L4級為什么需要路側配合？

在實現自動駕駛的過程中，對于車端感知的自動駕駛其由于感知范圍有限，感知性能上由于傳感器自身存在的限制，可能導致感知性能暫時性降低甚至失效，僅靠單車的智能，很多典型的駕駛場景是無法滿足安全駕駛需求的，這也是當前主機廠開發自動駕駛系統的痛點。

這就使得路端信息的加入是一個必需的過程。通過對部分主機廠已經量產的自動駕駛產品統計分析看出，L4在其限定的運行范圍ODD內需要運行穩定安全，更多是需要路端軟件配合車端軟件進行優化。主機廠希望通過構建智慧的路以彌補車端感知缺陷，從而達到提高自動駕駛性能，降低成本的目的。

L4級路側如何配合車側？

L4級自動駕駛路側應用原理是利用智慧道路上的傳感器感知、邊緣云計算、V2X/5G通訊等車路協同能力，參與自動駕駛車輛的行駛控制。車路協同主要涉及車端、路側端和云端三個端口，通過統籌車、路、人以及實時交通的動態信息，從而實現信息的互聯互通。

自動駕駛汽車涉及人和車、車和車、車和路之間的默契配合。考慮道路智能化，把智能設備安置在道路上，通過通信網絡，感知到的數據可以共享給周邊更多車輛，這樣將使自動駕駛更好的運作在定義的設計環境中，減少碰撞等危險因素。

L4路側當前主要有哪些技術痛點？

對于高度自動駕駛來說，要求系統所能具備的控制能力實現指數級增長，且在很多不同的環境中均能夠接替人進行有效的處理和控制。這就需要路側端有效的配合車側進行環境信息的有效檢測。然而，需求路側端的輸入情況并不像想象中那么容易，它受制于如下四個方面的制約。

L4路側技術需求路線

對于L4級自動駕駛來說要想實現進一步的自動駕駛控制任務，需要從如下幾個方面進行努力：

①加快 5G 網絡布局，構建路側設備全息感知高速環境；

②與車內通信設備和云控中心形成 V2X 系統，助力推進基于車路協同的智能網聯汽車試驗與應用示范；

③需求政府牽頭主機廠打造寬松適宜的自動駕駛政策環境，并對路側建設適當給予一定的政策扶持，加快測試基地建設和推行測試準入互認。

L4級路側如何保證安全？

鑒于感知盲區、肉眼視距限制等原因，高速干道的匯入匯出、隧道進出口無論對于普通車輛還是自動駕駛車輛來說，都是交通事故高發地段，同時該區域的交通狀況直接影響著高速通車效率。L4級路側系統對以上關鍵節點進行實時態勢感知、擁堵預測、應急事件檢測，能夠有效解決自動駕駛測試道路安全及交通效率問題，同時也提升了交通監測與管理能力。路側端通過在不同類型的路段布置相應場景，不但能夠保證車輛安全通行的需求，同時還能夠滿足智能網聯車輛的測試需求。

整個智慧路端部署場景如下表所示：

為了更好地說明路側單元如何能夠保證自動駕駛的安全性，我們列舉當前L3級自動駕駛存在的一系列問題及如何有效的利用路端感知能力解決該類問題的方案策略。

實例1：隧道入口路端安全策略

原理說明：車輛駛進隧道前，因視野中隧道洞口亮度低造成“黑洞效應”，隧道口內形成盲區。路端感知系統是通過在隧道入口處安裝感知設備，感知隧道口附近障礙物、異常車輛等，提高行車的安全性，提前將異常信息通過 V2X 發送給接近車輛，從而達到超視距感知的能力。

路端安全策略：鑒于隧道入口的特點，此處的路端感知系統能力建設可通過在隧洞前一定距離（通常為 5-10m）處以壁掛方式設置感知終端。觀測主體為隧道內部一定距離（通常為超視距盲區的 100m）的實時路況，用以消除黑洞效應對駕駛員或自動駕駛車輛攝像頭所造成的不利影響。同時，設置一個攝像頭對隧道外部 100m 內的異常駕駛車輛或異常闖入的施工人員進行實時捕獲，用以保障駕駛安全

實例2：隧道出口路端安全策略

原理說明：當車輛駛出隧道時，由暗處到達亮處形成白洞效應，隧道外對駕駛員形成盲區。通過在隧道出口處安裝路端感知設置，感知隧道出口外的環境，將異常情況通過 V2X 發送給接近隧道出口的其他車輛，提高行車安全。

路端安全策略：與隧道入口類似，將在隧洞外側一定距離處設置寬視角攝像頭感知設備，觀測隧道外部該距離的所有范圍內較近距離的實時路況，同時也設置了另一個窄視角攝像頭對隧道外部較遠距離內的特殊工況（如錐桶、三角警示牌等）進行檢測，用以增大傳感器的感知能力。

實例3：交叉匯入路端安全策略

原理說明：高速公路匝道或交叉路口匯入口車流量大，行車視距小，車輛從匝道或交叉路口匯入時，往往因為存在較大的單車感知盲區，而無法提前感知易導致變道發生碰撞。路側單元可以通過在高速匯入區域部署高速匯流車輛的全面檢測設備，提前發送相關車輛信息，實現通行輔助等功能。這一過程可減少車輛碰撞事故，有效地保證在高速匯入處的行車安全。

路端安全策略：在每個匯入區域部署兩個節點感知到可能對其在主道行駛時產生威脅的車輛位置、方向和速度信息。每個節點部署一套路側感知系統，其關鍵觀測區域為車輛合流關鍵區域，在每個感知設備的邊緣系統中，將對路測單元自帶的攝像頭和毫米波雷達進行高精度的數據融合，同時針對于網聯車自帶 GPS 定位的情況，也做了特殊處理，使得路側融合體系更為完善，并通過各個發送接收單元將感知信息實時進行發布。

實例4：匝道匯出

原理說明：高速公路匝道出口存在大量車輛連續變道等危險駕駛行為，車輛在匝道口導流線區域突然減速、停車等情況，這將導致交通擁堵，該區域對于自動駕駛存在巨大的安全隱患。

路端安全策略：安裝路側單元可通過在匝道匯出口部署路側全息感知系統，能實時檢測車輛的速度、位置等信息。同時，導流線區域異常停車、緊急變道等事件，提前將異常情況或超視距信息通過 V2X 發送給接近車輛。匯出節點主要監測區域為匯出點前一定距離（一般為 100m 左右）及匯出點后一定距離（一般為 50m），道路前側路側設備需要安裝在匯出點視野最為開闊處，通過安裝單純的攝像頭，也可補充安裝毫米波雷達等設備，并將兩者數據進行融合，能夠對前述行為進行實時捕獲，一方面通過 I2V 實現對后側車輛的提醒，同時也可以通過 I2N 對車輛違法行為進行及時上報和抓拍等處理。

L4級路端軟件架構

L4級自動駕駛系統的開發的軟件架構中不僅包含常規的車端軟件，也包含后續新一代的路端軟件。路端軟件實際是指包含路端感知體系、云端信息調度以及邊緣計算平臺三個大模塊。

①路端感知體系

對于路端感知體系來說，在L4級路側提出“超視距”感知的理念，設計開發了主動超視距視頻傳輸、超視距可行使區域檢測和超視距障礙物感知三個重要感知模塊。

②云端信息調度

L4級路側感知系統需要打造了一個擁有云計算能力的遠程調度和監控中心，用于實現云端自動駕駛控制和交通調度。

③邊緣計算平臺

利用虛擬化技術及網絡技術整合大規模可擴展的計算、存儲、數據、應用等分布式計算資源完成 AI 模型算法的學習訓練，能實現在云端訓練 AI 模型，通過車云協同技術將其部署到嵌入式平臺，使 AI 算法在車端自動駕駛系統上得到深度應用。

總結

自動駕駛技術的發展已經到了必須改造基礎設施的階段，要全面構筑“人-車-路”全域數據感知的智能路網，進入“聰明的車”與“智能的路”相互協同的新階段。也就是說，從自主駕駛轉向車路協同。可以先對簡單相對固定的場景進行路端改造。

比如乘用車行駛路線因個人和時間的不同而不同，短期內難以大面積鋪開。但對固定物流路線改造則相對容易，由于使用率高，邊際成本將大大降低。對于廣泛應用的小汽車，自主駕駛的技術路線更為可能和現實。當然，對于城市公交和礦區、碼頭的搬運車輛等，由于固定線路和特定區域，可充分利用車路協同技術的優勢。