车路协同对智慧交通的支撑作用正在显现，引导自动驾驶场景迎来新突破。由车路协同推进的自动驾驶突破混合交通场景，并在应对暴雨、夜晚等极端情况上发挥重要作用。
交通运输信息化专家、中国交通通信信息中心副主任林榕在调研时表示：“非常高兴看到以车路协同为核心的自动驾驶落地成功。整套方案将车路协同、车车协同、单车智能充分融合，发挥了平台体系的技术和服务优势，达到了国内领先水平，代表了智慧交通、未来出行的发展方向”。
新基建加速智慧交通 车路协同是重要支撑
车路协同是交通运输中将新型基础设施与传统基础设施融合发展的重要领域。近年，在“两重一新”的建设方略和“交通强国”的战略决策下，车路协同迎来历史性发展机遇。
2019年9月，中共中央、国务院印发《交通强国建设纲要》，明确提出大力发展智慧交通，推动大数据、互联网、人工智能、区块链、超级计算等新技术与交通行业深度融合，加强智能网联汽车（智能汽车、自动驾驶、车路协同）研发，形成自主可控完整的产业链。进入2020年，新基建为数字化进程按下加速键，5G、C-V2X、AI等新一代技术爆发，智慧交通迈向落地关键年，而车路协同是重要支撑。
2019年10月蘑菇车联在国家级智慧交通示范基地北京顺义区北小营镇落地全国首条商用车路协同示范路，在5G+C-V2X无缝连接和车路高效协同上开创先河，掀起了智慧道路建设的新篇章。在此基础上，今年蘑菇车联又推进自动驾驶在车路协同体系中的应用，这一创新探索让车路协同更好赋能智慧交通又迈出了关键一步。
两大引擎三大支撑 车路协同提供可靠安全保障
目前，自动驾驶在全球有两大主流方向，一个由单车智能化主导，另一个则是由车路协同驱动。从新基建到交通强国，从5G、C-V2X到北斗卫星定位，上至国策、下至技术，中国都有强大的车路协同基础。在车路协同体系中发展自动驾驶也被称为“中国路径”。
蘑菇车联的车路协同体系依托蘑菇OS和AI云平台两大引擎，从车、路、云、网入手，融合了车路协同、车车协同和单车智能，形成了智能感知、车路协同和AI云三大系统。其中，智能感知系统融合了芯片、传感器、北斗+GPS高精定位等新一代技术，让车、路两端具备追踪目标、捕捉风险、预测意图的能力。车路协同系统通过5G+C-V2X将车与路、车与车连接打通，各端感知数据彼此交互，极大提高了单车智能的水平。而AI云相当于大脑，分析协同所有交通元素、全局调度、贡献行驶策略。
正因为如此，当自动驾驶融合到车路协同体系中，能为车辆行驶提供可靠的安全保障，特别是在复杂的混合交通和雨天、黑夜等特殊情况。
挑战极限风雨无阻
在暴雨中，视线会被不断冲刷下来的雨水遮挡，单车智能依赖的摄像头、激光雷达等传感器的精度也会显著下降，相当于全盲开车。这个时候还能风雨无阻的自动驾驶吗？
7月，蘑菇车联在位于北京顺义北小营的5G路段上运营车路协同系统，期间遭遇了多场暴雨。这段车路协同示范路段全长 7.2公里，混合了大货车、小汽车、临时路障、非机动车和行人，是典型的混合式交通场景。其中一场为二级橙色预警等级，强降雨量达到148.8毫米，低洼地区的积水最高有30厘米，部分路段还有植被覆盖遮蔽了车道线。为了体现极端天气中车路协同对自动驾驶的引导，运行车辆在安全员监管下关闭雨刷，保持自动驾驶。在单车视线近于全盲且天气及路况条件极端恶劣的情况下，运行车辆仍然安全顺畅的完成了无保护左转、严重积水通行、逆向绕行避障、复杂场景会车等高难度自动驾驶。
图示：车路协同引导自动驾驶在严重积水中通行
暴雨对自动驾驶最大的挑战在于单车感知系统几近失灵。摄像头在90%以上的时间无法采集数据，激光雷达会产生异常折射，对物体的形状、位置和质地不能精确判断，因此也无法提供可靠的感知数据。而基于车路协同的技术路径赋予了单车360度多套冗余感知能力。
智能路侧设备为自动驾驶车辆提供了具有完全独立性的数据冗余感知系统。首先路侧灯杆位置部署了多个大尺寸摄像头，具有不同焦距，曝光时间最短可达0.1毫秒，图像零畸变，保证了从广角到长焦等不同焦段内都可以获取到清晰的图像。由于路侧摄像头的架设位置高，布设了遮挡防护，并且视角为俯视，暴雨对路侧摄像头的识别干扰几乎为零，不仅看得更多，还能看得远，更看得清。而通过车与路的协同，路侧设备识别的交通元素数据，如车道线、障碍物、行人等信息被发送到车端，如同让全盲的人重新眼观六路、耳听八方。
其次，智能感知系统中的高精定位对车辆稳定行驶起到了保障作用。蘑菇车联的高精度定位模块支持北斗卫星导航和GPS全球定位系统，通过实时动态差分技术，在全天候环境下定位精度小于10厘米。
第三，感知能力的提升还包括了路端信号的补强。由于光照、角度、雨雪遮挡等条件限制，车端传感器识别信号灯状态的准确性很难保证，通过与路端设备建立通讯，可以直接获得信号灯当前状态和相位周期。蘑菇车载OS支持4G、5G和C-V2X多个通信通道，保证数据传输成功率可达 99.99%。
从数量、范围到精度，360度感知系统都在增强自动驾驶的鲁棒性。
由于融合了路侧设备的感知数据、路端信号数据及全局交通信息，系统面临着海量数据处理的压力。车路协同下，以毫秒为单位的多源异构数据规模是单车智能的上万倍，仅在安全和效率两个指标上，各种参数维度就多达数百个。目前，蘑菇车联在边缘云上的日均数据处理量达到了100TB+，方案可融合120万个传感器的数据。
除了规模庞大，数据复杂性也大大提高。受传感器工作原理限制，现有的深度学习算法准确率有限。因此系统还需要联合概率融合模型和粒子滤波算法解决多路冗余数据的冲突和精度问题，同时通过毫秒级的处理效率将运动情况下的数据融合错误率降低到0.1%以下。进一步结合局部道路地图和驾驶场景的深度学习模型，动态目标的跟踪和预测准确率达到了97%以上。
这一解决方案在夜间同样效果显著。车流择机变道、大货车无标线会车、无照明下混合路段的窄道通行、甚至是对预测意图要求极高的左转交替通行，都是智能分析每一个交通元素速度与轨迹趋向、综合决策、全局调度的结果。
图示：车路协同引导自动驾驶在夜间行驶
基于车路协同，360度无盲点感知、每秒百万级全量数据计算、97%+的预测精度，这是“风雨无阻”的背后保障。
除了体系化的保障，AI云的深度学习能力也是关键，需要不断积累、优化和提升。通过转弯、加减速曲线等数据，蘑菇AI云能够训练符合中国道路特征的驾驶行为习惯，让自动驾驶与人工驾驶特征保持一致，遍布全国的道路覆盖和场景积累也为深度学习提供了更多的长尾样本。
2019年5月12日，交通运输部在《关于深入推进公路工程技术创新工作的意见（征求意见稿）》中提出加快推进智能感知、5G通信、高精度定位和边缘计算等技术在公路工程和路网管理中的应用，依托公路复杂交通环境的测试和试验，推动车路协同技术发展和智慧公路建设。7月，交通运输部印发《数字交通发展规划纲要》提出推动自动驾驶与车路协同技术研发。2020年8月6日，交通运输部印发《关于推动交通运输领域新型基础设施建设的指导意见》再次提出推进车路协同等设施建设，丰富车路协同应用场景。由车路协同引导自动驾驶见证着智慧交通发展的新步伐。
(责编：王紫、李?P)
