近日來，智能汽車事故頻發(fā)，且事故原因多與所謂的“自動駕駛”功能有關(guān)，這不由得引起了人們對“自動駕駛”發(fā)展前景的擔(dān)憂。

實際上，大眾理解的“自動駕駛”與官方的定義可能有所出入。全球公認(rèn)的標(biāo)準(zhǔn)一般是由SAE International（美國汽車工程師學(xué)會）發(fā)布的J3016自動駕駛等級，該標(biāo)準(zhǔn)定義了汽車從無自動化（L0）到全自動化（L5）的六個駕駛級別。

與此相對應(yīng)，2021年8月20日，中國工業(yè)和信息化部也發(fā)布了《汽車駕駛自動化分級》標(biāo)準(zhǔn)，將于2022年3月1日起實施，詳細(xì)分類如圖1所示。

圖1 國標(biāo)《汽車駕駛自動化分級》

根據(jù)這兩大標(biāo)準(zhǔn)，公眾想象中的“坐在車上什么都不用管”的場景要在L5級才能實現(xiàn)。然而當(dāng)下，即便是行業(yè)先驅(qū)特斯拉的AutoPilot（自動輔助駕駛）功能也僅屬于L2級，國內(nèi)蔚來的NOP（領(lǐng)航輔助駕駛）、理想的AD（高級輔助駕駛）以及小鵬的NGP（自動導(dǎo)航輔助駕駛）均屬于L2級。在這一等級，無論何時使用駕駛輔助功能，駕駛員都必須處于駕駛狀態(tài)，必須時刻觀察各種情況。其實，這也是目前可以在量產(chǎn)車上搭載的技術(shù)上限。

那么，在目前的技術(shù)基礎(chǔ)上，如何進(jìn)一步對智能駕駛迭代升級，達(dá)成真正意義上的“車路協(xié)同”，從而更好地保障安全呢？

1.  數(shù)字交通的場景化特性

交通問題是復(fù)雜的系統(tǒng)問題，這已經(jīng)是行業(yè)共識，無論是高速發(fā)展的智能交通業(yè)務(wù)，當(dāng)前如火如荼的車聯(lián)網(wǎng)或車路協(xié)同，包括數(shù)字交通，都不是單一產(chǎn)品或單一技術(shù)能夠覆蓋或解決的。那么，對于復(fù)雜的交通問題，是不是就沒有單一的解決之道？根據(jù)我們十余年在智能交通領(lǐng)域的項目落地經(jīng)驗，雖然沒有一招制敵的產(chǎn)品或技術(shù)，但可以提煉出一個萬變不離其宗的分析方法——場景化。

首先，視頻是構(gòu)建交通場景感知的重要技術(shù)和方法，卻不存在一款能夠適應(yīng)全部環(huán)境的攝像機產(chǎn)品，也不存在能認(rèn)知所有目標(biāo)行為的泛智能。然而，針對細(xì)分場景進(jìn)行業(yè)務(wù)目標(biāo)和環(huán)境模型的提煉是完全可以做到的，輔以合適的產(chǎn)品以及智能建模，就能達(dá)成預(yù)期目標(biāo)，但與此同時也必須放棄非目標(biāo)的智能或業(yè)務(wù)。

其次，交通的復(fù)雜性在于環(huán)境構(gòu)成的復(fù)雜性，以及交通參與者和可預(yù)期交通行為的不確定性。對交通場景進(jìn)行多層次的細(xì)分與歸類，能夠成功地抽象出環(huán)境相對確定，以及交通參與者和預(yù)期行為均可以固化的模型。

我們將目前有待數(shù)字化建設(shè)的交通場景按照城市道路、城市停車、橋隧、公路共四個大類（初步）細(xì)分出十三類場景及45個模型（非完備集）。針對每個場景模型，以全時、全域、全要素感知為建設(shè)目標(biāo)，以必要、有效、集約為建設(shè)原則，分析對應(yīng)場景模型下的交通問題，構(gòu)建交通評價指標(biāo)體系（見圖2）。

圖2 數(shù)字交通系統(tǒng)架構(gòu)

2.  “路側(cè)境況”感知與多維感知構(gòu)建數(shù)字交通基座

車路協(xié)同系統(tǒng)中的幾個構(gòu)成要素包括智能車輛、高精地圖、路側(cè)感知，同時輔以V2X通信，邊緣計算及云計算決策共同協(xié)作完成業(yè)務(wù)落地。我將其抽象為“車-路-況-信-策”五字訣。

•  車：智能車輛本身具有動力控制系統(tǒng)以及環(huán)境感知系統(tǒng)，車輛行駛運行中自身的位置、速度、動力參數(shù)等稱之為“車態(tài)”，而車載傳感及AI完成車輛所處環(huán)境的組織構(gòu)建，如前后車位置、障礙物、交通標(biāo)識、信號燈狀態(tài)燈稱為“車輛所處情景”，簡稱“車景”。
•  路：簡單而言，就是高精地圖，與我們?nèi)粘＝涣髦械穆废鄬?yīng)，是一段時間內(nèi)固化的交通通行基礎(chǔ)，而數(shù)字化的路是車路協(xié)調(diào)系統(tǒng)呈現(xiàn)與決策的基礎(chǔ)。
•  況：單一時刻、場景的路側(cè)感知系統(tǒng)獲取到的交通參與者信息及整體交通狀況描述，是實際交通過程中瞬時情況的數(shù)字映射。同一時刻不同空域場景境況的整體綜合描述，構(gòu)成全域交通資源的利用程度。同一場景在延續(xù)時域的境況序列中可以動態(tài)呈現(xiàn)周期內(nèi)的交通效率。
•  信：通信技術(shù)，完成V2V、V2I、V2X之間必要數(shù)據(jù)的傳輸。
•  策：云端系統(tǒng)可以收集全時、全域的各類信息，綜合整理，用于交通態(tài)勢評估，邊緣系統(tǒng)可以半實時決策并推送交通指令。

境況感知是車路協(xié)同系統(tǒng)的第一輸入，也是唯一實時動態(tài)數(shù)據(jù)，其數(shù)據(jù)的實時性、完備性、準(zhǔn)確性將影響最終車路協(xié)同系統(tǒng)決策結(jié)果輸出的準(zhǔn)確性，因此，我們稱境況感知系統(tǒng)為數(shù)字交通的基座。

而多維融合才能提升系統(tǒng)運行的有效性。

為實現(xiàn)最大化的數(shù)字交通系統(tǒng)效用，路側(cè)境況感知系統(tǒng)的建設(shè)原則必然是要求“全要素、全空域、全時段”的。

任一場景點位的路側(cè)境況感知系統(tǒng)的構(gòu)成，可能包含視頻、微波、毫米波、激光、RFID、氣象環(huán)境等多種傳感器。其中視頻相機、毫米波雷達(dá)、激光雷達(dá)應(yīng)該是構(gòu)建交通境況的主要感知設(shè)備：視頻可以進(jìn)行交通參與者特征的識別判定，尤其是對色彩類信息的感知，但視頻的作用距離有限，且容易受到光線條件的干擾；毫米波雷達(dá)可以判定主要交通參與目標(biāo)，且能夠在較廣闊的區(qū)域內(nèi)進(jìn)行測速、測距，判定交通行為；激光雷達(dá)可實現(xiàn)對更精確（厘米級）目標(biāo)的感知，但是造價較高。

毫米波雷達(dá)與激光雷達(dá)技術(shù)都無法實現(xiàn)對車輛身份特性的識別，多種感知技術(shù)在目標(biāo)檢測、運動跟蹤、身份識別與標(biāo)定等方面就具有互補或相斥的情況。對于空域內(nèi)相鄰場景點位的多個路側(cè)境況感知系統(tǒng)，為避免交通對象的跟蹤丟失，建設(shè)時需要一定的重疊感知覆蓋。

只有在盡可能廣泛的范圍內(nèi)實現(xiàn)更為精確的交通境況感知，才能為車路協(xié)同系統(tǒng)構(gòu)建更為準(zhǔn)確的數(shù)字孿生數(shù)據(jù)。也只有充分認(rèn)識不同場景交通參與者交通行為的目的差異，才能對自動駕駛車輛提供更為合理的輔助決策。