新一代智能交通面臨哪些新機遇與新問題？

信息時代泛在互聯(lián)產(chǎn)生人、車、路、環(huán)境的海量交通時空大數(shù)據(jù)，與高精度地圖等地理信息技術深度融合促進了數(shù)字交通的發(fā)展。

交通信息采集自動化泛在化全過程發(fā)展，使得新型數(shù)據(jù)具有高實時、大樣本、低成本、高精度、全鏈條的特征，為交通出行全息感知、源頭治理、主動引導及精準服務提供了新的機遇。

新基建將促進自動駕駛的進一步市場化，助推網(wǎng)聯(lián)車輛編組行駛，車輛間車頭時距顯著減小，同時交通秩序穩(wěn)定，實際通行量顯著提高。而專用車道共享則可進一步增加專用道使用效率。

智能交通基礎設置的建設將推進智能網(wǎng)聯(lián)車輛增加，車路互聯(lián)及智能化使得路網(wǎng)泛在交通控制與出行誘導一體化成為可能，高精度定位支持下的車路智能控制為安全、效率與環(huán)保的提升提供了新可能。

新基建將通過路側視頻、激光雷達及車載終端的普及大大加強車輛監(jiān)測能力，糾正異常運行狀態(tài)，減少違章及不良行為，提高通行效率。

• 車道級車輛精細化監(jiān)控；

• 車內(nèi)駕駛員行為監(jiān)控。

新基建進一步加大了人車定位的覆蓋范圍及精度，結合網(wǎng)上預約及電子支付等技術，可快速精準地響應海量的個性化出行需求，也為出行者提供了多樣化的選擇，資源共享、錯峰出行及差異化高品質精準服務成為可能。

事故的發(fā)生是因為駕駛員未及時發(fā)現(xiàn)碰撞風險并采取避險行為造成的。

應用車聯(lián)網(wǎng)與車路協(xié)同技術可實現(xiàn)車車通信、車路通信，增強駕駛員的感知能力及系統(tǒng)泛在控制能力，實現(xiàn)管控一體化，提醒安全風險。

那么：問題是如何讓智能車路事故發(fā)生前及時發(fā)現(xiàn)風險并進行實時預警？甚至在緊急情況下接管操控車輛？

途徑1：基于路側感知及沖突判別的道路安全風險評估及預警

（1）風險沖突分析技術：

以交通沖突技術為代表的間接交通安全評價方法可以對交通系統(tǒng)當前交通風險狀況予以評價，近年來被廣泛地研究與應用。

相比利用事故數(shù)據(jù)的傳統(tǒng)交通安全分析手段，可有力支撐在線預警、主動干預及智能交通系統(tǒng)建設安全提升效果評估。

（2）基于路側視頻、雷達/激光檢監(jiān)測設施及數(shù)字孿生技術，實現(xiàn)沖突的在線監(jiān)測：

隨著新基建推進路側高清視頻、雷達、5G及邊緣計算發(fā)展，通過道路在線沖突判別、實時風險評價及預警實現(xiàn)道路主動安全成為可能

基于深度學習的車輛跨鏡頭匹配及跟蹤；采用視覺檢測、跟蹤和計算攝影學技術，將視頻檢測到的每一個目標賦予一個實時空間坐標，并與毫米波雷達探測結果融合計算，精確到分米級；對現(xiàn)實世界中車輛基于高速公路2D/3D數(shù)字地圖進行實時重建，構建車道級的數(shù)字孿生道路。通過對物理世界的虛擬映射及時空關系實時判斷進行參數(shù)檢測。

途徑2：基于車輛自采信息與路側信息結合的在途車輛安全風險評價與預警

車載：基于車載定位/視頻/雷達/激光/OBD/CAN數(shù)據(jù)的直接檢測車輛自身運行狀況、駕駛員狀況及與周邊車輛及道路設施的時空關系。

結合路側氣象及道路信息，可實現(xiàn)人車路環(huán)境的綜合感知及數(shù)字化，在線識別在途車輛安全風險；通過隨機或固定風險點的預警及車路協(xié)同控制，減少事故發(fā)生。選擇檢測參數(shù)，評估綜合風險及確定預警閾值是關鍵。

以實現(xiàn)全息、泛在、互聯(lián)的數(shù)據(jù)感知為目標，從現(xiàn)有感知設施的類型及功能出發(fā)，結合各應用系統(tǒng)需求，構建可共享復用的多目標交通感知網(wǎng)。

• 人端采集：

  身份識別及手機信令、電子收費及其他定位檢測；

• 車載端采集：

  基于車載定位/視頻/雷達/激光/OBD/CAN數(shù)據(jù)的軌跡、車況及運行檢測；

• 路側端采集：

  視頻、雷達、智慧燈桿、高空鷹眼的交通流、事件及環(huán)境檢測；

• 設施端采集：

  各類設施狀態(tài)傳感器。

以不同場景下的信息傳輸需求出發(fā)，考慮信息安全性、實時性、可靠性、經(jīng)濟性、可擴展性、供電條件、自主技術等選擇適合的通信方式。構建多網(wǎng)融合的信息傳輸網(wǎng)。

大數(shù)據(jù)及云計算使得數(shù)據(jù)處理及數(shù)據(jù)驅動的分析能力及計算能力躍升，快速反應能力大大增強，支撐全網(wǎng)動態(tài)可監(jiān)可控，但仍需加強數(shù)據(jù)共享及高效計算。

• 可持續(xù)擴展及自凈的數(shù)據(jù)湖；

• 支撐多應用系統(tǒng)的數(shù)據(jù)中臺；

• 支撐實時決策的云控平臺及邊緣計算；

• 優(yōu)化分布的處理計算能力；

• 人工智能算法模型庫；

• …….

難點是邊緣云智能算法及與中心云協(xié)作。邊緣計算功能承載于路測單元處的邊緣服務器處（VEC Server），邊緣云與中心云協(xié)作，提供半分布式的計算服務，滿足智能交通系統(tǒng)實時性和復雜計算能力需求。

分階段車路協(xié)同實施框架分為四個階段，具體介紹如下。

第一階段（無車載端）：通過路側發(fā)布設施發(fā)布路側感知信息，重點在于路側感知設施（如氣象檢測、交通流檢測、路況檢測等感知設施）和路側信息發(fā)布設施（可變信息板、可變限速標志）。

第二階段（替代型車載端）：利用現(xiàn)有手機APP，通過手機的定位、視頻采集、多媒體發(fā)布等功能，實現(xiàn)部分不要求高精度定位場景的車路協(xié)同應用，重點在于可接收路側感知信息，豐富車載端應用。

第三階段（高精度替代型車載端）：目前，華為、小米等多個品牌的智能機已進行了提前布局，配置了雙頻RTK模塊，可進行高精度定位、高精度定位結合5G蜂窩應用，即可實現(xiàn)沖突預警、事件預警、信號聯(lián)動、優(yōu)先通行等諸多需高精度定位的場景。

第四階段（通用型車載終端）：適配絕大部商用車型的后裝式車載終端，可以進行整車數(shù)據(jù)采集，并可實現(xiàn)車輛的協(xié)同控制。

展望未來，還有很多事情需要繼續(xù)深入研究：

• 人車路環(huán)境的精準感知能力；

• 人本信息豐富、高精度及動態(tài)更新的地圖支撐能力；

• 交通-通信-能源三網(wǎng)融合支撐能力；

• 時空大數(shù)據(jù)驅動下的分析決策能力。