2017年，国务院印发《“十三五”现代综合交通运输体系发展规划》，明确提出示范推广车路协同技术，应用智能车载设备，建设智能路侧设施。2018年，工信部发布《车联网（智能网联汽车）产业发展行动计划》，提出力争到2020年，车联网用户渗透率达到30%以上的目标。从政策层面看，国家高度重视自动驾驶和车路协同发展，并确定了按照车路协同的技术路径积极推动自动驾驶的发展。

无论是智能驾驶车辆技术发展还是智慧高速建设，仅从一个方面入手，无法保证智能驾驶的绝对安全。智慧高速该如何建设，希迪智驾（长沙智能驾驶研究院、CIDI）已提出一个建设框架——智慧高速应具备道路感知体系、全路段高精度定位与高精度地图、全路段路侧V2X通信体系、云端监控与计算平台体系。

在此背景下，经过技术的升级迭代，希迪智驾发布了“V2X+智慧高速”解决方案。此前，希迪智驾针对城市交通安全及交通通行效率问题已发布“V2X+交叉路口”解决方案。“V2X+智慧高速”解决方案只是希迪智驾针对智慧高速建设三步战略中的第一步——车路协同式智慧高速，其余分别为半自动化式智慧高速以及全自动化式超级高速。

●车路协同式高速，路侧端进行全路段交通态势感知，并将感知结果通过V2X通信传递给自动驾驶车辆进行决策，为自主决策自动驾驶车辆的感知系统提供路侧数据支撑，为自动驾驶保驾护航。

●半自动化式高速，自动驾驶车辆自主决策控制为主，路侧端感知决策控制为辅，以达到主动安全目的。自动驾驶车辆根据自身感知结果以及路侧传递的高精度局部动态地图与控制指令(结合云端协同调度结果)，进行最终融合决策。

●全自动化式高速（超级高速），自动驾驶车辆自主决策控制为辅，路侧端感知决策控制为主，使低成本自动驾驶车辆成为可能，最终达到在低成本硬件下实现高可靠性主动安全的目的。

本次发布的“V2X+智慧高速”解决方案--车路协同式高速，不仅提供高速智慧监管技术支撑，还多方面满足行驶车辆的智能出行需求。

针对自动驾驶车辆，提供超视距路况感知功能，有效弥补单车智能的感知盲点；针对网联车辆，提供基于V2X的高级辅助驾驶功能，能够有效保障主动安全，提升交通效率；针对普通社会车辆，用户只需安装方案提供的APP就可以体验部分高级辅助驾驶功能，有效减少交通事故发生。

一、方案组成与功能介绍

图1  “V2X+智慧高速”解决方案示意图

如图1所示，整个方案主要由智能网联道路管理系统（CRSS）、智慧高速云控平台、车载终端设备组成。根据不同应用场景方案提供了四层计算架构：车端计算、路侧边缘计算、中心云计算、移动端计算。

方案中的CRSS主要由智能网联路侧单元、边缘计算单元、路侧传感器组成，系统集成了感知、高精度定位、V2X通信等功能。智慧高速云控平台主要包含智能网联道路数据管理、V2X场景云计算与决策、自动驾驶监测与管理等功能。车载终端主要由车载单元（OBU）与智能手机移动终端组成，车载终端主要集成了V2X通信、V2X 算法决策、APP终端显示、自动驾驶控制等功能。

图2  智能网联道路管理系统CRSS（测试）

二、方案功能特色

1、超视距感知能力，提高自动驾驶安全性

在高速场景中因车速较快，车辆所需的安全距离较远，而车载端传感器极限感知能力只有100到200米，在某些车辆或场景中，无法满足其安全性。此时，沿线部署的CRSS便可通过其超视距感知能力，有效地增强自动驾驶安全性。超视距感知能力包括以下三个方面：

■超视距障碍物检测

视距范围以外的道路上存在障碍物时，CRSS能够在驾驶员视距范围之外提前感知到结果并广播给接近该位置的车辆，提醒其提前决策。

图3  超视距障碍物检测（测试）

■ 超视距可行驶区域检测

为应对道路施工、路面坑洼、交通事故等特殊事件的发生，道路的可行驶区域也将实时发生变化。此时，若依照车内保存的历史地图进行自驾行驶，容易发生交通事故。CRSS提前感知这个区域并广播给接近的自动驾驶车辆，提醒其提前变道。

图4  超视距可行驶区域检测（测试）

■ 超视距视频感知

CRSS将采集的路侧视频数据通过V2I传给自动驾驶车辆的感知层进行决策分析，从而将自动驾驶车辆感知能力拓展到1km左右，极大地提升了高速自动驾驶的安全性。

图5  超视距视频感知（测试）

2、给传统车辆赋能网联化，

实现高级辅助驾驶

合作式智能交通(Cooperative ITS)是智能交通发展方向，希迪智驾“V2X+智慧高速”解决方案支持前装或后装的网联化车辆。一种网联化车辆是通过加装OBU使车辆具V2X通信能力，通过获取CRSS所发出的感知结果信息，可以获得更完善的道路交通信息，完成高级辅助驾驶(ADAS)功能。另一种网联化车辆为使用希迪智驾车路协同APP具备V2N通信能力的车辆，结合本方案的云计算与移动计算，可实现部分ADAS功能。

CRSS智能道路管理系统能够实时感知车辆、道路、行人、交通事故等信息，并广播给周边车辆，方案已经实现的高级辅助驾驶场景包括前向碰撞预警、路口碰撞预警、紧急制动预警等主动安全类、地外，还实现了车道汇合提醒、前方车道变窄、弯道限速提醒、前方交通拥堵提醒、高速出口信息提醒等交通效率类场景。

图6  智能道路管理系统功能

高级辅助驾驶场景（部分）

3、降低自动驾驶车辆成本，

加快自动驾驶场景落地

自动驾驶车辆通常采用摄像头、夜视相机、激光雷达、毫米波雷达等传感器来感知周边环境信息，鉴于传感器、车载计算平台的价格以及可靠性等因素，使得现阶段自动驾驶车辆的成本较高。

在本次发布的希迪智驾车路协同高速方案中，路侧CRSS向车辆实时提供道路态势，可降低对于车载传感器以及车载计算平台的需求，降低自动驾驶的实现成本，将车的部分智能转移到路侧来完成。该解决方案将路侧传感器、交通控制中心、静态地图等数据经过复杂的检测算法与预处理流程，再经过提炼和融合后生成局部动态地图（LDM），局部动态地图为自动驾驶的融合决策提供了数据支撑。此外系统提供了一种多级决策的架构，从最基础的车端决策到路侧单元的决策（边缘决策），最后实现基于低延时网络（如5G）云端决策。

图7  多级决策树示意图

4、路侧高精度定位体系

全路段动态高精度定位体系是面向智能出行需求最基础的支撑体系。为了给车辆提供精准定位（GPS差分）及车道级定位，本此希迪智驾发布的方案提供了路侧高精度定位辅助基站和摄像头辅助定位两种方式。CRSS中的路侧单元内置 RTK定位系统，可以作为高精度定位基站，通过V2I通信方式对高速上的车辆提供差分定位服务，即输出RTCM信息包。此外，利用深度学习技术，通过路侧摄像头与毫米波雷达实现多车道线与道路边界的检测，从而进行车道级定位。

图8  内置RTK定位系统的RSU

5、智慧高速云控平台

智慧高速云控平台的服务对象是智能汽车及其用户、管理及服务机构。它为这些服务对象提供车辆运行、基础设施、交通环境、交通管理等动态基础数据。它具有数据存储、数据运维、大数据分析、云计算、信息安全等基础服务机制，是支持智能网联汽车实际应用需求的基础支撑平台。

本方案通过此云控平台，打造未来智慧路网管理与服务平台。它是路网上智能车辆和智能终端接入交通基础设施网络的安全门户。通过对交通数据进行整合处理，形成分析预测模型，从而运用于交通调度引导、线路规划、车辆管控等方面，推动道路基础设施要素资源全面数字化、“人车客货”互联互通。用数据管理和决策为车辆的运行提供全方位的支持。

图9  智能网联数据管理平台

■ 智能网联数据管理平台

智能网联数据管理平台是智慧高速云控平台的核心系统，是智慧高速上数据采集、处理、融合的枢纽，包括：自动驾驶汽车、智能网联汽车、智能网联设施、智能路侧感知等最新交通感知系统的数据汇聚于智能网联场景决策计算与控制平台中。主要内容包括：智能网联设施管理、自动驾驶汽车测试数据、智能网联安全事件、智能网联汽车测试数据、智能全息感知数据等子系统。

■ 自动驾驶监测与管理平台

针对特殊事件，自动驾驶车辆受资源限制、安全员因突发状况无法接管车辆等情况，需要一种有效的安全冗余机制。在这种情况下，为了对车辆状况进行实时监控，希迪智驾开发了针对于驾驶仓和车体前方情况的多路监控视频传输系统，该系统打通5G网络，能够低延时地将1080P视频数据显示于监控中心，且该系统具备实时查看、远程监控，视频存储回看和动态网络带宽自适应等功能。

此外，有效地利用5G大带宽低延迟网络，在云端形成远程驾驶能力，设立远程驾驶云中心，收集来自车辆及路侧传感装置的数据，并通过远程控制可以实现车辆自动驾驶；利用自动驾驶区域化、道路局部化、个性化的特点，将车辆采集数据通过高带宽传输到云端，并利用云平台的计算能力实现决策，不但解决了车辆本身功耗、体积限制带来的计算需求问题，而且将结果通过高可靠低延时网络传回车载端，可以实现车辆的实时干预控制，确保行驶安全。

■ 智能网联云计算平台

图10  智能网联云计算平台

智能网联云计算平台提供丰富的应用服务，且可以根据应用程序的服务质量(QoS - Quality of Service)需求动态调整云端资源。为了应对智慧高速大数据的特点，系统采用了存储即服务（STaas），合作即服务（Caas）、基础设施即服务（laas）等数据处理方式。

●STaas存储即服务，目的在于实现数据存储云化，提供智慧高速数据利用率、安全性。

●Caas合作即服务，车辆网络提供各种各样的新服务，如驾驶员安全、交通信息、交通警报、天气或交通事件上报、停车和广告。

●Iaas基础设施即服务，可以获取与交通状况相关的车辆信息，还可以获取道路上发生的事件，比如事故。

智能网联云计算平台借助智能网联道路数据管理平台实时强大的数据采集、数据融合能力，将自动驾驶汽车、智能网联网联汽车、社会车辆连接起来，再通过人工智能算法研发车路协同模型，成功将车辆运动的决策与控制和交通的调控系统协同起来。从而使得车辆与交通管控能够基于共同的优化目标，真正解决交通出行中存在的各类问题。