车路协同系统关键技术研究进展

• Published in: 华南理工大学学报（自然科学版） Vol. 51; no. 10; pp. 46 - 67
• Main Authors: 林泓熠, 刘洋, 李深, 曲小波
• Format: Journal Article
• Language: Chinese
• Published: 清华大学 车辆与运载学院,北京 100084%清华大学 土木水利学院,北京 100084 01.10.2023
• Subjects: cooperative control; 融合感知; 驾驶认知; fusion perception; 车路协同系统; 自主决策; 协同控制; cooperative vehicle infrastructure system; driving cognition; autonomous decision-making
• ISSN: 1000-565X
• DOI: 10.12141/j.issn.1000-565X.230200

U495; 随着城市汽车保有量的稳步增长,道路交通拥堵问题日益凸显,给城市发展带来了巨大压力.为了有效应对这一挑战,开发能够提高交通效率并降低能源消耗的方法显得至关重要.在当前环境下,车路协同系统作为实现绿色智慧交通系统的一种理想选择,可通过整合和优化各种交通资源,实现交通效率的提升和能源消耗的降低,进而为实现"双碳"目标提供了重要技术支持,已成为交通领域研究和实践的重要方向.本文详细解析了车路协同的基本概念、研究方法和应用场景,并深入讨论了其4个核心技术模块:融合感知、驾驶认知、自主决策和协同控制.文章回顾并总结了这些模块中从传统方法到最新的深度强化学习方法的研究成果,并深入探讨了这些技术和方法在提升交通效率、降低能源消耗和增强道路安全性方面的应用潜力.最后,文章剖析了车路协同系统在实际应用中可能遇到的诸多挑战,如信息传输的安全性、系统的稳定性、环境的复杂性等.为了克服这些挑战,文章从开发整合车端和路端信息的数据集、提升多源感知信息的融合精度、增强车路协同系统的实时性和安全性与优化复杂条件下多车协同决策控制的方法等4个方面展望了未来的发展方向.因此,本文不仅对于车路协同技术的进一步发展具有重要的参考价值,也对于城市交通系统的未来规划和建设具有重要的指导意义.