长沙智能驾驶研究院张长隆：面向自动驾驶的车路协同建设与实践

车路协同的出现为自动驾驶发展提供了新思路。

但业内大多玩家选择专攻一条赛道，V2X +自动驾驶两腿走路型选手并不多。而这正是长沙智能驾驶研究院有别于其他智能驾驶公司的特点之一。

近日，雷锋网新智驾邀请了长沙智能驾驶研究院网联交通事业部总经理兼技术总监的张长隆博士来进行业内分享，以下为张长隆演讲内容，新智驾进行了不改变原意的整理：

大家好，我叫张长隆，来自长沙智能驾驶研究院。

长沙智能驾驶研究院，也叫希迪智驾，2017年由香港著名的港科大教授李泽湘创办，由美国TI前技术总监马潍博士担任总经理兼联合创始人。公司从成立起，就把车路协同与自动驾驶一体化解决方案作为研发方向，是国内同时做自动驾驶+智能网联为数不多的企业之一，目前已拥有专业的智能汽车研发中心和国内智能驾驶测试区运营资格。

我们团队从2010年就开始对车路协同进行核心技术研发，是国内最早一批研究V2X的。过去两年，我们针对具体的自动驾驶落地，进行了不同的场景分解，推出了V2X城市交叉路口解决方案、V2X智慧高速解决方案、V2X +L4的自动驾驶解决方案以及V2X+公交优先出行等解决方案。

目前，希迪智驾已拥有完全自主产权的路侧端、车载端和云平台技术，还有一些多模式的产品，比如路侧全息感知与融合智能道路的解决方案，然后将智能网的集成测试，以及车路协同用在智能交通领域。同时也获得了多张智能网联汽车开放道路与测试牌照。

我今天汇报的主题主要包括：自动驾驶领域四个概念、协同自动驾驶的五大热点问题、基于V2I的自动驾驶卡车及公交车的道路构建以及基于V2V的车辆跟驰。

今年2月份国家11部委发了一份文件《智能网联汽车创新发展战略》，在业界造成了很大的轰动。去年的“交通强国”关键词和今年的“新基建”，都把自动驾驶和车路协同、智能交通作为国家大的战略发展方针来实施。

理清自动驾驶领域概念

如何通过聪明路以及车路协同来解决单车智能的边界问题？在步入正题之前，我先来介绍一下四个概念。

第一个概念：无人汽车和网联汽车

无人汽车主要指单车智能，通过车上加装传感器来实现无人驾驶。网联汽车是指汽车通过加装OBU，使用V2X技术使车辆具备主动安全的能力，解决交通拥堵，道路安全，道路使用率，解决汽车燃油排放等问题。

因为现有传感器的一些技术瓶颈，业内认为V2X能在某些程度上解决单车智能解决不了的问题。所以现在自动驾驶的学术方向，都是朝着协同式自动驾驶来发展。也就是说把OBU加入感知层，通过一系列的V2X的路侧或车端传来的一些信息，解决单车智能的边界效应。

第二个概念：V2X的数据

V2X包含V2V、V2I、V2N、V2P。很多人把V2X理解成一个通讯技术。实际上通信技术不管是DSRC还是C-V2X、还是未来的5G-V2X，都只是搭建了汽车与万物互联支撑的一个平台而已。那这个平台主要的内容是什么？车与车、车与路、车与云，车与行人之间能交换什么？

交换内容就是数据。这些数据体现未来V2X到底起了什么决定性作用？这些交流和分享的数据主要有4个发展步骤。

第一个步骤是状态数据，第二个步骤是传感器数据，第三个步骤是意图数据，第四个步骤是协调控制数据。

第1步，目前来说，状态数据包含车的位置、刹车信息、车的加速等矢量信息。

第2步，随着车辆越来越智能化，车上会增加一些传感器。那么就可以把车上的传感器（激光雷达/毫米波雷达/超声波雷达）感知的结果与数据通过V2X进行彼此分享。

第3步，车的智能化程度更高以后，不管是有人驾驶或无人驾驶车辆，都可以把车辆行驶轨迹意图分享出去，通过这些数据分享进一步降低交通事故发生，同时也能提高道路使用率，解决拥堵问题。

最后一步是协调控制同步数据。当车辆的智能化程度足够高，那么车辆很可能收到的就是路侧或者云端的协调控制数据。然后将收到的指令分享给其他的车辆或行人，从而进一步降低事故的发生率，提高交通的使用率。

第三个概念：聪明车

聪明的车目前来说就是单车智能，国内叫做智能网联汽车，可以把它理解成车子加装了OBU。智慧路目前也逐渐被业内定调为智能网联道路。

第四个概念：智慧路

实际上道路也可以分等级，去年12月份国家已经初步定下智能道路的等级的划分，但要写成共识与标准需要一定的时间。我想强调的是，单车智能在解决大规模落地时，5%的边际效应需要智慧的路来支撑，V2X只是搭建了路与车之间的一个桥梁。

那么，这个桥梁最终能起多大作用？取决于桥梁中传输的数据。道路的智能化程度越高，那么传输的数据质量就越高，就越能解决单车智能中无法解决的问题。

以上是涉及到的智能网联汽车与智能网联道路的四个概念。

协同自动驾驶的五大热点问题

目前来看，单车智能在学术界正在慢慢过度到协同式自动驾驶和网联式自动驾驶。我们把这个领域的研究热点分为5大块，其中之一就是vehicle platooning，也是我们常说的车辆编队。 

第一个研究热点：车辆编队

车辆编队就是通过头车引领一系列重卡来组成一个类似于火车的队伍。它们在同一行车道上行驶的车间距离比较短，速度相同。对于单车控制来说，车辆编队最主要做的是两个目标函数，一个是车间距，另一个是车速。

车间距可以通过V2V来实现，就是通过高精度定位来获得车辆之间的绝对位置，再通过相对位置来获得间距。另一种就是通过单车智能上的毫米波雷达或激光雷达或视觉等来获得相对位置。而车速保持是通过车头的自动驾驶或是人工驾驶，也可以是路侧的RSU来充当虚拟指挥者。

事实上车辆编队的研究已经有10多年了，通过这个办法可以增加交通流量，让车与车保持更安全的距离。国外有报道，采用车辆编队打方式可以使交通量增加4倍，可以达到每小时8000辆车的通行量。

当车与车之间距离保持较小的时候，可以减少车队中每趟车的空气动力阻力，从而达到减少燃料消耗以及污染物排放的目的。但需要指出的是，过短的安全距离会让车上乘客的舒适感产生一些负面影响，同时过小的安全距离是否真的能减少空气动力和阻力，一些学者认为还有待商榷。

车辆编队另一个好处就是改善道路安全。车辆编队可以减少后面几个重卡驾驶员的疲劳驾驶，让他有时间专注其他活动，既避免了驾驶员控制下的车辆颠簸，也提高了驾驶员的驾驶舒适度。

目前来看，评价自动驾驶编队的好坏有两个标准，一是看单车控制的稳定性，二是看到队列控制的稳定性。单车个体稳定性要求每个车都要匀速行驶，参考间距和实际间距的差值要为零。

队列的稳定性是指所有车辆在队列过程中一起进行时的稳定性。比如头车突然加速或减速，从车怎么适应头车的加减速度，做出相应的动作，从而保持对立的稳定。如果不稳定的话，很容易造成追尾事故，同时也会增加油耗。

第二个研究热点：变道

自动驾驶的变道对感知决策规划来说都是比较大的难题。特别是在高速公路、城市道路场景，如果变道控制不好，很容易引起通安全事故，导致交通堵塞。

正常来说，自动驾驶的变道需要考虑三个方面，是否可以变，什么时候变？以及如何变道？

三个决策取决于三个因素，一是交通规则，交通规则说不能变道就不能变；第二个是看单车智能的行车路径；第三个是看车辆周围的交通状况是怎么样的？

三个因素决定了车辆是否能进行变道，一旦发生改变行车路径的时候，车辆必须决定什么时候展开，以及什么时候终止变道行为？

目前单车智能传感器感知有限，大概能感知300米范围的事物，另外，由于一些建筑物的遮挡，如果只用单车的感传数据来选择目标值的话，会存在一定的风险。

通过V2X通讯技术，可以获取当前车道以及邻近车道所有车辆的信息、道路信息。然后根据交通情况以及周围车辆的运动参数情况，预测相邻车辆的行驶轨迹，根据自身车辆的运行参数，从而约束一个目标函数，以达到最优的一个变道的路径决策。这也是协同自动驾驶的热点之一。

第三个研究热点：交叉路口管理

在城市道路运行自动驾驶面临的最主要的一个问题就是交叉路口问题，它可以说是自动驾驶里面最具挑战性，同时也是智能交通领域道路最拥堵的一个核心区域。有效管理十字路口，对保证交通安全、改善交通流量、减少交通能源损耗、进而减少排污、缩短行程时间都非常重要。

通过V2X技术，可以把红绿灯信息通过V2I传给车辆。那么在大雾或者是雨雪天气情况下，就很容易告诉车辆交通信息。因为单车智能视觉对红绿灯的识别率不是特别高。还有交叉路口存在大量机动车辆、非机动车辆和行人，这些信息对于单车智能来说，感知的数量是很多的，而且还要精确预测一些轨迹，来判断是否会造成威胁。

这种情况下，如果通过路侧智能感知交叉路口的信息，通过V2I告诉自动驾驶车辆，就能扩大单车智能感知范围。

第四个研究热点：车辆的节能问题

通过编队行驶的方式，能给车辆的运行省油、节能。V2X给车辆提供的实时的交通信息可以用来优化车辆速度的、动力系统，最大限度地减少整个行程的燃料消耗。

对于自动驾驶来说，可以通过V2X提供一个全局的最优速度建议。目前长沙智能驾驶研究院和湖南湘江智能创新中心联合在做这方面的研究。在城市道路上，根据宏观实时信息以及道路流量信息，给公交车一个最优的速度建议范围，让自动驾驶公交车辆尽可能减少红绿灯的时间，从而达到节能的目的。

第五个研究热点：道路摩擦系数

当路上结冰或是有油墨的时候，自动驾驶车辆的运行是有最大的安全限度的。道路的摩擦系数也可以称为路面路况的估计，这个可以通过车上传感器获得，比如通过轮胎传感器。如果车上有光系传感器，就可以通过分析光束或者是被路面散射来判断路面是否湿滑，可以根据照相机的像素亮度来识别道路的类型。

车上传感器获得的信息，通过V2X告诉后面的车辆、云端或者路侧端，那么每个车会得出一个道路的摩擦力估计，N个车辆的数据都发给云端，得到协同的路况摩擦系数估计。

就是说路段上的每一个车都可以作为潜在但不精确的路况传感器，利用通讯系统，利用数据融合算法，对路段上车辆检查到的路面摩擦状况进行组合，然后通过算法来降低估计的不确定性，提高了道路估计的准确性。

可以理解为，V2X是自动驾驶车的嘴巴和耳朵。

OBU是嘴巴，可以把车辆的状态信息、位置信息、油门信息、刹车信息，通过嘴巴广播出去告诉其他的车辆；同时OBU又是车辆的耳朵，接受其他车辆通过OBU发出的信息、路侧发的红绿灯信息、云端发出的前方道路事故信息。

所以V2X不但是自动驾驶车辆的网卡，同时也是车的嘴巴和耳朵，可以解决自动驾驶落地的长尾效应。

高速道路基于V2I的自动驾驶卡车 

那V2X怎么为单车智能提供雪中送炭功能？

我们卡车主要在高速环境下跑，乘用车在城市道路环境下跑，矿卡在相对封闭环境下跑，不同的环境相应的有不同的道路，需要不同的场景分解。那么智能驾驶研究院是如何把单车智能、V2X以及智慧路结合起来的？

我们做过一个自动驾驶卡车方案，里面包含定位导航系统、智能融合系统，全方位仿真测试系统、车规级的线控体系控制算法，还有支持V2X的关联应用、智能决策系统。

我们将合作伙伴福田戴姆勒的车改成自动驾驶卡车，主要在高速公路环境下测试。高速公路发生的事故，基本上是因为追尾。因为驾驶员视距有限，发现问题的时候已经来不及踩刹车了。目前自动驾驶大部分传感器极限在300米左右，假设卡车在高速公路以每小时100公里的速度行驶，那么刹车距离就只有一两百米，因此300米的感知范围是远远不够的，需要一个超视距的感知能力。如果通过道路解决超视距问题，就相当于车的感知范围拓展到了700、800米。

这也是我们基于卡车在高速公路行驶做的事情。

我们在路侧主要实现三个功能，第1个是超视距视频感知，第2个是超视距障碍物感知，第3个叫超视距可行驶区域感知。

什么叫超视距视频感知？就是在道路侧加装一个摄像头，把摄像头的视频信息通过V2I传给卡车，相当卡车的感知层又多了一个摄像头。 此外，也可以通过路侧的边缘计算，对障碍物进行检测识别，并且把障碍物的信息提前告诉车辆，提醒车辆提前做一些决策、规划。

目前我们摄像头的感知范围可以达到300米，150米内的最大误差低于5%，300米内低于10%误差，至少实现车道级的定位。

超视距可行驶区域感知是什么？对单车智能来说，高精地图上面的信息是静态信息，可行驶车道是固定的。在在道路拥堵或事故导致原来三车道变成两车道的情况下，车辆的可使行驶区域发生了变化。如果通过单车来正常感知，那么它要感知是否有障碍物，在什么位置，是继续留在原来车道还是变道？

在三百米之内单车智能要实现这么复杂的计算过程，我觉得是与是远远不够的。但如果通过V2X把提前感知的可行驶区域的变化结果告诉车辆，车辆就可以提前做出相应的决策规划。

所以自动驾驶卡车在高速公路情况下最关键词就是超视距。通过道路智能化与网联化，通过加上激光雷达、毫米波雷达、摄像头，和我们的核心检测识别、融合与定位算法，可以实现各种交通障碍物检测，包括行人、动物、遗落物。

此外，还可以实现交通事件检测，比如说违章车辆、例行违停、应急车道行驶，还有异常车辆抛锚、双闪这些，和交通流量检测。将自动驾驶可能面临存在的一些潜在威胁，通过道路检测出来并提前告诉车辆。

我们在长沙绕城高速的开放道路上，做了一个道路的智能化和网联化的改造项目，来给自动驾驶卡车做测试。在高速公路上，对于智能网联汽车测试来说，高速汇入汇出、隧道进出口节点，都是最易发生交通事故的关键节点。

所以我们重点对这4个关键节点做了道路的智能化改造。在这4个点加装了传感器（毫米波雷达、摄像头）、边缘计算单元，同时也加装RSU，把道路、车的实时感信息，通过V2X传给自动驾驶的卡车或者商用车。

城市道路基于V2I的自动驾驶公交车

长沙智能驾驶研究院在做自动驾驶卡车车路协同的同时，也在做自动驾驶公交车在城市区域里的车路协同。

在城市区域，最主要的交通问题在交叉路口。我们的系统主要通过道路智能化，从4个方向进行给单车智能提供信息。

第一个方向是红绿灯感知。目前通过单车智能的摄像头，在恶劣的天气条件下，感识别率并不是很高，这个可以通过V2X可以很容易解决。

第二个方向是盲区感知。交通路口经常会有“鬼探头”的现象产生。一辆车在行驶过程中，有前车在行驶，如果这时有行人在前车面前通过，那么后车的传感器实际上是感知不到行人的。如果在路侧装了传感器就可以把行人实时检测、定位出来，实现行人感知预测。

第三个方向是基于局部动态地图（LDM）的冗余感知。

局部动态地图就是在车道级的地图基础上加一些动态信息。比如最底层是高精地图，高精地图实际上是一个经纬度的数据集合体。第2层是准静态地图信息包括建筑物、行驶标志等，第3层就是准动态信息，主要包括红绿灯实时信息、车流量、交通流量以及路况的实时信息。这些信息层层叠加，就形成了局部动态地图。

某种程度来说车辆也可以自己构建，一般来说，单车智能的技术路线就是通过车辆的传感器去识别目标，同时结合高精地图测出目标的相对位置与相对距离，可以更简单地理解成车在路上高速跑，同时将感知的信息在地图上一一标注出来。

而路侧端的局部动态地图构建可以通过道路加装传感器、融合算法、计算平台构建出来，通过V2I发给车辆。如果道路智能化程度更高，感知精度、范围更好，识别率足够高，那么得出的局部动态地图精度也非常高，车辆就不用自己去感知了，可以形成冗余，从而大大消减单车感知的压力。另外，也可以降低单车智能中的感知的硬件成本。

当然，目前来看，道路侧要做海量的数据量传输，相应地V2X也要求大带宽和低时延，这也是5G-V2X可以做的事情。

所以通过道路的智能化以及V2X也能实现一种自动驾驶，国外叫做自动化高速路。 但要强调的是，不管是在高速公路还是城乡路口，路侧端给的数据，怎么利用和处理，最终还是要靠自动驾驶来决策与规划。也就是说，协同式自动驾驶落地性能的好坏，最终还是要回到自动驾驶本身上。

第四个方向是无信号灯路口通行。目前这块还处于理论研究阶段，前面三个已经进入实际测试阶段了。

无信号灯路口通行，主要分为5个内容，第一个是模拟信号灯来解决路权分配问题，第二个是为车辆提供行驶的路径规划，第三个是模拟红绿灯，第四个是通过入口时避免碰撞问题，第五个是解决行人碰撞的问题。

至于在自动驾驶公交车的智能化网联化道路的改造上，我们的自动驾驶公交车已经在长沙，也是国内首创的长达7.8公里的开放道路上进行测试。

基于V2V的车辆跟驰

这一部分的内容是实现商用车的自动跟驰。目前我们团队有20多个人在做这方面的研究。

做车辆编队，我们主要是从两个出发点来做。一方面，卡车司机在高速公路上的行驶是非常疲劳的。特别是对于物流量大的企业来说，在跑某一线路的时候，如果卡车自动组成一个队列，就可以减少后面几辆车驾驶员的驾驶疲劳。

另一方面，卡车司机的人力成本对物流企业说是核心支出。一般来说，一个线路需要配两个司机，如果使用编队功能就可以减省一个司机的成本。

但我们始终把车辆的安全放在第一位，所以我们的重车不只是加装OBU，同时还装了L2级辅助驾驶产品，保证我们的编队车队在行驶过程中如果有其他车辆插入时，能够从自动模式变成ACC模式，队列得以继续保持，同时也能解决安全问题。

对编队车辆来说，每个从车都要知道相应车辆的实时数据信息，所以要求OBU的V2V的通讯质量非常好。希迪智驾的OBU是多模通信网联设备。两个信道同时在发送信息时，如果其中一个信道断开的时候，另一个信道还能保持工作。

此外，希迪还可以根据客户的具体需求进行定制化编队策略开发。队列控制的稳定性方面，是由我们一个美籍华人伯克利博士来带队。

还值得一提的是，希迪智驾独特的V2X相对高精度定位方案。一般的高端定位通过4G信号来实现，在一些没有GPS信号的场景比如高速公路、野外、大草原环境下，无法实现高端的定位功能，因此V2V的精度也无法保证。但希迪智驾可以实现高精度的相对定位、相对距离，精准地感知到车与车之间的厘米级定位。

（雷锋网）                  雷锋网

雷峰网原创文章，未经授权禁止转载。详情见转载须知。