车路协同的演变与发展
2021/10/17 20:29   中国安防行业网      关键字:车路协同 演变 发展      浏览量:
什么是车路协同:车路协同即V2X(vehicle-to-everything),是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
  一、什么是车路协同
  什么是车路协同:车路协同即V2X(vehicle-to-everything),是采用先进的无线通信和新一代互联网等技术,全方位实施车车、车路动态实时信息交互,并在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现人车路的有效协同,保证交通安全,提高通行效率,从而形成的安全、高效和环保的道路交通系统。
  二、车路协同的五个发展阶段
  车路协同的历史演变大致可分为五个阶段:
  1、车路协同1.0
  1.0时代主要是运用物理光学理论,解决驾驶人在小半径曲线段、路口的视野盲区问题。例如道路反光镜,一般设置在路线视距不足的曲线部分,山岭区道路极小的曲线半径处、通视恶劣的交叉路口(特别是无信号的交叉路口)、铁路道口等处,可以扩大司机视野,及早发现弯道对面车辆及行人,以减少交通事故的发生。采用凸面镜这种简单的技术方案,解决了对向交通中特定场景下的车-车协同(驾驶行为协同)问题。
  另外,与交通广角镜类似,交通安全设施中的分车道限速标志、线形诱导设施、积雪标杆、硬路肩隆声带等也同属第一代车路协同技术,目前仍然在广泛使用。
  2、车路协同2.0
  2.0时代以道路可变速度控制系统为核心,多是指在路段上以一定的间隔设立可变车速标志,指示司机实现车速均匀变化,避免前方路段车辆拥挤时发生尾端冲撞事故的路段控制。限速的目的就是为了交通流速度能随车流密度的改变而变化,从而实现改善交通安全、缓解交通拥挤等控制目的。可用于解决交通事故、恶劣气象、大交通量条件下的车-车/车-路协同问题。
  3、车路协同3.0
  3.0时代以行车安全警示系统为代表。例如针对公路视野盲区,车路协同1.0阶段多采用凸面镜装置,而在3.0阶段则较多的运用车辆检测器和LED屏,进一步解决驾驶人在小半径曲线段、路口的视野盲区问题,感知手段包括采用线圈、微波、视频、地磁等类型的车辆检测器,目前毫米波雷达也已经投入使用。
  4、车路协同4.0
  4.0时代主要基于物联感知,这得益于物联网技术的日趋成熟,例如ETC系统,它是智能交通系统的服务功能之一,特别适合在高速公路或交通繁忙的桥隧环境下使用。目前高速公路收费处都已经设置了专门的ETC收费通道。ETC系统每车收费耗时不到两秒,其收费通道的通行能力是人工收费通道的5至10倍。使用全自动电子收费系统,可以使公路收费走向无纸化、无现金化管理,从根本上杜绝收费票款的流失现象,解决公路收费中的财务管理混乱问题。另外,实施全自动电子收费系统还可以节约基建费用和管理费用。
  此外,车路协同4.0还包括基于物联网技术的主动发光交通标志、基于毫米波雷达或机器视觉的公路视野盲区危险预警系统、公路连续下坡路段货车制动安全预警系统等,用以解决各种条件下的人-车/车-车协同问题。
  5、车路协同5.0
  5.0时代则是基于C-V2X的智能车路协同系统。将“人、车、路、云”等交通要素科学合理地联系在一起,从普通汽车演变为智能网联汽车,支撑车辆获得比单车感知更多的信息,促进自动驾驶技术创新和应用,同时有利于构建一个智慧的交通体系,促进汽车和交通服务的新模式新业态发展,对提高交通效率、节省资源、减少污染、降低事故发生率、改善交通管理具有重要意义。
  从这五个阶段的发展不难看出,从车路协同1.0到车路协同4.0,均是针对普通汽车,通过交通安全设施、智能交通设施等解决人-车、车-车和车-路协同问题,有效提升了道路交通安全水平、提高了道路通行效率、增强了出行体验。而从车路协同4.0到车路协同5.0将是质的变化,因为面向的对象已经发生了重大变化,汽车已不再是单纯的交通运输工具,而是成为了融合了智能交互、自动控制、对外通信、人工智能等的智能网联汽车(Intelligent Connected Vehicle,ICV),这是一个相当大的飞跃。
  从车与路之间是否主动进行信息交互角度来看,从车路协同1.0到车路协同3.0是无协同阶段,这个阶段车与路之间完全没有主动信息交互,完全凭借驾驶员主动获得路侧的信息,以达到安全驾驶、减少通行时间、降低能耗的目的。
  车路协同4.0是初、中级协同阶段,此时车与路之间存在主动信息交互过程,通过在车端与路侧安装特定功能的设备,可实现单个车路协同功能,如之前提到的ETC自动收费、以及公交优先信号控制等。初级协同阶段实现的车路协同功能在提高道路通行效率、避免道路拥堵方面都有着相当不错的效果,但驾驶员仍然是不可或缺的。中级阶段则有以车为主和以路为主两个典型状态,主要区别是车载设备与路侧的完备程度,交通信息采集的主体。以车为主的中级协同阶段,车载设备获取交通信息的能力远大于道路,道路的功能依然停留在物理支持程度,信息化、智能化、自动化有待增强。以路为主的中级协同阶段,交通信息收集、数据整理、控制指令、控制操作大多由道路来完成,处理后的交通信息通过路侧设备发达指令至车辆,车辆通过接收指令,来完成相应操作。但是在某些特殊情况下,仍然离不开驾驶员的干预。
  车路协同5.0则是进入了高级协同阶段,这个阶段车与路之间可以主动进行完全的信息交互,在车辆、路侧通过安装各种所需设备,达到车路协同的最终目的。更加先进的车载设备、智能信号控制器、毫米波雷达、激光雷达、视频摄像头、通信设备、高精度地图、云平台、边缘计算等都将在此阶段应用以充分服务于车路协同系统。此阶段,车辆不必再依靠驾驶员的感知与行动来获取信息好采取相应的措施,能够及时的感知交通流状态并且预知潜在危险,能够高度自动化的行驶,并基于感知信息优化车的运行状态从而保障行驶安全并提高运行效率。
  三、车路协同应用场景
  车路协同实际上是把单车智能的部分成本转移到政府部门,由政府部门来使道路“智能化”,从而降低智能网联汽车传感器的配置要求,使其成本降低,加速普及。从具体场景上,有远期和近期的场景。远期的是面向自动驾驶的场景探索。下面来介绍一下车路协同的一些主要应用场景。
  1、盲点警告:当驾驶员试图换道但盲点处有车辆时,盲点系统会给予驾驶员警告;
  2、前撞预警:当前面车辆停车或行驶缓慢而本车没有采取制动措施时,给予驾驶员警告;
  3、电子紧急制动灯:当前方车辆由于某种原因紧急制动,而后方车辆因没有察觉而无采取制动措施时会给予驾驶员警告;
  4、交叉口辅助驾驶:当车辆进入交叉口处于危险状态时给予驾驶员以警告,如障碍物挡住驾驶员视线而无法看到对向车流;
  5、禁行预警:在可通行区域,试图换道但对向车道有车辆行驶时给予驾驶员警告;
  6、违反信号或停车标志警告:车辆处于即将闯红灯或停车线危险状态时,驾驶员会收到车载设备发来的视觉、触觉或声音警告;
  7、弯道车速预警:当车辆速度比弯道预设车速高时,系统会提示驾驶员减速或者采取避险措施;
  8、道路交通状况提示:驾驶员会实时收到有关前方道路、天气和交通状况的最新信息,如道路事故、道路施工、路面湿滑程度、绕路行驶、交通拥堵、天气、停车限制和转向限制等。
  9、车辆作为交通数据采集终端:车载设备传输信息给路测设备,此信息经路测设备处理变为有效、需要的数据;
  10、匝道控制:根据主路和匝道的交通时变状况实时采集、传输数据来优化匝道控制;
  11、信号配时:收集并分析交叉口车辆实际行驶速度及停车起步数据,使信号的实时控制更加有效。如果将实时数据处理时间提高10%,每年延误时间可减少170万小时,节省110万加仑汽油以及减少9600吨CO2排放;
  12、专用通道管理:通过使用附近的或平行车道可平衡交通需求,也可使用控制策略,如当前方发生事故时可选择换向行驶;改变匝道配时方案;利用信息情报板发布信息,诱导驾驶员选择不同的路径;
  13、交通系统状况预测:实时监测交通运输系统运行状况,为交通系统有效运行提供预测数据,包括旅行时间、停车时间、延误时间等;提供交通状况信息,包括道路控制信息、道路粗糙度、降雨预测、能见度和空气质量;提供交通需求信息,如车流量等。
  四、车路协同关键技术
  1、多传感器融合技术
  多传感器融合技术就是组合多个传感器数据,为系统提供低延时、高精度、有容错性的感知结果。在整套路侧感知系统中,比较难解决的是全天时、全天候以及精准感知的问题。而目前大多数的路侧感知方案都是以单独安装高清摄像头和毫米波雷达方案为主。更高级别的雷视一体方案、激光雷达的应用只占极少数。
  众所周知,摄像头、毫米波雷达、激光雷达等感知设备各有优势和劣势,例如毫米波雷达具备成本可控、性能稳定等优势,但却存在角度分辨率弱、辨识精度低等缺陷。
  将路侧传感器与众多不同的感知设备相融合,可以最大程度地合理协调多源数据,充分利用有用的信息,提高信息的综合利用率,这种优势恰好能在智能交通领域得到充分发挥。
  2、数字孪生技术
  数字孪生技术,将会从多个方面赋能智能交通,以满足未来出行的需求。
  首先,同步可视、模型推演,实现数据驱动决策。数字孪生将会实时采集数据、同步交通运行可视,并为交通模型推演提供试验空间,完成数据的驱动决策。
  其次,场景丰富、实景重现,加速智能驾驶落地。城区级或地级市的数字孪生数据可以提供高精度地图。基于真实数据和模型的数字孪生技术,会提升智能驾驶的安全稳定性,从而加速智能驾驶更安全的落地和推广。
  3、云控算法
  智能交通云控制系统的核心在于为行驶者、交通工具、交通基础设施建立起以身份信息为核心、唯一对应的标识;然后基于数据采集、传感器、网络传输等技术, 将获取的动态信息即时发送到智能交通网络综合数据处理云控制平台上, 再通过云控制平台对获取的信息数据系统性、智能化处理运算, 得到系统预测结果以及调控方案, 然后发送到智能交通终端, 实现对整个智能交通路网的统一监控、管理、决策和控制服务。
  4、高精度定位技术
  目前最常用的定位方式为GPS定位,它的优势是精度较高,可达10米左右,可以确定地面上的任何位置,但在地下车库、隧道、室内等较复杂环境,精度产生偏差或无法定位。另外一种常用的定位方式为基站定位,它能提供非常可靠的信号覆盖,可以应用于GPS定位不到的地下通道和隧道内,但精度较差。近几年随着WiFi热点越来越多,还兴起了WiFi定位方式,它通过识别WiFi热点,取得热点的唯一全球ID,然后再根据一个或多个热点的坐标和覆盖的信息强度,计算出位置信息。混合定位方式整合GPS、WiFi和基站定位技术的优点,无论是室内、户外、城区或是郊区,均能提供位置信息,满足智能交通准确快速定位的需求。
  车路协同是未来智能交通核心技术,这种基于车车、车路、车人信息交互,建立人、车、路、云一体的车路协同系统,对提高交通运输系统的效率和安全性、实现交通系统的可持续性发展具有十分重要的意义。同时车路协同技术的发展将带来全面的社会和经济影响,重塑如今的城市和公众出行,能够大大提高交通领域的安全性和效率。

微信扫描二维码,关注公众号。