张毅 教授
清华大学自动化系系统工程研究所所长

　　一、车路协同与群体智能
　　（一）车路协同技术——构建现代智能交通系统的基础
　　1.国外车路协同技术稳步发展（2004～2018）
　　在第二个“十三五”项目启动的时候，正好是车路协同发展的好时机，美国从2004年到2018年的发展过程中，从提出想法到一些关键技术的研究到典型的应用和示范应用，走了14年的路。我们探讨的机会，实际上跟国外是一致的，怎么会产生车路协同的想法？因为控制和信息研究方向，当时有无线传感器网络和IPv6网络两大技术，这两个技术使得传统交通系统的信息采集更容易，于是在此基础上，把美国对车路协同的研究进一步提升，提出了“车路协同”的想法。当时只停留在想法层面，并没有进到国家项目里。
　　2.中国车路协同技术快速发展（2011～2018）
　　直到2011年，才将想法付诸于项目，历时7年时间，2018年项目完成，包括直到做了示范以后，我国车路协同技术已经跟国外基本齐平，而且在某种程度上已经超过。美国的主体技术是V2V，我国V2I技术已经趋于完善，并且两种技术已集成于一体。我们用7年的时间走过美国14年的路，在这智能网联技术间的比较——趋同发展中存在差异个过程当中发现了一些新的变化、新的应用。
　　（二）智能网联技术间的比较——趋同发展中存在差异
　　在车路协同技术发展的过程中，国家政府也相继出台了一系列政策，除了对车路协同技术研究外，科技部以及工信部也相继提出了车联网、网联车和蜂窝网联。车路协同和另外三个在概念上好像不一样，但实际上在很大程度上内容是相同的。因为只做车端，或者只做通讯端，抑或只做路端，都是行不通的，而要把它们结合起来做成交通系统功能的体现，这是核心的，而这正是车路协同的实质和核心。整个发展过程中出现的概念或问题，为什么不同的行业、不同企业会有不同的认识，这是因为他们的出发点以及需求的核心目标不一样，但是车路协同从一开始提出来的时候就希望解决的是交通问题，其中的通讯问题以及所谓控制技术问题都是为交通服务的。包括智能汽车的发展，利用它解决的都是控制问题，都是交通的核心问题，所以车路协同的应用是非常好的。

图1 多种网联技术比较

　　在这样的一个情况下，2018年美国换总统以后，车车通讯没有成为一个法律通行，给了中国一个发展车路协同的绝佳机会。2018年2月，时任交通运输部副部长刘小明提出：交通运输部高度重视自动驾驶和车路协同等前瞻性技术的发展和应用，以智慧交通建设为载体，按照车路协同发展的技术路径，积极推进自动驾驶的发展。这样智能车+智能路+智能交通系统就构成了一个体系，这是我们发展车路协同的非常好的机会。
　　2019年9月，《交通强国建设纲要》强调：加强智能网联汽车（智能汽车、自动驾驶、车路协同）研发，形成自主可控完整的产业链。以及2021年2月，《国家综合立体交通网规划纲要》强调：加强智能化载运工具和关键专用装备研发，推进智能网联汽车（智能汽车、自动驾驶、车路协同）、智能化通用航空器应用。近年来，国家的规划纲要都把车路协同放在了很重要的环节，都成了国家发展战略之一。所以到“十三五”，我们有20多家单位同时在完成这项工作，我承担的项目里面有18家单位，有高校、车企和相关的研究单位。
　　（三）车路协同条件下的道路交通环境——问题与挑战
　　车路协同遇到的问题是什么？为什么用群体智能的方法？路上行驶的车辆原来是没有办法、没有途径把信息汇聚起来的，那么车路协同利用无线通讯方式实现任何时间、任何地方、任何人、车、路的网络互联，可以获得全部信息。传统交通流集聚模型只是个统计模型，没有办法获得每辆车信息的情况下，通过车路协同技术获取了全部信息，于是数据量增加了，并且车辆之间既然是通过网络连成，那么就构成了世界上最大的、连接最复杂的、动态变化也最大的由汽车和交通构造起来的网络化系统，而这个系统所面临的所有技术问题都要调整，基础问题之上的理论问题更是个挑战。所以项目就围绕这个基础，用一种新的角度去探讨对于交通理论控制中涉及的问题会有什么新的变化。

图2 车路协同条件下的道路交通环境

　　（四）车路协同条件下的系统复杂性——问题与挑战
　　1.决策对象数量增加
　　以前统计意义上的对象，已经变成现在每一个汽车都是一个对象。而且在我们讨论的范围内，对象数量在急剧增加，增加以后给决策带来非常大的问题。原来考虑两车之间的协调控制，去查材料、参考文献会有很多相关研究，现在的研究已转变成N辆车间的协同控制，N辆的指数很大，要由通讯来决定，通讯覆盖范围是半径100米还是200米？数量N完全是指数级的，后面将提到的计算量就非常大，这给决策带来非常大的挑战。
　　2.交通流的维度拓展
　　如果原来的交通流是一维场景，那么现在已经进入到多维场景。以前更多考虑路段场景，如跟驰、换道等场景都是一维，现在要解决的更主要的问题是在路口，多维交通流的交叉，还包括匝道，甚至路网，所以交通流的维度扩展，变成多维场景，而此时在智能网联环境下，群体决策问题求解复杂度提升（NP难），计算量指数级增加，这个层面上计算理论发生了非常大的变化。
　　3.车辆成员动态变化
　　以上提到计算量的变化，同时还要考虑到对象动态变化。动态变化主要是讨论的区间里面的车辆不是一成不变的，是变化的，就像讨论通讯覆盖半径是100米还是200米。假设被控车辆有50辆，在这个周期区域内行驶的是这50辆汽车，下一周期该区域驶入5辆汽车，驶出3辆汽车，那么50辆就变成52辆，所以对象在发生变化。如果用车辆队列来解释，任何时间进入队列的车和离开队列的车都在发生变化。车路协同包括车载设备和路侧设备，当路侧设备为中心，沟通车队时，这个车队是变化的。因为路侧设备的范围基本上采用V2V直连的方式来确定车辆队列的长度，如果路侧设备不变，车队就要变，那么进入车队和离开车队数量在变，这样造成所有优化的算法、控制的算法的对象发生变化了。简单来讲就是优化方程的对象发生变化，那么这个方程就必须要随之发生变化。两种解决方法：一种方法是在很短的时间里快速地把不变的对象的所有可能变化的情况都计算出来，这就计算要求非常高；另一种方法是再用换新的方法，让对象变化的过程中控制目标不变，这也是个非常具有挑战的问题。
　　4.新型交通主体混合
　　除了人工驾驶汽车以外，还有自动驾驶和无人驾驶汽车。自动驾驶和无人驾驶汽车驶入路网以后，由于每辆车的控制规律不一样，生产厂家也不同，这样就造成所有车辆的规律、特性等发生变化，于是就造成控制过程中主体是异构混合的，现在一般称为新型异构交通系统或混合交通系统。以上就是目前在协同决策控制里遇到的四大挑战。
　　（五）现代交通系统的解决方案——群体智能与协同控制
　　在此基础上，现代交通系统的解决方案要具有新特性，主要包括以下四方面。（1）新属性：自组织/网络化、非线性/强耦合、泛随机/异粒度；（2）新特征：无主次之分、无统一目标、无系统边缘；（3）新组成：自然/辅助驾驶、智能网联驾驶、无人自动驾驶、无人/有人混驶；（4）新结构：规模条件下的泛在分布式、情景驱动下的动态集中式。这是现在项目研究完成以后对车路协同条件下要完成协同决策控制中的一个系统的结构问题。于是这样就形成了群体智能与协同控制这样一个总的任务。在这个任务的过程中，很多理论还没有成型，仍处于探讨和不断完善中。因为项目还没完成验收，期间的研究成果也还正在发布的过程中。
　　刚才谈到了一个情况是我们从交通角度出发的，交通环境、数据量和信息发生变化以后，同样我们采用的控制机理和控制理论也发生变化。从控制角度上主要是指被控对象由个体发展到了群体，现在群体里的对象就是每辆智能汽车，是自主系统。所以说遇到的主要问题就是被控对象是智能的，而且相互之间还会影响且作用。所以这也会对控制理论、优化决策的方法产生革命性的影响。
　　所以为什么中国要引领车路协同？引领不是天天关起门想引领就行了，而是现在有需求才会去研究，协同决策和控制理论带给我们的挑战是被控对象从单体变成多体，还是智能的多体，并且智能多体彼此之间还要耦合、协同的情况下，如何实施控制问题？这也是这个项目里希望提出来的一个非常重要的创新。
　　目前有一点非常振奋人心，我们已经对做的工作进行了总结，可能在验收的时候基本上能形成比较全面的一个体系，因为在验收的时候可能会有一系列的研究成果要发布，现在项目组正在加紧总结相关研究成果。
　　二、协同决策与智能控制
　　（一）交通群体智能决策与协同控制机制

图3 群体智能决策与协同控制的三层架构

　　众多理论方法如何真正的体现在交通应用过程中，是我们非常关心的，理论可以做的非常漂亮，但是真正结合起来，包括信号控制问题、车辆控制问题如何实现？把所有交通系统全部分析以后，在如图3所示的三层架构情况下，实际上最重要的有三件事：
　　第一个讨论的对象是小范围还是大范围？在一定范围内不管选大选小有个系统优化问题，也被称为局部优化。
　　第二个就是路权分配。汽车要上路，就要避免碰撞，最后归结起来就是路权分配问题。路权分配是决策里面非常重要的问题，控制虽然重要，但是最重要的是决策里面体现在每辆汽车谁先走谁后走，包括车辆经过路口、匝道的合流、超车过程中岔路等都是路权分配问题，路权决策完以后，才是轨迹的控制问题。
　　第三个是轨迹规划，主要就是车辆控制。

图4 群体智能决策与协同控制的三大任务

　　以上三大任务里面最主要的是路权分配，所有的问题都在路权分配，但是路权分配说起来简单但由于场景非常复杂，做起来比较困难。像路段上的跟驰场景，考虑一个车道是一维的，如果两个车道就是两维的，这时维数发生变化。当车辆到达路口时，维数将发生很大改变，同时在道路交通控制里非常重要的一个问题是路口的承载，尤其是路口有了信号灯以后，使得高速公路连续流的控制变成了间断流，目前为止仍要解决连续流和间断流之间如何融合的问题。
　　（二）交通群体智能决策与协同控制实现

图5 泛在分布式和动态集中式适用场景

　　最近我们有一个新的思路，把间断流和连续流通过一种表达方式让它们串起来作为一体，有可能突破。如图5所示，这是一个典型场景，任何交通系统里都是由匝道、路段和路口形成，在这个基础上给出刚才提到的三大任务，如图6所示，由此提出了路权分配和轨迹规划的普适模型。无论什么场景，这三类模型都是可以适用的，具体场景方程需要进行相应调整，比如车辆的行驶方向是对向的还是同向的，在这个过程中遇到安全问题时，TTC是否相同，车头时距是否相同。

图6 普适模型构建及其求解方法

　　在这个过程中，研究重点主要是围绕路权分配，在项目研究里提出了一系列优化、决策的方法，尤其是针对群体智能，如图7所示。现在讨论的对象是被控对象车辆，且是智能的，相互之间是有影响的，于是要与实际交通相结合。在交通实际过程中和我们想象中是有差别的，在交通实际过程中出现的情况，如图8所示，上面蓝色的代表是主路，下面红色代表的是匝道，在这两个不同的道路融合的情况下，车流的状态或者车流的情形是不一样的，要根据它的不同情形去制定不同的规则。这就是把理论和实际相结合，而且要考虑到每个车在实际控制中，它能自主的进行调整。

图7 路权分配决策实现

图8 群体协同决策模型性能比较

　　（三）交通群体智能决策与协同控制演示
　　以此为基础做了一些实际应用，只有理论是不行的。时间关系不过多赘述。如图9所示，2019年10月在北京顺义世界智能网联汽车大会上进行了4辆自动车群体协同通行应用演示，四辆自动驾驶汽车随机到达没有信号控制的路口，在此情况下四辆汽车要进行交互、自动的协商，构成了一个自主决策的机制来决定谁先通过，这就是路权分配。如图10所示，2019年6月在北京房山智能驾驶测试场实现了10辆网联车+自动车智能决策与协同控制演示。

图9 基于车路协同的无人驾驶群体协同

图10 群决策智能驾驶

　　（四）道路交通群体智能协同控制理论与方法
　　在这样的情况下，就遇到了一个很重要的问题，如图11所示，左侧是城市道路，由于有信号控制，是间断流，右侧是高速公路，是连续流。这是中期检查时，我们的一个研究成果，把连续流和间断流分开讨论，因为理论上很难把它们融合到一起。现在已经有一些新的想法，可以把间断流和连续流通过一种模式，把它变成等效的，从而作为一种交通流来讨论，也许这样的一个想法出来以后，再有几个月能够有新的理论推导，那就又是一个比较好的成果，也是一种突破。但是前提就是，没有车路协同无法实现，必须获取每辆汽车的信息，才可以做很多的等效和分析，才能把连续流和间断流相融合。

图11 典型道路场景决策控制实现

　　三、决策控制与应用实现  
　　最后，给大家稍微展示一下现在这个项目里面的两个例子。
　　（一）新型混合交通场景下城市道路智能协同控制实现
　　如图12所示，融合信号配时与车辆速度引导，基于公交/特殊车辆供需双向协同的路车协同控制实现。由于有了车路协同以后，在城市道路里交通效率问题、安全问题有了提升，右下角上是仿真界面，用仿真的方式把算法的结果展示了出来。

图12 城市道路场景协同控制实现

　　（二）新型混合交通场景下快速路智能协同控制实现
　　如图13所示，快速路场景下新型混合交通群体协同速度协调控制实现与不同渗透率的影响分析。如上文所述，间断流和连续流是分开的，快速路上主要体现的是在车路协同下，由于已经完全掌握车辆信息，就可以对快速路上的每辆车进行速度引导，像现在靠龙门架实现车速限制一样。那么根据车路协同平台的特色，任何地点的汽车都可以被随意调整速度，让车速能限制在连续的变化，所以叫可变速的调整，这也是现在快速路中车路协同应用里非常容易能看到的，有收益的，这样对交通流的控制是非常好的。当然在研究的过程中也遇到一个问题，就是现在并不是所有车都已经装上OBU，并且还要考虑到实际应用过程中，有的车先装有的车后装，装的密度是不一样的，于是研究不同装机容量的情况下，车路协同的这种性能对整个交通性体系的影响问题，非常有意义。

图13 快速路场景协同控制实现

　　（三）新型混合交通场景下车路协同典型场景示范

　　在这个项目过程中，我们做了很多决策和控制问题，展示一些基本的功能应用。左侧是原来的“863计划”项目，有15个场景，到目前为止，提出的5+2的测试场和很多新的测试场都没有逃出这15个测试场景。

图14 从“863计划”项目到“十三五重点研发计划”项目

　　“十三五重点研发计划”项目验收时间是在2022年3月，主要展现三大类场景。一个是真实系统，一个是虚实结合的系统，再一个是仿真系统，这三大类场景主要体现在，不是通讯问题，不是单纯的安全问题和控制问题，也是要把车路协同的本质体现出来，一定不是简单的通过通讯技术把车连起来，把信息推送给汽车就结束了。目前车路协同应用中遇到的一个非常大的瓶颈问题，就是把系统建立起来，信息拿到就完成了，这只是车路协同中的初级阶段。如图14右侧所示，共有20多个场景，具体把现在应用过程中真实环境遇到的一些问题提炼出来。我们希望这一系列的场景提炼出来以后，能够对中国的车路协同发展再发挥5到10年的引领作用。