而實現更高級別自動駕駛功能，減少了算力和傳感器數量，大大降低了成本。專利CN114999199A 提供了1 種信號燈數據的處理方法，通過路端設備判斷車輛是否在路端信號燈控制機控制范圍，以及目標車輛是否在預設消隱區中。若目標車輛在預設消隱區中，則控制目標車輛不對信號燈數據進行響應，避免了車輛在行駛過程中對錯誤的信號燈數據進行響應，降低了交通違規或交通事故發生概率，提高車輛駕駛安全性。專利CN113264039A 提供了1 種車輛駕駛輔助方法，從感知裝置獲取與車輛所在環境有關的感知信息，來估計車輛與環境中其他物體的碰撞風險。該專利利用環境中的路側設備，以相對低的成本為車輛提供準確的碰撞風險預測。

鑒于路端感知的天然優勢，很多專利致力于提高路段感知精度，以保證路端感知信息準確性，代表性專利有CN114596706A、CN114353853A和CN113763738A。其中，專利CN114596706A提供1種路側感知系統檢測方法，能夠對車端感知系統輸出的感知數據進行篩選，將其中可信度較高的數據作為真值數據，提高真值數據的準確性，從而提高路側感知系統檢測結果的準確性。專利CN114353853A 提供了1 種用于確定路側感知系統的檢測精度方法，基于測試車輛在運行時記錄的數據列表和路側感知系統檢測測試車輛得到的數據列表，可以確定路側感知系統的檢測精度，提高了所確定的檢測精度準確性。

此外，路端運維也是保證路端信息可靠性的重要手段，代表性專利有CN113689693A、CN114501179A和CN112866328A。其中，專利CN113689693A提供了1 種路側設備異常處理方法，包括監控路側設備的異常狀態處理。專利CN113689693A基于異常狀態生成報警信息，報警信息包括異常狀態的類別信息。將報警信息通知給用戶，使用戶基于類別信息對應處理報警信息。

2.1.2 感知算法

感知算法是利用車路協同技術實現協同感知的具體方法。由于感知目標的多樣性，大量專利針對不同目標的具體形態、屬性，提出了適配性更強的感知算法（如交通燈感知、車道線感知、障礙物感知和人流量感知），覆蓋了交通領域中最關鍵的目標對象。

交通燈作為交通領域最重要的信號來源，交通燈感知算法相關的專利數量是最多的，代表性專利有CN114399917A、CN114494945A 和CN113602216A。其中，專利CN114399917A 公開了1 種交通信號燈識別方法，通過交通信號燈圖片、JPEG 圖像字段以及微控制單元（Micro Controuer Unit，MCU）系數矩陣轉換和應用，減少在感知過程中的計算量。CN114494945A提供了1種交通燈圖像采樣方法，通過對單種燈色切換時間區間以及燈色穩定時間區間進行分析，實現了對采樣視頻的均衡采樣，有助于提升采樣質量，從而提升模型對交通燈燈色的識別效果。

車道線也是車路協同領域的重要信息標志，車道線識別的代表性專利有CN114323033A、CN113392793A、CN113705305A和CN114898325A。其中，CN114323033A 提供了1 種用于識別車道線的方法，將待識別圖像輸入至預先訓練的車道線識別模型，得到車道線識別結果。車道線識別模型包括通過無監督訓練得到的特征提取模型和通過有監督訓練得到的分割模型，特征提取模型用于提取待識別圖像特征，分割模型用于根據待識別圖像特征進行實例分割以識別車道線。該專利實現了基于自監督學習和實例分割的車道線識別。

障礙物識別是交通感知領域的研究熱點，路端障礙物識別的代表性專利有CN114359495A、CN114882717A和CN114559933A。其中，專利CN114359495A提供了1 種三維障礙物數據增強方法，在同一背景中獲取至少1 個三維障礙物及其對應的標簽，并從中選取待貼圖的三維障礙物，貼圖至目標圖像的指定位置，并標注待貼圖三維障礙物的標簽。該專利可以保證目標圖像中原有的三維障礙物與貼圖的三維障礙物的成像幾何關系不被破壞，提高感知準確性。

人流量感知的專利雖然數量較少，但也是車路協同感知的新興領域，代表性專利有CN114329238A、CN114582117A和CN112819835A。其中，CN1143292 38A 提供了1 種數據處理方法，獲取目標對象使用智能終端產生的時空數據。若目標對象位于目標區域，基于時空數據，統計目標對象在目標區域內的數量，確定目標對象的時空分布信息。當目標對象為行人時，即可感知人流量的準確信息。

2.1.3 融合感知

融合感知是將車路系統感知到的信息進行融合，提升感知質量或感知體驗。根據融合方式的不同，概括出不同傳感器信息融合、同類感知信息融合，以及融合展示3個方面。

豐富的傳感器配置是車路協同系統的重要特征，將不同類型傳感器獲取到的感知信息進行融合，能夠大幅度提高感知信息質量。不同傳感器信息融合方面的專利非常多，包括視覺傳感器與雷達傳感器信息融合（CN113687383A、CN113687384A、CN113688900A、CN113341429A），以及特定道路場景下的傳感器信息融合（CN114912685A、CN114862901A）。其中，專利CN113688900A 提供了1 種雷達和視覺數據融合處理方法，從雷達傳感器和視覺傳感器分別接收點云數據和圖像數據，基于對應關系對激光點的反射強度信息和像素點的亮度信息進行融合處理，得到亮度融合信息，實現畫質增強，減少了圖像數據噪點，并且提高了信噪比。專利CN114912685A 提供了1 種基于車路協同的行駛路線調整方法，適用于太陽能公路特殊路段場景，通過獲取太陽能公路上設置的重力傳感器傳回的重力感知數據，對預先規劃的目標路線進行調整，可在保障駕駛安全的同時提升行駛效率。

除不同類型的傳感器信息相互融合之外，同一類型的感知信息也可以進行融合處理，代表性專利有CN114880337A、CN114328785A。專利CN114880337A提供了1 種地圖數據一體化更新方法，基于地圖要素置信度統一更新不同精度地圖，在保障數據一致性的同時，實現了地圖要素信息與地圖信息融合。CN114328785A 提供了1 種提取道路信息的方法，對車輛行駛軌跡集合進行預處理，過濾掉滿足預定條件的軌跡。通過統計軌跡之間相似距離，計算目標軌跡集合關聯度。從目標軌跡集合中提取道路信息，通過軌跡信息融合，快速、準確地根據車輛行駛的軌跡提取道路信息，降低了構造地圖的成本。

融合展示更側重于用戶體驗，也是融合感知的重要組成部分，代表性專利有CN114333314A、CN114328783A 和 CN114228735A。 其中，專利CN114333314A 公開了1 種車路協同信息處理方法，由電子設備接收待測車輛的路端感知信息和待測車輛路線信息，并生成待測車輛的可視化場景。同時，將動態的車端信息和交通控制信息在可視化場景中呈現。這一方式可以實時展示待測車輛的周圍景象，豐富待測車輛感知數據，為交通參與者帶來直觀感受，提高交通參與者參與交通的安全性。在一些場景下，需要展示電子地圖中的對象數據，專利CN114228735 提出了1 種地圖數據輸出方法，通過待展示區域標識，確定相關聯的融合對象數據，實現區域地圖與相關數據融合展示，提高了展示效果和效率。

2.2 通信層面

在通信層面，車路協同技術涉及到多端設備、多級別信息，對通信網絡、通信協議進行適配性改造，才能實現不同設備信息交互。對具體技術手段進行歸類總結，選取通信層面的3個典型分支，即車聯網（Vehicle to Everything，V2X）通信、協議融合和通信網絡進行總結。

2.2.1 車聯網通信

V2X 協議是車端通信的重要協議，基于V2X 通信協議和V2X 設備進行車路通信，也是車路協同技術最常用的技術手段。 V2X 通信代表性專利有CN114363813A、 CN114928823A、 CN114866620A、CN114758519A、CN114579657A和CN112154677A等。

專利CN114363813A 公開了1 種基于廣播的V2X通信終端，通過攜帶移動源，并與基站通信，實時獲取移動源的位置信息、移動方向和移動速度信息，同時獲取基站的位置信息，并將基站位置信息以及移動源位置信息、移動方向和移動速度信息傳輸進行融合處理，得出移動源的精準位置信息、移動方向和移動速度信息。該專利中，移動源端和基站通過V2X 通信，不用選擇配置太高的硬件載體，進而降低整個車路協同系統硬件成本，提升車路協同系統運行效率。

專利CN114928823A 公開了1 種基于LTE-V2X技術的模組直連通信的解決方法，通過V2X 模組、云服務器、感知模組、車載單元（On Board Unit，OBU）模組和路側單位（Road Side Unit，RSU）模組相互配合，使車與車、車與路側設備之間通信連接采用模塊作為處理器的網絡架構，可提供軟件開發工具包(Software Development Kit，SDK) 和語音合成技術(Text To Speech，TTS)協議，支持二次開發，可靈活支持各類應用模式，可滿足駕駛輔助、自動駕駛、車路協同和智慧交通各類應用對C-V2X 設備軟硬件開發需求。通過匹配電源管理模塊、基帶模塊、存儲模塊、射頻模塊和FEM 5GHz C-V2X 前端模塊，可支持客戶基于內置應用處理平臺開發和移植C-V2X 協議棧和安全應用軟件。通過匹配V2X 模組、OBU 模組和RSU 模組，可支持C-V2X PC5 直連通信，支持V2X 安全應用場景，可部署于OBU和RSU各類設備和應用場景。

專利CN114866620A 公開了1 種面向車路協同的路側設備數據與協議轉換器，包括消息管理器、消息路由器和應用插件。其中，應用插件包括基礎插件、第3 方數據處理類插件和第3 方應用服務類插件。消息管理器通過應用插件獲取數據種類不同的原始數據，并將其轉換為V2X 標準消息，再通過消息路由器，對數據消息進行收發，從而將協議不統一、通信方式各異的設備進行車路協同集成。

2.2.2 協議融合

車路協同系統涉及多種設備，不同設備之間的通信協議存在差異。協議融合是指在不同的通信協議之間進行融合，保證通信順暢。相關專利申請主要包括協議封裝、協議轉換和協議測試。

協議封裝是指基于可用通信協議進行數據封裝，實現車路協同場景下的數據通信，拓展其他類型的協議在車路協同場景中的應用，代表性專利有CN114363841A、CN114363643A 和CN114124909A。其中，專利CN114363841A 公開了1 種車路協同混合模式通信系統及方法，具體內容如下。

（1）校驗來自車端和/或路端的業務場景數據后生成業務消息幀，分發至車端和/或路端應用處理程序。

（2）解析消息幀后生成消息集，對消息集進行二進制編碼，得到二進制數據流重構為消息幀。

（3）對二進制數據流按照業務場景對應的傳輸協議進行編碼，根據傳輸協議進行解碼。

該專利實現跨通信終端、跨通信制式、跨業務類型和跨系統平臺通信，融合了系統運行監測管理，提供了更加高效、穩定的通信。

協議轉換是指將不同設施、不同車輛、不同智能級別的協議和信息互相轉換，實現車路協同通信，代表性專利有CN114363862A 和CN112702660A、CN113691588A。其中，專利CN114363862A 公開了1種服務于車路協同自動駕駛的智能信息轉換系統和方法，用于連接并提供智能路側設施系統和智能網聯車輛之間的實時動態信息交互。根據碼本將實時動態信息編碼整理成碼本字符串，再還原解析，實現車端基本信息、車端感知信息和車輛控制信息，以及道路感知信息、車輛感知信息和交通控制信息通信。該專利促進了智能道路基礎設施（Intelligent Road Infrastructure Subsystem,IRIS）和智能網聯車輛（Connected and Automated Vehicle, CAV）之間的一系列智能級別（例如V1、V1.5、V2、V3 和V4）通信，提高了自動駕駛系統服務水平，并提供功能和支持，以滿足包括CAV和IRIS系統要求。

協議測試作為協議通信的重要環節，在應用到車路協同領域時也做出了一定改進，代表性專利有CN112527678A、CN112988535A 和CN110177374A。其中，專利CN112527678A公開了1種用于測試協議的方法，具體內容如下。

（1）基于車機端與安裝有目標協議測試包的移動端之間目標協議，得到協議傳輸測試數據流。

（2）基于該數據流和目標協議時序圖，定位協議傳輸測試數據流中的異常數據和位置。

該專利通過自動判斷協議時序，可以有效驗證目標協議的正確性，保證目標協議不會出現連接問題，可提升用戶體驗，大幅簡化測試驗證流程，減少開發方和驗收方的資源消耗，提高對目標協議開發、測試、驗收各環節效率。

2.2.3 通信網絡

良好的通信網絡是車路系統正常運作的保障。相關的專利申請主要包括網絡接入、網絡架構和網絡監控。

隨著科技的不斷發展，越來越多的設備接入車路協同網絡，作為建立網絡通信的首要環節，網絡接入方式成為通信層面的熱點話題，包括網絡尋址、網絡訪問等多個過程。網絡接入的代表性專利有CN114338415A、CN112714420A 和CN114500222A。其中，專利CN114338415A 提供了1 種端口掃描方法，用于解決在智能交通領域進行端口掃描時，掃描結果的準確性及可靠性較低的問題。當掃描失敗時，基于失敗原因對相應的初始掃描任務進行任務更新，重新對初始掃描任務進行端口掃描，以獲得掃描成功結果，提高了掃描結果的準確性及可靠性，從而保證順利接入車路協同網絡。專利CN112714420A 公開了1 種是無線保真（Wireless Fidelity, WiFi）熱點提供設備的網絡訪問方法，應用于智能交通領域的WiFi熱點提供設備。當該設備檢測到連接設備時，基于連接設備的互聯網協議地址訪問網絡，通過軟件實現了WiFi熱點提供設備對網絡的訪問，且整個實現過程中，無需對WiFi熱點提供方的硬件進行升級，從而降低了操作難度。

隨著未來車聯網的高速發展，車路數據爆炸式增長，網絡架構決定了組網方式和通信手段，也是保證車路協同通信高質量、低延時的前提。網絡架構方面的代表性專利有CN111083671A 、CN113038418A 和CN114915940A。其中，專利CN111083671A 提出了1種基于確定性網絡架構的車路云協同組網架構及方法，架構包括融合端設備、融合邊緣設備和融合云設備。融合端設備、融合邊緣設備和融合云設備均基于車路云系統的業務需求對網絡資源和計算資源進行協同配置，以確定車路終端與融合云設備之間的通信鏈路。該專利利用確定性網絡解決車聯網對移動性和實時性需求較高的問題，實現路況傳感信息、車輛傳感信息的車路網云協同融合計算。確定性網絡架構主要針對車路協同端、邊緣和云的高速、低時延需求，支持駕駛決策驅動的智能計算和高速通信能力，滿足低時延、高可靠、大帶寬、高速移動、高速計算、大容量存儲和海量連接車路協同對網絡提出的新需求。

隨著互聯網的全面推進，未來網絡安全防御體系將更加看重網絡安全監測和響應能力。網絡監控方面的代表性專利有CN112769595A、CN112333669A 和CN114124548A。其中，專利CN112769595A 公開了1種異常檢測方法，應用于自動駕駛、智能交通場景，通過終端進程文件系統，獲取并解析網絡連接相關文件，得到終端網絡連接信息，對終端進行異常檢測。該專利可以減少對終端系統性能的消耗，避免影響終端系統性能。專利CN112333669A 提供1 種車路協同路側基站系統的安全檢查方法，根據安全配置信息對所述車路協同路側基站系統的節點和組件進行安全漏洞掃描，生成安全漏洞報告。對所述車路協同路側基站系統的預定組件進行安全配置基線核查，生成安全風險評估報告，進行問題定位和/或預警提示。該專利能夠保證車路協同路側基站系統的正常運營。

2.3 應用層面

在應用層面，無論對車端還是路端，基礎設施和車路信息融合都帶來了極大的創新性變革。根據應用整體的不同，選取了車端應用、路端應用和綜合應用進行歸納總結。

2.3.1 車端應用

車輛作為交通領域中數量最為龐大、靈活性最強的參與者，是車路協同技術最主要的應用主體。車路協同技術打破了局限于車輛自身的技術壁壘，通過信息一體化，使車端應用實現了質的飛躍。在這一分支下，圍繞最常見的車端應用，分析了路徑規劃、智能駕駛和融合定位典型應用場景。

車端路徑規劃是指根據車路系統環境進行車輛路徑規劃和引導，提高路徑科學性，代表性專利有CN114387781A、CN114358408A、CN114312786A 和CN114323060A。其中，專利CN114387781A 公開了1種車輛引導控制方法，通過橫向交通流和可變限速引導引入的元胞傳輸模型，獲得各元胞間交通流單步傳播的預測模型。通過車輛引導優化模型，獲得控制變量。將控制變量輸入預測模型中，獲取預測輸出，將預測輸出輸入車輛引導優化模型，實現在線車路協同環境下高速公路瓶頸車輛引導策略。 專利CN114358408A 基于公交車場景提供了1 種線路生成方法，獲取目標終端所處的當前公交站點的站點信息。在當前公交站點到目標公交站點之間的線路上發生擁堵的情況下，檢查當前公交站點距離下一換乘站點之間的站點數是否小于預定站點數，生成包括步行至下一換乘站點，以及下一換乘站點到目標公交站點之間的線路。通過上述躲避擁堵路線推薦方法，可以解決交通擁堵場景下，普通公交線路的時間大幅增加問題，滿足用戶出行要求。

車端智能駕駛是指通過車路協同技術獲取信息，更好地制定和實施車輛智能駕駛策略和控制策略，代表性專利有 CN114212108A、CN114299755A 和CN114312839A。其中，專利CN114212108A 公開了1種自動駕駛方法，適用于單車智能駕駛場景，可以由電子設備執行。該設備響應于獲取位于主車前方的第一交通燈控制信號，確定由第一交通燈控制的車道。該設備響應于基于規劃行駛軌跡確定主車位于車道上，根據車身朝向與車道延伸方向之間的夾角，確定是否基于控制信號確定主車的行駛策略。專利CN114299755A 公開了1 種智能網聯隊列換道方法，適用于車隊的智能駕駛場景，通過目標車道車輛動態間隙和隊列換道所需間隙，來判斷是否屬于強制換道。若滿足間隙需求，則目標車道車輛協助實現隊列協同換道。若不滿足間隙需求，則等待下1個間隙，隊列內車輛依次換道。本專利可有效實現隊列整體換道，為智能網聯隊列安全、穩定地換道提供支撐。專利CN114312839A 提供了1 種信息處理方法，可以由電子設備執行。該設備響應于接收到用于表征自動駕駛車輛由自動駕駛模式切換為人工駕駛模式的指示信號，生成多個人工接管類型信息。該設備響應于接收到選擇多個人工接管類型信息中的目標人工接管類型信息的操作，確定切換類型為目標人工接管類型，輸出目標人工接管類型以及目標信息，目標信息與自動駕駛車輛由自動駕駛模式切換為人工駕駛模式。

車端融合定位是指利用車路協同技術進行車輛定位，提升定位結果性能，代表性專利有CN11427945 3A、CN114877883A、CN114779304A。其中，專利CN1 14279453A 公開了1 種基于車路協同的自動駕駛車輛定位方法，根據車輛參考位置信息集合確定自車參考位置信息，確定自車絕對位置信息，并進行融合定位，得到自車融合定位結果。該專利通過路側設備端可視范圍內所有車輛的位置信息確定出自車位置，再通過融合定位處理得到自車最終的融合定位結果，保證了極端環境或者極端天氣下的定位精度與穩定性。專利CN114877883A 提供1 種車路協同環境下考慮通信延遲的車輛定位方法，直接將滯后的路側端測量信息和車載端實時數據進行融合，以消除高度不穩定的通信延遲對車輛定位的影響，通過因子圖實現異步數據融合，避免引入數據擬合誤差。具體實現過程包括：利用車載激光雷達（Light Detection and Ranging,LiDAR）和全球導航衛星系統實時動態測量（Global Navigation Satellite System Real-time Kinematic,GNSSRTK）構建路側周圍環境點云地圖。將路側LiDAR點云與點云地圖進行配準，基于預建點云地圖結合背景差分濾波提取動態目標點云。通過具有噪聲的基于密度的聚類方法（Density-Based Spatial Clustering of Applications with Noise，DBSCAN）對預處理后的目標點云進行聚類，將屬于不同目標的點云聚合成單獨的簇。選取目標特征，通過支持向量機完成分類任務，獲得車輛目標，實現目標車輛在導航坐標系下的定位。基于因子圖，通過增量平滑推理獲得當前時刻車輛狀態最優估計，支持在全球導航衛星系統（Global Navigation Satellite System, GNSS）信號失效下實時定位。

2.3.2 路端應用

隨著路端通信設施和基礎設施發展，路端應用也逐漸被帶動起來，進一步打通了車路協同快速發展通道[8]。路端應用包括交通管控和道路評價方面[9]。

路端交通管控是指利用車路協同信息進行交通引導，提高管控效果，代表性專利有CN114399914A、CN114333352A和CN111127893A。其中，專利CN114399914A 公開了1 種車路協同的車道、信號燈和車輛聯合調度方法，該方法可根據每個車輛的車輛狀態信息和當前相位信息，預測當車輛到達路口停止線時行駛方向對應的信號燈相位狀態信息，預測車流在對應行駛方向上最大排隊長度，判斷最大排隊長度是否超過路段本身長度，指示車輛是否可繼續行駛至直行待行區。該專利針對不同行駛方向交通流比例失衡的情況，基于車路協同技術的全息感知能力和通信能力，對交叉口不同行駛方向的流量進行估算，并估計最大排隊長度，判斷是否會產生過長的排隊，進而發送消息至所有通信范圍內車輛，提升交叉路口通行效率。專利CN114301938A 公開了1 種車輛事件確定方法，根據初始車輛事件包含的與目標車輛對應的初始事件信息，確定與初始事件信息相關的補充事件參數。從車載終端和/或路側感知設備獲取與補充事件參數對應的補充事件信息，確定與目標車輛對應的最終車輛事件。該方法借助云端服務器融合車端和路側端各自視角記錄的信息，從而根據更全面的信息更準確地確定車輛事件，避免因單一視角對某些關鍵信息遺漏確定出錯誤的車輛事件。

路端道路評價是指利用車路協同信息進行道路評價，指導路端建設以及車端道路選擇，代表性專利有CN112489428A、CN114858214A 和CN113505980A。專利CN112489428A 公開了1 種基于駕駛行為的道路評價方法，在虛擬環境下對測試道路進行分析，實時采集虛擬車輛運行速度信息和駕駛員眼動信息，對每個分析單元路況進行分析，確定安全隱患路段。根據車輛運行速度，獲得相鄰分析單元速度差、車輛運行加速度、減速度和轉向角速度，通過相鄰分析單元速度差、車輛運行加速度、減速度和轉向角速度對分析單元路況進行分析，實現了在道路設計初期階段，對道路進行預先評價。CN114858214A 公開了1 種城市道路性能監測系統，依據各類數據特點將其分成表觀類數據、高差類數據、抗滑性能評價數據和其他類數據，并依據特征分別選擇了監測設備類型進行調研。將它們在性能、成本等多個角度做了橫向對比，確定其中最適合本專利的設備型號。在此基礎上，結合現有路側監測設備分布情況，從監測設備的監測范圍以及成本角度確定設計與試驗方案，確定了不同監測設備布置間隔。

2.3.3 綜合應用

除車端應用和路端應用外，還有一類基于車路協同技術而產生的綜合應用。這類綜合應用既可以應用在車端，也可以應用在路端使用，還可以應用于第3方，具有更強的適用性。這一類綜合應用包括場景挖掘、環境監測和金融支付應用，其專利數量雖然不是很多，但也在一定程度上拓展了車路協同技術的應用范圍。

場景挖掘是指挖掘典型交通應用場景，建立針對交通場景的自主式交通系統，是系統驗證和改進的重要手段，代表性專利有CN114925114A、CN114817463A和CN114817463A。其中，專利CN114925114A提供了1 種場景數據挖掘方法，根據目標交通場景事件的事件信息，以及所關聯的自動駕駛車輛行駛數據，確定目標交通場景事件對應的有效落盤時間。根據有效落盤時間，從自動駕駛車輛落盤數據中截取相應數據作為目標交通場景事件對應的真實場景數據。其中，有效落盤時間是指在目標交通場景事件發生階段對自動駕駛車輛進行數據落盤的時間。該專利公開方案可提升交通場景數據挖掘效率。

目前，智慧交通領域中已逐漸出現越來越多的城市治理方面需求，其中環境監測方面的應用已成為相關技術中的1 個研究方向，代表性專利有CN114563377A、CN114973669A 和CN109727471A。其中，專利CN114563377A 提供1 種基于車路協同的環境監測方法，通過車載單元采集環境圖像信息，通過車載單元與其他設備（V2X）通信協議，采集來自路側單元圖像信息。基于預先加載的高精地圖數據，確定目標區域內特種車輛。采集區域內能見度參考值，在監測到能見度參考值滿足預設條件時，通過V2X 通信協議向所述特種車輛發送指令，以調度所述特種車輛進行環境治理，例如進行道路清掃、灑水作業等，改善道路環境和空氣環境。

隨著車路協同系統的普及，設置在車輛上的車載單元與車外路側單元之間的數據交互已經成為移動金融支付的重要基礎設施。金融支付方面的代表性專利有CN114037526A、CN113807841A 和CN112712699A。其中，專利CN114037526A 公開了1 種數字貨幣支付方法和系統，可以由電子設備執行，該設備響應于外部支付指令，生成握手消息向包括收款方在內的CAN總線上的節點廣播，根據所述握手消息與所述收款方建立通信連接，生成支付消息。該專利能夠拓展車路協同系統組網方式和支付手段。

3 結束語

車路協同技術作為一項新技術，實現了通信、智能駕駛和交通管理的多領域融合，具有廣闊的應用前景。車路協同技術專利申請量在2015 年以后出現大幅度上升，在2021 年達到了頂峰。從申請人方面分析，排在前5 位的申請人依次為北京百度網訊科技有限公司、阿波羅智聯（北京）科技有限公司、騰訊科技（深圳）有限公司、東南大學和同濟大學。從技術手段方面分析，排名前5位申請人的技術手段分別為電控、設計分析方法、算法、軟件以及檢測計測試。申請人可以在軟件算法上繼續創新，同時加強對硬件設備進行技術創新。

目前車路協同技術在感知層面、通信層面和應用層面都擁有一定比例的專利申請量，其中應用層面的申請量最大。從應用領域看，自動駕駛和交通控制為創新技術的主要孵化領域，且以提高兩者的安全性、高效性、精確性為技術創新主要目標。環保和舒適方面也是我國建設車路協同系統的重要目標領域，尚屬于專利空白點，具有廣闊的布局空間。

在車路協同感知層面，現階段專利多集中于多樣化的感知算法和融和算法。為了實現對感知信息的充分利用，通常需要增加算法復雜度和處理流程，才能得到理想的感知結果。因此，提高硬件設備處理能力、優化計算量、提高實時性并減少運維難度，是未來技術創新需要關注的方向。

在車路協同通信層面，受基礎設施兼容性和適配性限制，相關專利數量較少。加快交通運輸領域通信標準建設，加強車路協同領域標準必要專利的研究，將是汽車領域、交通領域和通信領域待研究的熱點課題。

對于車路協同應用場景方面，現階段應用場景往往路況簡單、路線相對固定、交通參與者較少，對于大范圍不定線路場景、復雜交通環境場景和極端惡劣天氣場景下的專利數量較少，可開展進一步研究與布局。