車路協同推進自動駕駛突破混合交通場景

本文轉自【人民網】；

車路協同對智慧交通的支撐作用正在顯現，引導自動駕駛場景迎來新突破。由車路協同推進的自動駕駛突破混合交通場景，並在應對暴雨、夜晚等極端情況上發揮重要作用。

交通運輸信息化專家、中國交通通信信息中心副主任林榕在調研時表示：“非常高興看到以車路協同為核心的自動駕駛落地成功。整套方案將車路協同、車車協同、單車智能充分融合，發揮了平台體系的技術和服務優勢，達到了國內領先水平，代表了智慧交通、未來出行的發展方向”。

新基建加速智慧交通 車路協同是重要支撐

車路協同是交通運輸中將新型基礎設施與傳統基礎設施融合發展的重要領域。近年，在“兩重一新”的建設方略和“交通強國”的戰略決策下，車路協同迎來歷史性發展機遇。

2019年9月，中共中央、國務院印發《交通強國建設綱要》，明確提出大力發展智慧交通，推動大數據、互聯網、人工智能、區塊鏈、超級計算等新技術與交通行業深度融合，加強智能網聯汽車（智能汽車、自動駕駛、車路協同）研發，形成自主可控完整的產業鏈。進入2020年，新基建為數字化進程按下加速鍵，5G、C-V2X、AI等新一代技術爆發，智慧交通邁向落地關鍵年，而車路協同是重要支撐。

2019年10月蘑菇車聯在國家級智慧交通示範基地北京順義區北小營鎮落地全國首條商用車路協同示範路，在5G+C-V2X無縫連接和車路高效協同上開創先河，掀起了智慧道路建設的新篇章。在此基礎上，今年蘑菇車聯又推進自動駕駛在車路協同體系中的應用，這一創新探索讓車路協同更好賦能智慧交通又邁出了關鍵一步。

兩大引擎三大支撐 車路協同提供可靠安全保障

目前，自動駕駛在全球有兩大主流方向，一個由單車智能化主導，另一個則是由車路協同驅動。從新基建到交通強國，從5G、C-V2X到北斗衞星定位，上至國策、下至技術，中國都有強大的車路協同基礎。在車路協同體系中發展自動駕駛也被稱為“中國路徑”。

蘑菇車聯的車路協同體系依託蘑菇OS和AI雲平台兩大引擎，從車、路、雲、網入手，融合了車路協同、車車協同和單車智能，形成了智能感知、車路協同和AI雲三大系統。其中，智能感知系統融合了芯片、傳感器、北斗+GPS高精定位等新一代技術，讓車、路兩端具備追蹤目標、捕捉風險、預測意圖的能力。車路協同系統通過5G+C-V2X將車與路、車與車連接打通，各端感知數據彼此交互，極大提高了單車智能的水平。而AI雲相當於大腦，分析協同所有交通元素、全局調度、貢獻行駛策略。

正因為如此，當自動駕駛融合到車路協同體系中，能為車輛行駛提供可靠的安全保障，特別是在複雜的混合交通和雨天、黑夜等特殊情況。

挑戰極限風雨無阻

在暴雨中，視線會被不斷沖刷下來的雨水遮擋，單車智能依賴的攝像頭、激光雷達等傳感器的精度也會顯著下降，相當於全盲開車。這個時候還能風雨無阻的自動駕駛嗎？

7月，蘑菇車聯在位於北京順義北小營的5G路段上運營車路協同系統，期間遭遇了多場暴雨。這段車路協同示範路段全長 7.2公里，混合了大貨車、小汽車、臨時路障、非機動車和行人，是典型的混合式交通場景。其中一場為二級橙色預警等級，強降雨量達到148.8毫米，低窪地區的積水最高有30釐米，部分路段還有植被覆蓋遮蔽了車道線。為了體現極端天氣中車路協同對自動駕駛的引導，運行車輛在安全員監管下關閉雨刷，保持自動駕駛。在單車視線近於全盲且天氣及路況條件極端惡劣的情況下，運行車輛仍然安全順暢的完成了無保護左轉、嚴重積水通行、逆向繞行避障、複雜場景會車等高難度自動駕駛。

暴雨對自動駕駛最大的挑戰在於單車感知系統幾近失靈。攝像頭在90%以上的時間無法採集數據，激光雷達會產生異常折射，對物體的形狀、位置和質地不能精確判斷，因此也無法提供可靠的感知數據。而基於車路協同的技術路徑賦予了單車360度多套冗餘感知能力。

智能路側設備為自動駕駛車輛提供了具有完全獨立性的數據冗餘感知系統。首先路側燈杆位置部署了多個大尺寸攝像頭，具有不同焦距，曝光時間最短可達0.1毫秒，圖像零畸變，保證了從廣角到長焦等不同焦段內都可以獲取到清晰的圖像。由於路側攝像頭的架設位置高，佈設了遮擋防護，並且視角為俯視，暴雨對路側攝像頭的識別干擾幾乎為零，不僅看得更多，還能看得遠，更看得清。而通過車與路的協同，路側設備識別的交通元素數據，如車道線、障礙物、行人等信息被髮送到車端，如同讓全盲的人重新眼觀六路、耳聽八方。

其次，智能感知系統中的高精定位對車輛穩定行駛起到了保障作用。蘑菇車聯的高精度定位模塊支持北斗衞星導航和GPS全球定位系統，通過實時動態差分技術，在全天候環境下定位精度小於10釐米。

第三，感知能力的提升還包括了路端信號的補強。由於光照、角度、雨雪遮擋等條件限制，車端傳感器識別信號燈狀態的準確性很難保證，通過與路端設備建立通訊，可以直接獲得信號燈當前狀態和相位週期。蘑菇車載OS支持4G、5G和C-V2X多個通信通道，保證數據傳輸成功率可達 99.99%。

從數量、範圍到精度，360度感知系統都在增強自動駕駛的魯棒性。

由於融合了路側設備的感知數據、路端信號數據及全局交通信息，系統面臨着海量數據處理的壓力。車路協同下，以毫秒為單位的多源異構數據規模是單車智能的上萬倍，僅在安全和效率兩個指標上，各種參數維度就多達數百個。目前，蘑菇車聯在邊緣雲上的日均數據處理量達到了100TB+，方案可融合120萬個傳感器的數據。

除了規模龐大，數據複雜性也大大提高。受傳感器工作原理限制，現有的深度學習算法準確率有限。因此係統還需要聯合概率融合模型和粒子濾波算法解決多路冗餘數據的衝突和精度問題，同時通過毫秒級的處理效率將運動情況下的數據融合錯誤率降低到0.1%以下。進一步結合局部道路地圖和駕駛場景的深度學習模型，動態目標的跟蹤和預測準確率達到了97%以上。

這一解決方案在夜間同樣效果顯著。車流擇機變道、大貨車無標線會車、無照明下混合路段的窄道通行、甚至是對預測意圖要求極高的左轉交替通行，都是智能分析每一個交通元素速度與軌跡趨向、綜合決策、全局調度的結果。

基於車路協同，360度無盲點感知、每秒百萬級全量數據計算、97%+的預測精度，這是“風雨無阻”的背後保障。

除了體系化的保障，AI雲的深度學習能力也是關鍵，需要不斷積累、優化和提升。通過轉彎、加減速曲線等數據，蘑菇AI雲能夠訓練符合中國道路特徵的駕駛行為習慣，讓自動駕駛與人工駕駛特徵保持一致，遍佈全國的道路覆蓋和場景積累也為深度學習提供了更多的長尾樣本。

2019年5月12日，交通運輸部在《關於深入推進公路工程技術創新工作的意見（徵求意見稿）》中提出加快推進智能感知、5G通信、高精度定位和邊緣計算等技術在公路工程和路網管理中的應用，依託公路複雜交通環境的測試和試驗，推動車路協同技術發展和智慧公路建設。7月，交通運輸部印發《數字交通發展規劃綱要》提出推動自動駕駛與車路協同技術研發。2020年8月6日，交通運輸部印發《關於推動交通運輸領域新型基礎設施建設的指導意見》再次提出推進車路協同等設施建設，豐富車路協同應用場景。由車路協同引導自動駕駛見證着智慧交通發展的新步伐。