長沙智能駕駛研究院張長隆：面向自動駕駛的車路協同建設與實踐

車路協同的出現為自動駕駛發展提供了新思路。

但業內大多玩家選擇專攻一條賽道，V2X +自動駕駛兩腿走路型選手并不多。而這正是長沙智能駕駛研究院有別于其他智能駕駛公司的特點之一。

近日，雷鋒網新智駕邀請了長沙智能駕駛研究院網聯交通事業部總經理兼技術總監的張長隆博士來進行業內分享，以下為張長隆演講內容，新智駕進行了不改變原意的整理：

大家好，我叫張長隆，來自長沙智能駕駛研究院。

長沙智能駕駛研究院，也叫希迪智駕，2017年由香港著名的港科大教授李澤湘創辦，由美國TI前技術總監馬濰博士擔任總經理兼聯合創始人。公司從成立起，就把車路協同與自動駕駛一體化解決方案作為研發方向，是國內同時做自動駕駛+智能網聯為數不多的企業之一，目前已擁有專業的智能汽車研發中心和國內智能駕駛測試區運營資格。

我們團隊從2010年就開始對車路協同進行核心技術研發，是國內最早一批研究V2X的。過去兩年，我們針對具體的自動駕駛落地，進行了不同的場景分解，推出了V2X城市交叉路口解決方案、V2X智慧高速解決方案、V2X +L4的自動駕駛解決方案以及V2X+公交優先出行等解決方案。

目前，希迪智駕已擁有完全自主產權的路側端、車載端和云平臺技術，還有一些多模式的產品，比如路側全息感知與融合智能道路的解決方案，然后將智能網的集成測試，以及車路協同用在智能交通領域。同時也獲得了多張智能網聯汽車開放道路與測試牌照。

我今天匯報的主題主要包括：自動駕駛領域四個概念、協同自動駕駛的五大熱點問題、基于V2I的自動駕駛卡車及公交車的道路構建以及基于V2V的車輛跟馳。

今年2月份國家11部委發了一份文件《智能網聯汽車創新發展戰略》，在業界造成了很大的轟動。去年的“交通強國”關鍵詞和今年的“新基建”，都把自動駕駛和車路協同、智能交通作為國家大的戰略發展方針來實施。

理清自動駕駛領域概念

如何通過聰明路以及車路協同來解決單車智能的邊界問題？在步入正題之前，我先來介紹一下四個概念。

第一個概念：無人汽車和網聯汽車

無人汽車主要指單車智能，通過車上加裝傳感器來實現無人駕駛。網聯汽車是指汽車通過加裝OBU，使用V2X技術使車輛具備主動安全的能力，解決交通擁堵，道路安全，道路使用率，解決汽車燃油排放等問題。

因為現有傳感器的一些技術瓶頸，業內認為V2X能在某些程度上解決單車智能解決不了的問題。所以現在自動駕駛的學術方向，都是朝著協同式自動駕駛來發展。也就是說把OBU加入感知層，通過一系列的V2X的路側或車端傳來的一些信息，解決單車智能的邊界效應。

第二個概念：V2X的數據

V2X包含V2V、V2I、V2N、V2P。很多人把V2X理解成一個通訊技術。實際上通信技術不管是DSRC還是C-V2X、還是未來的5G-V2X，都只是搭建了汽車與萬物互聯支撐的一個平臺而已。那這個平臺主要的內容是什么？車與車、車與路、車與云，車與行人之間能交換什么？

交換內容就是數據。這些數據體現未來V2X到底起了什么決定性作用？這些交流和分享的數據主要有4個發展步驟。

第一個步驟是狀態數據，第二個步驟是傳感器數據，第三個步驟是意圖數據，第四個步驟是協調控制數據。

第1步，目前來說，狀態數據包含車的位置、剎車信息、車的加速等矢量信息。

第2步，隨著車輛越來越智能化，車上會增加一些傳感器。那么就可以把車上的傳感器（激光雷達/毫米波雷達/超聲波雷達）感知的結果與數據通過V2X進行彼此分享。

第3步，車的智能化程度更高以后，不管是有人駕駛或無人駕駛車輛，都可以把車輛行駛軌跡意圖分享出去，通過這些數據分享進一步降低交通事故發生，同時也能提高道路使用率，解決擁堵問題。

最后一步是協調控制同步數據。當車輛的智能化程度足夠高，那么車輛很可能收到的就是路側或者云端的協調控制數據。然后將收到的指令分享給其他的車輛或行人，從而進一步降低事故的發生率，提高交通的使用率。

第三個概念：聰明車

聰明的車目前來說就是單車智能，國內叫做智能網聯汽車，可以把它理解成車子加裝了OBU。智慧路目前也逐漸被業內定調為智能網聯道路。

第四個概念：智慧路

實際上道路也可以分等級，去年12月份國家已經初步定下智能道路的等級的劃分，但要寫成共識與標準需要一定的時間。我想強調的是，單車智能在解決大規模落地時，5%的邊際效應需要智慧的路來支撐，V2X只是搭建了路與車之間的一個橋梁。

那么，這個橋梁最終能起多大作用？取決于橋梁中傳輸的數據。道路的智能化程度越高，那么傳輸的數據質量就越高，就越能解決單車智能中無法解決的問題。

以上是涉及到的智能網聯汽車與智能網聯道路的四個概念。

協同自動駕駛的五大熱點問題

目前來看，單車智能在學術界正在慢慢過度到協同式自動駕駛和網聯式自動駕駛。我們把這個領域的研究熱點分為5大塊，其中之一就是vehicle platooning，也是我們常說的車輛編隊。 

第一個研究熱點：車輛編隊

車輛編隊就是通過頭車引領一系列重卡來組成一個類似于火車的隊伍。它們在同一行車道上行駛的車間距離比較短，速度相同。對于單車控制來說，車輛編隊最主要做的是兩個目標函數，一個是車間距，另一個是車速。

車間距可以通過V2V來實現，就是通過高精度定位來獲得車輛之間的絕對位置，再通過相對位置來獲得間距。另一種就是通過單車智能上的毫米波雷達或激光雷達或視覺等來獲得相對位置。而車速保持是通過車頭的自動駕駛或是人工駕駛，也可以是路側的RSU來充當虛擬指揮者。

事實上車輛編隊的研究已經有10多年了，通過這個辦法可以增加交通流量，讓車與車保持更安全的距離。國外有報道，采用車輛編隊打方式可以使交通量增加4倍，可以達到每小時8000輛車的通行量。

當車與車之間距離保持較小的時候，可以減少車隊中每趟車的空氣動力阻力，從而達到減少燃料消耗以及污染物排放的目的。但需要指出的是，過短的安全距離會讓車上乘客的舒適感產生一些負面影響，同時過小的安全距離是否真的能減少空氣動力和阻力，一些學者認為還有待商榷。

車輛編隊另一個好處就是改善道路安全。車輛編隊可以減少后面幾個重卡駕駛員的疲勞駕駛，讓他有時間專注其他活動，既避免了駕駛員控制下的車輛顛簸，也提高了駕駛員的駕駛舒適度。

目前來看，評價自動駕駛編隊的好壞有兩個標準，一是看單車控制的穩定性，二是看到隊列控制的穩定性。單車個體穩定性要求每個車都要勻速行駛，參考間距和實際間距的差值要為零。

隊列的穩定性是指所有車輛在隊列過程中一起進行時的穩定性。比如頭車突然加速或減速，從車怎么適應頭車的加減速度，做出相應的動作，從而保持對立的穩定。如果不穩定的話，很容易造成追尾事故，同時也會增加油耗。

第二個研究熱點：變道

自動駕駛的變道對感知決策規劃來說都是比較大的難題。特別是在高速公路、城市道路場景，如果變道控制不好，很容易引起通安全事故，導致交通堵塞。

正常來說，自動駕駛的變道需要考慮三個方面，是否可以變，什么時候變？以及如何變道？

三個決策取決于三個因素，一是交通規則，交通規則說不能變道就不能變；第二個是看單車智能的行車路徑；第三個是看車輛周圍的交通狀況是怎么樣的？

三個因素決定了車輛是否能進行變道，一旦發生改變行車路徑的時候，車輛必須決定什么時候展開，以及什么時候終止變道行為？

目前單車智能傳感器感知有限，大概能感知300米范圍的事物，另外，由于一些建筑物的遮擋，如果只用單車的感傳數據來選擇目標值的話，會存在一定的風險。

通過V2X通訊技術，可以獲取當前車道以及鄰近車道所有車輛的信息、道路信息。然后根據交通情況以及周圍車輛的運動參數情況，預測相鄰車輛的行駛軌跡，根據自身車輛的運行參數，從而約束一個目標函數，以達到最優的一個變道的路徑決策。這也是協同自動駕駛的熱點之一。

第三個研究熱點：交叉路口管理

在城市道路運行自動駕駛面臨的最主要的一個問題就是交叉路口問題，它可以說是自動駕駛里面最具挑戰性，同時也是智能交通領域道路最擁堵的一個核心區域。有效管理十字路口，對保證交通安全、改善交通流量、減少交通能源損耗、進而減少排污、縮短行程時間都非常重要。

通過V2X技術，可以把紅綠燈信息通過V2I傳給車輛。那么在大霧或者是雨雪天氣情況下，就很容易告訴車輛交通信息。因為單車智能視覺對紅綠燈的識別率不是特別高。還有交叉路口存在大量機動車輛、非機動車輛和行人，這些信息對于單車智能來說，感知的數量是很多的，而且還要精確預測一些軌跡，來判斷是否會造成威脅。

這種情況下，如果通過路側智能感知交叉路口的信息，通過V2I告訴自動駕駛車輛，就能擴大單車智能感知范圍。

第四個研究熱點：車輛的節能問題

通過編隊行駛的方式，能給車輛的運行省油、節能。V2X給車輛提供的實時的交通信息可以用來優化車輛速度的、動力系統，最大限度地減少整個行程的燃料消耗。

對于自動駕駛來說，可以通過V2X提供一個全局的最優速度建議。目前長沙智能駕駛研究院和湖南湘江智能創新中心聯合在做這方面的研究。在城市道路上，根據宏觀實時信息以及道路流量信息，給公交車一個最優的速度建議范圍，讓自動駕駛公交車輛盡可能減少紅綠燈的時間，從而達到節能的目的。

第五個研究熱點：道路摩擦系數

當路上結冰或是有油墨的時候，自動駕駛車輛的運行是有最大的安全限度的。道路的摩擦系數也可以稱為路面路況的估計，這個可以通過車上傳感器獲得，比如通過輪胎傳感器。如果車上有光系傳感器，就可以通過分析光束或者是被路面散射來判斷路面是否濕滑，可以根據照相機的像素亮度來識別道路的類型。

車上傳感器獲得的信息，通過V2X告訴后面的車輛、云端或者路側端，那么每個車會得出一個道路的摩擦力估計，N個車輛的數據都發給云端，得到協同的路況摩擦系數估計。

就是說路段上的每一個車都可以作為潛在但不精確的路況傳感器，利用通訊系統，利用數據融合算法，對路段上車輛檢查到的路面摩擦狀況進行組合，然后通過算法來降低估計的不確定性，提高了道路估計的準確性。

可以理解為，V2X是自動駕駛車的嘴巴和耳朵。

OBU是嘴巴，可以把車輛的狀態信息、位置信息、油門信息、剎車信息，通過嘴巴廣播出去告訴其他的車輛；同時OBU又是車輛的耳朵，接受其他車輛通過OBU發出的信息、路側發的紅綠燈信息、云端發出的前方道路事故信息。

所以V2X不但是自動駕駛車輛的網卡，同時也是車的嘴巴和耳朵，可以解決自動駕駛落地的長尾效應。

高速道路基于V2I的自動駕駛卡車 

那V2X怎么為單車智能提供雪中送炭功能？

我們卡車主要在高速環境下跑，乘用車在城市道路環境下跑，礦卡在相對封閉環境下跑，不同的環境相應的有不同的道路，需要不同的場景分解。那么智能駕駛研究院是如何把單車智能、V2X以及智慧路結合起來的？

我們做過一個自動駕駛卡車方案，里面包含定位導航系統、智能融合系統，全方位仿真測試系統、車規級的線控體系控制算法，還有支持V2X的關聯應用、智能決策系統。

我們將合作伙伴福田戴姆勒的車改成自動駕駛卡車，主要在高速公路環境下測試。高速公路發生的事故，基本上是因為追尾。因為駕駛員視距有限，發現問題的時候已經來不及踩剎車了。目前自動駕駛大部分傳感器極限在300米左右，假設卡車在高速公路以每小時100公里的速度行駛，那么剎車距離就只有一兩百米，因此300米的感知范圍是遠遠不夠的，需要一個超視距的感知能力。如果通過道路解決超視距問題，就相當于車的感知范圍拓展到了700、800米。

這也是我們基于卡車在高速公路行駛做的事情。

我們在路側主要實現三個功能，第1個是超視距視頻感知，第2個是超視距障礙物感知，第3個叫超視距可行駛區域感知。

什么叫超視距視頻感知？就是在道路側加裝一個攝像頭，把攝像頭的視頻信息通過V2I傳給卡車，相當卡車的感知層又多了一個攝像頭。 此外，也可以通過路側的邊緣計算，對障礙物進行檢測識別，并且把障礙物的信息提前告訴車輛，提醒車輛提前做一些決策、規劃。

目前我們攝像頭的感知范圍可以達到300米，150米內的最大誤差低于5%，300米內低于10%誤差，至少實現車道級的定位。

超視距可行駛區域感知是什么？對單車智能來說，高精地圖上面的信息是靜態信息，可行駛車道是固定的。在在道路擁堵或事故導致原來三車道變成兩車道的情況下，車輛的可使行駛區域發生了變化。如果通過單車來正常感知，那么它要感知是否有障礙物，在什么位置，是繼續留在原來車道還是變道？

在三百米之內單車智能要實現這么復雜的計算過程，我覺得是與是遠遠不夠的。但如果通過V2X把提前感知的可行駛區域的變化結果告訴車輛，車輛就可以提前做出相應的決策規劃。

所以自動駕駛卡車在高速公路情況下最關鍵詞就是超視距。通過道路智能化與網聯化，通過加上激光雷達、毫米波雷達、攝像頭，和我們的核心檢測識別、融合與定位算法，可以實現各種交通障礙物檢測，包括行人、動物、遺落物。

此外，還可以實現交通事件檢測，比如說違章車輛、例行違停、應急車道行駛，還有異常車輛拋錨、雙閃這些，和交通流量檢測。將自動駕駛可能面臨存在的一些潛在威脅，通過道路檢測出來并提前告訴車輛。

我們在長沙繞城高速的開放道路上，做了一個道路的智能化和網聯化的改造項目，來給自動駕駛卡車做測試。在高速公路上，對于智能網聯汽車測試來說，高速匯入匯出、隧道進出口節點，都是最易發生交通事故的關鍵節點。

所以我們重點對這4個關鍵節點做了道路的智能化改造。在這4個點加裝了傳感器（毫米波雷達、攝像頭）、邊緣計算單元，同時也加裝RSU，把道路、車的實時感信息，通過V2X傳給自動駕駛的卡車或者商用車。

城市道路基于V2I的自動駕駛公交車

長沙智能駕駛研究院在做自動駕駛卡車車路協同的同時，也在做自動駕駛公交車在城市區域里的車路協同。

在城市區域，最主要的交通問題在交叉路口。我們的系統主要通過道路智能化，從4個方向進行給單車智能提供信息。

第一個方向是紅綠燈感知。目前通過單車智能的攝像頭，在惡劣的天氣條件下，感識別率并不是很高，這個可以通過V2X可以很容易解決。

第二個方向是盲區感知。交通路口經常會有“鬼探頭”的現象產生。一輛車在行駛過程中，有前車在行駛，如果這時有行人在前車面前通過，那么后車的傳感器實際上是感知不到行人的。如果在路側裝了傳感器就可以把行人實時檢測、定位出來，實現行人感知預測。

第三個方向是基于局部動態地圖（LDM）的冗余感知。

局部動態地圖就是在車道級的地圖基礎上加一些動態信息。比如最底層是高精地圖，高精地圖實際上是一個經緯度的數據集合體。第2層是準靜態地圖信息包括建筑物、行駛標志等，第3層就是準動態信息，主要包括紅綠燈實時信息、車流量、交通流量以及路況的實時信息。這些信息層層疊加，就形成了局部動態地圖。

某種程度來說車輛也可以自己構建，一般來說，單車智能的技術路線就是通過車輛的傳感器去識別目標，同時結合高精地圖測出目標的相對位置與相對距離，可以更簡單地理解成車在路上高速跑，同時將感知的信息在地圖上一一標注出來。

而路側端的局部動態地圖構建可以通過道路加裝傳感器、融合算法、計算平臺構建出來，通過V2I發給車輛。如果道路智能化程度更高，感知精度、范圍更好，識別率足夠高，那么得出的局部動態地圖精度也非常高，車輛就不用自己去感知了，可以形成冗余，從而大大消減單車感知的壓力。另外，也可以降低單車智能中的感知的硬件成本。

當然，目前來看，道路側要做海量的數據量傳輸，相應地V2X也要求大帶寬和低時延，這也是5G-V2X可以做的事情。

所以通過道路的智能化以及V2X也能實現一種自動駕駛，國外叫做自動化高速路。 但要強調的是，不管是在高速公路還是城鄉路口，路側端給的數據，怎么利用和處理，最終還是要靠自動駕駛來決策與規劃。也就是說，協同式自動駕駛落地性能的好壞，最終還是要回到自動駕駛本身上。

第四個方向是無信號燈路口通行。目前這塊還處于理論研究階段，前面三個已經進入實際測試階段了。

無信號燈路口通行，主要分為5個內容，第一個是模擬信號燈來解決路權分配問題，第二個是為車輛提供行駛的路徑規劃，第三個是模擬紅綠燈，第四個是通過入口時避免碰撞問題，第五個是解決行人碰撞的問題。

至于在自動駕駛公交車的智能化網聯化道路的改造上，我們的自動駕駛公交車已經在長沙，也是國內首創的長達7.8公里的開放道路上進行測試。

基于V2V的車輛跟馳

這一部分的內容是實現商用車的自動跟馳。目前我們團隊有20多個人在做這方面的研究。

做車輛編隊，我們主要是從兩個出發點來做。一方面，卡車司機在高速公路上的行駛是非常疲勞的。特別是對于物流量大的企業來說，在跑某一線路的時候，如果卡車自動組成一個隊列，就可以減少后面幾輛車駕駛員的駕駛疲勞。

另一方面，卡車司機的人力成本對物流企業說是核心支出。一般來說，一個線路需要配兩個司機，如果使用編隊功能就可以減省一個司機的成本。

但我們始終把車輛的安全放在第一位，所以我們的重車不只是加裝OBU，同時還裝了L2級輔助駕駛產品，保證我們的編隊車隊在行駛過程中如果有其他車輛插入時，能夠從自動模式變成ACC模式，隊列得以繼續保持，同時也能解決安全問題。

對編隊車輛來說，每個從車都要知道相應車輛的實時數據信息，所以要求OBU的V2V的通訊質量非常好。希迪智駕的OBU是多模通信網聯設備。兩個信道同時在發送信息時，如果其中一個信道斷開的時候，另一個信道還能保持工作。

此外，希迪還可以根據客戶的具體需求進行定制化編隊策略開發。隊列控制的穩定性方面，是由我們一個美籍華人伯克利博士來帶隊。

還值得一提的是，希迪智駕獨特的V2X相對高精度定位方案。一般的高端定位通過4G信號來實現，在一些沒有GPS信號的場景比如高速公路、野外、大草原環境下，無法實現高端的定位功能，因此V2V的精度也無法保證。但希迪智駕可以實現高精度的相對定位、相對距離，精準地感知到車與車之間的厘米級定位。

（雷鋒網）                  雷鋒網

雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。