新一代智能交通面臨哪些新機(jī)遇與新問題？

信息時代泛在互聯(lián)產(chǎn)生人、車、路、環(huán)境的海量交通時空大數(shù)據(jù)，與高精度地圖等地理信息技術(shù)深度融合促進(jìn)了數(shù)字交通的發(fā)展。

交通信息采集自動化泛在化全過程發(fā)展，使得新型數(shù)據(jù)具有高實(shí)時、大樣本、低成本、高精度、全鏈條的特征，為交通出行全息感知、源頭治理、主動引導(dǎo)及精準(zhǔn)服務(wù)提供了新的機(jī)遇。

新基建將促進(jìn)自動駕駛的進(jìn)一步市場化，助推網(wǎng)聯(lián)車輛編組行駛，車輛間車頭時距顯著減小，同時交通秩序穩(wěn)定，實(shí)際通行量顯著提高。而專用車道共享則可進(jìn)一步增加專用道使用效率。

智能交通基礎(chǔ)設(shè)置的建設(shè)將推進(jìn)智能網(wǎng)聯(lián)車輛增加，車路互聯(lián)及智能化使得路網(wǎng)泛在交通控制與出行誘導(dǎo)一體化成為可能，高精度定位支持下的車路智能控制為安全、效率與環(huán)保的提升提供了新可能。

新基建將通過路側(cè)視頻、激光雷達(dá)及車載終端的普及大大加強(qiáng)車輛監(jiān)測能力，糾正異常運(yùn)行狀態(tài)，減少違章及不良行為，提高通行效率。

• 車道級車輛精細(xì)化監(jiān)控；

• 車內(nèi)駕駛員行為監(jiān)控。

新基建進(jìn)一步加大了人車定位的覆蓋范圍及精度，結(jié)合網(wǎng)上預(yù)約及電子支付等技術(shù)，可快速精準(zhǔn)地響應(yīng)海量的個性化出行需求，也為出行者提供了多樣化的選擇，資源共享、錯峰出行及差異化高品質(zhì)精準(zhǔn)服務(wù)成為可能。

事故的發(fā)生是因?yàn)轳{駛員未及時發(fā)現(xiàn)碰撞風(fēng)險并采取避險行為造成的。

應(yīng)用車聯(lián)網(wǎng)與車路協(xié)同技術(shù)可實(shí)現(xiàn)車車通信、車路通信，增強(qiáng)駕駛員的感知能力及系統(tǒng)泛在控制能力，實(shí)現(xiàn)管控一體化，提醒安全風(fēng)險。

那么：問題是如何讓智能車路事故發(fā)生前及時發(fā)現(xiàn)風(fēng)險并進(jìn)行實(shí)時預(yù)警？甚至在緊急情況下接管操控車輛？

途徑1：基于路側(cè)感知及沖突判別的道路安全風(fēng)險評估及預(yù)警

（1）風(fēng)險沖突分析技術(shù)：

以交通沖突技術(shù)為代表的間接交通安全評價方法可以對交通系統(tǒng)當(dāng)前交通風(fēng)險狀況予以評價，近年來被廣泛地研究與應(yīng)用。

相比利用事故數(shù)據(jù)的傳統(tǒng)交通安全分析手段，可有力支撐在線預(yù)警、主動干預(yù)及智能交通系統(tǒng)建設(shè)安全提升效果評估。

（2）基于路側(cè)視頻、雷達(dá)/激光檢監(jiān)測設(shè)施及數(shù)字孿生技術(shù)，實(shí)現(xiàn)沖突的在線監(jiān)測：

隨著新基建推進(jìn)路側(cè)高清視頻、雷達(dá)、5G及邊緣計算發(fā)展，通過道路在線沖突判別、實(shí)時風(fēng)險評價及預(yù)警實(shí)現(xiàn)道路主動安全成為可能

基于深度學(xué)習(xí)的車輛跨鏡頭匹配及跟蹤；采用視覺檢測、跟蹤和計算攝影學(xué)技術(shù)，將視頻檢測到的每一個目標(biāo)賦予一個實(shí)時空間坐標(biāo)，并與毫米波雷達(dá)探測結(jié)果融合計算，精確到分米級；對現(xiàn)實(shí)世界中車輛基于高速公路2D/3D數(shù)字地圖進(jìn)行實(shí)時重建，構(gòu)建車道級的數(shù)字孿生道路。通過對物理世界的虛擬映射及時空關(guān)系實(shí)時判斷進(jìn)行參數(shù)檢測。

途徑2：基于車輛自采信息與路側(cè)信息結(jié)合的在途車輛安全風(fēng)險評價與預(yù)警

車載：基于車載定位/視頻/雷達(dá)/激光/OBD/CAN數(shù)據(jù)的直接檢測車輛自身運(yùn)行狀況、駕駛員狀況及與周邊車輛及道路設(shè)施的時空關(guān)系。

結(jié)合路側(cè)氣象及道路信息，可實(shí)現(xiàn)人車路環(huán)境的綜合感知及數(shù)字化，在線識別在途車輛安全風(fēng)險；通過隨機(jī)或固定風(fēng)險點(diǎn)的預(yù)警及車路協(xié)同控制，減少事故發(fā)生。選擇檢測參數(shù)，評估綜合風(fēng)險及確定預(yù)警閾值是關(guān)鍵。

以實(shí)現(xiàn)全息、泛在、互聯(lián)的數(shù)據(jù)感知為目標(biāo)，從現(xiàn)有感知設(shè)施的類型及功能出發(fā)，結(jié)合各應(yīng)用系統(tǒng)需求，構(gòu)建可共享復(fù)用的多目標(biāo)交通感知網(wǎng)。

• 人端采集：

  身份識別及手機(jī)信令、電子收費(fèi)及其他定位檢測；

• 車載端采集：

  基于車載定位/視頻/雷達(dá)/激光/OBD/CAN數(shù)據(jù)的軌跡、車況及運(yùn)行檢測；

• 路側(cè)端采集：

  視頻、雷達(dá)、智慧燈桿、高空鷹眼的交通流、事件及環(huán)境檢測；

• 設(shè)施端采集：

  各類設(shè)施狀態(tài)傳感器。

以不同場景下的信息傳輸需求出發(fā)，考慮信息安全性、實(shí)時性、可靠性、經(jīng)濟(jì)性、可擴(kuò)展性、供電條件、自主技術(shù)等選擇適合的通信方式。構(gòu)建多網(wǎng)融合的信息傳輸網(wǎng)。

大數(shù)據(jù)及云計算使得數(shù)據(jù)處理及數(shù)據(jù)驅(qū)動的分析能力及計算能力躍升，快速反應(yīng)能力大大增強(qiáng)，支撐全網(wǎng)動態(tài)可監(jiān)可控，但仍需加強(qiáng)數(shù)據(jù)共享及高效計算。

• 可持續(xù)擴(kuò)展及自凈的數(shù)據(jù)湖；

• 支撐多應(yīng)用系統(tǒng)的數(shù)據(jù)中臺；

• 支撐實(shí)時決策的云控平臺及邊緣計算；

• 優(yōu)化分布的處理計算能力；

• 人工智能算法模型庫；

• …….

難點(diǎn)是邊緣云智能算法及與中心云協(xié)作。邊緣計算功能承載于路測單元處的邊緣服務(wù)器處（VEC Server），邊緣云與中心云協(xié)作，提供半分布式的計算服務(wù)，滿足智能交通系統(tǒng)實(shí)時性和復(fù)雜計算能力需求。

分階段車路協(xié)同實(shí)施框架分為四個階段，具體介紹如下。

第一階段（無車載端）：通過路側(cè)發(fā)布設(shè)施發(fā)布路側(cè)感知信息，重點(diǎn)在于路側(cè)感知設(shè)施（如氣象檢測、交通流檢測、路況檢測等感知設(shè)施）和路側(cè)信息發(fā)布設(shè)施（可變信息板、可變限速標(biāo)志）。

第二階段（替代型車載端）：利用現(xiàn)有手機(jī)APP，通過手機(jī)的定位、視頻采集、多媒體發(fā)布等功能，實(shí)現(xiàn)部分不要求高精度定位場景的車路協(xié)同應(yīng)用，重點(diǎn)在于可接收路側(cè)感知信息，豐富車載端應(yīng)用。

第三階段（高精度替代型車載端）：目前，華為、小米等多個品牌的智能機(jī)已進(jìn)行了提前布局，配置了雙頻RTK模塊，可進(jìn)行高精度定位、高精度定位結(jié)合5G蜂窩應(yīng)用，即可實(shí)現(xiàn)沖突預(yù)警、事件預(yù)警、信號聯(lián)動、優(yōu)先通行等諸多需高精度定位的場景。

第四階段（通用型車載終端）：適配絕大部商用車型的后裝式車載終端，可以進(jìn)行整車數(shù)據(jù)采集，并可實(shí)現(xiàn)車輛的協(xié)同控制。

展望未來，還有很多事情需要繼續(xù)深入研究：

• 人車路環(huán)境的精準(zhǔn)感知能力；

• 人本信息豐富、高精度及動態(tài)更新的地圖支撐能力；

• 交通-通信-能源三網(wǎng)融合支撐能力；

• 時空大數(shù)據(jù)驅(qū)動下的分析決策能力。