新年伊始，英國政府就宣布，暫停全國的智慧高速公路計劃，并表示，在運輸部評估完安全之前，該項目將保持暫停。據英國《每日電訊報》調查，截至 2021年4月，有超過38人的交通事故死亡與智慧高速公路項目有關，調查認為，此類道路存在重大缺陷。

 英國智慧高速的交通控制設備。

英國的智慧高速計劃，主要的交通控制方式，是利用硬路肩緩解高峰時段擁堵，提升運輸系統效率。這種交通控制方式也為中國國內一些智慧高速借鑒。這也是當下智慧高速較為常見的一種應用。

然而，對運輸系統的主體，如車輛、司機等，業界可能并不那么了如指掌。因此，新應用難免會出問題。而自動駕駛車輛、網聯車輛日漸成熟，在此壓力下，道路部門不得不對這些新事物有所作為。于是，我們就會?？吹降缆凡块T亮出聲光電設備，響應時代需求，做出道路智慧化的樣子；也經常會看到不知確切用途的數據平臺，用以展示道路智慧化“一切都在掌握之中”。

2022年，上海寶山。澎湃新聞記者 周平浪 圖

一個個項目從立項到實施，錢花了不少。聲光電設備也許能暫時應付上級的智慧化考核，但迷惑仍在，就是智慧化道路應該做些什么，收益在哪里。

欠缺的不是聲光電，而是科技以人為本的思想。新技術下，道路智慧化提供什么服務，用路人想要什么，有什么樣的特征，道路部門并不熟識。因此，給道路的新用路人畫像，給自動駕駛車輛、網聯車輛畫像，也許才是第一步。

智慧化道路的目的

從已發布的各類道路智慧化文獻里，鮮少見到對這些新用路人的特征和其需求的探討，以及道路智慧化后的量化評價方法、指標。

運輸系統工作是具體的民生，計算的每一步都需要有明確且實在的目的。譬如導航算完之后，司機可以知道走這條或那條路要花多長時間；又譬如前述的英國智慧高速，搭建的整個交通控制系統，其目的很清晰，高峰時段每輛車平均能省幾分鐘，擁堵時間會變多短。服務對象清晰，服務內容明確接地氣，評價方法簡單真實。

當前興起的智慧化道路，其智慧化的目的，應該是在提升運輸系統效率的大前提下，為老百姓提供省錢或省力的解決方案。如：提升道路路網的效率，減少運輸系統的擁堵和安全問題；同時支撐國內自動駕駛車輛、網聯車輛的產業發展，提升競爭力。

換句話說，當前智慧化道路的目的，一方面是改造現在的路網體系，提升其運輸能力和為民服務的能力，另一方面要為自動駕駛車輛、網聯車輛提供友好的產業發展環境。

本文試圖解釋，即當前或未來幾年，真實存在或即將出現的自動駕駛、網聯功能的車輛是怎么樣的，它們對道路智慧化有什么需求。

自動駕駛車輛對智慧化道路的需求

筆者之前在“自動駕駛：交通規則的難題”中，說明了自動駕駛車輛對現實世界規則的理解方式，即自動駕駛車輛理解場景并按照規則行駛。這里提到的場景，是影響自動駕駛車輛特征的重要名詞。道路或交通工程師所稱的“場景”，汽車或軟件工程師稱作“設計運行域”（Operational Design Domain，ODD）。

設計運行域（ODD）是場景的算法描述方式。我們通常所說的“出口、交叉口、下坡、雨天路滑”等，人類司機往往會憑經驗判斷，或聽到看到額外信息后，腦補完開車所需全部信息以做判斷。但對自動駕駛車輛而言，機器需要有完整且嚴格的信息輸入。每一處場景，都要用完整的設計運行域（ODD）解釋給機器聽，形成類似人類認知的場景。

美國國家公路交通安全管理局（NHTSA）推薦用六個類別來構建這套描述方法，分別是：物理設施、運行條件、對象、連通性、環境條件、分區。每個類別有更細的分類。NHTSA的方法是六維，早先也曾用三維描述：駕駛任務、行駛場合和環境。

NHTSA推薦用六個類別來構建這套描述方法，分別是：物理設施、運行條件、對象、連通性、環境條件、分區。source: A Framework for Automated Driving System Testable Cases and Scenarios, NHTSA, 2018 

自動駕駛依賴場景識別來進行策略規劃和行動。因此，自動駕駛車輛作為新用路者，對道路智慧化的第一點需求是：智慧化道路應為自動駕駛車輛ODD識別提供支持，協助自動駕駛車輛確定當前設計運行域（ODD）。

智慧化道路的交通控制系統，應該搜集當前路段的場景數據，譬如當前路段是什么路，路面是瀝青還是水泥，路面坑洞多不多，分布如何；交通管理的限制條件是什么，天氣怎么樣，路面是否濕滑，諸如此類信息等。因此，道路智慧化應該進行數字基礎設施資產數據庫的建設，將當地的實時有效資產信息通過通信平臺傳遞給車輛。這些信息能協助自動駕駛車輛準確識別當前設計運行域，而對有人駕駛車輛而言，能提醒人類司機注意當前存在的風險。

關于智慧化道路建設的數字基礎設施資產數據庫，從業者也許會認為，就是建立數字孿生道路。如果以百萬公里級的道路來考量，只有便宜且基層可維護的數字基礎設施資產數據庫，才可能成為智慧化道路的配置。貴了或者復雜了，即便建成也難以實時更新，最終淪為擺設。智慧化的投資，應遵循低成本且長期有效的原則，且應圍繞用路者的需求。

2，自動駕駛車輛如果檢測到交通事件，譬如前車剎車，或自己想變道，下一步就會如同人類司機一樣，會有一系列駕駛任務（Dynamic Driving Task，DDT）要執行。當前的自動駕駛，通常也會用高級駕駛輔助系統（ADAS）的功能來描述，有時不區分這兩者的區別。

自動駕駛車輛的駕駛任務，可總結為以下六類：

1)通過轉向，控制車輛橫向運動； 

2)通過加減速，實現車輛縱向運動控制；  

3)通過目標和事件檢測、識別、分類和響應，監測和調整駕駛環境；

4)針對目標和事件的響應執行；  

5)駕駛任務的整體策略規劃；  

6)通過燈光、信號和車輛姿態，增強駕駛行為的顯著性（conspicuity）。  

譬如，有停進一個停車位這樣的駕駛任務。停進一個停車位的駕駛任務，一般持續十幾秒到一兩分鐘。自動駕駛車輛需要了解停車場所的信息，并為其完整過程做明確的行為規劃。這里就是上述第5條的含義。在開始執行停車這個駕駛任務的過程中，駕駛任務會細分為許多子任務，譬如控制轉向和車速，逐步對準車位，這是第1、2條；監測車位附近的物體，是否有人經過，適時調整，這是第3、4條。如果車位上突然跑進來一只狗擋住車輛，傻乎乎呆著不動，那就按動喇叭打打跳燈，表達要停進來的目的，趕走傻狗，這是第6條。

無論開高速還是城市道路，自動駕駛車輛和人類司機的駕駛任務分析方法并無本質區別（駕駛任務的分析在人因理論中有詳細解釋，并仍在發展）。由于機器視覺系統在識別和邏輯判斷能力上不如人類司機，智慧化道路需要在道路本身信息的顯著性上需更清晰和準確。這多體現在道路的路面、交通標志、標線、信號設施的識別上，也體現在當地道路管理政策的邏輯合理性上。道路信息如標志、標線、信號燈的顯著性，是當前道路智慧化的重頭戲。

因此，智慧化道路，智慧應體現在規則易讀、邏輯明顯且嚴謹上，這是新用路人對道路智慧化的第二點需求，即提升道路規則的顯著性。

隨意設置的聲光電設施和桿件，其帶來的光線、色彩、明暗陰影，使道路上的信息傳遞變得復雜，無論對人類司機還是自動駕駛而言，都是有害的做法。

當前的自動駕駛，通常也會用高級駕駛輔助系統（ADAS）的功能來描述，有時，不區分這兩者的區別。 表中列出了自動駕駛已驗證或推斷的功能，以及其與高級駕駛輔助系統（ADAS）的應用對應關系。郭敏翻譯。

筆者在“怎樣才能制造一輛聰明的車”一文中，已說明了自動駕駛和高級駕駛輔助系統（ADAS）的關系。本文后續說明中，自動駕駛和高級駕駛輔助系統（ADAS）的含義不做區分。此外，越來越多的ADAS車輛同時也具備網聯功能，本文也會混用網聯車輛和裝有網聯功能的自動駕駛車輛的表述。

網聯車輛對智慧化道路的需求

行業對網聯車輛或具有網聯功能的車輛的關注，關注其商業應用的發展要多于關注其安全能力。車聯網或類似技術，從上世紀九十年代就開始應用在車輛上，一直不溫不火。這可能并非是技術上的原因，更多是因為社會缺乏強有力的商業應用推動。而近十年的移動互聯網商業模式的興起，以及高級駕駛輔助系統（ADAS）的普及，已給網聯車輛發展找到了路徑。無疑，道路智慧化的一個方向，也會與移動互聯網、網聯車輛有關。

網聯車輛可以產生大量數據。根據研究，平均每輛運行的汽車每天可產生30TB的數據。這些數據主要有四類：1. 車輛內部傳感器產生的數據，如速度、方向、地理位置、總里程、空閑時間、燃料消耗等；2. 車輛周邊交通情況，如是否擁堵，行人多不多等；3. 車輛途徑的道路和交通設施情況，譬如紅燈要多長時間、道路是否在施工等；4. 與車輛連接的外圍設備數據，如車主連接的智能手機。

1.  網聯車輛運行過程產生的海量數據，使車商和設備制造商可以開發新的業務模式，開辟新的收入來源。一些報告認為：到2030年，汽車行業7%的收入和14%的利潤將來自數字服務；到2050年，車輛設備制造商50%的收入將來自與數據相關的服務。而到目前為止，網聯車輛已探索了包括B2B、B2C在內的業務，較為成熟的業務有車隊管理和汽車金融的應用。

2.   雖然網聯車輛的發展主方向，是利用車輛的數據來精準管理提升效率，上述的車隊管理、汽車金融都是如此，但從道路智慧化的角度來看，網聯車輛也為道路效率提升提供了工具。

商業上盈利是推動網聯車輛發展的主推手，道路智慧化也應遵循這樣的思路。

此外，利用智慧道路的車路通信平臺和交通管理系統，還可以在收費上形成精確、實時的交易，譬如在服務區加油、收費路段扣款、停車場繳費。網聯車輛和道路的相互通信，也能協助道路通過設置路側搜集設備搜集途徑車輛的駕駛情況，譬如速度、加速、減速等情況，對這些信息的分析，可以幫助改進道路的安全性。

由于網聯車輛或具有網聯功能的車輛能實時收發信息，并能及時提醒車輛或司機，因此對控制中心及時分享合適準確的信息提出了要求。對跨運輸方式的多式聯運而言，網聯車輛幾乎是不同交通工具高效銜接的天然連接者，不過，前提仍是要有強大的中心系統，來完成信息的搜集和處理。

因此，網聯車輛作為新用路者，對道路智慧化的第三點需求是：需要提升交通管理中心，并且改進運輸系統和交通管理制度，以實現其跨平臺、跨部門的大數據量搜集、計算能力，以及跨部門的協調能力。

偵測車輛信息搜集（Probe Vehicle Data，PVD）的 示意圖。該圖含義為，安裝路側設備，從路過車輛里讀取該車的速度、加速、剎車等情況，也從周邊環境中了解天氣、道路路面干燥還是潮濕、路面滑不滑等情況。在探取這些信息同時，還增加了隱私保護，隱私保護有專門的協議和法律約束。

交通管理中心數據分享平臺的 數據整合。

道路智慧化要做些什么？

道路需要智慧化，以支持未來路網中人類司機和自動駕駛汽車的混合使用需求。這樣的轉變并非一蹴而就。當前的道路智慧化可認為是初級階段，應針對未來十年的車輛和運輸系統模式轉變。以下，針對上述已確定的三點需求進行討論。

1、隨著網聯車輛的運行模式和商業化會逐步成熟，道路智慧化需為其發展提供必要支撐。

由于網聯車輛產生的數據，以及其與外部的交互能力，使道路管理平臺既能從網聯車輛獲得道路的信息，也能將安全的、商業的信息，如施工作業區、災害天氣、交通信號配時、事故信息、擁堵情況等，及時推送給網聯車輛，使車輛和道路整體能形成更緊密的運輸系統來提供服務，促進安全、社會公共服務和商業的興旺。

而這樣的整合，要做許多工作。在制度上，打破不同運輸方式及運輸相關機構的壁壘，促進道路部門、公交地鐵公司、醫療部門、保險公司、車企等數據的流通和共享；而在技術上，需要補更多功課，譬如跨部門數據的融合，跨部門運行的協調，以及使得成本可控等。

數據整合和流程再造，是網聯車輛興旺的前提，也是網聯車輛需要披荊斬棘必須經歷的過程。道路智慧化的難題，一不小心又回到了制度層面，人和制度的智慧化才是道路智慧化的中心議題，也是難點。

2、筆者在“怎樣才能制造一輛聰明的車”一文中認為，自動駕駛車輛，在未來十年會以L3級為主的高級駕駛輔助系統（ADAS）形式出現，并與人類司機混合使用道路。

道路未來的需求，從目前為人類駕駛員而設計的狀態，逐步演變為包括人類駕駛和L3級自動駕駛汽車混行的狀態。混行會發生什么不同，道路智慧化應該做些什么，前述的對道路智慧化的第一點和第二點需求已說明。簡單而言即為：一是對道路資產管理的新需求，二是針對機器視覺的交通控制設施改善。這些需求，同樣是L4級自動駕駛車輛對道路智慧化的需求。

第一點的道路資產管理的新需求，與傳統道路資產管理的變化主要集中在路面、橋梁、交通控制設施資產的管理需求。

由于機器駕駛的一致性，幾乎所有自動駕駛車輛都會居中行駛，輪印位置幾乎一致。自動駕駛車輛精準的對同一位置反復碾壓，很快就會造成路面的車轍，縮短路面使用壽命。并且，自動駕駛車輛對路面的破損或缺陷現象，如坑洞、開裂、垃圾等，其判斷和處理能力也遠低于人類，對路面病害位置的反復碾壓，會造成路面更大的損壞，反過來也易導致車輛失控。

道路智慧化需要針對自動駕駛車輛的新特性，引入新的資產管理策略和技術。一方面實時通過車路通信告知車輛，改變其行駛軌跡或相互間距，另一方面也要形成新的管理和維護策略，來延長道路壽命，降低道路資產的維護成本。

第二點針對機器視覺的交通控制設施改善，這與機器視覺系統的發現辨別能力要遠弱于人類司機有關。

交通控制設施主要是標志、標線、信號燈，自動駕駛與交通控制設施的密切相關。人類司機通過視覺發現、跟蹤交通控制設施，現有的設施足以完成對司機的信息傳遞。

ADAS的汽車前視攝像頭是工業攝像頭。與傳統手機的消費級相機相比，汽車前視攝像頭的分辨率較低，分辨能力并不強，需要物體有高對比度和更大的尺寸來增強識別準確性。譬如水泥路面的白色標線，由于對比度較差，機器視覺會難以辨別，3M公司與美國一些州對此有長達幾年的研究，并對MUTCD提出了改造建議。而且，機器視覺還不具有與人類相同的場景聯想能力，對圖案、點、線的延申含義有時難以理解，譬如有時會不明白短虛線的含義，從而忽略標線存在。

新的交通控制設施手冊MUTCD已為自動駕駛車輛和輔助駕駛系統提出了一些優化的標志、標線、信號燈建議。

以下僅以路面標線為例：

縱向的路面標線被認為是自動駕駛車輛的軌道，支持自動駕駛汽車部署的基礎設施。ADAS的車輛檢測和跟蹤設備，以縱向路面標線為基礎，提供車道偏離預警、車道保持輔助和車道對中輔助等ADAS功能。安裝在擋風玻璃后面的前視攝像頭與軟件一起用于定位、跟蹤標線，在標線被附近車輛遮擋時提供預測標線的功能。有時，標線被積雪覆蓋，車輛傳感器無法檢測到道路標線，路面邊緣的參照物或輪廓標可幫助ADS車輛進行精確的車輛定位。因此，在多雨水或冬季下雪的路段，應對路面邊緣的誘導進行必要補充，便于識別。

標線對自動駕駛車輛和人類司機來講，一直是至關重要的設施。然而，由于我國建設體制的資金分配方式是以造價為基礎來分配，標線的造價很低，無論設計、施工、管理者和研究機構，從業者都難以獲利，導致我國標線技術較為落后，尤其在研究和設計上。

自動駕駛最重要的基礎設施，是標線，不是當前規范中推廣的各類路側設施、中心平臺。就當前而言，投資千萬級的RSU、邊緣計算這些設備，遠不如幾塊錢一米的標線重要。因此，當前中國需要推動提高包括標線在內的交通控制設施技術水平，從而提升全社會的道路安全。

關于標線，長期以來，發達國家一直有大量研究。挪威研究表明，黃色標線比白色的更容易被發現。還有研究認為，6英寸寬的路面標線能提高機器視覺檢測準確性，特別是當能見度條件不理想時，如在磨損標識、潮濕條件、低對比度、眩光等狀況下。MUTCD的建議就是加寬路面縱向標線，提高對比度，如下圖中Figure 11所示。

不同場景下的標線。

對標線來講，機器視覺除了在識別上有外觀顯著性要求，還在標線的含義上，也有規則顯著性要求。譬如在高速公路或快速路的出口匝道，直接式出口缺少車道加寬的標線延伸，機器視覺會誤解為一條逐漸變寬的車道，然后車輛就會被定位在兩條實線標線的中心，開錯位置，經常會一直居中行駛闖入導流區。MUTCD建議對類似的標線進行必要的處理。

在高速公路或快速路的出口匝道，直接式出口缺少車道加寬的標線延伸，機器視覺會誤解為一條逐漸變寬的車道，然后車輛就會被定位在兩條標線的中心，而忽視中間的三角端延長線，經常會居中進入導流區。

  作業區的標線應清晰并連續，防止機器視覺的誤解。

多車道公路的外側，設置邊緣性以 增加機器易讀性。

道路智慧化要做的功課還有很多。中國近幾年大力投資發展自動駕駛和網聯技術，這是產業發展的需求。突如其來的投資，并不代表技術突變，從全球汽車工業發展來看，都有歷史傳承。運輸系統也一樣，智慧化道路也是如此，有清晰的歷史脈絡。

現在全球運輸系統升級，出現了種種新運輸工具、新商業模式，如MaaS、自動駕駛車輛、網約車等。但其本質并非工程技術。技術在變，人心一直沒變，對運輸的需求也沒有改變。

而當前的道路智慧化，經常追求大數據化、互聯網化和聲光電化，而忘記了打動人心才是運輸系統發展的原動力。如何與人方便，或替用路人省錢，這些才應該是道路智慧化投資的原因。

（作者郭敏系杭州交通工程師）