智能網(wǎng)聯(lián)汽車與交通 課件 第6、7章 智能網(wǎng)聯(lián)汽車測評技術、智慧道路系統(tǒng)

第六章

智能網(wǎng)聯(lián)汽車測評技術

第一節(jié)

測試評價流程第二節(jié)

測試場景的構建第三節(jié)

測試技術分類測評流程主要研究內容包括：應用場景（測什么）；測試場景（在什么環(huán)境下測）；測試方法與技術（用什么方法和手段測）；評價體系（如何評價），本白皮書基于此原則提出構建智能網(wǎng)聯(lián)汽車產(chǎn)品測試評價流程，如圖6-1所示：第一節(jié)

測試評價流程圖6-1智能網(wǎng)聯(lián)汽車產(chǎn)品測試評價流程（1）應用場景本測評流程優(yōu)先重點考慮五大連續(xù)運行場景：高速/環(huán)路、市內運行、泊車/取車、封閉園區(qū)和城際/郊區(qū)，其中高速/環(huán)路為封閉道路，城際/郊區(qū)為半封閉道路，具有連接性的道路。不同應用場景具有相對應的連續(xù)測評場景、測試方法和評價方法。（2）測試場景通過自然駕駛數(shù)據(jù)、標準法規(guī)場景、危險工況場景和參數(shù)重組場景等數(shù)據(jù)來源構建測試場景庫，該測試場景包括基礎和進階測試場景，滿足基礎測試和優(yōu)化引導的需求。（3）測試方法與技術采用虛擬仿真測試、封閉場地測試、實際道路測試相結合的測試方法，通過設置測試條件、測試規(guī)程、測試通過條件等，搭建可實現(xiàn)自動駕駛功能與ODD全覆蓋的測試方法。（4）評價方法通過安全、體驗和配置三大維度對智能網(wǎng)聯(lián)汽車產(chǎn)品的能力進行評價，該三大評價維度和其對應的評價指標包括基礎指標和進階指標，滿足基礎測試和優(yōu)化引導的需求。自動駕駛測試場景是支撐智能網(wǎng)聯(lián)汽車測試評價技術的核心要素與關鍵技術，通過場景的解構與重構對智能網(wǎng)聯(lián)汽車進行封閉場地測試和虛擬測試已成為業(yè)內公認的最佳測試手段，得到廣泛關注。自動駕駛測試場景具有無限豐富、極其復雜、不可預測、不可窮盡等特點，本章參考《自動駕駛測試場景技術發(fā)展與應用》概述構建測試場景庫的方法。第二節(jié)測試場景的構建自動駕駛測試場景是一定時間和空間范圍內車輛ODD元素、OEDR元素、自車元素的綜合信息融合。本白皮書所述自動駕駛測試場景應根據(jù)五大運行環(huán)境，結合場景元素進行構建。例如，在高速公路行駛時的功能場景需要描述道路的幾何結構和拓撲結構、與其他交通參與者的交互以及天氣狀況等，而在地下停車場行駛則只需要描述建筑物的布局，此時天氣條件則不需要進行詳細的描述。另一方面，需要識別ODD各種使用場景下的安全風險，即基于安全分析，從系統(tǒng)內部識別可能存在的失效，建立失效場景。綜上，場景元素主要包含

ODD元素、OEDR元素、自車元素和失效元素，如下：一、測試場景設計方法及要求

（1）ODD元素ODD元素主要包括道路信息、環(huán)境信息和交通參與者。道路信息通常包括道路類型（主車道、主從車道等）、道路表面（摩擦系數(shù)、材質等）、道路幾何（曲率、坡度、交叉口）、交通標志（交通燈與交通標志牌）、道路設施元素（包括隧道、車站、立交橋、收費站，施工路段）等。環(huán)境信息主要包括天氣、光照和連接性等，其中，天氣元素包括晴天、雨天、雪天等不同天氣類型以及不同能見度等信息，光照指不同光照度下的環(huán)境，如：艷陽天、夜晚、黃昏、不同燈光照射下的環(huán)境等。連接性指自車所處環(huán)境的網(wǎng)絡連接性，V2X連接性以及是否支持高精地圖等特性。交通參與者主要包括機動車、非機動車、行人、障礙物、動物等。（2）OEDR元素OEDR是指相應測試場景下自動駕駛系統(tǒng)需要探測的物體或者事件以及應做出的響應，作為仿真測試場景的關鍵考察方面，其主要包括交通參與者的類型及運動等信息。如在自車左前方的行人正在橫穿，自車前方的機動車減速等。（3）自車元素自車元素主要包括自我車輛的類型、性能特性和駕駛行為等，如自車為乘用車，最高車速為110km/h，正在進行變道操作。（4）失效模式為保證自動駕駛的安全性，需測試車輛的失效響應，通過設置一些失效模式如注入故障、超出ODD、傳感器失效等，設置超過ODD的參數(shù)取值等來驗證車輛的失效響應能力。例如，按照感知系統(tǒng)失效（由于安裝、環(huán)境、車輛等因素導致的感知系統(tǒng)無法準確識別到環(huán)境中的風險）、復雜交通場景（交通流與道路的組合導致本車處于危險的交通環(huán)境）、車輛控制失效（如由于載荷、路面或側風等原因導致的車輛無法跟隨控制指令）等進行分類。對智能網(wǎng)聯(lián)汽車進行基于場景的各項測試時，構建場景的數(shù)據(jù)來源多種多樣，通過對數(shù)據(jù)來源進行分類，可將場景概括為四大類：自然駕駛場景、危險工況場景、標準法規(guī)測試場景以及參數(shù)重組測試場景。自然駕駛場景可包含智能網(wǎng)聯(lián)汽車所處的人-車-環(huán)境-任務等全方位信息，能夠很好地體現(xiàn)測試的隨機性、復雜性及典型性區(qū)域特點，為測試場景構建中的充分測試場景。危險工況場景是智能網(wǎng)聯(lián)汽車測試過程中進行自動駕駛控制策略驗證的關鍵部分，為場景構建中的必要測試場景。標準法規(guī)測試場景通過現(xiàn)有的標準、評價規(guī)程等構建測試場景，為場景構建中驗證自動駕駛有效性的基礎測試場景。參數(shù)重組測試場景通過對靜態(tài)要素、動態(tài)要素以及駕駛人行為要素之間不同排列組合及遍歷取值，進而補充大量未知工況的測試場景，有效覆蓋自動駕駛功能測試盲區(qū)，為場景構建中的補充測試場景。針對某項特定自動駕駛功能設計測試場景，需定義自動駕駛系統(tǒng)的ODD，即明確系統(tǒng)在不同類型的道路上、道路的不同位置上、不同的速度范圍及其他環(huán)境條件下的功能表現(xiàn)，應確保對自動駕駛系統(tǒng)使用場景的充分覆蓋。如圖6-2，根據(jù)不同自動駕駛系統(tǒng)的設計運行范圍，將測試場景分為高速/環(huán)路、市內運行、泊車/取車、封閉園區(qū)和城際/郊區(qū)五種典型應用場景。每種應用場景下，可在不同抽象程度上基于ODD運行設計域、OEDR事件探測及響應、自車行為及失效模式等元素，提取各類型典型場景，進行場景參數(shù)標注及統(tǒng)計分析，形成邏輯場景，而后基于邏輯場景的參數(shù)分布，大規(guī)模生成具體場景，并以通用場景格式存儲，構成數(shù)萬級測試用例的場景庫。同時對于場景的評價也可以從ODD、OEDR、自車行為及失效模式等4個維度進行量化，從而對場景進行分級，形成基礎測試場景和進階測試場景，分別實現(xiàn)對智能網(wǎng)聯(lián)汽車產(chǎn)品準入的支撐，對市場上智能網(wǎng)聯(lián)汽車產(chǎn)品測評優(yōu)化的引導。圖6-2測試場景設計示意圖如圖6-3所示，不同數(shù)據(jù)來源（自然駕駛、危險工況、標準法規(guī)、參數(shù)重組）的場景用例設計首先語義描述其操作場景得到功能場景，然后通過參數(shù)化定義操作場景的狀態(tài)空間得到邏輯場景，接著對操作場景的狀態(tài)空間參數(shù)賦值得到具體場景，最后通過軟件建模復現(xiàn)具體場景得到測試用例。二、場景庫構建流程及要求圖6-3測試場景用例設計流程自動駕駛測試場景對自動駕駛研發(fā)和測試工作起著重要作用。場景庫是場景的載體平臺，通過場景數(shù)據(jù)采集、分析挖掘、測試驗證等步驟，實現(xiàn)內容閉環(huán)。通過上述場景元素、場景數(shù)據(jù)來源和場景設計方法得到自動駕駛測試場景。對自動駕駛場景進行測試驗證主要是將場景庫內已經(jīng)構建好的場景抽取出來，用虛擬場景驗證、實車場景驗證等方法進行驗證，確認場景的真實性、代表性和有效性，從而更好地服務于研發(fā)和測試工作，包括模型在環(huán)、軟件在環(huán)（測試控制器模型與代碼之間的一致性）、硬件在環(huán)（半實物仿真，RCP，HIL）仿真測試，實車場地和道路測試等。與場景相關的測試結果反饋給場景庫，對場景的分析挖掘方法等進行修正，或者根據(jù)需要重構生成場景，更新補充完善場景庫。場景庫進一步有效支撐測試研發(fā)工作，從而形成場景庫構建與應用的正向循環(huán)。第三節(jié)測試技術分類場景建設及功能劃分與智能網(wǎng)聯(lián)汽車仿真測試、場地測試、道路測試密不可分，如圖6-4所示。虛擬仿真測試應覆蓋ODD范圍內可預測的全部場景，包括不易出現(xiàn)的邊角場景，覆蓋ODD范圍內全部自動駕駛功能；封閉場地測試應覆蓋ODD范圍內的極限場景，如安全相關的事故場景和危險場景，覆蓋自動駕駛系統(tǒng)正常狀態(tài)下的典型功能，驗證仿真測試結果；真實道路測試覆蓋ODD范圍內典型場景組合的道路，覆蓋隨機場景及隨機要素組合，驗證自動駕駛功能應對隨機場景的能力。圖6-4不同測試類型驗證不同場景功能示意圖總體上，虛擬仿真測試是加速自動駕駛研發(fā)過程和保證安全的核心環(huán)節(jié)，封閉場地測試是自動駕駛研發(fā)過程的有效驗證手段，真實道路測試是檢測自動駕駛系統(tǒng)性能的必要環(huán)節(jié),也是實現(xiàn)自動駕駛商業(yè)部署的前置條件。圖6-5給出了虛擬仿真測試、封閉場地測試、實際道路測試的測試流程圖。測評車型選定后，首先進行審核與虛擬仿真測試，根據(jù)是否具備仿真測試條件，進行虛擬仿真測試或者審核。如果具備虛擬仿真測試條件，則在虛擬仿真測試用例庫中依據(jù)虛擬仿真測試流程進行驗證全部聲明的ODD和自動駕駛功能；如果不具備虛擬仿真測試條件，則依據(jù)評價指標審核全部聲明的ODD和自動駕駛功能。并且根據(jù)第六章安全、體驗、配置進行綜合的審核與仿真測試評價。其次進行封閉場地測試，封閉場地測試用例圍繞五大運行場景建設：高速/環(huán)路、市內運行、城際/郊區(qū)、泊車/取車、封閉園區(qū)；構建測試用例參考附錄1安全元素。封閉場地測試依據(jù)聲明的ODD、自動駕駛功能在五大應用場景測試用例庫中選取確定測試用例。實際道路測試首先需要獲取實際道路測試牌照，然后根據(jù)產(chǎn)品聲明的ODD確定測試路段。在測試過程中，必須達到一定的測試時長和里程，覆蓋自動駕駛必備功能，充分驗證自動駕駛的功能和性能表現(xiàn)。并且根據(jù)第六章安全、體驗、配置進行綜合的實際道路測試評價。圖6-5智能網(wǎng)聯(lián)汽車產(chǎn)品測試流程1．虛擬仿真測試流程如圖6-6，針對智能網(wǎng)聯(lián)汽車自動駕駛功能的虛擬仿真測試，典型的測試流程包括：測試需求分析、測試資源配置、接口定義、設計測試用例、執(zhí)行測試、出具測試報告以及形成評價結論等主要環(huán)節(jié)。（1）測試需求分析針對自動駕駛功能，規(guī)范對應的測試對象、測試項目、測試方法、測試資源配置、接口規(guī)范、數(shù)據(jù)存儲、評價方案和結果展示的具體要求，確定虛擬仿真任務的輸入（如虛擬仿真測試對象的數(shù)學模型、駕駛自動化系統(tǒng)指標、自動駕駛功能要求以及相應文檔）；確定虛擬仿真任務的輸出（如仿真數(shù)據(jù)、仿真結果分析以及相應文檔），指導測試工作的開展。一、虛擬仿真測試（2）測試資源配置根據(jù)自動駕駛功能確定虛擬仿真測試所需資源，如人員需求、人員的責任、仿真模型要求、場地要求、設備需求等；對虛擬仿真系統(tǒng)進行參數(shù)設置：包括車輛模型配置、靜態(tài)場景配置、動態(tài)場景配置、傳感器模擬配置、控制器配置等主要過程。圖6-6智能網(wǎng)聯(lián)汽車自動駕駛功能的虛擬仿真測試流程（3）接口定義根據(jù)模擬仿真測試對象確定用軟件或者實物來實現(xiàn)駕駛自動化系統(tǒng)的各部分，確定仿真系統(tǒng)各部分之間的接口關系，匹配各子系統(tǒng)和單元間接口，包括車輛模型、環(huán)境模型、傳感器模型、執(zhí)行器和控制器之間的接口等。（4）設計測試用例根據(jù)自動駕駛功能及ODD（五大應用場景）設計測試用例，確定測試方案，確定虛擬仿真測試平臺依據(jù)的測試規(guī)則，先基礎后進階高級增加測試場景，制定通過條件。（5）執(zhí)行測試虛擬仿真測試包括單一場景輸入測試和路網(wǎng)連續(xù)里程測試，通過單一場景輸入測試后進行路網(wǎng)連續(xù)里程測試。當發(fā)現(xiàn)某測試場景結果為不通過時，可終止單項測試或者重啟虛擬仿真測試流程。（6）出具測試報告通過軟件進行自動化測試結果的數(shù)據(jù)處理，并根據(jù)規(guī)范生成測試報告，報告應包括測試對象、測試人員、測試時間、測試結果和測試數(shù)據(jù)等內容。（7）形成評價結論測試結果應比對標準值和歷史數(shù)據(jù)，形成評價結果的評分。2.虛擬仿真測試基本要求（1）測試要求1）所有的測試項目都應由駕駛自動化系統(tǒng)和算法完成，測試期間不應對系統(tǒng)和算法進行任何變更調整；應說明測試系統(tǒng)的組成及工作原理，自動駕駛功能及設計運行范圍ODD，風險減緩策略及最小安全狀態(tài)等；2）依據(jù)自動駕駛功能定義及范圍設計測試用例，應至少包括設計運行范圍測試、動態(tài)駕駛任務測試、目標事件檢測和響應測試、故障保護響應、風險減緩策略測試等；3）應保證單一場景輸入測試中同一場景重復測試的高度一致性，并在測試報告中詳細記錄所有測試場景中的數(shù)次重復測試詳細的關鍵過程數(shù)據(jù)及結果：在多個相同場景下，通過在封閉場地和道路測試中獲取實車決策輸出，驗證虛擬仿真結果的有效性；4）路網(wǎng)連續(xù)里程測試應第四章場景庫測試場景設計要求，遍歷預期ODD內的測試場景，驗證駕駛自動化系統(tǒng)的ODD邊界，驗證駕駛自動化系統(tǒng)應對極限場景的能力和魯棒性，驗證駕駛自動化系統(tǒng)的高里程通過性；通過路網(wǎng)連續(xù)里程測試發(fā)現(xiàn)駕駛自動化系統(tǒng)存在風險項，應對其在封閉場地進行復現(xiàn)確認，經(jīng)確認一致后，應將風險項在測試報告中說明。

（2）通過條件1）單一場景通過指標包括合規(guī)性指標和安全性指標。重點考察駕駛自動化系統(tǒng)運行時能否遵守道路交通法律法規(guī)、道路標識規(guī)則等相關規(guī)定；駕駛自動化系統(tǒng)能夠避免碰撞等安全事故。一級指標二級指標三級指標四級指標合規(guī)性遵守交通規(guī)則不壓線車輛與標線的相對位置

按照道路指示標志行車指示標志識別性、距離/速度/加速度值、車道線識別及相對位置滿足在用的其他標準法規(guī)的要求如AEB、LKA等

安全性不發(fā)生交通事故不與車輛發(fā)生碰撞本車與周邊車輛的相對速度和位置不與行人發(fā)生碰撞本車與行人的相對速度和位置表6-1虛擬仿真單一場景通過指標2）連續(xù)場景通過指標包括場景覆蓋度和安全運行里程，重點考察駕駛自動化系統(tǒng)應對多功能、連續(xù)性場景時的系統(tǒng)性能。1．封閉場地測試項目封閉場地測試用例圍繞五大應用場景建設：高速/環(huán)路、市內運行、城際/郊區(qū)、泊車/取車、封閉園區(qū)。根據(jù)智能網(wǎng)聯(lián)汽車聲明的設計運行范圍ODD及自動駕駛功能，在五大應用場景測試用例庫中選取確定測試用例，測試智能網(wǎng)聯(lián)汽車的真實表現(xiàn)。如表6-2，舉例說明了智能網(wǎng)聯(lián)汽車自動駕駛功能典型測試用例，其中測試用例設計元素可參考文獻[74]附錄1高速公路應用場景下安全評價指標示例。二、封閉場地測試表

6-2智能網(wǎng)聯(lián)汽車自動駕駛功能典型測試用例示例序號智能網(wǎng)聯(lián)汽車自動駕駛功能典型測試用例1跟車行駛2循線行駛3變道行駛4障礙物檢測及響應5對動物的識別及響應6行人和非機動車識別及避讓7對交警指揮手勢檢測和響應8應急車輛避讓9超車10交通標志和標線識別及響應11道路盡頭調頭12靠路邊停車13交叉路口通行14環(huán)形路口通行15停車場通行16坡道停走17匝道匯入?yún)R出18施工區(qū)域通行19收費站通行20通過隧道21通過公交車站22通過學校區(qū)域原則上，針對高級別智能網(wǎng)聯(lián)汽車，應在連續(xù)運行場景中針對自動駕駛功能進行測試，以評價其真實的使用性能和體驗。但實際上，封閉場地的連續(xù)場景測試，對測評機構的硬件設施能力要求較高，因此在現(xiàn)有測評能力不足的情況下，連續(xù)場景也可以拆分為單一測試場景進行測試。23特殊天氣行駛（雨、雪、霧）24夜間行駛25自動泊車26路徑規(guī)劃27駕駛人狀態(tài)監(jiān)控2．封閉場地測試場景設計根據(jù)企業(yè)申報的智能網(wǎng)聯(lián)汽車設計運行范圍ODD及自動駕駛功能，選取封閉場地測試項目，針對每個測試項目，設計封閉場地測試場景、測試方法與評價標準。封閉場地測試場景和測試用例設計原則上充分考慮場景的典型性、危險性以及對法律法規(guī)的符合性。測試車輛應在不進行軟硬件變更的條件下通過所有規(guī)定的測試用例，驗證產(chǎn)品駕駛自動化系統(tǒng)、人機交互功能的合規(guī)性和安全性。以城市道路場景中交通標志識別及響應測試為例，說明自動駕駛功能封閉場地測試場景、測試方法及通過標準：（1）測試場景設置測試道路為至少包含一條車道的長直道，并于該路段設置各類交通標志牌，測試車輛對于標志牌的識別能力并做出相應執(zhí)行，如圖6-7所示。（2）測試方法及通過標準①禁止掉頭標志識別及響應測試方法。測試車輛在自動駕駛模式下，在距離禁止通行標志100m前達到30km/h的車速，并勻速沿車道中間通過標志；標準要求車輛能夠識別禁止掉頭標志牌。②禁止通行標志識別及響應測試方法。測試車輛在自動駕駛模式下，在距離禁止通行標志100m前達到30km/h的車速，并勻速沿車道中間在禁止通行標志處停車；標準要求測試車輛能夠識別禁止通行標志牌。圖6-7交通標志識別及響應測試示意圖③停車讓行標志識別及響應測試方法。測試車輛在自動駕駛模式下，在距離停車讓行線100m前達到30km/h的車速，并勻速沿車道中間駛向停車讓行線，測試中停車讓行線前無車輛、行人等；標準要求測試車輛應在停車讓行線前停車，測試車輛的停車時間不超過3s。④限速標志識別及響應測試方法。測試車輛在自動駕駛模式下，在距離限速標志100m前達到限速標志所示速度的1.2倍，并勻速沿車道中間駛向限速標志；標準要求測試車輛到達限速標志時，車速不高于限速標志所示速度。測試車輛在自動駕駛模式下，規(guī)劃路口禁止掉頭任務，識別禁止掉頭標志牌；測試車輛在自動駕駛模式下，規(guī)劃禁止直行行駛任務，識別前方禁止通行標志牌；測試車輛在自動駕駛模式下，規(guī)劃直行行駛任務。識別前方停車讓行標志牌3）通過標準不違反交通標牌所示。3.測試路段選取實際道路測試路段根據(jù)企業(yè)申報測試的智能網(wǎng)聯(lián)汽車產(chǎn)品設計運行范圍ODD進行選取，保證智能網(wǎng)聯(lián)汽車能夠在測試路段內開啟自動駕駛功能。ODD元素可參考附錄1高速公路應用場景下安全評價指標示例。根據(jù)不同的自動駕駛運行區(qū)域，如高速公路、城市快速路、城市道路等，實際道路測試應同時設定一定的測試時長和測試里程要求，測試涵蓋自動駕駛必備功能。4．通過標準智能網(wǎng)聯(lián)汽車實際道路測試國際范圍內暫無可借鑒的成熟的法規(guī)、標準、評價規(guī)程等。根據(jù)汽標委智能網(wǎng)聯(lián)汽車分標委《自動駕駛功能實際道路測試標準化需求研究》項目組的研究成果，實際道路測試擬采用主客觀評價相結合的方式，以安全（本車和其他交通參與者的安全）、及時（本車執(zhí)行動作是否及時）、準確（本車執(zhí)行相關駕駛行為是否精準）、順暢（本車執(zhí)行動作是否連貫、通暢）為通過原則，測試人員結合車輛測試表現(xiàn)調整通過系數(shù)。

第七章

智慧道路系統(tǒng)

第一節(jié)智慧道路分級第二節(jié)5G時代路側設備第三節(jié)提升設備覆蓋率方法論第四節(jié)智慧高速合流區(qū)汽車自動駕駛技術分級標準主要包括由美國高速公路安全管理局（簡稱NHTSA）提出的L0無自動駕駛功能（No-Automation），L1單一功能輔助駕駛（Function-SpecificAutomation），L2多功能協(xié)同輔助駕駛（CombinedFunctionAutomation），L3有限自動駕駛（LimitedSelf-DrivingAutomation），L4完全自動駕駛（FullSelf-DrivingAutomation）；和國際自動機工程師學會（簡稱SAE）提出的L0無自動駕駛功能（No-Automation），L1駕駛人輔助（DriverAssistance），L2部分自動駕駛（PartialAutomation），L3有限自動駕駛（ConditionAutomation），L4高度自動駕駛（HighAutomation），L5完全自動駕駛（FullAutomation）。其中L0-L2由駕駛人負責：L0需要駕駛人眼手腳并用，L1駕駛人可以脫腳，L2駕駛人可以脫手；L3-L5由自動駕駛系統(tǒng)負責：L3駕駛人可以脫眼，L4駕駛人可以脫腦，L5完全無需駕駛人。第一節(jié)

智慧道路分級一、按照交通基礎設施系統(tǒng)分類ERTRAC（歐洲道路運輸研究咨詢委員會，EuropeanRoadTransportResearchAdvisoryCouncil）在INFRAMIX項目和ITSWorldCongress2018paperbyAAEandASFINAG發(fā)布了ISAD（自動駕駛的基礎設施支持級別，InfrastructureSupportlevelsforAutomatedDriving）。E級別最低，無數(shù)字化信息，不支持自動駕駛的傳統(tǒng)基礎設施，完全依賴于自動駕駛車輛本身；D級別支持靜態(tài)道路標識在內的靜態(tài)數(shù)字化信息，而交通信號燈、短期道路工程和可變信息交通標識牌需要自動駕駛車輛識別；C級別支持靜態(tài)和動態(tài)基礎設施信息，包括可變信息交通標識牌、告警、事故、天氣等；B級別支持協(xié)同感知，即可感知微觀交通情況；A級別支持協(xié)同駕駛，數(shù)字化基礎設施可以引導自動駕駛車輛的速度、間距、車道。2019年9月21日，中國公路學會自動駕駛工作委員會、自動駕駛標準化工作委員會發(fā)布了《智能網(wǎng)聯(lián)道路系統(tǒng)分級定義與解讀報告》（征求意見稿）。從交通基礎設施系統(tǒng)的信息化、智能化、自動化角度出發(fā)，結合應用場景、混合交通、主動安全系統(tǒng)等情況，把交通基礎設施系統(tǒng)分為6級，如下表所示。L0（無信息化/無智能化/無自動化）為傳統(tǒng)道路信息管理方式，即交通基礎設施與單個車輛系統(tǒng)之間無信息交互。主要特征為交通基礎設施無檢測和傳感功能，由駕駛人全程控制車輛完成駕駛任務和處理特殊情況。L1（初步數(shù)字化/初步智能化/初步自動化）仍為傳統(tǒng)道路信息管理方式。主要特征有：道路系統(tǒng)能夠采集數(shù)字化交通基礎設施靜態(tài)數(shù)據(jù)并進行更新和儲存，交通基礎設施感知設備能實時獲取連續(xù)空間的車輛和環(huán)境等動態(tài)數(shù)據(jù)，自動處理非結構化數(shù)據(jù)，并結合歷史數(shù)據(jù)實現(xiàn)車輛行駛的短時、微觀預測；各種類型數(shù)據(jù)之間無法有效融合，信息采集、處理和傳輸?shù)臅r延明顯；交通基礎設施感知信息和預測結果可實時提供給車輛，輔助車輛自動駕駛如提供信息服務和主動交通管理服務；交通基礎設施向車輛系統(tǒng)進行單項傳感。L2（部分網(wǎng)聯(lián)化/部分智能化/部I分自動化）為交通基礎設施具備復雜傳感和深度預測功能，通過與車輛系統(tǒng)進行信息交互（包括I2X），可以支持較高空間和時間解析度的自動化駕駛輔助和交通管理。除L1中提供的功能外，可以實現(xiàn)基礎實施等靜態(tài)數(shù)據(jù)在時空上的連續(xù)監(jiān)測和更新；具備更高精度的車輛和環(huán)境等動態(tài)非結構化數(shù)據(jù)的檢測傳感功能；實現(xiàn)數(shù)據(jù)高度融合，信息采集、處理和傳輸?shù)臅r延低；支持部分數(shù)據(jù)在車與車之間、車與基礎設施之間的實時共享，提供深度分析和長期預測；有限場景內可以實現(xiàn)對自動駕駛車輛的接管和控制，實現(xiàn)限定場景的自動化駕駛和決策優(yōu)化。其局限為：遇到特殊情況，需要駕駛人接管自動駕駛車輛進行控制；無法從系統(tǒng)層面進行全局優(yōu)化；主要實現(xiàn)駕駛輔助，需在有限場景內完成自動駕駛。L3（基于交通基礎設施的有條件自動駕駛/高度網(wǎng)聯(lián)化）定義為高度網(wǎng)聯(lián)化的交通基礎設施可以在數(shù)毫秒內為單個自動駕駛車輛（自動化等級大于1.5及以上）提供周圍車輛的動態(tài)信息和控制指令，可以在包括專用車道的主要道路上實現(xiàn)有條件的自動化駕駛。主要特征有：交通基礎設施具備高度的網(wǎng)聯(lián)化和有條件的智能化；在交通基礎設施覆蓋的道路上可以支持單個自動駕駛車輛的部分自動化駕駛功能；交通基礎設施系統(tǒng)可實現(xiàn)對自動駕駛車輛的橫向和縱向控制；可運行在包括具有專用車道等的主要道路的限定場景；遇到特殊情況，需要駕駛人接管。L4（基于交通基礎設施的高度自動駕駛）交通基礎設施為自動駕駛車輛（自動化等級大于1.5）提供了詳細的駕駛指令，可以在特定場景/區(qū)域（如預先設定的時空域）實現(xiàn)高度自動化駕駛。遇到特殊情況，由交通基礎設施系統(tǒng)進行控制，不需要駕駛人接管。主要特征有：具備高度的信息化和智能化；可為單個自動駕駛車輛提供周圍車輛的動態(tài)信息和縱橫向控制指令；可對自動駕駛車輛（自動化等級1.5或以上）進行橫向和縱向的控制；交通控制中心可更優(yōu)調配所覆蓋的車輛，達到全局最優(yōu)化；在特定場景/區(qū)域混合交通場景下可實現(xiàn)高度自動化駕駛；遇到特殊情況，由交通基礎設施系統(tǒng)實施控制，不需要駕駛人接管。但是仍局限于試驗場和園區(qū)，自動泊車停車場等封閉區(qū)域；高速公路、城市快速路；部分城市主干網(wǎng)絡和公交專線。L5（基于交通基礎設施的完全自動駕駛）為交通基礎設施可以滿足所有單個自動駕駛車輛（自動化等級大于1.5及以上）在所有場景下完全感知、預測、決策、控制、通信等功能，并優(yōu)化部署整個交通基礎設施網(wǎng)絡，實現(xiàn)完全自動駕駛。完全自動駕駛所需的子系統(tǒng)無需在自動駕駛車輛設置備份系統(tǒng)。提供全主動安全功能。遇到特殊情況，由交通基礎設施系統(tǒng)進行控制，不需要駕駛人參與。分級信息化（數(shù)字化/網(wǎng)聯(lián)化）智能化自動化服務對象L0無無無駕駛人L1初步初步初步駕駛人/車輛L2部分部分部分駕駛人/車輛L3高度有條件有條件駕駛人/車輛L4完全高度高度車輛L5完全完全完全車輛道路分級需要考慮“感知-決策-控制”三方面，如下圖所示。其中感知需要解決的是道路基礎設施的數(shù)字化、網(wǎng)聯(lián)化和協(xié)同化。數(shù)字化方面，靜態(tài)基礎設施信息（靜態(tài)道路標識等）和動態(tài)基礎設施信息（交通信號燈信息、可變信息交通標識牌、道路交通事故、道路施工信息、天氣信息等）實現(xiàn)數(shù)字化；網(wǎng)聯(lián)化方面，基礎設施系統(tǒng)依托I2X（I2V，I2I，I2P）通信能力，實現(xiàn)道路基礎設施數(shù)字化信息和車輛、行人、其他道路基礎設施之間的互聯(lián)互通；協(xié)同化方面，道路基礎設施數(shù)字化信息之間，以及和車輛、行人、其他道路基礎設施的數(shù)字化信息之間，進行融合，實現(xiàn)協(xié)同化感知，比如攝像頭數(shù)據(jù)和毫米波雷達數(shù)據(jù)、激光雷達數(shù)據(jù)進行數(shù)據(jù)轉換、數(shù)據(jù)關聯(lián)和融合計算。二、按照感知-決策-控制進行分類智能網(wǎng)聯(lián)“感知-決策-控制”過程決策按照層級分為基于規(guī)則的專家系統(tǒng)、因果推理和行為預測。基于規(guī)則專家系統(tǒng)中，知識庫和規(guī)則執(zhí)行組件是核心模塊，可針對特定場景進行精準分析決策；由于實際道路和自動駕駛車輛情況錯綜復雜，根本無法窮舉，因此提出基于因果推理的決策機制，例如基于增強學習的決策框架，目標是實現(xiàn)基于復雜場景的實時決策；行為預測是實現(xiàn)自動駕駛最具挑戰(zhàn)性的課題之一，即基于道路基礎設施和自動駕駛車輛，去理解并預測周圍道路參與者的行為，目標是實現(xiàn)超前決策?？刂瓢凑諏蛹壏譃閱诬嚳刂啤f(xié)作控制和全域控制。單車控制主要實現(xiàn)的是加速、轉向和制動控制。線控節(jié)氣門（電子節(jié)氣門）系統(tǒng)相對簡單，由車身穩(wěn)定控制系統(tǒng)（ElectronicStabilityProgram，ESP）中的ECU來控制電機，進而控制進氣門開合幅度，最終控制車速；線控轉向系統(tǒng)是通過給助力電機發(fā)送電信號指令，從而實現(xiàn)對轉向系統(tǒng)進行控制；車輛制動系統(tǒng)經(jīng)歷了從真空液壓制動（HPB）到電控和液壓結合（EHB），到新能源汽車階段逐步轉向純電控制的機械制動（EMB）和更智能化的線控制動。協(xié)作控制主要實現(xiàn)的是多車協(xié)同控制。比如主車在行駛過程中需要變道，將行駛意圖發(fā)送給相關車道的其他車輛和路側RSU，其他車輛進行加減速動作或者由路側基礎設施根據(jù)主車請求統(tǒng)一協(xié)調，使得車輛能夠順利完成換道動作。全域控制主要實現(xiàn)的是對所有交通參與者的全路段、全天候、全場景的自主控制。5G智能網(wǎng)聯(lián)路側基礎設施主要包括①通信基礎設施：4G/5G蜂窩基站；②C-V2X專用通信基礎設施：多形態(tài)的RSU（RoadSideUnit）；③路側智能設施：包括交通控制設施（交通信號燈、標志、標線、護欄等）智能化，以及在路側部署攝像頭、毫米波雷達、激光雷達和各類環(huán)境感知設備；④MEC（多接入邊緣計算/移動邊緣計算）設備；⑤路側氣象設備；⑥路側道路環(huán)境監(jiān)測設備。第二節(jié)5G時代路側設備5G+B（北斗）+AICDE（AI、loT、CloudComputing、BigData、EdgeComputing）技術的組合，服務于工業(yè)互聯(lián)網(wǎng)、智能電網(wǎng)等14個垂直行業(yè)，實現(xiàn)了超過100種應用場景和超過100個標桿示范的應用落地。5G時代，將是各類高新技術百花齊放、各顯神通的時代；5G的建設，勢必會帶來資源共享、合作共贏的新型生態(tài)。自動駕駛，需解決四個方面的問題：看得見（定位、避障）、聽得著（決策、控制、執(zhí)行）、講得出（路徑規(guī)劃、行車方式）、有大腦（邊緣計算）。5G車路協(xié)同自動駕駛，就是充分利用5G（高帶寬、低時延、高可靠性、海量互聯(lián)）、北斗（高精度定位、精細化導航、精準度授時）、V2X（人、車、路、網(wǎng)融合）等領域的優(yōu)勢，強強聯(lián)手，互惠互利。早期的車路協(xié)同，存在一定的局限性，比如過分強調車的能力、忽視交通領域的融合等，致使車路協(xié)同進展緩慢。在車聯(lián)網(wǎng)領域，網(wǎng)聯(lián)智能是未來車路協(xié)同的趨勢，特別是在融入5G技術后，5G車路協(xié)同成了新的方向。一、通信基礎設施截至2019年，中國目前共有558萬個4G基站，而5G基站建設大概率會采取先城區(qū)，再郊區(qū)；先熱點，再連片；先低頻，再高頻；先室外，再室內；先宏站，再小微基站的模式，積極穩(wěn)妥分布推進，初期大多數(shù)情況下強調對4G的依賴，以降低組網(wǎng)成本保證用戶體驗。除了宏站投資，5G發(fā)展還涉及大量小微基站、光傳輸、核心網(wǎng)、多接入邊緣計算等投入。截至2021年2月，中國已建設80萬個5G基站，5G用戶超過2億，預計中國5G投資周期十年，總投資金額1.6萬億。具體參考微信公眾號“5G行業(yè)應用”的《5G發(fā)展的五大動力和四大挑戰(zhàn)》、《5G最新進展深度解析2020版》文章分析。RSU（RoadSideUnit）為C-V2X技術的路邊單元，是車路協(xié)同系統(tǒng)的重要組成部分，也是突破車路協(xié)同技術的關鍵，其主要功能是采集當前的道路狀況、交通狀況等信息，通過通信網(wǎng)絡，將信息傳遞至指揮中心或路側處理單元進行處理，并裁定相關信息通過網(wǎng)絡傳遞到有相應信息請求的車載終端，避免或減少交通事故，提升交通通行效率。二、C-V2X專用通信基礎設施C-V2XRSU是部署在路側的通信網(wǎng)關，解決的是感知層面的網(wǎng)聯(lián)化。RSU基本功能包括業(yè)務功能、管理功能和安全功能。業(yè)務功能主要包括數(shù)據(jù)收發(fā)、協(xié)議轉換、定位、時鐘同步等。RSU具有不同的產(chǎn)品形態(tài)：1）基礎版本支持LTE-V2XPC5通信能力，匯集路側智能設施和道路交通參與者的信息，上傳至云平臺，并將V2X消息廣播給道路交通參與者。2）RSU還有LTEUu+LTE-V2XPC5雙模版本。3）5G時代到來后，RSU產(chǎn)品形態(tài)將更加多樣化，比如5GUu+LTE-V2XPC5版本，或者LTE-V2XPC5+5GNR-V2XPC5版本，或者5GUu+LTE-V2XPC5+5GNR-V2XPC5版本。4）除此之外，交通部主推的ETC路側設備，公安部主推的汽車電子標識路側設備，甚至是交通信號燈都存在和V2X合一的產(chǎn)品形態(tài)。5）RSU產(chǎn)品形態(tài)除了豐富通信能力外，還有一種可能，向智能化RSU演進，即RSU上集成智能化邊緣計算能力，即除了網(wǎng)聯(lián)化能力外，還將具備決策和控制能力。從部署的節(jié)奏看，預測未來2-3年將以LTE-V2XPC5RSU+5GUu蜂窩基站這樣的網(wǎng)絡部署為主。2020年5月，江蘇省開始建設“公交優(yōu)先”車聯(lián)網(wǎng)(C-V2X)示范應用路段，即點對點（V2I）通過LTE-V2X專網(wǎng)支撐，蜂窩（V2N）通過5G網(wǎng)絡或者已有的4G網(wǎng)絡支撐。路側智能設施包括智能化交通控制設施（交通信號燈、標志、標線、護欄等）和攝像頭、毫米波雷達、激光雷達、各類環(huán)境感知設備。1．交通信號燈交通信號燈信息可以通過信號燈控制中心平臺傳遞到車聯(lián)網(wǎng)云平臺，再傳遞給RSU，然后通過RSU廣播給車載OBU。但是由于信號燈控制中心平臺處于公安內網(wǎng)，需要跨越邊界網(wǎng)關傳遞信息，存在十幾秒時延，無法及時向通過路口的車輛推送紅綠燈信息。較好的方式是在每個路口，都由信號燈路口控制器分出一路信號給RSU，直接由RSU廣播給車載OBU。三、路側智能設施2．多傳感器融合采用單一傳感器存在諸多挑戰(zhàn)，比如攝像頭沒有深度信息、受外界條件影響大；毫米波雷達沒有高度信息、行人探測效果弱（多適用于高速公路）；激光雷達距離有限（16線約100米，32線約200米）、角分辨率不足（識別小動物能力遠弱于視覺方式）、環(huán)境敏感度高（受大雪、大雨、灰塵影響）等。因此路側可以考慮采取多傳感器融合方式，比如大于200米采用毫米波雷達，200米以內采用激光雷達+毫米波雷達，80米以內采用攝像頭+激光雷達+毫米波雷達。毫米波雷達和激光雷達實時采集環(huán)境信息，分析路面所有大機動車、小機動車、非機動車、行人等的位置、速度、角度和距離，判斷障礙物的危險系數(shù)，有效提前預警；雷達和攝像頭安裝的越近越好，有利于激光雷達三維坐標標定到圖像上，這樣攝像頭可以為雷達檢測到的障礙物提供融合識別數(shù)據(jù)，并能提供障礙物真實的圖像信息。例如車道線檢測，先在攝像頭圖像中檢測出車道線，然后再將激光雷達生成的點投射到圖像上，找出落在車道線上的點在激光雷達坐標系中的坐標，通過這些坐標生成激光雷達坐標系中的車道線。5G網(wǎng)絡兩大核心技術移動邊緣計算（MobileEdgeComputing，MEC）和網(wǎng)絡切片（NetworkSlicing）將與車聯(lián)網(wǎng)深度融合，為C-V2X提供靈活性高、魯棒性強的網(wǎng)絡能力。MEC或者部署在路側，或者由運營商部署在其主數(shù)據(jù)中心邊緣（DataCenter，DC）和綜合接入機房。5G車聯(lián)網(wǎng)MEC需要具備多設備連接能力，接入RSU、OBU、智能化交通控制設施（交通信號燈、標志、標線、護欄等）、攝像頭、毫米波雷達、激光雷達、各類環(huán)境感知設備的信息，同時向上連接云平臺；MEC需要具備多傳感器融合處理能力，比如攝像頭+激光雷達+毫米波雷達融合分析算法；MEC還需要具備ITS相關協(xié)議處理能力，比如針對交叉路口防碰撞預警業(yè)務，在車輛經(jīng)過交叉路口時，MEC通過對車輛位置、速度及軌跡分析研判，分析出可能存在的碰撞風險，通過RSU傳輸?shù)杰囕vOBU，起到預警目的。四、移動邊緣計算設備MEC與C-V2X融合可以支持多類車聯(lián)網(wǎng)應用場景，由于接入MEC的終端類型不同其所能支持的場景也不完全統(tǒng)一。按照目前業(yè)界對于接入MEC終端類型以及MEC系統(tǒng)架構的理解，應用場景可按照“車路協(xié)同”水平以及“車輛間協(xié)同”水平這兩個維度進行分類。當沒有路側智能化設備（如路側雷達、攝像頭、智能化紅綠燈、智能化電子標志標識等）接入MEC時，部署在MEC上的邊緣應用可通過C-V2X收集附近車輛和行人的數(shù)據(jù)信息，并提供低時延、高性能的服務；當路側部署了智能化設備并接入MEC后，邊緣應用可進一步借助路側信息為車輛和行人提供更全面、更高級的應用服務。當沒有車輛間協(xié)同時，邊緣應用可為接入MEC的單個車輛提供特定服務；當多個車輛同時接入MEC并能產(chǎn)生數(shù)據(jù)交互時，邊緣應用可基于多個車輛的狀態(tài)信息，提供更智能的服務。面向LTE-V2X的MEC業(yè)務可基于靈活的網(wǎng)絡架構實現(xiàn)，LTE-V2X車載終端（OBU）、路側單元（RSU）及攝像頭、雷達等其他路側智能化設備可靈活地選擇通過各種接入方式接入MEC平臺。同時，MEC平臺也可以靈活選擇部署位置，例如路側單元（RSU）后、演進的B節(jié)點（eNodeB）后等。此外，系統(tǒng)中可部署多級MEC平臺，下級MEC平臺可作為上級MEC平臺的接入端。MEC與C-V2X融合的總體架構微氣象監(jiān)測系統(tǒng)是一種集氣象數(shù)據(jù)采集、存儲、傳輸和管理于一體的無人值守的氣象采集系統(tǒng)。氣象監(jiān)測系統(tǒng)由氣象傳感器、氣象數(shù)據(jù)采集儀和計算機氣象軟件三部分組成，可同時監(jiān)測大氣溫度、大氣濕度、風速、風向、氣壓、雨量、能見度等氣象要素。五、路側氣象設備道路環(huán)境監(jiān)測系統(tǒng)是一種集數(shù)據(jù)采集、存儲、傳輸和管理于一體的無人值守的監(jiān)測系統(tǒng)，由路面狀況傳感器、環(huán)境數(shù)據(jù)采集儀和通信模塊等部分組成。可監(jiān)測實時路面狀況；包括路面溫度、濕滑程度、積水厚度、覆冰厚度、積雪厚度等。六、路側道路環(huán)境監(jiān)測設備5G智能網(wǎng)聯(lián)路側設備的投資規(guī)模巨大，投資建設主體碎片化。提升5G智能網(wǎng)聯(lián)路側設備覆蓋率，需積極探索①路側設備的投資和運營模式：初期政府購買服務、長期數(shù)據(jù)開放和運營；②路側設備的場景化應用模式：特定商用場景先行先試、重點關注高速公路方案/城市交叉路口方案/一體化智慧桿產(chǎn)品；③路側設備的部署節(jié)奏：網(wǎng)的覆蓋率和車的滲透率二者相輔相成。第三節(jié)提升設備覆蓋率方法論車聯(lián)網(wǎng)運營商需要整合所有合作伙伴的能力來保證業(yè)務的可靠性及安全性，從電信級的平臺層面來保證數(shù)據(jù)傳輸?shù)目煽啃?。降低成本要提高車?lián)網(wǎng)絡的復用能力以及公共信息的分享能力，這需要跨行業(yè)、跨領域的商業(yè)模式創(chuàng)新來驅動，甚至包括行業(yè)數(shù)據(jù)的交換標準的建設。為解決最終用戶的隱私憂慮，車聯(lián)網(wǎng)服務運營商必須通過設置嚴格的數(shù)據(jù)搜集授權和數(shù)據(jù)使用、分發(fā)權限來加以解除，并帶動國內管理部門的相關法規(guī)及政策出臺，從制度上解決問題。車聯(lián)網(wǎng)服務的優(yōu)先級設置要嚴格按照車輛用戶的細分需求來把握，例如政府的應急救援指揮應用的優(yōu)先級就要最高。所有這些考慮因素，構成了車聯(lián)網(wǎng)運營商服務管理模式的決定因素。5G智能網(wǎng)聯(lián)路側設備，除了4G/5G蜂窩基站明確由運營商投資建設外，RSU、路側智能設施、MEC涉及的投資規(guī)模巨大，投資建設主體碎片化。一、投資和運營模式截至2018年，中國高速公路里程14.26萬公里，國道里程36.30萬公里，省道里程37.22萬公里，農(nóng)村公路里程403.97萬公里，城市道路超過40萬公里，50多萬個城市路口。以每公里智能化改造費用100萬保守測算，僅高速公路智能化改造投入即高達1400多億元。如果需要覆蓋全國高速公路和城市道路，基礎建設投資預計在3000億以上。如此巨額的投資存在回報不確定、需承擔法律安全責任風險等問題。到底由誰來投，是考驗產(chǎn)業(yè)發(fā)展的關鍵因素之一。中國道路基礎設施建設和運營主體具有多元特點。一般城市道路的智能化基礎設施由公安交警負責建設和運營；國省干線、農(nóng)村公路的智能化基礎設施由交通局負責建設和運營；高速公路的智能化基礎設施由省交投集團和各地市交投公司分別負責建設和運營，涉及到高速交通違法的智能化基礎設施由高速交警或委托交投集團采購。業(yè)主多元化，直接造成了車聯(lián)網(wǎng)路側基礎設施建設和運營主體碎片化特點。車聯(lián)網(wǎng)存在幾種不同類型的運營主體，包括政府獨資或合資的企業(yè)、高速公路服務商、運營商、鐵塔公司等。不同的運營主體均有各自的優(yōu)劣勢，但這幾類運營主體，都面臨運營模式不清晰的挑戰(zhàn)，即怎么從使用方收到錢?？赡艽嬖诘姆绞桨?，運營主體向交管和交委提供相關的大數(shù)據(jù)分析服務，收取相關費用。以公安交警為例，其主要工作是保障交通安全和提升通行效率，因此對能夠減少交通事故、提升交通運行效率的車聯(lián)網(wǎng)，是有需求的。比如可以針對車聯(lián)網(wǎng)提升城市道路交通通行效率進行服務收費。再以交通局為例，需要保障營運車輛的運輸安全，因此，對提升營運車輛安全性的車聯(lián)網(wǎng)服務，是有需求的。除此之外，運營主體還可以向車主收取智能網(wǎng)聯(lián)接入服務費；向車企收取智能網(wǎng)聯(lián)接入服務費；向行業(yè)客戶收取智能網(wǎng)聯(lián)接入服務費和大數(shù)據(jù)分析服務費等。短周期看，車聯(lián)網(wǎng)運營主體還需要依賴政府購買服務，才能獲得發(fā)展空間（看下圖）。車聯(lián)網(wǎng)商用模式示意圖隨著車聯(lián)網(wǎng)路側基礎設施覆蓋率和車載終端滲透率的提升，將產(chǎn)生大量路側數(shù)據(jù)和車端數(shù)據(jù)。在厘清數(shù)據(jù)所有權問題基礎上，在新的智能交通環(huán)境下，長期來看，探索數(shù)據(jù)開放和運營，建立面向智能網(wǎng)聯(lián)汽車和智慧道路的一體化開放數(shù)據(jù)公共服務平臺將成為大勢所趨。最終的目標是讓車端和路側產(chǎn)生的海量數(shù)據(jù)，能夠產(chǎn)生價值。一方面可以探索“數(shù)據(jù)+管理”模式，以交通信息共享服務為核心，連通道路基礎設施，對交通環(huán)境信息做整合管控，建立統(tǒng)一信息交換標準，消除交通信息孤島。另一方面可以探索“數(shù)據(jù)+金融”模式，即拓展面向C端車主和B端行業(yè)客戶帶有支付能力的服務，這時候買單的主體不僅僅是車主和行業(yè)客戶，各類金融機構也可以共同參與。比如2019年下半年呈現(xiàn)爆發(fā)式增長的ETC業(yè)務，各大銀行和微信、支付寶均在積極參與；基于ADAS安全駕駛輔助系統(tǒng)+DMS疲勞駕駛預警系統(tǒng)獲得了各保險機構的青睞。要實現(xiàn)普遍意義的自動駕駛，將是長周期過程，可能需要二十年，甚至三十年的發(fā)展歷程。但是短周期看，針對特定商用場景的自動駕駛，將很快出現(xiàn)。比如出租車自動駕駛、公交車自動駕駛、物流車自動駕駛、特定封閉園區(qū)和社區(qū)自動駕駛、礦卡自動駕駛、港口車輛自動駕駛等。從商業(yè)邏輯上看，車聯(lián)網(wǎng)面臨和自動駕駛同樣的發(fā)展路徑。也就是車聯(lián)網(wǎng)首先解決和部署的，將是特定商用場景先行先試。比如：二、場景化應用模式1）在特定區(qū)域部署車聯(lián)網(wǎng)路側基礎設施，在特定出租車輛上部署車聯(lián)網(wǎng)車載終端，實現(xiàn)在這些區(qū)域的自動駕駛出租車（Robo-Taxi）業(yè)務；2）在城市公交車專用道和公交站場部署車聯(lián)網(wǎng)路側基礎設施，在公交車上部署車聯(lián)網(wǎng)車載終端，可以實現(xiàn)公交車信息服務、交通安全、交通效率、自動駕駛等各類業(yè)務應用；3）在某些高速公路路段部署車聯(lián)網(wǎng)路側基礎設施，物流卡車上部署車聯(lián)網(wǎng)車載終端，可以實現(xiàn)物流卡車在這些路段的車輛編隊行駛或者單車自動駕駛；4）在特定封閉園區(qū)和社區(qū)部署車聯(lián)網(wǎng)路側基礎設施，在專用末端物流車上部署車聯(lián)網(wǎng)車載終端，實現(xiàn)園區(qū)和社區(qū)的低速自動駕駛物流配送業(yè)務。5）和干線物流、Robo-Taxi等場景相比，礦山和港口道路相對更加封閉，場景相對簡單、路線相對固定、不受公開道路交通法規(guī)限制。因此在礦山和港口部署車聯(lián)網(wǎng)路側基礎設施，在相關車輛上部署車聯(lián)網(wǎng)車載終端，可以實現(xiàn)礦山和港口車輛自動駕駛和遠程駕駛等業(yè)務。從路側基礎設施產(chǎn)品和方案角度看，需要重點關注高速公路方案、城市交叉路口方案和一體化智慧桿產(chǎn)品。路網(wǎng)密度用于反映區(qū)域路網(wǎng)的地面覆蓋率,道路網(wǎng)密度定義為：建成區(qū)內道路長度與建成區(qū)面積的比值(道路指有鋪裝的寬度3.5米以上的路，不包括人行道板，計算公式為L/S，單位為千米/平方千米)。具體表現(xiàn)形式有:面積密度(km/km2)、人口密度(km/萬人)、車輛密度(百輛車擁有道路里程數(shù))等。路網(wǎng)的“覆蓋率”和車的“滲透率”決定了車聯(lián)網(wǎng)的商用速度，二者相輔相成。對整體商用節(jié)奏預測順序如下圖所