国际观察 | 对于混合驾驶交通状态下新型交通基础设施研究的解读与思考——以欧洲为例
引言
根据清华大学教授李克强在2020世界智能网联汽车大会上发布的《智能网联汽车技术路线图2.0》可知，至2025年，我国PA（部分自动驾驶）、CA（有条件自动驾驶）级智能网联汽车销量占当年汽车总销量的比例将超过50%，C-V2X终端新车装配率达50%。随着自动驾驶技术和汽车的逐渐普及，会出现自动驾驶汽车、网联汽车、人工驾驶汽车共存的混合驾驶交通状态，该状态将带来人工和自动驾驶汽车相互影响逐渐增大、交通参与者的不确定行为降低整体交互质量、道路使用者对某特定自动驾驶车辆的预判失误等一系列问题，从而进一步影响道路交通效率和安全水平。
因此，为应对未来不同程度的混合驾驶交通状态，亟待开展新型道路基础设施设计和部署、通过网联交通管控来保持或提升交通安全和效率等课题研究。本文对欧洲INFRAMIX项目中混合驾驶交通状态下新型基础设施和新型管控策略的设计、升级、验证评估等一系列研究进行解读，为我国自动驾驶产业发展提供参考。
01 INFRAMIX项目概述
INFRAMIX（Road INFRAstructure ready for MIXed vehicle traffic flows project facts）项目针对不同比例自动驾驶汽车、网联汽车、人工驾驶汽车的混合驾驶交通状态下，对高等级公路的道路基础设施进行研究，选取动态车道分配、道路施工区域和交通瓶颈三个典型交通情景，提出新型交通管控策略、新型物理和数字交通基础设施元素，并在奥地利和西班牙高速公路上进行实地测试，通过协同仿真和混合测试（Hybrid testing，真实场景和仿真结合），对新型基础设施升级方案进行评估，并提出基础设施分类方案、安全绩效标准和全自动运输系统路线图等建议，为混合驾驶交通状态下新型基础设施的应用做准备。
INFRAMIX项目始于2017年6月，于2020年5月正式结题，持续4年时间，获欧盟Horizon 2020研究与创新计划资助，资金500万欧元，由奥地利AustriaTech公司联合宝马、西门子、TOMTOM等十余家单位共同完成。
图1‑1 INFRAMIX项目总体框架
图1‑2 项目参与单位地理位置分布
02 混合驾驶交通状态三种典型情景
为保障混合驾驶交通状态效率与安全，项目采用自下而上的方法，选取高速公路上三个典型交通情景，针对性的对不同情景下的交通基础设施提升和新型交通管控策略制定进行研究和效果评估，其研究成果可以转移到城市道路中使用。
三个典型情景分别是动态车道分配、道路施工区、交通瓶颈。动态车道分配是指综合考虑自动驾驶渗透率、交通构成（货车、重型车占比）等因素，对自动驾驶专用车道进行动态分配，保障道路通行能力和安全。道路施工区是指经过基础设施向车辆提供扩展信息，如通过更新车载高清地图（包括临时的黄色车道）、附加交通标志、现场参考点等信息，实现自动驾驶汽车的精准定位、面向特定区域的新型交通管制措施等。交通瓶颈是指对涉及动态限速、动态车道分配、汇入匝道辅助计量等各种控制措施的实时控制器进行研究，以达到管理交通瓶颈处的混合驾驶交通情况并避免交通流量下降的目的。
a.动态车道分配
b.道路施工区
c.交通瓶颈
图2‑1 三种典型混合驾驶交通情景
03 用例研究
针对三种典型交通情景，以保障混合驾驶交通状态下交通效率和安全为核心，项目梳理了自动驾驶汽车信息支持、混合驾驶交通状况控制策略等不同层次问题，细化了情景用例及具体条件，对新型交通管控策略、新型物理或电子交通基础设施进行设计、升级、验证测试和效果评估。
表3‑1 三种典型混合驾驶交通情景及用例
3.1 动态车道分配用例
3.1.1 自动驾驶动态渗透率下的实时车道分配
为保障混合驾驶交通情况下交通安全，为自动驾驶汽车永久性的分配专用车道，可能成为自动驾驶汽车在高速上行驶的一般形式。本用例主要通过特定时间段内允许不同组的自动驾驶汽车使用专用车道，来动态控制交通流量，并对特定车辆组被允许行驶的时间段、V2I通信方式、专用车道限速要求等问题进行研究。
图3‑1 自动驾驶的永久车道，实时分配给不同的自动车辆组
3.1.2 以极端天气条件为例的特殊交通场景
不利天气情况对自动驾驶汽车会产生一定的影响，如在极端恶劣天气下，可能出现无法检测车道标记、交通标志或产生影响其他交通车辆意识的情况，一般可见度降低时，车辆自动化程度也应随之降低。该用例针对不利天气情况下的交通场景进行设计，研究特殊交通场景下如何通过基础设施和交通管理来减少特殊天气对自动驾驶的干扰，以保持交通流的稳定运行。
3.1.3 非适当用户驶入自动驾驶专用道
对于人工驾驶或低于所在自动驾驶专用车道上车辆自动化水平的汽车，即不允许行驶在自动驾驶专用道上的车辆，本文统称为“非适当用户”。非适当用户驶入自动驾驶专用道，会对自动驾驶专用道交通产生一定的干扰。该用例对非适当用户已在专用车道上行驶和驶入专用车道两种情况进行研究，并对通过非适当用户发生时有无及时通信和控制策略的交通量对比进行评估。
非适当用户已经在专用车道上
交通管控中心分配车道时，该车道存在非适当用户；应正确指示非适当用户离开；通知自动驾驶汽车与该用户保持距离或超车。
非适当用户进入专用车道
非适当用户未获知或忽略了专用车道，或者非适当用户因为故障必须停止行驶等情况，自动驾驶汽车及时反应以减轻对交通的负面影响。
图3‑2 非适当用户在自动驾驶专用道上行驶
3.2 道路施工区用例
3.2.1 单车道封闭（短期施工）
通过对施工占道路段的V2X通信、视觉标志等基础设施进行改造和升级，从安全性和社会接受度角度对通信效率等进行评估，以安全且高效的方式引导混合驾驶交通流通过道路施工区域，并从用户对引导信息的响应率、通行能力变化量、自动驾驶汽车自动化降级量等方面对整体用例效果进行评估。用例结果可扩展至发生交通异常事件，如遇到障碍物、抛锚车辆等情况。
图3‑3 混合驾驶交通状态下的单个车道施工（短期施工）
3.2.2 新车道设计（长期施工）
针对覆盖一个以上车道的施工路段的混合驾驶交通，研究V2X通信、可变视觉标志及物理元素等，从安全性和社会接受度方面评估通信效率，重点关注用于描述新车道的视觉标志和辅助自动驾驶汽车准确跟踪新车道的应用程序，确保所有类型的车辆及时且充分地了解道路施工区域，并及时采取相应的行动。
图3‑4 混合驾驶交通状态下多个车道施工（长期施工）
3.3 交通瓶颈用例
3.3.1 路面凹陷处自动驾驶汽车实时自适应驾驶行为
用例根据交通管理需求，利用路侧基础设施和网联车辆通信的方式，调整自动驾驶汽车的纵向驾驶行为，进而提高交通效率。具体过程为：管控中心接收当前交通状况的实时测量（或估计值），并向自动驾驶汽车驾驶员建议（或直接强加）适当的车头时距和车辆加速度，以此来提升路面凹陷处的通行效率。车头时距建议同时可提供给具有网联设备ACC（L2级别）的人工驾驶汽车，此用例是对于未分配自动驾驶专用道的情况。
图3‑5 自动驾驶汽车纵向驾驶行为随交通管理需求调整
3.3.2 瓶颈处网联汽车的换道建议
根据主要交通流的实时信息，交通管控中心采取必要的车道变更措施，确保当接近交通瓶颈时，实现预先制定的车道分配，从而提高瓶颈容量。该控制策略可降低交通流对网联汽车普及率、驾驶员合规性等未知因素的敏感性。
图3‑6 瓶颈处的网联汽车换道建议
3.3.3 瓶颈处流量控制和单车控制
针对上游交通繁忙、下游静态容量限制的交通瓶颈问题，通过宏观（以相同的方式告知所有车辆一般信息）和微观（为单个车辆识别并提供具体建议（仅适用于网联汽车））两种方式向车辆传递管控策略信息，以达到通过上游流量控制和换道建议改善瓶颈交通的目的。其中宏观层面是主流交通流控制策略，微观层面是单车控制策略。
主流交通流控制（MTFC）
控制现有车道上的交通流。通过VMS向所有车辆提供龙门架信息，没有龙门架情况下，向所有网联汽车发送同一限速值。
单车控制
控制网联汽车的换道行为。向所有网联汽车（包括传统人工驾驶汽车和自动驾驶汽车）提供每辆车的换道建议和限速建议信息。
图3‑7 瓶颈处流量控制和单车控制
04 测试验证
项目选取奥地利和西班牙两个测试站点进行建模，采用现实和仿真协同的混合评估方法对交通基础设施和管理策略进行评估。其中奥地利测试点主要侧重于混合驾驶交通状态下的安全评估，西班牙测试点侧重于混合驾驶交通状态下的效率评估。
4.1 奥地利测试站点
奥地利测试站点包括Laßnitzhöhe和格拉茨市之间20公里的A2高速公路。测试现场配备了龙门架、移动VMS、道路施工警告设备、ITS-G5 RSU、摄像机、单车计数器、环境传感器和雷达检测。该测试点对新开发的视觉信息、ITS-G5短程通信、蜂窝通信以及与交通控制中心的实时通信进行测试。
a. 动态车道分（极端天气）
b. 交通瓶颈（速度限制、换道建议等）
c.施工区域（短时施工、长时施工）
图4-1 奥地利测试点
4.2 西班牙测试站点
西班牙测试点位于地中海走廊沿线，在巴塞罗那和西班牙/法国边境之间，长20公里，有四个主要交叉路口和一条180m的隧道，高速公路宽4*3.5m，中间渠化宽为5m。测试现场的平均每日交通量（ADT）估计为每天30000辆车，默认速度限制为120公里/小时。用于对交通基础设施和ITS升级服务进行测试验证，ITS升级服务旨在辅助自动驾驶汽车设计，并为不同情景下的混合驾驶交通提供管控能力。
a.西班牙测试点情景布置图
b.测试现场原理图设计和功能支持
图4-2 西班牙测试点
4.3 结果分析
通过亚微观仿真和混合驾驶交通测试分析，结果总体认为，针对网联和自动驾驶汽车的速度建议在安全性方面具有积极意义，而换道建议通常会影响交通效率，并带来危险的交通状况（如降低TTC（Time to Collision,碰撞时间））。需指出，项目分析结论需要更多的模拟来提供足够有代表性的统计结果。
发达的交通管控器可以提高交通效率。通过可变信息标志向人工驾驶、网联/自动驾驶车辆提供限速建议，将延迟时间减少了10％至15％。依托通信和自动化，可通过其他流量控制策略，进一步提高流量效率。如项目试验中通过交通管控使用车头时距自适应控制器，与无控制状态相比，效率可以提高50％。
采用控制器提高效率情况下，仍需时刻考虑交通安全问题。INFRAMIX项目进行的所有微观评估始终包括交通安全分析，分析结果表明，与实际发生的事故本身相比，事故碰撞时间（TTC）分析提出的事故风险更大，且交通效率的提高总是伴随着TTC的轻微恶化。这种恶化平均小于1%，且拥塞少、速度快的交通系统自然会伴随着较小的TTC值（即使在安全间距同样大但速度更高情况下）是客观存在的。考虑控制机制原理，这种在交通安全方面潜在的轻微恶化是可以接受的，并且在交通效率方面也取得了很大的改善。
05 对国内智能网联设施发展的经验借鉴
1.混合驾驶交通基础设施场景研究。国内自动驾驶道路测试或示范应用场景大多从车辆自动驾驶功能测试方面进行探索，缺乏从道路交通侧对自动驾驶汽车进行交通效率和安全的影响分析，应充分考虑未来道路交通发展状态，加快开展混合驾驶交通状态下，如何通过交通基础设施升级，保障道路交通效率、实现安全和服务等方面研究。
2.混合驾驶交通基础设施视觉元素设计。在混合驾驶交通状态下，道路视觉标志的设计应主要针对传统人工驾驶汽车和网联汽车（非自动驾驶），而不是自动驾驶汽车，这是因为对于自动驾驶汽车而言，所有信息将以数字方式提供，对于其他车辆，视觉信息至关重要，因为驾驶员做出正确决定的主要信息来源主要基于视觉信息。
3.混合驾驶交通状态下路侧设备布设需求研究。面对国内现状的路侧设施布设需求密度大，基础设施投资较高的问题，可尝试通过仿真工具，对一部分有通信能力的车辆（网联汽车渗透率达到15%-20%）提供速度建议，通过这些车辆因其适应的速度特性而影响整个交通的方式，对实际道路路侧设备布设需求进行研究。
4.探索通过网联汽车来提升交通效率的其他可能。由于与驾驶员相比，ADAS功能的距离行为增加，对于混合驾驶交通，增加自动车辆的普及率会降低交通效率。利用ACC时差自适应控制器可以在短时间内减小关键区域的车头间距，以有效解决此问题，且在无控制情况下，即使在RSU覆盖率较低的情况下，通行效率也可以提高约50％。基于此，道路上越来越多的网联汽车提供了提高交通效率的其他可能性，需尽快开展相关研究。
参考文献
[1]基于自动驾驶系统的混合交通流研究综述-刘力源
[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
撰写：赵盼明
审核：刘轼介、常焕
审定：毛应萍