实现自动驾驶的车路协同规划决策障碍和挑战是什么？

--关注回复“SOA”--

↓↓领取：面向智能车辆开发的开放性SOA方案↓↓

1、车路协同自动驾驶的技术架构

要想解释清楚这个问题，必须要先对车辆协同自动驾驶的技术架构有基本统一的认识。概括起来讲就是车-路-云-图-网四个方面发挥的作用拆解，四者之间的联系还要考虑信息的传输，也就是网端。

车端：哪怕是L4级自动驾驶成熟，可以推广应用了，现实中我们依然会面临着L0-L4级不同自动驾驶能力与不同厂商自动驾驶解决方案的规划决策算法差异的长期并存。

路端：路端目前看也会是分等级建设，不可能所有道路全部是高配的完全智能化。路端设备在实际运行中受到天气、环境因素的干扰导致的方向偏差就有可能提供错误的信息，这也是难以避免的。

云端：作为信息数据汇聚的平台，各种全局性的规划决策大概率是要交给云端完成的。这就涉及到了网络延时的问题。对于车辆决策来说，延迟控制在0.3秒内是比较理想的。但是路端的感知数据经过边缘节点处理后传到平台，平台分析再传给车辆，整个链路过程时间是在1秒以上的。

所以网端建设有Uu（蜂窝广播通讯）和PC5（直联通讯）两种方式，前者的通讯过程时间约1-2秒；后者是200ms-300ms。时间要求高的就采取PC5方式，感知直接在路端经过边缘计算节点处理好后，经过RSU（通讯单元）直接下发给车辆。

图端：车端、路端、云端给到的信息最后都要在图端叠加汇聚，这一步在算法处理上就要划分不同信息源的优先级，不出事故大家开心，出事故就要追责到谁提供的信息，谁就要负责了。

2、车路协同的三大发展阶段

饭要一口一口吃，路要一步一步走。车路协同最难做的是把汽车、通讯、道路建设的标准协调一致。行业内一系列标准的出台，将车路协同划分为三大发展阶段：

T/CSAE 53-2019《合作式智能运输系统车用通信系统应用层及应用数据交互准》
T/CSAE 157-2020《合作式智能运输系统车用通信系统应用层及应用数据交互标准（第二阶段）》
T/CSAE 158-2020《基于车路协同的高等级自动驾驶数据交互内容》
T/CSAE 156-2020《自主代客泊车系统总体技术要求》

2.1 阶段1—信息交互协同

车辆 OBU 与路侧 RSU 进行直连通信，实现车辆与道路的信息交互与共享

2.2 阶段 2

在阶段 1 的基础上，随着路侧感知能力的提高，自动驾驶的感知和决策的实现不仅仅依赖于车载摄像头、雷达等感知设备，而且需要智能道路设施进行协同感知。协同感知分为初级协同感知和高级协同感知两个分阶段：

阶段 2.1 初级协同感知：道路感知设施相对单一、部署范围有限、检测识别准确率较低、定位精度较低，达不到服务于L4级自动驾驶车辆的要求；
阶段 2.2 高级协同感知：道路感知设施多样、道路全面覆盖、检测识别准确率高、定位精度高，能够服务于 L4 级自动驾驶车辆；

2.3 阶段 3

在阶段 2 协同感知的基础上，道路具备车路协同决策控制的能力，能够实现道路对车辆、交通的决策控制，保障自动驾驶安全、提高交通效率。

阶段 3.1 有条件协同决策控制：在自动驾驶专用道、封闭园区等环境下实现协同决策控制，或实现 AVP 自主泊车。
阶段 3.2 完全协同决策控制：在任何时间、任何道路和交通环境下，都可实现车路全面协同感知、协同决策控制功能。

目前行业的发展现状就是，已经可以在测试场或者限定区域实现阶段1、阶段2以及阶段3.1，但是阶段3.2 完全协同决策控制还没有形成标准，各家厂商只是自发的做出尝试，因为难度太大，障碍和挑战太多。

3、车路协同完全协同决策控制面临的挑战

3.1 群体智能协同控制的决策难题

举例一个简单的场景，快速路的上下匝道，我们平常开车，车一多就堵起来。当车路协同自动驾驶过来，如何有效的进行路权分配呢？考虑主线交通，也要考虑全局交通，高架上要考虑，地面也要考虑。

类似的场景会有很多，车路协同规划决策的第一个障碍就是复杂路网情况下，如何聚焦到特定场景下进行路权的分配，该以怎样的目标进行分配，然后才有轨迹规划和车辆控制问题。就像前文提到的，这还要涉及道路智能化等级、车辆自动驾驶等级的问题。

如果刚好有一辆人类驾驶员的车辆就是不听从云平台指挥安排，那可怎么办呢？

3.2 算法参数权重划分的事故责任追溯难题

如果车辆因为路侧设施提供的错误信息而导致的交通事故，路侧设备设施是不是要负责？路侧设备设施硬件本身没问题，因为刮风下雨导致的细微偏位给出的错误信息，这些设备设施的安装养护单位是不是要负责？如果是网络通讯的原因造成的延迟，那么电讯运营商和设备商是不是要负责？如果云端发出指令导致全局交通瘫痪，或者车辆追尾，那么发布指令的单位要不要负责？

现实中的责任问题对应的就是车辆做决策规划的算法参数优先级问题。所以行业标准、对应的法律条文，保险等等才变得非常重要。

以某高等级的智慧道路建设标准为例，如果其中信号灯数据端到端的时延没有规定，那么200ms的延迟和1秒的延迟造成的结果必然不同。同理对于不同厂商车辆自动驾驶的决策机制，也要有类似的行业标准约束。

3.3 混合交通流下的全局规划难题

L0-L4级自动驾驶车辆长期混合存在、C0-C5等级智能道路混合长期存在。混合交通流下造成的交通流紊乱甚至会降低交通通行的速度。传统交通流的理论是基于人类驾驶行为，将车流类比为水流，以流量、密度、速度三者来进行表征。

最直接的如车头时距的测算，通过大样本的人类驾驶员行为观察是可以得到参数范围的。但是混合流状态下，这个参数受到的影响因素就变得更多了。所以人类驾驶员+自动驾驶混合流交通状态下的参数标定，在不考虑不同车厂自动驾驶决策机制的前提下，以统一标准要求，简化模型后支撑全局的决策分析也是需要经过自动驾驶车辆普及过程中进行实验及观测的。

当控制对象从个体变成群体，被控对象本身就是智能化的，这对交通工程学的交通流理论带来了新的挑战。对应的控制理论、优化决策的方法也要随之发生改变。

虽然车路协同中的理论、技术、算法难题还很多，但是相信在国内学术界、产业界、政府侧的共同努力下还是会走出特色道路的，这是我们定义世界标准的一次机会。

转载自知乎@Alex Cui、自动驾驶之心，文中观点仅供分享交流，不代表本公众号立场，如涉及版权等问题，请您告知，我们将及时处理。

-- END --

继续阅读

阅读原文