车路协同自动驾驶发展现状与趋势

2.3.1 车路协同感知已进入规模化建设部署应用阶段

目前，国内外VICAD第1发展阶段已经开展了大规模测试验证与示范应用，第2发展阶段车路协同感知也已完成了理论研究、技术验证和标准制定，正在加速走向规模化建设部署与应用，主要体现在以下三个方面：

（1）协同感知类场景是国内外V2X研究的重点内容

美国、欧洲和我国车路协同相关标准中都重点针对车路协同感知规划了大量的应用场景。美国在DSRC通信技术的基础上，发布了SAE 2735、SAE 2945、SAE 3016、SAE 3216及相关标准，是全球范围内最早的车路协同标准，规划了一系列协同感知类场景，比如弱势交通参与者预警、信号灯信息共享、紧急车辆警告等；欧洲ETSI也在DSRC的基础上制定了欧洲的ETSI G5标准，场景方面与美国标准基本类似；中国车路协同系列标准具有领先优势，DAY I、DAY II、增强型、高等级车路协同应用场景行业标准和国家标准已经完成制定并发布25，V2X应用层标准的场景设计比美欧更加全面，服务对象兼顾了L0-L5的普通网联汽车和高等级自动驾驶汽车，应用场景不仅涉及协同感知类应用场景，甚至还包括协同决策规划和协同控制类应用场景。

（2）车路协同感知技术和能力得到了极大提升

随着行业对车路协同自动驾驶研究的逐渐深入，相关技术也逐渐走向成熟，路端设施和系统的感知能力已经具备了为不同等级网联自动驾驶车辆（Connected Automated Vehicle，CAV）提供规模化应用服务的条件。比如对于L2等级的CAV，国内外多家汽车厂商如福特、丰田、大众等公司都已经规划或完成了量产商用车型的上市，路端系统可以为这些车辆提供基础的交通事件、信号灯等协同感知服务，还能基于C-V2X服务数据进一步实现优先通行、绿波通行等复杂度较高的应用；另外，在高等级自动驾驶方面，路端系统的感知精度、时延和可靠性已经能够满足L4车端融合感知要求，可以实现在关闭车端感知的情况下，仅依靠路端感知能力就能够实现L4等级自动驾驶闭环运行，这些感知能力已在北京经开区、广州黄埔区等区域进行规模化建设部署，可为自动驾驶车辆提供全量、高精度协同感知服务。

（3）车路协同感知已在重点城市实现行政区级别建设部署应用

车路协同感知是当前阶段车路协同发展的重要方向。以美国为例，美国已在全国35万个交叉口，部署约5315套DSRC RSU和大约18000套车载终端OBU，比如在美国I-80公路示范项目中，施工区预警、恶劣天气预警、盲区预警等应用都是基于感知能力来实现的，再比如美国纽约市和坦帕市示范项目中的信号灯预警、人行橫道行人预警都属于协同感知场景。我国各级车联网先导区、示范区建设示范项目中，协同感知都是最重要的应用方向，以北京市高级别自动驾驶示范区为例，目前已完成了1.0和2.0阶段的建设任务，示范区内支持全量高精度车路协同感知应用的路口数量达到329个，城市道路双向里程超过750公里，覆盖面积达到60平方公里，占比超过了亦庄城市核心区域的70%，能够与示范区内数百台L4自动驾驶出租车进行数据闭环交互；2022年，北京将启动示范区3.0阶段的建设26，持续推动车路协同自动驾驶更大规模建设和更多商业化场景落地。

2.3.2 车路协同决策控制存在现实需求

（1）在协同感知基础上进一步解决自动驾驶安全性与ODD问题

根据自动驾驶预期功能安全（Safety Of The Intended Functionality，SOTIF)理论，提升自动驾驶安全性有两种方式，一种是将SOTIF“未知”场景转化为“已知”场景，另一种是将“不安全”场景转化为“安全”场景。车路协同感知通过多源感知渠道为CAV提供更加丰富、精确的感知信息，提升车辆的感知能力，可以实现将SOTIF“未知”场景转化为“已知”场景，但是在将“不安全”场景转化为“安全”场景方面，却存在一定的局限性，需要通过决策规划和控制进一步解决。在ODD方面，协同感知只能解决自动驾驶车辆部分ODD限制，需要从全局高度进行车路云协同感知和决策控制，进行ODD动态管理，合理扩展自动驾驶ODD。

（2）解决混行状态下自动驾驶与非自动驾驶的冲突博弈问题

自动驾驶车辆是交通系统的组成部分之一，现阶段道路上还有大量的非自动驾驶、较低等级自动驾驶车辆、非机动车辆和行人，以及大量的违法违章驾驶行为，因此迫切需要解决混行交通模式下局部或全局的车辆最优化问题，在保障交通安全和交通效率的前提下，实现分布式智能和群体智能，最终达成全局最优化智能交通发展目标。

（3）解决自动驾驶“无人化”问题

自动驾驶车辆在有驾驶员或安全员作为安全保障措施时，遇到复杂或极端场景情况时，可通过人工接管控制车辆通过极端场景，但当L4车辆完全去掉车端主驾或副驾安全员时，仅靠单车能力还有一定概率无法顺利通过复杂极端场景，需要借助路端和云端能力，为车辆提供全方位协同感知、决策规划和控制服务，帮助车辆安全通过复杂极端场景，全方位保障无人驾驶的安全性和普及应用。

（4）解决交通环境秩序化和最优化问题

不仅自动驾驶对车路协同存在需求，在智能交通、共享出行和智慧城市等领域，车路协同发展也成为充分共识。我国交通系统经历了近30年的快速增长时期，道路里程和运输规模全球第一，但仍然还面临着许多突出问题，比如交通拥堵呈现常态化、交通安全形势依然严峻、碳中和与碳达峰目标任务艰巨。通过车路协同，能够支持开展更加复杂、更深层次、更大范围、更加多样的车路协同应用服务，满足跨行业、跨领域、跨地域交通出行需求，解决区域级移动多接入、多层次互操作和协同、大规模高密度实施控制、高可靠低时延计算决策等协同控制等一系列关键问题，实现从个体最优向群体智能最优化和全局智能最优化发展，这是对智能交通本质性的变革和突破。

节选自《面向自动驾驶的车路协同关键技术与展望2.0》