國際觀察 | 對于混合駕駛交通狀態下新型交通基礎設施研究的解讀與思考——以歐洲為例
引言
根據清華大學教授李克強在2020世界智能網聯汽車大會上發布的《智能網聯汽車技術路線圖2.0》可知，至2025年，我國PA（部分自動駕駛）、CA（有條件自動駕駛）級智能網聯汽車銷量占當年汽車總銷量的比例將超過50%，C-V2X終端新車裝配率達50%。隨著自動駕駛技術和汽車的逐漸普及，會出現自動駕駛汽車、網聯汽車、人工駕駛汽車共存的混合駕駛交通狀態，該狀態將帶來人工和自動駕駛汽車相互影響逐漸增大、交通參與者的不確定行為降低整體交互質量、道路使用者對某特定自動駕駛車輛的預判失誤等一系列問題，從而進一步影響道路交通效率和安全水平。
因此，為應對未來不同程度的混合駕駛交通狀態，亟待開展新型道路基礎設施設計和部署、通過網聯交通管控來保持或提升交通安全和效率等課題研究。本文對歐洲INFRAMIX項目中混合駕駛交通狀態下新型基礎設施和新型管控策略的設計、升級、驗證評估等一系列研究進行解讀，為我國自動駕駛產業發展提供參考。
01 INFRAMIX項目概述
INFRAMIX（Road INFRAstructure ready for MIXed vehicle traffic flows project facts）項目針對不同比例自動駕駛汽車、網聯汽車、人工駕駛汽車的混合駕駛交通狀態下，對高等級公路的道路基礎設施進行研究，選取動態車道分配、道路施工區域和交通瓶頸三個典型交通情景，提出新型交通管控策略、新型物理和數字交通基礎設施元素，并在奧地利和西班牙高速公路上進行實地測試，通過協同仿真和混合測試（Hybrid testing，真實場景和仿真結合），對新型基礎設施升級方案進行評估，并提出基礎設施分類方案、安全績效標準和全自動運輸系統路線圖等建議，為混合駕駛交通狀態下新型基礎設施的應用做準備。
INFRAMIX項目始于2017年6月，于2020年5月正式結題，持續4年時間，獲歐盟Horizon 2020研究與創新計劃資助，資金500萬歐元，由奧地利AustriaTech公司聯合寶馬、西門子、TOMTOM等十余家單位共同完成。
圖1?1 INFRAMIX項目總體框架
圖1?2 項目參與單位地理位置分布
02 混合駕駛交通狀態三種典型情景
為保障混合駕駛交通狀態效率與安全，項目采用自下而上的方法，選取高速公路上三個典型交通情景，針對性的對不同情景下的交通基礎設施提升和新型交通管控策略制定進行研究和效果評估，其研究成果可以轉移到城市道路中使用。
三個典型情景分別是動態車道分配、道路施工區、交通瓶頸。動態車道分配是指綜合考慮自動駕駛滲透率、交通構成（貨車、重型車占比）等因素，對自動駕駛專用車道進行動態分配，保障道路通行能力和安全。道路施工區是指經過基礎設施向車輛提供擴展信息，如通過更新車載高清地圖（包括臨時的黃色車道）、附加交通標志、現場參考點等信息，實現自動駕駛汽車的精準定位、面向特定區域的新型交通管制措施等。交通瓶頸是指對涉及動態限速、動態車道分配、匯入匝道輔助計量等各種控制措施的實時控制器進行研究，以達到管理交通瓶頸處的混合駕駛交通情況并避免交通流量下降的目的。
a.動態車道分配
b.道路施工區
c.交通瓶頸
圖2?1 三種典型混合駕駛交通情景
03 用例研究
針對三種典型交通情景，以保障混合駕駛交通狀態下交通效率和安全為核心，項目梳理了自動駕駛汽車信息支持、混合駕駛交通狀況控制策略等不同層次問題，細化了情景用例及具體條件，對新型交通管控策略、新型物理或電子交通基礎設施進行設計、升級、驗證測試和效果評估。
表3?1 三種典型混合駕駛交通情景及用例
3.1 動態車道分配用例
3.1.1 自動駕駛動態滲透率下的實時車道分配
為保障混合駕駛交通情況下交通安全，為自動駕駛汽車永久性的分配專用車道，可能成為自動駕駛汽車在高速上行駛的一般形式。本用例主要通過特定時間段內允許不同組的自動駕駛汽車使用專用車道，來動態控制交通流量，并對特定車輛組被允許行駛的時間段、V2I通信方式、專用車道限速要求等問題進行研究。
圖3?1 自動駕駛的永久車道，實時分配給不同的自動車輛組
3.1.2 以極端天氣條件為例的特殊交通場景
不利天氣情況對自動駕駛汽車會產生一定的影響，如在極端惡劣天氣下，可能出現無法檢測車道標記、交通標志或產生影響其他交通車輛意識的情況，一般可見度降低時，車輛自動化程度也應隨之降低。該用例針對不利天氣情況下的交通場景進行設計，研究特殊交通場景下如何通過基礎設施和交通管理來減少特殊天氣對自動駕駛的干擾，以保持交通流的穩定運行。
3.1.3 非適當用戶駛入自動駕駛專用道
對于人工駕駛或低于所在自動駕駛專用車道上車輛自動化水平的汽車，即不允許行駛在自動駕駛專用道上的車輛，本文統稱為“非適當用戶”。非適當用戶駛入自動駕駛專用道，會對自動駕駛專用道交通產生一定的干擾。該用例對非適當用戶已在專用車道上行駛和駛入專用車道兩種情況進行研究，并對通過非適當用戶發生時有無及時通信和控制策略的交通量對比進行評估。
非適當用戶已經在專用車道上
交通管控中心分配車道時，該車道存在非適當用戶；應正確指示非適當用戶離開；通知自動駕駛汽車與該用戶保持距離或超車。
非適當用戶進入專用車道
非適當用戶未獲知或忽略了專用車道，或者非適當用戶因為故障必須停止行駛等情況，自動駕駛汽車及時反應以減輕對交通的負面影響。
圖3?2 非適當用戶在自動駕駛專用道上行駛
3.2 道路施工區用例
3.2.1 單車道封閉（短期施工）
通過對施工占道路段的V2X通信、視覺標志等基礎設施進行改造和升級，從安全性和社會接受度角度對通信效率等進行評估，以安全且高效的方式引導混合駕駛交通流通過道路施工區域，并從用戶對引導信息的響應率、通行能力變化量、自動駕駛汽車自動化降級量等方面對整體用例效果進行評估。用例結果可擴展至發生交通異常事件，如遇到障礙物、拋錨車輛等情況。
圖3?3 混合駕駛交通狀態下的單個車道施工（短期施工）
3.2.2 新車道設計（長期施工）
針對覆蓋一個以上車道的施工路段的混合駕駛交通，研究V2X通信、可變視覺標志及物理元素等，從安全性和社會接受度方面評估通信效率，重點關注用于描述新車道的視覺標志和輔助自動駕駛汽車準確跟蹤新車道的應用程序，確保所有類型的車輛及時且充分地了解道路施工區域，并及時采取相應的行動。
圖3?4 混合駕駛交通狀態下多個車道施工（長期施工）
3.3 交通瓶頸用例
3.3.1 路面凹陷處自動駕駛汽車實時自適應駕駛行為
用例根據交通管理需求，利用路側基礎設施和網聯車輛通信的方式，調整自動駕駛汽車的縱向駕駛行為，進而提高交通效率。具體過程為：管控中心接收當前交通狀況的實時測量（或估計值），并向自動駕駛汽車駕駛員建議（或直接強加）適當的車頭時距和車輛加速度，以此來提升路面凹陷處的通行效率。車頭時距建議同時可提供給具有網聯設備ACC（L2級別）的人工駕駛汽車，此用例是對于未分配自動駕駛專用道的情況。
圖3?5 自動駕駛汽車縱向駕駛行為隨交通管理需求調整
3.3.2 瓶頸處網聯汽車的換道建議
根據主要交通流的實時信息，交通管控中心采取必要的車道變更措施，確保當接近交通瓶頸時，實現預先制定的車道分配，從而提高瓶頸容量。該控制策略可降低交通流對網聯汽車普及率、駕駛員合規性等未知因素的敏感性。
圖3?6 瓶頸處的網聯汽車換道建議
3.3.3 瓶頸處流量控制和單車控制
針對上游交通繁忙、下游靜態容量限制的交通瓶頸問題，通過宏觀（以相同的方式告知所有車輛一般信息）和微觀（為單個車輛識別并提供具體建議（僅適用于網聯汽車））兩種方式向車輛傳遞管控策略信息，以達到通過上游流量控制和換道建議改善瓶頸交通的目的。其中宏觀層面是主流交通流控制策略，微觀層面是單車控制策略。
主流交通流控制（MTFC）
控制現有車道上的交通流。通過VMS向所有車輛提供龍門架信息，沒有龍門架情況下，向所有網聯汽車發送同一限速值。
單車控制
控制網聯汽車的換道行為。向所有網聯汽車（包括傳統人工駕駛汽車和自動駕駛汽車）提供每輛車的換道建議和限速建議信息。
圖3?7 瓶頸處流量控制和單車控制
04 測試驗證
項目選取奧地利和西班牙兩個測試站點進行建模，采用現實和仿真協同的混合評估方法對交通基礎設施和管理策略進行評估。其中奧地利測試點主要側重于混合駕駛交通狀態下的安全評估，西班牙測試點側重于混合駕駛交通狀態下的效率評估。
4.1 奧地利測試站點
奧地利測試站點包括Laßnitzhöhe和格拉茨市之間20公里的A2高速公路。測試現場配備了龍門架、移動VMS、道路施工警告設備、ITS-G5 RSU、攝像機、單車計數器、環境傳感器和雷達檢測。該測試點對新開發的視覺信息、ITS-G5短程通信、蜂窩通信以及與交通控制中心的實時通信進行測試。
a. 動態車道分（極端天氣）
b. 交通瓶頸（速度限制、換道建議等）
c.施工區域（短時施工、長時施工）
圖4-1 奧地利測試點
4.2 西班牙測試站點
西班牙測試點位于地中海走廊沿線，在巴塞羅那和西班牙/法國邊境之間，長20公里，有四個主要交叉路口和一條180m的隧道，高速公路寬4*3.5m，中間渠化寬為5m。測試現場的平均每日交通量（ADT）估計為每天30000輛車，默認速度限制為120公里/小時。用于對交通基礎設施和ITS升級服務進行測試驗證，ITS升級服務旨在輔助自動駕駛汽車設計，并為不同情景下的混合駕駛交通提供管控能力。
a.西班牙測試點情景布置圖
b.測試現場原理圖設計和功能支持
圖4-2 西班牙測試點
4.3 結果分析
通過亞微觀仿真和混合駕駛交通測試分析，結果總體認為，針對網聯和自動駕駛汽車的速度建議在安全性方面具有積極意義，而換道建議通常會影響交通效率，并帶來危險的交通狀況（如降低TTC（Time to Collision,碰撞時間））。需指出，項目分析結論需要更多的模擬來提供足夠有代表性的統計結果。
發達的交通管控器可以提高交通效率。通過可變信息標志向人工駕駛、網聯/自動駕駛車輛提供限速建議，將延遲時間減少了10％至15％。依托通信和自動化，可通過其他流量控制策略，進一步提高流量效率。如項目試驗中通過交通管控使用車頭時距自適應控制器，與無控制狀態相比，效率可以提高50％。
采用控制器提高效率情況下，仍需時刻考慮交通安全問題。INFRAMIX項目進行的所有微觀評估始終包括交通安全分析，分析結果表明，與實際發生的事故本身相比，事故碰撞時間（TTC）分析提出的事故風險更大，且交通效率的提高總是伴隨著TTC的輕微惡化。這種惡化平均小于1%，且擁塞少、速度快的交通系統自然會伴隨著較小的TTC值（即使在安全間距同樣大但速度更高情況下）是客觀存在的?？紤]控制機制原理，這種在交通安全方面潛在的輕微惡化是可以接受的，并且在交通效率方面也取得了很大的改善。
05 對國內智能網聯設施發展的經驗借鑒
1.混合駕駛交通基礎設施場景研究。國內自動駕駛道路測試或示范應用場景大多從車輛自動駕駛功能測試方面進行探索，缺乏從道路交通側對自動駕駛汽車進行交通效率和安全的影響分析，應充分考慮未來道路交通發展狀態，加快開展混合駕駛交通狀態下，如何通過交通基礎設施升級，保障道路交通效率、實現安全和服務等方面研究。
2.混合駕駛交通基礎設施視覺元素設計。在混合駕駛交通狀態下，道路視覺標志的設計應主要針對傳統人工駕駛汽車和網聯汽車（非自動駕駛），而不是自動駕駛汽車，這是因為對于自動駕駛汽車而言，所有信息將以數字方式提供，對于其他車輛，視覺信息至關重要，因為駕駛員做出正確決定的主要信息來源主要基于視覺信息。
3.混合駕駛交通狀態下路側設備布設需求研究。面對國內現狀的路側設施布設需求密度大，基礎設施投資較高的問題，可嘗試通過仿真工具，對一部分有通信能力的車輛（網聯汽車滲透率達到15%-20%）提供速度建議，通過這些車輛因其適應的速度特性而影響整個交通的方式，對實際道路路側設備布設需求進行研究。
4.探索通過網聯汽車來提升交通效率的其他可能。由于與駕駛員相比，ADAS功能的距離行為增加，對于混合駕駛交通，增加自動車輛的普及率會降低交通效率。利用ACC時差自適應控制器可以在短時間內減小關鍵區域的車頭間距，以有效解決此問題，且在無控制情況下，即使在RSU覆蓋率較低的情況下，通行效率也可以提高約50％?；诖?，道路上越來越多的網聯汽車提供了提高交通效率的其他可能性，需盡快開展相關研究。
參考文獻
[1]基于自動駕駛系統的混合交通流研究綜述-劉力源
[2] INFRAMIX_REQUIREMENTS CATALOGUE FROM THE STATUS QUO ANALYSIS
[3] INFRAMIX_Intelligent Infrastructure:The Future of ITS
[4] INFRAMIX_D5.3_1.0-final_Evaluation, impact analysis and new safety performance criteria
[5] INFRAMIX_New visual signs and elements
[6]INFRAMIX_Design-and-development-of-infrastructure-elements
[7]INFRAMIX_D2.1-Requirements-catalogue-from-the-status-quo-analysis.v7.1
撰寫：趙盼明
審核：劉軾介、常煥
審定：毛應萍