面向自动驾驶的车路云一体化框架

doi:10.3969/j.issn.1674-8484.2023.03.001

汽车安全与节能学报 ›› 2023, Vol. 14 ›› Issue (3): 249-273.DOI: 10.3969/j.issn.1674-8484.2023.03.001

• 综述与展望 • 下一篇

面向自动驾驶的车路云一体化框架

张亚勤¹(), 李震宇², 尚国斌², 周谷越¹, 高果荣², 袁基睿¹

1.清华大学智能产业研究院，北京 100084，中国
2.阿波罗智联（北京）科技有限公司，北京 100084，中国

收稿日期:2023-04-10 修回日期:2023-06-26 出版日期:2023-06-30 发布日期:2023-06-29
作者简介:张亚勤（1966—），男（汉），山西，教授。E-mail: zhangyaqin@air.tsinghua.edu.cn。
张亚勤博士
中国工程院外籍院士，美国艺术与科学院院士，澳大利亚国家工程院院士（外籍），中国人工智能学会会士。现任清华大学智能科学讲席教授，清华大学智能产业研究院院长。他31岁时被授予电气与电子工程师协会会士（Institute of Electrical and Electronics Engineers Fellow，IEEE Fellow），成为历史上获得这一荣誉最年轻的科学家，并于2004年获得IEEE技术先锋奖。他曾在微软公司工作16年，历任全球资深副总裁兼微软亚太研发集团主席、微软亚洲研究院院长兼首席科学家、微软全球副总裁和微软中国董事长；2014年9月―2019年10月担任百度公司总裁。
他是数字视频和人工智能领域的世界级科学家和企业家，拥有60多项美国专利，发表500多篇学术论文，并出版11本专著。他发明的多项图像视频压缩和传输技术被国际标准采用，广泛应用于高清电视、互联网视频、多媒体检索、移动视频和图像数据库领域。
他担任世界经济论坛达沃斯“人工智能委员会”委员、“未来交通指导委员会”委员，以及全球最大自动驾驶技术开放平台Apollo联盟理事长和联合国计划发展总署（United Nation Development Program， UNDP）企业董事会董事。他还在十余所世界顶尖高校担任校董、荣誉或客座教授，并在4家高科技公司担任董事。
Dr. YA-QIN ZHANG
Dr. Ya-Qin Zhang is Chair Professor of AI Science at Tsinghua University, and Dean of Institute for AI Industry Research of Tsinghua University (AIR). He was the President of Baidu Inc. from 2014 to 2019. Prior to Baidu, Dr. Zhang was a Microsoft executive for 16 years with different key positions, including Managing Director of Microsoft Research Asia, Chairman of Microsoft China, and Corporate Vice President and Chairman of Microsoft Asia R&D.
Dr. Zhang was elected to the Chinese Academy of Engineering (CAE), the American Academy of Arts and Sciences (AAA&S), the Australian Academy of Technology and Engineering (ATSE). He is a Fellow of Institute of Electrical and Electronics Engineers (IEEE) and Chinese Association for Artificial Intelligence (CAAI). He is one of the top scientists and technologists in digital video and AI, with over 500 papers, 60 granted US patents, and 11 books. His original research has become the basis for start-up ventures, new products, and international standards in digital video, cloud computing, and autonomous driving.
He serves on the board of directors of four public companies. He is on the industry board of United Nation Development Program (UNDP), and AI global council of the Davos World Economic Forum. He is the Chairman of world’s largest open autonomous driving platform “Apollo” alliance with over 200 global partners. He has been an active speaker in global forums including Asia-Pacific Economic Cooperation (APEC), Davos, United Nations, and Bo’Ao Asia Forum.

A unified framework for vehicle-infrastructure-cloud autonomous driving

ZHANG Yaqin¹(), LI Zhenyu², SHANG Guobin², ZHOU Guyue¹, GAO Guorong², YUAN Jirui¹

1. Institute for AI Industry Research, Tsinghua University, Beijing 100084, China
2. Apollo Intelligent Connectivity (Beijing) Technology Co., Ltd, Beijing 100084, China

Received:2023-04-10 Revised:2023-06-26 Online:2023-06-30 Published:2023-06-29

摘要/Abstract

摘要：

近年来，尽管自动驾驶（AD）技术在研发和商业化方面已取得显著进展，但自动驾驶规模化商业落地仍面临巨大挑战：一方面单车智能自动驾驶存在一定的安全问题；另一方面由开放道路场景引发的感知长尾、混行博弈等问题造成自动驾驶车辆的可运行设计域（ODD）受限。车辆亟需融合车端、路端、云端多源多维信息，进行一体化协同感知、协同决策、协同控制，拓展单车智能自动驾驶的能力边界。该文提出面向自动驾驶的车路云一体化（VICAD）系统框架，将不同的车路云协同部署策略与自动驾驶算法进行统一建模；在此基础上开展模拟仿真及系统评价，利用评价结果反馈对VICAD系统进行持续迭代优化，从而提升自动驾驶能力。此外，还进一步结合场景案例及产业落地实践，阐述了车路云一体化协同对自动驾驶大规模商业化落地的意义，并为VICAD的后续发展提出建议。

关键词: 自动驾驶（AD）, 车路协同, 预期功能安全, 车路云一体化自动驾驶（VICAD）, 可运行设计域（ODD）

Abstract:

While major advances have been made in the R&D and commercialization of autonomous driving (AD) in the past decade, there still exists significant challenges in the large-scale commercial deployment of AD in complex open-road scenarios, such as longtail perception problem and limited operational design domain (ODD). Information from vehicles, traffic and the underlying infrastructure (V2X) can be used to enhance the overall system safety and accelerate the deployment, with integration of multi-scaled, multi-dimensional diverse sources. This integration would enable cooperated perception, decision-making, and control, expanding single-vehicle intelligence’s capability boundaries. By using this combined knowledge, some of the obstacles encountered in the commerciliazation of autonomous driving can be addressed. This paper introduces a unified framework for autonomous driving known as Vehicle-Infrastructure-Cloud Autonomous Driving (VICAD). VICAD combines the diverse collaborative deployment strategies related to vehicles, infrastructure, and the cloud with autonomous driving algorithms via an integrated framework. Simulations and evaluations are conducted to evaluate the performance of VICAD system, and evaluation results are then feedback as input of the VICAD system. This iterative process enables the continuous optimization of collaborative deployment strategies and autonomous driving algorithms, thereby enhancing the capabilities of autonomous driving. Moreover, this paper describes the key role of VICAD in fostering the large-scale commercial deployment of autonomous driving with practical cases and industrial applications, and concludes with suggestions for further VICAD development.

Key words: autonomous driving(AD), vehicle-infrastructure cooperation, safety of the intended functionality(SOTIF), Vehilcle-Infrastructure-Cloud Autonomous Driving(VICAD), operational design domain(ODD)

中图分类号:

U491.2
495

张亚勤, 李震宇, 尚国斌, 周谷越, 高果荣, 袁基睿. 面向自动驾驶的车路云一体化框架[J]. 汽车安全与节能学报, 2023, 14(3): 249-273.

ZHANG Yaqin, LI Zhenyu, SHANG Guobin, ZHOU Guyue, GAO Guorong, YUAN Jirui. A unified framework for vehicle-infrastructure-cloud autonomous driving[J]. Journal of Automotive Safety and Energy, 2023, 14(3): 249-273.

图/表 33

参考文献 67

[1]	清华大学智能产业研究院. 面向自动驾驶的车路协同关键技术与展望[R/OL]. 百度 Apollo. (2021-06-24). https://ambchina.com/data/upload/image/20211124/.
	Institute of AI Industry Research, Tsinghua University. Baidu Apollo. Key Technologies and Prospect of Vehicle lnfrastructure Cooperated Autonomous Driving (VICAD)[R/OL]. Baidu Apollo, (2021-06-24). https://ambchina.com/data/upload/image/20211124/. (in Chinese).
[2]	清华大学智能产业研究院 AIR. 面向自动驾驶的车路协同关键技术与展望2.0[R/OL]. 百度 Apollo. (2023-04-16). https://apollo-new.cdn.bcebos.com/means/document/air/.
	Institute of AI Industry Research, Tsinghua University. Key technologies and prospect of vehicle lnfrastructure cooperated autonomous driving (VICAD) 2.0[R/OL]. Baidu Apollo, (2023-04-16). https://apollo-new.cdn.bcebos.com/means/document/air/. (in Chinese)
[3]	李骏, 李克强, 王云鹏, 等. 智能网联汽车导论[M]. 北京: 清华大学出版社, 2022: 276-302.
	LI Jun, LI Keqiang, WANG Yunpeng, et al. Introduction to Intelligent and Connected Vehicles[M]. Beijing: Tsinghua University Press, 2022: 276-302. (in Chinese)
[4]	杨殿阁, 黄晋, 江昆. 汽车自动驾驶[M]. 北京: 清华大学出版社, 2022: 32-56.
	YANG Diange, HUANG Ji, JIANG Kun. Automotive Autonomous Driving[M]. Beijing: Tsinghua University Press, 2022: 1-56. (in Chinese)
[5]	李克强, 戴一凡, 李升波, 等. 智能网联汽车(ICV)技术的发展现状及趋势[J]. 汽车安全与节能学报, 2017, 8(1): 1-14.
	LI Keqiang, DAI Yifan, LI Shengbo, et al. State-of-the-art and technical trends of intelligent and connected vehicles[J]. J Autom Safe Energ, 2017, 8(1): 1-14. (in Chinese)
[6]	冉斌, 谭华春, 张健, 等. 智能网联交通技术发展现状及趋势[J]. 汽车安全与节能学报, 2018, 9(2): 119-130.
	RAN Bin, TAN Huachun, ZHANG Jian, et al. Development status and trend of connected automated vehicle highway system[J]. J Autom Safe Energ, 2018, 9(2): 119-130. (in Chinese)
[7]	陈山枝, 胡金玲, 时岩, 等. LTE-V2X 车联网技术, 标准与应用[J]. 电信科学. 2018, 34(4): 1-11. doi: 10.11959/j.issn.1000-0801.2018140
	CHEN Shanzhi, HU Jinling, SHI Yan, et al. Technologies, standards and applications of LTE-V2X for vehicular networks[J]. Telecommun Sci. 2018, 34(4): 1-11. (in Chinese)
[8]	陈山枝. 蜂窝车联网 (C-V2X) 及其赋能智能网联汽车发展的辩思与建议[J]. 电信科学, 2018, 38(7): 1-17.
	CHEN Shanzhi. Critical thinking and suggestions on C-V2X with the developments of intelligent connected vehicles[J]. Telecommun Sci, 2018, 38(7): 1-11. (in Chinese)
[9]	Goldhammer M, Strigel E, Meissner D, et al. Cooperative multi sensor network for traffific safety applications at intersections[C]// 2012 15th Int’l IEEE Conf Intel Transport Syst. Dallas: IEEE, 2012: 1178-1183.
[10]	Kim S W, QIN Baoxing, CHONG Zhuangjie, et al. Multivehicle cooperative driving using cooperative perception: Design and experimental validation[J]. IEEE Trans Intel Transport Syst, 2014, 16(2): 663-680. doi: 10.1109/TITS.2014.2337316 URL
[11]	CHEN Qi, TANG Sihai, YANG Qing, et al. Cooper: Cooperative perception for connected autonomous vehicles based on 3D point clouds[C] // 2019 IEEE 39th Int’l Conf Distribut Comput Syst (ICDCS). Dallas: IEEE, 2019: 514-524.
[12]	LIU Hao, LU Xiaoyun, Shladover S E. Traffific signal control by leveraging cooperative adaptive cruise control (CACC) vehicle platooning capabilities[J]. Transport Res Part C: Emerging Tech, 2019, 104: 390-407.
[13]	WANG Chaojie, GONG Siyuan, ZHOU Anye, et al. Cooperative adaptive cruise control for connected autonomous vehicles by factoring communication-related constraints[J]. Transport Res Part C: Emerging Tech, 2019, 38: 242-262.
[14]	YU Guizhen, LI Han, WANG Yunpeng, et al. A review on cooperative perception and control supported infrastructure-vehicle system[J]. Green Energ Intel Transport, 2022, 1(3): 14-28.
[15]	Eskandarian A, WU Chaoxian, SUN Chuanyang. Research advances and challenges of autonomous and connected ground vehicles[J]. IEEE Trans Intel Transport Syst, 2019(99): 1-29.
[16]	Arnold E, Dianati M, Temple R D, et al. Cooperative perception for 3D object detection in driving scenarios using infrastructure sensors[J]. IEEE Trans Intel Transport Syst, 2020(99): 1-13.
[17]	YUAN Yunshuang, CHENG Hao, Sester M. Keypoints-based deep feature fusion for cooperative vehicle detection of autonomous driving[J]. IEEE Robot Autom Lett, 7(2):3054-3061. doi: 10.1109/LRA.2022.3143299 URL
[18]	QIU Hang, HUANG Pohan, Asavisanu N, et al. AutoCast: Scalable infrastructure-less cooperative perception for distributed collaborative driving[J/OL]. arXiv e-prints, 2021.
[19]	张毅, 姚丹亚, 李力, 等. 智能车路协同系统关键技术与应用[J]. 交通运输系统工程与信息, 2021, 21(5):40-51.
	ZHANG Yi, YAO Danya, LI Li, et al. Key technologies and applications of intelligent vehicle-road coordination system[J]. J Transport Syst Engi Info, 2021, 21(5): 40-51.
[20]	BIAN Yougang, LI Shengbo, REN Wei, et al. Cooperation of multiple connected vehicles at unsignalized intersections: Distributed observation, optimization, and control[J]. IEEE Trans Ind Elect, 2019, 67(12): 10744-10754. doi: 10.1109/TIE.41 URL
[21]	ZHANG Yixiao, HAO Rui, ZHANG Tingting, et al. A Trajectory optimization based intersection coordination framework for cooperative autonomous vehicles[J]. IEEE Trans Intel Transport Syst, 2023, to be published.
[22]	DING Heng, DI Yunran, ZHENG Xiaoyan, et al. Automated cooperative control of multilane freeway merging areas in connected and autonomous vehicle environments[J]. Transportmetrica, B. Transport Dyna, 2021(1): 437-455.
[23]	LUO Jiping, ZHANG Tingting, HAO Rui, et al. Real-time cooperative vehicle coordination at unsignalized road intersections[J/OL]. 2022. DOI:10.48550/arXiv.2205.01278. doi: 10.48550/arXiv.2205.01278
[24]	HU Jinchao, LI Xu, CEN Yanqing, et al. A roadside decision-making methodology based on deep reinforcement learning to simultaneously improve the safety and efficiency of merging zone[J]. IEEE Trans Intel Transport Syst, 2023, to be published.
[25]	崔明阳, 黄荷叶, 许庆, 等. 智能网联汽车架构、功能与应用关键技术[J]. 清华大学学报(自然科学版), 2022, 62(3): 493-508.
	CUI Mingyang, HUANG Heye, XU Qing, et al. Survey of intelligent and connected vehicle technologies: Architectures, functions and applications[J]. J Tsinghua Univ (Sci Tech), 2022, 62(3): 493-508. (in CHinese)
[26]	XU Biao, LI Shengbo, BIAN Yougang, et al. Distributed conflict-free cooperation for multiple connected vehicles at unsignalized intersections[J]. Transport Res Part C: Emerging Tech, 2018, 93: 322-334.
[27]	SUN Zhanbo, HUANG Tianyu, ZHANG Peitong. Cooperative decision-making for mixed traffic: A ramp merging example[J]. Transport Res Part C: Emerg Tech, 2020, 120: 102764. doi: 10.1016/j.trc.2020.102764 URL
[28]	WANG FeiYue. Scanning the issue and beyond: ITS with complete traffic control[J]. IEEE Trans Intel Transport Syst, 2014, 15(2): 457-462. doi: 10.1109/TITS.2014.2311334 URL
[29]	WANG Feiyue. Scanning the issue and beyond: The T-ITS awards and future transportation[J]. Intel Transport Syst IEEE Trans, 2014, 15(6): 2353-2359. doi: 10.1109/TITS.2014.2368381 URL
[30]	李力, 王飞跃. 地面交通控制的百年回顾和未来展望[J]. 自动化学报, 2018, 44(4): 577-583.
	LI Li, WANG Feiyue. Centennial review and future prospect of ground traffic control[J]. Acta Autom Sinica, 2018, 44(4): 577-583. (in Chinese)
[31]	Kamal M A S, Imura J I, Hayakawa T, et al. A vehicle-intersection coordination scheme for smooth flows of traffic without using traffic lights[J]. IEEE Trans Intel Transport Syst, 2015, 16(3): 1136-1147. doi: 10.1109/TITS.2014.2354380 URL
[32]	Vahidi S A F A. Vehicle-in-the-loop (VIL) verification of a smart city intersection control scheme for autonomous vehicles[C]// 2017 IEEE Conf Contr Tech Appl (CCTA). IEEE, 2017: 1575-1580.
[33]	公安部交通管理局、建设部城市建设司. 城市道路交通管理评价指标体系[S]. 公安部交通管理局, 北京. 2012.
	Traffic Management Bureau of the Ministry of Public Security, Department of Urban Construction, Ministry of Construction. Evaluation index system of urban road traffic management[S]. Traffic Management Bureau of the Ministry of Public Security, Beijing. 2012. (in Chinese)
[34]	中华人民共和国公安部. 公路交通安全态势评估规范(GA/T 960-2011) [S]. 中华人民共和国公安部, 北京. 2011.
	Ministry of Public Security of the People’s Republic of China. Code for assessment of highway traffic safety situation (GA/T 960-2011)[S]. Ministry of Public Security of the People’s Republic of China, Beijing. 2011. (in Chinese)
[35]	中华人民共和国国家质量监督检验检疫总局. 雾天公路通行条件预警分级 (GB/T 31444-2015)[S]. 中华人民共和国国家质量监督检验检疫总局, 北京, 2015.
	General Administration of Quality Supervision Inspection and Quarantine of the People’s Republic of China. Early warning classification of highway traffic conditions in foggy days (GB/T 31444-2015)[S]. General Administration of Quality Supervision Inspection and Quarantine of the People’s Republic of China, Beijing. 2015. (in Chinese)
[36]	ZHANG Yan, CHEN Longrui, JIANG Wenjie, et al. A high fidelity simulation framework for potential safety benefits estimation of cooperative pedestrian perception[J/OL]. arXiv, 2022.
[37]	Saadé J, Cuny S, Labrousse M, et al. Pedestrian injuries and vehicles-related risk factors in car-to-pedestrian frontal collisions[C]// 2020 IRCOBI Conf Proceed. Munich: IRCOBI, 2020: 278-289.
[38]	Daganzo C F, Geroliminis N. An analytical approximation for the macroscopic fundamental diagram of urban traffic[J]. Transport Res Part B: Methodological, 2008, 42(9): 771-781. doi: 10.1016/j.trb.2008.06.008 URL
[39]	XU Feifei, HE Zhaocheng, SHA Zhiren, et al. Traffic state evaluation based on macroscopic fundamental diagram of urban road network[J]. Procedia-Social Behav Sci, 2013, 96: 480-489. doi: 10.1016/j.sbspro.2013.08.056 URL
[40]	WANG Haizhong, LI Jia, CHEN Qianyong, et al. Logistic modeling of the equilibrium speed-density relationship[J]. Transport Res Part A: Policy Practice, 2011, 45(6): 554-566. doi: 10.1016/j.tra.2011.03.010 URL
[41]	International Organization for Standardization. ISO/Pas 21448: Road vehicles-safety of the intended functionality[S]. Switzerland: International Organization for Standardization, 2019.
[42]	Society of Automotive Engineers. SAE J3016-2021: Taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles[S]. The United States: Society of Automotive Engineers, 2021.
[43]	Society of Automotive Engineers. SAE J3216-2021: Cooperative driving automation: definitions and taxonomy[S]. The United States: Society of Automotive Engineers, 2021.
[44]	中国公路学会自动驾驶工作委员会. 车路协同自动驾驶发展报告(1.0 版)[R/OL]. (2019-06-01). https://img.wtc-conference.com/web/2020/05/.
	Committee of China Highway & Transportation Society. Report on the development of cooperative vehicle-road automatic driving by the automatic driving working (Version 1.0)[R/OL]. (2019-06-01). https://img.wtc-conference.com/web/2020/05/. (in Chinese)
[45]	Kandarpa R, Chenzaie M, Dorfman M, et al. Vehicle infrastructure integration (VII) proof of concept (POC) test-executive summary[R]. United States. Dept. of Transportation. Research and Innovative Technology Administration, 2009.
[46]	James P. Achieving the vision: From VII to IntelliDrive[R]. United States. Dept. of Transportation. Research and Innovative Technology Administration, 2010.
[47]	US DOT. ITS strategic research plan, (2010-2014), Executive summary: Transforming transportation through connectivity[S/OL]. (2011-05-25). https://trid.trb.org/view/1102848.
[48]	US DOT. USDOT’s intelligent transportation systems (ITS) strategic plan 2015-2019[S/OL]. (2014-05-15). https://trid.trb.org/view.aspx?id=1336267.
[49]	US DOT. Intelligent transportation systems (ITS) joint program office: Strategic plan 2020-2025[S/OL]. (2020-05-06). https://trid.trb.org/view/2010098.
[50]	Tiernan T, Bujanovic P, Azeredo P, et al. CARMA testing and evaluation of research mobility applications[R]. John A. Volpe National Transportation Systems Center (US), 2019.
[51]	US DOT. History of intelligent transportation systems[R]. FHWA-JPO-16-329, 2021.
[52]	TEMPO Secretariat. Deployment of intelligent transport systems in the road sector in Europe[R]. EC Contract No. SER-B27040-E4-TRL-2001-SI2.327759, 2003.
[53]	EU ITS. Traveller information services reference documents[R]. TIS-DG01, 2015.
[54]	EU ITS. Reference handbook for harmonized ITS core service deployment in Europe[R]. 2021.
[55]	Hoose N. Cooperative vehicle - Infrastructure systems[R]. D.CVIS.1.3, 2010.
[56]	Vivo G. The SAFESPOT integrated project: An overview[J]. 2007: 14-14.
[57]	ITS America. Cooperative systems for road traffic safety: Functionality design and implementation[S/OL]. (2008-11-20). https://oa.mg/work/649718536.
[58]	ERTRAC. Connected automated driving roadmap[S/OL].(2019-03-08). https://www.ertrac.org/ertrac-working-groups/connectivity-and-automated-driving/.
[59]	ERTRAC. Connected, cooperative, and automated mobility roadmap[S/OL]. Brussels. (2022-02-18). https://www.ertrac.org/wp-content/uploads/2022/07/ERTRAC-CCAM-Roadmap-V10.pdf.
[60]	Schreurs M A, Steuwer S D. Autonomous driving-political, legal, social, and sustainability dimensions[J]. Autonomes Fahren: Technische, Rechtliche und Gesellschaftliche Aspekte, 2015: 151-173.
[61]	MLIT JP. ITS initiatives in Japan[S/OL]. (2012-10-XX). https://www.mlit.go.jp/road/ITS/pdf/ITSinitiativesinJapan.pdf.
[62]	MLIT JP. Summary of the white paper on land, infrastructure, transport and tourism in Japan, 2022[R]. 2022.
[63]	MLIT JP. ITS (Intelligent Transport System) spot services[S/OL]. (2012-05-04). https://www.mlit.go.jp/kokusai/itf/kokusai_itf_000006.html.
[64]	CIO JP. 世界最先端IT国家創造宣言[S/OL]. (2013-06-14). https://cio.go.jp/node/1521.
	CIO JP. Declaration on the creation of the world’s most advanced IT countries[S/OL]. (2013-06-14). https://cio.go.jp/node/1521. (in Chinese)
[65]	中国通信学会. 蜂窝车联网(C-V2X)技术与产业发展态势前沿报告(2020年)[R/OL]. (2020-11-01). https://www.china-cic.cn/upload/202012/09/de38bbae1ea14b70b512606ecd59671c.pdf.
	China Communications Society. Frontier report on cellular vehicle-to-everything (C-V2X) technology and industry development trend (2020)[R/OL]. (2020-11-01). https://www.china-cic.cn/upload/202012/09/de38bbae1ea14b70b512606ecd59671c.pdf.
[66]	王政, 韩鑫. 我国5G基站总量占全球60%以上[N]. 人民日报, 2022-02-08.
	WANG Zheng, HAN Xin. The total number of 5G base stations in China accounts for more than 60% of the world[N]. People’s Daily, 2022-02-08. (in Chinese)
[67]	工业和信息化部. 国家车联网产业标准体系建设指南[S]. 工业和信息化部. 北京. 2018.
	Ministry of Industry and Information Technology. Guidelines for the construction of national standard system of internet of vehicles industry[S]. Ministry of Industry and Information Technology. Beijing. 2018. (in Chinese)

极端场景	行人鬼探头			无保护左转		异常障碍物		异常交通情况
评价模型	行车碰撞率	行人伤亡率	通行效率	行车碰撞率	通行效率	行车碰撞率	通行效率	通行能力	通行效率
单车智能	3.30×10^-5	6.85×10^-6	1 881.51 s	3.10×10^-5	201.30 s	5.30×10^-5	359.98 s	有	N/A
车路协同感知	2.95×10^-6	9.22×10^-8	119.12 s	1.04×10^-5	71.25 s	1.05×10^-5	80.02 s	有	10.504 s
车路云一体化	6.93×10^-7	4.78×10^-8	50.52 s	9.26×10^-6	64.84 s	0	10.39 s	有	7.143 s

极端场景	行人鬼探头			无保护左转		异常障碍物		异常交通情况
评价模型	行车碰撞率	行人伤亡率	通行效率	行车碰撞率	通行效率	行车碰撞率	通行效率	通行能力	通行效率
单车智能	3.30×10^-5	6.85×10^-6	1 881.51 s	3.10×10^-5	201.30 s	5.30×10^-5	359.98 s	有	N/A
车路协同感知	2.95×10^-6	9.22×10^-8	119.12 s	1.04×10^-5	71.25 s	1.05×10^-5	80.02 s	有	10.504 s
车路云一体化	6.93×10^-7	4.78×10^-8	50.52 s	9.26×10^-6	64.84 s	0	10.39 s	有	7.143 s

ODD限制场景分类			典型场景举例	L4自动驾驶场景应对能力	扩展ODD的方式
一级	二级	三级	典型场景举例	L4自动驾驶场景应对能力	扩展ODD的方式
动态实体	交通情况	交互冲突	机动车-机动车交互冲突：并线汇合冲突、前车急刹、加塞、切弯等突发行为	困难	一体化协同感知/决策
		交通阻塞	车辆停滞；	困难
		交通阻塞	车辆排队或拥堵	困难
	道路使用者	机动车	危险行为：超速、逆行、闯红灯等突发行为	困难
		行人	危险行为：行人进入机动车道、鬼探头、闯红灯等突发行为	困难
		非机动车	危险行为：非机动车进入机动车道、鬼探头、超速、逆行、闯红灯等突发行为	困难
	非道路使用者	动物	动物闯入的突发行为;	困难
	非道路使用者	其他	低矮障碍物、抛洒物、异常障碍物等	困难
静态实体	道路类型	停车场	室内停车场	困难
	道路表面	道路路面	积水、结冰、积雪、泥泞等	困难	一体化协同控制（控环境）
	车道交叉	平面交叉	有信号控制交叉口；	困难	一体化协同感知/决策
			无信号控制交叉口；	困难
			匝道分合流、岔道；	困难
			环形交叉口	困难
	车道特征	车道标线	车道线模糊	困难	一体化协同控制（控环境）
	车道特征	车道标线	无车道线	困难
	道路边缘	边界线	无道路边界线	困难
	道路设施	特殊设施	长隧道	困难	● 一体化协同感知/决策/控制（控车）； ● 一体化协同控制（控环境）
			桥梁	困难
			立交	困难
			铁路交叉口	困难
		临时设施	道路施工	困难
		临时设施	交通事故	困难
环境条件	天气	能见度	较差（大雾、大雪、大雨、沙尘暴、团雾等）	困难
	连接性	信号强度	信号干扰	困难
	连接性	信号强度	无信号	困难

ODD限制场景分类			典型场景举例	L4自动驾驶场景应对能力	扩展ODD的方式
一级	二级	三级	典型场景举例	L4自动驾驶场景应对能力	扩展ODD的方式
动态实体	交通情况	交互冲突	机动车-机动车交互冲突：并线汇合冲突、前车急刹、加塞、切弯等突发行为	困难	一体化协同感知/决策
		交通阻塞	车辆停滞；	困难
		交通阻塞	车辆排队或拥堵	困难
	道路使用者	机动车	危险行为：超速、逆行、闯红灯等突发行为	困难
		行人	危险行为：行人进入机动车道、鬼探头、闯红灯等突发行为	困难
		非机动车	危险行为：非机动车进入机动车道、鬼探头、超速、逆行、闯红灯等突发行为	困难
	非道路使用者	动物	动物闯入的突发行为;	困难
	非道路使用者	其他	低矮障碍物、抛洒物、异常障碍物等	困难
静态实体	道路类型	停车场	室内停车场	困难
	道路表面	道路路面	积水、结冰、积雪、泥泞等	困难	一体化协同控制（控环境）
	车道交叉	平面交叉	有信号控制交叉口；	困难	一体化协同感知/决策
			无信号控制交叉口；	困难
			匝道分合流、岔道；	困难
			环形交叉口	困难
	车道特征	车道标线	车道线模糊	困难	一体化协同控制（控环境）
	车道特征	车道标线	无车道线	困难
	道路边缘	边界线	无道路边界线	困难
	道路设施	特殊设施	长隧道	困难	● 一体化协同感知/决策/控制（控车）； ● 一体化协同控制（控环境）
			桥梁	困难
			立交	困难
			铁路交叉口	困难
		临时设施	道路施工	困难
		临时设施	交通事故	困难
环境条件	天气	能见度	较差（大雾、大雪、大雨、沙尘暴、团雾等）	困难
	连接性	信号强度	信号干扰	困难
	连接性	信号强度	无信号	困难

实验区类别	城市或地区	各实验区具体名称
车联网先导区 /示范区	无锡	江苏（无锡）国家级车联网先导区
	天津	天津（西青）国家级车联网先导区
	长沙	湖南（长沙）国家级车联网先导区
	重庆	重庆（两江新区）国家级车联网先导区
	襄阳	湖北（襄阳）国家级车联网先导区
	德清	浙江（德清）国家级车联网先导区
	柳州	广西（柳州）国家级车联网先导区
	长三角三省一市	国家级长三角区域车联网先导区
	苏州	苏州车联网先导区
	南京	南京市省级车联网先导区
	柳州	柳州市车联网先导区（在建）
	北京	北京市高级别自动驾驶示范区（注：全球首个）
	北京、河北各地市	国家智能汽车与智慧交通(京冀)示范区
	长春	国家智能网联汽车应用（北方）示范区
	上海	国家智能网联汽车（上海）试点示范区
	武汉	国家智能网联汽车（武汉）测试示范区
	杭州、嘉兴	浙江5G车联网应用示范区
	广州	广州智能网联汽车与智慧交通应用示范区
	重庆	国家智能汽车集成系统实验区（i-VISTA）
	上海	上海临港智能网联汽车综合测试示范区
	上海	上海基于智能汽车云控基础平台的“车路网云一体化”综合示范
测试区/基地	长沙	国家智能网联汽车（长沙）测试区
	无锡	国家智能交通综合测试基地（无锡）
	成都	中德合作智能网联汽车车联网四川试验基地
	北京	北京通州国家运营车辆自动驾驶与车路协同测试基地
	重庆	重庆车检院自动驾驶测试应用示范基地
	西安	长安大学车联网与智能汽车试验场
	泰兴	智能网联汽车自动驾驶封闭场地测试基地（泰兴）
	襄阳	智能网联汽车自动驾驶封闭场地测试基地（襄阳）
城市智慧汽车基础设施和机制建设试点	宁波、泉州、莆田、武汉、德清、广州
智慧城市基础设施与智能网联汽车（“双智”）协同发展试点	北京、上海、广州、武汉、长沙、无锡、重庆、深圳、厦门、南京、济南、成都、合肥、沧州、芜湖、淄博

面向自动驾驶的车路云一体化框架

A unified framework for vehicle-infrastructure-cloud autonomous driving

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 33

参考文献 67

相关文章 2

编辑推荐

Metrics

本文评价

期刊信息

在线期刊

作者中心

审稿中心

联系我们

发布时间	发布单位	文件名称
2019年9月	中共中央国务院印发	《交通强国建设纲要》
2021年2月	中共中央、国务院	《国家综合立体交通网规划纲要》
2021年3月	国家发展改革委、工信部等28个部门和单位	《加快培育新型消费实施方案》
2021年4月	公安部	《道路交通安全法（修订建议稿）》
2021年4月	工信部	《智能网联汽车生产企业及产品准入管理指南（试行）》（征求意见稿）
2021年7月	工信部	《网络安全产业高质量发展三年行动计划（2021-2023年）（征求意见稿）》
2021年7月	工信部、中央网络安全和信息化委员会办公室、发改委等10个部门和单位	《5G应用“扬帆”行动计划（2021-2023年）》
2021年7月	工信部、公安部、交通运输部	《智能网联汽车道路测试与示范应用管理规范（试行）》
2021年8月	工信部	《工业和信息化部关于加强智能网联汽车生产企业及产品准入管理的意见》
2021年8月	交通运输部、科学技术部	《关于科技创新驱动加快建设交通强国的意见》
2021年9月	工信部	《关于加强车联网网络安全和数据安全工作的通知》
2021年9月	工信部	《关于加强车联网卡实名登记管理的通知》
2021年9月	交通运输部	《交通运输领域新型基础设施建设行动方案（2021—2025年）》
2021年10月	交通运输部	《数字交通“十四五”发展规划》
2021年11月	工信部	《“十四五”信息通信行业发展规划》
2022年1月	交通运输部	关于印发《绿色交通“十四五”发展规划》的通知
2022年1月	国务院	关于印发《“十四五”现代综合交通运输体系发展规划》的通知
2022年3月	交通运输部	关于印发《交通强国建设评价指标体系》的通知
2022年4月	交通运输部、科学技术部	关于印发《交通领域科技创新中长期发展规划纲要（2021—2035年）》的通知
2022年4月	交通运输部、科学技术部	关于印发《“十四五”交通领域科技创新规划》的通知
2022年7月	科技部、教育部、工业和信息化部、交通运输部、农业农村部和卫生健康委员会	《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》
2022年8月	科技部	《关于支持建设新一代人工智能示范应用场景的通知》
2022年11月	工信部、公安部	《关于开展智能网联汽车准入和上路通行试点工作的通知(征求意见稿)》
2022年12月	中共中央国务院	《扩大内需战略规划纲要（2022－2035年）》

[1]	杨帅, 张金换, 钱占伟, 崔东. 汽车安全多领域融合的研究与展望[J]. 汽车安全与节能学报, 2022, 13(1): 29-47.
[2]	杨家夏, 李雪玮, 赵晓华, 冯笑凡. 基于视觉的高速公路施工区车路协同系统的驾驶分心[J]. 汽车安全与节能学报, 2020, 11(4): 493-502.