950
编者按：为推进车联网产业发展，特邀请业内专家学者共同建言献策，推出“车联网百家谈”系列。路侧感知系统能否提供可靠、精准的数据将成为实现智慧高速建设近远期目标的关键点之一。杨大宁先生文章分析通过雷视融合感知底座实现全天候全局全要素目标检测、身份与特征全局跟踪的全息感知、车道级精度的事件检测等，对产业界伙伴们有强的参考价值。
导语
近半年，诸多自动驾驶卡车公司获得了上亿美元的融资。自动驾驶卡车行业被认为是最先具有盈利模式、可商业落地的自动驾驶赛道，受到了资本的青睐。另一方面，随着我国交通强国战略的实施，高速公路发展进入车路协同的新阶段。如何建立以数据驱动为核心，通过全时全覆盖全要素感知，实现I3以上等级的智慧高速公路，同时解决目前行业痛点问题，将成为新一轮高速公路建设关键。
01、新基建引领智慧高速新浪潮
01. 国家政策加持，巨头企业争相涌入
近几年，国家有关部门出台多项产业政策支持智能交通发展，如《交通强国建设纲要》、《国家综合立体交通网规划纲要》、《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》等，均指出要全方位布局交通感知系统，将基础设施数字化、路运一体化车路协同、北斗高精度定位综合应用、基于大数据的路网综合管理、“互联网+”路网综合服务、新一代国家交通控制网6个方向作为重点，发展自动驾驶和车路协同的出行服务。
在政策的支持下，众多企业也纷纷涌入智慧高速市场，新兴互联网企业、大型交通信息化建设集成商、公路行业技术产品知名供应商等均进行智慧高速产业布局，将着力点放在高速云控平台、V2X管控平台、AI智能分析平台和智慧全息感知基站（雷视融合、毫米波雷达、视频、RSU等）。02. 智慧高速试点“遍地开花”，产业建设目标日渐明晰智慧高速试点日渐增多，目前最新公布数据包含贵州、山东、河北雄安、深圳、广西、浙江、江苏、吉林、广东、江西、安徽、山西、四川、陕西、云南等。当前智慧高速试点已取得阶段性成果，但仍有许多关键技术亟需攻克，特别是融合感知技术如何为自动驾驶、车路协同交互提供基础数据支撑问题。随着智慧高速试点不断开展，其建设目标逐渐明确。
近期目标是通过全要素感知、全方位服务、全过程管控、全数字运营、车路协同等，实现安全提升、效率提升和服务提升。在恶劣天气、复杂环境下的道路交通事故率大幅下降。关键节点和路段的通行效率大幅提升。实现公路建设、管理、养护、运营全生命周期的数字化和智能化。远期目标是在全路网范围内实现全要素感知、全方位服务、全过程管控、全数字运营等，实现“人、车、路”智能网联和高效协同，实现全智能化的高速公路业务管理，实现车辆编队与L3级以上自动驾驶。路侧感知系统能否提供可靠、精准的数据将成为实现智慧高速建设近远期目标的关键所在。
02、先进的路侧感知系统是新一代智慧高速建设基础
当前我国高速公路运管主要关注的痛点有：拥堵：如何提升通行效率，通过智能化手段进行监测、建模、优化、疏导。事故：如何在第一时间发现事故、处置事故、分析事故、预防事故。高速公路信息采集系统现阶段主要依靠高清视频监控设备。
虽然可以通过后台视频AI算法处理，实现车牌识别、交通流统计、异常事件识别等功能，但也存在不少的问题，例如覆盖范围不足，检测精度受天气影响大，延时过长等。而新一轮高速智慧化投资建设，不仅需要考虑对现有运管提供更好的监测手段，更应当考虑到未来面向自动驾驶和车路协同，提供有效的路侧基础设施支撑。众所周知，自动驾驶的车辆成本很大部分取决于感知系统和运算系统。
如果路侧设备可以为高速上运行的车辆提供有效的感知冗余，这将大幅降低自动驾驶车辆自身的制造成本，并提升车辆运行的安全性。高速公路的运管也可以按服务收费，形成智慧高速的建设投资回报。先进的路侧感知系统是智慧高速的重要基础和底座，也是区分新一代高速智慧化的重要标志。先进的路侧感知系统应以数据驱动为核心，全息全要素感知为基础，构建全天候全时段全功能全覆盖高融合的路侧感知系统。
根据我国高速公路地域差异的特点，可精准实现多种交通事件信息采集及事故预防等功能，方便与交通电子警察系统联动，进行违法取证，规范驾驶行为，营造绿色安全畅通的交通环境。同时精准的全要素目标数据，能够支持未来车路协同场景落地需求，为自动驾驶车辆提供超视距、全天候、全覆盖的感知冗余。
03、雷视融合构建智慧高速的感知底座
01. 系统架构为满足当前智慧高速发展高标准建设需求，支持对现有设备的利旧和新基建车路协同系统的融合应用。雷森推出雷视融合路侧感知系统，构建智慧高速的感知底座。
下图为雷视融合路侧感知系统部署图。在高速公路路侧端借助交通立杆或路灯杆，每隔1千米安装1台双域定向交通毫米波雷达，形成前后覆盖各500米，对车道内交通目标进行精确识别和定位。输出的数据信息包括位置、速度、航向、车流量、平均车速等。另在高速公路龙门架上正装一台雷视融合一体机，可采集过往目标的车牌（识别率超过99%）、23种车型、250种车标和颜色等信息，同时可识别误入高速公路的行人和非机动车。交通毫米波雷达和雷视融合一体机所采集的数据汇聚到目标融合边缘服务器中进行融合，实现在同一坐标系下对交通流和车辆特征的同步还原。
借助高精地图，展现车道级的高清实时路况信息，并基于全数字仿真技术和交通算法模型，完成对高速公路的精细化管控。
定向交通毫米波雷达可覆盖车道范围广，识别目标类型多，可进行多种事件检测。雷视融合一体机可进行交通目标身份识别、车型识别和特征识别。相邻雷达及雷达、雷视之间可实现对同一目标信息的双向传递，包括车辆动态信息、特征信息以及在整个雷达感知系统中的唯一ID编号身份信息，相邻雷达及雷视间同一目标车辆信息相互传递成功率98%以上。同时，雷达和雷视与现存视频探头实现联动，实行二次抓拍验证。
目标融合边缘服务器通过ARM+NPU架构，具备AI计算能力与数据存储能力，可融合多台交通雷达、雷视及RSU汇集的数据，通过航迹处理算法，进行高效目标融合，形成稳定可靠低时延的全局目标数据源，与高精地图结合，展示全息感知的智慧高速。
02. 系统应用雷视融合路侧感知系统可为交管交控系统和车路协同场景提供高精度高可靠低时延的全局目标数据信息，构建智慧高速数据融合感知底座。
- 流量控制与事故预防
通过交通雷达、雷视路侧传感器采集高速公路主线及匝道的交通流量、突发事件检测等多目标信息，融合车载传感器采集的周围环境信息，借助目标融合边缘服务器进行全要素结构化处理，上传至信息处理分析系统，通过路侧广播、公众号平台、导航平台、诱导屏和车载设备实时向交通参与者提供最新的道路交通出行情况，方便其选择合理的行车路线和出行方式，交通部门则可根据交通流量或突发情况，实行匝道关闭和调节，以此进行流量控制。针对隐藏的交通事故，可根据以往事故车辆的历史轨迹，通过建立数学模型分析其特征，与现有车辆轨迹数据进行比对分析，制定相应的管控策略，避免同类事故再次发生。
- 全局实时事件响应
高速公路服务区进出口、匝道入合流处、应急车道及隧道等都极易发生交通事故，包括违章变道、高速路口逆行、超速欠速等事故原因。雷视融合路侧感知系统通过雷达、雷视全局全天候实时检测车辆速度、位置、流量等信息，进行全目标轨迹实时追踪，通过路侧单元RSU进行信息发布。目标融合边缘服务器会联动现存视频探头进行二次抓拍取证，并实时上传特定交通事件给高速公路事故预警系统，支撑相关人员进行研判决策和事件分析，实行风险防控和事故处置，提升高速公路的通行能力。
- 车路协同场景服务
无论是现阶段智能交通发展，还是未来车路协同场景服务。全局全要素目标是支撑一切交通事件的数据基础。雷视融合路侧感知系统可实现对路面所有目标实时全要素结构化处理，实时感知可达到秒级感知或瞬间感知，符合C-V2X低延时行业标准。同时支持I3级有条件自动驾驶/高度网联化基础设施的要求，例如支持所有DAYI/DAYII标准场景建设，包括可感知透传前方拥堵提醒，异常车辆提醒、行人闯入等交通事件。可识别绑定车辆身份并检测上报多种交通事件。为未来车路协同场景落地提供丰富的数据支撑。
03. 系统特点
- 全天候全局全要素目标检测
交通雷达和雷视融合一体机检测精度不受天气环境因素影响，最高可对横向10车道、纵向500米范围内的512个目标进行全局检测和跟踪。
- 全息感知，实现身份与特征全局跟踪
通过在高速公路每隔1千米左右灯杆侧装1台双域定向雷达，前后各覆盖500米，结合目标融合边缘服务器，实现整条路段的“全息还原”，并联动雷视融合一体机，实现交通目标身份和特征绑定，实时追踪每个目标的运行状态。为智慧高速提供高可靠高融合低延时数据感知底座。
- 车道级精度，事件丰富，工程布设便捷
雷视融合路侧感知系统可全局20Hz实时跟踪轨迹，车速可精确到1km/h。支持10种交通事件检测，定位事故，包含匝道分合流诱导，特种车辆/逃费车辆跟踪，交通事故预判/发现/回放，雾天行车诱导，对主线交通流量进行控制，支持I3级以上自动驾驶，可对隧道交通通行情况进行全息还原。交通毫米波雷达和雷视融合一体机工程部署便捷，使用专有的工具可在15-20分钟内完成雷达、视频和GPS坐标系的标定。
04、结语
雷视融合路侧感知系统较于传统视频网感知系统，面对大流量、复杂路况、场景丰富的高速公路，可实现全天候、全时段、全路段、全要素、全功能实时目标检测、交通参数统计和交通事件上报。雷视融合路侧感知系统不仅实现了路段的全息感知，还可以与原有视频网设备进行融合利用，对道路事件进行取证和抓拍。未来，雷视融合路侧感知系统可支持车路协同和自动驾驶的高速应用，实现商业闭环。基于雷视融合的感知底座是未来高速智慧化的基础，将助力提升高速公路安全性、通行效率及管理运营能力。
下载ECAD模型
