随着智能交通技术和车联网的发展，为车路协同技术带来了很多发展机遇，例如云计算、5G、大数据、移动互联等技术，使我们在高精度定位、精细化信息服务和新一代传感网络构建等方面，都有了更加可靠的技术保证。近年来，国内外基本建立了车路协同的体系框架，定义了一系列应用场景，也开展了相应试验和应用，但是仍处于研究和试验阶段。虽然在各地建设上已经实现了部分场景的车路协同，想要实现车路协同技术的普遍应用仍需很长的路要走。

什么是车路协同（V2X）？

车路协同（V2X）即采用无线通信和车联网等技术，全方位实现车与车、车与路、车与人之间动态实时信息交互，达到对车辆和道路的协同管理，进一步促进人、车和路的有效协同，保证交通安全并提高运行效率。（V2X）其中V代表车辆，X代表任何与该车辆交互信息的对象。
车路协同在路口的应用场景可以分为三类：安全保障类，效率提升类和信息服务类。针对这三类应用场景可以分别定义基础业务场景和增强业务场景。增强业务场景下，对于车辆信息交互的实时性，可靠性和安全性提出了更高的要求，这需要协同控制的方法和理论更加成熟。

面向机动车的服务场景

1、信号灯状态信息实时推送

在中国汽车技术研究中心有限公司，中国汽车工程研究院等多家单位联合编制《智能网联汽车自动驾驶功能测试规程》中，交通信号灯识别及响应是智能网联汽车自动驾驶功能必须的检测项目和测试场景。
由于交叉口信号灯样式不一，以及光照及遮挡等因素的影响，导致某些情况下自动驾驶车辆无法对信号灯状态准确识别，通过信号机与车辆之间通过V2I设备进行通讯，信号机能够直接把信号灯状态信息发送给自动驾驶汽车，能够代替视频识别信号灯状态的过程且能提高识别的准确率。
车路协同能够解决99.9%前向红绿灯无法识别问题，减少车载系统10%的计算量，提高车辆通过交叉口的通行效率以及安全性。

2、辅助车辆路径规划和提供建议车速

通过信号机以及路侧设施将信号灯状态、剩余时间、可变车道信息、车道级的道路交通流量和排队长度、交通事故情况、车辆限行、禁行等信息，通过RSU实时推送给车辆，辅助车辆针对当前位置和状态，结合途径路段和交叉口的状态信息，制定最优的路径规划和建议行车速度，减少通行时间，提高通行效率。
以公交车路协同应用示范为例，该应用通过智能网联车路协同公共服务平台提供的低延时通信能力、终端-边缘-区域-中心的多级分布式V2X计算能力和道路交通网联数据，提升公交运行效率和行车安全。公交车通过绿波车速智能引导能够有效减少公交车辆的延误以及停车次数，提升公交车辆运行效率的同时还能达到节能减排的目的。
车辆接收到路测设备发来的红绿灯灯态信息，在不改变当前交通信号控制方案的前提下，根据当前车辆的位置，速度，信号相位剩余时间，依托平台端-边-云的协同计算得出建议行驶速度，不影响道路其他社会车辆正常运行，实现公交进站停靠，完成上下客并启动“绿波”通过交叉口。
当特殊车辆通过交叉口时，通过V2I与交通信号灯互动，根据交通流状况与车辆通行优先级动态调整交通信号灯，同时通过V2X实现对道路其他车辆的让路提醒，确保特种车辆能够以最短时间通过。
对于车路协同提供的服务，信息服务和安全服务可以提供给消费者车辆终端，交通效率提升类服务可以提供给城市交通管理部门，协同服务则是车辆编队行驶，主要针对大型物流运输企业。
在目前的车路协同项目中，大部分信号机只是作为车的一种信号源，是车辆的读取场景之一。在车路协同背景下，信号机的定位不仅是车路协同信号控制的一个信号源，而是定位成一个集感知，信号控制，网络通信和数据交换于一体的智慧终端，对现有功能进行升级，支持车路协同不同发展阶段的相关应用场景测试，既立足于当下，也着眼于未来。

3、交叉口车辆辅助驾驶

对于无信号交叉口，由于存在视觉盲区，车辆通过交叉口时，普通车辆无法感知到其他方向驶来的车辆，通过车车通信和车路通信，两个方向的车辆都能够感知到对方的位置和速度信息，进而制定合理的速度和轨迹规划，在确保安全的前提下，快速的通过交叉口。

4、车辆闯红灯预警

当自动驾驶车辆通过交叉口获取当前交叉口的信号灯状态以及剩余时间时，到目前关于车路协同在交叉口方面的主要测试场景都集中在主动安全和辅助驾驶的场景。

5、绿灯时车辆起步提醒

当车辆在交叉口排队等候通行时，车辆通过V2X检测到前车启动时，能够在保证安全车距的前提下，提示车辆启动，确保自身能够快速通过交叉口，提高整个信号周期内通过交叉口的车辆数以及通行效率。

6、后车跟驰实时主动安全预警

当自动驾驶车辆在道路上行驶时，会通过车辆自身安装的各类感知设备对周围进行实时感知，形成感知对象列表，当车辆检测到距离前车距离小于安全距离时，会进行碰撞预警以及根据前后车的状态采取适当的驾驶策略行为。

7、智能潮汐车道

潮汐车道对于解决路段双向交通流量失衡，提高交通运行效率具有重要意义。目前广泛采用的是人工或是定时控制的方式，对交通环境适应性较差。此外，在潮汐车道方向切换过程中，清空时间设置不合理。基于车路协同技术，通过车车，车路动态实时信息交互，能够实现对全时空动态交通信息采集与融合，在此基础上能够对潮汐车道开启前后的交通流状态演化规律进行精准挖掘，为潮汐车道的智能控制策略提供理论依据。

面向非机动车、行人的服务场景

基于自动驾驶车辆自身和路侧检测设备的强大感知能力，能够实现对信号交叉口人车路全要素的实时精确感知。通过行人过街需求响应以及信号控制算法优化的同步实施，当主干道无人过街时，行人信号灯自动调整为红灯常亮状态，将相应绿灯时间增加到主干道上。
此外，通过视频数据对过街行人进行特殊人群识别，如果分析出过街人群中存在行动不便的，会适当增加行人通行绿灯时间，此外在行人过街时，通过语音提示功能对路人进行提醒，一方面能够提醒“低头族”，同时也能够帮助存在视觉障碍的人更安全的通过交叉口。

面向信号灯配时优化场景

在当前车路协同技术快速发展和推广应用的同时，从交通控制层面形成一套与之相适应和匹配的交通控制理论和技术，是目前车路协同技术发展过程中面对的主要问题。目前车路协同技术的发展，为交通控制带来了全时空动态交通信息，提供了更加灵活和精细的控制措施，为整个交通信号控制技术升级提供了可能。

1、融合自动驾驶数据的信号配时优化

从目前自动驾驶车辆的发展进度来看，未来的五到十年之间，道路上会是不同级别自动驾驶车辆与人工驾驶车辆共存的状态。这种情况下，通过自动驾驶车辆自身的轨迹数据结合路侧设备感知的车辆信息，利用交通波理论对整个交叉口车辆的轨迹进行重构，通过重构后的轨迹对整个信号交叉口的状态进行完整刻画，如获取排队长度、控制延误、停车次数等参数、汇入车辆干扰、排队溢出、空放、协调流向错误，通过这些对交叉口运行机理进行分析以及问题诊断。根据诊断出的原因对交叉口进行针对性的方案优化。

2、车路协同成熟状态下的信号优化控制

首先，在车路协同的技术框架体系下，车辆会将自身的速度，位置，以及加速度信息通过V2X方式实时传递给路侧和云控平台，车辆和云端的信息交互使得云端能够发送指令给自动驾驶车辆，控制车辆的轨迹，从而以一种更加精细化的控制策略来对交叉口信号配时方案进行优化设计。
通过自动驾驶车辆和路侧设备，对交叉口各进口到方向的车辆进行识别，通过RSU传送给交通信号机，信号机通过对交叉口各进口道即将到达的车辆进行多维度的分析，生成交通信号配时方案，同时根据生成的交通信号配时方案对自动驾驶车辆的轨迹进行优化，利用动态规划的方法，循环迭代，生成最终的信号配时方案。上述方案适用于车流中自动驾驶车辆渗透率较高的条件下，渗透率越高，信号配时优化方案的效果越好。