一、概述

傳統(tǒng)的智能交通系統(tǒng)采用視頻、雷達(dá)等檢測器檢測道路交通流量、車速、排隊長度等交通參數(shù)，并且結(jié)合GNSS浮動定位系統(tǒng)檢測道路交通狀態(tài)。近年來又有互聯(lián)網(wǎng)公司結(jié)合移動互聯(lián)網(wǎng)手機(jī)定位大數(shù)據(jù)分析交通狀態(tài)，進(jìn)而建立了所謂“交通大腦”，對區(qū)域交通信號燈配時方案進(jìn)行整體優(yōu)化，實(shí)現(xiàn)了不錯的效果。

近來被廣泛關(guān)注的自動駕駛技術(shù)利用車載激光雷達(dá)、毫米波雷達(dá)、超聲波雷達(dá)、視頻攝像機(jī)等傳感器感知汽車周邊環(huán)境，通過車載邊緣計算實(shí)現(xiàn)對汽車周邊的環(huán)境進(jìn)行識別，進(jìn)而實(shí)現(xiàn)對車輛的自動駕駛，也取得了很大進(jìn)展。

但道路交通是異常復(fù)雜的巨系統(tǒng)，道路交通環(huán)境瞬息萬變。僅僅憑傳統(tǒng)的交通感知手段和自動駕駛汽車安裝的有限傳感器是無法滿足完全、快速掌握動態(tài)交通環(huán)境的需求的。而且由于車載傳感器要求體積小，并且價格昂貴，無法普及的廣大出行者的汽車上。車路協(xié)同技術(shù)應(yīng)運(yùn)而生。

二、車路協(xié)同應(yīng)用

根據(jù)中國汽車工程學(xué)會標(biāo)準(zhǔn)《合作式智能運(yùn)輸系統(tǒng) 車用通信系統(tǒng)應(yīng)用層及應(yīng)用數(shù)據(jù)交互標(biāo)準(zhǔn)》（T/CSAE 53-2017），車路協(xié)同一期基礎(chǔ)功能涵蓋安全、效率和信息服務(wù)三大類17個應(yīng)用。

表 1 一期應(yīng)用列表

三、車路協(xié)同感知體系

1、車路協(xié)同感知體系

車路協(xié)同感知在結(jié)合現(xiàn)有的智能交通感知設(shè)備的基礎(chǔ)上，增加了更加精密的路側(cè)感知設(shè)備、車載感知設(shè)備和5G移動大數(shù)據(jù)。路側(cè)感知設(shè)備包括激光雷達(dá)、毫米波雷達(dá)和帶目標(biāo)識別功能的視頻攝像機(jī)；車載感知則是包括自動駕駛車輛能夠感知到的數(shù)據(jù)，需要通過路側(cè)單元RSU實(shí)時上傳到邊緣計算節(jié)點(diǎn)。

圖 1車路協(xié)同感知體系

2、交通感知傳感器

激光雷達(dá)

激光雷達(dá)的測距精度非常高，基本上可以達(dá)到正負(fù)一兩厘米，甚至到了毫米級，分辨率也非常高。機(jī)械激光雷達(dá)可以360度旋轉(zhuǎn)，同時角分辨率也比別的雷達(dá)高。但是目前的機(jī)械旋轉(zhuǎn)激光雷達(dá)的成本比較高，而且容易受到陽光雨霧和互干擾的影響。它跟毫米波雷達(dá)一樣是屬于主動傳感器。目前的機(jī)械激光雷達(dá)也會受到工作溫度以及工作環(huán)境震動的影響，它的工作溫度一般是在零下10°到零上60°左右。

圖 2 激光雷達(dá)

激光雷達(dá)目前的成本比較高，美國Velodyne的64線激光雷達(dá)在10萬美金左右，即使是16線雷達(dá)的售價也在8000美金左右。Flash激光雷達(dá)以及MEMS激光雷達(dá)，即向使用各種鏡片或者透鏡來形成非旋轉(zhuǎn)式雷達(dá)的方向演進(jìn)和發(fā)展，它的成本還有功耗都會有很大的下降。

毫米波雷達(dá)

毫米波雷達(dá)是利用波長1~10mm，頻率30GHz~300GHz之間的電磁波，通過測量回波的時間差算出距離，具備全天時全天候以及探測距離遠(yuǎn)的優(yōu)勢。目前市場上主流的車載毫米波雷達(dá)頻段為24GHz（用于短中距離雷達(dá)，15~30m）和77GHz（用于長距離雷達(dá)，100~200m）。相比于24GHz產(chǎn)品，77GHz產(chǎn)品在性能和體積上都更具優(yōu)勢，其距離分辨率更高，體積也小了1/3。

圖 3 毫米波雷達(dá)工作原理

最重要的是，毫米波價格低廉，比起動輒幾千乃至上萬美元的激光雷達(dá)，一兩百美元就可以被收入囊中的毫米波雷達(dá)算得上是業(yè)界良心。不過，凡事無絕對，在探測精度上，毫米波要略遜一籌。

視頻攝像機(jī)

視頻攝像機(jī)是在智能交通系統(tǒng)中應(yīng)用最為普遍的感知設(shè)備。隨著自動駕駛技術(shù)的不斷發(fā)展，視頻攝像機(jī)也被廣泛運(yùn)用在自動駕駛車輛上。伴隨視覺處理技術(shù)的進(jìn)步，可以使視頻處理出的有效信息倍增，從而更好地辨別道路上的標(biāo)識、行人等信息。

傳感器感知能力比較

總體而言激光雷達(dá)精度高但價格不菲。毫米波雷達(dá)價格便宜但精度欠佳。視頻攝像機(jī)價格適中而且隨著視頻解析算法的不斷提高，視頻攝像機(jī)是車路協(xié)同感知體系中不可或缺的主要感知手段。

圖 4 激光雷達(dá)/毫米波雷達(dá)/攝像頭感知能力比較

激光雷達(dá)、毫米波雷達(dá)和攝像機(jī)的詳細(xì)優(yōu)劣比較見下表。

表 2 激光雷達(dá)/毫米波雷達(dá)/攝像機(jī)比較表

3、車載傳感器

激光雷達(dá)、毫米波雷達(dá)和攝像機(jī)是車載感知設(shè)備的主要選項(xiàng)。盡管自動駕駛車技術(shù)發(fā)展到現(xiàn)在，車載感知技術(shù)已經(jīng)取得了長足發(fā)展。從目前傳感器的性能來看，每一種傳感器都有其使用的環(huán)境條件和性能的邊界。包括：測量范圍以及在不同環(huán)境下表現(xiàn)出來的感知缺陷。

圖 5 奧迪A8的傳感器布局

（1）檢測范圍受限

傳感器對周圍環(huán)境檢測的有其固定的范圍。例如，長距毫米波雷達(dá)探測距離為1-280m，紅外線傳感器探測距離為0.2-120m，視覺攝像頭探測距離為0-80m，中短距毫米波雷達(dá)探測距離為0.2-120m，短句毫米波雷達(dá)探測距離為0.2-30m，激光雷達(dá)探測距離為80-150m。下圖為Tesla的傳感器配置及傳感器感知范圍，扇形角度表示傳感器的視場角，扇形半徑表示傳感器的最大檢測距離。

圖 6 特斯拉配置的傳感器最大探測距離

（2）感知缺陷

每一種傳感器都有其適用的環(huán)境條件。比如激光傳感器檢測效果穩(wěn)定，但在面對大范圍的塵土?xí)r，其檢測效果大幅降低；再比如高分辨率攝像機(jī)能檢測圖像中的物體，窄視場的攝像機(jī)可以檢測很遠(yuǎn)的距離。但是面對暴雨、大雪等惡劣天氣，其很難檢測到正確的車道線/障礙物/馬路牙子等信息。

圖 7 車身各傳感器情況概述

（3）先驗(yàn)信息缺失

先驗(yàn)信息是指某些可以提前采集且短時間內(nèi)不會改變的信息。僅僅依靠傳感器的信息是很難感知車輛現(xiàn)在是處在高速公路上，還是處在普通城市道路上的；無限速牌的路段，車速最高可以開多快;前方道路的曲率；所處路段的GPS信號強(qiáng)弱，這些都是傳感器遇到檢測盲區(qū)，無法實(shí)時捕獲的信息。而這些信息是客觀存在，不會隨外部事物的變化而變化，因此可以提前采集，并作為先驗(yàn)信息傳給自動駕駛車做決策。圖為高精度地圖可以為自動駕駛車提供的某些先驗(yàn)信息。包括道路曲率、航向、坡度和橫坡角。

因?yàn)檐囕d感知方式存在這些缺陷，因此有必要通過路側(cè)感知的方式，彌補(bǔ)這方面的不足。一方面可以大幅度提高自動駕駛車對周邊環(huán)境的感知程度，同時也為其他普通車輛提供安全和效益方面的信息服務(wù)。

4、路側(cè)傳感器

車路協(xié)同路側(cè)傳感器主要包括激光雷達(dá)、毫米波雷達(dá)和攝像機(jī)。傳統(tǒng)智能交通的傳感器如視頻卡口、視頻事件檢測、GNSS浮動車定位、4G大數(shù)據(jù)定位、事件報警等也需要納入到車路協(xié)同全域感知體系。交通信號燈作為交通控制主要手段，其信號燈配時數(shù)據(jù)需要接入車路協(xié)同系統(tǒng)。

此外，物聯(lián)網(wǎng)大數(shù)據(jù)如氣象數(shù)據(jù)、道路路面感知數(shù)據(jù)、道路濕滑/積水等數(shù)據(jù)，根據(jù)實(shí)際情況需要也可以考慮接入系統(tǒng)。

5、車路協(xié)同通信

作為物聯(lián)網(wǎng)面向應(yīng)用的一個概念延伸，V2X（Vehicle to Everything）車聯(lián)網(wǎng)是對D2D（Device to Device）技術(shù)的深入研究過程。它指的是車輛之間，或者汽車與行人、騎行者以及基礎(chǔ)設(shè)施之間的通信系統(tǒng)。利用裝載在車輛上的傳感器、攝像頭獲取車輛行駛情況、系統(tǒng)運(yùn)行狀態(tài)及周邊道路環(huán)境信息，同時借助GPS定位獲得車輛位置信息；利用裝在路側(cè)的傳感器獲得道路環(huán)境信息；并通過D2D技術(shù)將這些信息進(jìn)行端對端的傳輸，繼而實(shí)現(xiàn)在整個車聯(lián)網(wǎng)系統(tǒng)中信息的共享。通過對這些信息的分析處理，及時對駕駛員進(jìn)行路況匯報與警告，有效避開擁堵路段選擇最佳行駛線路。

V2X車聯(lián)網(wǎng)通信主要分為三大類：V2V、V2I和V2P。運(yùn)輸實(shí)體，如車輛、路側(cè)基礎(chǔ)設(shè)施和行人，可以收集處理當(dāng)?shù)丨h(huán)境的信息（如從其它車輛或傳感器設(shè)備接收到的信息），以提供更多的智能服務(wù)，如碰撞警告或自主駕駛。

圖 8 車路協(xié)同服務(wù)

在V2X系統(tǒng)中，控制車輛與路面基礎(chǔ)設(shè)施之間信息交流的部分就是車路協(xié)同，它能夠讓駕駛者能第一時間了解交通信息和危險狀況。車路協(xié)同需要有高速、穩(wěn)定、低時延的通信技術(shù)作為保障，而基于當(dāng)前成熟的LTE技術(shù)的LTE-V2X能夠讓路邊單元（RSU）與車載單元（OBU）的信息進(jìn)行有效交互。同時，這項(xiàng)技術(shù)也在演進(jìn)之中，在5G時代，更是能夠憑借5G技術(shù)的優(yōu)秀通信能力讓自動駕駛成為可能，讓人們獲得更優(yōu)良、安全、高效的出行體驗(yàn)。

圖 9 華為LTE-V2X模塊DA2300

6、高精度地圖（HDM）

高精度地圖，通俗來講就是精度更高、數(shù)據(jù)維度更多的電子地圖。精度更高體現(xiàn)在精確到厘米級別，數(shù)據(jù)維度更多體現(xiàn)在其包括了除道路信息之外的與交通相關(guān)的周圍靜態(tài)信息。

高精度地圖將大量的行車輔助信息存儲為結(jié)構(gòu)化數(shù)據(jù)，這些信息可以分為兩類。第一類是道路數(shù)據(jù)，比如車道線的位置、類型、寬度、坡度和曲率等車道信息。第二類是車道周邊的固定對象信息，比如交通標(biāo)志、交通信號燈等信息、車道限高、下水道口、障礙物及其他道路細(xì)節(jié)，還包括高架物體、防護(hù)欄、數(shù)目、道路邊緣類型、路邊地標(biāo)等基礎(chǔ)設(shè)施信息。

以上這些信息都有地理編碼，導(dǎo)航系統(tǒng)可以準(zhǔn)確定位地形、物體和道路輪廓，從而引導(dǎo)車輛行駛。其中最重要的是對路網(wǎng)精確的三維表征（厘米級精度），比如路面的幾何結(jié)構(gòu)、道路標(biāo)示線的位置、周邊道路環(huán)境的點(diǎn)云模型等。有了這些高精度的三維表征，自動駕駛系統(tǒng)可以通過比對車載的GPS、IMU、LiDAR或攝像頭的數(shù)據(jù)精確確認(rèn)自己當(dāng)前的位置。另外，高精度地圖中包含有豐富的語義信息，比如交通信號燈的位置和類型、道路標(biāo)示線的類型、以及哪些路面是可以行使等。

圖 10 高精度地圖的主要結(jié)構(gòu)化數(shù)據(jù)

導(dǎo)航地圖、ADAS地圖和AD所需要的地圖各不相同。（1）對于導(dǎo)航地圖而言，街道名稱是比較重要的信息，但對于ADAS和AD地圖確并非如此。（2）道路曲率對于ADAS應(yīng)用至關(guān)重要，對于自動駕駛也是必需的，但導(dǎo)航地圖并不需要道路曲率數(shù)據(jù)。（3）道路的幾何特征對于導(dǎo)航、ADAS和AD地圖都是適用的。（4）不同地圖級別和地圖精度的背后是不同級別的智能駕駛以及不同級別的精度需求。

圖 11 高精地圖與導(dǎo)航地圖的關(guān)聯(lián)關(guān)系

高精度地圖與傳統(tǒng)地圖的區(qū)別。與一般電子導(dǎo)航地圖相比，高精度地圖不同之處在于：

（1）精度：一般電子地圖精度在米級別，商用GPS精度為5米。高精度地圖的精度在厘米級別（Google、Here等高精度地圖精度在10-20厘米級別）。

（2）數(shù)據(jù)維度：傳統(tǒng)電子地圖數(shù)據(jù)只記錄道路級別的數(shù)據(jù)：道路形狀、坡度、曲率、鋪設(shè)、方向等。高精度地圖（精確度厘米級別）：不僅增加了車道屬性相關(guān)（車道線類型、車道寬度等）數(shù)據(jù)，更有諸如高架物體、防護(hù)欄、樹、道路邊緣類型、路邊地標(biāo)等大量目標(biāo)數(shù)據(jù)。高精度地圖能夠明確區(qū)分車道線類型、路邊地標(biāo)等細(xì)節(jié)。

（3）作用&功能：傳統(tǒng)地圖起的是輔助駕駛的導(dǎo)航功能，本質(zhì)上與傳統(tǒng)經(jīng)驗(yàn)化的紙質(zhì)地圖是類似的。而高精度地圖通過“高精度+高動態(tài)+多維度”數(shù)據(jù)，起的是為自動駕駛提供自變量和目標(biāo)函數(shù)的功能。高精地圖相比傳統(tǒng)地圖有更高的重要性。

（4）使用對象：普通的導(dǎo)航電子地圖是面向駕駛員，供駕駛員使用的地圖數(shù)據(jù)，而高精度地圖是面向機(jī)器的供自動駕駛汽車使用的地圖數(shù)據(jù)。

（5）數(shù)據(jù)的實(shí)時性：高精度地圖對數(shù)據(jù)的實(shí)時性要求更高。根據(jù)博世提出的定義，自動駕駛時代所需的局部動態(tài)地圖（Local Dynamic Map）根據(jù)更新頻率劃分可將所有數(shù)據(jù)劃分為四類：永久靜態(tài)數(shù)據(jù)（更新頻率約為1個月），半永久靜態(tài)數(shù)據(jù)（頻率為1小時），半動態(tài)數(shù)據(jù)（頻率為1分鐘），動態(tài)數(shù)據(jù)（頻率為1秒）。傳統(tǒng)導(dǎo)航地圖可能只需要前兩者，而高精地圖為了應(yīng)對各類突發(fā)狀況，保證自動駕駛的安全實(shí)現(xiàn)需要更多的半動態(tài)數(shù)據(jù)以及動態(tài)數(shù)據(jù)，這大大提升了對數(shù)據(jù)實(shí)時性的要求。

高精度地圖=高鮮度+高精度+高豐富度。不論是動態(tài)化，還是精度和豐富度，最終目的都是為了保證自動駕駛的安全與高效率。動態(tài)化保證了自動駕駛能夠及時地應(yīng)對突發(fā)狀況，選擇最優(yōu)的路徑行駛。高精度確保了機(jī)器自動行駛的可行性，保證了自動駕駛的順利實(shí)現(xiàn)。高豐富度與機(jī)器的更多邏輯規(guī)則相結(jié)合，進(jìn)一步提升了自動駕駛的安全性。

圖 12 導(dǎo)航地圖與智能駕駛地圖的對比

高精度地圖具備三大功能。（1）地圖匹配。由于存在各種定位誤差，電子地圖坐標(biāo)上的移動車輛與周圍地物并不能保持正確的位置關(guān)系。利用高精度地圖匹配則可以將車輛位置精準(zhǔn)的定位在車道上，從而提高車輛定位的精度。（2）輔助環(huán)境感知。對傳感器無法探測的部分進(jìn)行補(bǔ)充，進(jìn)行實(shí)時狀況的監(jiān)測及外部信息的反饋 ：傳感器作為自動駕駛的眼睛，有其局限所在，如易受惡劣天氣的影響，此時可以使用高精度地圖來獲取當(dāng)前位置精準(zhǔn)的交通狀況。（3）路徑規(guī)劃。對于提前規(guī)劃好的最優(yōu)路徑，由于實(shí)時更新的交通信息，最優(yōu)路徑可能也在隨時會發(fā)生變化。此時高精度地圖在云計算的輔助下，能有效地為自動駕駛車提供最新的路況，幫助自動駕駛車重新制定最優(yōu)路徑。

四、實(shí)時數(shù)據(jù)處理與信息融合

信息融合是利大數(shù)據(jù)、圖像識別、人工智能等技術(shù)將來自多個傳感器或多源的觀測信息進(jìn)行篩選、清洗、分析和綜合處理，從而得出決策和預(yù)測所需的信息的處理過程。信息融合的基本原理是充分利用傳感器資源，通過對各種傳感器檢測信息的合理支配與使用，將各種傳感器在空間和時間上的互補(bǔ)與冗余信息依據(jù)某種優(yōu)化準(zhǔn)則或算法組合來產(chǎn)生對觀測對象的一致性解釋和描述。

圖 13 車路協(xié)同交通感知數(shù)據(jù)處理流程

1、實(shí)時數(shù)據(jù)處理分工

在車路協(xié)同服務(wù)平臺中，邊緣計算和云端計算組成了數(shù)據(jù)分析系統(tǒng)。根據(jù)不同的需要，云端和邊緣計算節(jié)點(diǎn)分別完成不同的實(shí)時數(shù)據(jù)融合計算。與駕駛安全有關(guān)的數(shù)據(jù)處理和發(fā)送需要在10毫米以內(nèi)完成，因此需要在邊緣計算節(jié)點(diǎn)處理。其他與效率相關(guān)的服務(wù)因?yàn)樾枰Y(jié)合整個區(qū)域交通狀態(tài)進(jìn)行處理和運(yùn)算，而且這部分服務(wù)對時延要求不高，可以在云端進(jìn)行處理。

表 3 邊緣計算與云計算比較表

2、路側(cè)傳感器與車載傳感器數(shù)據(jù)融合

路側(cè)傳感器與附近眾多的車載傳感器分別從不同的視角對同一道路地點(diǎn)周邊環(huán)境進(jìn)行觀測，系統(tǒng)對不同傳感器觀測的數(shù)據(jù)按轉(zhuǎn)換成統(tǒng)一的坐標(biāo)系統(tǒng)，對不同感知數(shù)據(jù)進(jìn)行相互比對，最終形成對道路環(huán)境、運(yùn)動的車輛和行人的統(tǒng)一的映像，形成結(jié)構(gòu)化數(shù)據(jù)，包括運(yùn)動物體的瞬時位置、運(yùn)動方向、運(yùn)動速度等，最終生成道路地點(diǎn)的局部動態(tài)地圖。

圖 14 交叉路口的三維運(yùn)動物體識別

圖 15 左：攝像機(jī)覆蓋區(qū)域。右：雷達(dá)覆蓋區(qū)域

3、生成局部動態(tài)地圖（LDM）

局部動態(tài)地圖是統(tǒng)一描述道路動態(tài)環(huán)境的高精地圖，是判斷車輛是否處于危險狀態(tài)的重要參照。局部動態(tài)地圖包括四個層級。

（1）持續(xù)靜態(tài)數(shù)據(jù)層

主要是地圖數(shù)據(jù)。更新頻率約為1個月。

（2）半靜態(tài)數(shù)據(jù)層

包括交通標(biāo)志、標(biāo)線、護(hù)欄、臨時路標(biāo)（如占路施工）等交通管理設(shè)施，以及其他交通基礎(chǔ)設(shè)施的信息。更新頻率為1小時。

（3）半動態(tài)數(shù)據(jù)層

包括信號燈燈色（相位、配時）、交通擁堵的情況、交通事故情況和其他交通事件等狀態(tài)過程。更新頻率應(yīng)小于1分鐘。

（4）高度動態(tài)數(shù)據(jù)層

包括汽車、摩托車、自行車、行人等運(yùn)動的實(shí)體。需要知道實(shí)體的瞬時位置、移動的方向和移動的速度。更新頻率為小于1秒。

圖 16 局部動態(tài)地圖的四層

4、感知大數(shù)據(jù)數(shù)據(jù)結(jié)構(gòu)化整合

車路協(xié)同傳感器采集的數(shù)據(jù)包括大量非結(jié)構(gòu)化的數(shù)據(jù)，如視頻數(shù)據(jù)、激光掃描數(shù)據(jù)、微波感知數(shù)據(jù)等，傳輸這些海量數(shù)據(jù)至云端無論從占用帶寬還是成本上都是不合理的。因此需要在邊緣計算節(jié)點(diǎn)上將這些數(shù)據(jù)進(jìn)行解析、整合，形成如交通流量、車速、排隊長度等結(jié)構(gòu)化數(shù)據(jù)，然后上傳。

5、道路交通狀態(tài)信息融合

道路交通狀態(tài)信息融合可以在云端進(jìn)行。通過接入?yún)^(qū)域各個邊緣計算節(jié)點(diǎn)結(jié)構(gòu)化整合數(shù)據(jù)，結(jié)合其他交通感知系統(tǒng)如4G/5G移動互聯(lián)網(wǎng)數(shù)據(jù)等形成對道路交通運(yùn)行宏觀狀態(tài)數(shù)據(jù)，可能的信息如下：

－實(shí)時的主干道（含外環(huán)路、快速路）交通數(shù)據(jù)；

－實(shí)時主要道路交匯（叉）點(diǎn)（橋）交通數(shù)據(jù)；

－高速路通行數(shù)據(jù)：放行、封路、施工、占道、高流量、突發(fā)事件（含交通事故）引起交通擁堵信息等；

－道路交通狀況數(shù)據(jù)，包括實(shí)時的道路交通擁堵狀況、平均車速、車道占有率、平均旅行時間等。

五、車路協(xié)同信息服務(wù)（簡述）

1、面向交通安全的邊緣計算服務(wù)

對于一期應(yīng)用列表所列的應(yīng)用場景，邊緣計算服務(wù)根據(jù)數(shù)據(jù)融合生成的局部動態(tài)地圖，判斷車輛行駛的安全狀態(tài)。對遇有危險的配備OBU的車輛，及時出警告，甚至直接干預(yù)車輛駕駛，采取必要的避險動作。

2、面向交通效率的云計算服務(wù)

（1）交通信號優(yōu)化配時服務(wù)

根據(jù)區(qū)域交通流狀態(tài)，對區(qū)域交通信號配時進(jìn)行整體優(yōu)化，以到達(dá)區(qū)域內(nèi)車輛總體延誤最小、排隊長度最小等優(yōu)化目標(biāo)。

（2）交通誘導(dǎo)服務(wù)

根據(jù)區(qū)域交通狀態(tài)甄別嚴(yán)重?fù)矶侣范?，生成車輛避開擁堵路段的策略，發(fā)布給抵達(dá)的車輛。

（3）公交優(yōu)先服務(wù)

基于車路協(xié)同技術(shù)，當(dāng)公交車輛接近信號控制交叉口時，車載單元向路口信號控制機(jī)發(fā)送特殊車輛定位距離和當(dāng)前車速信息，由智能路側(cè)單元計算出的預(yù)計到達(dá)時間，信號控制機(jī)根據(jù)當(dāng)前信號的狀態(tài)，對相位進(jìn)行紅燈早斷、綠燈延時等干預(yù)操作，保證公交車輛的順利通過。

六、小結(jié)

總之，車路協(xié)同全域感知將路側(cè)感知和車載感知合而為一，形成對道路交通環(huán)境的全面感知和判斷，使駕駛具備了超視距感知能力，一方面可以補(bǔ)充自動駕駛感知能力不足，提高駕駛安全性；另一方面，可以大幅地減少自動駕駛所依賴的傳感器，降低成本，促進(jìn)自動駕駛技術(shù)迅速達(dá)到實(shí)用化程度。