智能交通技術（ITSTech）：2022車路協同專輯（136頁）.pdf

《智能交通技術（ITSTech）：2022車路協同專輯（136頁）.pdf》由會員分享，可在線閱讀，更多相關《智能交通技術（ITSTech）：2022車路協同專輯（136頁）.pdf（136頁珍藏版）》請在三個皮匠報告上搜索。

1、 智能交通技術 ITSTECH 2022 年 車路協同專輯 i 目目 錄錄 一 自動駕駛之路聰明的車還是智慧的路？.1 1 車.1 2 路.3 3 車路協同.4 4 小結.8 二 車路協同應用場景分析.9 1 幾個定義.9 2 關于車路協同幾點理解.13 3 車路協同的主要功能.15 4 應用場景.16 5 小結.23 三 車路協同全域感知與數據融合.24 1 概述.24 2 車路協同應用.24 3 車路協同感知體系.25 4 實時數據處理與信息融合.35 5 車路協同信息服務（簡述）.39 6 小結.40 四 車路協同邊緣計算與邊云協同.41 1 概況.41 2 邊緣計算模型驅動參考架構.4

2、3 3 邊緣計算 CROSS 功能.44 4 邊云協同能力.45 5 邊云協同參考架構.47 6 邊緣計算節點系統安全.48 五 車路協同服務云平臺.52 1 概述.52 ii 2 需求與應用場景分析.53 3 總體方案.54 4 車路協同應用系統.58 5 小結.67 六 邊緣智能深度學習和邊緣計算.69 1 什么是邊緣計算.69 2 為什么我們需要邊緣計算.70 3 緣智能結合人工智能和邊緣計算.71 4 在網絡邊緣部署機器學習算法.76 5 下一步是什么？.78 七 北京市自動駕駛車輛測試場建設概況.79 1 相關法規和標準.79 2 自動駕駛開放測試道路.80 3 封閉測試場.86 4

3、 測試.89 5 道路測試監管.89 八 智能網聯汽車封閉測試場建設方案.91 1 背景.91 2 總體建設總體思路.92 3 建設內容.93 4 運營.99 九 網聯車輛和移動邊緣計算，方便的結合.100 1 優勢說明.103 2 云邊結合的未來.103 十 在自動駕駛設計中考慮倫理道德.105 1 科技倫理哲學.107 2 問題的癥結是什么？.109 3 可能的解決方案之旅？.110 十一 人工智能 AI 在智能交通領域中的應用.113 iii 1 介紹.113 2 文獻調查.116 3 框架.120 4 討論.124 5 結論.129 1 一一 自動駕駛之路自動駕駛之路聰明的車還是智慧的

4、路？聰明的車還是智慧的路？在 2020 年 7 月于上海舉行的世界人工智能大會上的一次遠程亮相中，馬斯克告訴觀眾，他的公司距離突破只有幾個月的時間?！拔胰匀挥行判?，我們將在今年完成 5 級自動駕駛的功能或基本功能，”他說，“我認為對于 5 級自動駕駛來說，基本的挑戰已經不存在了?！钡袠I內普遍的反應是這個不可能實現。在過去的 18 個月中，即使是最樂觀的行業人士也承認，自動駕駛汽車比預期的更具挑戰性，許多公司已經取消或推遲了部署 L3 級和 L4 級車輛的計劃。一段時間以來，自動駕駛的重點都在使車變得更智能，即單車智能，包括Waymo、Tesla、Uber 等新勢力以及通用、梅賽德斯-奔馳等傳

5、統車企都是如此。車路協同實際上是人們發現單純的智能車難以解決降低成本以及確保安全等難題而選擇的第二條道路。從某種意義上說，自主智能駕駛不能承受之重，由 V2X來分擔。車路協同既大幅降低成本，也提高效能。車路協同包括聰明的車、智慧的路（包括高速的邊和云）。1 車車 聰明的車可以分為智能車（自主智能車）、網聯車和智能網聯車。車輛不但包括小客車、公交車、貨車等，還包括物流配送車、微交通的電動自行車和電動踏板車。智能車（智能車（AVAV），智能車也稱為自主自動駕駛車，也成單車智能駕駛，通過自身攜帶的傳感器。感知道路環境并通過自身的車載計算優化控制路徑和控制車輛行駛。網聯車（網聯車（CVCV），網聯車本

6、身無智能。網聯車通過車載通信單元 OBU 接收路側通信單元 RSU 傳來的路側邊緣計算決策的控制指令遠程遙控車輛。因此，可以說網聯車本身沒有智能，它的智能水平完全取決于道路（邊緣計算）的智能水平。智能網聯車（智能網聯車（CAVCAV），智能網聯車具備自主智能駕駛，同時安裝 OBU，可接收RUS 傳來的實時道路環境信息和控制指令，通過車載邊緣計算（或完全接受路側 2 邊緣計算的控制指令）控制車輛行駛。網聯車、智能車和智能網聯車的對比。表 1 網聯車、智能車和智能網聯車對比表 1 1、自動駕駛的主要應用自動駕駛的主要應用 根據中國汽車工程學會標準合作式智能運輸系統 車用通信系統應用層及應用數據交互

7、標準（T/CSAE 53-2017），車聯網基礎功能涵蓋安全、效率和信息服務三大類 17 個應用。其中安全類的應用數量、種類最多，也是自動駕駛需要解決的最基本的問題。表 2 車輛網基礎功能表 類別類別感知感知通信通信決策決策主要模塊主要模塊網聯車依靠路側感知V2X路側邊緣計算感知融合和預測規劃和決策控制智能車車載感知-車載自主計算感知決策控制智能網聯車路測感知和車載感知V2X協同決策感知融合和預測規劃和決策控制 3 2 2、智能車分級智能車分級 2020 年 3 月工信部發布 汽車駕駛自動化分級 推薦性國家標準報批公示，公示截止到 2020 年 4 月 9 日，這項標準將于明年 1 月 1 日

8、正式實施。汽車駕駛自動化分級 是我國智能網聯汽車標準體系的基礎類標準之一。其中包括了對駕駛自動化的定義、駕駛自動化分級原則、駕駛自動化等級劃分要素、駕駛自動化各等級定義、駕駛自動化等級劃分流程及判定方法、駕駛自動化各等級技術要求等。汽車駕駛自動化功能將劃分為 0-5 共 6 個等級：其中最高級別的自動駕駛為完全自動駕駛，也就是駕駛自動化系統在任何可行駛條件下持續地執行全部動態駕駛任務和執行動態駕駛任務接管。表 3 駕駛自動化等級與劃分要素的關系 2 路路 智慧的路包括感知、通信、決策。感知部分需要對道路上所有參與者、道路環境實時檢測。通信解決車與道路的交互通信。一方面，網聯車將自己位置信息實時

9、地傳遞給 RSU；另外一方面，RSU 將處理好的警告或控制信息傳遞給網聯車。決策部分通過路側設置的邊緣計算單元處理傳感器采集的信息，生成高精度動態 4 局部地圖（LDM），實時對車輛警告或控制信息進行決策。道路分級道路分級 2019 年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布了智能網聯道路系統分級定義與解讀報告（征求意見稿），將交通基礎設施系統分為 6 級。表 4 交通基礎設施系統分級要素對比表 3 車路協同車路協同 車路協同是采用 V2X 等先進的無線通信技術，全方位實施車車、車路動態實時信息交互，并在全時空動態交通信息采集與融合的基礎上開展車輛主動安全控制和道路協同管理

10、，充分實現人車路的有效協同的智能交通系統。5 圖 1 車路協同架構 3.1 車路協同感知數據車路協同感知數據 車路協同感知在結合現有的智能交通感知設備的基礎上，增加了更加精密的路側感知設備、車載感知設備和 5G 移動大數據。路側感知設備包括激光雷達、毫米波雷達和帶目標識別功能的視頻攝像機；車載感知則智能車輛安裝的視頻、激光雷達、毫米波雷達等設備，需要通過 V2I 實時上傳到邊緣計算節點；此外還包括慢行交通的位置數據。6 圖 2 車路協同感知體系 3.2 車路協同控制流程車路協同控制流程 信息感知，一方面采用路側傳感器，以上帝的視角，感知路面所有交通要素包括信號燈、機動車、非機動車、行人，甚至拋

11、灑物；另一方面，可通過 V2I 接收智能網聯車車載傳感器采集的路面信息，統一傳輸到路側計算邊緣進行處理。感知數據融合，對各類數據進行實時融合處理，直接生成局部動態地圖。車路協同決策，根據實時道路環境進行線路規劃、車道規劃、速度預測等。生成車輛行駛安全警告和車輛控制命令。安全警告和車輛控制，利用 I2V 向網聯車發布安全警告信息和車輛控制命令。圖 3 車路協同控制流程示意圖 3.3 車路協同分級車路協同分級 可結合道路智能分級和車輛智能分級對車路協同（道路+車輛）智能進行分級，可分為 C0 至 C5 共六級。7 C0 級無智能，由人類駕駛員全權操控汽車，可以得到警告或干預系統的輔助。C1 初步智

12、能，通過駕駛環境對方向盤和加減速中的一項操作提供駕駛支持其他的駕駛動作都由人類駕駛員進行操作。C2 部分智能，通過駕駛環境對方向盤和加減速中的多項操作提供駕駛支持其他的駕駛動作都由人類駕駛員進行操作。C3 有條件智能，由車路協同自動駕駛系統完成所有的駕駛操作根據系統要求，人類駕駛者需要在適當的時候提供應答。C4 高度智能，由車路協同自動駕駛系統完成所有的駕駛操作，根據系統要求，人類駕駛者不一定需要對所有的系統請求做出應答，包括限定道路和環境條件等。C5 完全車路協同智能，在所有人類駕駛者可以應付的道路和環境條件下均可以由車路協同自動駕駛系統自主完成所有的駕駛操作。車路協同等級與車輛智能等級、道

13、路智能等級的關系如下圖。（相對合理的定性劃分。其中假設兩個低一級的車輛和道路智能疊加可產生高一級的車路協同智能等級，適用于三級以下。）圖 4 車路協同智能等級與車輛、道路智能等級示意圖 8 3.4 車路協同優化配置車路協同優化配置 對于自動駕駛而言，聰明的車和智慧的路是不同的實現途徑，因此建設途徑和投資方向就有不同的選擇。當然采取道路和車輛兩個方向齊頭并進的建設方式，可以在最短的時間內取得實質進展，但可能造成重復建設和投資較大的問題。另外一個可能比較好的建設方式是重點建設道路智能，在路側設置邊緣計算能力，統一處理感知和決策，再通過 I2X 對網聯車輛進行控制。通過車路協同可以大大降低自動駕駛的

14、門檻，單臺車可以節省 50%90%的費用。圖 5 車路協同配置 4 小結小結 總之，車路協同是從車和路兩個不同的角度統一整合解決自動駕駛的方案。放眼世界，目前中美兩個大國在自動駕駛方面的角力也在不斷增強。我國發揮政府主導科技發展，基礎建設能力強等優勢，以車路協同為出發點，解決自動駕駛單車智能發展的瓶頸，無疑是一項正確的選擇。9 二二 車路協同應用場景分析車路協同應用場景分析 【摘要】伴隨我國智能網聯汽車發展的是一系列全新的概念，車聯網、智能汽車、無人駕駛汽車、自動駕駛汽車、車路協同等等，讓人們目不暇接。本文試圖對這些概念進行一下梳理，同時提出車路協同應用的主要場景。隨著新一代信息技術與汽車產業

15、的深度融合，智能網聯汽車正逐漸成為全球汽車產業發展的戰略制高點。我國高度重視智能網聯汽車發展，智能網聯汽車成為關聯眾多重點領域協同創新、構建新型交通運輸體系的重要載體，并在塑造產業生態、推動國家創新、提高交通安全、實現節能減排等方面具有重大戰略意義，已經上升到國家戰略高度。1 幾個定義幾個定義（1）車聯網（）車聯網（IOV，Internet of Vehicles）車聯網是以車內網、車際網和車載移動互聯網為基礎，按照約定的通信協議和數據交互標準，在車-車、車輛與互聯網之間，進行無線通訊和信息交換，以實現智能交通管理控制、車輛智能化控制和智能動態信息服務的一體化網絡，它是物聯網技術在智能交通系統

16、領域的延伸。早 期 的 車 聯 網 叫 做 Telematics。Telematics 是 遠 距 離 通 信 的 電 信（Telecommunications）與信息科學（Informatics）的合成詞，按字面可定義為通過內置在汽車、航空、船舶、火車等運輸工具上的計算機系統、無線通信技術、衛星導航裝置、交換文字、語音等信息的互聯網技術而提供信息的服務系統。簡單的說就通過無線網絡將車輛接入互聯網，為車主提供駕駛、生活所必需的各種信息。（2）智能汽車（）智能汽車（AV，Autonomous Vehicle）就是在普通車輛的基礎上增加了先進的傳感器（雷達、攝像）、控制器、執行器等裝置，通過車載傳

17、感系統和信息終端實現與人、車、路等的智能信息交換，使車輛具備智能的環境感知能力，能夠自動分析車輛行駛的安全及危險狀態，并 10 使車輛按照人的意愿到達目的地，最終實現替代人來操作的目的。美國汽車工程師協會（SAE）根據系統對于車輛操控任務的把控程度，將自動駕駛技術分為L0-L5，系統在L1L3級主要起輔助功能；當到達L4級，車輛駕駛將全部交給系統，而L4、L5的區別在于特定場景和全場景應用。表 1 自動駕駛技術分級 自動駕駛汽車（Autonomous vehicles；Self-piloting automobile）又稱無人駕駛汽車（無人車）、電腦駕駛汽車、或輪式移動機器人，是一種通過電腦系

18、統自動規劃行車路線并控制車輛到達預定目標的智能汽車。（3）網聯車（）網聯車（CV，Connected Vehicle）網聯車本身可以無智能甚至沒有道路感知設備，如攝像機、雷達等。網聯車通過車載通信單元 OBU 接收路側通信單元 RSU 傳來的路側邊緣計算決策的控制指令遠程遙控車輛。因此，可以說網聯車本身沒有智能，它的智能水平完全取決于道路（邊緣計算）的智能水平。（4）智能網聯車（）智能網聯車（CAV，Connected Autonomous Vehicle）智能網聯汽車是指車聯網與智能車的有機聯合，是搭載先進的車載傳感器、11 控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與X（人、車

19、、路、云端等）智能信息交換、共享，具備復雜環境感知、智能決策、協同控制等功能，可實現“安全、高效、舒適、節能”行駛，并最終可實現替代人來操作的新一代汽車。（5）智慧道路（公路）智慧道路（公路）智慧的路包括感知、通信、決策。感知部分需要對道路上所有參與者、道路環境實時檢測。通信解決車與道路的交互通信。一方面，網聯車將自己位置信息實時地傳遞給 RSU；另外一方面，RSU 將處理好的警告或控制信息傳遞給網聯車。決策部分通過路側設置的邊緣計算單元處理傳感器采集的信息，生成高精度動態局部地圖（LDM），實時對車輛警告或控制信息進行決策。表 2 自動駕駛的道路智能化技術分級 資料來源：面向自動駕駛的車路協

20、同關鍵技術與展望白皮書（6）車路協同系統（）車路協同系統（CVIS，Cooperative Vehicle Infrastructure System）車路協同系統是基于無線通信、傳感探測等技術獲取車輛和道路信息，通過 12 車車、車路通訊實現信息交互和共享，從而實現車輛和路側設施之間智能協同與協調，實現優化使用道路資源、提高交通安全、緩解擁堵的目標。車路協同是ITS的重要子系統，也是歐美日等交通發達國家的研究熱點。（6）車路協同通信系統（）車路協同通信系統（V2X，Vehicle to Everything）V2X(Vehicle to Everything)是一種車載通信系統，支持將信息從

21、車輛傳輸到交通系統中可能影響車輛的移動部件。V2X技術的主要目的是提高道路安全、節能和道路交通效率。作為物聯網面向應用的一個概念延伸，V2X車聯網是對D2D（Device to Device）技術的深入研究過程。V2X車聯網通信主要分為三大類：V2V、V2I和V2P。運輸實體，如車輛、路側基礎設施和行人，可以收集處理當地環境的信息（如從其它車輛或傳感器設備接收到的信息），以提供更多的智能服務，如碰撞警告或自主駕駛。車路協同需要有高速、穩定、低時延的通信技術作為保障，而基于當前成熟的LTE技術的LTE-V2X能夠讓路側單元（RSU）與車載單元（OBU）的信息進行有效交互。同時，這項技術也在演進之

22、中，在5G時代，更是能夠憑借5G技術的優秀通信能力讓自動駕駛成為可能，讓人們獲得更優良、安全、高效的出行體驗。圖 1 車路協同服務 13（7）路側單元（）路側單元（RSU，Road Side Unit）車路協同路側單元是車路協同系統的重要組成部分，也是突破車路協同技術的關鍵所在，其主要功能是采集當前的道路狀況、交通狀況等信息，通過通訊網絡，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絡傳遞到有相應信息請求的車載終端，輔助駕駛員進行駕駛。（8）車載單元（）車載單元（OBU，On Board Unit）車載單元是指安裝在車輛終端的起拓寬駕駛員視野、增加駕駛員對行車環境和車輛運行

23、狀態的感知、加強行車安全的單元。主要技術包括信息獲取、信息交互、事故隱患提示等。從各類傳感器和車載網絡獲取原始信息，并解算出典型車路協同應用需要的底層信息，通過信息交互傳遞至路側單元。其功能包括車輛運動狀態獲取、行車環境信息感知、車輛定位信息獲取、信息交互、信息處理及管理、安全報警與預警等。2 關于車路協同幾點理解關于車路協同幾點理解（1）車聯網就是車路協同通信系統）車聯網就是車路協同通信系統 當車聯網的概念由早期的Telematics概念演進成IOV后，車聯網就是車路協同通信系統。車聯網和車路協同都是強調汽車通過通信接收道路環境信息，提高駕駛安全性和效率，所不同的是車聯網從車的角度、車路協同

24、是以道路的角度分別闡述車的通信網絡。實際上在我國，車聯網是工信部主推的方案，而車路協同實際上在我國，車聯網是工信部主推的方案，而車路協同是交通運輸部主推的方案。是交通運輸部主推的方案。但殊路同歸，最終都是借助無線V2X通信，實現駕駛的安全和高效。14 圖 2 車聯網與車路協同的關系（2）智能車、網聯車和智能網聯車三者的關系）智能車、網聯車和智能網聯車三者的關系 單車智能車輛可根據自己配備的傳感器、高清地圖，利用車載邊緣計算實現自動駕駛；單純的網聯車需要借助道路智能和云控平臺駕駛車輛。智能網聯車則結合自身智能和道路智能提供的道路環境信息，優化車輛駕駛智能，實現智能駕駛。表 3 智能車、網聯車和智

25、能網聯車對比表 （3）智能網聯車的智能程度可以有所不同）智能網聯車的智能程度可以有所不同 目前智能汽車能夠達到的最好水平是L4，即在特定的場景下可以實現完全自動駕駛。雖然這與L5的全天候、全場景自動駕駛水平似乎只有一步之遙，但這一步卻是量變到質變的一步，短時間內不可能達到。類別類別感知感知通信通信決策決策主要模塊主要模塊網聯車依靠路側感知V2X路側邊緣計算感知融合和預測規劃和決策控制智能車車載感知-車載自主計算感知決策控制智能網聯車路測感知和車載感知V2X協同決策感知融合和預測規劃和決策控制 15 在很長一段時間，智能汽車的自主自動化駕駛水平都會在L4以下徘徊。發展車路協同技術是另辟蹊徑，智能

26、汽車借助車路協同網聯技術，可以突破環境感知、邊緣計算等方面的瓶頸，提高車輛的感知范圍和駕駛智能。在車路協同的環境下，智能網聯車可以在不同的自動化水平上發展，而且這正是車路協同和智能汽車發展最現實的道路。先期建設車路協同的框架和服務系統，為配置車載終端OBU的車輛提供駕駛信息、遠程遙控駕駛等服務；待到車路協同技術發展到一定階段，智能汽車將本身自主駕駛和車路協同輔助駕駛統一協同后，才有望最終達成的L5級全自動化駕駛。（3）車路協同項目應該在特定的場景下先行先試）車路協同項目應該在特定的場景下先行先試 車路協同項目需要投入一定費用進行基礎設施建設，包括建設路側單元RSU，當然作為5G最主要的應用，R

27、SU可以隨著我國城市大規模進行5G試驗網絡建設一同建設，但畢竟前期建設的回報是有限的。因此項目建設需要找到特定的應用場景，如公共交通、貨運車、特種車輛（救護車、消防車、公務車等）等的車路協同。待取得安全和效益上的明顯效果后，私家車和汽車廠商就會自動跟進。3 車路協同的主要功能車路協同的主要功能 根據中國汽車工程學會標準合作式智能運輸系統 車用通信系統應用層及應用數據交互標準（T/CSAE 53-2017），車聯網基礎功能涵蓋安全、效率和信息服務三大類17個應用。表 4 一期應用列表 序號序號 類別類別 通信方式通信方式 應用名稱應用名稱 1 安全 V2V 前向碰撞預警 2 V2VN2I 交叉路

28、口碰撞預警 3 V2VN2I 左轉輔助 4 V2V 盲區預警變道輔助 5 V2V 逆向超車預警 6 V2V-Event 緊急制動預警 7 V2V-Event 異常車輛提醒 8 V2V-Event 車輛失控預警 9 V2I 道路危險狀況提示 16 序號序號 類別類別 通信方式通信方式 應用名稱應用名稱 10 V2I 限速預警 11 V2I 閣紅燈預警 12 V2P/V2I 弱勢交通參與者碰撞預警 13 效率 V2I 綠波車速引導 14 V2I 車內標牌 15 V2I 前方擁堵提醒 16 V2V 緊急車輛提醒 17 信息服務 V2I 汽車近場支付 4 應用場景應用場景 車路協同重點應用可以從政府監

29、管、企業運營和個人服務三方面，按著安全、效率和信息三個維度進行分析。圖 3 車路協同主要應用場景 17 4.1 車路協同測試示范區車路協同測試示范區 我國積極推進智能網聯汽車測試示范區建設工作，初步形成了“5+2”的建設格局。各地區結合智能網聯汽車發展狀況，依托地區優勢、特色資源，積極探索和建設示范區。北京-河北、上海、重慶、浙江、長春、武漢、無錫等地已建設智能網聯汽車測試示范區，積極推動半封閉、開放道路的測試驗證。表 5 中國智能網聯汽車示范區概況 名稱名稱 場景功能場景功能 特色分析特色分析 參與機構參與機構 國家智能汽車與智慧交通（京冀）示范區 分為高速公路試驗區、城市交通試驗區及鄉村交

30、通試驗區 封閉測試（高速+城市交通+鄉村交通）與實際道路測試結合，京冀地區聯動 千方科技、亦莊國投、百度、北汽、大唐、中興、長城汽車等 15 家 國家智能網聯汽車（上海）A NICECITY 示范區 設有模擬隧道、林蔭道、加油站、室內停車場等場景 GPS/北斗；DSRC、LTE-V、城市化道路網、新產業協同發展 上海國際汽車城、上汽集團、同濟大學等 浙江示范區 杭州云棲小鎮 設有小微站、宏站、車聯網指揮中心等 LTE-V、5G 車聯網指揮中心、互聯網汽車 浙江移動、華為、上汽、西湖電子等 桐鄉烏鎮 智能停車、緊急避讓等多種場景 智能停車功能測試 中電?？?、諾基亞、上海貝爾等 重慶 i-VIST

31、A 智能汽車集成系統試驗區 設有直道、彎道、隧道、橋梁、淋雨道、林蔭道、ABS低附路等 GPS/GLONASS/北斗、4G/5G 通信網絡、DSRC/LTE-V、中國西部地形特征和氣候環境 中國汽研、長安、一汽、易華錄等 武漢“智慧小鎮”示范區 封閉測試區+智慧小鎮進行新能源+智能網聯轎車/客車/專用車自動駕駛測試 DSRC/LTE-V、通信網+物聯網+智慧網三網、無人駕駛示范小鎮 武漢中國光谷汽車電子產業技術創新戰略聯盟(CECOV)牽頭 長春智能網聯示范測試基地 智能駕駛、智慧交通技術，擁有冰雪天氣條件 專注 LTE-V/5G 高速試驗網絡功能測試 車載信息服務產業應用聯盟（TIAA）理事

32、單位一汽、啟明信息主導推動 國家智能交通綜合測試基地（無錫）智能交通管理技術綜合測試平臺、交通警察實訓平臺、智能網聯汽車運行安全測試平臺 構建實際道路測試場景和管理平臺推動解決智慧交通、車聯網等交通問題 公安部交通管理科學研究所（無錫所）無錫車聯網（LTE-V2X）城市級應用示范項目基于工業和信息化部、公安部和江蘇省在無錫共同建設的國家智能交通綜合測試基地開展，由公安部交通管理 18 科學研究所、無錫市公安局交通警察支隊、中國信息通信研究院、無錫市組織中國移動、華為、江蘇天安智聯等6家核心單位實施，一汽、奧迪、上汽、福特等車企以及中國交通頻道、高德、江蘇航天大為等23家單位共同參與標準制定、研

33、發推進、開放道路實測、演示的系列活動。截止目前，無錫已建設完成了現階段全球最大規模的城市級車聯網LTE-V2X網絡，覆蓋無錫市主城區、新城主要道路240個信號燈控路口，共170平方公里的規模。項目以“人-車-路-云”系統協同為基礎，開放40余項交通管控信息，實現V2I/V2V/V2P信息服務，覆蓋車速引導、救護車優先通行提醒、道路事件情況提醒、潮汐車道、電單車出沒預警等27個典型應用場景，未來，LTE-V2X技術將能支持實現高級自動駕駛、人車路協同感知和控制，讓道路更智慧，讓開車更簡單。圖 4 無錫車聯網（LTE-V2X）城市級應用示范項目范圍 在智能網聯汽車測試示范區建設路側單元，形成無線覆

34、蓋的測試示范區，可推薦測試內測試無人駕駛車輛安裝車載單元，形成車聯網?？扇轿徽莆諟y試車輛位置、速度、駕駛操作信息，可與無人駕駛車輛傳感器信息互相印證，提高無人駕駛汽車的安全性。4.2 車路協同交通走廊車路協同交通走廊 北汽集團2018年發布智能網聯汽車五年行動計劃“海豚+”戰略。北汽集團 19 將與博世、松下、百度、科大訊飛、京東方等企業合作，整合優質資源。智能交通方面，結合2022年北京冬奧會、京雄高速、雄安新區和北京智慧城市需求，開展自動駕駛和車路協同良好的示范應用；面向冬奧會示范運營或量產應用商用車隊列自動駕駛技術，建設北汽車輛隊列自動駕駛技術平臺；加快建設順義智能網聯汽車試驗場等項目

35、。北京智能網聯汽車產業白皮書（2018年）提出業提出了加快建設智能路網設施的行動計劃。加快開展智能路網改造。提出“部署智能路網試點改造工程，規劃建設衛星地面增強站、LTE-V、5G-V2X 路側單元，實現交通道路通信設施、視頻監控設施、交通信號、交通標識標線智能互聯，具備路網全域感知能力，滿足復雜的車路協同需要?！痹谔囟ǖ母咚俟坊蚋叩燃壒仿穫仍O置路側單元，與使用道路的網聯汽車一起形成車聯網。為網聯汽車提供駕駛輔助和實時交通信息。國內目前有多家業內企業已經發布了車路協同高速公路應用。4.3 車路協同交叉口應用車路協同交叉口應用 交叉口控制的本質是依據實時交通狀況對交叉口中沖突點的通行時空資源

36、進行合理分配，最終實現減少車輛在交叉口的等待時間，提高交叉口的通行效率的目的。在路口布設路側單元，路側單元接收附近智能聯網汽車的信息和從云端收數據中心的數據，并不斷向附近的所有聯網車輛廣播有關其間發生的事情的信息，從而提前警告他們潛在的安全問題并同時在駕駛員本身對道路觀察的基礎上提供進一步的信息。智能聯網汽車接收到路側單元發出的信息后對駕駛進行調整，同時將自己的數據發送給路側單元。20 圖 5 車輛通過交叉口車路協同示意圖 路側單元與車載單元建立連接后，車載單元向路側單元發送包括車輛速度、車輛位置的車輛狀態消息。路側單元收到車輛狀態消息后進行解析處理，實現對車輛運行參數的實時監測，然后根據監測

37、數據判定交叉口當前安全等級，并將判定結果與當前交叉口動態信息（當前信號燈狀態、信號保持時間等）打包為交叉口狀態消息或預警消息后實時向處于其通信隊列的車載單元發送，其中預警消息定向發布至潛在事故車輛，提醒其調整駕駛行為，避免事故發生；狀態消息以廣播方式發布，接收到消息的非事故車輛根據狀態消息調整駕駛行為。4.4 智慧公交應用智慧公交應用 利用車路協同技術提升智能公交管理水平，沿公交專用道部署路側單元RSU，可以實現公交專用道沿線的網絡覆蓋，形成智能公交車聯網。公交車輛安裝車載單元OBU，交通信號控制系統可監測到公交車輛到達，為公交車輛提供信號優先服務。21 圖 6 公交優先通過路口場景示意圖 在

38、都市區的公交專用車道上，公交車輛較多，公交車輛行駛安全性和效率問題都十分突出，車路協同系統可為公交車輛提供車隊行駛服務，減小車輛間隔，提高公交車輛的通行能力，并為公交車輛提供主動安全服務。圖 7 公交車路協同車隊行駛應用示意圖 國內長沙、成都、武漢都分別實施了公交車路協同項目。取得了很好的效果。4.5 貨運車隊應用貨運車隊應用 自動駕駛技術在固定線路上可以實現以車隊運行的最有效率的駕駛方式，可以極大減少對貨車司機的需求，并極大地降低交通事故的發生概率，從而可以進一步降低運輸成本。當前自動駕駛技術比較適用于干線運輸這一細分場景，主要原因在于干線運輸行駛場景主要為高速公路，高速公路相比起城市主干道

39、來說，行人、騎車人數量較少，復雜的道路路口、交通指示燈等設施相對較少，系統對道路上車輛行駛軌跡更好進行預測。22 對于高速公路或國道交通流量較少的情況，可采用車隊行駛的方式，7-10貨運卡車組成車隊，頭車和尾車采用人員駕駛，中間車輛采用跟車無人駕駛的方式進行長途運輸。4.6 園區、機場、港口應用園區、機場、港口應用 由于場景相對封閉、運行區域規范整潔的機場、碼頭、貨運場站等封閉區域汽車無人駕駛項目已成為無人駕駛應用的主要領域。應用車路協同服務系統，對區域進行信息化改造，通過裝載路側單元及車載單元，實現車輛與車輛、車輛與基礎設施、車輛與云端的互聯互通，并進一步實現對單個車輛的運行控制及區域車輛的

40、協調控制和管理，優化運行路線，能夠有效避免車輛碰撞、降低物流成本、提高貨物運輸的效率及貨運服務質量。4.7 共享汽車應用共享汽車應用 共享汽車是車路協同項目落地的最重要場景之一，自動駕駛也能夠為共享汽車降低成本。據不完全統計，我國已經有超過300個租賃汽車平臺，租賃汽車總量達約20萬輛，但目前為止，尚未有一家能實現盈利。這主要是因為租賃汽車是一個重運營產業，運營成本居高不下。若能夠通過自動駕駛實現自動調度、自動泊車，將大幅降低租賃汽車運營成本。租賃汽車由于車輛移動具有方向性，每日需要較大的人員成本移動車輛?？梢允褂密囮牳囎詣玉{駛的方式組成車隊，7-10輛車組成車隊，頭車和尾車采用人員駕駛，中

41、間車輛采用車隊無人駕駛模式?？衫昧璩?-3點道路車輛少的時間移動車輛，可大幅度減少移車成本。4.8 試駕應用試駕應用 試乘試駕車管理平臺對試駕車進行有效管理。首先通過車載OBD設備，采集4S店試乘試駕車輛的行駛數據，包括里程、路徑、時間、油耗等。同時在管理后臺實時監控試駕車輛違規操作和異常駕駛內容。如通過電子圍欄查看試駕車是否超出使用范圍，通過行駛數據查看實踐路線是否合理，是否按主機廠要求完成試 23 駕數量等，最終實現車輛監控管理、試乘試駕統計、車輛配備管理及系統管理4部分功能在手機終端，銷售顧問可以通過APP端管理平臺，實現位置、導航、講解、評價、分享、積分等功能，確保試乘試駕全流程的用

42、戶體驗。4.9 慢行自動駕駛慢行自動駕駛 包括快遞配送、清掃車、治安巡邏車等方面的應用。4.10 其他應用場景其他應用場景（1）智能停車 在車路協同環境下，配置車載終端的車輛可以實時與路側設備通信，智能停車系統可實時掌握車輛位置，因此停車誘導、停車收費等都可以很方便地實現。（2）事故鑒定 車路協同車輛可以得到全程的數據記錄，發生事故后，可以調取汽車軌跡數據，協助事故責任鑒定。（3）汽車保險評估 將來車路協同系統的盈利可能來自保險公司，保險公司可以根據網聯車的數據對車輛保險費用進行精算，取得合理的保險費率。（4）車路協同大數據交易 車路協同大數據比以往的交通數據更精確和高質量。因此作為車路協同運

43、營公司的最大資產是車路協同大數據，大數據交易可能是運營公司的重要收入來源。5 小結小結 總之，車路協同全域感知將路側感知和車載感知合而為一，形成對道路交通環境的全面感知和判斷，使駕駛具備了超視距感知能力，一方面可以補充自動駕駛感知能力不足，提高駕駛安全性；另一方面，可以大幅地減少自動駕駛所依賴的傳感器，降低成本，促進自動駕駛技術迅速達到實用化程度。24 三三 車路協同全域感知與數據融合車路協同全域感知與數據融合 1 概述概述 傳統的智能交通系統采用視頻、雷達等檢測器檢測道路交通流量、車速、排隊長度等交通參數，并且結合GNSS浮動定位系統檢測道路交通狀態。近年來又有互聯網公司結合移動互聯網手機定

44、位大數據分析交通狀態，進而建立了所謂“交通大腦”，對區域交通信號燈配時方案進行整體優化，實現了不錯的效果。近來被廣泛關注的自動駕駛技術利用車載激光雷達、毫米波雷達、超聲波雷達、視頻攝像機等傳感器感知汽車周邊環境，通過車載邊緣計算實現對汽車周邊的環境進行識別，進而實現對車輛的自動駕駛，也取得了很大進展。但道路交通是異常復雜的巨系統，道路交通環境瞬息萬變。僅僅憑傳統的交通感知手段和自動駕駛汽車安裝的有限傳感器是無法滿足完全、快速掌握動態交通環境的需求的。而且由于車載傳感器要求體積小，并且價格昂貴，無法普及的廣大出行者的汽車上。車路協同技術應運而生。2 車路協同應用車路協同應用 根據中國汽車工程學會

45、標準合作式智能運輸系統 車用通信系統應用層及應用數據交互標準（T/CSAE 53-2017），車路協同一期基礎功能涵蓋安全、效率和信息服務三大類17個應用。表 6 一期應用列表 序號序號 類別類別 通信方式通信方式 應用名稱應用名稱 1 安全 V2V 前向碰撞預警 2 V2VN2I 交叉路口碰撞預警 3 V2VN2I 左轉輔助 4 V2V 盲區預警變道輔助 5 V2V 逆向超車預警 6 V2V-Event 緊急制動預警 7 V2V-Event 異常車輛提醒 8 V2V-Event 車輛失控預警 9 V2I 道路危險狀況提示 25 序號序號 類別類別 通信方式通信方式 應用名稱應用名稱 10 V

46、2I 限速預警 11 V2I 閣紅燈預警 12 V2P/V2I 弱勢交通參與者碰撞預警 13 效率 V2I 綠波車速引導 14 V2I 車內標牌 15 V2I 前方擁堵提醒 16 V2V 緊急車輛提醒 17 信息服務 V2I 汽車近場支付 3 車路協同感知體系車路協同感知體系 3.1 車路協同感知體系車路協同感知體系 車路協同感知在結合現有的智能交通感知設備的基礎上，增加了更加精密的路側感知設備、車載感知設備和5G移動大數據。路側感知設備包括激光雷達、毫米波雷達和帶目標識別功能的視頻攝像機；車載感知則是包括自動駕駛車輛能夠感知到的數據，需要通過路側單元RSU實時上傳到邊緣計算節點。圖 8 車路

47、協同感知體系 26 3.2 交通感知傳感器交通感知傳感器 3.2.13.2.1 激光雷達激光雷達 激光雷達的測距精度非常高，基本上可以達到正負一兩厘米，甚至到了毫米級，分辨率也非常高。機械激光雷達可以360度旋轉，同時角分辨率也比別的雷達高。但是目前的機械旋轉激光雷達的成本比較高，而且容易受到陽光雨霧和互干擾的影響。它跟毫米波雷達一樣是屬于主動傳感器。目前的機械激光雷達也會受到工作溫度以及工作環境震動的影響，它的工作溫度一般是在零下10到零上60左右。圖 9 激光雷達 激光雷達目前的成本比較高，美國Velodyne的64線激光雷達在10萬美金左右，即使是16線雷達的售價也在8000美金左右。F

48、lash激光雷達以及MEMS激光雷達，即向使用各種鏡片或者透鏡來形成非旋轉式雷達的方向演進和發展，它的成本還有功耗都會有很大的下降。3.2.23.2.2 毫米波雷達毫米波雷達 毫米波雷達是利用波長110mm，頻率30GHz300GHz之間的電磁波，通過測量回波的時間差算出距離，具備全天時全天候以及探測距離遠的優勢。目前市場上主流的車載毫米波雷達頻段為24GHz（用于短中距離雷達，1530m）和77GHz（用于長距離雷達，100200m）。相比于24GHz產品，77GHz產品在性能和體積上都更具優勢，其距離分辨率更高，體積也小了1/3。27 圖 10 毫米波雷達工作原理 最重要的是，毫米波價格低

49、廉，比起動輒幾千乃至上萬美元的激光雷達，一兩百美元就可以被收入囊中的毫米波雷達算得上是業界良心。不過，凡事無絕對，在探測精度上，毫米波要略遜一籌。3.2.33.2.3 視頻攝像機視頻攝像機 視頻攝像機是在智能交通系統中應用最為普遍的感知設備。隨著自動駕駛技術的不斷發展，視頻攝像機也被廣泛運用在自動駕駛車輛上。伴隨視覺處理技術的進步，可以使視頻處理出的有效信息倍增，從而更好地辨別道路上的標識、行人等信息。3.2.43.2.4 傳感器感知能力比較傳感器感知能力比較 總體而言激光雷達精度高但價格不菲。毫米波雷達價格便宜但精度欠佳。視頻攝像機價格適中而且隨著視頻解析算法的不斷提高，視頻攝像機是車路協同

50、感知體系中不可或缺的主要感知手段。28 圖 11 激光雷達/毫米波雷達/攝像頭感知能力比較 激光雷達、毫米波雷達和攝像機的詳細優劣比較見下表。表 7 激光雷達/毫米波雷達/攝像機比較表 傳感器傳感器 優勢優勢 劣勢劣勢 最遠距離最遠距離 攝像機 可以分辨出障礙物的大小和距離，而且能識別行人、交通標識牌 受到視野的影響，受惡劣天氣影響，逆光和光影復雜情況效果差 6-100m 超聲波達 防水、防塵，監測距離在0.1-3m 之間 測試角度較小，需要在車身安裝多個 3m 毫米波達 不受天氣情況和夜間影響，可以探測遠距離物體 行人的反射波較弱，難以探測 200m 激光雷達 測距精度高，方向性強，響應快，

51、能快速復建出目標的三維模型，滿足 90%的三維工況 成本高，容易受天氣的影響，如雨雪、大霧，但隨著算法和激光器的進，可以解決 100-200m 3.3 車載車載傳感器傳感器 激光雷達、毫米波雷達和攝像機是車載感知設備的主要選項。盡管自動駕駛車技術發展到現在，車載感知技術已經取得了長足發展。從目前傳感器的性能來看，每一種傳感器都有其使用的環境條件和性能的邊界。包括：測量范圍以及在不同環境下表現出來的感知缺陷。29 圖 12 奧迪 A8 的傳感器布局（1）檢測范圍受限 傳感器對周圍環境檢測的有其固定的范圍。例如，長距毫米波雷達探測距離為1-280m，紅外線傳感器探測距離為0.2-120m，視覺攝像

52、頭探測距離為0-80m，中短距毫米波雷達探測距離為0.2-120m，短句毫米波雷達探測距離為0.2-30m，激光雷達探測距離為80-150m。下圖為Tesla的傳感器配置及傳感器感知范圍，扇形角度表示傳感器的視場角，扇形半徑表示傳感器的最大檢測距離。圖 13 特斯拉配置的傳感器最大探測距離（2）感知缺陷 每一種傳感器都有其適用的環境條件。比如激光傳感器檢測效果穩定，但在 30 面對大范圍的塵土時，其檢測效果大幅降低；再比如高分辨率攝像機能檢測圖像中的物體，窄視場的攝像機可以檢測很遠的距離。但是面對暴雨、大雪等惡劣天氣，其很難檢測到正確的車道線/障礙物/馬路牙子等信息。圖 14 車身各傳感器情況

53、概述（3）先驗信息缺失 先驗信息是指某些可以提前采集且短時間內不會改變的信息。僅僅依靠傳感器的信息是很難感知車輛現在是處在高速公路上，還是處在普通城市道路上的；無限速牌的路段，車速最高可以開多快;前方道路的曲率；所處路段的GPS信號強弱，這些都是傳感器遇到檢測盲區，無法實時捕獲的信息。而這些信息是客觀存在，不會隨外部事物的變化而變化，因此可以提前采集，并作為先驗信息傳給自動駕駛車做決策。圖為高精度地圖可以為自動駕駛車提供的某些先驗信息。包括道路曲率、航向、坡度和橫坡角。因為車載感知方式存在這些缺陷，因此有必要通過路側感知的方式，彌補這方面的不足。一方面可以大幅度提高自動駕駛車對周邊環境的感知程

54、度，同時也為其他普通車輛提供安全和效益方面的信息服務。3.4 路側傳感器路側傳感器 車路協同路側傳感器主要包括激光雷達、毫米波雷達和攝像機。傳統智能交通的傳感器如視頻卡口、視頻事件檢測、GNSS浮動車定位、4G大數據定位、事 31 件報警等也需要納入到車路協同全域感知體系。交通信號燈作為交通控制主要手段，其信號燈配時數據需要接入車路協同系統。此外，物聯網大數據如氣象數據、道路路面感知數據、道路濕滑/積水等數據，根據實際情況需要也可以考慮接入系統。3.5 車路協同通信車路協同通信 作為物聯網面向應用的一個概念延伸，V2X（Vehicle to Everything）車聯網是對D2D（Device

55、 to Device）技術的深入研究過程。它指的是車輛之間，或者汽車與行人、騎行者以及基礎設施之間的通信系統。利用裝載在車輛上的傳感器、攝像頭獲取車輛行駛情況、系統運行狀態及周邊道路環境信息，同時借助GPS定位獲得車輛位置信息；利用裝在路側的傳感器獲得道路環境信息；并通過D2D技術將這些信息進行端對端的傳輸，繼而實現在整個車聯網系統中信息的共享。通過對這些信息的分析處理，及時對駕駛員進行路況匯報與警告，有效避開擁堵路段選擇最佳行駛線路。V2X車聯網通信主要分為三大類：V2V、V2I和V2P。運輸實體，如車輛、路側基礎設施和行人，可以收集處理當地環境的信息（如從其它車輛或傳感器設備接收到的信息）

56、，以提供更多的智能服務，如碰撞警告或自主駕駛。圖 15 車路協同服務 32 在V2X系統中，控制車輛與路面基礎設施之間信息交流的部分就是車路協同，它能夠讓駕駛者能第一時間了解交通信息和危險狀況。車路協同需要有高速、穩定、低時延的通信技術作為保障，而基于當前成熟的LTE技術的LTE-V2X能夠讓路邊單元（RSU）與車載單元（OBU）的信息進行有效交互。同時，這項技術也在演進之中，在5G時代，更是能夠憑借5G技術的優秀通信能力讓自動駕駛成為可能，讓人們獲得更優良、安全、高效的出行體驗。圖 16 華為 LTE-V2X 模塊 DA2300 3.6 高精度地圖（高精度地圖（HDM）高精度地圖，通俗來講就

57、是精度更高、數據維度更多的電子地圖。精度更高體現在精確到厘米級別，數據維度更多體現在其包括了除道路信息之外的與交通相關的周圍靜態信息。高精度地圖將大量的行車輔助信息存儲為結構化數據，這些信息可以分為兩類。第一類是道路數據，比如車道線的位置、類型、寬度、坡度和曲率等車道信息。第二類是車道周邊的固定對象信息，比如交通標志、交通信號燈等信息、車道限高、下水道口、障礙物及其他道路細節，還包括高架物體、防護欄、數目、道路邊緣類型、路邊地標等基礎設施信息。以上這些信息都有地理編碼，導航系統可以準確定位地形、物體和道路輪廓，從而引導車輛行駛。其中最重要的是對路網精確的三維表征（厘米級精度），比如路面的幾何結

58、構、道路標示線的位置、周邊道路環境的點云模型等。有了這些高精度的三維表征，自動駕駛系統可以通過比對車載的GPS、IMU、LiDAR或攝像頭的數據精確確認自己當前的位置。另外，高精度地圖中包含有豐富的語義信 33 息，比如交通信號燈的位置和類型、道路標示線的類型、以及哪些路面是可以行使等。圖 17 高精度地圖的主要結構化數據 導航地圖、ADAS地圖和AD所需要的地圖各不相同。（1）對于導航地圖而言，街道名稱是比較重要的信息，但對于ADAS和AD地圖確并非如此。（2）道路曲率對于ADAS應用至關重要，對于自動駕駛也是必需的，但導航地圖并不需要道路曲率數據。（3）道路的幾何特征對于導航、ADAS和A

59、D地圖都是適用的。（4）不同地圖級別和地圖精度的背后是不同級別的智能駕駛以及不同級別的精度需求。圖 18 高精地圖與導航地圖的關聯關系 高精度地圖與傳統地圖的區別。與一般電子導航地圖相比，高精度地圖不同之處在于：34（1）精度：一般電子地圖精度在米級別，商用GPS精度為5米。高精度地圖的精度在厘米級別（Google、Here等高精度地圖精度在10-20厘米級別）。（2）數據維度：傳統電子地圖數據只記錄道路級別的數據：道路形狀、坡度、曲率、鋪設、方向等。高精度地圖（精確度厘米級別）：不僅增加了車道屬性相關（車道線類型、車道寬度等）數據，更有諸如高架物體、防護欄、樹、道路邊緣類型、路邊地標等大量目

60、標數據。高精度地圖能夠明確區分車道線類型、路邊地標等細節。（3）作用&功能：傳統地圖起的是輔助駕駛的導航功能，本質上與傳統經驗化的紙質地圖是類似的。而高精度地圖通過“高精度+高動態+多維度”數據，起的是為自動駕駛提供自變量和目標函數的功能。高精地圖相比傳統地圖有更高的重要性。（4）使用對象：普通的導航電子地圖是面向駕駛員，供駕駛員使用的地圖數據，而高精度地圖是面向機器的供自動駕駛汽車使用的地圖數據。（5）數據的實時性：高精度地圖對數據的實時性要求更高。根據博世提出的定義，自動駕駛時代所需的局部動態地圖（Local Dynamic Map）根據更新頻率劃分可將所有數據劃分為四類：永久靜態數據（更

61、新頻率約為1個月），半永久靜態數據（頻率為1小時），半動態數據（頻率為1分鐘），動態數據（頻率為1秒）。傳統導航地圖可能只需要前兩者，而高精地圖為了應對各類突發狀況，保證自動駕駛的安全實現需要更多的半動態數據以及動態數據，這大大提升了對數據實時性的要求。高精度地圖=高鮮度+高精度+高豐富度。不論是動態化，還是精度和豐富度，最終目的都是為了保證自動駕駛的安全與高效率。動態化保證了自動駕駛能夠及時地應對突發狀況，選擇最優的路徑行駛。高精度確保了機器自動行駛的可行性，保證了自動駕駛的順利實現。高豐富度與機器的更多邏輯規則相結合，進一步提升了自動駕駛的安全性。35 圖 19 導航地圖與智能駕駛地圖的對

62、比 高精度地圖具備三大功能。（1）地圖匹配。由于存在各種定位誤差，電子地圖坐標上的移動車輛與周圍地物并不能保持正確的位置關系。利用高精度地圖匹配則可以將車輛位置精準的定位在車道上，從而提高車輛定位的精度。（2）輔助環境感知。對傳感器無法探測的部分進行補充，進行實時狀況的監測及外部信息的反饋：傳感器作為自動駕駛的眼睛，有其局限所在，如易受惡劣天氣的影響，此時可以使用高精度地圖來獲取當前位置精準的交通狀況。（3）路徑規劃。對于提前規劃好的最優路徑，由于實時更新的交通信息，最優路徑可能也在隨時會發生變化。此時高精度地圖在云計算的輔助下，能有效地為自動駕駛車提供最新的路況，幫助自動駕駛車重新制定最優路

63、徑。4 實時數據處理與信息融合實時數據處理與信息融合 信息融合是利大數據、圖像識別、人工智能等技術將來自多個傳感器或多源的觀測信息進行篩選、清洗、分析和綜合處理，從而得出決策和預測所需的信息的處理過程。信息融合的基本原理是充分利用傳感器資源，通過對各種傳感器檢測信息的合理支配與使用，將各種傳感器在空間和時間上的互補與冗余信息依據某種優化準則或算法組合來產生對觀測對象的一致性解釋和描述。36 圖 20 車路協同交通感知數據處理流程 4.1 實時數據處理分工實時數據處理分工 在車路協同服務平臺中，邊緣計算和云端計算組成了數據分析系統。根據不同的需要，云端和邊緣計算節點分別完成不同的實時數據融合計算

64、。與駕駛安全有關的數據處理和發送需要在10毫米以內完成，因此需要在邊緣計算節點處理。其他與效率相關的服務因為需要結合整個區域交通狀態進行處理和運算，而且這部分服務對時延要求不高，可以在云端進行處理。表 8 邊緣計算與云計算比較表 序號序號 項目項目 路側邊緣計算路側邊緣計算 云計算云計算 1 設備 邊緣計算服務器 云服務器 2 延時要求 5-10 毫秒 500 毫秒 3 主要任務 融合節點傳感器數據，上傳經處理好的結構化數據 更新局部動態地圖(LDM)確認和發布安全警告 得到授權的情況下直接遙控車輛規避事故 融合區域交通傳感器數據 優化區域交通控制方案 下發優化方案 其他交通信息服務 37 4

65、.2 路側傳感器與車載傳感器數據融合路側傳感器與車載傳感器數據融合 路側傳感器與附近眾多的車載傳感器分別從不同的視角對同一道路地點周邊環境進行觀測，系統對不同傳感器觀測的數據按轉換成統一的坐標系統，對不同感知數據進行相互比對，最終形成對道路環境、運動的車輛和行人的統一的映像，形成結構化數據，包括運動物體的瞬時位置、運動方向、運動速度等，最終生成道路地點的局部動態地圖。圖 21 交叉路口的三維運動物體識別 圖 22 左：攝像機覆蓋區域。右：雷達覆蓋區域 38 4.3 生成局部動態地圖（生成局部動態地圖（LDM）局部動態地圖是統一描述道路動態環境的高精地圖，是判斷車輛是否處于危險狀態的重要參照。局

66、部動態地圖包括四個層級。（1）持續靜態數據層 主要是地圖數據。更新頻率約為1個月。（2）半靜態數據層 包括交通標志、標線、護欄、臨時路標（如占路施工）等交通管理設施，以及其他交通基礎設施的信息。更新頻率為1小時。（3）半動態數據層 包括信號燈燈色（相位、配時）、交通擁堵的情況、交通事故情況和其他交通事件等狀態過程。更新頻率應小于1分鐘。（4）高度動態數據層 包括汽車、摩托車、自行車、行人等運動的實體。需要知道實體的瞬時位置、移動的方向和移動的速度。更新頻率為小于1秒。圖 23 局部動態地圖的四層 39 4.4 感知大數據數據結構化整合感知大數據數據結構化整合 車路協同傳感器采集的數據包括大量非

67、結構化的數據，如視頻數據、激光掃描數據、微波感知數據等，傳輸這些海量數據至云端無論從占用帶寬還是成本上都是不合理的。因此需要在邊緣計算節點上將這些數據進行解析、整合，形成如交通流量、車速、排隊長度等結構化數據，然后上傳。4.5 道路交通狀態信息融合道路交通狀態信息融合 道路交通狀態信息融合可以在云端進行。通過接入區域各個邊緣計算節點結構化整合數據，結合其他交通感知系統如4G/5G移動互聯網數據等形成對道路交通運行宏觀狀態數據，具體如下：實時的主干道（含外環路、快速路）交通數據；實時主要道路交匯（叉）點（橋）交通數據；高速路通行數據：放行、封路、施工、占道、高流量、突發事件（含交通事故）引起交通

68、擁堵信息等；道路交通狀況數據，包括實時的道路交通擁堵狀況、平均車速、車道占有率、平均旅行時間等。5 車路協同信息服務（簡述）車路協同信息服務（簡述）5.1 面向交通安全的邊緣計算服務面向交通安全的邊緣計算服務 對于一期應用列表所列的應用場景，邊緣計算服務根據數據融合生成的局部動態地圖，判斷車輛行駛的安全狀態。對遇有危險的配備OBU的車輛，及時出警告，甚至直接干預車輛駕駛，采取必要的避險動作。5.2 面向交通效率的云計算服務面向交通效率的云計算服務（1）交通信號優化配時服務 40 根據區域交通流狀態，對區域交通信號配時進行整體優化，以到達區域內車輛總體延誤最小、排隊長度最小等優化目標。（2）交通

69、誘導服務 根據區域交通狀態甄別嚴重擁堵路段，生成車輛避開擁堵路段的策略，發布給抵達的車輛。（3）公交優先服務 基于車路協同技術，當公交車輛接近信號控制交叉口時，車載單元向路口信號控制機發送特殊車輛定位距離和當前車速信息，由智能路側單元計算出的預計到達時間，信號控制機根據當前信號的狀態，對相位進行紅燈早斷、綠燈延時等干預操作，保證公交車輛的順利通過。6 小結小結 總之，車路協同全域感知將路側感知和車載感知合而為一，形成對道路交通環境的全面感知和判斷，使駕駛具備了超視距感知能力，一方面可以補充自動駕駛感知能力不足，提高駕駛安全性；另一方面，可以大幅地減少自動駕駛所依賴的傳感器，降低成本，促進自動駕

70、駛技術迅速達到實用化程度。41 四四 車路協同邊緣計算與邊云協同車路協同邊緣計算與邊云協同 【摘要】本文重點對車路協同體系下道路邊緣計算的概念、功能、架構和系統安全等進行了敘述，并對邊云協同的能力和架構進行了介紹。希望能對車路協同項目規劃和設計人員有所幫助。1 概況概況 車路協同車路協同是采用先進的無線通信和新一代互聯網等技術，全方位實施車車、車路動態實時信息交互，并在全時空動態交通信息采集與融合的基礎上開展車輛主動安全控制和道路協同管理，充分實現人車路的有效協同，保證交通安全，提高通行效率，從而形成的安全、高效和環保的道路交通系統。邊緣計算邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、

71、計算、存儲、應用核心能力的分布式開放平臺（架構），就近提供邊緣智能服務，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等萬面的關鍵需求。它可以作為聯接物理和數字世界的橋梁，使能智能資產、智能網關、智能系統和智能服務。傳統智能交通系統是建立在中心云計算的基礎上的，在前端實現實時采集數據的情況下，數據上傳至云端，在云端上實現計算，并將結果發布至路口信號機和移動終端上，實現云端的信號燈系統戰略控制和路口協調控制。但隨著車路協同系統的推進，需要處理海量實時數據，車輛行駛安全服務需要在毫秒級延時的情況下通知開車人或控制車輛采取措施，因此原來的中心計算方式無法保證車路協同的時效性。

72、邊緣計算可以將云端的計算負荷整合到邊緣層，在邊緣計算節點（ECN）完成絕大部分的計算，并通過LTE-V/5G路側單元（RUS）等傳輸手段，實時將結果發送給裝置車載單元（OBU）的車輛，滿足車路協同的需要。車路協同是智慧交通的重要發展方向之一。車路協同的能力構建涉及車內邊緣計算、道路邊緣計算、車路協同云等方面。42 在車內邊緣計算車內邊緣計算方面，車內通訊多采用控制器車載總線（如CAN等）實現對車內的各個子系統進行檢測與控制，未來將轉變為高速實時車載以太技術（如基于TSN的TCP/IP的網絡），汽車則成為邊緣計算節點，在結合邊云協同在本地提供車輛增值服務與控制能力。車內邊緣計算屬于特殊的應用場景

73、，不在本文討論范圍內。在道路邊緣計算道路邊緣計算方面，未來新的道路側系統將綜合內置LTE-V/5G等多種通信方式、提供多種傳感器接口以及局部地圖系統、并提供信號配時信息和周邊運動目標信息、提供車輛協同決策等多種技術與能力，綜合構建為道路側邊緣計算節點。車間（V2V）、車路（V2I）協調駕駛可以通過事故預警與規避的手段，來減少事故發生的概率。汽車需要將本地通過雷達、攝像頭等取得的數據與周邊車輛和道路基礎設施通過邊緣網關進行交互，并提升感知范圍，從而達到車輛間、車路間的協同，為駕駛員提供碰撞預警、變道預警、自適應巡航等輔助，必要時接管汽車防止事故的發生。本文重點討論道路邊緣計算。圖 24 C-V2

74、X 應用場景 車路協同云車路協同云可以通過與車輛邊緣計算節點以及道路側邊緣計算節點之間的 43 交互，對車輛密度、速度等的感知，來引導道路上的車輛規避擁堵路段，實現交通的高效調度。在交叉路口，車載邊緣計算可以結合道路交通狀況告知道路邊緣計算節點當前的道路狀況。而道路邊緣計算節點則收集附近道路的信息，通過大數據算法，下發合理的道路交通調度指令，通過控制信號燈的狀態、為駕駛員提供擁堵預警等手段，實現道路的最大利用率、減少不必要的停留，從而減少道路擁塞、降低燃油損耗。車路協同云的內容在此也不做為重點討論內容。圖 25 邊緣計算與運中心融合場景圖 2 邊緣計算模型驅動參考架構邊緣計算模型驅動參考架構

75、邊緣計算參考架構3.0的主要內容包括：（1）整個系統分為云、邊緣和現場三層，邊緣計算位于云和現場層之間，邊緣層向下支持各種現場設備的接入，向上可以與云端對接；（2）邊緣層包括邊緣節點和邊緣管理器兩個主要部分。邊緣節點是硬件實體，是承載邊緣計算業務的核心。邊緣計算節點根據業務側重點和硬件特點不同，包括以網絡協議處理和轉換為重點的邊緣網關、以支持實時閉環控制業務為重點的邊緣控制器、以大規模數據處理為重點的邊緣云、以低功耗信息采集和處理為重點的邊緣傳感器等。邊緣管理器的呈現核心是軟件，主要功能是對邊緣節點進行統一的管理。（3）邊緣計算節點一般具有計算、網絡和存儲資源，邊緣計算系統對資源 44 的使用

76、有兩種萬式：第一，直接將計算、網絡和存儲資源進行封裝，提供調用接口，邊緣管理器以代碼下載、網絡策略配置和數據庫操作等萬式使用邊緣節點資源；第二，進一步將邊緣節點的資源技功能領域封裝成功能模塊，邊緣管理器通過模型驅動的業務編排的萬式組合和調用功能模塊，實現邊緣計算業務的一體化開發和敏捷部署。圖 26 邊緣計算參考架構 3.0 3 邊緣計算邊緣計算 CROSS 功能功能 邊緣計算具備有CROSS的功能。（1）聯接的海量與異構（）聯接的海量與異構（Connection)網絡是系統互聯與數據聚合傳輸的基石。伴隨聯接設備數量的劇自，網絡運維管理、靈活擴展和可靠性保障面面巨大挑戰。同時，工業現場長期以來存

77、在大量異構的總線聯接，多種制式的工業以太網并存，如何兼容多種聯接并且確保聯接的實時可靠是必須要解決的現實問題。（2）業務的實時性（）業務的實時性（Real-time)工業系統檢測、控制、執行的實時性高，部分場景實時性要求在10ms以內。如果數據分析和控制邏輯全部在云端實現，難以滿足業務的實時性要求。45（3）數據的優化（）數據的優化（Optimization)當前工業現場存在大量的多樣化異構數據，需要通過數據優化實現數據的聚合、數據的統一呈現與開放，以靈活高效地服務于邊緣應用的智能。（4）應用的智能性（）應用的智能性（Smart)業務流程優化、運維自動化與業務創新驅動應用走向智能，邊緣側智能能

78、夠帶來顯著的效率與成本優勢。以預測性維護為代表的智能化應用場景正推動行業向新的服務模式與商業模式轉型。（5）安全與隱私保護）安全與隱私保護(Security)安全跨越云計算和邊緣計算之間的縱深，需要實施端到端防護。網絡邊緣側由于更貼近萬物互聯的設備，訪問控制與威脅防護的廣度和難度因此大幅提升。邊緣側安全主要包含設備安全、網絡安全、數據安全與應用安全。此外，關鍵數據的完整性、保密性，大量生產或人身隱私數據的保護也是安全領域需要重點關注的內容。4 邊云協同能力邊云協同能力 邊緣計算不是單一的部件，也不是單一的層次，而是涉及到EC-IaaS、EC-PaaS、EC-SaaS的端到端開放平臺。典型的邊緣

79、計算節點一般涉及網絡、虛擬化資源、RTOS、數據面、控制面、管理面、行業應用等，其中網絡、虛擬化資源、RTOS等屬于EC-IaaS能力，數據面、控制面、管理面等屬于EC-PaaS能力，行業應用屬于EC-SaaS范疇。邊云協同的能力涉及IaaS、PaaS、SaaS各層面的全面協同。EC-IaaS與云端IaaS應可實現對網絡、虛擬化資源、安全等的資源協同；EC-PaaS與云端PaaS應可實現數據協同、智能協同、應用管理協同、業務管理協同；EC-SaaS與云端SaaS應可實現服務協同。資源協同：資源協同：邊緣節點提供計算、存儲、網絡、虛擬化等基礎設施資源、具有本地資源調度管理能力，同時可與云端協同，

80、接受并執行云端資源調度管理策略，包括邊緣節點的設備管理、資源管理以及網絡聯接管理。46 數據協同：數據協同：邊緣節點主要負責現場/終端數據的采集，按照規則或數據模型對數據進行初步處理與分析，并將處理結果以及相關數據上傳給云端；云端提供海量數據的存儲、分析與價值挖掘。邊緣與云的數據協同，支持數據在邊緣與云之間可控有序流動，形成完整的數據流轉路徑，高效低成本對數據進行生命周期管理與價值挖掘。智能協同：智能協同：邊緣節點按照AI模型執行推理，實現分布式智能；云端開展AI的集中式模型訓練，并將模型下發邊緣節點。應用管理協同：應用管理協同：邊緣節點提供應用部署與運行環境，并對本節點多個應用的生命周期進行

81、管理調度；云端主要提供應用開發、測試環境，以及應用的生命周期管理能力。業務管理協同：業務管理協同：邊緣節點提供模塊化、微服務化的應用/數字孿生/網絡等應用實例；云端主要提供按照客戶需求實現應用/數字孿生/網絡等的業務編排能力。服務協同：服務協同：邊緣節點按照云端策略實現部分ECSaaS服務，通過ECSaaS與云端SaaS的協同實現面向客戶的按需SaaS服務；云端主要提供SaaS服務在云端和邊緣節點的服務分布策略，以及云端承擔的SaaS服務能力。圖 27 邊云協同能力框架 47 5 邊云協同參考架構邊云協同參考架構 為了支撐邊云協同能力，需要相應的參考架構與關鍵技術。參考架構需要考慮下述因素：連

82、接能力：連接能力：有線連接與無線連接，實時連接與非實時連接，各種行業連接協議等 信息特征：信息特征：持續性信息與間歇性信息，時效性信息與非時效性信息，結構性信息與非結構性信息等 資源約束性：資源約束性：不同位置、不同場景的邊緣計算對資源約束性要求不同，帶來邊云協同需求與能力的區別 資源、應用與業務的管理與編排：資源、應用與業務的管理與編排：需要支撐通過邊云協同，實現資源、應用與業務的靈活調度、編排及可管理 根據上述考量，邊云協同的總體參考架構應該包括下述模塊與能力：（1）邊緣側 基礎設施能力：需要包含計算、存儲、網絡、各類加速器（如AI加速器），以及虛擬化能力；同時考慮嵌入式功能對時延等方面的

83、特殊要求，需要直接與硬件通信，而非通過虛擬化資源 邊緣平臺能力：需要包含數據協議模塊、數據處理與分析模塊，數據協議模塊要求可擴展以支撐各類復雜的行業通信協議；數據處理與分析模塊需要考慮時序數據庫、數據預處理、流分析、函數計算、分布式人工智能及推理等方面能力 管理與安全能力：管理包括邊緣節點設備自身運行的管理、基礎設施資源管理、邊緣應用、業務的生命周期管理，以及邊緣節點南向所連接的終端管理等；安全需要考慮多層次安全，包括芯片級、操作系統級、平臺級、應用級等 應用與服務能力：需要考慮兩類場景，一類場景是具備部分特征的 48 應用與服務部署在邊緣側，部分部署在云端，邊緣協同云共同為客戶提供一站式應用

84、與服務，如實時控制類應用部署在邊緣側，非實時控制類應用部署在云側；一類場景是同一應用與服務，部分模塊與能力部署在邊緣側，部分模塊與能力部署在云側，邊緣協同云共同為客戶提供某一整體的應用與服務。圖 28 邊云協同總體參考架構（2）云端 平臺能力：包括邊緣接入、數據處理與分析、邊緣管理與業務編排。數據處理與分析需要考慮時序數據庫、數據整形、篩選、大數據分析、流分析、函數、人工智能集中訓練與推理等方面能力；邊緣管理與業務編排需要考慮邊緣節點設備、基礎設施資源、南向終端、應用、業務等生命周期管理，以及各類增值應用、網絡應用的業務編排 邊緣開發測試云：在部分場景中，會涉及通過提供邊云協同的開發測試能力以

85、促進生態系統發展的需求 6 邊緣計算節點系統安全邊緣計算節點系統安全 邊緣計算架構的安全設計與實現首先需要考慮：安全功能適配邊緣計算的特定架構；安全功能能夠靈活部署與擴展；能夠在一定時間內持續抵抗頂擊；49 能夠否忍一定程度和范圍內的功能失效，但基礎功能始終保持運行；整個系統能夠從失敗中快速完全恢復。同時，需要考慮邊緣計算應用場景的獨特性：安全功能輕量化，能夠部署在各類硬件資源受限的IoT設備中；每量異構的設備接入，傳統的基于信任的安全模型不再適用，需要技照最小授權原則重新設計安全模型（自名單）；在關鍵的節點設備（例如邊緣網關）實現網絡與域的隔霄，對安全頂擊和風險范圍進行控制，避免頂擊由點到面

86、擴展；安全和實時態勢感知無縫嵌入到整個邊緣計算架構中，實現持續的檢測與響應。盡可能依賴自動化實現，但是人工干預時常也需要發揮作用。安全的設計需要覆蓋邊緣計算架構的各個層級，不同層級需要不同的安全特性。同時，還需要有統一的態勢感知、安全管理與編排、統一的身份認證與管理，以及統一的安全運維體系，才能最大限度地保障整個架構安全與可靠。50 圖 29 安全服務架構 節點安全：節點安全：需要提供基礎的邊緣計算安全、端點安全、軟件加固和安全配置、安全與可靠遠程升級、輕量級可信計算、硬件Safety開關等功能。安全與可靠的遠程升級能夠及時完成漏洞和補丁的修復，同時避免升級后系統失效（也就是常說的“變磚”）。

87、輕量級可信計算用于計算（CPU）和存儲資源受限的簡單切聯網設備，解決最基本的可信問題。網絡安全：網絡安全：包含防火墻（Firewall）、入侵檢測和防護（IPS/IDS）、DDoS防護、VPN/TLS功能，也包括一些傳輸協議的安全功能重用（例如REST協議的安全功能）。真中DDoS防護在切聯網和邊緣計算中特別重要，近年來，越來越多的切聯網頂擊是DDoS頂擊，頂擊者通過控制安全性較弱的切聯網設備（例如采用固定密碼的攝像頭）來集中頂擊特定目標。數據安全：數據安全：包含數據加密、數據隔霄和銷毀、數據防篡改、隱私保護（數據脫敏）、數據訪問控制和數據防泄漏等。真中數據加密，包含數據在傳輸過程中的加密、在

88、存儲時的加密；邊緣計算的數據防泄漏與傳統的數據防泄漏有所不同，邊緣計算的設備往往是分布式部署，需要特別考慮這些設備被盜以后，相關的數據即使被獲得也不會泄露。應用安全：應用安全：主要包含自名單、應用安全審計、惡意代碼防范、WAF（Web應 51 用防火墻）、少箱等安全功能。真中，自名單是邊緣計算架構中非常重要的功能，由于終端的每量異構接入，業務種類繁多，傳統的IT安全授權模式不再適用，往往需要采用最小授權的安全模型（例如自名單功能）管理應用及訪問權限。安全態勢感知、安全管理與編排：安全態勢感知、安全管理與編排：網絡邊緣側接入的終端類型廣泛，數量巨大，承載的業務繁雜，被動的安全防御往往不能起到良好

89、的效果。因此，需要采用更加積極主動的安全防御手段，包括基于大數據的態勢感知和高級威脅檢測，以及統一的全網安全策略執行和主動防護，從而更加快速響應和防護。再結合完善的運維監控和應急響應機制，則能夠最大限度保障邊緣計算系統的安全、可用、可信。身份和認證管理：身份和認證管理：身份和認證管理功能遍布所有的功能層級。但是在網絡邊緣側比較特殊的是，每量的設備接入，傳統的集中式安全認證面面巨大的性能壓力，特別是在設備集中上線時認證系統往往不堪重負。在必要的時候，去中心化、分布式的認證方式和證書管理成為新的技術選擇。參考資料：邊緣計算與云計算協同白皮書（2018年），ECC、ALL 邊緣計算參考架構3.0白皮

90、書（2018年），ECC、ALL Edge Intelligence White Paper，IEC MEC與V2X融合應用場景白皮書，IMT 52 五五 車路協同服務云平臺車路協同服務云平臺 1 概述概述 智能網聯汽車是指搭載先進的車載傳感器、控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與X（人、車、路、云端等）智能信息交換、共享，具備復雜環境感知、智能決策、協同控制等功能，可實現“安全、高效、舒適、節能”行駛，并最終可實現替代人來操作的新一代汽車。車路協同平臺綜合感知、通信、計算、控制等技術，基于標準化通信協議，實現物理空間與信息空間中包括“車、交通、環境”等要素的相互映射，標準

91、化交互與高效協同、利用云計算大數據能力，解決系統性的資源優化與配置問題。平臺為智能汽車及其用戶、管理及服務機構等提供車輛運行、基礎設施、交通環境、交通管理等動態基礎數據，具有高性能信息共享、高實時性云計算、大數據分析、信息安全等基礎服務機制，支持智能網聯汽車實際應用需求的基礎支撐平臺。主要包含標準化互聯互通和共性基礎支持兩方面。其中標準化互聯互通包括統一交互標準化語言，減少多領域協同時在理解和認識上的差異化；針對車輛與各類資源互聯互通的實際應用需求，設計標準化基礎設施體系部署與分段實施路徑。共性技術支持包括提供針對智能網聯具體應用需求的基礎、共性技術服務，包括數據的安全性管理，存儲，運維，大數

92、據計算、仿真與測試評價技術等；為解決異構集成、互操作等實際業務需求提供一系列標準化開發接口與工具集。平臺包含了面向效率和面向安全兩個方面。其中面向效率包括基于車路協同信息的交叉口智能控制技術、基于車路協同信息的集群誘導技術、交通控制與交通誘導協同優化技術、動態協同專用車道技術、精準停車控制技術。面向安全包括智能車速預警與控制，彎道測速/側翻事故預警、無分隔帶玩到安全會車、車間距離預警與控制、臨時性障礙預警。平臺面向產業鏈應用，面向全行業提供體系化的安全，高效，節能等在內的汽車智能網聯駕駛應用，以及包括共享汽車，電子支付等一系列新型汽車應用形態；為測試開發體系，公共服務體系，保險體系，醫療體系等

93、提供協同化的實際 53 業務應用。2 需求與應用場景分析需求與應用場景分析 根據中國汽車工程學會標準合作式智能運輸系統 車用通信系統應用層及應用數據交互標準（T/CSAE 53-2017），車聯網基礎功能涵蓋安全、效率和信息服務三大類17個應用。表 9 一期應用列表 序號序號 類別類別 通信方式通信方式 應用名稱應用名稱 1 安全 V2V 前向碰撞預警 2 V2VN2I 交叉路口碰撞預警 3 V2VN2I 左轉輔助 4 V2V 盲區預警變道輔助 5 V2V 逆向超車預警 6 V2V-Event 緊急制動預警 7 V2V-Event 異常車輛提醒 8 V2V-Event 車輛失控預警 9 V2I

94、 道路危險狀況提示 10 V2I 限速預警 11 V2I 閣紅燈預警 12 V2P/V2I 弱勢交通參與者碰撞預警 13 效率 V2I 綠波車速引導 14 V2I 車內標牌 15 V2I 前方擁堵提醒 16 V2V 緊急車輛提醒 17 信息服務 V2I 汽車近場支付 車路協同服務的需求可以從政府、企業和個人三方面的需求分析。政府監管部門通過車路協同服務平臺實現對交通進行實時監管、交通行業管理和交通規劃管理。企業包括智能汽車研發企業和運營企業兩大類。智能汽車研發企業可以通過車路協同提供的超視距信息服務、地圖服務等為無人駕駛汽車提供更完備的服務。運營企業可以通過車路協同服務提高運營效率和安全性。5

95、4 圖 1 車路協同需求與應用場景分析圖 個人服務現實階段可以得到車路協同的安全和交通誘導信息服務，遠期當車路系統完善后可以實現車輛遠程遙控和自動控制。3 總體方案總體方案 3.1 V2X 分級體系架構分級體系架構 當網絡具備邊緣計算能力后，許多核心層和終端層的計算負荷都可以整合到邊緣層進行，極大地降低網絡傳輸的數據量，也為低時延賦能。（1）終端層 車輛終端層決策的最大優勢為時延小，主要進行與車輛安全性緊密相關的決策，如緊急剎車制動等。55（2）邊緣云 該層配備的MEC平臺具有強大的計算能力和虛擬化能力，能夠承載多種自動駕駛應用。并且能夠對基站數據進行匹配分流，在移動網絡邊緣完成對自動駕駛車輛

96、數據分析處理。（3）核心層 覆蓋范圍極廣，計算能力最為強大，但由于距離機動車較遠，傳輸時延相對較大，主要進行對時延要求不是特別敏感的初始規劃、道路級規劃、宏觀交通調度、車輛大數據監管、全局路徑規劃和全局高精度地圖管理。如實時完成每個自動駕駛車輛的道路級規劃，優化整個道路交通網的車流。圖 2 車路協同分級體系架構 56 3.2 總體架構總體架構 本次建設主要應用都部署在云上。參考云計算分層模型，本方案云計算數據中心在橫向上分為數據源層、基礎設施服務(IaaS)層、平臺服務（PaaS）層、行業應用層（SaaS）?？傮w架構如下圖。圖 3 車路協同運控平臺架構 感知設備層通過采集視頻監控數據、交通流檢

97、測、違章監測數據、事件監測數據、GPS數據、互聯網大數據、手機信令數據、以及熱線或投訴電話的事件報告數據等，匯聚接入到云計算平臺，為云計算平臺提供基礎數據支撐。IaaS基礎設施服務層對政務云的服務器、存儲、網絡等資源，進行統一的、集中的運維和管理。利用虛擬化技術按照用戶或者業務的需求，從池化資源層中選擇資源并打包，形成不同規模的計算資源。根據本方案的特點，基礎設施層還包括邊緣云計算資源，主要用于路口和小區級別的車路協同感知信息處理和實時信息發布。PaaS平臺服務層依托基礎設施服務層，通過開放的架構，提供共享云計算的有效機制。構建在虛擬服務器集群之上，把端到端的分布式軟件開發、部屬、運行環境以及

98、復雜的應用程序托管當作服務提供給用戶。PaaS平臺服務層依托基礎設施服務層，建立系統應用所必須的基礎數據庫、業務數據庫和主題數據庫，為 57 系統提供共享數據服務。SaaS應用層包括協同感知系統、交通管控協調系統、駕駛安全信息服務系統、交通信息服務系統、終端APP應用系統和無人駕駛服務系統等應用系統?？蛻舳塑囕d終端、移動終端、可變誘導屏、智慧城市指揮中心大屏幕等為政府部門、交通管理部門、企業和普通民眾提供交通的各種服務。3.3 邊云框架邊云框架 邊緣計算不是單一的部件，也不是單一的層次，而是涉及到EC-IaaS、EC-PaaS、EC-SaaS的端到端開放平臺。典型的邊緣計算節點一般涉及網絡、虛

99、擬化資源、RTOS、數據面、控制面、管理面、行業應用等，其中網絡、虛擬化資源、RTOS等屬于EC-IaaS能力，數據面、控制面、管理面等屬于EC-PaaS能力，行業應用屬于EC-SaaS范疇。邊云協同的能力涉及IaaS、PaaS、SaaS各層面的全面協同。EC-IaaS與云端IaaS應可實現對網絡、虛擬化資源、安全等的資源協同；EC-PaaS與云端PaaS應可實現數據協同、智能協同、應用管理協同、業務管理協同；EC-SaaS與云端SaaS應可實現服務協同。圖 4 邊云協同能力框架 58 4 車路協同應用系統車路協同應用系統 4.1 協同感知系統協同感知系統 車輛獲取的信息既有來自車載傳感器（激

100、光雷達、毫米波雷達、視頻、GPSBD等）的各種數據（自己的位置、狀態，周邊目標的位置、速度），也有來自外部傳感器（協同獲取的其他車輛 GPS/BD、路側設備微波雷達、信號機等）的數據（周邊目標的位置、速度、特征、狀態；周邊道路狀態；路口信號燈狀態等），這些數據特征差異很大，需要在協同感知系統進行融合。4.1.14.1.1 道路交通道路交通路側感知系統路側感知系統 路側感知系統是由安裝在道路上的地磁、超聲波、紅外、RFID、信標、視頻檢測器和道路氣象站、路面、路況檢測器等組成，該子系統又分為道路交通感知模塊、道路氣象感知模塊和路面狀況感知模塊3部分。4.1.24.1.2 車載感知系統車載感知系統

101、 車載感知系統是由安裝在車輛上的各種車輛運行參數傳感器、車載攝像頭和雷達、GPS衛星定位裝置以及車載微處理單元等組成。該子系統又分為車輛感知模塊、環境感知模塊和GPS定位模塊3部分。59 4.1.34.1.3 多傳感器信息融合系統多傳感器信息融合系統 多傳感器信息融合系統也是協同感知系統的關鍵技術之一。信息融合系統是利用計算機技術將來自多個傳感器或多源的觀測信息進行分析、綜合處理。從而得出決策和估計任務所需的信息的處理過程。信息融合的基本原理是：充分利用傳感器資源，通過對各種傳感器及人工觀測信息的合理支配與使用。將各種傳感器在空間和時間上的互補與冗余信息依據某種優化準則或算法組合來，產生對觀測

102、對象的一致性解釋和描述。車路協同系統需要處理大量的源自路網的各種車載感知信息和路側感知信息，如果運用數據融合技術對其進行數據級融合、特征級融合以及決策級融合，將有利于通過對信息的優化和組合從中獲得更多的有效信息。4.1.44.1.4 實時數據處理系統實時數據處理系統 在車路協同服務平臺中，邊緣計算、局部計算和云端計算組成了數據分析系統。在這樣的復雜新型交通系統里面才能很好的解決協同和控制問題。邊緣計算主要是路測計算單元；局部的是情景中的集中部分，比如說路側的信號機為核心的區域計算單元；云端計算的就是中心。三者結合形成有機的計算平臺，分配好計算任務才能解決問題。該系統主要用于海量交通數據的處理，

103、分析計算道路交通狀態、大規模車輛誘導策略、智能交通調度等。（1）通過邊緣計算與云計算，綜合分析交通與空間、氣象與道路等信息以及與GIS匹配等，及時發現道路上的交通異?；驖撛诘慕煌ㄎｋU，實現對道路交通狀態的實時監測；（2）通過對區域交通數據的綜合分析，提出科學合理的交通組織與優化對策，實現對全路網交通的有效組織與疏導；（3）通過對單個車輛運行軌跡和運行參數的分析，由邊緣計算單元實現對個別違章車輛的實時預警或交通事故車輛的實時報警；（4）通過對特定車輛監視及行駛參數的分析，實現最優路徑的誘導；（5）通過對氣象條件與道路路況信息的綜合分析，實現對道路路況條件與惡劣氣象條件的提前預警；60（6）通過對

104、交通數據存儲、管理、編輯、檢索、查詢和分析等綜合應用，實現各子系統間的信息協同、數據共享與互通，提高交通信息的綜合利用度。云計算的應用，一方面可以實現業務的快速部署，在短期內為交通用戶提供信息服務；另一方面，平臺具有的強大運算能力、最新實時數據和廣泛的服務支持，能夠對綜合交通服務起到強大的支撐作用。云平臺則可以根據用戶的需求及道路交通的實際情況、異常交通因素等，進行大范圍的交通數據的分析、計算與規劃，從而實現宏觀區域的交通組織與優化，并通過服務整合為路網中車載終端提供更豐富、更富有價值的綜合交通服務等。圖 5 車路協同交通感知數據處理流程 4.2 交通管控協調系統交通管控協調系統 交通控制與誘

105、導系統是由安裝在道路沿線的信號控制裝置、可變信息板和路旁廣播等裝置組成，該子系統能夠通過通信裝置接收來自車路協同服務平臺的交通控制信息，實現對道路上車輛的交通信號實時控制；也可接收來自車路協同服務平臺的交通誘導信息，實現對特定路段或特定區域交通誘導信息的發布。該系統發布的信息主要是該路段或區域內的群體車輛，也可以是指定車輛；該系統的控制與信息發布主要依賴路側各種信息發布裝置，如信號燈、交通誘導屏等。61（1）智能紅綠燈預警/紅綠燈車速引導系統 基于車路協同技術，當汽車在接近信號交叉口時，接收來自路側單元的信號配時和交叉口地理信息，通過計算車輛行駛速度和加速度，結合信號配時和地理信息，判斷本車在

106、剩余綠燈時間內能否安全通過交叉路口，如果存在違規風險，車輛將受到相應的告警，如果判定可以通過，給出建議車速。（2）特殊車輛信號優先系統 基于車路協同技術，當特殊車輛（救護車、消防車等）接近信號控制交叉口時，車載單元向路口信號控制機發送特殊車輛定位距離和當前車速信息，由智能路側單元計算出的預計到達時間，信號控制機根據當前信號的狀態，對相位進行紅燈早斷、綠燈延時等干預操作，保證特殊車輛的順利通過。4.3 駕駛安全信息服駕駛安全信息服務系統務系統 車輛行駛安全信息服務系統主要用于對道路交通異常狀態、單車運行異常狀況、惡劣天氣與路況異常變化等情況提前預警和實時報警，以便最大限度地減少交通異常所造成的損

107、失。車路協同服務平臺可根據監測目標數目的多少采用單屏多窗口或者多屏幕顯示方式，分別監測不同的目標和區域。一旦發現或預測到可能發生的交通異?；蚪煌ㄎｋU，則以聲光報警方式發出預報或報警信息，并鎖定和顯示報警目標，提示工作人員及時處理警情。（1）智能交叉口預警 基于車車通信技術，兩輛在不同道路行駛的網聯汽車接近交叉口時，根據車輛速度、位置、行駛方向等信息，利用碰撞算法判別，如存在碰撞風險，則向兩輛網聯汽車發出告警，提示避讓。在交通基礎設施不完善或者郊區普通道路或公路交叉路口，車輛在交叉路口左轉，與對向來車存在碰撞危險時，系統基于無線通信技術應對駕駛員進行預警。避免或減輕側向碰撞，提高交叉口通行安全。

108、（2）智能人車沖突預警 基于車路協同技術，以紅外視頻、微波等檢測器作為行人檢測設備，通過深 62 度學習技術判斷人車沖突隱患，在路側通過顯示屏及語音提示器，提醒行人注意通行安全，在車內通過車載設備提醒網聯汽車注意行人。車輛行駛過程中，路側感知單元檢測到的行人、非機動車位置與人、車的GNSS信息在平臺融合處理，并實時接收行人過街請求，再通過車路通信，把人行道及其周圍環境的行人、自行車的位置信息以及行人過街信息發布給車輛，同時，也可以向行人、非機動車的手機發布安全提示信息，以防止事故的發生。（3）行車超視距服務 將道路前方路側視頻或前車車內視頻傳輸給周邊汽車，實現網聯汽車超視距（如1km）接受前方

109、道路交通信息。車輛行駛在道路上時，與前車存在一定距離，當前車進行緊急制動時，后車將通過無線通信技術收到這一信息，并通過車載終端對駕駛員進行預警。（4）盲區預警/變道輔助 當汽車準備實施變道操作時（例如激活轉向燈等），若其相鄰車道上有同向行駛的車輛出現在網聯汽車的盲區時，換道告警應用對網聯汽車進行提醒，避免其與相鄰車道上的車輛發生側向碰撞，保證變道安全。在道路行駛過程中，因借用逆向車道超車，與逆向車道上的逆向行駛車存在碰撞危險時，及時對車輛駕駛員進行預警。輔助駕駛員避免或減輕超車過程中產生的碰撞，提高逆向超車通行安全。（5）道路施工預警 基于車路協同技術，當網聯汽車接近施工區域前，智能路側單元向

110、特定范圍內的網聯汽車發送施工信息預警，提醒車輛注意施工區域及施工人員，適用于可視條件不好的環境。（6）限速提醒 基于車路協同技術，通過智能路側單元將結合天氣、交通流量、施工、事故等信息動態調整限速信息、或前方道路的彎道限速信息向周邊廣播，為網聯汽車提供可變限速提醒。63（7）前向碰撞預警 系統通過GPS定位系統和無線通信技術實現前向車輛距離過近時提前預警。以保護人員及車輛安全，主要針對追尾等前向碰撞事故，降低城市道路交通事故率。（8）異常車輛預警 當感知系統發現有車在行駛中打開故障報警燈時，邊緣計算單元根據車輛狀態（靜止或慢速）若分析其屬于異常車輛，并可能影響影響本車行駛路線時，通過無線通信技

111、術將這一狀況發布至車載終端，對駕駛員進行預警。適用于城市及郊區普通道路及公路的交叉口、環島入口等環境中的異常車輛提醒。幫助駕駛員及時發現前方異常車輛，從而避免或減輕碰撞，提高通行能力。（9）道路危險狀況提示 車輛行駛到潛在危險狀況（如橋下存在較深積水、路面有深坑、道路濕滑、前方急轉彎等）路段，存在發生事故風險時，邊緣計算單元對周圍車輛進行預警，便于駕駛員提前進行處置，提高車輛對危險路況的感知能力，降低駛入該危險區域的車輛發生事故的風險。（10）緊急車輛提醒 基于車車通信技術，將救援車輛（救護車、消防車等）的位置和移動方位信息向特定范圍內的網聯汽車發送，提示網聯汽車提前做好讓行準備。（11）闖紅

112、燈預警 經過有信號控制的交叉口或車道時，由于前方有大車遮擋視線或惡劣天氣影響視線，或由于其他原因駕駛員看不清信號燈的，系統檢測車輛當前所處位置和速度等，通過計算預測車頭經過停車線時信號燈的狀態，若系統認定車輛存在不按信號燈規定或指示行駛的風險時，向駕駛員進行預警。4.4 駕駛安全輔助控制系統駕駛安全輔助控制系統 對于特定生產或改裝的，經過授權控制的特種車輛、公務車輛、公共汽車、64 營運車輛等，系統可以在緊急的情況下，對車輛進行控制，以避免事故的發生。對車輛的自動控制包括剎車、轉向與油門控制。駕駛安全輔助控制系統可以利用V2X低延時通信網絡，根據需要對車輛采取控制措施，避免因駕駛員反應不及時引

113、發的事故。圖 6 傳統油門踏板與電子油門控制系統對比 4.5 交通信息服務系統交通信息服務系統 4.5.14.5.1 路況交通信息服務路況交通信息服務 主要用于對前方道路擁堵狀況、道路危險狀況、事故狀況、道路施工狀況和車輛故障狀況發布給駕駛員，實現提前預警和實時報警，提醒駕駛員避開擁擠道 65 路，以便最大限度地減少交通異常所造成的損失。4.5.24.5.2 精確定位服務精確定位服務 車載終端集成衛星定位模塊，可以利用全球衛星定位系統來實現車輛定位。第一，因為該系統同時集成了衛星定位模塊和移動通信模塊，通過利用移動通信網絡輔助GPS來給車輛提供實時定位信息。這樣就可以大幅提升系統搜索定位時間、

114、提高定位精度同時還可以在衛星信號無法覆蓋的區域內提供定位服務。第二，可以通過對定位數據進行加密后上傳至專業服務平臺還可以拓展出很多其他服務。例如，緊急救援服務、智能交通管理、車輛防盜等。特別是智能交通管理，如果可以精確獲取一定區域內的車輛實時位置信息，就可以在此基礎上對交通流進行有效管理，并結合通信服務等將疏導信息傳達到駕駛人員，進而解決交通擁堵問題。同時，統一的定位信息也可以為交通管理提供第一手的基礎數據。4.5.34.5.3 路徑導航服務路徑導航服務 車載終端可以有選擇的接入全球衛星定位系統，從而得到定位數據。進而當在終端上標注出目的地后，終端便會自動根據當前的位置，依據距離和道路等級為車

115、主設計行車路線。結合智能交通服務，道路上的車輛都將自身的定位數據發送到相關服務器上，導航系統可以綜合距離、道路等級和當前實時路況來為用戶設計更加優化路線。另外，這項服務還要依賴于地圖數據服務商提供高精度地圖數據。66 4.5.44.5.4 車輛緊急救援求助車輛緊急救援求助服務服務 通過在車輛上安裝相關傳感器并在車載終端上安裝相關軟件可以最大限度地減少道路交通事故中因救援遲緩造成的人員傷亡。如在發生嚴重交通事故后，即使司機和乘客失去知覺不能撥打電話，該終端也能夠自動撥叫緊急救援電話，并且自動報告事故車輛所處的位置。車載終端綜合使用衛星通信、移動通信手段，實現緊急情況下的手動或者自動報警和救援呼叫

116、，最大限度地減少道路交通事故中因救援遲緩造成的損失。4.5.54.5.5 車輛車輛維護保養信息服務維護保養信息服務 在車輛運行過程中，感知系統會實時向駕駛員顯示或報告車輛運轉的工作狀況，一旦出現車輛運轉異常狀況，系統會及時發出預警或報警信息提醒駕駛人員密切注意車輛自身運轉情況并采取應急措施。車載感知系統檢測車輛自身運轉狀態，并通過車載通信模塊及其它通信設施，實現由監控中心對車輛各種工況的遠程監測，平臺對此為駕駛員提供目的地或者沿途的維護與保養服務網點的信息。4.6 車輛安全信用評價系統車輛安全信用評價系統 根據車輛行駛記錄大數據，對車輛行駛安全性進行分析和評價，給出車輛行駛安全信用的綜合評價，

117、建立車輛安全信用評價數據檔案?？蓪囕v車主進行有針對性的安全教育，重點對安全信用評價不好的大型客、貨車進行安全監督。保險公司可以根據車輛司機的安全信用提供有針對性的汽車安全保險服務。4.7 無人駕駛輔助系統無人駕駛輔助系統 目前絕大多數的無人車技術方案都可以稱為“單車智能”，這種技術方案由于自身傳感器等的局限，不能達到安全的要求。車路協同技術可以通過寬帶、低延時的無線網將感知的道路和交通環境實時傳遞給無人車，拓展無人車的感知空間，輔助無人車達到L5級別的自動駕駛水平。67 4.8 車載終端服務車載終端服務 車載終端應用系統是無線通信技術、衛星導航系統、網絡通信技術和車載電腦綜合的產物。車載終端

118、可以提供以下服務：（1）實時為過往車輛提供實時的車輛安全信息，提示司機可能疏忽或者無法了解的危險，及時采取措施，提高駕駛安全性。（2）通過終端接收并查看交通地圖、路況介紹、交通信息、安全與治安服務，實時確認當前位置，及時反饋預警與報警。（3）汽車在行駛過程中出現故障時，通過無線通信連接車路協同服務平臺進行遠程車輛診斷，內置在車輛的車載感知單元記錄汽車主要部件的工作狀態，并隨時為駕駛員和平臺提供準確的故障位置和原因。（4）可以了解臨近停車場的車位狀況和娛樂信息服務等，后排座位可以玩電子游戲、應用網絡（包括金融、新聞、郵件等）。圖 7 車載終端 5 小結小結 車路協同服務平臺利用LTE/5G V2

119、X寬帶、低延時通信技術實現從終端到路側邊緣端再到云端的瞬時通信，對實時交通大數據進行分析和研判，對車輛安全 68 和高效行駛提供信息服務（甚至是遠程遙控）。解決自主自動駕駛汽車對周邊環境感知的不足問題，可大幅度低成本地提升自動駕駛汽車的水平。車路協同服務平臺是政府部門利用政策優勢為自動駕駛汽車行業發展提供的最直接的服務。也是未來城市智慧交通發展的必由之路。車路協同服務平臺可由政府建設，成立專門的運營公司運營。運營車路協同服務平臺的公司可以通過為車企、保險公司提供大數據服務盈利?？梢詾檎煌ㄏ嚓P部門提供數據而實現社會效益。69 六六 邊緣智能邊緣智能深度學習和邊緣計算深度學習和邊緣計算 隨著深

120、度學習的突破，近年來人工智能（AI）應用和服務蓬勃發展。在移動計算和物聯網進步的推動下，數十億移動和物聯網設備連接到互聯網，在網絡邊緣生成數以億計的數據字節。在人工智能和物聯網的驅動下，迫切需要將人工智能前沿推向網絡邊緣，充分釋放邊緣大數據的潛力。為了實現這一趨勢，邊緣計算是一個很有前途的解決方案，以支持計算密集型人工智能應用在邊緣設備上。邊緣智能或邊緣人工智能是人工智能和邊緣計算的結合；它支持將機器學習算法部署到生成數據的邊緣設備。邊緣智能有可能為任何地方的每個人或組織提供人工智能。1 什么是邊緣計算什么是邊緣計算 邊緣計算的概念是在更靠近需要提高響應時間和節省帶寬的位置捕獲、存儲、處理和分

121、析數據。因此，邊緣計算是一種分布式計算框架，它使應用程序更接近物聯網設備、本地終端設備或邊緣服務器等數據源。圖 1 邊緣計算的概念 70 邊緣計算的基本原理是計算應該發生在數據源附近。因此，我們設想邊緣計算可能對我們的社會產生與云計算一樣大的影響。2 為什么我們需要邊緣計算為什么我們需要邊緣計算 2.1 數據在網絡邊緣生成數據在網絡邊緣生成 作為推動人工智能發展的關鍵驅動力，大數據最近經歷了數據源從超大規模云數據中心到日益普及的終端設備（如移動和物聯網設備）的根本轉變。傳統上，網絡購物記錄、社交媒體內容、商業信息等大數據主要是在超大規模數據中心產生和存儲的。然而，隨著移動計算和物聯網的出現，這

122、種趨勢現在正在逆轉。如今，大量傳感器和智能設備產生海量數據，不斷增長的計算能力正在推動計算和服務的核心從云端到網絡邊緣。今天，超過 500 億物聯網設備連接到互聯網，IDC 預測，到 2025 年，將有 800 億物聯網設備和傳感器在線。思科的全球云指數估計，到 2021 年，每年將在云之外生成近 850 ZB 的數據，而全球數據中心流量僅為 20.6 ZB。這表明數據源正在轉變從大規模的云數據中心到越來越廣泛的邊緣設備。同時，云計算逐漸無法管理這些大規模分布的計算能力并分析它們的數據：資源：通過廣域網(WAN)移動大量數據對網絡容量和云計算基礎設施的計算能力提出了嚴峻挑戰。延遲：對于基于云的

123、計算，傳輸延遲可能非常高。許多新型應用程序都具有挑戰性的延遲要求，而云計算很難始終如一地滿足這些要求（例如，協作式自動駕駛）。2.2 邊緣計算在數據源提供數據處理邊緣計算在數據源提供數據處理 邊緣計算是一種將云服務從網絡核心推向網絡邊緣的范式。邊緣計算的目標是盡可能靠近數據源和最終用戶托管計算任務。當然，邊緣計算和云計算并不相互排斥。相反，邊緣補充并擴展了云。邊緣 71 計算與云計算相結合的主要優勢如下：骨干網絡性能：骨干網絡性能：分布式邊緣計算節點可以處理許多計算任務，而無需與云交換底層數據。這允許優化網絡的流量負載。敏捷服務響應：敏捷服務響應：部署在邊緣的應用可以顯著降低數據傳輸的延遲，提

124、高響應速度。強大的云備份強大的云備份：在邊緣無法承受的情況下，云可以提供強大的處理能力和海量、可擴展的存儲。數據越來越多地在網絡邊緣產生，在網絡邊緣處理數據會更有效。因此，邊緣計算憑借其減少數據傳輸、改善服務延遲、緩解云計算壓力的優勢，成為突破新興技術瓶頸的重要解決方案。3 緣智能結合人工智能和邊緣計算緣智能結合人工智能和邊緣計算 3.1 在邊緣生成的數據需要人工智能在邊緣生成的數據需要人工智能 移動和物聯網設備的數量和類型激增，導致產生大量持續感知的設備物理環境的多模態數據（音頻、圖片、視頻）。連接的邊緣設備創建的數據與在云中處理的數據之間的差距 72 人工智能在功能上是必要的，因為它能夠快

125、速分析這些龐大的數據量并從中提取洞察力以進行高質量的決策。Gartner 預測，到 2022 年，超過 80%的企業物聯網項目將包含人工智能組件。最流行的人工智能技術之一是深度學習，它能夠識別模式并檢測邊緣設備感測到的數據中的異常情況，例如人口分布、交通流量、濕度、溫度、壓力和空氣質量。然后，從感測數據中提取的見解會被提供給實時預測決策（例如公共交通規劃、交通控制和駕駛警報），以響應快速變化的環境，從而提高運營效率。3.2 什么是邊緣智能和邊緣人工智能什么是邊緣智能和邊緣人工智能 邊緣計算和人工智能的結合催生了一個名為“邊緣智能”或“邊緣人工智能”的新研究領域。邊緣智能利用廣泛的邊緣資源為 A

126、I 應用程序提供支持，而無需完全依賴云。雖然 Edge AI 或 Edge 智能是一個全新的術語，但這個方向的實踐很早就開始了，微軟在 2009 年構建了一個基于邊緣的原型來支持移動語音命令識別。圖 2 邊緣計算場景 然而，盡管早期探索開始，邊緣智能仍然沒有正式的定義。目前，大多數組織和媒體將邊緣智能稱為“在終端設備上本地運行 AI 算法的范例，其數據（傳 73 感器數據或信號）是在設備上創建的?！边吘壢斯ぶ悄芎瓦吘壷悄鼙粡V泛認為是研究和商業創新的領域。由于在邊緣運行 AI 應用程序的優越性和必要性，Edge AI 近來受到了極大的關注。Gartner 技術成熟度曲線（Gartner Hype

127、 Cycles）將邊緣智能命名為一項新興技術，它將在未來 5 到 10 年內達到生產力平臺。包括谷歌、微軟、IBM、英特爾在內的多家主要企業和技術領導者展示了邊緣計算在連接人工智能最后一公里方面的優勢。這些努力包括廣泛的人工智能應用，例如實時視頻分析、認知輔助、精準農業、智能家居和工業物聯網。圖 3 邊緣智能和智能邊緣的概念 74 3.3 云不足以支持深度學習應用程序云不足以支持深度學習應用程序 由于深度學習在計算機視覺（CV）和自然語言處理（NLP）領域的巨大優勢，基于人工智能和深度學習的智能服務和應用已經改變了人們生活的許多方面。但是，由于效率和延遲問題，目前的云計算服務架構還不足以為任何

128、地方的每個人和每個組織提供人工智能。對于更廣泛的應用場景，如智能工廠和城市、智能交通、人臉識別、醫學影像等，由于以下因素，提供的智能服務數量有限：成本：云端深度學習模型的訓練和推理需要設備或用戶向云端傳輸海量數據。這會消耗大量的網絡帶寬。延遲：訪問云服務的延遲通常無法保證，對于許多時間關鍵的應用程序來說可能不夠短?？煽啃裕捍蠖鄶翟朴嬎銘贸绦蛞蕾嚐o線通信和骨干網絡將用戶連接到服務。對于很多工業場景，即使在網絡連接丟失的情況下，智能服務也必須是高可靠的。隱私：深度學習通常涉及大量的私人信息。人工智能隱私問題對智能家居和城市等領域至關重要。在某些情況下，甚至可能無法傳輸敏感數據。由于邊緣比云更接近

129、用戶，邊緣計算有望解決其中的許多問題。3.4 將深度學習轉移到邊緣的優勢將深度學習轉移到邊緣的優勢 AI 和邊緣計算的融合是很自然的，因為它們之間有明顯的交集。在網絡邊緣生成的數據依賴于人工智能來充分釋放其全部潛力。邊緣計算能夠隨著更豐富的數據和應用場景而蓬勃發展。邊緣智能有望盡可能地將深度學習計算從云端推向邊緣。這使得開發各種分布式、低延遲和可靠的智能服務成為可能。將深度學習部署到邊緣的優勢包括：75 低延遲：深度學習服務部署在請求用戶附近。這顯著減少了將數據發送到云進行處理的延遲和成本。隱私保護：由于深度學習服務所需的原始數據存儲在本地邊緣設備或用戶設備本身而不是云端，因此隱私得到增強。更

130、高的可靠性：分散和分層的計算架構提供了更可靠的深度學習計算?？蓴U展的深度學習：邊緣計算憑借更豐富的數據和應用場景，可以推動深度學習在各行業的廣泛應用，推動人工智能的普及。商業化：多樣化和有價值的深度學習服務拓寬了邊緣計算的商業價值，加速了其部署和增長。使用靠近數據源的網絡邊緣資源釋放深度學習服務已成為一種理想的解決方案。因此，邊緣智能旨在促進使用邊緣計算部署深度學習服務。圖 4 云、設備端和邊緣智能的能力比較 3.5 邊緣計算是泛在人工智能的關鍵基礎設施邊緣計算是泛在人工智能的關鍵基礎設施 人工智能技術已經在我們日常生活中的許多數字產品或服務（電子商務、服務推薦、視頻監控、智能家居設備等）中取

131、得了巨大的成功。此外，人工智能是 76 新興創新前沿領域的關鍵驅動力，如自動駕駛汽車、智能金融、癌癥診斷、智慧城市、智能交通和醫療發現?；谶@些例子，人工智能領域的領導者推動實現更豐富的深度學習應用程序，并突破可能的界限。因此，泛在人工智能是各大 IT 公司宣稱的目標，其愿景是“為每個人和每個組織在任何地方制造人工智能”。因此，人工智能應該“更接近”人、數據和終端設備。顯然，在實現這一目標方面，邊緣計算比云計算更勝任：與云數據中心相比，邊緣服務器更靠近人、數據源和設備。與云計算相比，邊緣計算更實惠且易于訪問。邊緣計算有可能提供比云計算更多樣化的人工智能應用場景。由于這些優勢，邊緣計算自然是無處

132、不在的人工智能的關鍵推動因素。4 在網絡邊緣部署機器學習算法在網絡邊緣部署機器學習算法 前所未有的數據量，加上最近人工智能(AI)的突破，使深度學習技術的使用成為可能。邊緣智能支持在網絡邊緣部署機器學習算法。將學習推向邊緣的主要動機是允許快速訪問邊緣設備生成的大量實時數據，用于快速的 AI 模型訓練和推理，從而賦予設備類人的智能，以響應實時事件。設備上的分析在設備上運行 AI 應用程序以在本地處理收集的數據。因為許多人工智能應用需要高計算能力，這大大超過了資源和能源受限的邊緣設備的能力。因此，缺乏性能和能效是邊緣人工智能的共同挑戰。4.1 不同級別的邊緣智能不同級別的邊緣智能 邊緣智能的大多數

133、概念通常都集中在推理階段（運行 AI 模型），并假設 AI 模型的訓練在云數據中心進行，主要是由于訓練階段的資源消耗較高。然而，邊緣智能的全部范圍充分利用終端設備、邊緣節點和云數據中心的層次結構中的可用數據和資源來優化訓練和推理深度神經網絡模型的整體性能。77 因此，邊緣智能并不一定要求深度學習模型在邊緣完全訓練或推理。因此，存在涉及數據卸載和協同訓練的云邊緣場景。圖 5 邊緣智能：云和邊緣計算的范圍 一般沒有“最佳級別”，因為邊緣智能的最佳設置取決于應用程序，并且是通過聯合考慮延遲、隱私、能效、資源成本和帶寬成本等多個標準來確定的。云智能是完全在云端對 AI 模型進行訓練和推理。設備端推理包

134、括在云端進行 AI 模型訓練，而 AI 推理則以完全本地的設備端方式應用。設備上推理意味著不會卸載任何數據。邊緣智能完全在設備上執行 AI 模型的訓練和推理。通過將任務轉移到邊緣，減少數據卸載的傳輸延遲，增加數據隱私，降低云資源和帶寬成本。然而，這是以增加能源消耗和邊緣計算延遲為代價的。設備端推理目前是一種適用于各種設備端 AI 應用程序的有前途的方法，已 78 被證明在許多用例中都達到了最佳平衡。設備端模型訓練是聯邦學習的基礎。4.2 邊緣深度學習設備端推理邊緣深度學習設備端推理 AI 模型，更具體地說是深度神經網絡(DNNs)，需要更大規模的數據集來進一步提高其準確性。這表明計算成本急劇增

135、加，因為深度學習模型的出色性能需要高級硬件。因此，很難將它們部署到邊緣，這會帶來資源限制。因此，大規模深度學習模型一般部署在云端，而終端設備只是將輸入數據發送到云端，然后等待深度學習推理結果。然而，僅云推理限制了深度學習服務的普遍使用：推理延遲。具體來說，它不能保證實時應用的延遲要求，例如對延遲要求嚴格的實時檢測。隱私。數據安全和隱私保護是基于云的推理系統的重要限制。為了應對這些挑戰，深度學習服務傾向于求助于邊緣計算。因此，必須定制深度學習模型以適應資源受限的邊緣。同時，需要仔細優化深度學習應用程序，以平衡推理準確性和執行延遲之間的權衡。5 下一步是什么？下一步是什么？隨著人工智能和物聯網的出

136、現，需要將人工智能前沿從云端推向邊緣設備。邊緣計算已成為廣泛認可的解決方案，可在資源受限的環境中支持計算密集型 AI 應用程序。智能邊緣，也稱為邊緣人工智能，是一種將邊緣計算和人工智能結合在一起的新范式，其目標是為各行各業的組織提供無處不在的人工智能應用程序。79 七七 北京市自動駕駛車輛測試北京市自動駕駛車輛測試場建設場建設概況概況 北京市作為全國科技創新中心，在自動駕駛車輛道路測試方面先行先試，有力的推動了全國自動駕駛車輛道路測試工作，促進了北京市自動駕駛產業的蓬勃發展，加速了產業融合創新。截至2020年6月底，北京市自動駕駛開放測試道路累計長度達到699.58公里，覆蓋北京市四個行政區的

137、200條道路。測試車輛達到77輛，共完成測試里程達到158萬公里。1 相關法規和標準相關法規和標準 2017 年12 月，北京市出臺了自動駕駛車輛道路測試的政策指導文件，重點突破了有關自動駕駛車輛開展道路測試的政策法規、管理主體、測試場地、測試流程、事故保險賠償及測試監管等系列問題。2018年4月，國家三部委出臺智能網聯汽車道路測試管理規范（試行），確定了智能網聯汽車測試管理的基本框架，從國家層面準許各地開展自動駕駛公開道路測試。2018年08月10日，北京市交通委聯合北京市公安交管局、北京市經濟信息委等部門，制定發布了北京市關于加快推進自動駕駛車輛道路測試有關工作的指導意見（試行）和北京市自

138、動駕駛車輛道路測試管理實施細則（試行）兩個文件，規范推動自動駕駛汽車的實際道路測試。2019 年12 月13 日，北京市自動駕駛測試管理聯席工作小組發布北京市自動駕駛車輛道路測試管理實施細則（試行）（第三版）。2019 年6 月，北京市自動駕駛測試管理聯席工作小組發布了北京市自動駕駛車輛測試道路管理辦法（試行），鼓勵各區縣依據技術要求，因地制宜遴選測試道路，并允許選取開放自動駕駛測試區域。80 2 自動駕駛開放測試道路自動駕駛開放測試道路 截至當前，北京市自動駕駛開放測試道路累計長度達到699.58公里，覆蓋北京市四個行政區的200條道路。各區分布情況見下表。北京市自動駕駛開放測試道路分布圖

139、2.1.12.1.1 海淀海淀 6月30日，北京市公安局公安交通管理局、北京市交通委員會、北京市經濟和信息化局聯合發布公告，由實創股份、翠湖智能網聯公司建設的海淀中關村科學城北區100平方公里自動駕駛示范區一期自動駕駛測試道路全面開放。中關村科學城北區自動駕駛測試道路由原來3條，19.4公里擴增至52條，215.3公里。自此，中關村科學城北區將擁有從封閉測試場、科技園場景應用示范區到開放道路測試更加完善的測試環境，更好的推進不同場景下的自動駕駛應用示范，推動自動駕駛從技術測試階段進入商業模式探索階段。81 2020年6月28日通告測試道路清單：蘇四路（蘇家坨北路至聶各莊東路之間路段）、蘇家坨北

140、路（蘇四路至前沙澗路之間路段）、北安河北路（溫北路至聶各莊路之間路段）、柳泉路（蘇二路至聶各莊東路之間路段）、蘇一路（溫陽路至柳泉路之間路段）、蘇二路（溫陽路至柳泉路之間路段）、琪樹路（前沙澗路至蘇四路之間路段）、瑞鳳路（前沙澗路至同澤園路之間路段）、鳳儀路（蘇一路至聶各莊東路之間路段）、同澤園路（瑞鳳路至聶各莊東路之間路段）、納蘭園西路（翠湖北路至沙陽路之間路段）、向山路（北清路至黑龍潭路之間路段）、溫陽路（沙陽路至溫泉路之間路段）、疊風路（白家疃西路至白家疃東路之間路段）、白家疃西路（溫泉路至溫北路之間路段）、御風路（白家疃西路至雙坡路之間路段）、前沙澗路（蘇家坨北路至聶各莊東路之間路段）

141、、蘇三路（后沙澗路至聶各莊東路之間路段）、后沙澗路（蘇四路至前沙澗路之間路段）、翠湖北路（上莊路至溫陽路之間路段）、豐潤中路（永澄北路至永豐路之間路段）、豐德中路（永澄北路至永盛北路之間路段）、豐慧中路（永澄北路至永豐路之間路段）、豐秀中路（永澄北路至永豐路之間路段）、永澄北路（豐潤中路至北清路之間路段）、永騰北路（豐潤中路至北清路之間路段）、永翔北路（豐德中路至北清路之間路段）、永盛北路（豐德中路至北清路之間路段）、豐豪中路（北清路至永豐路之間路段）、用友路（永澄南路 82 至永豐路之間路段）、永騰南路（北清路至豐瀅中路之間路段）、永盛南路（北清路至用友路之間路段）、豐賢中路（永澄北路至永豐

142、路之間路段）、白家疃東路（溫泉路至楊家莊路之間路段）、雙坡路（溫北路至溫泉路之間路段）、簸箕水路（御風路至溫泉路之間路段）、稻香湖路（翠湖北路至溫北路之間路段）、溫北路（沙陽路至黑龍潭路之間路段）、沙陽路（溫北路至上莊路之間路段）、豐瀅中路（永澄南路至永豐路之間路段）、永澄南路（豐瀅中路至北清路之間路段）、楊家莊路（白家疃路至白家疃東路之間路段）、顯龍山路（白家疃路至雙坡路之間路段）、白家疃路（溫北路至溫泉路之間路段）、北清路（北安河路至永豐路之間路段）、上莊路（沙陽路至翠湖北路之間路段）、溫泉路（黑龍潭路至溫陽路之間路段）、永豐路（豐潤中路至豐瀅中路之間路段）、聶各莊東路（溫陽路至聶各莊路之

143、間路段）、聶各莊路（溫北路至北安河路之間路段）、鳳凰嶺路（溫北路至聶各莊路之間路段）、梁家園路（溫北路至聶各莊路之間路段）。2.2 亦莊亦莊 北京經濟技術開發區開放40平方公里區域作為自動駕駛車輛測試區，共計111條道路，總里程322.46公里。除學校、醫院、寫字樓集中的路段未開放，基本實現了全區域開放，這也是本市第一次開放自動駕駛車輛測試區域。83 2019年10月12日通告規定的測試區范圍和禁止測試的道路清單：文化園東路榮華北路至東環北路之間路段（含）、文化園西路西環北路至榮華北路之間路段（含）、西環北路文化園西路至三海子東路之間路段（含）、三海子東路西環北路至涼水河一街之間路段（含）、涼

144、水河一街三海子東路至博興七路之間路段（含）、博興七路涼水河一街至興亦路之間路段（含）、興亦路博興七路至博興路之間路段（含）、博興路興亦路至新鳳河路之間路段（含）、新鳳河路博興路至泰河路之間路段（含）、泰河路新鳳河路至博興三路之間路段（含）、博興三路泰河路至西環南路之間路段（含）、西環南路博興三路至經海三路之間路段（含）、科創十七街經海三路至通惠干渠路之間路段（含）、通惠干渠路科創十七街至科創十街之間路段（含）、科創十街通惠干渠路至經海路之間路段（含）、經海路科創十街至科創五街之間路段（含）、科創五街經海路至經海四路之間路段（含）、經海四路科創五街至科創四街之間路段（含）、科創四街經海四路至經海

145、一路之間路段（含）、經海一路科創四街至科創五街之間路段（含）、科創五街經海一路至東環北路之間路段（含）、東環北路科創五街至文化園東路之間路段（含）圍成的區域以內道路為自動駕駛車輛測試道路。以上區域內禁止在下列道路進行自動駕駛車輛測試：科慧大道（天寶東路至文化園西路之間路段）、西環南路（榮昌西街至博興三路之間路段）、廣德北巷（西環北路至亦德路之間路段）、廣德中巷（西環北路至科慧大道之間路段）、天寶北街（西環北路至科慧大道之間路段）、天寶中街（西環北路至科慧大道之間路段）、天寶西路（榮京西街至天寶中街之間路段）、西環東一路（地盛南街至地盛北街之間路段）、景園南街（西環南路至景園街之間路段）、西環東

146、二路（景園南街至建安街之間路段）、宏達西路（康定街至景園街之間路段）、景園北街（榮昌西街至景園街之間路段）、涼水河二街（博興三路至博興七路之間路段）。V2X設備設置 2017年9月，北京市在北京經濟技術開發區榮華中街路上建設并開放了國內首個V2X潮汐測試道路，支持與交通信號系統、毫米波雷達、標志標牌、可變情報板等路側設施的連接，自動駕駛車輛可以在該路段上進行智能網聯汽車的道路 84 協同測試。開放測試道路起始于博大大廈十字路口，終點設在永昌南路十字路口，經過7個紅綠燈路口。2019年，上述道路V2X測試方案已升級至亦莊40多公里的V2X試驗區。由北京智能車聯產業創新中心整體規劃，聯合千方科技在

147、北京經濟技術開發區增加建設了26個點位LTE-V2X設備，能夠滿足多種V2V、V2I、V2P的面向輔助駕駛和自動駕駛的V2X應用場景。2.3 順義順義 2019年10月11日，北京市公安局公安交通管理局、北京市交通委員會和北京市經濟和信息化局聯合發布關于指定順義區自動駕駛車輛測試道路的通告。規定，北京順義區26條道路自10月11日起成為自動駕駛車輛測試道路，自動駕駛車輛每天可在9時至17時上路測試，上路測試的自動駕駛車輛應取得臨時行駛車號牌。至此，順義區自動駕駛開放測試道路從11.2公里擴展至145公里。路線清單：文良北街（恒興東路至恒興西路之間路段）、恒興西路（開元街至文良路之間路段）、恒興

148、路（開元街至文良路之間路段）、文良街（恒興東路至恒興西路之間路段）、恒興東路（開元街至文良街之間路段）、開元街（恒興東路至恒興西路之間路段）、白馬路(京承高速至李木路之間路段)、乾安路（順豐大街至白 85 馬路之間路段）、右堤路（昌金路至復興東街之間路段）、左堤路（昌金路至白馬路之間路段）、通順路（順豐大街至外環路之間路段）、坤安路（順豐大街至復興四街之間路段）、順豐大街（乾安路至右堤路之間路段）、順恒大街（乾安路至坤安路之間路段）、復興四街（通順路至右堤路之間路段）、復興東街（通順路至右堤路之間路段）、李木路（趙陳路至白馬路之間路段）、趙陳路（李木路至順密路之間路段）、和新街（上宏西路至李魏

149、路之間路段）、北小營大街（順密路至李魏路之間路段）、順密路（北小營大街至趙陳路之間路段）、順密路（趙陳路至白馬路之間路段）、上宏西路（北小營大街至趙陳路之間路段）、上宏中路（北小營大街至趙陳路之間路段）、上宏東路（北小營大街至趙陳路之間路段）、李魏路（北小營大街至趙陳路之間路段）。2.4 房山房山 2018年9月19日，由北京市房山區人民政府，中國移動聯合主辦，中國移動全資子公司中移智行網絡科技有限公司承辦的首屆中國移動5G自動駕駛峰會在京開幕。會上，中國第一條5G自動駕駛車輛測試道路，5G自動駕駛聯盟建立及領先計劃，中國移動“和路通”智能ETC的重磅發布，開啟了5G汽車聯網應用的序幕。中國第

150、一條 5G 自動駕駛車輛測試道路位于北京房山高端制造業基地，該道路可提供 5G 自動駕駛所需的 5G 網絡，5G 邊緣計算平臺，5G-V2X 能力，5G 高 86 級定位能力，幫助科技創新企業開展網聯自動駕駛汽車的研發，生產，質量檢測試，為 5G 自動駕駛產業打造良好的研發，孵化環境。房山開放道路 11 條，總長度 18 公里。2018年9月12日通告測試道路清單：啟望街（啟航中路至普安路之間路段）、迎賓南街（弘安路至普安路之間路段）、啟航西街（弘安路至普安路之間路段）、啟航中路（啟望街至啟航街之間路段）、廣翔路（啟望街至啟航街之間路段）、啟航街（廣茂路至普安路之間路段）、智慧西街（廣茂路至弘

151、安路之間路段）、智慧東街（廣茂路至弘安路之間路段）、交道西街（廣茂路至弘安路之間路段）、廣茂路（啟航街至交道西街之間路段）、弘安路（啟航街至交道西街之間路段）。3 封閉測試場封閉測試場 3.1 海淀基地測試場海淀基地測試場 國家智能汽車與智慧交通（京冀）示范區海淀基地是北京首個自動駕駛封閉測試場，占地近200畝，道路里程4.8公里?；鼐哂械湫途┘浇煌ㄌ攸c與華北典型氣候特點，具備搭建城市鄉村全場景的測試條件。道路種類 包括城市主干路、城市次干路、城市支路、公路等；道路形態包含陡坡路、拱橋路、急轉彎路連續彎道、林蔭路、起伏路、限高路、水泥路和砂石路等；交叉路口包括紅綠燈路口、XY異形交叉口、多支

152、路環島、多出入口主輔路等。場地道路種類形態豐富，交通場景典型，對自動駕駛車輛的測試訓練有很大的價值。87 （資料來源：智能車聯）3.2 亦莊基地測試場亦莊基地測試場 亦莊封閉測試場占地650畝，依據T1-T5級別測試需求建設，涵蓋高速公路、山路、鄉村道路、城市復雜環路、鐵路、隧道等多種交通場景，2018年中旬竣工使用。該封閉試驗場立足京冀，面向全國；具有便利的京津冀交通條件與華北典型氣候特點；擁有支持V2X與面向美國SAE自動駕駛L4級以上的測試能力；結合智能交通系統管理與控制；具有高速、城市與鄉村全場景。88 （資料來源：智能車聯）3.3 順義在建測試場順義在建測試場 北小營鎮全封閉無人駕駛

153、測試場項目占地約300畝，圍繞智能網聯汽車測試軟件開發、智能硬件研發、測試、無人駕駛賽道、汽車文化等功能，建成全封閉式智能汽車實驗和測評基地。截至到4月，該項目已完成整體工程進展的60%，其中，測試場地已完工、場內四棟附屬設施完成樁基截樁和壓樁實驗及褥墊層施工，預計2021年上半年全部投入使用。89 4 測試測試 截止到2019 年12 月31 日，有13 家企業，涵蓋6 家互聯網企業、6 家主機廠、1 家地圖廠商共計77 輛車，參與了北京市自動駕駛車輛一般性道路測試，路測里程達104 萬公里。申請企業數、車輛數、路測里程均位居全國第一。其中，2019 年度，有12 家企業，73 輛車參與北京

154、市自動駕駛車輛一般性道路測試，并首次為百度公司40 輛車，發放了允許載人測試的聯席審查意見。截至2020年6月，北京自動駕駛車輛的道路測試路程已超過158萬公里。近日，北京市公布了2020年自動駕駛車輛道路測試資格名單。獲得測試資格的有百度、小馬智行、戴姆勒、奧迪、美團旗下三快在線，以及豐田汽車研發中心（中國）。相比2019年的名單，會發現蔚來汽車、騰訊、蘇州滴滴等沒有出現在2020年的名單里。5 道路測試監管道路測試監管 為了滿足北京自動駕駛車輛道路測試服務的需求，智能車聯在北京市自動駕駛測試管理聯席小組的指導下開發了全國首套自動駕駛道路測試監管平臺。該平臺能夠準確，客觀，公正的記錄自動駕駛

155、車輛在實際道路測試中的行為，通過對 90 監管數據的溯源、挖掘、分析，為北京市自動駕駛政策的改進與優化提供數據支撐，以此來保障自動駕駛車輛道路測試安全可控。2020年1月，北京市三委、局公布了關于采納自動駕駛車輛道路測試能力評估內容與方法 T/CMAX 116-012018、自動駕駛車輛封閉試驗場地技術要求 T/CMAX 116-022018 和北京市自動駕駛車輛模擬仿真測試平臺技術要求T/CMAX 121的通知，確認采納三個標準。91 八八 智能網聯汽車封閉測試場建設方案智能網聯汽車封閉測試場建設方案 1 背景背景 2021 年 7 月 30 日，工業和信息化部發布了關于加強智能網聯汽車生產

156、企業及產品準入管理的意見（下稱意見）。此前，4 月 7 日工業與信息化部發布了 智能網聯汽車生產企業及產品準入管理指南（試行）（征求意見稿）。該指南的附件 3 智能網聯汽車產品準入測試要求。規定申請準入的智能網聯汽車產品應至少滿足 1）模擬仿真測試要求、2）封閉場地測試要求、3）實際道路測試要求、4）車輛網絡安全測試要求、5）軟件升級測試要求和 6）數據存儲測試要求。目前自動駕駛算法測試大約 90%通過仿真平臺完成，9%在測試場完成，1%通過實際路測完成。隨著仿真技術水平的提高和應用的普及，行業旨在達到通過仿真平臺完成 99.9的測試量，封閉場地測試完成 0.09，最后 0.01到實路上去完成

157、，這樣可以使自動駕駛汽車研發達到更高效、經濟的狀態。另外一方面，與汽車自動駕駛由眾多汽車廠家投資研發不同，車路協同技術中路側邊緣計算智能駕駛汽車模型因為基礎設施投資巨大，真實道路沒法試驗等因素，一直無法開展。因此亟需需要一個可以驗證路側智能駕駛汽車模型的環境，促進車路協同的技術發展。相關主要標準規范如下：自動駕駛封閉測試場地建設技術指南（暫行）2018 智能網聯汽車測試場設計技術要求（TCSAE 125-2020）自動駕駛車輛道路測試能力評估內容與方法 TCMAX 116-012018 自動駕駛車輛封閉試驗場地技術要求 TCMAX 116-022018 北京市自動駕駛車輛模擬仿真測試平臺技術要

158、求 TCMAX 121-2019 智能網聯汽車生產企業及產品準入管理指南（試行）（征求意見稿）92 2 總體建設總體思路總體建設總體思路 2.1 建設目標建設目標 總體目標為通過建設道路、橋梁、隧道、交叉口、停車場等測試研究所需典型道路交通基礎環境，完善場地內交通環境如模擬行人、自行車、機動車等，氣象環境如雨、雪、霧等智慧公路和自動駕駛領域技術研究條件，實現可同時滿足智慧道路、自動駕駛不同廠商客戶研究需要，促進其相關新技術研究、技術驗證和測試工作。分項目標為：建設道路基礎設施，滿足封閉場地實際駕駛測試的各種場景測試要求。建設大數據中心，實現自動駕駛、車路協同的大數據存儲、信息交換和共享。建設智

159、能網聯測試服務平臺，用于實時感知、監視、傳輸數據、和管理測試場的交通環境和測試進程。建設模擬駕駛測試平臺，實現高水平的駕駛模擬測試。2.2 平臺架構平臺架構 93 圖 2 智能網聯車測試服務平臺邏輯架構 2.3 主要建設內容主要建設內容 建設內容主要包括基礎設施建設和智能網聯車測試服務平臺。概括起來為“11711”，即 1 套基礎設施、1 個數據中心、7 個應用系統平臺、1 套支撐和 1套配套工程。3 建設內容建設內容 3.1 基礎設施建設基礎設施建設 3.1.13.1.1 道路基礎設施道路基礎設施 根據相關標準建設高速、城市、鄉村等各類測試道路，其中包括直路、彎道、坡道等各種道路線型，包括十

160、字交叉、丁字交叉和環島等各種交叉路口形式，還包括立交橋和涵道等特殊的道路條件。3.1.23.1.2 交通模擬基礎設施交通模擬基礎設施 根據項目需求，需要建設以下交通模擬設施：模擬濕滑路面設施、模擬雨天設施、模擬霧天設施、模擬夜間路燈設施、模擬光照設施、模擬收費站、模擬加油站、模擬充電站、模擬高速服務區、模擬街景設施、模擬停車場、模擬限高設施、模擬限寬設施、模擬公共汽電車站臺、道路隔離設施與安全設施、減速帶等。3.1.33.1.3 交通標志和標線交通標志和標線 根據國標，為測試道路建設相應的各類標志、標線。常用和主要的交通標志和標線要配齊。3.1.43.1.4 交通信號燈交通信號燈 在交叉路口宜

161、部署交通信號控制系統，為自動駕駛車輛測試提供城市道路環境下真實的交叉路口場景，自動駕駛測試車輛可通過信號機數據獲取豐富的交叉 94 口信息。信號機應滿足GB 25280標準要求，并兼容國家運輸ITS通信協議（NTCIP）協議。3.1.53.1.5 動態交通模擬設備動態交通模擬設備 項目建設模擬機動車、非機動車、人、動物等設施。根據需要不同，各類設施可細分如行人包括成年人、兒童、老人和殘障人士等。交通流模擬設備還包括施工區、障礙物、事故現場和交通管控等。3.1.63.1.6 網聯通網聯通信設備信設備 部署 C-V2X 網聯通信方式，部署的 C-V2X 網聯通信設備應支持蜂窩通信（Uu）和直連通信

162、（PC5）兩種工作模式，且符合國家和國際相關標準的要求。網聯通信路側設備依據場地內道路實際情況及自動駕駛評估內容專項要求合理部署。95 圖 3 V2X 網絡通信架構 3.1.73.1.7 高精度定位增強設備高精度定位增強設備 布設差分基站，提供高精度定位差分信號，差分信號應滿足：北斗和 GPS 等多種制式多頻點差分增強信號；支持 RTD 和 RTK 差分信息。兼容性要求能夠接入國內外主流廠家生產的移動終端。3.1.83.1.8 交通感知設備交通感知設備 建設包括視頻、毫米波雷達、激光雷達等各類感知設備。（1）視頻監控功能要求 交通現場視頻監視。交通行為識別與記錄。交通流量和占有率統計。車牌圖像

163、自動識別。（2）毫米波雷達功能要求 96 實現中心對部署的雷達設備的統一管理。通過以太網，可以對各個雷達安裝的參數、道路信息、交通配置信息進行數據下發。定時輸出車輛排隊信息，包含排隊車輛數、排隊長度、排隊次數等。定時輸出斷面過車信息。虛擬線圈檢測功能，可提供基于斷面的車輛存在信息。（3）激光雷達功能要求 識別路側激光雷達所在區域的固定結構，如固定頂桿、路面、道路邊界等。識別道路環境中的非固定物體。通過目標聚類，對大型車輛、小型車輛、行人、非機 動車或其他障礙物進行分類。對目標進行連續跟蹤，輸出目標的位置、大小、速度、方向，推算目標軌跡。3.2 大數據中心大數據中心 建設車路協同大數據中心和技術

164、數據交互平臺，實現 V2X 數據的采集、清洗、治理、融合、存儲和共享。為車路協同的研發、測試、運行運營、應用驗證、產業化提供信息交互數據共享的基礎云平臺。數據中心提供智能網聯駕駛云服務，采用云邊端三級體系，結合移動邊緣計算技術，具備支持車輛接入的橫向擴展和應用運行智能動態調度能力，滿足智能網聯駕駛協同感知、決策與控制的低時延、高可靠性、高安全性要求的專業云平臺 PaaS 服務。3.3 智能網聯汽車測試服務平臺智能網聯汽車測試服務平臺 3.3.13.3.1 智能感知實時監控平臺智能感知實時監控平臺 實時采集和處理 V2X 通信傳來網聯車輛信息，采集和處理來自交通管理設施（如信號燈）和道路感知設施

165、（如視頻監控、毫米波雷達、激光雷達等）的數 97 據，對數據進行清洗、處理和融合，得出交通現場環境的整體信息。一方面，展示現場實時交通狀態，測試車輛的位置信息和軌跡，實現對場地智能網聯場地全域、可視化運營管控。另一方面，將數據共享給其他測試車輛和測試、研究人員，對數據進行分析和技術驗證。同時平臺可以實時各類監測設備運行狀態，通過對各項數據進行分析，進而實現一體化、數字化、自動化的運維。3.3.23.3.2 高精動態地圖服務平臺高精動態地圖服務平臺 高精動態地圖服務平臺作為“車、路、云”動態數據匯聚平臺，將打通高精地圖所需的各類數據接口，實現“車、路、云”等多源動態數據的匯聚，構建智能網聯汽車及

166、道路交通地理信息系統在線服務體系，支撐在線更新，解決高精地圖更新的實時性問題。動態數據匯聚平臺匯聚車端、路側端、第三方平臺動態數據，支撐高精靜態地圖和動態地圖更新。高精靜態地圖和動態地圖的安全推送及精準推送。靜態地圖和動態地圖的推送有兩種形式，一種是利用無線網絡將地圖信息推送給車端和路側端，一種是下發給路側邊緣云再推送給車輛。3.3.33.3.3 智能網聯汽車能力評估平臺智能網聯汽車能力評估平臺 平臺可自動實現場景任務調度、串聯場景切換等服務，可對場景實現統計等業務功能。平臺可對評測的自動駕駛車輛的駕駛行為進行統計分析和評分。評估的內容包括認知與交通法規遵守能力評估、執行能力評估、應急處置與人

167、工介入能力評估、綜合駕駛能力評估、網聯駕駛能力評估等五個方面。3.3.43.3.4 智能網聯汽車安全信息服務平臺智能網聯汽車安全信息服務平臺 安全信息服務平臺通過對智能感知設備監測到的道路交通異常狀態、單車運行異常狀況、惡劣天氣與路況異常變化實時報警，以便防止場區內發生交通事故。同時可智能語音評判測試車輛違規行為，安全提醒，自動應急響應等安全管 98 理。3.3.53.3.5 智能網聯汽車信息安全測試平臺智能網聯汽車信息安全測試平臺 建設 PKI 基礎安全信任中心，以路側通信設施、RSU、OBU 等密碼環境為載體，建設適配交通自動駕駛試驗場“管、端、云”特性的信息安全保障體系，為試驗場安全認證

168、中心平臺、各分中心及智能駕駛業務中的 RSU、OBU 等對象簽發統一的數字身份標識數字證書，構建安全的網絡標識環境，同時在此基礎上，開展智能路側設施、智能網聯環境安全認證研究。3.3.63.3.6 智能網聯汽車模擬仿真測試平臺智能網聯汽車模擬仿真測試平臺 自動駕駛車輛模擬仿真測試平臺包括交通場景模塊、傳感器模塊、車輛動力學模塊和測試管理模塊構成。交通場景模塊用于模擬車輛運行的外部世界；傳感器模塊用于模擬車輛上安裝的各種傳感器，從而獲得交通場景的狀態；車輛動力學模塊用于模擬車輛本身對自動駕駛算法控制的響應，特別是對加速、制動和轉向的響應。測試管理模塊，負責對以上三個部分組成的仿真測試環境的管理，

169、保證仿真測試的效果和效率。一方面，對測試流程進行管理，另一方面，對測試數據進行管理。提供動態交互場景庫服務，具備多類基于真實數據的車輛標準化動力學模型，多類型駕駛員模型，交通運行模型以及智能網聯駕駛應用輸入接口，智慧交通控制輸入接口，實現可生成無限場景條件下的交互式仿真測試。提供體系化應用開發與測試環境，包括自動化環境構建、動態庫及中間件、軟件接口、參考實現、仿真環境、在線測試環境及測試集在內的完整開發工具鏈。3.4 支撐系統支撐系統 支撐系統包括軟件支撐系統和硬件支撐系統兩部分。軟件支撐系統包括 AI模型庫、數據庫管理系統、GIS 系統和中間件等；硬件支撐系統包括網絡及安全設備、云計算和云存

170、儲、以及邊緣計算等。99 3.5 配套工程配套工程 配套工程根據實際情況可以使用現有的建筑構建監控中心和計算機房。監控中心建設內容包括大廳裝修、大屏幕、控制臺、會議系統等；計算機房建設內容包括裝修、綜合布線、空調、UPS、消防等。4 運營運營 成立專門的運營公司，運營智能網聯車試驗場。主要收入為場地租金、設備使用租金、數據服務費等。100 九九 網聯車輛和移動邊緣計算，方便的結合網聯車輛和移動邊緣計算，方便的結合 2021-05-17 借助邊緣計算，5G 蜂窩技術將為多種新型汽車(V2X)應用提供支持 隨著云計算的出現，人們對信息管理資源的部署方式以及信息的分布和使用方式的看法已經發生了變化。

171、云計算背后的想法是將數據與與物理硬件相關的潛在限制區分開來。通過將應用程序和數據存儲托管在云中，需要處理和訪問的數據的物理距離變得遙遠。這對將超大規模云數據中心連接到其最終用戶的網絡提出了額外的要求。隨著 5G 及其發展，用戶將期望互聯社會不受限制地可用，并且用戶將在移動中使用諸如增強現實和虛擬辦公室應用之類的帶寬需求服務。除其他事項外，人們將永遠期待 5G 改變我們的駕駛方式！由于添加了各種類型的集成傳感器，汽車工業正走在一條道路上，汽車行業正在不斷地提高對環境的意識。同時，車輛的自動化程度增加了，在某些中間步驟的作用下，最終將達到無人干預的全自動駕駛。由于連接性以及新 5G 技術的推動，價

172、值鏈正在向價值網絡轉變。在這條道路上，車輛之間、車輛與其他道路使用者之間的互動以及日益智能化的道路基礎設施的互動數量都在增加。因此，車輛對任何事物(V2X)通信能力的重要性和依賴正成為一項關鍵資產，它將提高自動駕駛的性能，并通過結合基于傳感器的技術進一步提高道路交通安全。101 當我們考慮到新應用程序和服務的處理需求（包括人工智能，“物聯網”）以及近乎實時處理和訪問數據的需求時，這一挑戰就變得尤為突出。云計算在某種程度上帶來了虛擬化的便利，但這并不是實時數據收集，處理和分析的理想方法。與其他通信系統相比，V2X 通信系統的高速、動態環境經?；祀s著靜態和移動散射體，以及天線高度較低，這些都給 V

173、2X 通信系統帶來了挑戰。具有諷刺意味的是，一種解決方案是將物理基礎架構的元素移到需要處理數據的位置。這個想法被稱為“邊緣計算”。在移動通信的環境中，隨著 5G 網絡及其處理能力的涌現，邊緣計算成為必要。邊緣計算通過利用現有移動網絡的物理特性來工作。為了方便起見，讓我們將網絡的邊緣定義為最靠近生成數據的已連接設備的網絡點。在移動通信網絡或實際上任何通信網絡的邊緣，都有機會將服務器甚至數據存儲區放置在離用戶更近的位置在這種情況下，我們可以將用戶視為人或機器。這種方法減少了往返延遲。在專為邊緣計算而設計的網絡中，5G 就是一個很好的例子，共有三種方法，我們可以將其稱為：蜂窩無輔助 V2V：嵌入式邊

174、緣 蜂窩 V2X：RAN，專用 5G 蜂窩輔助 V2V：遠程邊緣 5G 非常適合于移動邊緣計算的概念，也稱為多接入邊緣計算或 MEC。MEC的好處包括：最小的延遲：最小的延遲：對于某些汽車應用而言，依靠云并不理想，因為基于云的服務相對較慢。隨著汽車應用越來越依賴于支持 AI 的應用，這使得云無法在許多汽車應用中使用，例如 ADAS 和自動駕駛汽車應用。服務器和處理能力位于更緊湊的數據中心機柜中。邊緣計算更靠近將要訪問和使用其過程的位置，從而解決了與云相關的延遲問題。它還可能為云架構無法解決的計算服務創造新的市場。在聯網車輛的情況下，使該處理 102 能力更接近聯網車輛可以提高處理速度，這意味著

175、實時分析和控制變得可行。維護：維護：設想支持 MEC 的微數據中心是為可訪問性和易于維護而設計的，有足夠的服務器來承載實時關鍵功能。這種可訪問性和這些環境中所需要的模塊化特性的結合不僅有利于維護，而且還確保了冗余，因為當一個站點被管理時，其他鄰近的站點可以臨時承擔負載。環境：環境：與大型集中式數據中心相比，在較小的物理分布式設施中分配計算能力的想法很有吸引力。除了為大型數據中心的處理和冷卻提供電力外，還需要考慮連接冗余的問題。對于網聯車輛應用，盡管 MEC 帶來了優勢，但也有許多挑戰需要考慮。一個明顯的例子是部署 MEC 的物理范圍。盡管移動基站被視為部署邊緣服務器的首選位置，但并非所有基站機

176、柜都具有這樣做的空間。還存在安全問題，人們可以篡改甚至從遠程位置刪除服務器。另一個考慮因素是是否可以提供三相電源，為一些偏遠地區的額外設備供電。這些挑戰需要與公共云模型的長期可持續性進行客觀評估進行權衡。隨著對聯網車輛應用程序的需求不斷增加，以及數據生成量的不斷增加，公共云模型需要改變。如果位置很重要(對于汽車應用程序來說是如此)，這意味著企業計算方法需要改變。超大規模、集中化的云數據中心模型需要讓位于更小的、本地化的處理點、更具成本效益的運營模型和分布式位置架構。對于連接的車輛，隨著越來越多的車輛連接并生成越來越多的數據（遠程信息處理，診斷，信息娛樂，基于位置的服務，V-Commerce 等

177、），5G 和 MEC 的結合減輕了移動網絡的壓力。這種在移動網絡邊緣進行數據處理的分布式方法可確保支持更多連接的車輛及其交換的數據-因此，現有網絡上可容納更多的車輛，以及正在處理的更多數據。結合 5G 和 MEC，而不是每個單獨連接的車輛定期向網絡發送信息，可以根據需要緩存數據并將其傳輸到主框架。103 5G 將成為業務模式的主要變化，從而實現新服務并改善現有服務。1 優勢說明優勢說明 2 云邊結合的未來云邊結合的未來 有人斷言，對于網聯車輛應用而言，目前形式對公有云的依賴是不可持續的，因此，盡管存在上述挑戰，但 MEC 的確提出了一種可行的替代方法。將更多處理移至網絡邊緣的隱含意義使我們從信

178、息技術領域轉向運營技術 104（OT）。這樣做的原因是，隨著對邊緣基礎架構的更多重視和關注，負責基礎架構管理的人員將是那些迄今為止負責維護和軟件支持的人員。因此，為了支持這種新的移動邊緣模式，我們看到了對移動網絡運營商更加關注運營技術的轉變。另一個新興概念是“邊緣云”的概念，這是一種混合方法，實際上是在單個“虛擬”平臺中收集的多個物理邊緣部署的集合。通過這種方法，移動網絡運營商將有機會提供公共云類型的服務，包括 SaaS 和虛擬服務器托管。這些變化對汽車原始設備制造商意味著什么？明確的信息是，對于連接的車輛應用，需要實時或接近實時的處理需要移動網絡運營商的新架構方法的支持。對于某些類型的遠程信

179、息處理用例，如 ADAS 或自動駕駛汽車服務，依賴于基于云的應用程序是不現實的。任何可以引入較低延遲數據處理的東西都是一個優點，但是 5G 可以自己做到這一點。5G 與 MEC 結合的美麗之處在于，它可以為汽車 OEM 開放一系列具有 V2X 服務和創收機會的新用例。分布式邊緣架構使處理和處理的數據的速度和量都可以達到。在確定性應用中使用人工智能，例如最好使用哪種網絡連接、何時何地進行 OTA 更新、如何將車輛與周圍的基礎設施連接，這些都是 5G 與 MEC 結合可以幫助實現的要求。作者：巴斯卡戈斯（Bhaskar Ghose）105 十十 在自動駕駛設計中考慮倫理道德在自動駕駛設計中考慮倫理

180、道德 2021-05-20 每十年都會帶來新技術，這些技術對人類生活的影響是如此深遠，以至于新一代無法輕易理解在此技術之前的生活方式。關于 90 年代之前沒有手機的世界的想法帶來了很多的驚奇，甚至對生活在那個時代的今天的成年人來說也是如此。有時，技術創造了一種我們不知道自己需要的新需求手機就是這樣?？爝M 30 年，我們正處于一個 70 年代和 80 年代大多數科幻小說已經成真的時代，其中一些在未來十年中正處于大規模采用的風口浪尖。自主生物（機器人，無人駕駛飛機和汽車）已經到來，并且正處于大規模實施的轉折點。如果我們足夠幸運，今天活著的大多數人有一天會驚嘆于人類曾經真的開車!手機和自動駕駛汽車(

181、AVs)誕生的唯一不同之處在于，自動駕駛汽車已經達到了一種遲來的必要性，而手機一開始就沒有這種必要性。這個區別就是人的生命安全。汽車行業在技術上也處于有利地位，能夠通過自動駕駛汽車解決這一長期的安全要求。自動駕駛汽車預計將在當前 10 年內上路，并在未來幾十年成為主流。實施級別(SAE 級別)將根據地理位置、市場、基礎設施和消費者的準備情況，錯開并錯開時間。電動汽車技術、電池、半導體、傳感器、連通性、繪圖、遠程信息技術、基礎設施管理等方面的不斷進步，讓我們看到了一個有利的局面，即大規模實現自動駕駛汽車不再是 10 年的愿景。我們在 oem 上有真正的汽車發展計劃，106 這些計劃正在執行中，每

182、個季度都會發布預告片。我們現在還沒有到討論自動駕駛汽車的重要性和必要性的階段。對于大多數原始設備制造商來說，這是一種既定的選擇，唯一的好處就是挽救生命，值得在自動駕駛汽車的研發上投入每一分錢。到 2030 年，全自動駕駛汽車銷量將占到總銷量的 15%。對 AV 的低估將使我們想到，AV 的實施涉及其運行的核心，即動態決策。只要有決策，就意味著有指導方針。只要有決策指南，就會涉及到與技術，法律和不太明顯的道德背景有關的方面。AV 的架構功能可以這樣考慮：感知-決策-行動 感知：從激光雷達，雷達，攝像機接收傳感器輸入 決策：處理數據，決定下一步行動 行動：執行制動，加速或轉向方面的計劃輸出，并確保

183、乘客和行人安全 下面是一個自主/智能戰場場景的示例。PDATT 框架-為戰場設計機器人：國家的藝術-布魯斯A斯威特等 107 技術，道德和法律框架的工作決定了決策階段，從而導致了“可接受的”行動 階段?？焖俚牡讓訖z查會讓我們知道，有大量數據正在為 AV 運作（決策和采取行動）。數據包括地圖、實時傳感器輸入、特定于車輛的位置信息等。從本質上講，車輛的每次旅行信息不再是車主專有的。做出的決定基本上控制了車輛在道路上的行為。一旦意識到這一點，就很明顯，AV 需要服從任何其他人工智能系統的法律和道德嚴格要求，并且出于零錯誤空間的安全考慮，可能甚至還要受制于更高的安全性。任何框架都會隨著時間和推動因素(

184、技術、社會或其他方面)的成熟而發展；并且需要在應用方面領先于時代。一個強大的框架具有遠見?？蚣艿娜秉c是，它們需要轉換成法律約束力才能有效地實現。工程師和科學家通常對與技術相關的最佳實踐、規范充滿熱情，并且善于通過過去發表的研究論文來改善當前的技術狀態。企業專注于推出偉大的產品，并確保滿足需求。消費者關注的是物有所值。因此，在技術實現中滿足道德需求被視為被動目標。隨著基于任務的 AI 產品（例如 AV）的實施越來越多，迫切需要為產品帶來更強的道德定義。機器越“人性化”，就越需要將道德框架集成到產品中。對于依賴 AI 的產品、信任、了解機器意圖及其功能是急需的產品功能。我們想在 AV 設備中看到美

185、德嗎？我們是否想看到 AV 中的親社會行為？我們是否希望 AV 能夠即時處理新情況？我們是否希望將文化差異延伸到 AV 行為中(是否按喇叭)？1 科技倫理哲學科技倫理哲學 在這種情況下經常引起注意的示例是通過考慮以下示例場景：如果 AV 撞上了私有財產，您應該責怪誰？（沒有人開車?。┤绻?AV 處于不得不撞向兒童或老年人的強迫情況下，它必須拯救誰（為什么？）人類會做些什么？倫理學基礎深入研究倫理學理論并分析其基本前提。道德客觀主義和主觀主 108 義成為考慮的重點。根據詳細的評估和論據，對好，壞，對或錯的道德判斷。我們需要分析事情的當前狀態，從中可以得出一個理想的狀態。我們需要分析事情的當前狀

186、態，從中可以得出一個理想的狀態。倫理研究涉及諸如分享、關懷、合作和承諾等人類價值觀。它們還涉及人類的美德，如誠實，勇氣，耐心，謙遜，服從。倫理與思考無關，而是與行動的結果直接相關。法律、規則、規章、指示、指導方針、該做和不該做的事情：所有這些都是建立在道德紀律之上的。倫理就是告訴人們什么行為是好的，什么行為是不好的。理想的狀態是對善與惡的定義具有普遍的吸引力。倫理價值是復雜的。將它們納入技術對于改善人類使用這些技術的經驗是必要的。將健全和穩健的道德框架整合到技術中被視為迫切需要，因為當它們被部署到大規模生產的自動駕駛汽車中時，將產生乘數效應。在人類如此大的消費中，這有可能是我們第一次通過非人類

187、代理人來委托道德價值觀。該尺度涉及歷史上任何時候都沒有使用過的對人類生活的影響。烏托邦式的目標是要達到這樣一種狀態，即對一組人類來說，好的事物也對“所有人”都意味著良好的事物。技術的道德基礎需要健全，并在所有場景和所有使用情況下都經過測試?？刂拼藛栴}的唯一方法是通過部署具有凝聚力和并行性的道德框架，該框架將指導技術實施的工作規則。在 AI 的世界中，AV 是一個直接的例子，其中 5V（體積，速度，多樣性，準確性和價值）已經超越了 Ethics 框架，與過去的技術革命不同，在 5V 時代，5V 很好地處于了當時的道德框架之內?！耙平弧焙鸵幠Ｊ强涨暗?，因此緊迫。這可能是人類有史以來第一次，在如此大

188、規模的消費中，我們將倫理價值的服務委托給一個非人類代理人。該尺度涉及到歷史上任何時候都沒有使用過的尺度對人類生活的影響。烏托邦的目標是達到這樣一種狀態，即對一群人來說是好的，并對“所有人”來說也是好的。技術的倫理基礎必須是健全的，并在所有場景和所有消費情況下進行測試?？刂七@一點的唯一方式是部署一個具有凝聚力和并行性的倫理框架，該框架將指導技術實施的工作規則。在 AI 的世界中，AV 是一個直接的例子，其中 5V（體積，速度，多樣性，準確性和價值）已經超越了 109 倫理框架，與過去的技術革命不同，在 5V 時代，5V 很好地處于了當時的道德框架之內。這一“移交”及其規模是前所未有的因此，它具有

189、緊迫性?！暗?2035 年，人類的思想沒有理由也沒有辦法跟上人工智能機器的步伐?！?Gray Scott 在撰寫本文時，AI 中的倫理是一個被廣泛討論和發展的領域。此外，人工智能被應用于醫藥和自動駕駛汽車等具有大規模影響的領域，需要更高的緊迫感。在那之前，我們將繼續依賴于當前的法律框架，而不去探究最近出現的大規模人工智能應用的細微差別?，F在的當務之急是為倫理 AI 建立一個被廣泛接受的、全面的框架?！罢嬲膯栴}是，我們何時才能起草人工智能權利法案？這將包括什么？誰來決定呢？”-Gray Scott 一個良好的起點將是與基本倫理一起工作，而不必重新設計它們。我們需要看看在現實世界中，自動駕駛汽車

190、的新交易表現，需要什么樣的道德規范。這項任務并不容易。這幾乎就像跳上一列行駛的火車，能夠跟上創新和實施的步伐。人們所期望的狀態是，自動駕駛汽車在所有的感覺、過程和最終行動上都成為有道德的人。這就像人類被期望的功能一樣。決策結果總是機器學習/深度學習算法的結果，這些算法執行傳感器融合，為車輛的行為和行為提供決策。在我們的神經網絡中，獎勵的優先級是什么只是金錢利潤還是道德利潤？2 問題的癥結是什么？問題的癥結是什么？這是關于能夠預先適應道德框架，緊接著是導致技術規范的法律和監管框架，并且幾乎必須將其硬編碼到產品中，這樣在執行時就不會有太多的歧義。在過去，我們的法律和道德框架大多像操作系統一樣工作給

191、了很多解釋的空間。在不 110 遵守規定的情況下伸張正義，主要是一種事后的做法，基于未能遵守規定的情況下提出的事實的價值。從本質上講，我們試圖減少失敗的機會，從而在 AI 實施的情況下進行事后處理。我們可能要面對的是人的生命。3 可能的解決方案之旅？可能的解決方案之旅？OEM 和生態系統成員在其產品開發過程中采用的正確方法是什么？對工程師和技術人員進行道德方面的教育（想想過去二十年來的六西格瑪，設計思維或敏捷教育驅動力，涉及各個領域的大多數大型公司甚至帶來了思想領導力和文化契合的新水平）花足夠的時間去理解道德框架及其實施不要急著去了解產品環境 將哲學專業的學生帶入技術開發的主流不要將他們視為孤

192、立的團隊中的“好人”成員這些成員是技術追求與人類福祉之間的聯系讓他們為每個重要步驟提供支持-尤其是在人工智能世界 我們沒有意識到，在過去的一些實現中，什么被認為是“重要的一步”這是一個很好的提醒，從字面上講，技術沒有自己的想法 將倫理學家與法律團隊相提并論，法律團隊已經很好地融入了大多數產品團隊 在此背景下，從汽車領域（互聯網，網站，社交網絡？）交叉傳授最佳實踐 只要我們努力只滿足法律或技術規范，我們就會繼續在人工智能領域冒道德事故的風險。我們需要用道德考慮作為產品開發周期中各個里程碑上的檢查點來思考產品定義及其實現方法。AI 的大多數定義可以組織為四個視圖：(1)像人類一樣思考的系統(2)像

193、人類一樣運作的系統 111(3)理性思考的系統(4)行為合理的系統 這是通過機器模擬人類的艱巨任務。需要從當前的車輛開發流程中分離出自動駕駛開發框架。這些在很大程度上是由 20 世紀發展起來的法律和技術規范所驅動。原始設備制造商努力滿足他們作為最低限度的必要條件，以便能夠出售車輛以獲取最低利潤。符合法律要求，隱含暗示符合道德要求。隨著 AI 出現在自動駕駛領域，必須進一步研究可能會或可能不會在當今的法律和法規框架中具有約束力的產品的道德含義。我們需要讓道德框架從頭開始發揮領導作用這是我們構建產品時最大的遠見。對于自動駕駛設備和任何嚴重依賴數據和人工智能的產品，必須重新審視ELSI（道德，法律，

194、社會問題）。ELSI 需要在基于人口統計學的環境中進行理解，并且 OEM 商需要在自動駕駛領域的每個銷售區域（也稱為運營設計領域（ODD）中考慮這一點。消除程序員的無意識偏見，確保測試用例的均等性，個人信息的安全性（連接和共享的車輛部署）是人們可以想到的一些非?；镜目紤]因素。我們需要道德框架來解決數據、算法、實踐和實施相關方面。我想留給讀者一個簡單的隱藏在顯而易見地方的視角轉換。自動駕駛汽車與車輛無關，而是關于(自動)駕駛員的。AV 所做的任何事情都將受到與人類駕駛員相同的審查水平以及法律和道德檢查。當我們將崩潰、數據泄露或其他不道德和不受歡迎的行為歸咎于自動駕駛汽車時，我們該責怪誰呢?這是

195、理解正確的框架進入主流產品開發優先級的迫切需要的最簡單的方法。我們需要政府、監管機構、OEM、哲學家、法律團隊、零部件供應商，甚至是消費者走到一起，制定出一個劇本。沒有這個，我們就不會有自主倫理（車輛）存在！就自動駕駛汽車而言，它對人類生活、社會和諧和未來城市的利害關系更為直接?！叭斯ぶ悄苁俏覀冋诮洑v的劃時代變革的核心。如果機器人與公共利益結合起來，它可以使一個更美好的世界成為可能。事實上，如果技術進步加劇了不平等，那就不是真正的進步。未來的進展應面向尊重個人和創造的尊嚴。讓我們祈禱機器人和人工智能的進步能夠永遠為人類服務我 112 們可以說，愿它“是人”。弗朗西斯 我們是否要回到古代，倫理

196、學推動科學探索的時代?這一次，它將更加豐富和有益!作者：維杰戈帕拉克里希南（Vijai Gopalakrishnan）113 十一十一 人工智能人工智能 AIAI 在智能交通領域中的應用在智能交通領域中的應用 【摘要摘要】人工智能(AI)是指機器執行人類能夠輕松完成的感知、推理、學習和解決問題等認知功能的能力。過去 20 年以來，由于互聯網產生的海量數據的可用性，人工智能在全球范圍內獲得了關注。最近，使用高級算法處理這些數據給政府和企業帶來了巨大的好處。物聯網、機器人過程自動化、計算機視覺、自然語言處理等各種技術支持的機器學習算法的強勁增長，使人工智能的增長成為可能。本文是將交通運輸業的各種問

197、題分類為智能交通系統的匯編?？紤]的一些子系統與智能交通系統的交通管理、公共交通、安全管理、制造和物流相關，人工智能的好處被投入使用。這項研究涉及交通運輸業的特定領域，以及可能使用人工智能解決的相關問題。該方法涉及根據從各種來源獲得的國別數據進行二次研究。此外，全球各國都在討論解決交通行業問題的人工智能解決方案。1 1 介紹介紹 技術過去一直是企業的問題解決者。無論是零售、銀行、保險、醫療保健甚至體育。其中一些解決方案通過降低運營成本、提高效率和提高效率改變了企業的運營方式。即將成功實施最新技術的即將到來的領域之一是交通運輸行業，該行業受到與交通擁堵、意外延遲和路線問題相關的問題的困擾，這些問題

198、導致經濟損失。運輸業一直是不同地理區域人員和貨物流動的主要貢獻者。它在貨物從一個地方轉移到另一個地方的供應鏈管理系統中發揮著重要作用。該行業在將貨物在物流鏈中的精確時間移動到正確地點的過程中發揮著關鍵作用。為了從商業投資中獲得全部收益，政府和組織使用了機器學習、人工智能、物聯網等技術。1.11.1 人工智能（人工智能（AIAI）人工智能(AI)是計算機科學的一個廣泛領域，它使機器像人腦一樣運作。人工智能也被定義為機器執行人類認知功能的能力。AI 一詞最初是由計算機科學家 John McCarthy 在 1956 年創造的。由于通過各種設備生成的大量數據的可用性，以及高效硬件、軟件和網絡基礎設施

199、的可用性，這個已有 60 年歷史的概念 114 最近引起了熱議。人工智能的出現使流程自動化成為可能，從而產生創新的業務解決方案47。AI 提供可靠且具有成本效益的解決方案，同時解決決策過程中的不確定性。由于流程自動化，高級算法處理復雜數據的能力促進了企業更快的決策10。隨著人們對環境的日益關注，人工智能已成為通過改造傳統行業和系統來解決氣候變化和水問題的解決方案提供商。這些能力幫助政府建設可持續城市，從而有助于保護生物多樣性和人類福祉23。美國和中國目前主導著人工智能世界。普華永道的一份報告估計，到 2030年，人工智能將為世界經濟貢獻 15.7 萬億美元。在美國，學術體系已經產生并孵化了與人

200、工智能相關的研究；而在中國，政府提供資金和技術來利用人工智能的潛力。中國計劃到 2030 年至少投資 70 億美元。加拿大和英國通過宣布為私人和公共人工智能企業提供資金的交易，加大了對技術的投資20。加拿大在 2017年承諾為人工智能研究投資了 1.25 億美元。法國政府將在 2022 年之前投資 18億美元用于人工智能研究。該國計劃從私營公司提取數據以供公開研究。俄羅斯每年在人工智能上的花費估計為 1250 萬美元，主要用于軍事領域。1.21.2 人工智能和交通人工智能和交通 全球大多數大城市都面臨與運輸、交通和物流相關的問題。這是由于人口的快速增長以及道路上車輛數量的增加。為了有效地創建和

201、管理可持續的交通系統，技術可以提供巨大的支持。隨著城市地區陷入交通擁堵的困境，人工智能解決方案出現在訪問車輛的實時信息以進行交通管理，并通過統一的系統在旅行計劃中按需利用移動性?；谌斯ぶ悄艿臎Q策、交通管理、路徑規劃、交通網絡服務和其他移動優化工具的安全集成使得高效交通管理具備可能性（交通，2019）61。人工智能被世界經濟論壇視為新興技術之一。支持運輸的 AI 方法包括人工神經網絡(ANN)、遺傳算法(GA)、模擬退火(SA)、模糊邏輯模型(FLM)和蟻群優化器(ACO)。在交通管理中部署這些技術的目的是緩解擁堵，使通勤者的出行時間更加可靠，并提高整個系統的經濟性和生產力1。通過技術連接的車

202、輛可以預測道路上的交通狀況，從而提高駕駛效率。研究文章41提出了三個觀點。115(1)評估準確的預測和檢測模型，旨在預測交通量、交通狀況和事故；(2)通過探索人工智能的各種應用，公共交通作為一種可持續的出行方式；(3)聯網車輛旨在通過減少高速公路上的事故數量來提高生產力40。已經在全球范圍內進行了幾項研究，以解決與運輸行業有關的問題。在該行業人工智能技術支持下的研究成果為這一重要的發展領域帶來了希望。1.31.3 智能交通智能交通 近年來，隨著跨行業的多種技術設備的激增，產生了大量數據。這些數據在企業、政府和社會的決策過程中變得很有價值。交通運輸業是城市建設的生命線，在數據生成和使用方面不能落

203、后。該部門在城市發展中發揮著重要作用，因為它會影響人員、流程和利潤。為了實現數據生成，汽車制造商一直積極主動地制造可以安裝在車輛上的設備，用于運送人和貨物。這些設備產生的數據由專家遠程監控。政府和企業能夠根據使用各種應用程序生成的數據進行實時決策。近年來，與交通和技術有關的各種創新應用正在建設中。應用程序開發人員關注的是一種面向流程的系統方法，該方法具有明確的目標，并嵌入了反饋機制，以衡量與運輸行業相關的解決方案的結果。運輸管理系統(TMS)屬于運輸管理領域，具體涉及運輸業務。這些系統的目標是使用數據建立有效的路線規劃、負載優化、提高靈活性和透明度。根據Gartner，該領域預計將快速增長42

204、。城市的交通戰略與信息系統相關聯，以便更好地管理，該系統將專注于采集、處理、傳輸和管理由此產生的數據。在過去的幾十年里，由于智能技術的出現，各種物流、路線、地圖和規劃的信息系統正在開發中。這些系統提供了更好的數據處理能力，以更好地規劃運輸過程，從而實現智能運輸系統(ITS)13。從用戶和車輛生成的數據用于構建高效的 ITS。由于跨車輛、城市基礎設施和其他相關活動的信息獲取、交換和集成，將 ITS 構建到交通系統中確保了性能的提高。據觀察，ITS 支持城市當局和車輛用戶的決策過程。用戶和車輛產生的數據被用于構建高效的 ITS。將 ITS 納入交通系統，通過 116 車輛、城市基礎設施和其他相關活

205、動的信息獲取、交換和集成，確保了性能的提高。據觀察，ITS 支持城市管理單位和車輛用戶的決策過程。本文的重點是智能交通系統，它是交通管理系統的一部分。采用基于桌面的方法來整理人工智能技術，以解決交通行業問題，構建可持續的交通系統。識別和討論了 ITS 各種子系統的好處以及對運輸行業產生積極影響的人工智能應用。數據來自研究論文、政府報告、期刊文章和咨詢機構的報告。早期研究中采用的一些框架被認為是當前研究中確認子系統的基準。這項工作將幫助企業和政府采用這些技術，并根據給定的場景構建相關的解決方案。2 2 文獻調查文獻調查 人工智能已經對醫療保健、零售、銀行、保險、娛樂、制造和運輸等各個行業造成了重

206、大沖擊。人工智能在交通運輸中的幾個用例已經過試驗和采用，證明了這個市場正在上升的事實。隨著與人工智能相關的技術進步，交通運輸業向在車輛上嵌入方便用戶使用的設備的方向發展。這導致了使用設備生成的數據建立ITS。當前形式的人工智能能夠解決實時運輸中的問題，從而管理物流系統和貨運的設計、運營、時間表和管理。其他一些應用包括旅行需求分析、交通組織、行人和群體行為分析。AI 技術允許將這些應用程序用于整個運輸管理車輛、駕駛員、基礎設施以及這些組件動態提供運輸服務的方式59。在難以完全理解交通系統特征之間復雜關系的領域，人工智能方法提供了智能解決方案1。31的研究專注于兩個領域，即人工智能和交通。人工智能

207、一方面帶來了巨大的機遇，另一方面也帶來了與安全相關的重大挑戰。從 2000 年代中期開始，用于商業目的的交通私有化帶來了新的研究機會和計劃，并在這些領域取得了相當大的進步。國際公共交通協會(UITP)和陸地運輸管理局(LTA)聯合資助的一項名為“公共交通中的人工智能”的研究項目是通過文獻回顧、定量調查、用例、專家博客和構思研討會進行的。該報告概述了人工智能應用16在公共交通中的各種用例，以及人工智能在公共交通系統中的未來可能會怎樣。咨詢公司普華永道進行了一項全國性調查，以通過在線模式了解人工智能對金融服務、技術和制造等廣泛領 117 域的決策者和雇員的影響。研究發現，青少年對交通相關技術的適應

208、性更強48。早期采用者和進步的公共交通利益相關者預計人工智能將進一步融入未來的移動性24。人工智能能夠在不同程度上通過不同的方法、方法和技術發揮作用，表現出邏輯推理、解決問題和學習的能力。人工智能可以基于硬件（機器人）或軟件相關（谷歌地圖）。數據驅動的人工智能將機器學習技術與用于搜索和分析大量數據的技術相結合。人工智能有助于發現市場趨勢、識別風險、緩解交通擁堵、減少溫室氣體和空氣污染物排放、設計和管理運輸、并分析出行需求和行人行為（Niestadt、Debyser、Scordamaglia 和 Pape，交通人工智能，2019）43。數據和人工智能驅動的應用和服務是實現提供最佳移動性愿景的主要

209、基石。為了在城市中建立有效和高效的移動生態系統，需要一種整體的移動管理方法。聯網車輛實時發送數據，從而產生大量數據。隨著運輸需求的不斷增加，通過設備的數據增長也在增長；因此，需要對道路交通進行更智能的管理57。表 1 給出了人工智能在交通應用中目前開始商業化或正在研究試驗中的一些關鍵功能。表 1 AI 功能和用例 人工智能功能人工智能功能 用例用例 非線性預測 交通需求建模 控制功能 信號控制，動態路線引導 模式識別 用于道路或橋梁交通數據收集和裂縫識別的自動事件檢測、圖像處理 聚類 根據行為識別特定類別的駕駛員 規劃 基于人工智能的交通規劃決策支持系統 優化 設計最佳交通網絡，制定維護路面網

210、絡的最佳工作計劃，制定一組交通信號的最佳配時計劃 改編自（Sadek，交通運輸中的人工智能應用，2007）5450的研究重點是智能車輛道路系統的監測、控制和管理的先進系統。這里討論的是復雜網絡中的非重復擁塞。該研究提出了一種基于人工智能的解決方案，在主干道交通管理中采用多個實時知識相關專家系統。支持向量回歸(SVR)和基于案例推理(CBR)兩種人工智能范式被用于大規模網絡和復雜仿真模型的評估。11研究通過比較交通狀況的預測來評估兩種模型的結果。在這項研究中，一個基于代理(Agent)的控制系統監測交通、道路事故和其他運輸活動。文章22比較了部署在巴塞羅那 118 附近的智能交通管理系統上的兩個

211、集成自主代理，這些智能交通管理系統為實時交通管理提供決策支持。51研究探討了自主智能代理在城市交通控制(UTC)中的適用性。該研究提出的系統可以為動態環境設計、實施、優化和調整協調 UTC。該模型可應用于多個交通信令智能交叉口。這些代理能夠響應實時交通狀況，并保持其穩定性和完整性。與自動駕駛汽車(AV)相關的技術有可能影響車輛安全和出行行為。它們確保減少旅行時間并提高燃油效率。目前，這些技術已經成為顛覆性的，為交通系統帶來了巨大的好處。然而，與更大群體的采用和高昂的采用成本相關的挑戰仍然存在。政府在責任、安全和數據隱私方面的法規不確定，導致自動駕駛汽車的市場滲透率較低。對低速自動緊急制動系統有

212、效性評估的研究發現，采用該技術的車輛可將追尾事故減少約 38%19。在目前的情況下，交通的主要問題是擁堵、安全、污染和對流動性的需求增加。解決所有這些挑戰的潛在解決方案之一可能是自動駕駛汽車36。這些車輛通過傳感器技術25和連接解決方案68從其物理和數字環境中收集數據。聯網汽車能夠通過智能設備訪問互聯網，也能夠與其他汽車和基礎設施進行通信。他們從多個來源獲取實時數據，支持司機在駕駛過程中強大的壓力下進行操作。這些汽車確保了安全性和可靠性12。模式識別與圖像處理一起用于自動事件檢測和識別路面或橋梁結構中的裂縫。聚類技術用于根據駕駛員行為識別特定類別的駕駛員（Sadek，交通運輸中的人工智能應用，

213、2007）54。文章35提出了使用技術制造車輛的新模型、方法和形式。這導致了在汽車制造中采用技術來構建智能汽車。該研究討論了人工智能技術對一個國家的各種業務和經濟的影響程度15。福特汽車公司已成功將人工智能集成到主流制造流程中，為組織提供競爭優勢。該研究側重于制造智能系統的流程規劃和部署（Rychtyckyj，福特汽車公司的智能制造系統，2007 年）52。研究64提到用于自動駕駛汽車的技術的最初演示可以追溯到 1939 年。Google 公司開發的大多數自動駕駛汽車都依賴于自己開發的攝像機、雷達傳感器、激光測距儀和地圖。自動駕駛汽車不僅會影響單個公司的運作，還會影響國家和世界經濟63。由于與

214、不同利益相關者的網絡能力，制造業和物流產生了大量的數據。由于 119 運輸業在物流中扮演著重要的角色，因此只有通過各種操作技術的應用來使用生成的數據才是合適的。通過模擬39的過程，提出了基于 Agent 的供應鏈優化方法。45這項研究思考了一個事實，即帶有人工智能的無人駕駛汽車是否會對人類產生負面影響。極端的自動化可能會導致機器出現漏洞。這些綜合智能系統容易受到網絡崩潰或外部機構黑客攻擊等系統性風險的影響。該研究提出了“產業5.0”，它可以使大數據中的知識協同生產大眾化。研究文章62認為運輸系統是物流鏈中的關鍵要素，因為它提供了分離的物流活動之間的聯系。物流的改善對整體業務的貢獻是由于技術的影

215、響。該研究旨在幫助物流管理人員、研究人員和運輸規劃人員定義和理解物流的基本觀點及其各種應用以及物流與運輸之間的關系。物流不僅限于貨物跨空間移動以及減少供應鏈中的時間和成本。它的范圍擴大了，也成為戰略管理的一部分。因此，將核心業務信息系統與一套現代分析和人工智能工具相結合，從各個來源發現相關知識是非常重要的。這有助于管理不確定性和獲得競爭優勢33。研究9結合各種人工智能技術實現四個視角，即知識獲取、服務物流、服務自動化和績效衡量。交通在構建響應式物流信息系統方面發揮著更大的作用；因此，機器學習概念支持識別需求模式和相應的補貨策略34。該研究標志著當前物流場景過程的系統發展65。我們可以看到，智能

216、系統在以交通運輸業為支柱的物流業中發揮著越來越大的作用。運輸功能發生了結構性變化，影響了運輸物流的演進8。一方面，由于采用了人工智能，道路上的事故和死亡人數可能會大幅減少;另一方面，我們可以預料到技術性失業32。通過對解決交通問題的應用的詳細背景研究，可以明顯地看出，人工智能在利用數據構建高效的交通系統方面發揮著重要作用。目前的研究試圖代表人工智能的各種概念和應用的發展，ITS 作為 TMS 的一部分。在各種可用的應用中，研究的范圍縮小到智能交通管理系統、智能公共交通系統、智能安全管理系統和智能制造與物流系統，以構建可持續的交通系統53。在這些系統中，AI 的作用和相應的成效將在第 3 節中討

217、論。此外，第 4 節討論了世界各國交通運輸業相關問題的人工智能解決方案。結論部分整理了通過人工智能實施交通運輸業面臨的各種挑戰和建議。120 3 3 框架框架 從早期的研究中可以看出，人工智能在構建智能交通系統時的成效尚未得到充分探索。目前的研究探討了在不同國家部署的交通運輸行業的 ITS 應用。作為經濟生命線的運輸業似乎正在努力解決全球范圍內的各種運營問題。與運輸業相關的問題導致一個城市乃至一個國家的進步放緩。TMS 是一個好消息，它可以使用各種技術來克服運輸問題的系統。TMS 幫助企業計劃、執行和優化貨物的物理移動。由于數據可用性和遠程監控，TMS 確保及時交付貨物，從而提高客戶滿意度。這

218、通過增加銷售額使企業受益。TMS 通過使用適當的工具（例如路線優化）來提高車隊績效并減少供應鏈支出。由于數據是遠程收集并受到嚴密監控，因此記錄了對交付、結果和回報的端到端理解，從而提高了透明度。TMS 使用技術來規劃、執行和優化貨物運輸，以幫助企業蓬勃發展。這些應用程序被制造商、分銷商、零售企業和從事物流業務的公司使用。TMS 的主要功能包括路線確定、出站/入站物流流程、路線調度、第三方物流供應商服務、貨運代理、服務代理、運輸跟蹤和路線調度和運輸計劃的批量處理（圖 1）?？梢钥闯?，與 TMS 相關的功能與貨物運輸有關。TMS 將多個運輸應用程序集成到一個包中，以便更好地使用。121 圖 1 T

219、MS 的功能（來源：ValuecConsulting，2013）使用 AI 和機器學習使 TMS 變得更加智能，以提供準確的預測。目前正在使用的一些技術包括：物聯網(IoT)設備和傳感器、數字助理、交貨時間預測解決方案、運輸規劃解決方案、區塊鏈等。智能交通系統(ITS)是從 TMS 發展而來的。一個能夠根據給定的場景，使用安裝在車輛上的設備生成的數據做出適當決定的系統被稱為智能運輸系統(ITS)。過去的研究表明，對 ITS 的綜合方法包括運輸基礎設施和運輸管理。ITS 作為一種新型的 TMS，已逐漸被自動化控制系統所取代。它們已經發展成為對危險情況的預測，并有可能利用大量復雜的數據作為決策工具

220、。ITS 還通過在動態環境下的自動數據收集影響了運輸系統的高效運行29。典型的 ITS 需要來自各種設備和傳感器的輸入數據。這些數據被遠程監控和處理。從處理過的數據中得出的洞察力被認為是政府和企業做出決策的寶貴輸入。這種系統方法通過反饋機制確保性能的持續改進。輸入數據來自安裝在交通管理基礎設施、車輛和道路基礎設施中的各種設備。管理部門監控數據并確保及時將數據傳播給通勤者、司機和行人，從而使利益相關者受益。122 智能交通系統由公共交通、交通信息、停車管理、交通管理與控制、安全管理與應急、路面管理（圖 2）。這是智慧城市特有的（Agarwalet al.,2015）3。為了通過 ITS 建設有效

221、的智慧城市，將系統能力構建到城市的各種運營活動中是很重要的。如圖 2 所示，城市中的一些活動包括公共交通、交通管理、停車管理、路面管理和安全管理。通過 ITS，通勤者、行人、交通和整個社會都受益。圖 2 開發智能交通系統的各種子系統（來源：Agarwal 等，2015）Hamida 等人在 2015 年進行的研究5將智能交通系統的各種應用分為四個主要類別，如圖 3 所示。(1)信息娛樂和舒適度；(2)交通管理；(3)道路交通安全，和(4)自動駕駛。123 圖 3 ITS 應用的分類（來源：Hamida 等，20155）這些應用程序從車輛收集數據以提高其效用，從而確保駕駛員安全并增強公共交通設施

222、。ITS 應用程序是數據的生成器，這些數據反過來又有助于管理部門的決策過程，以更好地管理公共場所。其中一些應用與乘客舒適度、改善駕駛員體驗和高效道路管理有關。公共交通系統的最終受益者是道路使用者?？沙掷m公共交通系統的智能交通系統(ITS)框架考慮了 ICT 技術、自動化交通系統、交通管理中心和先進的旅客信息系統60。圖 4 中給出的框架分為四個階段，從作為數據來源的道路使用者開始，通過 ITS 實現最終的經濟增長。圍繞交通系統構建的應用程序需要牢記生成數據的受益者。一旦使用 ICT 構建應用程序，它們不僅可以提高流程效率，還有助于實現運輸系統的可持續性，從而實現更好的經濟增長。圖 4 公共交通

223、系統的 ITS 框架實施（來源：Abijede O 55）使用 ITS 構建的一些應用程序可確保交通管理、交通信號控制、車輛導航系統、智能停車管理等。ITS 需要一個跨城市基礎設施共同運作的技術網絡（Shaheen 124&Finson，2019 年）56。29討論的 ITS 問題分類包括性能監控、交通管理、改進的運輸過程、對交通參與者的信息支持以及運輸基礎設施管理。ITS 遵循系統方法，當前的研究將 ITS 的各個子系統視為一個分類來探索人工智能解決方案的成效是合乎邏輯的?？紤]用于研究的子系統的圖解表示在圖 5 中給出。這些與交通系統相關的子系統（表 2）是從先前研究中描述的各種框架中得出的

224、。分類是根據人工智能解決方案提供的成效進行的，以構建高效的 ITS。本研究中提出的這些子系統總結了 ITS 下的各種活動。圖 5 智能交通系統 表 2 ITS 的子系統 ITSITS 的子系統的子系統 描述描述 智能交通管理系統 實時道路管理以避免擁堵 智能公共交通系統 沿不同路線通過道路運送乘客 智能安全管理系統 確保道路上的乘客、車輛和貨物的安全 智能制造與物流系統 在汽車制造和貨物運輸中引入技術 圖 5 中給出的每個子系統都根據運輸問題的起源進行分類，并以系統的方式組織。此外，還強調了采用技術解決這些問題所帶來的成效。本文研究了運輸行業中成功采用人工智能并從中受益的組織。4 討論討論 4

225、.1 智能交通智能交通 AI 解決方案解決方案 人工智能對運輸業領域的貢獻是巨大而廣泛的。這些解決方案包括自動駕駛汽車、交通管理、優化路線和物流，從而為車輛和駕駛員提供安全保障。ITS 是通過 AI技術使用安裝在車輛上的設備生成的數據構建的。125 目前的研究集中在與交通相關的四個子系統即智能交通管理系統、智能公共交通系統、智能安全管理系統和智能制造與物流系統。表（表 3 至 6）描述了 AI的解決方案，相關問題的子系統，AI 的作用和取得的成果的數據源。表 3 交通管理 數據來源數據來源 問題問題 人工智能的作用人工智能的作用 益處益處 之前的研究之前的研究 配備智能系統的車輛 交通擁堵導致

226、成本增加 機器學習工具來預測交通擁堵 更好的節油能力和更少的環境污染 通過評估使用 ML 模型實現的交通參數進行短期交通擁堵預測(Akhtar,Moridpour,2021)38 來自智能手機的數據 路徑規劃 替代路線建議 節省時間 通過智能手機生成的數據的駕駛員行為監控系統使用 ML 技術17 智能交通系統 不可預測的交通擁堵 空氣中污染物質的鑒別 遏制環境污染 使用模糊邏輯結合多個空氣質量指標以及模擬退火和粒子群優化技術來識別空氣污染（Ly H.B，2019）37 交通燈和車輛 高峰時段交通管理 實時跟蹤交通信號燈中的擁堵和算法 控制較高和較低的流量模式 在部署 AI 解決方案進行分析之前

227、，觀察從交通燈收集的實時信息以獲得最佳的綠-紅分布67 來自車輛的數據 增加道路上的車輛數量 模式識別 更好的觀察和決策 人工智能技術的穩定性，特別是 ANN 被部署來預測異構交通條件下的交通擁堵（Olayode，2020）44 表 4 公共交通 數據來源數據來源 問題問題 人工智能的作用人工智能的作用 益處益處 之前的研究之前的研究 路網結構、路面、天氣和交通模式 數據的可變性 通過機器學習算法預測模式的變化 規劃和決策 使用交通量、密度、占用率、旅行時間、擁堵指數進行的短期交通擁堵預測(Akhtar M,Moridpour S,2021)來自司機和乘客的實時數據 交通擁堵 路線優化 縮短旅

228、行時間 用于貨物交付的 AI 車輛 交貨時間、地點的變化 改善駕駛模式的建議 提高生產力和進一步銷售 使用車輛路線優化將預測智能應用于道路運輸26 來自智能道路的傳感器 路面磨損 自動向管理機構發出警報 道路管理 通過將傳感器技術與確保車輛和乘客安全的交通基礎設施相結合，實現可持續的 ITS（Ibanez 等人，2018 年）表 5 安全管理 126 數據來源數據來源 問題問題 人工智能的作用人工智能的作用 益處益處 之前的研究之前的研究 長途卡車 連續行駛時間和未知地形 司機健康監測 事故預測 駕駛員生理參數的實時測量被饋送到網絡云中，并使用人工智能使用智能車載健康監測系統進行分析46 自動

229、駕駛汽車 低性能和安全問題 盲點警報、自適應巡航控制、高級駕駛員輔助系統 節省司機的時間 自動駕駛汽車可確保減少駕駛員對安全策略的努力和投資（Littman.2021）實時數據傳輸 增加時間和成本 路線優化 預測車輛體積的預測技術 自動駕駛汽車實時準確地了解車輛位置和狀態，從而提高車輛的操控性和安全性2 通過傳感器進行監控 修理或加油 遠程控制管理 節省燃油，提高里程 安裝在車輛上的智能視覺標簽提供移動支持和跟蹤機制（Li Q，2015）49 表 6 制造和物流 數據來源數據來源 問題問題 人工智能的作用人工智能的作用 益處益處 之前的研究之前的研究 智能汽車 需要維護 結合來自物聯網傳感器的

230、數據、維護日志創建預測模型 更好的預測和機器故障 通過自動駕駛汽車降低成本并改善低級人群的可及性（Anandakumar、Arulmurugan R、Roshini A（2019）21 聯網車輛 維修與保養 聯網車輛安排預測性和預防性維護 賦能車輛監控業務 如果聯網乘用車能夠以更好的用戶界面可靠地運行，則它們比手動駕駛的車輛更好（Y David,F Donald(2021)14）配備技術的車輛 生產和運輸成本增加 跨車輛和路線共享數據 改善從采購到研發的整個供應鏈的成本節約 C-ITS合作 ITS 為特定司機提供實時定制信息（Maxime G 等人，2016 年）基于網絡的結構 由于手動數據輸

231、入而產生大量發票 基于人工智能的系統可以輕松地從網絡中檢索數據 更快地處理賬單、發票 智能手機將家庭連接到車聯網車輛以執行重復性任務（Kim Y 等，2017）30 發票和文件 發票異常，合規性驗證 欺詐檢測的預測和處理 高精度 合同 提取非結構化數據 用于解釋發票的自然語言處理技術 提取關鍵信息 從表 3 中我們可以看出，人工智能為交通問題提供了解決方案，通過建議替代路線，在交通擁堵時實時跟蹤交通燈。這有助于有效地管理交通，最終遏制環境污染，建設可持續發展的城市。127 從表 4 可以看出，人工智能在預測天氣和交通模式、道路管理、警報生成等方面為值班人員提供了解決方案。這些系統可以幫助司機、

232、通勤者和行人在他們開始旅行之前。有技術的支持，建立一個有效的公共交通系統，有助于規劃和決策過程，這是很重要的。從表 5 中我們可以看出，人工智能減少了道路事故的數量，根據路況預測事故，提醒司機注意道路安全等。當運輸行業效率高時，經濟就會成功運行。借助人工智能技術構建安全的交通系統，具有重要意義。從表 6 中我們可以看出，在汽車制造過程中，人工智能解決方案使汽車行業受益。傳感器、攝像頭和其他技術在這個行業發揮了作用，以獲得更好的效益。汽車內置的一些人工智能解決方案已經成為乘用車和商用車領域的重要組件。4.2 人工智能在全球交通領域的成就人工智能在全球交通領域的成就 從目前的討論中可以看出，人工智

233、能解決交通相關問題的能力似乎是一種自然的契合。然而，與其他所有行業的 AI 情況一樣，這些應用程序的采用因組織和地域而異?；诃h境和地理因素，應用程序可以是簡單的和復雜的，遙遠的和即將到來的，確定的或可能的。4.2.14.2.1 跨組織的人工智能應用跨組織的人工智能應用 表 7 提供了人工智能在交通部門各個組織中的應用。美國似乎是這些應用的先行者。這可能是由于人口較少，道路基礎設施更好。具有創新精神的初創企業獲得了大量資金，用于在發達國家開發原型。相對于乘用車階段，大多數方案都是在長途駕駛階段進行試驗的。表 7 人工智能在全球交通領域的成就 人工智能應用人工智能應用 組織組織 國家國家 自動駕

234、駛的認知電動班車Olli，將乘客運送到要求的位置，并提供當地觀光建議。Olli 由 IBM 的 Watson 汽車物聯網(IoT)提供支持 本地汽車 美國 Surtrac 系統安裝在由九個交通信號組成的網絡中，它通過將交通傳感器轉換為智能代理來幫助預測和檢測交通事故和狀況 快速流動技術 美國匹茲堡 128 人工智能應用人工智能應用 組織組織 國家國家 Otto 完成了世界上第一輛自動卡車運送 50,000 罐百威啤酒超過 120 分鐘的距離 奧托（優步）美國舊金山 圖森未來是一家中國初創公司，完成了 200 英里的無人駕駛卡車駕駛。使用深度學習技術訓練駕駛系統 圖森未來 中國 GE 配備傳感器

235、的智能貨運機車可檢測軌道上或軌道周圍的物體。機車故障率降低 25%通用電氣運輸 德國 日立的內部人工智能技術降低了驅動車輛的功耗。從機車車輛中提取的運行數據的正確組合見證了年牽引力降低 20%日立 日本 交通部預計道路貨運管理中的人工智能增強需求和預測模型 交通部 美國 盡管天氣模式、交通模式、城市基礎設施不統一，但仍能通過自動駕駛巴士按時交付人員和包裹 芬蘭、新加坡、中國 4.2.24.2.2 運輸公司采用人工智能運輸公司采用人工智能 根據28人工智能可能通過提供個人運動、偏好和目標的準確預測行為模型，對城市基礎設施產生越來越大的積極影響。盡管人工智能在交通規劃應用中的應用在最近變得很重要，

236、但與數據相關的個人隱私和安全仍然令人擔憂。由于這些道德考慮，政府和法律法規可能會決定該行業創新和采用的速度。在技術的許多方面缺乏道德共識的情況下，踏上 AI 旅程的各個組織必須考慮道德因素。盡管很少有組織使用機器來編寫代碼，但總的來說，人類仍在繼續編寫代碼。由于這個因素，偏見、假設、看法可能會進入正在開發的算法中。組織必須自問：什么是合乎道德的 AI？治理和道德人工智能在哪里重疊？如何消除人工智能決策中的偏見？等6。由于這方面的原因，各個政府和城市公司對人工智能的采用存在差異。表 8 給出了各種運輸公司采用人工智能的情況及其好處。由于當地政府法規的影響，各個城市的采用情況似乎有所不同。表 8

237、運輸公司采用人工智能 國家運輸公司國家運輸公司 人工智能應用人工智能應用 好處好處 馬哈拉施特拉邦運輸公司 IVADO&Next AI 加拿大公司 為包括交通在內的各種項目建立人工智能集群研發投資、交通技術 Telangana 運輸公司 用于客戶支持的聊天機器人 人工智能回答多個問題。疑難問題向上級反映 多倫多運輸委員會 自駕中轉班車 最初由人類司機監督。一項解決公共交通最后一英里連接問題的舉措 法國國家鐵路公司 過境乘客的聊天機器人 幫助旅行者計劃他們的日常旅行并在不可避免的延誤情況下穿越城市 129 國家運輸公司國家運輸公司 人工智能應用人工智能應用 好處好處 迪拜道路和交通管理局 使用人

238、工智能的智能和可持續交通自動公交軌道控制系統、智能行人信號系統 監控公交車的狀況駕駛員疲勞、車輛監控攝像頭提高公交車效率、分配行人信號交叉口的傳感器 新加坡交通部 nuTonomy一家與 Grab 合作開發自動駕駛出租車的自動駕駛汽車公司 自動駕駛公交車和貨運車輛將對公共交通產生影響 倫敦交通 Sopra Steria 提供對數據的訪問 道路交通、公交車性能、天氣和道路工程，以減少擁堵和道路管理 5 結論結論 本文匯總了 AI 構建 ITS 的能力和優勢。該研究提出了一個包含 ITS 子系統的框架，這些子系統是根據其能力確定的。ITS 是識別運輸行業潛在問題的重要工具之一，本研究為特定問題提出

239、了解決方案。研究發現，機器學習算法主要用于預測交通擁堵和路線管理。一項針對采用人工智能克服交通問題的城市分析表明，大多數發達國家已經迅速采用了這些系統。這種采用需要相關公司和領導層的支持，因為它涉及最高管理層的投資和長期愿景。由于兩個原因，一些組織和政府仍對采用猶豫不決要么擔心與人工智能采用相關的風險，要么在這些國家中采用技術能力較弱。據觀察，發達國家正在采用與運輸管理相關的技術。為了構建有效的 AI 應用程序，我們需要大量數據作為輸入來處理文本、圖像、視頻和音頻，以便做出適當的決定。該領域缺乏知識和人才仍然是推出適合該領域的更新解決方案的弱點。因此，人工智能在物流公司的應用成本大約是營業額的

240、3-10%，這給采用人工智能造成了障礙。人工智能應用引發了許多倫理、社會、經濟和法律問題。數據驅動的基于人工智能的應用程序存在網絡安全和數據隱私問題，尤其是在自動駕駛汽車中。當面對生命對生命的情況時，了解全自動車輛中的人工智能算法與人類相比如何做出決策至關重要。Eurobarometer 對自動駕駛系統進行的一項調查發現受訪者對自動駕駛汽車運輸貨物感到非常滿意，而不是乘坐此類車輛本身（Niestadt、Debyser、Scordamaglia 和 Pape，運輸中的人工智能，2019 年）。缺乏明確的政策、對采用新技術的抵制、缺乏道德法規的建立，使得人工智能解決方案對許多 130 組織來說難以捉摸?？偟膩碚f，人工智能能夠為人類提供更好的旅行體驗。進一步研究的范圍進一步研究的范圍 由于本研究的概念性質，它可能缺乏在不同場景中的應用的普遍性。未來可以根據從運輸行業的利益相關者那里收集的原始數據進行影響研究。一些研究問題可能是：行為研究乘客對乘坐自動駕駛汽車的偏好與人類駕駛汽車相比，自運輸行業采用人工智能以來，事故數量是否減少了？人工智能在運輸行業的實施是否為企業帶來了更好的投資回報率？人工智能是否確保提高運輸行業的效率？政府監管機構在運輸行業部署各種人工智能解決方案的作用和意義是什么？