适应无人驾驶汽车的道路设施设计综述

徐 进 ，陈 钦 ，陈正委 ，张高峰 ，袁 泉 ，陈 坚

（1.重庆交通大学交通运输学院，重庆 400074；2.重庆交通大学山区复杂道路环境人-车-路协同与安全重庆市重点实验室，重庆 400074；3.重庆城市综合交通枢纽（集团）有限公司，重庆 401121）

第46 届世界经济论坛会议确定了第四次工业革命的三大技术大趋势，即连通性、人工智能和灵活自动化，全自动驾驶技术与这些趋势相一致.从宏观角度来讲，自动驾驶是先进制造业的助推剂；从微观角度来看，无人驾驶汽车的发展和应用能更好地缓解交通拥堵，也能降低交通事故率.目前，我国发展无人驾驶技术已经上升至国家战略层面，交通运输部等多个部门出台了关于无人驾驶技术的政策法规和标准，智能网联汽车产业发展取得积极效果.“交通强国建设纲要”明确提出大力发展智慧交通和智能网联汽车.

无人驾驶汽车是道路运载工具在未来时期的主要形式，在5G 通信技术、人工智能和车路协同等前沿技术的推进下，无人驾驶汽车发展已经进入新阶段.无人驾驶汽车有2 条发展路径：一是单车智能，通过高级自动驾驶辅助系统（ADAS）中的各种传感器感应周围的环境，结合高清摄像机、雷达和高精度地图，循序渐进地完善辅助驾驶系统，进而实现无人驾驶；二是车路协同，在道路路侧安装智慧感知设施，基于5G 技术、物联网技术、无线通信等先进技术完成车-车、车-路动态信息实时交互，将“人-车-路-云”中各交通参与要素有机结合在一起，提高自动驾驶感知和决策能力，降低车辆自动感知道路、车辆信息的复杂度，实现人、车、路之间的有效协同，进而实现无人驾驶.

当无人驾驶汽车行驶在路上时，车载集成系统实时感知或者通过路侧设施和云平台接收道路环境信息，同时需要更可读的标志标线和交通信号，通过智能决策和控制取代人类驾驶员完成各种驾驶任务.因此，无人驾驶汽车对道路设施和交通管理提出了新要求.现行道路设施设计是面向传统人工驾驶汽车，在本质上，道路几何线形、交通标志、标线及交通信号等基础设施考虑的是车辆运行特性和驾驶人行为特性（包括心理、生理特性）.而无人驾驶汽车需要一种多功能集成的道路基础设施系统来辅助进行环境感知和实时通信.除了特斯拉是以摄像头为主传感器外，不同自动驾驶厂商的传感器配置基本相同，都是采用摄像头+激光雷达+毫米波雷达/超声波雷达+“卫星定位-惯性导航”系统组合传感器方案，以及感知层、决策层、执行层的技术架构.不同自动驾驶等级的区别在于：除了本地传感器外，L4 及以上等级的自动驾驶系统还与其他车辆和路侧设施进行信息交互，并在高精度地图的辅助下获得更好的环境感知能力.此外，实现自主驾驶的关键还在于系统的处理和决策能力，包括算法、计算平台和通信时延，复杂行驶环境下传感器会产生大量实时数据，计算平台需在极短时间内对海量数据进行处理、分析，并给车辆执行层下达操作指令，以保证自动驾驶车辆的安全行驶.目前，低速环境的自动驾驶技术已经基本成熟，并且在物流配送、自动巡检、低速公交等场景已经取得商用.但高速行驶环境（高于80 km/h）自动驾驶技术还不成熟，系统的可靠性还不足以保证行驶安全，尤其是在复杂道路环境（如施工区、复杂线形、畸形交叉口、雨雾、冰雪道路等）中还存在目标识别缓慢、准确率低、数据传输延误等基本问题.

在无人驾驶发展演进过程中，必定会经历无人驾驶车辆和人工驾驶车辆混行的阶段.对于大多数的车辆而言，断崖式地去除人工驾驶会浪费现有25 亿驾驶员的驾驶技能，不会被社会认可.在人工智能成熟度有待发展、配套的道路基础设施没有达到理想状态以及无人驾驶汽车的道德伦理和法律法规没有完善的情况下，传统人工驾驶汽车在未来相当长时期内仍然是主流.无人驾驶专用车道是无人驾驶发展过程中的一个过渡阶段，配备专用的标志标线、信号控制以及低延迟的5G 通信来完成环境监测和车辆运行控制，进而实现不需要驾驶人介入的无人驾驶.

本文从无人驾驶汽车的技术特点和发展战略入手，分析目前国内外适应无人驾驶汽车运行特性的道路基础设施设计的研究现状，明确无人驾驶汽车对道路设施设计的需求和影响，为无人驾驶道路的几何设计、标志标线设计等提供理论支撑.对面向未来的交通基础设施开展研究，有助于提前谋划相关道路基础设施的未来发展方向，提高基础设施适应性、兼容性，提升资源利用效率和社会经济效益.

1 适应无人驾驶汽车的道路基础设施

适应无人驾驶汽车的基础设施研究仍处于起步阶段.目前，国内外出台的相关标准与规范还较少，大多数研究学者都建议对现有的技术标准（比如美国公路及运输协会（AASHTO）颁布的绿皮书）进行修改和调整，以适应无人驾驶车辆的行驶特性.对于道路的基础设施建设，大家讨论的焦点主要集中于几何线形、路面结构、标志标线、停车设施、车路协同设施、交通设施数字化等方面.

1.1 道路几何线形

对于道路纵断面设计，Khoury 等[1-2]认为凸形和凹形竖曲线半径可以适当减小，相比于传统人工驾驶模式，无人驾驶汽车收集环境信息的雷达装置要高于驾驶人眼睛的高度，可以保证车辆在竖曲线半径较小的路段安全通过，如图1 所示.竖曲线半径和长度的减小可以减少道路建造时的填、挖方量，节约建筑成本的同时也能最大程度保护自然环境；考虑到无人驾驶减少了人为因素影响，停车视距、感知反应时间、决策视距会减小，因此，感知反应时间将会由AASHTO 推荐的2.5 s 降低到0.5 s.对于上述变化，Sen 等[3]组织学生进行了实践验证，得出的结论与上述情况基本吻合.

图1 无人驾驶与人工驾驶车辆对竖曲线半径的行驶需求差异Fig.1 Driving demand difference in vertical curve radius between self-driving car and manual driving car

关于道路平曲线设计，不管是人工驾驶还是无人驾驶，平曲线参数都是受车辆横向力系数和行驶稳定性控制，与是否由人来驾驶无关，因此，Othman[2]认为：平曲线半径、缓和曲线的设计不会发生改变.

出于驾驶人视觉特性的考虑，不管是国内还是国外，现行的道路设计规范大都对平曲线最小长度和平曲线最小转角做出了限制，即规定了平曲线路段的最小允许偏角值，这是由于过小的偏角会使得曲线路段呈现出明显的“折弯”错觉，可能诱发驾驶人的错误操作行为，导致车辆失控进而驶离路面或是与路侧设施相撞，如图2（a）、（b）所示.但对于无人驾驶车辆，道路几何线形信息是由车载传感器感知或者由路侧设备提供，小偏角曲线不存在视错觉的问题，因此，可以放宽对最小偏角的限制.取消小偏角的限制之后，沿江的山区道路更容易进行路线布设（见图2（c），沿江道路由于地形特点，主要由小偏角曲线构成），可以显著降低道路修建导致的土建费用和由此带来的环境扰动.

图2 小偏角曲线示意Fig.2 Curves with small declination angle

对于直线路段，现行的设计规范对直线最大长度做出了规定，因为直线过长会导致驾驶人员犯困.与此同时，出于对驾驶人员视觉特性的考虑，现行规范对相邻曲线之间的直线最短长度也进行了限定.对于无人驾驶车辆而言，对直线长度的限制将失去意义，因此，可不再考虑最短长度和最大长度的限制.

1.2 车道以及路面宽度

关于道路横断面以及路面结构设计，Machiani等[4]认为无人驾驶车辆可以在9 英尺（约2.75 m）宽的路面上安全行驶，车辆在无人驾驶时更有可能在车道中间以高精度运行[5]，即车辆的横向摆动会减小，如图3（a）所示.而人类驾驶员操纵车辆时，车辆行驶轨迹会发生横向摆动，尤其是弯坡路段，如图3（b）所示.Chen 等[6]运用有限元建模分析得出，车辆横向摆动的减小会使路面经受更多的集中荷载，柔性路面在车轮反复碾压下将加速车辙、裂缝和其他损坏的出现，尤其是供货车自动驾驶编队行驶的车道.这一问题的解决方法有2 种：一种是加强柔性路面的抗车辙设计，但这样势必会增加路面的建造和维护成本；另一种是对车辆路径进行编程，使其在整个路面上均匀的分布.

图3 传统人工驾驶车辆和无人驾驶车辆的行驶轨迹Fig.3 Trajectories of traditional manual driving car and self-driving car

1.3 交通标志标线

面向无人驾驶车辆，标志、标线有2 种主流设计方案.1）一种是对现有的标志和标线作较小的改动，并对图像检测识别算法进行优化升级，以便无人驾驶车辆更精准地识别出交通标志标线，但需要保证交通标线的连续性，不能出现较长范围内标线缺失的情况，以避免可行驶路面空间规划中断导致的安全隐患.对此，Li 等[7]提出了车道标志、标线的3 个质量指标（正确性、形状和可见性）要求，以及计算3 个指标的双模算法，该方法能够识别车道标志、标线的异常，以便于道路管理部门的维修与整改.2）另一种方案是建设数字基础设施，在车道两旁和车道内预埋传感器，当无人驾驶车辆驶过路段时就可以接收到传感器发出的信息，从而作出规划和决策.此种方案可以隐藏标志、标线，避免了标志、标线由于被遮挡带来的安全隐患，同时乘客会有更广阔的视野，提高了驾乘的舒适感，而这一方案的关键在于V2I（vehicle to infrastructure）技术的发展.

1.4 适应高速无人驾驶的道路设施设计

根据自动驾驶技术的发展趋势可以预见，我国高速公路设计速度将突破现有的120 km/h 最高限速[8].何永明[9]将自动驾驶背景下的超高速公路设计速度分为3 个等级，如表1 所示.印顺超[10]针对最大设计速度180 km/h 的超三级高速公路进行了几何设计标准研究，提出无人驾驶高速公路几何设计包括平面线形、纵断面和横断面要素的指标推荐值.但目前这些推荐值仅是由理论分析得出，并没有构建严谨的计算模型，同时，也没有进行实验来验证这些推荐值的可行性.

表1 无人驾驶超高速公路等级划分Tab.1 Classification of self-driving superhighways

李智等[11]应用压力胶片技术采集高速公路路面的轮胎接触应力分布数据，分析发现，高速公路路面抗滑性能随通车时间的延长而逐渐衰减.与传统高速公路相比，超高速公路能为无人驾驶车辆提供更高车速的运行条件，但存在因为路面抗滑性不够导致车辆运行不稳定的风险[12].基于高速公路沥青路面的附着特性，黄晓明等[13]运用CarSim/Simulink仿真软件分析了无人驾驶车辆在沥青路面上的制动特性，结果表明：随着车速的不断增加，轮胎与路面之间的接触面逐渐减小，导致摩擦系数不断降低，进而影响高速行驶状态下的行车安全.因此，在高速行驶环境下需要着重考虑路面摩擦系数变化对无人驾驶车辆运行安全的影响，在公路建设、运营和维护阶段须对公路路面进行检测分析，保障路面的各项性能指标满足通车要求.

1.5 停车设施

与传统停车方式不同，无人驾驶车辆可以在驾驶员和乘客下车后自动前往最近的停车场停车，这将为停车位的组织和管理带来变革.Ferreira 等[14]提出机动性停车概念，驾驶人无需进入停车场，无人驾驶车辆能够全自动自主停车，保证了人员安全并节约了开关车门的空间，实现停车场空间的充分利用，能够将停车场空间利用率提高约20%.Nourinejad等[15]指出，当无人驾驶车辆需要停车时，乘客在指定区域下车后，车辆会自动驾驶到停车位停车，这样每个停车位能够平均减少2 m2的空间，并提出了一个混合整数非线性规划，将停车场中的每个停车区视为一个排队系统，优化了车辆停车次序，如图4 所示.因此，自动驾驶停车场可以将停车位需求平均减少62%，最大减少87%.2021 年，小鹏汽车推出了记忆泊车功能（VPA），VPA 系统通过路线学习记忆路口、车道线、墙面等基本信息，并绘制高精度地图，通过该系统可自动驾驶车辆停在空余车位，该功能支持记忆100 个停车位，2022 年3 月上线的VPA-L 实现了跨楼层记忆泊车.

图4 传统人工驾驶与无人驾驶停车场占地对比Fig.4 Comparison between parking lots for traditional manual driving car and self-driving car

在共享无人驾驶车辆的背景下，停车位的需求将会大大减少.Zhang 等[16]模拟了佐治亚州亚特兰大市的共享无人汽车运行，结果表明，共享无人驾驶在5%的市场渗透率水平下可以将亚特兰大的停车场面积减少4.5%.因此，无人驾驶汽车的停车场占地面积会更小，同时，城市中停车场的总数也将减少.

1.6 道路设施数字化

在数字基础设施方面，Grigorescu 等[17]介绍了基于AI 的自动驾驶架构、卷积/循环神经网络以及深度强化学习规范，构成了调查驾驶场景感知、路径规划、行为判断和运动控制算法的基础.在运营实践中，更新道路基础设施数据非常繁琐、耗时，Yang等[18]提出语义标记框架，识别道路基础设施相关信息，为公路基础设施信息存储提供理论支撑.

AI 在过去的几年得到了快速发展，传感技术得到巨大提升，在一定程度上促进了数字基础设施的发展，但与此同时，不得不注意网络攻击给数字基础设施带来的威胁.与所有网络计算设备一样，连接性的增强通常会导致网络攻击风险的增加，进而威胁到无人驾驶的行车安全.对于网络攻击带来的威胁应该持有这样的态度，即不能因为存在这样的安全隐患放弃数字基础设施的建设，也不能在建设数字基础设施时忽视这一因素，在数字基础设施应用以前应做好足够的实验以检查和修复漏洞.

2 服务于无人驾驶的智慧路侧设施

车路协同技术是智慧交通系统的重要组成部分，现有的一些研究将车路协同路侧设施称为智慧路侧系统，该系统集成了V2X（vehicle to everything）通信、高精定位、高精地图、融合感知、边缘计算等技术，能够实现数据感知、交通效率、交通安全、数据服务等功能.智慧路侧系统通常包括路侧单元（RSU）、路侧智能设施（包括摄像头、雷达、环境感知设备、智能红绿灯、智能化标志标识等）、移动边缘计算（MEC，包括路侧MEC 和运营商MEC）等设备[19].在智慧路侧设施部署方面，江苏科创车联网产业研究院牵头编写了《车联网路侧设施设置指南》[20]，为车路协同和智慧路侧设施建设提供指导.

RSU 是车路协同路侧设备的核心设备，由高增益定向束控读写天线和射频控制器组成，其中，天线是一个微波收发模块，主要负责信号和数据的接发、调制编码、加密等工作；射频控制器是控制接发、处理数据以及向上位机收发信息的模块.RSU 采用DSRC（dedicated short-range communication）技术与车载单元（OBU）和各系统组件进行实时通信，实现车、路、云平台之间的通信，同时还具备边缘计算功能.在高速公路和停车场中安装RSU，能够建立无人值守的快速专用车道.

路侧设施提供了车辆与路之间的通信服务，目前，国际主流的车路通信技术包括DSRC 和LTEV2X（基于Long Term Evolution 系统的V2X）技术路线，在DSRC 技术下，V2V（vehicle to vehicle）的信息传递必须通过RSU 才能完成[21].RSU 的部署是一个热点问题，国内外学者做了详细的研究：朱涵[22]构建了RSU 的部署模型，运用遗传算法和粒子群算法对高速公路以及城市道路的路侧RSU 部署问题优化求解，应用MATLAB 软件进行模拟，验证RSU部署的最优性；吴湧[23]提出有用贡献量的概念，设计了基于有用贡献量的RSU 部署算法，在相同服务质量要求下，减少RSU 的数量；李志龙[24]将最小化RSU及线缆部署成本作为优化目标，提出一种基于平面加权无向图的双层嵌套遗传算法和实时部署策略，能够有效解决RSU 的部署问题；王健[25]提出一种基于优先级的交叉路口节点部署方法，并比较在不同区域使用迭代法、动态优化法以及混合法所需要的节点数量以及重叠度；Fogue 等[26]提出了一种能够自动提供适用于任何给定路线图布局的RSU 部署遗传算法，能够缩短警告通知时间，提高车辆通信能力；Massobrio 等[27]提出了2 种最先进的贪婪算法，一个专注于优化成本，另一个专注于QoS（服务质量），模仿人类决策者的规划策略，以构建路侧单元部署问题的解决方案；Guerna 等[28]提出了一种新的基于优先级概念的遗传交叉覆盖算法，与传统贪婪方法进行比较，该算法能够确保最大的网络连通性，同时，对RSU 的数量需求最少，重叠率降低.

总的来说，关于RSU 的部署方法的研究大多数都是通过计算机仿真来验证方案的可行性，缺少对部署方案的实践验证.大多数方案均为静态部署的，静态部署方案针对的交通状况比较简单，在真实城市环境下，城市热点区域和交通稀疏区域可能会随着时间的推移发生迁移，此时静态部署方案的优点不再显现.相比于静态部署，动态部署方案是RSU部署方案的新趋势，可在不同密度场景和复杂布局下提高车辆通信能力.王健[25]研究表明，动态与静态部署方案相互配合形成的混合方案也能体现出不俗的优点.

3 无人驾驶专用车道

3.1 无人驾驶车道的必要性

网联自动驾驶汽车（CAV）通过安装在车辆上的交互系统和其他车辆以及道路环境进行信息实时交互，自主完成车辆驾驶任务.但是，目前CAV 车辆尚未普及，实际应用较少，一方面是因为相关核心技术还没能取得突破性进展，另一方面是现有的道路基础设施不能较快地为无人驾驶汽车提供专项服务.相关研究表明，为防止未来无人驾驶汽车在混合交通演变过程中频繁出现事故，需要在政策、法律以及道路设施设计方面提出更高要求[29].综合考虑道路设施设计因素、交通安全和效率因素，Rad 等[30-31]提出划分路网中的部分车道供自动驾驶车辆使用，为自动驾驶道路的演进提供了一种过渡方案.

专用车道能够减少无人驾驶汽车和人工驾驶车辆之间的干涉，避免混行带来的各种问题，在本质上减少了无人驾驶车辆和其他传统车辆的冲突，有利于提升道路使用效率和行驶安全，也有利于无人驾驶汽车的发展和普及[32-33].由于明确了车辆的专用路权，解决了无人驾驶系统出现故障或者在混合交通中不兼容导致的交通事故或者侵权行为，为后续责任判定和相关立法扫清了障碍[34].

3.2 专用车道设施和隔离方式

无人驾驶专用车道总体构架是由物理基础设施和数字基础设施组成，物理基础设施主要包含行车道、标志标线、车道隔离设施等；数字基础设施主要包含高精度雷达、摄像设备、通信设备、高精度定位系统等，结合5G 技术的云计算平台共同辅助无人驾驶汽车行驶[35].

在无人驾驶物理基础设施规划设计中，Liu 等[36]模拟了一段带有一条无人驾驶专用车道的高速公路，研究了新的变道规则和速度控制算法，为无人驾驶专用车道的设置提供理论依据.在规划无人驾驶专用车道数量时，随着无人驾驶汽车的不断渗透，无人驾驶车辆需要更多的路权来保证运行畅通，Saeed[29]认为L3 级自动驾驶阶段完成后，会限制传统人工驾驶车辆行驶在人工车道上面，而其余车道完全为所有无人驾驶车辆服务，例如无人驾驶公交车道、无人驾驶网约车道、无人驾驶货车车道.自动驾驶专用车道通常设置在同向至少3 条行车道的道路上，即扣除掉自动驾驶车道外还需保留至少2 条常规车道，以方便人工驾驶车辆进行换道超车.

由于与常规车道共用一幅路面，需要进行专用道隔离以实现无人驾驶车辆的专用路权.美国国家自动高速公路系统联盟在1997 年自动高速公路系统的报告[37]中引入3 种自动驾驶专用道隔离方式，分别为普通标线分隔、缓冲带分隔和物理设施硬性分隔.传统的硬质隔离设施包含波形梁护栏、矩形护栏、组合式护栏以及绿化带分隔设施，除了这4 种隔离设施之外，考虑到中国驾驶人的行为习惯和车辆运行特点，城市道路工况也可以采用橡胶棒、橡胶杆等软质隔离设施；还可以使用在无人驾驶车道上铺设特殊颜色的隔离方式，并配合交通标志标线明确自动驾驶车道的专用路权，如表2 所示.

表2 专用车道的隔离方式Tab.2 Isolation methods of exclusive lane

3.3 无人驾驶车道的发展演进

当前形势下，为应对无人驾驶汽车的推广普及需要更高水平的道路基础设施的支持，但是，目前无人驾驶专用车道的规划使用还仅仅局限在工业园区、港口等封闭区域，这些场景主要面向速度较低的商用无人驾驶车辆.因为乘用车无人驾驶技术还未取得突破性进展，开放道路的无人驾驶汽车专用车道还需要更加全面地评估才能推广到实际应用中.在无人驾驶乘用车技术完全成熟之后，无人驾驶专用车道数会随着无人驾驶车辆渗透率的增加而增加，由阶段Ⅰ逐渐演进到阶段Ⅳ，最终实现完全化的无人驾驶道路，如图5 所示.

图5 由自动驾驶专用车道过渡到自动驾驶道路（以双向八车道为例）Fig.5 Transition from self-driving exclusive lane to self-driving roadway（taking two-way roadway with eight lanes as an example）

根据行业当下的发展趋势，货车自动驾驶编队可能比无人驾驶乘用车更先落地商用，所以自动驾驶专用车道大概率会先应用于支持货车自动驾驶编队.目前面临的问题是：如果是为自动驾驶货车服务，高速公路和快速路的专用车道该如何设置，是参考乘用车将其设置在内侧车道，还是根据管理惯例将专用车道设置在外侧 ？需要综合驾驶习惯、交通冲突、事故后果、通行效率等因素进行平衡和折中考虑.

4 面向无人驾驶道路设施的研究方法

自动驾驶系统的研究和测试是一个耗费精力、投入巨大的技术开发过程，而无人驾驶车辆需要何种道路基础设施环境？面对不同行驶工况，无人驾驶车辆如何做出回应？这一直都是备受关注的问题.先通过计算机进行仿真分析，再进行实车试验，是研究无人驾驶车辆的常用思路，能够大幅节约研发成本.目前，国内外有多种能够模拟理想环境或现实环境，并定量分析研究智能交通系统中各个分支的软件系统和仿真模型，常用的软件有：LG 电子美国研发中心基于Unity3D 软件开发的适用于无人驾驶开发者的多机器人模拟器LGSVL Simulator，Autodesk 公司推出的Infraworks 软件，Mentor 公司的Modelsim 软件，德国PTV 公司开发的VISSIM 软件，西门子公司旗下汽车驾驶仿真软件产品Prescan.通过不同软件平台的相互调用，可以实现自动驾驶联合仿真，如Simulink-CarSim 软件联合仿真测试.

4.1 无人驾驶虚拟仿真测试方法

道路标志标线是正确引导车辆在道路上安全行驶的重要基础设施，车辆通过道路交叉口时主要受交通信号灯的引导，目前，关于无人驾驶车辆与道路基础设施之间信息交互的仿真模拟主要体现在车辆与交通信号灯之间的信息互通方面.王贺鹏等[38]通过Infraworks 软件绘制模拟环境下的道路交叉口基本场景，使用三维建模软件3Ds Max 构建交通灯的三维模型，再基于虚幻引擎软件Unreal Engine 4 编程实现无人驾驶汽车行驶条件下的信号灯变化，以达到模拟无人驾驶汽车通过交叉口时根据信号灯变化作出正确驾驶动作的目的.无人驾驶汽车在实现完全化独立行驶路权过程中避免不了无人驾驶和传统人工驾驶混合行驶的过渡阶段.王白凡等[39]运用VISSIM 软件进行混合交通环境下无人驾驶汽车是否接受编队管控的仿真，无人驾驶车辆在接受管控后会自动与交叉口信号灯进行实时通信，并根据整条街道的运行情况提供效率最优的通行方案，另外，驾驶员也可以根据自身情况和实时路况接控车辆.

为实现无人驾驶汽车的安全行驶，除了在交叉口与交通信号灯进行信息交互以外，还需要车辆智能控制系统完成路径规划、路径导航、速度引导、规避障碍物等一系列操作.宋振伟[40]采用Mentor 公司的Modelsim 软件进行仿真，实现无人驾驶汽车的车道线跟随、保持安全行车距离、规避路障和自动超车等功能的模拟.林泓熠等[41]采用LGSVL-Autoware 联合仿真来解决在无人驾驶车辆定位时需要编写大量代码、实时通信能力较差等难题，进行无人驾驶汽车在典型交通场景下的避障和路径规划.

另外，鉴于PreScan 软件建立的场景具有可视、快速、方便、易修改等优点，并且CarSim 软件可实现与Simulink 软件的相互调用，王楠等[42]开展了上述3 个软件平台的联合仿真，根据所提出的控制算法建立相应的Simulink 模型，并结合CarSim 车辆模型与Prescan 建立的仿真场景，验证了定速巡航、稳态跟随、接近前车、强加速、强减速和避撞等不同工况下ACC（adaptive cruise control）系统的模式划分方法与控制算法的适应性.

4.2 无人驾驶实车测试和场地设施建设

4.2.1 无人驾驶实车测试

在国外，美国国防高级研究计划局（Defense Advanced Research Projects Agency，DARPA）于2004 年、2005 年和2007 年举办了3 届无人驾驶汽车长距离比赛，参赛队伍在开赛前5 min 收到需要完成车辆交汇、规避动态或静态障碍物等项目，同时增加无人驾驶车辆和常规车辆的交通量以创造一个接近实际情况的交通环境，该赛事旨在促进无人驾驶车辆技术的开发.2010 年，德国布伦瑞克工业大学Stadtpilot 团队在所在城市布伦瑞克的开放道路上展示了其无人驾驶汽车Leonie，Leonie 利用高精度地图和C2X（car-to-X）通信来识别交通灯的状态，以此来控制车辆的自动运行.2013 年，卡内基梅隆大学在车辆上安装了摄像头探测交通灯，利用V2I 的方式获取信号灯配时信息，并花了一年多时间在开放道路上测试该无人驾驶汽车.同年，德国梅赛德斯-奔驰公司测试了自动驾驶汽车Bertha，Bertha 配备了视觉和雷达传感器识别并检测交通灯状态，结合准确的数字地图，全面获取复杂道路环境信息，但对于距离50 m 以上的交通灯需要提高识别精准率.谷歌无人驾驶项目于2009 年正式启动，2016 年该项目发展成为谷歌旗下的子公司Waymo，经过2 000 万英里开放道路以及100 亿英里模拟仿真测试，2022 年3 月初，美国加州公共事业委员会向谷歌公司发放了自动驾驶客运服务许可证，允许在旧金山及周边地区提供全天24 h、限速为65 km/h的自动驾驶出租车收费客运服务.

在国内，为缓解交通拥堵等问题和搭建具有自主感知、控制、决策的无人驾驶汽车平台，国家自然科学基金委员会决定从2009 年起，每年举办一届“中国智能车未来挑战赛”以检验无人驾驶汽车在真实环境中的研究成果，从2009 年到2013 年，比赛内容从识别标志标线/交通信号灯、规避障碍物/行人等简单项目到添加了交通拥堵、临时施工、拱桥、隧道等各种复杂项目.2018 年，百度在美国硅谷向媒体展示自动驾驶汽车Apollo 实现载人运行成果，在城市道路上完成识别交通信号灯、规避障碍物、掉头等驾驶动作.2021 年，广州正式启动无人驾驶汽车与传统汽车混行试点，加快了无人驾驶技术的落地应用和商业化进程.

4.2.2 无人驾驶道路建设

无人驾驶车辆除了智能系统的应用，还需要与之相匹配的道路基础设施，美国加利福尼亚州作为全球首个为无人驾驶汽车制定法规的州郡，2019 年提出了建设自动驾驶专用车道的倡议.同样，在2019 年11 月的 “第七届中韩汽车产业发展研讨会”上，韩国汽车产业协会室长表示，适应无人驾驶车辆的道路基础设施和通信设施将在2024 年完成.与此同时，国内也加紧步伐建设为无人驾驶汽车服务的基础设施，并且一部分基础设施已经投入实际应用当中.

无人驾驶道路设施的建设可以分为开放运行道路和实验测试道路.1）对于实验测试道路，国内外有多个地区都建设了无人驾驶车辆测试专用道路，2015 年7 月，位于密歇根州安娜堡市的无人驾驶虚拟之城Mcity 正式对外开放，Mcity 内设置有数英里的两车道、三车道和四车道公路供无人驾驶车辆实验，测试无人驾驶汽车及V2X 技术.2016 年，上海成功投入使用国内第一个智能网联汽车试点示范区，该示范区搭建了封闭测试区、开放测试区、典型城市道路测试区以及城际走廊4 个阶段实验场景.2019 年12 月，中国汽研智能网联汽车试验基地（大足基地）落成，基地内建设有一条长1 450 m、宽12 m 的智能网联汽车专用测试道路，可开展辅助驾驶系统、网联功能、车路协同应用、环境感知等测试项目.2）对于开放运行道路，2021 年8 月，海南智能网联试验场正式开放，该试验场提供总长129.2 km的开放道路用于无人驾驶测试，包含7 段普通道路和1 段高速公路.京雄高速公路通过车路协同技术助力智慧运营和自动驾驶，目前该项目河北段已经建成通车，北京段完成了60%建设进度，全线建成后最内侧双向车道拟设置“自动驾驶车道”，将满足自动驾驶车辆在高速公路的实车测试需求.重庆市于2018 年4 月开放了两江新区智能汽车与智能交通应用示范区，开放测试范围划定为礼嘉环线，总长为12.5 km.2019 年7 月，位于重庆市渝北区仙桃国际大数据谷的5G 自动驾驶开放道路示范运营基地建成，区域内设置了4.3 km 的自动驾驶车道.自2020 年起，湖南长沙、江苏无锡、重庆永川、河南郑州、广州珠江新城等地对选定的开放道路进行打造升级，建设智慧路侧系统和智慧公交线路，实现了自动驾驶巴士（公交）在开放道路上的运营，但均是低速行驶公交.

5 挑战以及展望

5.1 面临的挑战

人工智能和物联网技术给汽车行业带来巨大影响，更高等级的驾驶辅助系统使汽车变得更加智能化，如今越来越多的汽车企业与科研机构合作研发无人驾驶相关技术.但无人驾驶车辆未能推广普及，一方面原因是一些关键技术和相关法律还没有突破瓶颈，包括技术瓶颈和法律、道德等非技术瓶颈；另一个重要的原因是服务无人驾驶车辆的道路基础设施还未成型，以及相关的道路设施技术标准不够完善.因此，面临的挑战如下：

1）物理基础设施研究薄弱.现有的相关研究主要是围绕车路协同技术，包括路侧设备感知、通信、信息交互、边缘计算等.相比之下，物理基础设施的研究较少，一些与无人驾驶汽车相匹配的道路基础设施仍处于试验阶段，如适应无人驾驶车辆的道路几何设计、互通立交设计、交通标志标线等.自动驾驶车道虽讨论已久，但目前仍未见有高速公路或是快速路项目将专用车道付诸实践.

2）跨越式发展难度大.无人驾驶车辆渗透率的增加，对提高交通流稳定性、降低混行中人工驾驶车辆耗油量、缩减扰动消散时间等方面有积极作用.然而，目前无人驾驶试验和测试仅在封闭区域内开展，现有道路设施还不能完全满足无人驾驶车辆开放式运行的最高要求，因此，无人驾驶汽车与常规车辆混行是不可跨越的过渡阶段.

3）自动驾驶技术难以适应复杂场景.目前国内自动驾驶技术尚停留在L2 或者L2+水平，即驾驶辅助系统能实现简单场景（比如低干扰的高速公路和快速路）的自适应巡航、车道保持、自动变道等功能，但操纵过程还是要以驾驶人为主导.目前，自动驾驶汽车的环境感知准确率仍需进一步提高，无法达到L3 级自动驾驶的商用，而且即便L3 级自动驾驶车辆上路，当车辆脱离符合条件的场景时，也需要驾驶人重新接管车辆，存在较大的安全风险.与此同时，L4 级和L5 级自动驾驶技术久攻不下.中国2/3 地区都是山区，山区道路线形复杂、坡陡弯急、气象复杂，对L4 和L5 级自动驾驶提出了更高的安全性要求.

4）道路设施技术标准体系不够完善.目前国内出台了《国家车联网产业标准体系建设指南》，以及处在征求意见阶段的《公路工程适应自动驾驶附属设施总体技术规范》《道路交通车路协同信息服务通用技术要求》等行业标准，上述标准在基础类设施、道路设施、车路交互、管理与服务、网络安全等方面对适应未来无人驾驶车辆的道路设施提出整体框架，但在具体的操作层面和实施层面还不够完善，包括无人驾驶专用车道划分、标志标线设计、路侧通信单元布设、互通立体、几何线形设计等道路基础设施设计标准还未具体制定.

5）车路交互信息的安全问题.适应无人驾驶车辆的路侧数字化基础设施与车载信息处理系统之间通过云端计算机进行数据传输与外界交互，一方面的隐患是数字化基础设施传输道路基础信息存在延迟、网络不稳定等基本问题，进而造成无人驾驶车辆接收信息延迟或者错误的情况；另一方面，如果没有高效的数据传输方案和安全防护措施，车辆与路侧设施之间信息交互以及信息采集、储存、处理系统存在被攻击的风险.

5.2 展 望

1）道路设施数字化.道路设施数字化是未来无人驾驶汽车普及的一个重要支撑.一方面，铺设智能路侧单元，便于无人驾驶汽车与数字化道路设施之间通过射频识别、微波雷达识别、智能传感器识别等技术实现实时信息共享；另一方面，可以使用以二维码等数字化信息为基础的特殊颜色、字符、图形来改造现有交通标志标线，并将这些变化信息存储、发布给无人驾驶车辆.无人驾驶车辆行驶在夜间、雨雾天、下雨天以及其他多变复杂的道路环境中，数字化道路设施显得更加有效，能更大程度减轻车载感知系统的任务和工作复杂度.

2）提高复杂环境感知精准性.目前，只在封闭路段或者是车辆很少的路段开展无人驾驶实验，在未来，为了服务无人驾驶车辆，除了在高速公路、城市快速路等简单的基础场景搭建车路协同环境外，还应提高复杂道路场景的感知能力，比如山区环境中的长隧道、长下坡、连续急转弯道路，以及城市道路的多层高架、复杂立交、畸形路口等场景；同时，提高雨雪、雾霾、强光等恶劣气象条件的目标感知准确率，为无人驾驶车辆适应复杂多变环境的路况提供实验支撑和理论依据.

3）铺设无人驾驶专用道.未来匹配无人驾驶的道路设施将是一个集环境感知、信息交互、规划决策等功能于一体的智能道路综合体.目前无人驾驶专用道设置仅局限在特定区域，如港口道路、工业园区、景区等，主要用于低速自动驾驶货车和低速自动驾驶巴士；但随着自动驾驶技术逐渐成熟，为满足无人驾驶车辆的快速行驶需求，需要在公共道路上设置无人驾驶专用车道，以降低感知环境的复杂度，提高无人驾驶的运行速度和安全性.未来更多的研究将建立在专用道的基础设施设计、铺设实施条件以及交通组织等方面.

4）建立相对完善的自动驾驶道路设施技术标准体系.虽然困难重重，但未来某个时点定会攻克无人驾驶L4 和L5 级难关，而在此之前需要考虑适应无人驾驶车辆高速行驶的道路基础设施设计，建立相对完善的技术标准体系，以便新建道路在设计时充分考虑无人驾驶的需求，同时，也能改造现有道路基础设施以满足L4 级无人驾驶的要求.

5）发展应用泛在物联网.泛在物联网中5G 技术和IPv6（internet protocol version 6）技术的发展是物联网发展的基础，而物联网又是未来技术的必然发展趋势.无人驾驶车辆通过物联网技术将识别采集的信息传输到云端，并将处理的信息指令传输到决策系统，通过泛在物联网实现全面感知和泛在互联，快速高效实现车辆间信息传输与处理.将物联网技术融合到智能汽车领域，基于现代通信技术和计算机技术，实现车与X（everything）之间实时对接，提高自动驾驶能力.

致谢：重庆东站交通枢纽站前片区科研项目（E1210268）.