基于車路協同的復雜新型交通系統與傳統交通系統不可同日而語，新型的交通系統的來臨，使我們面臨眾多挑戰，我們必須采用群體智能協同控制的方式來解決開放的復雜的交通系統面臨的交通管控問題。

今年9月份，阿里巴巴、百度等一些大的互聯網公司先后發布了車路協同的戰略發展目標和計劃，大公司這樣的一個動作就突然把原來各研究機構逐步發展的車路協同技術推向高潮。有人預測2018車路協同在市場上這樣的一個啟動，很可能會在2019年成為發展風口，車路協同的大規模應用和推廣已經成為現代道路交通發展的必然選擇，但是目前還是會面臨一系列基礎研究的問題。

2011年科技部在863計劃設立主題項目“智能車路協同關鍵技術研究”。這也是“車路協同”名詞的來源。

“863”計劃：1986年3月，面對世界高技術蓬勃發展、國際競爭日趨激烈的嚴峻挑戰，***同志在王大珩、王淦昌、楊嘉墀和陳芳允四位科學家提出的“關于跟蹤研究外國戰略性高技術發展的建議”和朱光亞極力倡導下，做出“此事宜速作決斷，不可拖延”的重要批示。在充分論證的基礎上，黨中央、國務院果斷決策，于1986年11月啟動實施了高技術研究發展計劃，簡稱863計劃。

發展車路協同技術及其應用已納入交通部智能交通系統發展戰略。

目前國家的在建項目有：新一代國家交通控制網和智慧公路試點工程/北京冬奧會、雄安新區項目等。

清華大學教授/自動化系工程研究所所長、國家“863”計劃先進交通技術領域專家張毅率領的團隊自2011年就開始了車路協同技術的研究，本文是對他在國家智能產業峰會報告的整理。

車路協同與智能協同

車路協同系統i-VICS (Intelligent Vehicle Infrastructure Cooperative Systems)是采用先進的無線通信和新一代互聯網等技術，全方位實施車車、車路和人車動態實時信息交互，在全時空動態交通信息采集與融合的基礎上，開展車輛協同安全和道路協同控制，充分實現人車路的有效協同，保證交通安全，提高通行效率，從而形成的安全、高效和環保的道路交通系統。

核心技術與功能有：①任何車輛任何時間任何地點互聯；②全時空動態交通信息采集與融合；③人車路的有效協同－－協同安全（分為主動安全和被動安全）、協同控制（分為主動控制和被動控制）。

車路協同系統結構

從上圖可以看出，系統通過各種無線通訊的方式，把車和車之間、車和路之間、近端和遠端車之間、甚至人都可以構成新的交通結構。

這里幾個關鍵點：車載設備、人手持設備、路測設備構成一個新的結構，結構的功能有：

設備性能：多模兼容

環境感知：協同感知

信息交互：可信交互

控制機制：動態分層

計算實現：邊緣云端

系統功能：升級延展

這些結構組合在一起將產生非常大的變化，比如信息或獲取產生的革命性的變化，于是我們在思考問題的時候就不能再用傳統的方式來做，因此不同的領域做交通的同仁們就開始思考這個問題。于是大家回憶國內近十年的發展過程，有些高頻詞是比較常見的，比如車聯網(Internet of Vehicle)、網聯車(Connected Vehicle)、蜂窩網聯(C-V2X)以及車路協同(i-VICS)方式。

當然，最后交通部選擇了“車路協同”這個名稱，這其實也跟我們的國家的體制有關系，因為不同領域的叫法是從它的角度出發的。

雖然這幾個方面出發點是不一樣的，比如車聯網最早的發展是從物聯網出來的的，把車連起來就可以做，但是車聯網用到汽車里最早的是從娛樂開始的，希望汽車在行駛過程中通過網絡傳遞娛樂的信息。這個市場沒有打開，發展過程中，大家發現車聯網更大的應用是在交通里面，于是車聯網就變成和交通結合。

從這個例子中可以看出，出發點雖然可能不一樣，但是目前主要研究的領域都趨同了。

交通部副部長劉小明在去年電動汽車百人會上說：交通運輸部高度重視自動駕駛和車路協同等前瞻性技術的發展和應用，以智慧交通建設為載體，按照車路協同發展的技術路徑，積極推進自動駕駛的發展。

因此，我們國家高度重視自動駕駛和車路協同發展，這個技術路線確定了按照車路協同的技術路徑積極地推動自動駕駛的發展。即我們現在的所說的自動駕駛以單車為智能體解決通過單車對環境的感知解決控制的問題要發生一些變化，走到另外一個技術路線，就是依賴于我們現在說車路協同的平臺，對自動駕駛汽車的原理性、控制的手段問題、系統的結構問題都會產生一些變化。

比如說舉一個簡單的例子自動駕駛有一個挑戰是，過路口的時候要識別紅綠燈，但是會受到很多因素的影響如光照和遮擋等。眾所周知，視頻的識別可靠性最后的5%是很難提高的，但是如果這5%提高不上去對于自動駕駛車輛通過路口就很困難。

但是車路協同平臺就可以解決這樣的問題，信號控制系統作為車路協同平臺中間作為一種典型的傳感器，可以把它信號發送出來，如果信號機能夠把紅燈和綠燈的狀態以及時間直接發給自動駕駛汽車，就可以代替通過視頻判別信號燈的過程，就可以解決所謂最后5%準確率的問題。

即不同的技術路線可以大大提高對交通可靠性要求，同時可以降低對一種技術的依賴性。

這樣還可以極大的解決成本的問題，比如我的團隊，從買車再改裝到上路40萬就可以解決了。一年的經驗，70多萬就可以解決兩輛自動駕駛汽車。但是有一個重要的前提就是基礎設施要支持我們的自動駕駛汽車。

車路協同條件下的道路交通環境促使我們改變對傳統交通系統的認知

在這樣情況下，新的挑戰也隨之而來，如上圖所示路網及所有道路上車輛連起來以后，使得傳統的交通里面只能依靠簡單斷面來推演整個交通系統的時代過去了。

現在通過車路協同系統可以知道任何時間、任何斷面交通情況，任何車輛信息都可以獲取。

于是再這樣的情況下產生海量的信息，包括信息安全的問題。

在這個基礎上還會發現一個很重要的問題，就是全面信息撲面而來以后，我們發現系統結構也會發生變化。即有了這樣一個結構以后，我們發現交通系統里面就沒有邊界了。我們知道我們控制的系統目標應該是固定的。但是這樣的交通系統是無邊的，只要有人的地方就都有道路都有車輛，因此我們需要劃一個界限研究一個交通，如果要用傳統控制的方法去研究就會面臨新的挑戰，傳統的交通理論就面臨一個新的變化，原先我們是用流體力學的方式研究傳統交通流量，但是現在需要換一種思路。

由于我們的車輛是離散的、是隨機的，所有的信息都可以獲取，于是我們需要從統計學的角度隨機統計的效果去建立一套新的交通流理論，這是我們面臨的重要挑戰問題之一。

到底有那些具體的挑戰？

第一個挑戰是交通系統屬性發生了變化。原來的傳統的交通系統我們是用流體學來檢測交通流量，這個時候沒有辦法關心的每部汽車，當然并不是我們不想關心，而是之前沒有手段關心?，F在車路協同以后，所有車輛里面的原本在傳統交通系統中不顯現特性現在凸現出來了，如自組織、網絡化、非線性、強耦合、泛隨機及異粒度，這時我們在用傳統交通流的方法研究已經不適應了。

第二個挑戰是交通的組織成分發生的變化。隨著車路協同的發展，我們就會有網聯汽車的進步，在這個情況，一部分是完全靠人自己決定的，一部分可以通過網絡獲得信息的，增加的成分問題，現在自動駕駛引進來了，更可怕的是將來自動駕駛車和人駕駛車放在一塊，而且是長期共存的情況下，交通成分發生變化以后，這個時候對我們整個挑戰發生了大的影響，我們的模型已經不能像以前那樣單純了，更加復雜了，我們的組織成分發生了變化。

第三個挑戰是交通系統沒有邊界了。以前我們可以切一個界面研究哪幾輛車，現在行不通了，在研究過程中我們發現按照交通的結構，交通系統里面沒有了主次之分，所有的車都是平等的，沒有統一目標，所有民用車輛全是分散目標。三是系統沒有邊界，找不到邊在那兒，只要有人存在的地方就有交通系統，是當做開放的復雜系統去研究。

第四個挑戰是用什么樣的結構去研究新的交通系統。總體層面上這里列出來泛在分布式，但是在情景驅動下的動態集中式，我們現在研究集中控制被動成分是固定的，大家知道求優化目標的時候，SI中的I是固定的，從1到N中的N是固定的，但是在交通里面不是這樣，比如在路口通行過程中間，在情景化過程當中要研究在一定范圍內有一百個汽車的時候，這個時候一百個汽車到下一個時刻五六輛就出去了，然后又進來了三四輛汽車，在求優化目標的時候就發生一個新的挑戰，沒有辦法用傳統的求優化問題的方式來解決它，這樣的情況下這就是我們的挑戰。

那怎么才能解決這樣的挑戰呢？在這個情況下必須采用群體智能協同控制的方式來解決開放的復雜的交通系統面臨的交通管控問題，隨著這樣的發展，而且交通的協同管控的需求擺在面前我們必須研究相關的基礎和關鍵技術問題。

群體智能與協同控制

下面從四個方面的分析群體智能和協同控制該怎樣實現。

一、基于車路協同的群體智能協同控制系統——分析

智能協同控制機制與主要內容

首先我們來分析一下系統的結構有哪些是與傳統的不一致。首先，控制對象發生了變化，如果是泛在的分布式，那么在很大的范圍內是不變的，但是系統結構太大了，如果大范圍去研究它的話就會出現一個很大的問題，就是在求優化、求解的過程中是超高維的計算問題，而要解決超高維計算的問題是非常困難的。

其次，如果不考慮泛在分布問題，而考慮在情景驅動下集中式的時候，比如一百個對象，這一秒鐘是這一百個，下一秒鐘變成不是一百個，怎么在連續過程求最優過程，這是在算法上面的挑戰。

還有問題就是在實現途徑的問題，即便算法非常好，真正用到解決交通實際問題的時候，是要考慮實現途徑的問題的。首先就是路權分配問題、路徑優化問題以及系統局部的協同問題。

以及決策信息的協同學的問題，主要用協同學的方法做多功能優化，目標發生變化的問題，以及在決策過程中近程怎么解決，遠程怎么解決，范圍怎么確定等等。

我們還要考慮到實現手段，交通系統是一個逐漸發展的過程，包括車路協同，包括智能網聯汽車，在變化過程當中所有的理論和方法的應用怎么落地，如果不能落地，技術就死在那里，所以我們要解決現在具體問題速度引導到半自動的控制問題以及到全自動控制問題，在整個發展過程中技術方案都必須發揮作用才能發展全面。

二、基于車路協同的群體智能控制系統實現——感知

基于交通大數據的人車狀態感知/運動態勢演化/路網運能評價

感知方面也會發生非常大的變化，傳統的感知都是通過一個或者少量傳感器對斷面進行分析?；蛘邔W絡狀態分析的時候，我們不只是為了一個目標去做，現在在新的車路協同環境下，新的信息發生變化以后，我們可以做協同分析。所以感知從原來的單一的少量的信息融合要跨越到協同感知問題。即同樣一個目標的感知，要用多輛汽車或者路側設備共同決策感知是什么樣的。這樣也會大大增強我們對環境感知能力的提高。

原來單車的自動駕駛是靠車上的傳感器來判斷路上所有的物體，這個時候變了，被感知車前面有輛汽車，后面有輛汽車，旁邊還有一個路側設備，用三個檢測它的設備獲取更全面的信息。

再這樣的情況下，在群體協同行為在感知中間發生很多的變化。這里還有個運動態勢問題，傳統的交通如果是個元函數，運動狀態要做一個運動的變化，運動態勢是什么？一階的要求它的導數，再要看決策的預測問題，就是二階導數，按數學的簡單解釋就是這樣的。在現實交通里面通過信息的感知實現這樣的結果是不容易，這也是另外一個創新點，我們希望能借著車路協同現在獲得的交通信息層面上能不能對傳統的感知升級形成一個協同的感知問題。

三、基于車路協同的群體智能控制系統實現——控制

混合交通群體協同決策與優化控制理論方法

控制就是要解決實際問題，我們要從微觀的車輛、中觀的車隊、宏觀整個區域的新的交通流的研究，同時結合路權分配問題、路徑優化問題、協同優化問題等解決一系列控制問題，在快速道路和城市道路上混合人工與自動駕駛混駕的情況下，形成新的群體協同決策與控制理論及方法體系。

四、基于車路協同的群體智能控制系統實現——計算

解決這個問題的關鍵計算結構就是要把邊緣計算和局部計算加云端計算結合起來，在這樣的復雜新型交通系統里面才能很好的解決協同和控制問題。邊緣計算主要是車載；局部的是情景中的集中部分，比如說路側的信號燈為核心的路測協調系統；云端的就是中心。三者結合形成有機的計算平臺。分配好計算任務才能解決問題。

以上就是從四個方面的分析智能協同和協同控制怎么實現。

解決方案與應用實現

最后有個形象的解釋，到底怎么能實現這個問題，現在不是說不能實現，已經有一定的基礎，在國內的有多個企業已經有技術產品和技術的系統方案，包括像我星云互聯、華為等也在做這樣的解決方案，能夠滿足車輛之間的所有的信息交互，保證實施性和可靠性，現實中基本平臺有了，缺的是決策的機制，缺的是控制協同的方法和理論。

現階段，國家所有測試系統里面單車速度引導（交叉路口 + 高速路可變速度引導）、特殊車輛壁讓（警車、救護車、消防車）、安全預警（盲區、危險車輛、駕駛行為）依托這三種特性，展開的各種測試場景。

再往此后，由于群控制的一些辦法，我們會發現有新的一些變化，比如說信號燈控制、車流引導/控制 + 配時調整、快速路控制、穩態流引導/控制（快速路可變速度控制）、城市公交優化控制、公交與信號控制協同（新型城市公交優先控制）、不同滲透率下混合交通管控、自然駕駛與網聯駕駛混駕、自然駕駛網聯駕駛與智能駕駛混駕、人工駕駛與自動駕駛混駕等。