SCATS 交通信号推送系统

173

三．SCATS 交通信号推送系统介绍

澳大利亚的 SCATS 交通信号控制系统作为全球最领先的交通信号系统在全球范围内得到了广

泛应用，该系统是从上世纪 90 年代引进入我国，伴随着我国城市化进程加快，交通路口控制机的应

用引入数量也随之增加，目前我国已有将近 20 几个城市采用 SCATS 交通信号控制系统。SCATS 系

统大体可由两部分组成，分别为前端路口控制机与中心指挥平台。由于该系统是从国外引进产品，

该系统对外没有与其它感知终端预留会话接口，并且其部通讯协议均为私有协议。这将对我国在智

慧城市中车路协同与无人驾驶应用场景项目形成了不小的壁垒。

鉴于此，辽宁天久集团依托于在智能交通行业近二十年的历史，充分发挥我们的底蕴开发出全

国首创 SCATS 交通信号推送系统，使之能够与车路协同以及无人驾驶高度融合。

SCATS 交通信号推送系统的网络安全拓扑

四．SCATS 交通信号推送系统实际应用

SCATS 交通信号推送系统充分挖掘 SCATS 系统现有的数据信息，结合不同的应用场景为其提

供交通路口的交通信号灯实时运行状态。

SCATS 交通信号推送系统已经与华为公司在沈阳大东区精准公交项目中实地运行，得到了同行

们一片赞许。

总结

在车路协同以及无人驾驶领域中科学有效的应用交通信号，能够带来意想不到的效果，让人们

充分体验数字智慧城市即将上演的新篇章。让 SCATS 交通信号推介系统能够更好的服务于数字智慧

城市。

智能交通产品与技术应用汇编

174

智慧交管中枢解决方案

安徽科力信息产业有限责任公司

一、背景与现状

党的十九大报告提出中国社会主义进入新时代，我国社会主要矛盾已经转变为人民日益增长的

美好生活需要和不平衡不充分的发展之间的矛盾。与此同时，信息技术的高速发展使得各行各业的

数字化转型日益升温，随着转型的深入、基础设施的日益成熟，数字社会、智慧城市的雏形正在逐

步构建起来。

公安部紧握新时代数字社会发展大趋势，为适应公安工作发展规律而做出了科学的判断和战略

部署，明确要求公安机关必须将大数据作为创新发展的大引擎、培育战斗力生成的新增长点，大力

实施公安大数据战略，着力打造数据警务、建设智慧公安，全面推动公安工作质量变革、效率变革、

动力变革，实现公安机关战斗力的跨越式发展。

近年来，行业中也涌现了很多互联网背景的厂商，均发布了面向道路交通管理的各类“大脑”、

“小脑”、“智能体”等产品或解决方案，其主要目标是对交通管理业务中的各类数据进行统一接入与

存储，依靠其较强的技术实力能够较好的处理各类数据并保证数据结果的稳定输出。但通常由于缺

乏交管行业经验，表现在“数据好接不好管”，“数据能用但不好用”等问题上，无法与应用层充分

关联和互补，导致其产出的结果数据无法精准指导实战需要。

二、科力智慧交管中枢解决方案

针对我国目前城市交通出现的交通事件发现难、处理不及时以及周期性交通拥堵束手无策等管

理问题，我们研发了城市智慧交管中枢平台，通过接入互联网及城市交通管理相关数据，智能分析

事件类型，主要包含周期性交通拥堵事件、突发交通拥堵事件以及可能导致拥堵的突发事件三个层

面。针对突发事件，通过接警平台发送给指挥中心接警人员，收到通知后第一时间确定拥堵成因，

并通过平台将警情任务派发给对应事件所在地的警员，警员将处理过程记录及结果及时反馈给指挥

中心接警人员，整个链路是闭环链路，操作逻辑、过程及结果均可考核可评价，有效保障了突发事

件处理流程和效果的完整性；针对周期性拥堵事件，利用各类交管数据及设备感知数据之间的关联

特征分析，找出拥堵成因，从供需平衡的角度提供交通组织与信号优化建议，同时通过信号智能优

智慧交管中枢解决方案

175

化，优化出行结构。同时为保证事件能够得到更敏捷有效的处理，结合交通诱导的方式，将各种类

型的事件及时告知出行者，以便做出快速响应，避免事件的影响快速恶化，造成更严重的交通阻塞。

产品围绕城市道路交通事件，围绕“情指勤督”新模式打造了一整套以数据驱动的完整解决方案，

能够帮助用户有效处理交通事件和缓解交通拥堵，提升道路路网整体运行效率。

本系统主要包括三大组成部分：1 个数据运营平台、4 个业务实战平台、N 个智慧应用。

1 个数据运营平台作为产品的核心，负责将各类外场设备的业务数据、第三方平台数据进行统

一的接入、清洗、转换、落地、共享，通过统一接口服务对上层应用提供数据服务。

4 个业务实战平台为交通管理的参与者提供满足不同场景的实战化应用平台，包括：PC 端、大

屏端、移动端、公众服务端，各平台需针对用户的实际使用场景进行功能与业务设计，同时需要考

虑各个平台之间的有效通讯，共同形成一个有机的整体。

N 个智慧应用是在 4 个实战应用平台的基础上，针对各类实际业务而设计的实战应用，一个智

慧应用需要为 4 个业务实战平台考虑不同场景下的业务功能需求，以满足用户全场景全链路的实战

业务。同时，系统要充分考虑智慧应用的可扩展性和低耦合性，应用应当可以快速接入到 4 个业务

应用平台中同时能够根据应用的使用频率和负载及时对计算资源进行弹性伸缩。

1、数据运营平台

数据运营平台致力成为交通管理部门的“数据管家”，利用云计算、大数据、人工智能、视频图

像分析等先进技术，通过接入交通管理中涉及的各类数据，包括道路交通设施数据、警用装备数据、

公安交通管理各类系统数据、互联网数据等，对这些离线或实时数据进行抽取、解析、转换、融合、

清洗等处理，同时对各类数据资源建立标准模型，建立统一的原始库、主题库、业务库、中间库、

指标库与索引库等统一数据资源池。

同时系统内置交通管理领域的各类算法模型，包括：拥堵分析类、出行分析类、交通组织优化

类、态势感知类、警情处置类、勤务能效类、违法与事故分析类、车辆与驾驶人分析类、设施异常

监测类、隐患排查类等。可根据实际业务需要对实时或离线数据进行计算、挖掘，对任务的执行与

调度进行管理。

最终通过统一服务接口网关为上层各类应用系统提供统一接口服务，包括：租户鉴权、请求转

发、路由配置、版本控制、限流、熔断等功能，平台架构如图 1 所示。

2、业务实战平台

实战应用平台是依托数据运营平台的支持，为交通管理的各类参与者提供具体实战应用的产品

体系。4 大平台分别针对用户的各类使用场景提供个性化的应用服务，最大化的完成交通管理的全

场景覆盖和全业务闭环。

4 大平台共同组成一个完整的应用生态，相互之间也能够良好的互联互通，可完成三屏联动、

警民互动、协同指挥等联合应用。

2.1 情指勤督一体化综合指挥平台

情指勤督一体化综合指挥平台作为智慧交管中枢的核心应用平台，集情报研判、指挥调度、勤

务和督导为一体，平台接入各类道路事件、警情、勤务信息、应急资源以及各类外场设施，通过完

智能交通产品与技术应用汇编

176

善的指挥调度体系、优化扁平化、网格化的勤务模式、完善健全的督导与考核机制，形成四位一体

的高效指挥与勤务模式，能够有效的提升指挥调度能力和应急处置水平。

图 1 数据运营平台架构

同时可在平台的基础上拓展与集成更多的交管智慧应用，平台作为各类应用的统一入口，集成

了一套完整的用户账户体系，并具备对第三方平台开放的能力，使得交通管理的日常应用均可接入

到本平台中，实现一个账户、一个入口畅通使用各类交通管理应用，系统界面如图 2 所示。

图 2 情指勤督一体化综合指挥平台

2.2 高分可视化分析研判平台

高分可视化分析研判平台是面向交管指挥中心大屏环境的可视化决策平台，支持各类大屏幕、超

大分辨率屏幕、多屏拼接等显示终端。平台充分利用大屏的显示效果与面积，为用户提供优秀的数据展

示与分析体验。它具备良好的大数据显示性能及高效的协同管理机制，用户无需操作大屏，即可通过

PC 端和移动端来发送控制指令以控制大屏的显示内容，实现灵活易用的三屏联动管理机制。

智慧交管中枢解决方案

177

平台依托数据运营平台，整合交通管理的各类数据资源，覆盖了交通管理的各个领域，通过先

进易用的人机交互方式，实现数据的融合、显示、分析、监测等多种可视化研判功能，可以广泛应

用于态势监测、指挥调度监测、视频巡逻、设施运行监测等场景，系统界面如图 3 所示。

图 3 高分可视化分析研判平台

2.3 移动警务综合作战平台

移动警务综合作战平台是针对公安交警工作的移动性、突发性、紧急性等特点，面向路面执勤

民警和管理者的移动作战平台。平台与一体化综合指挥平台相互形成完整的警情处置闭环，指挥平

台可在处置警情时第一时间下发到路面执勤民警进行警情处置。同时平台提供车驾管、事故、违法、

过车（见）、警情、态势分析等业务的分析研判结果，便于交通管理者随时随地掌握第一手交通运行

情况。在此基础之上，平台还提供了视频巡检、音视频通话、轨迹回放、设施集成管控、设施运维

等应用，系统界面如图 4 所示。

图 4 移动警务综合作战平台

2.4 交管便民综合服务平台

交管便民综合服务平台是基于专门为社会公众提供的服务平台，依托交管中枢的数据与业务支

撑，以公众主流认可的渠道为载体提供服务，是交通管理者与社会公众之间的重要沟通桥梁。交通

管理者可通过该平台为公众提供信息查询、宣传教育、警民互动等信息或服务，公众也可通过该平

台向交通管理者反馈违法行为、设施故障等信息。通过让公众更便利的参与到交通管理工作中，能

够让交通管理者更全面的了解到公众的出行诉求，在提升自身的交通管理水平的同时，让公众出行

更顺畅、办事更便利。

智能交通产品与技术应用汇编

178

3、智慧应用

3.1 特勤安保

特勤安保系统是集线路管理、任务管理、执行监控于一体的 VIP 车辆/车队、线路保障系统。系

统基于精细化地图服务为警卫任务自动规划和匹配路线，并通过关联设备对任务执行进行全程监控；

内置任务执行预测算法，支持任务配置阶段的多任务预演和实际执行过程中的冲突预警，以及关联

设备故障推送；基于 GPS/北斗双模定位实现特勤任务执行过程中的车辆位置回显和视频自动跟踪，

保障警卫任务执行的有序和有效监管；基于高精地图建设二三维一体化地理信息系统，为警卫任务

指挥、监控提供大屏可视化监管能力，系统界面如图 5 所示。

图 5 特勤安保

3.2 智慧信号

智慧信号系统以电警、卡口、检测器、互联网数据、道路拓扑数据及信号机数据为基础，利用

大数据技术进行模型分析、控制效果评价和交通运行指标计算，挖掘城市拥堵节点和拥堵成因。借

助机器学习和人工智能算法，系统能够实现路口、线路、区域信号控制效果和信号控制方案合理性

的分析，实现信号控制时段的智能划分和信号配时方案的自适应优化，实现单点优化、绿波带、红

波带及区域协调控制策略。智慧信号系统能够很大程度上提高城市信号控制的智能化水平，为交通

信号优化管理工作提供技术支撑，系统界面如图 6 所示。

图 6 智慧信号

智慧交管中枢解决方案

179

3.3 出行服务

由于当前城市交通问题日趋严重和恶化，如拥堵问题、安全问题、环境问题、能源问题等，使

得采用高新技术的智能交通诱导系统得到各地的高度重视。

交通诱导系统是目前公认的有效解决城市交通问题的关键环节和手段，是正确引导道路使用者

顺利到达目的地、实现交通流优化、避免交通阻塞、更有效地管理现代交通的新技术，系统界面如

图 7 所示。

图 7 出行服务

三、结语

基于现有的平台架构，可以做更多的业务应用拓展，无需在数据结构和处理方面做重复建设，

用户可以结合实际的应用场景及需求在智慧应用层面进行业务拓展，如智慧安保、智慧源头监管、

智慧风险防控、智慧教育等应用，真正实现业务从“烟囱式”向“集约式”的转变，既保证现有资

源整合利用，避免资源浪费和重复建设，同时更贴近用户的实战应用诉求，为用户提供便捷有效的

辅助管理工具。

目前，该解决方案已在国内大连、蚌埠、张家口等多个城市完成了系统建设并投入使用，为道

路交通管理提供了有效的数据支撑，促进了业务管理效能的提升。

智能交通产品与技术应用汇编

180

智慧路口

北京图盟科技有限公司

一、智慧路口概述

目前国内各大城市先后建设了信号控制系统、高清卡口系统、视频识别等外场设施设备，产生

和汇集了大量的交通流、交通事件、交通违法数据，但是这些数据仍然不能满足现在交通管理在安

全、效能等方面的实时性和精准性的要求，主要原因的数据不够全面、精细，缺少路口车道级排队、

路口范围内车辆真实轨迹，前端数据传输至并在在后台中心处理计算耗时久，数据时延性差，很难

支持即时、复杂的交警指挥、优化治理工作。

为克服数据采集精细、全面以及传输时延的问题，基于“端边云”协同理念建设智慧路口应运

而生。智慧路口是在路口端侧建立探测雷达、电警视频，采集过车、车速、车辆、车牌等信息，并

利用边侧计算单元完成雷达采集数据、视频采集数据的深度拟合，得到真实反映每一辆车辆运行动

态的轨迹数据，基于此轨迹数据可以还原出路口内每辆车的行为及状态，获取路口全时、全域、全

要素数据。这些数据也可以与高精地图的路段、路口、方向、车道进行挂接关联，与路网拓扑相结

合，形成精细、全面、可读、可计算的大数据，在边缘侧为交管信息互联提供数据源头，为更高级

别的深度应用提供数据支撑，也为隐患排查、交通组织优化等深度治理奠定数据基础，为增强城市

交通管理提供数据赋能。

二、智慧路口架构

智慧路口以“感知－计算－管控－服务”一体化新格局的边缘节点，让每个路口都具备全息感

知、智能管控、全景服务能力，使城市智能交通管理体系实现分布与集中相结合，极大的增强城市

交通管理的管控效能。

系统采用最新的“端-边-云”逻辑架构（如图 1 所示），结合行业最新的传感器技术、高精度地

图技术、AI 算法、边缘计算技术，实现雷达数据、视频分析数据、路口渠化数据以及衍生数据的实

时感知和汇聚，全量刻画路口内车路信息，以精细、全面、连续、可计算的数据构建路口“全息感

知”体系。

端侧（摄像机、雷达等）：路口多个方向的感知设备（摄像机、雷达）输出原始数据信息，摄像

机负责基础违章抓拍和基础过车图片采集，输出车牌、车型、颜色等信息；雷达负责速度、位置、

流量等信息的采集。

智慧路口

181

图 1 智慧路口逻辑架构图

边侧（边缘计算单元）：边侧单元对于感知设备输出的原始数据信息进行接入、存储、雷达视频

数据拟合和转发，获取车辆时空数据、过车身份数据、违法抓拍数据、车道级流量数据、信号灯状

态数据等多种元数据。

云侧（中心侧）：中心侧负责通过对元数据的收取，实现精准的轨迹数据还原，通过轨迹数据分

析，获取精准的交通流量数据，快速检测交通事故、事件，配合业务系统赋能。

三、端侧设备

智慧路口需要一定数量的前端硬件设备，包括路口电子警察、毫米波雷达、边缘智慧终端以及

配套的爆闪灯、挂箱等，标准十字路口智慧路口前端设备如下表 1 所示。

下面就智慧路口的主要设备要求展开描述。

3.1 多目标毫米波雷达

智慧路口前端采用广域毫米波雷达检测器作为主要数据采集设备，支持覆盖多车道多目标大范

围的距离、速度、行驶方向等信息采集，支持按照车道采集车流量、车道平均速度、车头时距、车

头间距、车道时间占有率、车辆类型、排队长度、交通状态等指标。

表 1 标准十字路口智慧路口配置清单表

智能交通产品与技术应用汇编

182

3.2 超微光电警

智慧路口电警需支持车牌识别功能，支持多种车牌颜色、车牌种类识别，支持压线、违法变道、

欠速、不按导向行驶、机占非、非占机、倒车、尾号限行、不按规定车道行驶、大弯小转、占用公

交车道、逆行、禁左禁右违法抓拍、不礼让行人等捕获检测，支持快速集成智能算法或应用 APP。

3.3 路侧计算终端

路侧计算终端提供路口数据计算的算力、存储支撑，支持摄像机视频、雷达轨迹拟合，支持实

时车辆属性、车牌、速度、位置、姿态识别；支持路口交通指标、转向交通指标、车道交通指标计

算，并提供数据端口输出。

3.4 高精地图

高精地图是智慧路口最重要的支撑，是实现路口车辆运动轨迹呈现和各类业务数据分析的重要

承载体，高精地图以基础地图数据以及高精地图数据为基础提供地图展现、搜索查询、图层叠加、

可视化展现等核心引擎能力，为智慧路口以及整个智慧交管应用提供地图服务。

高精地图数据，是利用移动采集车辆、测绘无人机等测绘设备对道路信息进行测绘采集，采集

路面、车道、安全岛、渠化带、交通标志、标线、路面文字、杆件、电警、卡口、诱导屏、信号机、

流量采集设备等各类交通要素信息，形成全要素、高精度（显示到车道级别）的电子地图。智慧路

口对于高精地图的精度有一定要求，绝对精度≤1 米，相对精度≤0.2 米，数据要求现势性良好，属

性信息完整，各要素间拓扑关系正确。

3.5 系统组网方式

以信号灯杆或交通监控杆件为附着物，在杆件距地 6 米处安装支架，将电警、雷达安装在支架

上，其他设备装载抱杆箱内，以抱杆方式固定。雷达安装在路口出口方向杆件上，迎着车头方向探

测，电警安装在进口杆件上，往路口内探测（车尾方向），设备组网示意图如下图 2 所示。

图 2 智慧路口设备组网示意图

智慧路口

183

四、边缘计算单元

4.1 边缘数据拟合

智慧路口主要通过雷达、视频采集方式获取路段数据。雷达采集频率、准确度都比较理想，能

够获取详尽的车辆运行特征数据，但无法识别到具体的车辆；视频检测可以识别车牌，指向到具体

车辆，但视频检测容易受天气、环境影响，采集精度与准确度难以保证，利用边缘雷视拟合技术，

将视频检测的车牌信息附加在雷达检测的对象上，可以捕获每时每刻路口每一辆车具体运行特征，

从而获得每辆车的轨迹。

4.2 边缘数据计算

智慧路口具备边缘侧计算能力，可以对于感知设备输出的原始雷达视频数据信息进行接入、拟

合和转发，获取车辆轨迹、车辆运动数据、过车身份数据、交通流量数据等多种元数据，基于这些

元数据可以构建路口指标、转向指标的算法程序，计算各类交通指标，也可以基于雷视轨迹数据分

析车辆驾驶行为，构建交通事故、事件检测算法，在边缘侧完成事件检测能力。

4.3 边缘数据输出

智慧路口数据可以通过边缘输出块输出至后台以及路口信号机，支撑交通信号控制优化等应用。

边缘输出模块可以基于现有的信号控制机对检测数据的数据协议、通讯方式进行兼容，可配置虚拟

线圈、虚拟卡口输出各类交通数据，完成数据输出应用。

五、云上应用

智慧路口云上应用主要包括路口数据采集、车辆轨迹监测、事故快速检测、交通信号分析、交

通组织分析、安全隐患分析等内容。

5.1 路口数据采集

实现交通流量、平均速度、延误、排队、停车次数、车头时距、车头间距、车道时间占有率、

车道空间占有率等交通流元素的检测，按照分车道、分转向方式有效组织和输出的。

5.2 车辆轨迹监测

对路口四个方向的电警视频以及雷达数据进行拟合，实现路口级单行驶方向 200 米范围内的距

离检测以及车辆轨迹精准描绘，结合车辆建模技术，可以在高精电子地图上展示路口内每一车辆的

行驶动态、行驶轨迹，以上帝视角观察路口内车辆运动情况，如下图 3 所示。支持车辆视角跟踪、

历史轨迹呈现功能。

智能交通产品与技术应用汇编

184

图 3 车辆轨迹监测效果图

5.3 事故检测处置

利用车辆轨迹和车辆行为可以识别异常停车行为，结合路口灯态、其他车辆的行为以及周边环

境，进一步可以识别车辆事故。系统支持路口事故检测及上报，对发生事故可以快速截取事故视频，

根据事故发生时间、位置、影响车辆信息对事故进行影响评估，确认事故级别，进而上报处置。

5.4 交通信号分析

基于路口实时的延误、排队、周期流量等信息分析评价路口信控效果，找出路口溢出、失衡、

绿灯空放等问题，以服务信号机自适应或人工优化控制，从而提升信控效能。

5.5 交通组织分析

利用高精地图、车道级交流数据对路口的交通组织进行评价诊断，从进口流量比、进口转向流

量比、波动系数、潮汐路段流量比不均等系数等角度，找出路口空间和时间不匹配、流量不均衡、

潮汐等问题，进而为交通组织的优化提升依据。

5.6 安全隐患分析

通过对安全事件的监测和分析，对路口各种安全隐患事件进行识别及统计分析，主要包括三急

一速驾驶、违规掉头、单车多车事故、逆向行车、冲突点、违规掉头、违规变道等，通过对安全隐

患事件聚合分析，寻找路口安全隐患的位置，并进行空间化展示，掌握路口隐患时空分布规律，为

路口的秩序管理提供数据支撑。

用 VSI 交通火眼系统进行微观交通流精确感知与变化预测

185

用 VSI 交通火眼系统

进行微观交通流精确感知与变化预测

杭州岱名科技有限公司

1. 基于数据的微观交通流

交通流理论是解决交通问题的重要的理论基础。因为交通控制系统只有在充分了解交通运行模

式的情况下才能充分利用路网的通行能力，而控制的基础是对道路流量运行实时情况的掌握程度。

目前的交通控制基本上是基于交通模型，包括经典的概率统计模型、车辆跟驰模型、流体力学模型

和车辆排队模型，比较现代的元胞自动机模型。但模型是否足够准确表征了每个城市的交通流运行

的主要特征，因其没有或缺乏大量实际数据的支撑，数学模型一直是有争议的。随着人工智能深度

学习、大数据技术的出现，在现有城市道路网、高速道路网视频摄像头已经大量部署的情况下，分

析交通视频数据，掌控交通流的实际运行情况已经在交通智能化管理上成为一种非常必然的选项。

本文提出了一种功能强大的交通微观感知平台—VSI 交通火眼系统，它不需要昂贵的设备采购

和很多的额外部署，用户基于现有的每条道路或交叉口的交通视频流，视频分析可以迅速准确提取

实时交通信息；将多点交通信息汇集之后，供给上层分析系统做道路相关性变化分析和预测，从而

为最上层的指挥调度系统提供决策依据信息。

2. 总体框架

VSI 系统是国内外第一个无需人工编程的 AI 分析应用系统自动生成平台。它内置在容器或者云

中，为应用解决方案提供用户编排定制和自动生成，具备强大高效的分析能力和有创新意义的跨模

型、跨硬件的 AI 模型和软件生成方法。

VSI 基于 AI 机器学习能力，具有统一的低代码/无代码框架，在任意的应用环境里，可以融合

视觉、音频、文本或工业传感器数据，编排用户分析需求，自动适配 AI 软件模型算法和硬件算力，

自动生成 AI 分析应用系统。

VSI 系统的软件框架如图 1 所示。

智能交通产品与技术应用汇编

186

图 1 VSI 交通火眼系统软件架构

VSI 技术核心技术包括三层，基础架构层、平台层和应用系统层。在应用系统层，用户可以收

到平台层给出的分析结果，用外部的信息展示系统可以方便地对结果进一步处理，然后输出结果和

展示。VSI 的终端在平台层和基础架构层。平台层包括两个部分，A 部分和 B 部分。基础架构层包

括 C 部分。

 A 部分的主体为 VSI 编辑器，用户利用编辑器，可自己开发 AI 应用系统原型，无需人工

编程，操作模式为：

1）拖、拉、拽平台上的 AI 模块、计算模块和逻辑模块，构建工作图；

2）用户建立工作图后点击“存储”，平台会自动校验工作图的连接和逻辑关系，如果无误，自

动生成应用系统原型；

这部分的操作无需 AI 专家，普通用户经过简单操作培训，可以快速编排、集成和查验 AI 应

用系统原型是否与自己的分析期望吻合。

 B 部分为 VSI 平台自动生成 AI 应用系统、应用部署和分析结果输出，内部工作模式为：

1）基于 A 部分的用户编排设计工作图，自动适配算法模型和硬件，自动构建生成分析应用系

统 APP；

2）用户拉取输入外部的实际传感数据源，APP 应用系统调用底层的 AI 算法、模型和 AI 硬件

对传感器输入（如摄像头）的实时数据流）按照用户编排的逻辑进行分析计算，输出分析结果。

 C 部分为数据半自动标注、模型参数自动调整和训练。熟悉 AI 领域知识的用户可用来进一

步优化系统功能。

VSI 应用系统的目标是可运行在 CPU、GPU、VPU、FPGA；云、边缘或终端（手机）上，目

前支持 CPU 和 GPU、VPU；在云端和边缘部署。

3. 用 VSI 实现视频对象精确感知

VSI 交通火眼系统，已经实现了多重不同场景下的 AI 精确感知，对复杂场景的检测和识别具有

相当高的准确率。而且，针对用户的数据做标注和训练，可以给出更高的识别率和准确率。

用 VSI 交通火眼系统进行微观交通流精确感知与变化预测

187

VSI 具有一个特别强大的功能，即可以对于每一路来自摄像头的需要分析的视频，用户可以指

定感兴趣的多个目标，对每个目标视频分析引擎可以使用算法族及其串并行组合来实现各种分析逻

辑。 例如，针对人流，在车站或某封闭区域内可以将以下各种分析模块（Block）组合为分析流图

（Graph）：

 人脸识别

 行人检测

 单摄像头行人跟踪

 跨摄像头行人跟踪

 单线跨线检测

 双线跨线检测

 闭合曲线跨线检测

 危险区域人数统计

 目标检测

 人员姿态识别

这种编排方式让用户可以聚焦自己的研究和分析对象，灵活地使用 AI 强大的分析能力，而不

会花费大量精力去掌握 AI，甚至因 AI 掌握不够而无法开展自己的工作。

针对交通场景，当前 VSI 针对下述场景已经有实际的运行结果，包括：

 单条、多条道路的车流微观运行情况

 地铁闸机出入人数精确统计

 地铁上落客精确统计

 区域人数精确统计

 小区违停车辆统计

 车厢智能乘务分析

【因为数据隐私保护的原因，不贴图】

VSI 的 AI 分析需要很高算力支持，但如果计算对算力要求过大，用户的硬件成本支出就很大，

火眼系统使用了一系列的内存和 CPU 调度优化方式，同一款设备可以支持更高路数的视频分析

流并发。

VSI 交通火眼的分析结果有多种输出形式，WEB 直接输出可用于预览分析结果。存储分析图片，

或者通过 RESTful API，Kafka 消息，MQTT 消息推送给第三方，如上一层的信息关联分析或预测系统。

4. 用 VSI 做信息关联分析和预测

VSI 系统等价于一个机器脑加上多个感知源输入，一个这样的系统可以称为一个感知神经元。

一个神经元可以进行前面所述的车辆目标检测识别和跟踪，另一个神经元可以与其并行处理类

似的内容，避免单系统的算力问题、可靠性问题或者功耗问题；也可以级联起来进行更复杂的分析

计算，如在本级进行道路使用率的大数据分析，计算两条及多条道路的运行相关性，然后在更下一

级级联的神经元中进行交通网络运行变化预测。如图 2 所示。

智能交通产品与技术应用汇编

188

（a）并联方式

（b）串联方式

图 2 VSI 交通火眼系统构建巨型复杂系统的方式

将多个 VSI 系统分布式地进行串并联、级联可以组成极为复杂的巨型分析系统，这样的巨型系

统因为每个神经元基于云架构搭建，可以动态地扩展和伸缩，而且，每个单元的工作状态都可以被

轻松地自检测和自感知，巨型系统依然是一个高鲁棒性的系统。

智能网联汽车标准及测试评价体系

189

智能网联

智能交通产品与技术应用汇编

190

智能网联汽车标准及测试评价体系

中国汽车技术研究中心有限公司

一、引言

近年来，我国的智能网联汽车获得了空前的发展，国家在政策上给予了大力 的支持，但目前智

能网联汽车的发展还不成熟，特别是还没达到大量用户使用的阶段，为了尽快将智能网联汽车推向

市场，完善测试评价体系是推动产品开发的必要支撑，是智能网联汽车发展的重要一环。

智能网联汽车测试评价体系，可以围绕安全性、舒适性、能效性、智能度等评价维度，集成测

试场景-测试平台-测试技术，基于虚拟仿真和实车测试完成构建，基于测试评价体系，制定出相关

适用于智能网联汽车上路测试许可及产品准入认证的测试评价标准，可支撑和引领智能网联汽车产

业落地。

二、测评现状

国际上，自动驾驶测评体系目前有诸如 ALFUS 无人系统自动化等级评测框架、Pegasus 项目，

联合国世界车辆法规协调论坛（UN/WP29）智能网联汽车工作组（GRVA）也在积极研究探寻合理

的测评体系；国内方面，有北京理工大学无人驾驶车辆评测模型、吉林大学自动驾驶汽车综合测评

方法等测评方法。以上自动驾驶测评体系中，尚未有一个科学、全面的测试评价体系。

针对智能网联汽车的评价指标及测试方法进行深入研究，建立测试评价体系以及对应测试方法

的需求变得愈发迫切。

三、智能网联汽车标准现状

（一）标准体系

目前智能网联汽车领域积极完善制定国际标准，从智能网联汽车基础、通用规范、产品与技术

应用、相关标准四个方面建立，标准覆盖功能评价、人机界面、功能安全、信息安全、通信协议等 11

个细分类别。智能网联领域标准如图 1 所示。

智能网联汽车标准及测试评价体系

191

图 1 智能网联汽车标准体系

（二）标准研究与制定

1. 整车级测试评价标准

目前，我国针对智能网联汽车整车级测试评价标准正在制定中，包括如何测试评价车辆在多种

环境下的智能表现，如：《智能网联汽车 自动驾驶功能测试方法及要求 第 1 部分：通用功能》、《智

能网联汽车 自动驾驶功能测试方法及要求 第 2 部分：城区行驶功能》、《智能网联汽车 自动驾驶功

能测试方法及要求 第 3 部分：列队跟驰功能》、《智能网联汽车 自动驾驶功能测试方法及要求 第 4

部分：快速路行驶功能》、《基于 LTE-V2X 直连通信的车载信息交互系统技术要求》等，以上 5 项标

准均已立项，更多的整车级测试评价标准正在制定中。

2. 系统级测试方法标准

伴随着整车级智能网联汽车标准的制订，借鉴整车级测试试验及评价方法，系统级（部件级）

的测试评价标准也在进一步研究中，目前系统级测试评价标准主要集中在高级驾驶辅助系统

（ADAS）上，例如：《汽车智能限速系统性能要求及试验方法》、《智能网联汽车 组合驾驶辅助系统

技术要求及试验方法 第 1 部分：单车道行驶控制》、《智能网联汽车 组合驾驶辅助系统技术要求及

试验方法 第 2 部分：多车道行驶控制》，以上三项均已立项。

3. 驾驶自动化等级划分标准

驾驶自动化等级划分一直是智能网联汽车发展的重要一环，它将错综复杂的智能化功能按照等

级划分，作为汽车智能化发展的基准。目前针对驾驶自动化分级标准 《汽车驾驶自动化分级》，该

标准目前处于已报批状态。

4. 信息安全测试评价标准

为落实国家相关政策法规要求，充分发挥标准在保障车辆信息安全、推动产业健康有序发展的

引领和支撑作用，2017 年智能网联汽车分标委秘书处（以下简称秘书处）正式设立汽车信息安全标

准工作组，在主管部门指导下，开展汽车信息安全标准体系框架研究以及标准制定工作。

信息安全工作组从基础和通用、共性技术、关键系统与部件、功能应用与管理和相关设施等 5 个

不同层级展开标准子体系的研究工作，目前已分批次累计开展 15 项标准制定及研究。其中，第一批

智能交通产品与技术应用汇编

192

次的《汽车信息安全通用技术要求》、《车载信息交互系统信息安全技术要求及试验方法》等 5 项推荐

性国家标准已经全部完成报批，正在履行发布程序。《汽车整车信息安全技术要求及试验方法》和《汽

车软件升级通用技术要求》两项国家强制性标准已完成立项工作，计划在 2022 年完成标准审查工作。

图 2 智能网联汽车信息安全标准清单

5. 功能安全测试评价标准

功能安全是智能网联汽车发展的关键技术，功能安全测试评价标准目前大多处于制定阶段，例

如：《道路车辆预期功能安全》、《商用车辆车道保持系统性能要求及试验方法》，两项标准均已立项。

四、测评体系及测试方法的研究

（一）安全性

1. 行驶安全

随着智能网联汽车的不断发展，对智能网联汽车的测试显得至关重要。在智能网联汽车测试中

最基本的测试评价为行驶安全测试，包含了车辆行驶本身所涉及的功能测试和性能测试，通过设计

不同测试场景，如图 3 所示，结合精密的测试设备，按照车辆的智能功能要求，对车辆功能性能进

行全面的测试，其中包含 ODD 内的行驶安全测试、人机接管测试等等，在智能汽车测试技术的不

断发展中，将不断有新的测试方法来应对车辆智能化的不断提升。

图 3 前车制动场景

智能网联汽车标准及测试评价体系

193

2. 功能安全

近年来，在物联网、人工智能等新兴技术快速发展的背景下，汽车产业发生了前所未有的变革。随

着算法复杂度的增加，以及自动驾驶等级的提高，安全问题成为了人们最为关心的热点之一。国内对于

功能安全的研究日益精进，对于功能安全的测试方法的研究也日趋丰富。智能汽车功能安全的测试主要

包括感知系统失效功能安全测试、决策系统失效功能安全测试、执行系统失效功能安全测试等。

3. 信息安全

智能网联汽车融合了现代通信与网络技术，实现了车与 X（人、车、路、云端等）智能信息交

换、共享，为用户驾乘带来了各种便利，但随之而来的远程攻击、恶意控制等信息安全问题也日益

凸显。面对日益增长的智能网联汽车信息安全测评需求，国内围绕智能网联汽车信息安全测试评价

体系开展了研究，初步形成了一定的智能网联汽车关键零部件和整车信息安全测试能力。针对关键

零部件，结合传统的信息安全测试方法，围绕硬件安全、系统安全、通信安全、代码安全、数据安

全和应用安全六个维度，建成了相应的合规性验证测试能力。针对智能网联汽车整车，以通信暗室

为基础，结合智能网联汽车整车的通信交互场景，建立了适用于汽车的信息安全合规性测试验证能

力。下一步将在合规性测试能力的基础上，规范完善相应的安全测试方法和专业工具，研发专业的

通信协议分析和威胁预警工具，进一步提升智能网联汽车的行业测评能力。

图 4 零部件信息安全测试工具集

图 5 整车信息安全测试实验室

智能交通产品与技术应用汇编

194

4. 电磁安全

智能网联汽车的泛传感器，如雷达、摄像头、车载终端等均为电磁兼容的敏感器件，容易因电

磁干扰而影响车辆的自动驾驶，进而影响驾驶员和乘客安全。标准法规方面，整车抗扰度测试标准

ISO 11451 已有了针对 ADAS 和 C-V2X 功能测试的指导性文件提案，其中建议所有与车辆控制相关

的传感器在抗扰试验中均处于激活状态，从而判断在电磁干扰下是否有失效动作。例如，ADAS 电

磁抗扰性测试一般采用雷达模拟器、目标模拟物或视觉投用等方式激活智能驾驶功能，C-V2X 电磁

抗扰性测试一般采用无模拟设备来构建移动蜂窝通信、卫星导航、V2X 等无线模拟场景，从而验证

智能网联汽车的电磁安全适应性能力。

（二）舒适性

驾驶舒适性也是评价智能网联汽车的重要项目，对于智能驾驶舒适性评测，可以通过基于车辆

驾乘体验，以明显影响车辆驾乘体验的横向加速度、纵向减速度、驾驶平顺性以及跟车距离、遇障

碍物时变道距离，分别作为生理舒适性及心理舒适性指标。根据评价指标，制定相关测试场景，诸

如前车切入、前车切出等，如图 6 和图 7 所示。

图 6 前方目标车切入本车道 图 7 切出场景

（三）能效性

目前国内对于自动驾驶能效性方面的测试评价研究多是基于自动驾驶汽车运行过程中的效率指

标和能耗指标。效率方面考察自动驾驶汽车功能的具体性能表现，评价自动驾驶汽车的场景通行效

率及自动驾驶汽车引入对传统交通运输系统通行效率的优化效果，通过组合场景下自动驾驶汽车的

通过时间、通过速度等指标进行评价；能耗测试以一定车速或循环行驶工况为基础，在封闭场地场

景或开放道路场景中进行，通过测试手动驾驶状态下单位里程或单位时间的电能消耗、自动驾驶模

式下的电能消耗，分析自动驾驶系统引入车辆后，所带来的电能消耗增加。

（四）智能度

对于智能驾驶汽车智能度的测试评价，多是以建立以行驶自治性、学习进化性和交通协调性为

指标的智能度主客观综合评价理论，用于评价自动驾驶车辆面对不同场景时的任务完成度；同时构

建智能汽车行驶环境-任务复杂度评估模型，用于对测试场景中的行驶环境和行驶任务进行量化分

级。如图 8 所示，以此为基础，通过结合场景复杂度和任务完成度，可以对在特定环境-任务下的智

能水平进行客观量化的评价。

智能网联汽车标准及测试评价体系

195

提供ODD

城市

道路

高速

公路

确定分级

挑选场景

环境复杂度

驾驶任务复

杂度

场景复杂度

场景频率

场景风险性

场景权重

测试 行驶自治性

行驶智能度

评分

学习进化性

微观交通协

调性

结果评分

图 8 自动驾驶智能度测试指标量化评价流程

五、智能网联汽车关键测试设备开发

智能网联汽车关键测试设备根据测试阶段可划分为面向控制器零部件、功能子系统的虚拟仿真

测试设备与面向智能网联实际样车的实车测试设备。

主要区别在于虚拟仿真测试测试阶段提前、测试覆盖度高、测试成本低效率高、测试安全风险

低，实车测试装备测试真实有效、测试成本相对较高、测试覆盖度难以全面覆盖。

（1）虚拟仿真测试

软件定义汽车成为汽车发展的必然趋势，尤其智能网联汽车核心功能都是基于软件开发，智驾

域控制器、网联域控制器、动力域控制器等核心控制器测试验证工作已成为了实车开发过程中的关

键环节。

在面向域控制器的软硬件测试过程中，硬件测试工作相对规范、简单，然而由于汽车自身的复

杂性与特殊性，软件的测试过程相对困难，单个控制器或子系统无法独立运行。为解决车用 ECU 测

试问题，研究人员提出了以下三种与车用 ECU 开发过程相关的仿真测试方法，即模型在环仿真测

试方法（Model-in-the-Loop，MIL），硬件在环仿真测试方法（Hardware-in-the-Loop，HIL）和软件

在环仿真测试方法（Software-in-the-Loop，SIL）。

图 9 智能网联汽车关键测试方法

智能交通产品与技术应用汇编

196

美国 Waymo 公司、中国百度公司、华为公司等均建立了自己相应的自动驾驶虚拟仿真系统，

开展了大量的虚拟测试，并作为智能驾驶神经网络自学习训练的一种关键手段。国内外也有一些供

应商对外提供虚拟仿真测试核心软件平台，主要有 PreScan、CarMaker、VTD、DYNA4、AD Chauffeur、

PanoSim、51Sim-One 等，硬件平台供应商主要包括 dSPACE、NI、R&S 等，通过集成商二次集成

开发支持面向智能驾驶与智能网联的 MIL、SIL、HIL 测试。

（2）实车测试

封闭场地下面向智能驾驶功能的实车测试装备主要使用平板车、假目标物、V2X 标准源等智能

网联汽车场地测试装备，依据 NCAP 相关测试标准体系开发与测试实施，其应用技术包括卫星导航、

惯性导航、高精定位、伺服运动控制、实时无线通信、交互控制与触发实施等。系统由一个或多个假目

标物及相应平台车组成，其中汽车由大型平台车及相应 3D 假目标物组成，摩托车、电动自行车、自行

车由小型平台车及相应 3D 假目标物组成，行人由小平台车后挂拖板及 3D 假人目标物组成。系统其它

设备包含后台总控工控机、卫星差分设备、选装光栅附件、自动驾驶机器人、测试车惯性导航仪等。

图 10 智能网联汽车场地测试设备原理框图

实车测试除外场与封闭场地测试外，面向智能网联汽车子功能、子性能实验室专用测试及相应

设备还包括：碰撞试验、行人保护试验、EMC 电磁兼容测试、无线通信测试、驾驶员疲劳监测系统

测试等。

六、结语

智能网联技术的迅猛发展，推动了智能驾驶的发展，而自动驾驶测试评价体系的建立，弥补了

国内外研究对自动驾驶车辆测评方面的不足，并为智能驾驶各项标准的建立提供了强有力支撑。随

着智能车辆整车级、系统级以及功能安全、信息安全等方面测试方法的不断完善，具备汽车智能度、

安全性、舒适性等各方面的评价能力，弥补了我国在智能车测评方面的劣势。

车路协同技术在无锡国家级车联网先导区的应用与展望

197

车路协同技术在无锡国家级车联网

先导区的应用与展望

张彩波 江苏航天大为科技股份有限公司

当前，车联网产业的发展正处于政策、技术、产业三重因素共振之上。作为智慧交通落地的重

要抓手，在交通强国的大背景下，车联网成为信息化与工业化深度融合的重要方向，具有广阔的应

用空间和巨大的产业发展潜力。因此，发展车联网对促进汽车和信息通信产业创新发展，构建汽车

和交通服务新模式、新业态，提高交通效率和安全水平具有重要意义。但由于单车智能发展正面临

技术和法律上的瓶颈，国内外发展的重心更多的开始转向车路协同的突破，特别是近年来互联网、

物联网技术的发展，为车路协同发展提供了智能网联环境，车路协同已经成为未来车联网发展的重

点领域和关注的焦点。

一、车路协同关键技术体系的构成

车路协同是基于无线通信、传感探测等技术进行车路信息获取，并通过车-车、车-路信息交互

和共享，实现车辆和基础设施之间智能协同与配合，达到优化利用系统资源、提高道路交通安全、

缓解交通拥堵的目标。从应用环节来看，车路协同关键技术体系构成主要涉及智能车载系统、智能

路侧系统、通信系统及控制系统等几个方面，具体如图 1 所示。

智能车载系统关键技术

车辆精准定位与高可靠通

信技术

车辆行驶安全状态及环境

感知技术

车载一体化系统集成与仿

真测试技术

车载总线接入技术

嵌入式系统

……

出入口控制（人 智能路侧系统关键技术 行） 车车/车路通信技术

实现多通道交通状态信息

辨识与采集，包括：

多通道交通流量监测技术

道路异物侵入信息采集技

术

路面湿滑状态信息采集技

术

密集人群信息采集技术

交叉口行人信息采集技术

突发事件快速识别与定位

技术等

实现高速移动状态下的多

信道、高可信、高可靠的

车路/车车信息交互与融合，

包括：

车辆动态分簇融合技术

高速车辆环境下稳定高效

的切换及路由技术

路侧通信设备的位置优化

技术

密集车辆场景下公平高效

的多信道接入控制技术

兼容各种无线网络协议的

多模式连接技术

稀疏车辆场景下可信可靠

的信息融合技术等

车车/车路控制技术

面向效率：

基于车路协同信息的交叉

口智能控制技术

基于车路协同信息的集群

诱导技术

交通控制与交通诱导协同

优化技术

动态协同专用车道技术

精确停车控制技术等

面向安全：

智能车速预警与控制技术

弯道侧滑.侧翻事故预警

技术

无分隔带弯道安全会车技

术

车间距离预警与控制技术

临时性障碍预警技术等

图 1 车路协同关键技术体系构成

智能交通产品与技术应用汇编

198

总体而言，车路协同关键技术体系的内涵主要呈现三个特点，一是强调人-车-路系统协同，二

是强调区域大规模联网联控，三是强调利用多模式交通网络与信息交互。作为车联网发展的高级阶

段，随着路侧智能化升级、车侧网联化渗透率的逐步提高，车路协同技术为实现人-车-路的高效协

同，在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理提供了有效

技术保障。

二、江苏（无锡）国家级车联网先导区建设概况

自 2019 年 9 月，我国首个车联网先导区——江苏（无锡）车联网先导区正式创建以来，无锡市

紧抓国家级级车联网示范应用项目建设契机，通过制定《国家级江苏（无锡）车联网先导区创建实

施方案》，进一步明确了车联网先导区建设的总体目标和主要任务。强调聚焦车路协同应用场景和关

键技术开发，通过进一步完善路侧智能化基础设施，形成城市级车联网及智能交通服务解决方案，

打造为车联网及高级别自动驾驶等新技术应用提供支撑的车路协同技术协同创新平台。同时，无锡

市通过开展锡东新城车联网示范项目（一期）建设，形成以车路智能为核心、智能网联为目标、具

有无锡特色的车联网产业集聚区，重点打造“车路协同、车网融合”的综合测试示范，构建“人车-路-云”城市智慧交通体系，为后续车联网在区域乃至全国的大规模应用推广提供有益经验借鉴。

（一）完善路侧智能化基础设施建设

无锡市在主城区、太湖新城区的 280 个路口和 500 余个点段的路侧设施进行了数字化升级改造，

覆盖面积达 220 平方公里，全面完成信号控制系统等车路协同路侧管控基础设施升级盒联网改造。

通过建设多功能信号灯杆、综合数据仓、LED 诱导屏、多目标雷达车检器、行人闯红灯警示信号灯、

发光标志牌等设施和系统，结合 V2X 形成车路协同应用示范，实现多通信模组、多终端提供商、多

整车厂商设备 LTE-V2X 综合测试验证，并建立了完善的运维系统，实时监测车联网设施运行状态，

全面开展路侧设备联调联试。同时重点建设了无锡经开区 6 平方公里车联网核心应用区，在核心区

道路全面部署双模 RSU 设备，升级智能交通标识标牌，建设智能人行道，设计智慧公交路线和站台，

打造了城市级、广应用 C-V2X 网络的“无锡规模”，并实现了信控交叉口提醒、闯红灯预警、行人

过街感知、动态限速引导、限速预警、路侧设施信息提示、违法抓拍提示、监控路段提示、交通拥

堵预警等多场景的广泛应用。

（二）构建车路协同系统层级架构

无锡车联网先导区通过构建高性能、泛连接的系统层级架构，形成了车路协同端到端的系统解

决方案，其中：

“云”层面主要以业务服务为主，包括软件和数据服务、公共服务和行业应用服务等，重点针对

V2X 低时延、高可靠、大带宽、高速移动等需求，引入新的通信技术与分级实时计算，将网络升级

为“通信+计算”的网络，可支持 10 万终端接入，每秒 100 条数据并发及计算延迟小于 50ms。同时，

V2X 平台通过接入公安专网、政务专网等，可获取丰富的交通数据以支持系统决策和应用。

“管”层面主要以网络通信传输为主，通过优化 LTE 网络，可满足 V2X 时延及可行性的要求，

车路协同技术在无锡国家级车联网先导区的应用与展望

199

以支持 V2I 与 V2N 业务；此外，通过引入直连通信接口 PC5，以支持 V2I 与 V2V 业务。

图 2 无锡车联网先导区 C-V2X 网络及应用

“端”层面主要包括汽车及车载电子系统、应用终端及相关软件等，通过部署 RSU、升级信号

机、改造摄像头及传感器，确保路侧设备获取的交通信息上报到 V2X 平台；同时后视镜/车机/APP

等多种用户终端将车辆基本信息上报至 V2X 平台，以获取交通信息后向用户展示。

图 3 无锡车联网先导区车路协同系统层级架构

智能交通产品与技术应用汇编

200

（三）研发建成 V2X 计算平台

无锡车联网先导区在业界率先提出了“中心-边缘-终端”V2X 三层体系架构，并被 5GAA 采纳；

研发建成了 V2X 计算平台，率先实现百万消息并发下 V2X 业务处理时延小于 50 毫秒的区域计算平

台，打造了无锡车联网车路协同系统架构的“无锡样板”。

图 4 无锡车联网先导区 V2X 三层体系架构及计算平台

三、车路协同技术在无锡国家级车联网先导区的应用与示范

2021 年 5 月，随着国家住建部、工信部联合发布《关于组织开展智慧城市基础设施与智能网联

汽车协同发展试点工作的通知》（建办城函〔2020〕594 号），北京、上海、广州、武汉、长沙、无

锡等 6 个城市成为智慧城市基础设施与智能网联汽车协同发展第一批试点城市，标志着我国车路协

同即将进入规模化、实质性测试与应用阶段。为此，无锡车联网先导区通过积极搭建车路协同典型

示范场景，为无锡车联网应用及车路协同场景提供技术验证和实景测试，重点在智能交通路况感知

系统、自动驾驶小巴无缝接驳地铁站、无人清扫车自动清扫及路侧设施巡检、V2X 综合示范场景等

方面形成了典型示范。通过示范场景建设，集成相关产业生态链企业创新技术、产品、解决方案等，

充分发挥了先导区示范创新作用，推动了技术成果转化与产品应用推广，为后期规模化应用奠定了

技术基础。

（一）智能交通路况感知系统（Road Condition Services，RCS）

智能交通路况感知系统主要通过 V2X-Server 向其他网联车辆提供精确量化的实时路况信息服

务，以避免事故、提升自动驾驶可用度。系统通过采集行驶中车辆信息及实时天气信息并上传本地

和云端智能算力系统，利用数据建模处理生成带摩擦系数、路网气象参数特征提取、以及各层有价

值的运算分支属性的动态路网地图，并下发路端/车端，对路面情况、车辆行驶形成突发状况、路面

舒适度和行驶适应性相关的量化特征提示，或进一步基于 AI 形成决策信息以便辅助调整车辆速度、

路线、驾驶行为及出行计划，如图 5 所示。

智能交通路况感知系统由小型 RCS 云端算力中心、车端后装感知子系统、车端 RCS 边缘计算

单元、路侧微型气象站以及配套的简易可移动型路面特征转台模拟装置等构成（如图 6 所示），并在

车路协同技术在无锡国家级车联网先导区的应用与展望

201

无锡市锡东新城车联网小镇实现了应用，随着更多道路侧、车端、行人、交通流量以及其他维度相

关感知数据的汇集，形成了更加综合和深度融合的车路协同支撑系统。其系统总体功能如表 1 所示。

图 5 智能交通路况感知系统（RCS）

表 1 智能交通路况感知系统功能列表

序号 功能名称 功能描述

1 车载端感知 车载系统汇聚车内传感器与附加传感器的数据，通过车内安装的人机交互屏幕，展示当前车辆状态、

环境状态和周边道路状态。

2 道路侧感知 道路侧安装路边信息感知单元，与车载系统通过无线网络通讯，推送收集的道路信息给车载系统，

为车内系统感知远端和视距外的道路相关信息提供帮助。

3 车路协同 基于车载感知数据和路侧感知数据，通过 V2X 云平台提供智慧道路信息服务，分享道路状态数据。

4 展示大厅 基于位置数据，提供环境信息、道路特性感知信息和运行车辆信息在三维高精地图上叠加道路路况

信息数据，实现可视化展示。

无锡市

V2X Server

基站

锡东新城

V2X应用服务平台

锡东新城车联网小镇

展示中心

基站

通信网络

RCS车辆 车辆MEC

车载CPE

车内子系统 HMI

UU

PC5

RSU

车载传感器 车载传感器 小型气象站

图 6 基于 C-V2X 的 RCS 系统拓扑图

智能交通产品与技术应用汇编

202

（二）自动驾驶小巴无缝接驳地铁站

无锡市

V2X Server

基站

锡东新城

V2X应用服务平台

锡东新城车联网小镇

展示中心

通信网络

RSU

UU

PC5

PC5

UU 5G CPE

AR鹰眼

全景 跟踪球机

自动接驳小巴

无锡地铁

综合监控系统

图 7 自动接驳小巴系统拓扑图

自动接驳小巴接驳地铁站场景是一个单车智能与车路协同相结合的综合示范应用场景。主要由

无人驾驶小巴、路侧车路协同辅助系统、路侧监控设备、通信网络、车联网应用服务平台、地铁数

据服务接口、无锡车联网 V2X-Server 等构成，其系统拓扑图如图 7 所示。

基于车联网的智能小巴接驳系统体系架构主要包括智能车端、路侧设备和云平台三个层次（如

图 8 所示），并实现了以下车路协同功能，具体如表 2 所示。

一层：车端智能 二层：路侧协同

三层：云平台

图 8 基于车联网的智能小巴接驳系统体系架构

车路协同技术在无锡国家级车联网先导区的应用与展望

203

表 2 基于车联网的智能小巴接驳系统功能列表

序号 功能名称 功能描述

1 无缝接驳

打通地铁运车辆营班次时间与 V2X 数据平台，由车联网服务平台向无锡地铁综合监控平台获取地铁实时

到站信息，云端运算与边缘计算相结合，实现接驳车运行周期与地铁车辆到站时刻的精确匹配，无缝接驳、

自协调调度，减少参观者等待时间。

2 交通信号状态推

送 通过路侧 RSU 实现信号灯灯色状态采集，安全通过交叉路口。

3 车辆信息推送 实时定位车辆位置，向周边车辆推送车辆身份、位置、车速等信息，并接收周边车辆信息。

4 营运监管 路侧至高点全景监控、路口视频监控与车辆高精定位信息匹配，自动联动摄像机追踪车辆，对车辆过交

叉路口、无故停运等事件在营运中心自动弹窗显示。

5 紧急车辆提醒 智能路侧单元通过与紧急车辆的 OBU 进行通信，获取紧急车辆的位置、速度等信息，并将这些信息发送

给紧急车辆前方的行驶车辆，提醒车辆让道，提高紧急车辆通行的效率，降低相关损失。

6 车辆异常预警 智能路侧单元通过传感器识别出异常车辆，并将异常车辆的位置等信息提前发送给其行驶方向后方的车

辆，提醒其驾驶员提前采取变道或者其它措施，从而避免与异常车辆发生碰撞。

7 紧急制动预警 智能路侧单元检测到道路行驶的车辆出现紧急制动的情况时，可发送紧急车辆的位置、速度等信息给紧

急车辆后方的车辆，提醒后方车辆的驾驶员提前制动或者变道，避免与前方制动的车辆发生碰撞。

8 车辆失控预警 当网联车出现失控状态时，智能路侧单元可通过与车通信获知该车辆处于失控状态，并将失控车辆的位

置、速度等信息发送给失控车辆周围的车辆，提醒驾驶员提前采取避碰措施，从而提高道路通行的安全。

（三）无人清扫车自动清扫及路侧设施巡检

鉴于开放道路测试具有一定的风险，目前无人清扫车主要应用于园区内封闭道路的清扫测试，

通过部署交通信号机、信号灯、RSU、高清球机等，提供网联测试环境，并实现了按照指定线路的

自动清扫道路与自动倾倒垃圾，信号灯灯色状态采集与安全通过交叉路口，车辆信息推送及路侧设

施 AI 巡检等功能，其系统拓扑图如图 9 所示，。

无锡市

V2X Server

基站

锡东新城

V2X应用服务平台

锡东新城车联网小镇

展示中心

通信网络

RSU

UU

PC5

PC5

UU 5G CPE

AR鹰眼

全景 跟踪球机

自动接驳小巴

图 9 无人清扫车自动清扫及路侧设施巡检场景系统拓扑图

智能交通产品与技术应用汇编

204

同时，无人清扫车自动清扫及路侧设施巡检场景系统主要实现了以下车路协同功能，如表 3 所示。

表 3 无人清扫车自动清扫及路侧设施巡检系统功能列表

序号 功能名称 功能描述

1 车云通信 实现车辆和云端通信，车辆接收云端任务调度信息，实现任务的启停，回充，倒垃圾等功能。

2 车车通信 实现车辆和车辆间实时数据传输，包括车-车的实时位置、车速，车辆控制信息、传感器信息、路

径规划信息等的互相通信，以及前车跟随、急制动功实现。

3 车路侧通信 实现车辆与交通设施直接的相互通信。

4 车端数据上传 车辆感知信息上传路侧（位置、速度、传感器信息等），以及车辆位置、车辆编号、车辆速度、

AI 检测结果、传感器信息、任务信息上报给云端。

5 车端数据接收 车辆接收路侧感知信息以及交通信号灯数据。

6 车路系统车端可视化 车载 HMI 显示当前交通信号灯信息、路侧感知信息以及车端感知到的行人、车辆信息。

（四）V2X 综合示范场景

V2X 综合示范场景重点以提升人民群众出行效率及安全性为目标，通过在锡东新城车联网示范

项目（一期）建设中实施范围内测试和演示各类场景，重点实现了 12 类综合示范功能场景的应用，

大大提升了市民对车联网的体验，具体如表 4 所示。

表 4 无锡锡东新城车联网示范项目（一期）建设 V2X 综合示范场景

序号 场景分类 功能场景名称 功能呈现形式

1 绿波车速引导 车载终端：安全应用界面提示为“建议车速 XX”。

路口 LED 屏：显示“建议时速 XX”。

2 道路危险状况提示 车载终端：安全应用界面提示为“前方交通事故”。

路口 LED 屏：显示“前方交通事故”。

3 闯红灯预警 车载终端：安全应用界面提示为“闯红灯风险”。

4 限速预警 车载终端：安全应用界面提示为“当前路段限速 XX 公里每小时，请减速或

加速”。

5 车内标牌 车载终端：安全应用界面提示为“地铁站，自动接驳小巴站台”。

6

V2I 场景

前方拥堵提醒 车载终端：安全应用界面提示为“前方拥堵”。

基于行人闯红灯抓拍系

统的行人碰撞预警

实现路口人行横道上行人检测，将行人在人行横道通行状态在 LED 诱导屏发

布和 RSU 广播，实现对过往车辆的提醒和预警，保障行人安全。

7 V2P 场景

基于视频检测的行人过

街警示

当无行人通过时预警提示牌不显示信息，车辆自行通过路口；当检测到有行

人通过斑马线时，对驾驶员进行预警提醒，路侧安装的预警提示牌进行文字闪

烁提示。

8 紧急车辆提醒 车载终端：安全应用界面提示为“后方有 XX 应急车辆”。

路口 LED 屏：显示“请避让 XX 应急车辆”。

9 异常车辆提醒 车载终端：安全应用界面提示为“前方车辆异常”。

10 紧急制动预警 车载终端：安全应用界面提示为“前方有车刹车”。

11 前向碰撞预警 车载终端：安全应用界面提示为“前方有慢车”。

12

V2V 场景

逆向超车预警 车载终端：安全应用界面提示为“逆向有车”。

四、车路协同技术在无锡车联网先导区的应用展望

随着 5G 商用的普及、网联化车辆渗透率的不断提升以及国家政策的推行，作为车联网的高级

车路协同技术在无锡国家级车联网先导区的应用与展望

205

发展阶段，车路协同全面融通通信、汽车、交通、信息等多个领域，催生了更多应用场景需求的产

生，构建了一个全新的产业发展生态。目前，针对车路协同关键技术的研究与应用更多的是通过试

点或试验类项目开展验证，技术协同较为有限，而开放道路的大规模应用落地尚有待进一步推广。

为此，在已有应用场景的基础上，无锡车联网先导区未来将进一步通过强化车路协同技术的开发，

丰富公共管理、行业应用和个人服务等场景的车联网应用，积极引导国内外车联网创新发展，并重

点在感知模式、通信模式、决策模式及应用模式四个方面实现创新应用，构建“人-车-路-云”城市

智慧交通体系，助力江苏（无锡）国家级车联网先导区发展。

（一）车路协同全面感知技术的开发与应用将为无锡车联网先导区交通智能

化管理提供重要数据基础

传统交通系统获取的感知数据，往往是孤立、静态和零散的，在车联网车路协同中，鉴于复杂

的交通环境，车辆更需要协同感知。因此，未来无锡车联网先导区将通过综合采用更多的摄像头、

车检器、超声波、激光雷达等路侧设备，进行交通信息采集和道路状态感知，将这些多源的交通信

息进行汇聚和建模，从而能全面、直观、动态的反映道路交通状况。部署路侧感知设备，将路侧感

知设备检测到的道路实时环境信息与高精度定位信息、以及云端数据进行充分融合分析，形成对交

通状况的全面感知，包括交通流量的时空分布、交通事件检测、以及路面状态和环境状况，预测未

来交通流量等。交通状态和道路状态的全面感知，为交通指挥中心/高速公路管理中心实行智能化管

理提供了可靠的数据基础，同时也可为车路协同辅助驾驶应用提供全面服务，为车路协同自动驾驶

奠定坚实基础。为此，在新的车路协同环境下的单车智能与车辆集群智能环境认知技术将成为先导

区车路协同感知模式方面技术突破的重点，尤其是从单一的少量的信息融合跨越到协同感知。

（二）车载 V2X 无线通信技术将成为无锡车联网先导区车路协同有效通信

与信息共享的重要保障

为满足未来车路协同发展的需要，通信网络将朝着多模式通信的方向发展。在车路协同环境中，

车辆通信通常分为四种：车辆与车辆之间的通信（V2V）、车辆与路边基础设施的通信（V2I）、车辆

与行人的通信（V2P）、车辆与蜂窝网络的通信（V2N）。利用装载在车辆上的无线射频识别 RFID 技

术、传感器、摄像头获取车辆行驶情况、系统运行状态及周边道路环境信息，同时借助 GPS 定位获

得车辆位置信息，并通过 D2D 技术将这些信息进行端对端的传输，继而实现在整个车联网系统中有

效的通信与信息共享。为此，无锡车联网先导区将通过进一步开展车载 V2X 无线通信技术开发与应

用，使半自动化的驱动程序系统或全自动化的系统更加情景化，从而通过提高情景感知能力，实现

车辆能够在不同驾驶环境下实现通信，大大降低事故发生率。

（三）群体智能协同控制将进一步促进无锡车联网先导区车路协同向系统控

制和协同管控方向发展

未来的车辆在运行的过程中不是单一的在路上行驶，它需要有一个群体决策的过程，从微观的

车辆、中观的车队、宏观整个区域的交通流变化来看，这就需要通过运用边缘计算、局部计算和云

端计算相结合的技术，搭建 V2X 基础能力平台，解决复杂新型交通系统里出现的路权分配问题、路

智能交通产品与技术应用汇编

206

径优化问题、协同优化问题等一系列交通决策与协同控制问题。因此，无锡车联网先导区将重点从

两个方面开展群体智能协同控制研究及应用。一方面，由于典型车路协同应用中会产生大量的数据，

同时也对数据传输、处理、存储提出了更高的需求。边缘计算通过将业务部署在边缘节点，在减少

数据传输路由长度，降低 C-V2X 通信网络端到端通信时延的同时，还能提供强大的计算、存储资源，

支持部署更具本地地理和区域特色、更高吞吐量的车联网服务，可有效满足动态高精度地图、路边

基础设施感知共享、see throught 等应用超低延时、超高可靠性传输的车联网业务需求。另一方面，

根据车联网 V2X 业务发展情况，借助大数据、人工智能和移动互联的技术以及道路设施通信网络，

构建车路协同的新环境，搭建 V2X 基础能力平台，可有效满足车路协同的不同应用场景，为多场景

的协同控制提供决策平台，实现数据驱动下的交通系统控制，包括典型场景的车车协同控制、典型

场景的车路协同控制，以及车路交互的多目标通行控制。

（四）低碳绿色将成为未来无锡车联网先导区车路协同应用的主基调

随着科学技术的发展，车路协同系统将结合其他各种新型技术广泛应用在交通各个领域，如：

电子支付（ETC）安全信息、信号控制、数据采集等方面。在国家提出节能减排和可持续发展的政

策下，无锡车联网先导区将重点针对最小化排放的行驶路线、最便捷的绿色出行方式、基于污染状

态下的交通疏导等一系列低碳绿色的出行诱导技术的开发与应用开展攻关与测试验证，同时围绕覆

盖交通资源分配及交通诱导、交通协调控制、拥挤收费及不停车收费、交通预警和交通执法、基于

车联网的自由出行服务等重点应用领域，以及封闭环境下（园区、港口等）自动驾驶在物流、交通

运输等方面的应用将进一步得到拓展。

车载中控系统技术与应用

207

车载中控系统技术与应用

李冬青 中电科创智联（武汉）有限责任公司

一、引言

智能网联汽车行业是新一代信息技术与交通运输融合发展的产物，可实现良好的经济和社会效

益，有望成为重塑道路交通系统形态的先导因素。近年来智能网联汽车行业发布了从行动计划、路

线图到建设指南等一系列相关政策 [1]。

2020 年 12 月，交通部印发《关于促进道路交通自动驾驶技术发展和应用的指导意见》，提出要

贯彻中央创新驱动发展战略，以关键技术研发为支撑，以典型场景应用示范为先导，以政策和标准

为保障，按照“鼓励创新、多元发展、试点先行、确保安全”的原则，坚持问题导向，提出了四个

方面、12 项智能网联汽车发展具体任务[2]。

中电科创智联（武汉）有限责任公司成立于 2020 年 10 月，前身是武汉中原电子集团有限公司

应用电子研发中心，自 2010 年起开展汽车电子业务，目前主要客户包括东风汽车集团、陕汽集团等

大型整车企业，是研发和生产车载中控、T-BOX、VDR 等智能网联产品，新能源三电系统、发动机

控制器等动力控制产品的汽车电子供应商。

二、车载中控系统

（一）系统组成

车载中控系统主要由硬件系统和软件系统两部分组成。硬件系统采用 CPU + MCU 双处理器架

构，主要由中央处理单元（CPU）、多功能处理器单元（MCU）、视频处理单元、音频处理单元、收

音机、通信处理单元（WIFI、蓝牙、USB）、卫星定位单元（GPS/BD）、数据采集单元（IO、AD、

CAN）、用户交互单元（显示及按键）和电源管理等单元电路组成，车载中控系统总体硬件架构如

图 1 所示：

根据软件模块化设计的思想，车载中控系统的软件构架如图 2 所示：

智能交通产品与技术应用汇编

208

图 1 车载中控系统硬件架构

PX3 固件 STM32F105固件

Kernel+BSP Keil CMSIS

手机互联

电

源

管

理

其

他

应

用

管

理

HMI

管

理

行

车

记

录

仪

管

理

BT/

WIFI

管

理

行

驶

记

录

仪

管

理

电

源

管

理

收

音

机

管

理

多

媒

体

管

理

CAN

总

线

管

理

IO

接

口

管

理

收

音

机

管

理

音

频

输

出

管

理

固件层

驱动层

语音控制 车载导航 中间层

HMI/应用

服务层

应用层

图 2 车载中控系统的软件构架

软件系统共分 5 层，从底层到上层分别是固件层、驱动层、中间层、服务层、应用层。

中间件层用于虚拟化系统硬件，屏蔽硬件的差异性，提供软件操作系统、软件操作环境的标准

接口和定义；部分特殊的功能模块（包括第三方应用提供的模块，例如导航）需根据需求单独定义

车载中控系统技术与应用

209

和提供系统服务。

服务层根据中间件层提供的环境和标准接口，定义中控系统的标准化服务，例如收音机管理、

摄像头管理、CAN 收发等。

应用层是车载中控系统的人机交互接口，提供用户友好的操作界面、流畅舒适的用户体验。

（二）系统设计依据

车载中控系统设计严格遵循 GB/T 28046、ISO 7637、SAEJ1939 等国际、国家、交通和汽车行

业标准。

（三）系统主要功能性能

车载中控系统支持车载导航、手机互联（WIFI+蓝牙、USB+蓝牙）、语音控制、收音机、多媒

体（音乐、视频、图片、电子书）、蓝牙电话等功能；支持 2 路 CAN 总线，同时对车身、动力 CAN

报文信号识别处理；支持 1 路高清摄像头接口和 4 路模拟摄像头接口，高清摄像头用于行车记录仪，

4 路模拟视频进行倒车影像、右盲区显示及 360°环视。

车载中控系统性能指标符合我司汽车电子产品设计标准和测试规范，按照《中电科创车载中控

系统测试大纲》进行气候适应性（温度、湿度）、机械适应性（冲击、振动）、电气特征（叠加交流

电、电压跌落等）、EMC（静电、传导骚扰等）、耐久（耐久寿命、零部件耐久）等系统性测试。

（四）关键模块设计说明

1. 360°环视系统概述

车辆 360°环视辅助驾驶系统采用视场角≥170°的鱼眼摄像头作为前端图像采集设备，分别安

装在汽车前后左右四个方位，编号为 C1、C2、C3 和 C4，四路摄像头可覆盖车辆周围的 360°视野；

图像处理合成后的俯视画面显示在车辆驾驶台屏幕上，图 3 为车辆环视辅助系统安装示意图。

图 3 环视辅助系统安装示意图

2. 360°环视系统硬件设计

环视系统硬件结构如图 4。四路摄像头输出的图像信号接入环视系统时，首先输入前端滤波电

路进行滤波去噪处理，同时滤波电路可以将全差分或伪差分图像信号转换为单端信号。经过滤波处

理的图像信号输入视频采集电路，该电路负责图像解码和 AD 采样[3]，即将模拟图像信号转换为数

智能交通产品与技术应用汇编

210

字图像信号并对图像信号进行解调。环视算法运行于车载中控系统中央处理器 PX3，PX3 作为图像

处理单元通过 I

2

C 接口视频采集电路的工作模式，以分时复用的方式通过 CSI 接口接收经过滤波和

解码处理的四路图像信息。

图 4 基于 PX3 的环视辅助系统硬件结构

3. 360°环视系统算法实现

环视系统的核心是对多路图像进行信号处理，最终输出俯视车辆 360°范围的的全景图像。环

视系统的图像信号处理过程可分解为：对采集到的图像信号进行畸变矫正、将实时侧视图像转换成

俯视图像、多路图像拼接及图像融合，如图 5 所示。

环视系统软件采用基于 NEON 协处理器集成 OpenCV 算法库，简化

图像处理程序设计，最大限度的提高图像处理的执行效率。为了发挥

NEON 协处理器的效率，环视系统程序设计和编译时通过对齐数据访问，

对图像进行有效的矢量化处理；利用 OpenCV HighGUI 库以简化图像采

集和输出程序设计，应用 CV 库对图像处理算法进行优化。

环视系统首先初始化一个摄像头捕捉器，然后利用捕捉器从该摄像

头获取一帧图像。环视系统采用实现鱼眼畸变校正和图像空间变换的算

法分别为球面坐标定位展开算法和空间坐标变换算法，将上述算法作为

二维矩阵算术运算展开，应用 OpenCV 矩阵算术运算函数对其进行优化。

最后将环视系统中基于小波变换的图像融合算法 Mallat 金字塔算法作为快速傅里叶变换的特殊

形式，运用向量点乘和叉乘函数进行优化：

（四）关键指标测试要求

1. 电磁兼容测试概述

汽车电子电磁兼容测试包括：（1）辐射敏感度试验；（2）传导敏感度试验；（3）辐射干扰试验；

（4）传导干扰试验；（5）磁场敏感度试验；（6）静电敏感度试验；（7）电源瞬变敏感度试验；（8）

工作状态下的磁场干扰试验等。

2. 电磁兼容各项测试说明

以电场辐射敏感度为例，该测试目的是检验车载中控系统和有关电缆承受辐射电场的能力，保

图 5 多路图像处理过程分解

车载中控系统技术与应用

211

证车载中控系统在车载环境有发射天线的情况下，不会出现降级或失效。试验场地与试验如图 6 所示。

图 6 RS103 试验场地与试验框图[4]

除传导/辐射的抗扰和干扰外，车载中控系统电磁兼容测试还包括静电放电试验项目。静电放电

是模拟低湿度情况下通过摩擦等使人体积累静电，当带有静电的人与设备接触时产生静电放电。车

载中控系统按照空气放电 15KV，接触放电 8KV 的测试等级进行设计[5]。

三、车载中控系统应用

车载中控系统自立项以来，陆续完成了功能样件、性能样件、工装样件、型式试验、热区/寒区

试验、路试等研发和验证目标，最终完成设计和生产定型，进入批量交付阶段。目前主要配套东风

商用车天龙、天锦、天龙旗舰等车型，累计已交付约 4 万台。

四、结论

车载中控系统是中电科创智联（武汉）有限责任公司结合智能网联汽车行业发展趋势和整车企

业客户定制开发的一款汽车电子产品，在传统车载导航、车载娱乐系统的基础上，拓展开发了 360°

环视系统、语音识别与控制、手机互联等智能化、网联化功能应用，产品设计指标依据国家和行业

标准，产品开发和验证过程严格遵循汽车电子开发流程。车载中控系统作为车载前装产品，目前已

配套整车获得批量应用。

智能交通产品与技术应用汇编

212

G5021 石渝高速涪丰段车路协同智慧高速

——打造 C-V2X 智慧高速样板示范工程，

推动车路协同智慧高速规模化商用

北京大唐高鸿数据网络技术有限公司

一、建设背景

在交通强国和国家新基建政策的指引下，智慧交通成为推进新型基础设施建设的重要方向，截

止 2020 年，中国高速公路的总里程已达 15 万公里，智慧高速的建设成为实现交通强国的重要抓手。

2020 年，中国信科集团旗下大唐高鸿与中国交通建设集团旗下中交资管强强联合，共同打造了

截止目前全国里程最长、路况最复杂、场景最齐全、系统最完整的 C-V2X 智慧高速，是迄今为止规

模最大的实际在运营的 C-V2X 高速公路。该项目旨在提升出行安全，全面实现道路状况的可视、可

测、可控，保障安全行驶和高效出行，同时也为智慧高速在全国范围内大规模推广树立了行业标杆。

二、项目介绍

G5021 石渝高速（原 G50S 沪渝南线高速）是重庆重要的骨架公路网之一，是改善三峡库区交

通条件、促进库区发展的重要建设路段，是全球地质、气象条件最复杂的典型公路。G5021 石渝高

速——涪陵至丰都段（涪丰路段），西起龙桥枢纽，东至丰都东收费站，单向总长 64.5 公里，其中

交通互通 8 处，隧道 12 处（总长 15.5 公里），服务区 1 处，5 处事故多发区域，服务区 1 处。该路

段所处区域地质、气象条件复杂，包含隧道群、特大桥、急弯、急下坡、多雾、积水、上下行车道

分离等多种影响交通安全的不利因素，桥隧比高达 47%以上，能充分代表高速公路需要应对的多种

复杂交通场景。G5021 石渝高速涪陵至丰都段示意图如图 1 所示.

G5021 石渝高速涪丰段车路协同智慧高速，由中国信科旗下大唐高鸿与中国交建共同打造。中

国信科集团是国资委下属唯一一家通信设备制造领域大型央企，2018 年由原大唐电信集团、烽火科

技集团合并重组而成。大唐高鸿数据网络技术股份有限公司是中国信科集团车联网业务的骨干载体，

在 C-V2X 标准和关键技术研究、产品研发、系统部署、落地实践等方面均处于行业领先地位。大唐

高鸿车联网团队是 LTE-V2X 概念的提出者、行业标准的核心制订者、产业化推动的中坚力量，全球

首发了 C-V2X 原理样机、路侧/车载终端设备及商用模组，相关产品已在上海、重庆、京冀、无锡、

长春等国家级示范区部署并稳定运行四年以上，是目前唯一一家可以端到端完整提供通信、安全、

G5021 石渝高速涪丰段车路协同智慧高速

213

应用的方案厂家。大唐高鸿在高速车路协同领域开展了很多研究，是工信部“新一代人工智能产业

创新重点任务”揭榜单位，联合百度开展低时延、高可靠、支持 L4 级自动驾驶的车载通信系统项

目技术攻关。大唐高鸿专家团队多次参加国家车联网先导区项目评审工作，就 C-V2X 车路协同的方

案开展了很多联合设计，参与了无锡 S19 高速车路协同系统部署、科技冬奥京礼高速方案设计、杭

绍甬高速方案评审、天津（西青）车联网先导区顶层架构设计、山东高速滨莱测试场搭建等，具有

先进成熟的解决方案设计和交付能力。

图 1 G5021 石渝高速涪陵至丰都段示意图

三、项目意义

G5021 石渝高速涪丰段车路协同智慧高速项目是响应交通运输部新基建政策、重庆市新基建三

年行动计划的重点项目，也是重庆（两江新区）国家级车联网先导区的重要组成部分，旨在打造车

路协同智慧高速实施模板，充分验证设计、建设、养维各环节要素，积极探索既有高速公路机电设

施利旧方案，降低车路协同智慧高速的部署成本，全力打造安全畅通、便捷高效、准全天候通行、

绿色节能的智慧高速。

作为全路网的车路协同试点示范改造项目，智慧高速车路协同在此落地试点，极具针对性、典

型性，具有可全国范围内推广复制的重要意义。

四、建设内容

G5021 石渝高速涪丰段车路协同智慧高速，突出智慧化导向，旨在打造集智慧高速公路基础设

施和智慧云控平台在内的新型高速公路。大唐高鸿打造的“端边云”一体化解决方案主要由智能路

侧系统、智慧高速云控平台、智能车载系统三部分组成。智慧高速车路协同解决方案整体架构

如图 2 所示。

本项目在丰都东监控中心部署机架式服务器 12 台，用于车路协同云控平台部署，提供车路协同

设备可视化、事件可视化、态势可视化、车路协同大数据分析、交通事件 AI 决策、交通管控信息

快速发布等车路协同平台应用。大唐高鸿智慧高速云控平台如图 3 所示.

智能交通产品与技术应用汇编

214

图 2 智慧高速车路协同解决方案整体架构

图 3 大唐高鸿智慧高速云控平台

本项目共计在道路侧部署 350 余台 RSU，400 余套路侧感知、计算、显示设备；覆盖 12 处隧道、

8 处交通互通、5 处事故多发区域；另新建 108 处立杆支架，加高/改造现有立柱 74 处，高速主干光

缆 64.5 公里，隧道光缆 36 公里，用于外场设备的架设及组网互通。建成后的车路协同系统可以实

现道路动态风险提示、车路协同主动安全预警、异常驾驶行为纠正、重点车辆全程监控（隧道定位

不丢失）等车路协同端侧应用。 大唐高鸿智能路侧系统如图 4 所示。

图 4 大唐高鸿智能路侧系统

G5021 石渝高速涪丰段车路协同智慧高速

215

五、项目亮点

G5021 石渝高速涪丰段车路协同智慧高速共部署部署 700 余台车路协同设备，属国内系统最完

整、场景最齐全、C-V2X 覆盖里程最长、规模最大、商用化程度最高的首条实际运行的高速公路。

更为重要的是，在目前我国高速路网基本固定的基础上，如何充分利用既有的基础设施，和新技术、

新手段有效的融合，是未来智慧高速的工作关键。而 G5021 石渝高速涪丰段车路协同智慧高速的成

功部署充分验证了高速公路车路协同改造中的利旧方案，正是“老路”智慧改造升级的典型。

项目覆盖双向近 130 公里，使用 350 余台 C-V2X RSU，400 余套路侧感知、计算、显示设备，

实现包含隧道等区域的 C-V2X 网络全覆盖、定位全覆盖、重点区域感知全覆盖。有效的保障了异常

情况的快速发现、快速通知、快速处置。

项目也是目前车路协同智慧高速场景最复杂，挑战最大的路段。桥隧比高达 42%，其中长隧道

7 条，里程超过 14 公里，给通信、定位带来巨大挑战。受限于山区地质条件，大量出入口紧邻桥梁、

隧道，树木遮挡、山体遮挡、高边坡，这些都给项目实施带来巨大挑战。项目组成功解决了上述难

题，为车路协同智慧高速的推广积累了经验。

为了降低系统的部署难度，提升系统可用性，项目组采用了高性价比地图引擎，开发了车用路网

地图的自动转换、分片、分发工具，提供一站式设备运维管控，提供设备的远程升级、配置及告警。

系统建成后，将能为道路管理提供丰富的可视化信息和远程管控手段，通过路侧融合感知设备、

AI 系统、北斗高精度定位系统的部署，提升高速通行安全、通行效率和应急处置能力。

基于车路协同的智慧高速，可以实现下述目标：

1、发挥智慧高速公路的智能安全、辅助驾驶的特点，提高道路的通行安全.

2、提高对高速公路运行状态的实时监测和管理的能力，减少交通事故的发生，保障社会和人民

生命财产安全。

3、提高高速公路应急保障能力，提高路网交通事件监测与快速响应协同救助的能力，减少交通

事故人员伤亡。

4、提高高速公路综合运输效能，减少交通拥堵，降低公众出行时间成本和社会物流成本。

5、向出行者提供更加及时、有效、丰富的出行信息，提高出行时间的可预见性。

6、降低基础设施平均维护时间和成本，降低公路阻断时间和阻断次数。

六、总结

G5021 石渝高速涪丰段车路协同智慧高速的成功落地部署，使业界对“新型智慧高速公路”的

理解更清晰，明晰了新型智慧高速公路数字基础设施的构建，证明了新型智慧高速公路多种创新应

用可行性，凸显了智慧高速公路建设“高效协同”重要性，是很好的车路协同新型智慧高速公路创

新示范，具备大规模复制推广价值。该项目有助于探索实践中国特色的车路协同发展模式——基于

C-V2X 的“聪明的车+智慧的路”的车路协同发展模式，大唐高鸿愿与合作伙伴一起在“交通强国”

和新基建背景下为我国汽车产业和交通行业的深化变革探索出行新业态、商业新模式，强力支撑智

能网联汽车与智慧交通发展。

智能交通产品与技术应用汇编

216

数字孪生仿真系统 TAD Sim 应用

腾讯交通平台产品部

自动驾驶仿真是自动驾驶商业化必备工具，是加速技术演进和降低研发测试成本的关键。传统

仿真软件无法支持海量场景生成和并行加速测试，不能满足高级别自动驾驶产品研发和服务需求。

针对此需求，团队从 2017 年初开始研发腾讯自动驾驶仿真系统 TAD Sim，通过集中整合团队在自

动驾驶核心算法、游戏技术、云计算、高精度地图等方面技术优势，构建了覆盖自动驾驶研发全流

程、全生命周期的自动驾驶仿真测试系统。在场景构建、交通流生成、高并发加速、虚拟城市仿真

等方面处于业内领先地位，已经在头部 OEM、国家测试场、国家部委检测平台、新型智能网联测试

区等多个商业项目中落地。

2020 年 6 月，团队发布了 TAD Sim 的最新版本 TAD Sim 2.0，数据传输速度提升 100%，仿真

加速能力提升 200%，资源占用减少 30%。业内首创“游戏技术+数据驱动”双擎路线极大的提升了

仿真真实性，同时 TAD Sim 主导了国际仿真标准接口 OSI 的部分工作包。由于 TAD Sim 的技术创

新性，多次受到国家官媒如新华社、人民网等的主动介绍和表扬，并获得了世界新能源汽车大会创

新技术大奖。

TAD Sim 除了满足自动驾驶系统测试和更新需求外，所采用的数字孪生、实时交通流生成、城

市级交通仿真、交通行为预测和推演等技术在智慧城市、智慧交通等领域也具有巨大价值和市场空

间，并已经逐步开始商业化落地。下文将对 TAD Sim 在自动驾驶、数字孪生和智慧交通中的解决方

案进行逐一介绍。

一、解决方案介绍

（一）自动驾驶云仿真平台

自动驾驶云仿真平台 TAD Sim 旨在解决自动驾驶汽车海量场景的测试与评价问题。它基于腾讯

强大的游戏引擎、虚拟现实、云技术，集成工业级的车辆动力学模型、具备资质的高精地图、种类

丰富的车载传感器仿真和专业的渲染引擎，辅以三维重建技术和虚实一体交通流，可以完成感知、

数字孪生仿真系统 TAD Sim 应用

217

决策、控制算法等实车上全部模块的闭环仿真验证。

TAD Sim 支持本地端和云端仿真，可满足算法本地精细调试和云端海量场景测评的不同需求，

可以对海量场景进行管理、运行和自动化测评，提升了智能汽车研发测试效率。借助云端的强大算

力，助力自动驾驶轻松实现日行百万公里。最多可以同时调度万级节点，并发运行仿真任务。

1. 覆盖汽车行业完整测试链路，与自动驾驶云平台工具链形成闭环

TAD Sim 支持开放生态，上下游全流程闭环，可与数据采集、样本标注、算法训练评测、实车

测试等流程，形成闭环（如图 1 所示），提供全流程自动驾驶云服务，打通自动驾驶的全链路，使整

个开发测试流程在本平台形成闭环（如图 2 所示）。

图 1 自动驾驶仿真测试系统引擎架构

图 2 智能驾驶系统 V 字开发测试流程

2. 本地和云端测试保证了仿真一致性

本地和云端仿真测试使用统一的仿真引擎，并且数据相互兼容，数据格式统一，包括但不限于

场景、动力学模型、地图、算法、模块配置等功能的数据。本地数据可以上传至云端，云端数据也

可下载至本地运行，实现线上线下互联。其架构和工作流如图 3 和图 4 所示。

智能交通产品与技术应用汇编

218

图 3 自动驾驶仿真云架构

图 4 云仿真工作流

3. 灵活强大的评测系统，支持用户自定义配置测评指标

TAD Sim 运行过程中实时计算各项测评条件，根据各项测评指标自动生成测试报告。系统提

供丰富的后处理工具，包括数据可视化、数据分析、场景回放工具等，仿真数据在本地可进行反复

调试。

数字孪生仿真系统 TAD Sim 应用

219

4. 通过三维重建技术和数据驱动交通流真实还原测试场景

通过基于点云融合的三维重建技术，以厘米级精度还原测试场景的三维特征（如图 5 所示）；使

用大量路采数据训练出的数据驱动交通流模型，可以模拟车辆在交通场景中的驾驶行为，如车辆跟

驰、换道、躲避行人、激进驾驶等。车辆在十字路口会对信号灯进行相应反应，并根据路权对其他

车辆进行避让。

图 5 基于真实世界的高精度三维重建

5. 充分发挥游戏引擎能力的传感器仿真

基于游戏引擎的物理级车载传感器模型，可实时生成高精激光点云数据，可模拟摄像头物理缺

陷，以及基于回波的毫米波雷达模型（如图 6 所示）。

图 6 传感器仿真

6. 行业领先的高精度车辆动力学模型，支持 27 自由度

车辆动力学模型兼容 CarSim 动力学模型参数，支持空气动力学模型、车身动力学模型、转向

系统模型、发动机模型、传动系统模型、制动系统模型、悬架系统模型、车轮动力学模型、轮胎动

智能交通产品与技术应用汇编

220

力学模型和路面模型，支持燃油车和电动车建模。

7. 全面支持国际仿真标准，保证仿真系统通用性

支持 OpenDRIVE、OpenSCENARIO 等国际标准格式，不依赖于私有标准，方便扩展和第三方

对接，便于场景库等数据的长期积累和拓展；系统组件之间使用国际仿真标准接口 OSI，没有强耦

合。整个系统完全按照高扩展，高可用，高自治标准打造，易扩展，可容灾，易运维。

8. 支持数字孪生、智慧交通相关功能扩展

通过腾讯特有三维重建技术重构的场景，内置了高精度地图，可自动重构出符合不同维度测试

需求的三维重建场景，帮助用户提升自采场景数据的使用价值。可集成仿真测试工具、V2X 通信设

备、真实测试车辆等功能单元，开展基于虚拟仿真+真实环境的数字孪生自动驾驶测试。基于本系

统架构，可进一步拓展实现测试牌照测试以及车辆监管、场地综合监测、安全监控、V2X 网联通信

监管与牌照发放 、V2X 网联通信能力认证测试、信息安全能力测试评价以及车路协同运营管理（如

图 7 所示）。

图 7 数字孪生自动驾驶测试评价体系框架

（二）智慧交通数字孪生平台

智慧交通数字孪生平台是综合运用采集、感知、计算、建模等信息技术，对物理空间进行数字

数字孪生仿真系统 TAD Sim 应用

221

化建模，并进行展示的平台。它包含场景三维重建、展示平台、动态交通数据导入三部分。使用 UE4

渲染引擎，支持标准格式的高精度地图的导入，支持 UE4 制作的静态场景的导入，支持车辆和行人

等动态交通数据的导入。

1. 总体架构

腾讯智慧交通数字孪生平台总体架构如图 8 所示：

图 8 智慧交通数字孪生平台架构图

数据采集层包含专业采集车和边缘感知计算等设备，用于静态或动态的数据采集。

数据层是存储数据的中间层。采集设备采集的点云和图像数据，美术人员制作的模型组件如树

木、房屋、车辆、行人等，属于静态数据存储在硬盘中，感知结果是实时数据，存储在内存中。

渲染数据准备层，是指离线制作高精度地图和三维场景，在内存中找到感知结果对应的车辆和

行人的模型，以及它们在场景中对应的位置。

数据展示层则是仿真系统将准备好的静态数据和动态的数据加载到 UE4 引擎中进行渲染，渲染

的结果通过屏幕展示给用户。

2 .功能模块

智慧交通数字孪生平台按照其功能划分由数据采集、场景制作、实时数据接入、数字孪生交互

引擎等几个模块组成。其中，各自的主要功能为：

2.1 数据采集

智慧交通数字孪生平台在接到数据制作任务后，会安排配有专业采集设备的采集车到客户指定

的范围进行数据采集。采集车配备有 GPS/北斗、IMU、Camera、Lidar、轮速计等设备。能满足高

速城快道路及城市普通路的高精度地图采集，并且针对环境复杂城市道路，保证地图采集数据的绝

对精度和相对精度。外业采集的数据包括行车轨迹、图像、激光点云等数据，拥有车道线、路沿、

护栏、路灯、交通标志牌等信息。

2.2 场景制作

腾讯数字孪生提出建立模型库+自动摆放的静态场景自动化生成的技术路线。首先使用专业采

集车收集原始的点云和图像数据；然后通过深度学习技术，对采集的数据进行自动识别，提取场景

中每一类元素的属性（类别，位置，尺寸大小，朝向等），生成参数化场景描述文件；最后根据参数

智能交通产品与技术应用汇编

222

化的场景描述文件的信息，将模型库中的组件进行调整摆放，实现静态场景的自动化生成。其效果

如图 9 所示：

图 9 高速重建效果图

2.3 实时数据接入

通过配备有专业的采集设备的采集车，采集原始数据。然后通过三维重建技术精确地还原出城

市静态的三维模型。将静态场景导入和对应的高精度地图导入到仿真系统中，然后仿真系统从数据

中心的获取订阅的车辆、行人感知结果或设备的消息信息，根据感知结果和设备消息中的位置和其

他属性信息将其进行渲染，实现虚实结合的效果（图 10）。

图 10 数据流程图