城市存量街道车路协同智慧化改造探索与实践.pdf

第 3 期（总第 146 期）2023-09-25城市存量街道车路协同智慧化改造探索与实践 陈宏坡摘 要自动驾驶技术是目前国内外道路交通领域的研究热点之一。在国内城市建设进入存量更新和高质量发展的大背景下，城市建成区现状街道基于车路协同模式的智慧化升级改造还缺乏统一的标准规范和成熟的建设经验。结合上海裕民南路智慧化升级改造项目，介绍了“端-边-云”架构下的车路协同工程建设要素，包括路侧、云端和通信具体实施方案，并探讨了针对现状道路实施车路协同自动驾驶配套改造的关键技术，以及现阶段面临的尚待解决的问题和挑战。关键词 存量街道 车路协同 自动驾驶 关键技术 案例与欧美发达国家相比，我国在智慧交通自动驾驶领域整体上还存在差距，但在 5G 通信、高精度定位与地图、车联网应用等方面已发展出了独有的技术优势。从 2019 年开始，中美两国在智能交通的发展上选择了不同的方向，美国以 Waymo 和 GM Cruise为代表的自动驾驶技术头部公司一如既往地选择了“单车智能”路线，中国以百度阿波罗为代表的公司则重新选择了“车路协同”的技术发展路线，在自动驾驶技术的发展上有望实现换道超车。典型的车路协同采用端-边-云的架构设计,见图 1，端侧将所有交通参与者、交通管控措施等信息采集、汇总、融合，经边缘端计算平台处理后通过C-V2X通信系统，为车辆提供多元感知信息与服务，提升车辆自动驾驶能力。图 1 车路协同典型架构示意图车路协同系统是基于无线通信、传感探测等技术获取车辆和道路信息，通过车车、车路通讯实现信息交互和共享，从而实现车辆和路侧设施之间智能协同与协调，进而实现道路资源优化使用、提高交通安全、缓解拥堵的目标。相比单车智能，车路协同模式在安全性和经济性上有显著优势。单纯的车载软硬件系统难免会出现错误或漏洞，如车载感知设备容易受到环境影响出现失效，车载计算模块在数据处理和决策能力上的不足导致错误操作等。车路协同模式借助路侧感知和计算，以及后台云端大数据处理，可以弥补以上缺陷。此外，为了实现高等级自动驾驶，车载基础传感器的数量需要显著增加，还需在车端部署冗余传感器系统、高精度地图及相应的软件系统，整体单车软硬件成本较高，而车路协同模式下的路侧设施和通信系统资源可以为所有车辆共享，路侧设施设备建设的边际成本约等于零。以上海裕民南路智慧化升级改造工程为例，介绍一种针对城市建成区存量街道的车路协同自动驾驶“端-边-云”架构实施方案，为后续类似工程设计提供参考。1 车路协同关键技术1.1 混合交通流的管控1.1 混合交通流的管控结合国内车路协同自动驾驶发展现状和路线预测，城市道路交通将在长时期内处于不同智能等级车辆构成的混合交通流状态。如何对人车共驾混合交通流进行有效管控，是智能网联汽车出现后必然需要解决的问题。混合交通流条件下，需要解决交通流检测、智能车辆识别、交叉口通行控制、车辆故障脱困、交通事故应急、违法稽查取证等一系列市政设施管理Shizheng Sheshi Guanli工作研究-7-第 3 期（总第 146 期）2023-09-25问题。1.2 车-路-云-图的协同控制1.2 车-路-云-图的协同控制主要包括单车控制、交通标识及信号控制、区域路网交通控制。单车控制可通过云端或路侧按照车-云、车-路协议进行车辆行驶操控，智能网联汽车自身操控系统可完成大部分自动驾驶场景，但在车辆故障、事故或特殊路况（雨雪天气、单车感知盲区等）条件下需要中心端云控辅助控制。道路标识及信号控制，是根据道路交通运行状态控制交叉口信号优先权、可变车道使用权、快速路匝道出入权等。区域路网交通控制，是依据交通流及异常交通条件而进行的区域限速、限行、引流等操作。目前汽车电子技术已经比较成熟，在智能网联交通体系设计时，需要结合高精地图通过云端和路侧对单车进行控制。道路标识及信号控制和区域路网交通控制技术在普通道路网交通组织管理应用中也已比较成熟，但还需结合智能网联车辆的引入，设计安全高效的车-路-云-图一体化协同控制技术方案。1.3 基于动态场景数字化模型的决策1.3 基于动态场景数字化模型的决策相关技术主要包括多场景组织、交通运行态势监测、通用信息的获取与显示、分场景展示及仿真。（1）多场景组织。按照场景组织和打包数据，形成面向多场景切换需求的地图对象、设备对象、数据对象的灵活组织，便于展示场景运行的基础支撑。（2）交通运行态势。能够结合交通量、路网、交通组织进行数据汇总分析，总览运行态势。（3）通用信息获取与显示。按照交通管理需求，对时间、天气、通知等进行显示。天气预警信息、管理限定信息等能够定周期或实时以通知形式下发到路侧及车端设施设备。（4）分场景展示与仿真。针对具体场景进行详细显示，建立场景演练专题图层，按照场景融合车辆、计划、数据等运行情况进行监控和仿真预演，实现物理世界和数字世界融合。1.4 路侧全息感知1.4 路侧全息感知目前路侧常用的感知设备包括激光雷达、微波（含毫米波）雷达、智能摄像机、环境检测器、定位装置及数字标识等。利用激光雷达对道路空间进行完整扫描，获取基于点云数据的道路动态环境，并将智能摄像机识别到的车辆、行人、非机动车及其它物体的道路信息进行互补融合。再利用路侧通信设备向周边或者更远距离接近的车辆进行广播，为智能网联汽车的超远视距和非视距信息感知提供有力支撑。1.5 高精度地图与定位1.5 高精度地图与定位高精度地图是车端和路侧感知信息的有效补充，配合传感器和算法，可为车辆提供更加可靠的多维度道路环境信息。决策层通过对以上道路环境数据的解析和车辆定位，对车辆行为和运行路径进行控制和规划，从而代替驾驶员操控实现自动驾驶。1.6 数据计算和存储1.6 数据计算和存储从数据共享层面分析，各类设备终端软硬件架构各不相同，存在信息壁垒。云控平台层面必须打破信息孤岛，在数据基础共性层面建立通用的大数据平台。平台采用统一的数据格式和加密方式，架构采用泛在接入、屏蔽细节的分布式部署。从监督管理层面分析，智能网联云控平台会产生 PB 级大码流的非结构化数据，存储设备的数量将达数十台甚至上百台，对系统冗余和安全性要求很高。存储技术可以针对系统架构、文件架构、高速缓存等进行优化。数据传输底层可采用突破传统文件系统限制的流媒体数据架构，以大幅提高系统性能，支撑大数据存储应用。1.7 数据处理与分析1.7 数据处理与分析通过路侧感知终端、车载传感器、互联网节点、移动网络节点、车联网节点等方式输入获得的结构化、半结构化及非结构化的海量智能网联数据。利用大数据抽取技术将采集到的多结构数据转化为单一的或便于分析的统一结构数据，并通过大数据清洗技术去除不具备分析价值、干扰项以及与目标无关的数据。利用大数据分析技术对驾驶行为数据、车辆性能数据进行处理分析和挖掘，提取数据中有价值的信息，从中分析车辆在所处道路环境中的行驶特征和行驶需求，对车辆安全性预警阈值、行驶策略进行适应性调整，优化路侧感知设备的融合互补机制。2 上海裕民南路车路协同实施方案2.1 工程范围和内容2.1 工程范围和内容裕民南路是上海市嘉定新城 2010 年建成通车的限速 30 km/h 的城市支路，红线宽度 24 m，采用双向 3 车道一幅路断面。现状道路沿线地块均已开发成熟，分布有居住小区、商业综合体、沿街商铺、高端酒店、图书馆、美术馆、绿地广场等。本次实施智慧化改造路段长约 1.3 km，包含 4 个平面交叉口、4 个公交停靠站。智慧化建设内容主要包括：（1）结合多杆合一建设车路协同路侧设施，以市政设施管理Shizheng Sheshi Guanli陈宏坡：城市存量街道车路协同智慧化改造探索与实践-8-第 3 期（总第 146 期）2023-09-25及数据监管平台配套数据存储服务器软、硬件扩容，实现 L4 级别车路协同自动驾驶场景，见图 2。（2）对现有公交站进行的智慧化改造，实现公交实时动态预报站、触屏互动查询线路信息、安全监控（乘客、设备）、综合媒体信息展示（交通信息、灾害天气预警、环境指数检测信息）、车辆辅助定位、车路协同自动驾驶等功能，见图 3。图 2 工程现场实景 图 3 公交站现场实景2.2 总体架构2.2 总体架构裕民南路车路协同系统总体架构见图 4。图 4 系统总体架构示意图（1）摄像机感知系统。通过安装在路段、路口的高清摄像机，完成对区域原始视频的采集，集成了 AI 芯片与相机模组，将深度学习算法与成像模块集成到一个设备中，能够实现边缘实时的全量障碍物、交通流指标的解析和检测。（2）雷达感知系统。雷达感知设备安装在路侧，作为感知摄像机的有效补充，具备目标检测、目标类型识别、车流量统计、车速检测、目标状态跟踪、车队长度检测等能力。雷达感知系统将监测到的目标的点云数据实时传输给边缘计算系统。（3）信号灯感知系统。采集及识别路口的信号灯信息，通过智能学习，准确识别路口的信号灯灯态，通过通信系统发送给车端，同时将信号灯数据传输给边缘计算系统。（4）C-V2X通信系统。可为车辆提供LTE-V、4G融合网络服务，实现车路双向的信息快速传递，并提供时钟校准信息。（5）边缘计算系统。边缘计算系统是路侧基础设施的核心组件，实现传感器采集的环境数据解析、融合及 V2X 报文编辑转发，包含采集传感、计算决策、通信汇聚、安全认证、状态检测等模块。2.3 路侧设施布置2.3 路侧设施布置因裕民南路为城市支路，平均交叉口间距约250 m，且道路平纵线形较为平直，故路侧设施主要结合“多杆合一”设置于现状平面交叉口范围,见图 5，具体布设原则如下：图 5 典型十字交叉路口车路协同设施布设图（1）摄像机感知系统。每个信控路口的进口道，正向、反向各布设 1 套高清枪式摄像机用于视觉感知；每个信控路口的每个方向各布设 1 套全景摄像机，垂直向下补充正下方视觉盲区，检测排队车辆。（2）雷达感知系统。每个信控路口的进口道各布设1套激光雷达检测器，用于检测高速行驶的车辆。（3）信号灯感知系统。每个信控路口各布设 1套信号灯读取装置，安装于信号机机柜内。（4）C-V2X 通信系统。每个信控路口布设 1 套路侧单元（RSU）设备，安装于信号灯杆件上（确保无遮挡），主干电缆采用 YJV-1 34/6，光缆采用4 芯铠装光缆，杆上电缆采用 RVV-0.75 31.0，网陈宏坡：城市存量街道车路协同智慧化改造探索与实践市政设施管理Shizheng Sheshi Guanli-9-第 3 期（总第 146 期）2023-09-25线采用超五类屏蔽网线。（5）边缘计算系统。每个信控路口布设 1 套边缘计算（MEC）设备，安装于全要素综合机柜内。2.4 通信系统布置2.4 通信系统布置单个路口 4 个方向的路侧设备通过光纤直连组成环网，见图 6。图 6 智慧路口通信系统架构图单个路口共布设 8 台枪机、4 台全景相机，其中8 台枪机按照 1 080 P60 fps 帧率、H.264 编码类型及4 096 kbps码率进行计算，需求上行带宽约为92 M；4 台全景相机按照 4 MP60 fps 帧率、H.264编码类型及 8 196 kbps 码率进行计算，需求上行带宽约为 92 M；单个路口的外部光缆需配置上行速率约 200 Mbps，需配置 1 000 M 光纤传输。各路口设备通过光纤传输汇聚后就近接入运营商的光交箱内，再通过光纤直连方式接入数据中心机房。单个路口路侧设备的总用电量约 2 kW，考虑从合杆工程设置的综合电源箱取电。2.5 数据中心平台2.5 数据中心平台裕民南路智慧道路所建设的全息路口主要包含了通过路侧单元（RSU）、边缘计算设备（MEC）输出的车路协同报文数据，以及由路侧感知设备摄像机、激光雷达直接输出的视频图像数据以及激光点云数据。通过智能网联数据仓库，提供车路协同相关重要数据的采集、存储与管理，同时通过 PaaS 服务的方式提供结构化数据的存储与管理。其中车辆数据为潜在可能接入的数据，既有数据中心平台具备接入自然驾驶及测试监管等车辆数据的能力，因此进行功能项预留。整体数据接入管理架构见图 7。图 7 数据接入管