张辉副教授，武汉理工大学智能交通系统研究中心综合交通规划与安全研究所所长

下面我就讲一下自动驾驶出现以来出现的很多问题。随着自动驾驶的环境，交通安全是否得到了改善。首先我来说一下它的好处。智能交通系统。传统交通存在诸多问题。现在有很多信息我们的交通信息无法采集到，包括车路协同技术。无法获取实时交通状况。现在这可能吗？绝对的，大家都知道，车辆定位的高科技，车辆的5G通讯定位不是问题。在这个环境下，所有的信息都可以获得，这样可以保证我们的交通状况的实时收集，所以这里给我们提供了很多的便利。

1、智能网络环境下流量数据的特点

智能网联交通系统有两个特别大的特点。第一个是智能网联，第二个是汽车自动化。在这种环境下，会有大量的数据输入。有了这些数据，我们就可以专注于系统。网络的集成和互连。在这种情况下，我们集成了智能传感器技术来管理车辆和交通。有了这些数据，我们有了大数据、人工智能和技术，现在我们有了智能化、网络化、协作化和共享化，这里解决的问题是交通安全和便利。我们来看看智能网联都有哪些数据。有实时道路交通数据。以前的数据都是一站一分的。如果过去的汽车都是智能汽车，那么100%的覆盖率，我们还会考虑吗？不，所有状态都是实时感知的。这是它的优点。

二是高精度定位。车道级交通路口是否分区可以解决。因此，智能网流量数据具有多样性、实时性的特点。它可以为我们解决安全问题。除了安全问题外，还可以解决效率和生态问题。当然国家政策包括现在，无论是新基建、大数据，还是5G，都为智能网联的发展提供了非常好的条件，所以我们应该处在一个变革的时代，有很多机会值得我们去抓住。我们的研究。

2.智能网联环境下的交通安全研究

让我们分享一下我们团队在这方面所做的一些工作。回到交通系统，我们经常讲人、车、路的环境。我改变了环境系统，称之为“交通系统”。我将分别向大家介绍这四个方面。

2.1 智能网联汽车人机协同驾驶环境中人因及安全研究

一是人类空间环境下的人为因素与交通安全研究。你可以看左边的表格，它显示了事故数据的统计。过去三年来，涉及自动驾驶汽车的事故非常多。这里有几个问题。首先是认知和决策的不完善。此外，人在自动驾驶汽车中扮演什么角色？他能否有效地接管这辆车是另一个问题。因此，在L2级别要求驾驶员持续监控，但在L3级别有时不需要监控，但在发生紧急情况时必须有监督能力，也就是我们通常所说的安全员或监控车。

我们经常自己开车的时候，所有的注意力都集中在车上，不会出现负载跳跃的情况。如果信息负载太大，人们将无法将管道传输的信息与周围的综合情况联系起来。做出好的判断。如果出现偏差，就会导致车辆失控或无法及时反应。因此，针对这一点，我们团队在这个仿真环境下搭建了一个平台，并使用了自动驾驶控制算法。

我们这里研究的内容主要围绕中间人的状态变化以及接管后的反思迹象。这些是涉及到的一些接口。这些界面有预警的形式，还有方向盘的位置。在实验过程中，我们收集了驾驶员数据和车辆操作数据，用于不同交通场景下的行为分析，包括典型的事故交通场景。最后，我们也得出了一些结论。如果视线不是在我们车辆的正前方，其实并不会影响我们的行为。整个车辆的影响是最大的。

第二，提前多少秒上车接管？有5秒、7秒、10秒，不同的道路交通情况，每辆车的车流情况也不同。如果这些环境是一个固定值，合理吗？如果障碍物是可见的，感知能力更强，给它更好的时间接管，就会更安全。所以通过第一个研究，我们会发现，在目前的智能汽车中，人机接管的情况将会长期存在。这种长期的情况要求我们针对每一种情况，比如高速公路接管，以及场景的复杂程度。比如，如果有其他信息传来，前方有一些事故车辆。这个时候是否可以提前输入一些信息呢？

2.2 智能网联环境下车辆主动安全研究

至于第二部分，刚才有专家说，我们在智能网联的情况下，把所有的卡车都开在最右边的车道上。现在又有一个问题，我们可以在车队中使用车路协同技术吗？分组，当我们所有的车辆都在行驶的时候，如果周围的车辆都具备自动驾驶功能的话，它们就会形成一个自编队。这样就不会出现速度差异了。卡车也是如此。我会开得和你一样快。只要和你一起开车，就不会有速度差异。你是一个异类，与我们不同。把你拉进去后，我们就以同样的速度行驶。当遇到紧急情况时，我会广播消息，所有车辆也会这样做。协同作战。另外，如果我们的卡车现在想变道，它前面和后面的车辆都会受到影响。如果进行舰队组建程序，我想提出一个要求。左边车道上的所有车辆都必须绕行，以便我的卡车可以超车。那么在智能网联环境下，借助车路协同技术，安全性是否能够得到提升呢？因此我们团队也做了一些研究，比如车辆的自动感知能力。目前来看，还存在一定的不足。这一不足需要通过车路协同技术来改善。例如，视觉盲点原本是看不到的。如果从车路协同技术来看，采用的是支路。例如，正如这里提到的，如果在行驶时有一个球从两辆车之间的间隙中出来，经验丰富的驾驶员会将脚踩在制动器上以应对紧急情况，但机器并不知道。这种情况下，如果使用车路协同技术，就可以知道路上有这样的意外情况。我给车辆提供预警，所以在人作用的过程中，有很多经验，机器也很难完全学习，所以我们需要对这些信息进行融合分析。今天上午，很多专家也提到了检测的问题。智能网联测试是我们团队搭建的。模拟测试环境。在此测试环境中，利用车路协同技术来改善交通应用。这就是我们整个交通架构。

因为有了车路协同技术，当汽车遇到问题时，可以利用车路协同技术来改善。同时，自动驾驶的成本也可以降低。所以，在实验室、在我们周围的道路上，我们在武汉市也建立了一个系统。我们建立了智能网联示范区。我们集成自动信息。我们最终可以根据车辆的位置和距离来量化驾驶风险，最终实施预警。这是一个安全应用程序。例如，我们的视频是在建筑工地进行的一次作业。车辆运行过程中，盲区无法感受到车辆的运行状态，但是我们在车辆上有一个监控系统，然后道路车辆的RSU监控所有车辆。广播、广播每辆车的位置，可以对车辆侧进行预警。云端还可以实时采集各个路口范围内车辆的状态数据，最终形成车路协同的协同预警。当我们在学校门口时，经常有一些电动自行车进进出出。我们还使用该设备来感知电动自行车的存在，然后对其进行预警。

还有一些与信号灯相关的。我们已经将信号配置方案融入到我们的车辆中，尤其是在跟车或者拥堵的情况下，我们必须保持合适的车距，避免与我们发生碰撞。风险有改善吗？同样，我们也有硬件模拟测试，来测试我们在穿越路口或者特殊路段时安全性的提升。

2.3 智能网络环境下感知与定位研究

第三部分，我们谈谈道路问题。在智能网联环境下，车辆最大的特点就是具有非常强的感知能力。因为它有信号雷达，所以可以通过技术对其进行扫描。我们本来是想用这套技术解决自动驾驶的问题，但是我们现在用这套技术来解决道路安全审核的问题，因为在道路安全审核的过程中，我们经常需要做一些测量，比如四-距离。 “四距”是指开口的角度和长度。是否符合我们相关的国家标准，我们没有办法获得相关数据。我们的激光雷达跑了一圈，所有的信息都被定量收集了。在这些定量收集之后，我们做了两件事。首先，我们还提出了一个概念，就是道路场景指纹。如果矩形道路的测控或者支路的开放不合理，我们会进行这样的扫描然后研究知识库，然后让实验车、采集车绕整条道路跑一圈后，我们就可以找出可以同时评估多少个相似的场景库。通过这种方式，我们可以监控道路安全。这套技术，其实我们提出了场景指纹的概念，就是定量描述具有统一事故特征的路点和路段，进行安全评价。这里我们有多个角度的传感器。还有地方特色，就是典型的自动驾驶相关技术。

这里我们利用激光雷达技术来采集相应的典型数据。

2.4 智能网联交通系统事故风险研究

最后说一下系统吧。有些事故预测实际上是根据事故数据做出的。事实上，我们目前的许多事故预测、我们现有数据的质量以及肤浅的输入实际上都是不准确或缺失的。至于改进的方向，我们需要实时收集相关数据。二是做好事故预判。在这里我们可以解决智能网络环境下车辆多维数据的采集、持续采集和感知的整个过程。因为车辆数据，通过智能网联技术，整个过程中连续的数据是可以存储和采集的，所以只要是在这个范围内，这个事情就可以做，所以当发生事故的时候，我们现在大部分时候都是，我们进行估计并追溯。在智能网联环境下，我们所有的事故前后的数据，或者轨迹发展状态数据、车辆状态数据都可以被采集。比如我们现在主要在一些路口集成了激光摄像头，可以解决交通路口所有交通状况的实时定位和感知。是否存在重大风险？实时信息在哪里？还有高点摄像头可以做一些行驶轨迹。对于路口安全分析，做一些事故风险，从交通管理系统的角度做这些事情。

还有理论模型。我们目前的很多事故模型都是基于精细化的交通感知，但是是否可以将驾驶员的状态引入其中呢？比如我们现在运营的很多车辆都是由ADAS系统处理的，先进的车辆都会有ADAS数据。能否连接到我们的事故预测模型来进行事故预测？那么，我们考虑到这些因素之后，我们现在的基于经验、基于事故的回顾方法是否有所改进呢？我们现在也想在这方面做一些探索和研究。

那么最后一个简单的案例，我们对三环县的一起事故进行了相关分析。我们将事故数据和交通量数据与智能网联交通的状态数据关联起来。对于交通流的状态，以及车辆ADAS运行加速度信息的融合，我们最终利用传统逻辑建立了事故预测模型。最后我们利用该模型将其引入到整个系统中。我们还将比较三环县事故高发的预测。整体运行模型的准确率在0.8左右。

3 未来交通安全研究趋势分析

3.1 交通系统未来发展趋势

最后我们还想做一个简单的分析。我们现在觉得未来的交通系统一定是一个基于城市交通系统感知的数字化、完整的交通信息系统。虽然很多人反对，但我们认为这是一个趋势，因为所有的交通经验和算法都作为我们系统中的嵌入式应用程序。我们必须有一个数据网络来实现我们的模拟或者系统的整体控制。这是一个数字化、完整的交通系统。即融合所有状态信息。第二，交通系统的协同自主决策，比如说我们现在有很多经验。未来，只要我们收集了城市的信息，如果我们能够把经验转化为最终的决策，在自主决策的情况下，我们是不是协同控制每一辆车，比如李局长刚才的什么？说，我们可以协同控制所有卡车吗？当我们经过路口时，行人能被协同控制吗？我想这就是交通系统的协同控制。是一种趋势。

3.2 未来道路交通安全研究热点

研究热点，第一个是在人机融合的环境下，人与车之间做出什么样的决策，总量如何优化？第二，混合操作的情况，刘老师今天也讲到，混合操作有一个阶段性的思维风险，有一个综合评估。

4。结论

最后我们还总结了我们传统交通可能存在数据感知不完整、数据统计不及时、协同保障不足等问题。通过智能网络连接，可以实现全方位的软件支撑和一体化防控。最后，感谢我们的团队，我想与大家简单分享一下。