一、智能网联环境交通数据特征

 

　　智能网联交通系统有两个特别大的特征，第一是智能网联，第二是汽车的自动化，这种环境下会有很多的数据的输入，有了这些数据之后，我们就可以围绕系统集成和网络的互联化。在这种情况下我们就集成了智能传感器技术能够来做车辆和交通的管理，有了这些数据，我们这里有大数据、有人工技能技术，现在有了智能化、网联化、协同化和共享化，这里面解决的问题就是交通安全和便捷。我们看看智能网联化有哪些数据，这里面有实时的道路交通数据，以前数据一个卡口一个单点，以前所有的车如果都是智能车，那么100%覆盖的情况下，我们还有顾及吗？不需要，所有的状态都是实时感知的。这是它的优势。

 

　　第二是高精度定位。车道级的的流量路口是不是做区划，这里面都能够解决，所以智能网联交通数据特点是多元、实时，它具有为我们解决安全问题，除了安全问题还能够解决效率和生态的问题。当然国家的政策包括现在，不管是新基建、大数据、5G都为智能网联的发展提供了非常好的条件，所以我们应该是属于变革的时代，有很多的机会值得我们去研究。

 

　　二、智能网联环境交通安全研究

 

　　下面分享一下我们团队在这个方面做的一些工作，回到交通系统，我们经常说人车路环境，我把环境系统改了一下就是叫做“交通系统”，针对这四个方面分开给大家介绍。

 

　　2.1智能网联汽车人机共驾环境下的人因与安全研究

 

　　第一是人力空间环境下人因与交通安全研究，大家可以看左边的表是事故数据的统计，自动驾驶汽车这三年还发生了这么多事故，这里面有几个方面的问题，第一是感知和决策不完善，另外，人在自动驾驶汽车中起到什么作用，他能不能有效的接管这个车，是另外一个问题，所以在L2的时候要求驾驶员持续的监测，但是L3级的时候可以不需要监测，但是遇到突发情况必须要有监管能力，就是我们通常所说的安全员或者是必须要有监控车辆。

 

　　我们经常自己开车的时候，所有的注意力是在车上，不会出现负荷的跳变，如果信息负载过大的情况下，人是不是有的对接管中传递出来的信息和周边的综合状况做一个很好的判断，如果出现偏差，就会导致车辆失控或者没有及时作出响应，所以针对这个，我们团队在这个仿真的环境下，搭建了平台，用了自动驾驶的控制算法。

 

　　我们这里面研究的内容主要就是围绕着接管中间人的状态的变化和接管之后的反映的迹象，这是涉及的一些界面，这些界面有预警的形式，还有方向盘所处的位置，在实验过程中我们对不同的交通的场景，典型的事故的交通的场景，采集了驾驶员的数据和车辆操作的数据来作行为分析，最后我们也得到一些结论，如果视觉不在我们车辆正前方，其实它对整个车辆谏官影响是最大的。

 

　　第二，到底提前几秒上车辆进行接管？有5秒、7秒、10秒，每辆车不同的道路交通情况和不同的交通流情况，这些环境，如果是一个固定的值，是不是合理？障碍物如果是可见的情况下，感知能力更强的情况下，给它更好的接管时间，它的安全性会更高，所以通过第一个研究，我们会发现在目前的智能汽车中，人机接管的情况会长期存在，这种长期情况所以我们要针对每个比如高速公路的接管，场景的复杂程度，比如有其他的信息来了，前方有一些事故车辆。这时候是不是能够更早的进行一些信息的输入？

 

　　2.2智能网联环境下的车辆主动安全研究

 

　　第二块的内容，刚才有专家说了，我们在智能网联的情况下把所有的卡车都进行最右侧车道的驾驶，现在我们还有一个，能不能把车路协同的技术用在车队编组，我们所有的车在开车过程中，如果周边的车辆都有自动驾驶的功能的话，就形成一个自编队，这样有没有车速差，货车的时候也是这样，你多少车速我就多少车速，我就跟着你开，这样的话就没有车速差，你原来是一个异类，跟我们不一样，把你拉进来之后我们车速一样，遇到突发情况的时候，我信息一广播所有的车辆做同样的协同操作。还有，如果我们现在卡车要变道，变道的前后车会造成影响，如果进行车队编组程序，我请出一个请求，所有的左边车道的车辆都斗绕过，我货车才可以进行一个超车的行动，所以在智能网联环境下有了车路协同的技术，能不能提升安全性？所以我们团队也做了一些研究，比如车辆的自动感知能力，现在存在一定的不足，这个不足需要用车路协同的技术进行改善，比如视觉的盲点，本来就看不到它，如果从车路协同技术，用支路，比如这里面说的如果一个车在开车过程中有一个皮球从两个车缝之间钻出来，有经验的驾驶员会把脚放在刹车上应对突发情况，但是机器是不知道的，在这个情况下，如果车路协同技术这套技术，就能够知道路上有这么一个突发的情况的，我给车辆做预警，所以在人的角色过程中，很多的经验，在机器让它完全的学习也是有困难的，所以我们要把这个信息做一个融合的分析，今天早上有很多的专家也都提到了测试的问题，智能网联的测试，我们团队中搭建的一个仿真的测试环境，在这种测试环境下，运用了车路协同的技术，来去改善交通的应用，这是我们整个的交通架构。

 

　　因为车路协同技术，当车遇到了问题，可以用车路协同技术得到一些改善，同时自动驾驶的成本也可以下降，所以我们在实验室和我们周边的道路情况下，我们武汉市现在也有建立了一个智能网联的示范区，我们做自动信息的融合，我们可以根据落车的位置和距离的判断最后做行车风险的量化，最后来实现预警，这是安全方面的运用。比方说我们视频是施工区的一个运行，车辆在运行过程中，它是感觉不到盲区的车辆的运行状态，但是我们这里面车载有一个监测的系统，然后路车的RSU对所有的车辆进行广播，广播每一辆车的位置，就可以做到车载端的预警，云端的话也可以对每个路口的范围内的车辆的状态进行实时的数据采集，最后形成车路协同一体化的协同的预警，我们在学校大门的时候经常有一些电瓶车的出入，我们也用这个设备来感知有电动自行车，然后对它进行预警。

 

　　这里面还有一些和信号灯相关的，我们把信号的配置的方案接入了我们的车辆里面，特别是在跟驰的情况下，或者是拥堵的情况下，保持合适的车距，对我们碰撞的风险是不是有一些改善？同样，我们也有硬件的仿真测试，去测试我们过交叉口或者是过特殊路段的安全性的提升。

 

　　2.3智能网联环境下的感知与定位研究

 

　　第三块，我们讲讲路的问题，路的问题在智能网联的环境下，车辆的最大的特色是感知能力非常强，因为有信号雷达，可以通过技术进行扫描，我们原来想用这套技术解决自动驾驶的问题，但是我们现在用这套技术解决道路安全审计的问题，因为道路安全审计的时候，我们经常要做一些测量，比如四距，“四距”就是开口的角度和长度，是否符合我们相关的国标，我们没有办法获得相关的数据，我们激光雷达跑一圈，所有的信息就进行了量化的采集，有了这些量化采集之后，我们做了两件事情，第一个事情，我们也提出来一个概念，就是道路场景指纹，这个地方如果是长方的道路的测控或者是支路的开口不合理，我们进行这样的扫描之后进行知识库的学习，我们再让实验车、采集车在整个道路上跑一圈之后，我们能够找到类似的场景库有多少能够做一次评价，这样的话，我们就实现了对道路安全的监控。这套技术，其实这个场景指纹概念是我们提出来的，就是把具有统一事故特征的道路点位和道路路段进行量化的描述，来去进行安全性的评价，这里面我们有多视角的传感器，也有局部的特征，这就是典型的自动驾驶的相关技术。

 

　　这里面是我们用激光雷达的技术来做相应典型数据的采集。

 

　　2.4智能网联交通系统事故风险研究

 

　　到最后讲讲系统，这里面其实还是基于事故数据做了一些事故预测，其实我们现在很多的事故预测，我们现在数据的质量和表面的输入其实是不精准或者是有缺失的。就改进方向的话，我们要把关联数据进行实时的采集，第二是要做事故预测，这里面我们在智能网联的环境下就能够解决一个车辆多元数据的采集、连续的采集和感知全过程的数据，因为车辆的数据，通过智能网联的技术，整个过程中的连续数据是可以进行存储和采集的，所以只要在这范围内，就能够做这一个事情，所以一个事故发生，我们现在很多的时候是做估计，做后追溯，我们在智能网联的环境下，我们所有的事故发生前、后数据或者是轨迹发展状态数据、车辆状态数据都能够进行采集，比方说我们主要现在在一些路口做了镭射一体的激光摄像头，它可以解决交通路口所有的交通状态实时定位和感知，这里面有没有重大风险，实时的信息在哪里，还有高点的摄像头能够做一些行车的轨迹，对于路口的安全性分析做一些事故的风险，站在交通管理系统的角度做这些事情。

 

　　还有理论模型，我们现在很多的事故模型是站在精细化的交通感知情况下，但这里面有没有可能引入驾驶员的状态？比如我们现在很多营运车辆有ADAS系统处理，高级的的车都会有ADAS数据，能不能接入到我们的事故预测模型里面来去做事故预测？这样的话，我们考虑这样一些因素以后，对于我们现在基于经验、基于事故回溯这套方法是不是有所改善？这个我们现在也是想去做一些探索、研究。

 

　　所以最后一个，简单的一个案例，我们三环县的一个事故进行了相关的分析，我们关联了事故数据和交通量的数据和智能网联交通的状况的状态数据，对于交通流的状态，和对于车辆ADAS运行加速度的信息进行融合，最后我们通过传统的逻辑进行了一个事故预测模型的建模，最后我们用模型能够引入到整个系统，三环县的事故高发位的预测，我们也会比较总体的运行模型在0.8的精度左右。

 

　　三、未来交通安全研究趋势分析

 

　　3.1未来交通系统发展趋势

 

　　最后我们也想做简单的分析，我们现在觉得未来的交通系统一定是基于全市交通系统感知来做的数字化完善的交通信息系统，虽然很多人对它有异议，但是我们觉得这是一个趋势，因为所有的交通的经验、算法都是在我们这个系统中做一个嵌入式的应用，我们必须要有数据网络，才能把我们仿真的或者是系统的整体控制做进去，这是一个数字完整的交通系统，就是把所有的状态信息进行融合。第二，交通系统的协同自主决策，比方说我们现在做到的很多经验，在未来情况下，只要我们采集了全市的信息，我们如果能够把经验做成结果的决策，在自主决策的情况下，不管我们是对每辆车协同控制，比如刚才李局长讲的，我们把所有的卡车都能不能协同系统控制，我们通过路口的时候，行人能不能协同控制，交通系统的协同控制我觉得这是一个趋势。

 

　　3.2未来道路交通安全研究热点

 

　　研究热点，第一个还是人机共融的环境下，人和车之间到底取得什么样的决策，总量如何优化？第二，在混行情况下，今天刘老师也讲了，有一个阶段，混行情况下的思路风险，还有就是一体化的评估。

 

　　四、结束语

 

　　最后我们也是总结了一下，可能现在我们传统交通或者存在数据感知不全面，数据统计不及时，协同防护不基础，我们有了智能网联就可以实现全方位软件支持和一体化的防控，最后感谢我们团队，给大家做一个简单的分享。