希迪智駕（CIDI）發布“V2X+智慧高速”解決方案，打造車路協同式智慧高速

2017年，國務院印發《“十三五”現代綜合交通運輸體系發展規劃》，明確提出示范推廣車路協同技術，應用智能車載設備，建設智能路側設施。2018年，工信部發布《車聯網（智能網聯汽車）產業發展行動計劃》，提出力爭到2020年，車聯網用戶滲透率達到30%以上的目標。從政策層面看，國家高度重視自動駕駛和車路協同發展，并確定了按照車路協同的技術路徑積極推動自動駕駛的發展。

無論是智能駕駛車輛技術發展還是智慧高速建設，僅從一個方面入手，無法保證智能駕駛的絕對安全。智慧高速該如何建設，希迪智駕（長沙智能駕駛研究院、CIDI）已提出一個建設框架——智慧高速應具備道路感知體系、全路段高精度定位與高精度地圖、全路段路側V2X通信體系、云端監控與計算平臺體系。

在此背景下，經過技術的升級迭代，希迪智駕發布了“V2X+智慧高速”解決方案。此前，希迪智駕針對城市交通安全及交通通行效率問題已發布“V2X+交叉路口”解決方案。“V2X+智慧高速”解決方案只是希迪智駕針對智慧高速建設三步戰略中的第一步——車路協同式智慧高速，其余分別為半自動化式智慧高速以及全自動化式超級高速。

● 車路協同式高速

路側端進行全路段交通態勢感知，并將感知結果通過V2X通信傳遞給自動駕駛車輛進行決策，為自主決策自動駕駛車輛的感知系統提供路側數據支撐，為自動駕駛保駕護航。

● 半自動化式高速

自動駕駛車輛自主決策控制為主，路側端感知決策控制為輔，以達到主動安全目的。自動駕駛車輛根據自身感知結果以及路側傳遞的高精度局部動態地圖與控制指令(結合云端協同調度結果)，進行最終融合決策。

● 全自動化式高速（超級高速）

自動駕駛車輛自主決策控制為輔，路側端感知決策控制為主，使低成本自動駕駛車輛成為可能，最終達到在低成本硬件下實現高可靠性主動安全的目的。

本次發布的“V2X+智慧高速”解決方案--車路協同式高速，不僅提供高速智慧監管技術支撐，還多方面滿足行駛車輛的智能出行需求。

針對自動駕駛車輛，提供超視距路況感知功能，有效彌補單車智能的感知盲點；針對網聯車輛，提供基于V2X的高級輔助駕駛功能，能夠有效保障主動安全，提升交通效率；針對普通社會車輛，用戶只需安裝方案提供的APP就可以體驗部分高級輔助駕駛功能，有效減少交通事故發生。

方案組成與功能介紹

圖1“V2X+智慧高速”解決方案示意圖

如圖1所示，整個方案主要由智能網聯道路管理系統（CRSS）、智慧高速云控平臺、車載終端設備組成。根據不同應用場景方案提供了四層計算架構：車端計算、路側邊緣計算、中心云計算、移動端計算。

方案中的CRSS主要由智能網聯路側單元、邊緣計算單元、路側傳感器組成，系統集成了感知、高精度定位、V2X通信等功能。智慧高速云控平臺主要包含智能網聯道路數據管理、V2X場景云計算與決策、自動駕駛監測與管理等功能。車載終端主要由車載單元（OBU）與智能手機移動終端組成，車載終端主要集成了V2X通信、V2X算法決策、APP終端顯示、自動駕駛控制等功能。

圖2智能網聯道路管理系統CRSS（測試）

方案功能特色

1、超視距感知能力，提高自動駕駛安全性

在高速場景中因車速較快，車輛所需的安全距離較遠，而車載端傳感器極限感知能力只有100到200米，在某些車輛或場景中，無法滿足其安全性。此時，沿線部署的CRSS便可通過其超視距感知能力，有效地增強自動駕駛安全性。超視距感知能力包括以下三個方面：

■ 超視距障礙物檢測

視距范圍以外的道路上存在障礙物時，CRSS能夠在駕駛員視距范圍之外提前感知到結果并廣播給接近該位置的車輛，提醒其提前決策。

圖3超視距障礙物檢測（測試）

■ 超視距可行駛區域檢測

為應對道路施工、路面坑洼、交通事故等特殊事件的發生，道路的可行駛區域也將實時發生變化。此時，若依照車內保存的歷史地圖進行自駕行駛，容易發生交通事故。CRSS提前感知這個區域并廣播給接近的自動駕駛車輛，提醒其提前變道。

圖4超視距可行駛區域檢測（測試）

■ 超視距視頻感知

CRSS將采集的路側視頻數據通過V2I傳給自動駕駛車輛的感知層進行決策分析，從而將自動駕駛車輛感知能力拓展到1km左右，極大地提升了高速自動駕駛的安全性。

圖5超視距視頻感知（測試）

2、給傳統車輛賦能網聯化，實現高級輔助駕駛

合作式智能交通(Cooperative ITS)是智能交通發展方向，希迪智駕“V2X+智慧高速”解決方案支持前裝或后裝的網聯化車輛。一種網聯化車輛是通過加裝OBU使車輛具V2X通信能力，通過獲取CRSS所發出的感知結果信息，可以獲得更完善的道路交通信息，完成高級輔助駕駛(ADAS)功能。另一種網聯化車輛為使用希迪智駕車路協同APP具備V2N通信能力的車輛，結合本方案的云計算與移動計算，可實現部分ADAS功能。

CRSS智能道路管理系統能夠實時感知車輛、道路、行人、交通事故等信息，并廣播給周邊車輛，方案已經實現的高級輔助駕駛場景包括前向碰撞預警、路口碰撞預警、緊急制動預警等主動安全類、地外，還實現了車道匯合提醒、前方車道變窄、彎道限速提醒、前方交通擁堵提醒、高速出口信息提醒等交通效率類場景。

圖6智能道路管理系統功能高級輔助駕駛場景（部分）

3、降低自動駕駛車輛成本，加快自動駕駛場景落地

自動駕駛車輛通常采用攝像頭、夜視相機、激光雷達、毫米波雷達等傳感器來感知周邊環境信息，鑒于傳感器、車載計算平臺的價格以及可靠性等因素，使得現階段自動駕駛車輛的成本較高。

在本次發布的希迪智駕車路協同高速方案中，路側CRSS向車輛實時提供道路態勢，可降低對于車載傳感器以及車載計算平臺的需求，降低自動駕駛的實現成本，將車的部分智能轉移到路側來完成。該解決方案將路側傳感器、交通控制中心、靜態地圖等數據經過復雜的檢測算法與預處理流程，再經過提煉和融合后生成局部動態地圖（LDM），局部動態地圖為自動駕駛的融合決策提供了數據支撐。此外系統提供了一種多級決策的架構，從最基礎的車端決策到路側單元的決策（邊緣決策），最后實現基于低延時網絡（如5G）云端決策。

圖7多級決策樹示意圖

4、路側高精度定位體系

全路段動態高精度定位體系是面向智能出行需求最基礎的支撐體系。為了給車輛提供精準定位（GPS差分）及車道級定位，本此希迪智駕發布的方案提供了路側高精度定位輔助基站和攝像頭輔助定位兩種方式。CRSS中的路側單元內置RTK定位系統，可以作為高精度定位基站，通過V2I通信方式對高速上的車輛提供差分定位服務，即輸出RTCM信息包。此外，利用深度學習技術，通過路側攝像頭與毫米波雷達實現多車道線與道路邊界的檢測，從而進行車道級定位。

圖8內置RTK定位系統的RSU

5、智慧高速云控平臺

智慧高速云控平臺的服務對象是智能汽車及其用戶、管理及服務機構。它為這些服務對象提供車輛運行、基礎設施、交通環境、交通管理等動態基礎數據。它具有數據存儲、數據運維、大數據分析、云計算、信息安全等基礎服務機制，是支持智能網聯汽車實際應用需求的基礎支撐平臺。

本方案通過此云控平臺，打造未來智慧路網管理與服務平臺。它是路網上智能車輛和智能終端接入交通基礎設施網絡的安全門戶。通過對交通數據進行整合處理，形成分析預測模型，從而運用于交通調度引導、線路規劃、車輛管控等方面，推動道路基礎設施要素資源全面數字化、“人車客貨”互聯互通。用數據管理和決策為車輛的運行提供全方位的支持。

圖9智能網聯數據管理平臺

■ 智能網聯數據管理平臺

智能網聯數據管理平臺是智慧高速云控平臺的核心系統，是智慧高速上數據采集、處理、融合的樞紐，包括：自動駕駛汽車、智能網聯汽車、智能網聯設施、智能路側感知等最新交通感知系統的數據匯聚于智能網聯場景決策計算與控制平臺中。主要內容包括：智能網聯設施管理、自動駕駛汽車測試數據、智能網聯安全事件、智能網聯汽車測試數據、智能全息感知數據等子系統。

■ 自動駕駛監測與管理平臺

針對特殊事件，自動駕駛車輛受資源限制、安全員因突發狀況無法接管車輛等情況，需要一種有效的安全冗余機制。在這種情況下，為了對車輛狀況進行實時監控，希迪智駕開發了針對于駕駛倉和車體前方情況的多路監控視頻傳輸系統，該系統打通5G網絡，能夠低延時地將1080P視頻數據顯示于監控中心，且該系統具備實時查看、遠程監控，視頻存儲回看和動態網絡帶寬自適應等功能。

此外，有效地利用5G大帶寬低延遲網絡，在云端形成遠程駕駛能力，設立遠程駕駛云中心，收集來自車輛及路側傳感裝置的數據，并通過遠程控制可以實現車輛自動駕駛；利用自動駕駛區域化、道路局部化、個性化的特點，將車輛采集數據通過高帶寬傳輸到云端，并利用云平臺的計算能力實現決策，不但解決了車輛本身功耗、體積限制帶來的計算需求問題，而且將結果通過高可靠低延時網絡傳回車載端，可以實現車輛的實時干預控制，確保行駛安全。

■ 智能網聯云計算平臺

圖10智能網聯云計算平臺

智能網聯云計算平臺提供豐富的應用服務，且可以根據應用程序的服務質量(QoS- Quality of Service)需求動態調整云端資源。為了應對智慧高速大數據的特點，系統采用了存儲即服務（STaas），合作即服務（Caas）、基礎設施即服務（laas）等數據處理方式。

●STaas存儲即服務

目的在于實現數據存儲云化，提供智慧高速數據利用率、安全性。

●Caas合作即服務

車輛網絡提供各種各樣的新服務，如駕駛員安全、交通信息、交通警報、天氣或交通事件上報、停車和廣告。

●Iaas基礎設施即服務

可以獲取與交通狀況相關的車輛信息，還可以獲取道路上發生的事件，比如事故。

智能網聯云計算平臺借助智能網聯道路數據管理平臺實時強大的數據采集、數據融合能力，將自動駕駛汽車、智能網聯網聯汽車、社會車輛連接起來，再通過人工智能算法研發車路協同模型，成功將車輛運動的決策與控制和交通的調控系統協同起來。從而使得車輛與交通管控能夠基于共同的優化目標，真正解決交通出行中存在的各類問題。

【完】

智能相對論（微信ID:aixdlun）：深挖人工智能這口井，評出咸淡，講出黑白，道出vb深淺。重點關注領域：AI+醫療、機器人、智能駕駛、AI+硬件、物聯網、AI+金融、AI+安全、AR/VR、開發者以及背后的芯片、算法、人機交互等。