深度-清华大学-面向自动驾驶的车路协同关键技术与展望-2021.6-70页_21mb

面向自动驾驶的车路协同关键技术与展望总结

核心内容

本白皮书围绕自动驾驶技术发展，重点探讨了车路协同自动驾驶（VICAD）在推动自动驾驶规模化商业应用中的关键作用。自动驾驶技术正在经历从单车智能（AD）向车路协同（VICAD）发展的关键转变，车路协同通过整合“人-车-路-云”要素，提升自动驾驶系统的安全、感知能力和运行范围，从而加速自动驾驶技术的成熟与落地。

主要观点

1. 自动驾驶发展现状与挑战

   • 单车智能自动驾驶（AD）目前主要集中在L2级别，市场渗透率较低，L3及以上的高等级自动驾驶仍处于试验和区域性示范阶段。
   • 单车智能自动驾驶面临三大挑战：安全性（如传感器失效、恶劣天气影响等）、ODD限制（如感知盲区、复杂场景识别困难）和经济性（硬件成本高）。

2. 车路协同自动驾驶是必然趋势

   • 车路协同自动驾驶（VICAD）通过信息交互协同、协同感知和协同决策控制，突破了单车智能的瓶颈，为自动驾驶提供更全面、更准确的感知数据和决策支持。
   • VICAD可以将“已知不安全”场景转化为“已知安全”场景，同时缩小“未知不安全”场景的范围，提升自动驾驶的安全性。

3. 车路协同对自动驾驶ODD的扩展

   • 车路协同通过提升感知能力和信息共享，可以扩展自动驾驶的运行设计域（ODD），使得车辆在更广泛的场景下运行。
   • 在无信号灯交叉口等复杂场景中，车路协同系统能提供协同调度和控制信息，提升通行效率和安全性。

4. 车路协同需要高等级智能道路

   • 高等级智能道路是实现车路协同自动驾驶的重要基础，智能道路分级（C0至C5）为不同等级的自动驾驶提供支撑。
   • C4和C5级别的智能道路具备高精度感知、低时延通信和协同决策控制能力，是实现L4和L5自动驾驶的关键。

关键信息

技术路线与发展阶段

• 单车智能自动驾驶（AD）：主要依赖车载传感器和计算单元进行环境感知、决策和控制。
• 车路协同自动驾驶（VICAD）：通过车联网和智能道路设施实现协同感知、决策和控制，分为三个阶段：
  • 阶段1：信息交互协同，实现车辆与道路的信息交互。
  • 阶段2：协同感知，分为初级协同感知（2.1）和高级协同感知（2.2）。
  • 阶段3：协同决策控制，分为有条件协同决策控制（3.1）和完全协同决策控制（3.2）。

车路协同提升自动驾驶安全

• SOTIF安全提升：通过引入高维数据、系统协同和网络通信，车路协同能有效解决单车感知的长尾问题，提升自动驾驶的可靠性和安全性。
• 典型场景应用：
  • 行人闯入预警：通过车路协同感知，提升对行人和非机动车的识别能力。
  • 信号灯协同感知：实现对信号灯状态的准确识别，避免闯红灯事故。
  • 隧道内事件识别：通过路侧感知和通信，提前预警隧道内危险情况。

安全分析模型

• VICADSRM模型：基于碰撞时间（TTC）和抵达冲突点时间差（ΔT）等指标，构建了车路协同自动驾驶的安全收益模型。
• 计算结果：
  • 在超视距跟驰场景中，车路协同将安全概率提升了约 38.94%。
  • 在换道冲突场景中，安全概率提升了 84.53%。
  • 在无保护左转场景中，安全概率提升了 90.75%。

道路智能化分级

• C0至C5：根据自动驾驶和智能道路的协同能力，将道路智能化分为五个等级，其中C4和C5属于高等级智能道路。
• C4智能道路：具备高精度融合感知、分米级定位、全链路200ms端到端时延等能力，支持L2+、L3、L4、L5自动驾驶。
• C5智能道路：具备全时空全量感知、厘米级定位、全链路100ms端到端时延等能力，是未来完全自动驾驶（L5）的理想支撑。

发展建议与展望

• 加快高等级智能道路建设：建议优先建设C4级智能道路，以支撑L2+和L3自动驾驶的商业化落地。
• 推动跨行业协同创新：车路协同不仅是自动驾驶技术的延伸，也是构建新型智慧城市和智能交通系统的重要组成部分。
• 促进政策与技术协同：在法律法规和标准体系上，需要进一步完善，以支持车路协同自动驾驶的规模化应用。

总结

车路协同自动驾驶是实现自动驾驶规模化商业化落地的必然路径，它通过引入高维数据、协同感知和决策控制，提升自动驾驶的安全性、感知能力和运行范围。当前我国在车路协同自动驾驶领域发展迅速，但还存在设备覆盖不足、通信技术不成熟等问题。因此，需要加快建设高等级智能道路，并推动车路协同与自动驾驶技术的深度融合，以实现更安全、更高效、更经济的自动驾驶应用。