2. 中国科协创新战略研究院 北京 100038
2. National Academy of Innovation Strategy, Beijing 100038, China
习近平总书记强调,“要以科技创新引领产业创新,积极培育和发展新质生产力”。当前,汽车产业正处于历史性战略转型的节点[1],智能网联汽车由汽车与人工智能、信息通信、大模型等技术深度融合而催生,是汽车产业新质生产力的重要引擎。新质生产力的发展需要新型基础设施的支撑,在智能网联汽车进入技术快速演进、产业加速布局、规模应用即将开启的战略机遇期,其创新发展亟须新型智慧道路基础设施提供基础条件。交通是社会经济发展的动脉,智慧道路已不仅仅是承载交通工具的基础设施,而应该从更广泛的整体综合服务功能与运行效益去看待[2]。智慧道路基础设施在提升交通安全和交通效率的同时,赋能相关产业技术创新和进步,推动创新要素自由流动和高效配置,为区域经济社会高质量发展构筑坚实可靠的基础和平台。
粤港澳大湾区聚集了高密度的人口与产业,是具有全球影响力的先进制造业基地和现代服务业基地。近年来,粤港澳大湾区积极发挥自身产业优势,坚持单车智能和网联赋能双轮驱动,在智慧道路建设和应用方面发挥了重要的示范引领作用,对于交通强国建设具有重大意义。本文通过系统梳理国外在智慧道路基础设施建设方面的典型实践,总结凝练智慧道路建设路径。着眼建设路径,剖析粤港澳大湾区当前在智慧道路建设方面面临的挑战,并提出相关政策建议,以期为大湾区智慧道路发展提供借鉴,同时为我国其他区域智慧道路基础设施建设及智能网联汽车产业发展提供启示[3]。
1 智慧道路建设和发展的底层逻辑 1.1 产业升级逻辑:应对传统道路交通基建增速迟缓,推动新质生产力发展截至2023年底,广东省公路通车总里程约22.3万公里,其中,高速公路通车总里程连续10年居全国第1位①。随着道路交通体系的逐步完善,公路基建投资的增长空间逐渐减少。2023年,全国公路建设投资下降1.0%,2019—2023年间,全国公路年均投资增长率相较于2014—2018年间下降了3.8个百分点;广东省的投资增长率更是低于全国水平,2020—2023年间,根据每年1—11月的交通固定资产投资完成情况,广东省公路平均年度投资增长率为5.6%,低于全国整体7.0%水平②。面对整体投资增长乏力,急需寻求新发力点的境况,道路交通发展方式亟须由“传统基础设施拉动”转变为“新型基础设施驱动”,以智能网联汽车发展为契机带来的新一轮智慧道路基础设施建设将成为新的投资发力点和增长极。另外,由于安全性与可靠性因素,“单车智能”技术路线发展缓慢,严重制约了自动驾驶技术的进一步发展和产业化应用。智慧道路通过车路协同对自动驾驶车辆在感知、决策和控制等方面赋能,将成为自动驾驶汽车技术发展的新路径和规模化落地的突破口。
① 广东省统计局, 国家统计局广东调查总队. 2023年广东省国民经济和社会发展统计公报. (2024-04-01). https://www.gd.gov.cn/attachment/0/546/546406/4399833.pdf.
② 交通运输部. 固定资产投资完成情况. (2024-01-02). https://www.mot.gov.cn/tongjishuju/gudingzichantouziwcqk/index.html.
1.2 城市治理逻辑:多源动态交通融合感知赋能精细化交通管控,提升交通效率2014—2022年,粤港澳大湾区汽车数量持续增长(图 1和2)。然而,由于城镇化发展较早,以及路网规划未能为未来汽车增长留足余量,使得粤港澳大湾区城市道路基础设施网络难以通过在内部新增道路建设的方式提升密度,用增量的方式解决道路拥挤的问题面临较大的空间制约。广东省9大城市的路网总体密度在2019—2023年间保持基本稳定(图 3),在汽车拥有量持续增长而道路建设空间较小的情况下,总体处于中度拥堵状态③。在全国城市中,广州2023年通勤高峰交通拥堵指数位列全国第3位,较2022年增长16.6%,周末交通拥堵情况位列全国榜首,较2022年排名上涨5位;深圳虽然拥堵状况低于其他超大城市,但在红绿灯通行情况④中位列末3位。以智慧道路基础设施为基础的智慧交通系统建设,能通过路况的实时感知、动态规划、精准反应等方式在既定的道路网络体系约束下实现从单体汽车到整体交通流的智慧化管理,从而有效缓解拥堵状况,提升城市运转效率。
③ 中国城市规划设计研究院. 2024年度中国主要城市道路网密度与运行状态监测报告. (2024-06-11). https://www.caupd.com/think/zixun.html.
④ 百度地图. 2023年中国城市交通报告. (2024-03-29). https://jiaotong.baidu.com/reports/.
![]() |
图 1 2014—2022年广东省私人汽车拥有情况 Figure 1 Private car ownership in Guangdong Province from 2014 to 2022 数据来源:2015—2023年中国交通运输协会发布的《中国交通年鉴》 Data source: China Transportation Association, 2015-2023 "Yearbook of China: Transportation & Communication". |
![]() |
图 2 2014—2023年中国香港、中国澳门已注册汽车总量 Figure 2 Total number of registered cars in Hong Kong and Macau from 2014 to 2023 数据来源:中国香港运输署统计数据. (2023-12-31). https://www.td.gov.hk/sc/transport_in_hong_kong/transport_figures/index. 中国澳门交通事务局统计数据. (2023-12-31). https://www.dsec.gov.mo/zh-MO/Statistic?id=807.Html. Data source: Statistical data from the Hong Kong Transport Department. (2023-12-31). https://www.td.gov.hk/sc/transport_in_hong_kong/transport_figures/index.html. statistical data from Macau Transport Bureau. (2023-12-31). https://www.dsec.gov.mo/zh-MO/Statistic?id=807. |
![]() |
图 3 2019—2023年广东省部分城市路网总体密度 Figure 3 Overall density of road networks in some cities in Guangdong Province from 2019 to 2023 |
私人汽车拥有量的不断增长也为道路交通安全提出了更大的挑战,全国交通事故发生数呈曲线上升态势(图 4)。2018年以前,广东省平均每万辆车交通事故发生数高于全国平均水平,随着近年来智慧道路建设的开展,通过智能平台实现监控预警,驾驶安全水平稳步提升。与此同时,2023年,我国L2级智能网联乘用车市场渗透率达到47.3%,2024年1—5月突破50%,部分功能接近L3级智能驾驶水平⑤,混行交通状态为道路安全提出了新的挑战。从交通管理技术来看,混行流交通控制的模式需要更精细化的全时空数据、更高效的多模式交通专用通信网络、更高性能的路侧边缘计算单元,这都迫切需要智慧道路多维度全方位赋能提升。
⑤ 人民网研究院. 中国智能互联网发展报告(2024). (2024-06-24). http://yjy.people.com.cn/GB/459074/index.html.
![]() |
图 4 2014—2022年全国与广东省交通事故发生情况 Figure 4 Traffic accidents in China and Guangdong Province from 2014 to 2022 数据来源:国家统计局数据. https://data.stats.gov.cn/easyquery.htm?cn=E0103 Data source: the National Bureau of Statistics. https://data.stats.gov.cn/easyquery.htm?cn=E0103 |
近年来,粤港澳大湾区持续完善交通基础设施建设,拥有世界上最大的海港群、空港群以及较发达的高速公路交通网络,“1小时交通圈”加速形成,已初步具备发展成为世界级湾区的交通基础条件。与此同时,粤港澳大湾区内部区域发展不够均衡,珠江两岸“东强西弱”、南北发展“南强北弱”的状况尚未得到根本改善。2023年,香港、澳门的人均GDP分别为35.0万元和49.2万元⑥,深圳为19.5万元,珠海、广州分别为17.0万元、16.2万元,而中山、江门、肇庆则不足9万元⑦,低于全国平均水平,内部经济发展水平差距较大,导致对粤港澳大湾区北部带动效应不足。交通基础设施互联互通是促进区域内部要素自由流动和功能优化重构的一个关键因素。智慧道路通过优化交通网络、促进资源共享、提升公共服务等,能够推动城市群和都市圈的交通一体化,提升粤港澳大湾区内部各区域之间,以及粤港澳大湾区与外部的要素流通效率,推动产业联动,促进各领域协调发展[4]。
⑥ 香港特别行政区政府统计数据. (2024-08-16). https://www.censtatd.gov.hk/sc/web_table.html?id=310-31001; 澳门特别行政区政府统计数据. (2024-04-03). https://www.dsec.gov.mo/zh-MO/Statistic?id=901.
⑦ 深圳市统计局, 国家统计局深圳调查队. 深圳市2023年国民经济和社会发展统计公报. (2024-04-28). https://www.sz.gov.cn/cn/xxgk/zfxxgj/tjsj/tjgb/content/post_11264250.html.
珠海市统计局,国家统计局珠海调查队. 珠海市2023年国民经济和社会发展统计公报. (2024-04-28). https://www.zhuhai.gov.cn/attachment/0/373/373714/3659087.pdf.
广州市统计局、国家统计局广州调查队. 广州市2023年国民经济和社会发展统计公报.(2024-03-30). http://tjj.gz.gov.cn/stats_newtjyw/tjsj/tjgb/qstjgb/content/mpost_9567759.html.
中山市统计局,国家统计局中山调查队. 中山市2023年国民经济和社会发展统计公报. (2024-04-30). http://stats.zs.gov.cn/jgjs/gab/zwdt/content/post_2400117.html.
江门市统计局,国家统计局江门调查队. 江门市2023年国民经济和社会发展统计公报. (2024-04-16). http://www.jiangmen.gov.cn/home/bmdt/content/post_3072614.html.
肇庆市统计局,国家统计局肇庆调查队. 肇庆市2023年国民经济和社会发展统计公报.(2024-04-30). http://www.zhaoqing.gov.cn/zqtjj/gkmlpt/content/2/2981/post_2981139.html.
21世纪以来,欧盟、美国、日本等发达国家高度重视车路协同自动驾驶技术创新,引领智慧道路新发展,开展了INFRAMIX、CARMA、SmartWay等一系列建设实践项目(表 1)。
![]() |
(1)根据车路协同需求适度超前布局智慧道路基础设施。车联网发展至今,根据技术发展状况,可分为车辆联网(1996—2015年)、智能网联(2015—2025年)和智慧出行(2025—2035年)3个阶段。从图 5可以看出,各国都在根据当前车联网发展阶段对道路基础设施的需求,适度超前布局。具体而言,为应对车辆联网阶段的通信需求,通过单一感知传感器和无线通信广播设施,实现实时交通信息传输;为适应智能网联阶段需求,通过融合感知设备、计算设备、V2X⑧通信能力、高精地图,实现车路协同感知和部分协同决策;面向智慧出行阶段的无人驾驶场景,全区域安装车路云一体化基础设施,进一步提升算力、降低通信时延,通过可靠的感知与计算,实现车路协同决策和控制。其中,具有较强代表性的是2013年正式启动的荷德奥C-ITS走廊项目,旨在通过先进的车联网技术,提高道路安全、交通效率,并推动自动驾驶技术的发展。该项目不仅展示了如何通过技术创新实现跨境交通管理和服务的协同,也推动了智能交通系统在全球范围内的发展和应用。
⑧ V2X,意为vehicle to everything,指车对外界的信息交换。
![]() |
图 5 智慧道路基础设施发展历程 Figure 5 Development history of smart road infrastructure |
(2)政府主导,企业深度参与基础设施建设。基础设施是公共先行资本[9],因此,在智慧道路基础设施建设早期也遵循公共产品提供的通行模式,即主要依赖于政府发起并主导建设。政府根据区域发展需求和交通网络布局,开展智慧道路建设规划。随着围绕智慧道路的商业体系不断完善,企业在其中的作用愈发突出,政企合作的模式在欧洲、美国和日本呈现出多样性。欧洲最初的智慧道路建设主要依靠欧盟层面的推动和资助,注重欧洲整体的信息共享和标准统一,随着应用场景的不断落地,相关企业主动发起INFRAMIX项目,开展人类驾驶与自动驾驶混合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。日本从建设伊始就高度注重企业的参与,政府和企业紧密合作,促进交通基础设施、交通运输、智能网联汽车的发展。美国主要依靠政府主导,这与其技术和场景的超前布局需要较大资源投入相关。总体上看,在建设主体方面各国的智慧道路基础设施建设均呈现出政府主导、企业深度参与的发展趋势。
(3)以科技创新引领智慧道路相关产业及区域发展。智慧道路的建设具备大型系统集成工程特点,全方面技术进步毫无疑问是其中的主要推动力。从各国的建设实践来看,技术突破是智慧道路建设的前提,场景建设是设施应用的基础。美国CARMA项目经历了3个阶段:第1个阶段聚焦于实现概念验证,第2个阶段转向机器人操作系统(ROS)架构,第3个阶段发展到自动驾驶(速度和转向控制)。从第1代实现概念验证到目前的第3代具备支持SAE L2级自动驾驶的能力,CARMA平台形成了从仿真评估到产品研发再到场景应用的技术链条,不仅促进了车辆与基础设施之间的通信和协作,还为研究人员和开发者提供了丰富的资源和工具,加速了自动驾驶技术的发展和应用。在一系列技术突破的共同推动下,美国正在加速实现自动驾驶的商业化落地,自动驾驶出租车服务、无人驾驶货物运输服务、无人车送餐服务等规模逐步扩大,持续赋能相关产业发展。
(4)积极推动跨区域信息共享和标准互联互通。早在基础车载信息服务阶段,欧洲就通过EasyWay项目,实现了信息基础设施在欧洲公路的全覆盖,建设欧洲统一标准的车路合作系统,并将欧洲道路网络分为8个片区,在区域化管理的基础上进行信息的共享和协同发布。日本Smartway基于前期建立的各项智能交通系统,建立了完善的统一交通管控平台,实现信息共享和管控引导。随着智慧出行的拐点即将到来,各国进一步提升对于信息共享和标准衔接的重视程度,美国通过云平台的建设提高信息传输和处理效率,欧盟出台《互联、合作和自动移动路线图》(CCAM平台),推动欧洲内部智能交通的协同发展。
综上所述,智慧道路的创新发展是一个复杂系统工程,需要技术、制度、产业和区域4个层面共同推动,需要构建政府、企业、市场多元协同的参与体系(图 6)。在制度系统中,政府端在产业升级、城市治理、社会服务和区域发展逻辑的共同驱动下,通过道路规划、标准制定和保障提供等一系列举措主导智慧道路建设和发展。在技术系统中,企业端作为具体建设实施方和运营服务主体,通过技术创新和产品集成应用深度参与其中。在产业系统中,市场端通过创新应用场景来进一步服务政府的交通治理、企业自动驾驶技术的成熟和规模化应用等。此外,道路的区域连接属性,使得区域协同对于智慧道路的发展具有重要作用,通过区域之间的路网衔接、标准互认、数据共享等,能够进一步提升智慧道路的服务效能,推动车路协同从协同感知向更高阶的协同决策和协同控制发展。
![]() |
图 6 智慧道路的创新发展路径 Figure 6 Innovative development path of smart road |
依托智能网联汽车与智慧交通应用示范区等一系列示范项目,粤港澳大湾区分阶段分领域地逐步推动智慧道路基础设施发展,布局和建设已经初具规模,且达到了一定的智能化水平。然而,由于智慧道路处于从车路协同感知向协同决策和控制演进的关键时期,粤港澳大湾区在智慧道路的创新发展中仍存在一些现实挑战。
3.1 制度挑战:智慧道路统筹有待提升,建设标准不一致影响区域互联互通道路基础设施建设的“硬联通”需要规则机制对接的“软联通”支撑。在智慧道路布局方面,由于区域发展水平差异,粤港澳大湾区的智慧道路发展不均衡问题将在一段时期内持续存在,对智慧交通基础设施的规模化应用,营造交通领域共建、共治、共管生态提出较大挑战。在产业方面,当前交通侧与汽车侧的规划协同不足,交通层面对智慧道路基础设施向智能网联汽车赋能考虑不足,而汽车层面仅从车路协同的角度规划了部分智慧道路的建设。此外,随着智慧道路的不断发展,其与铁路、水路、航空等其他智慧交通基础设施的链接也需要统筹考虑。
3.2 技术挑战:城市道路路况复杂,为相关技术提出更大挑战理论上,当智能网联汽车在交通流中达到一定渗透率,且服从全局最优的交通管控方案时,交通效率将得以提升。然而,现实中,智能网联汽车的引入,一方面可能会导致人们对路径、出行方式等选择发生变化,从而影响交通流;另一方面,由于现阶段的技术局限,反而可能降低交通效率。
当前对智能网联汽车影响交通的研究大多集中在单个路口、路段或小片区域,缺乏智能网联汽车对城市级交通影响的探究。随着相关技术的不断成熟,大多数用户的辅助驾驶应用场景将发生在城市。城市路网庞大、路况复杂,据统计,城市NGP(高速自主导航驾驶)的代码量是高速NGP的6倍,感知模型数量是高速NGP的4倍,预测/规划/控制相关代码量则提升至88倍⑨,对智慧道路基础设施的感知能力和决策能力提出更高要求。
⑨ 小鹏汽车. 持续引领量产落地建立技术竞争优势.(2022-10-25)[2024-04-05].https://www.xiaopeng.com/news/company_news/4537.html?reserve_source=168801.
3.3 模式挑战:盈利模式仍不清晰,难以形成商业闭环智慧道路的升级改造成本高昂,路侧智能设备的维护和更新、软件与系统的运营与维护进一步拉高了成本。目前,各地的智慧道路建设资金主要来自财政拨款,而若依赖此种方式事实上难以支撑智慧道路的大范围建设和可持续发展,亦会造成基础设施建设滞后于智能网联汽车发展的局面。尽管粤港澳区域内正在开展商业模式探索,但由于车—路通信时延较高、可使用增值服务的智能网联汽车尚未大规模上路等问题,相关盈利模式暂不能产生规模化收益,使得难以形成以商业化方式推进智慧道路建设的模式。
3.4 协同挑战:城市间、部门间难以实现协同,制约一体化发展效能2021年2月,交通运输部、工业和信息化部及国家标准化管理委员会联合印发《国家车联网产业标准体系建设指南(智能交通相关)》,但由于相关标准绝大部分都处于预研和立项的阶段,统一标准尚未形成。城市之间基础设施建设标准不一致、智慧道路解决方案供应商和设备供应商之间行业标准不一致的局面尚未得到根本转变。基础设施互联互通是要素高效流动、区域协调发展、资源配置优化的必要手段[10]。智慧道路基础设施架构、接口不一,将导致粤港澳大湾区范围内的互联互通难以实现,城市级或跨城级的车辆通行服务和交通管控难以实现。
数据是信息化时代的关键生产要素。理论上来说,区域之间通过交通数据的共享,能够实现交通协同治理。然而,相较于智慧道路建设层面的衔接,数据要素的自由流动存在较多问题。由于数据标准、城市安全、市民隐私等问题,部门间、平台间的数据共享一直难以全面实现。再加上广东和香港、澳门之间的制度差异及考虑数据传输的安全问题,将使数据传输壁垒在较长时间内持续存在,制约智慧道路相关数据的跨区域协作机制的形成。
4 关于粤港澳大湾区智慧道路创新发展的建议 4.1 需求驱动,推动粤港澳大湾区智慧道路互联互通①加强统筹粤港澳大湾区各城市之间的智慧道路规划。尽快在粤港澳大湾区内部形成关于智慧道路基础设施服务跨区域协同发展的共识,推动产业合作和技术交流,实现合理布局、区域互联互通,引导智慧道路基础设施有序规模化、健康可持续发展。②加强统筹智慧道路规划与汽车产业发展规划。深入挖掘无人驾驶技术对智慧道路的需求,在此基础上结合粤港澳大湾区整体规划,根据城市发展水平适度超前部署智慧道路基础设施。③加强统筹智慧道路规划与其他交通基础设施规划。强化智慧道路与机场、港口等重要节点的互联互通,打造优势互补、协同互通、良性互动的世界级智慧交通枢纽。
4.2 创新引领,推动粤港澳大湾区车路智能化协同发展①开展关键核心技术攻关。基于汽车智能化发展对道路基础设施的新要求,围绕车路协同技术、混合交通流管控技术开展攻关。聚焦车路协同决策与控制,重点研发基于人工智能和机器学习的车辆跟驰行为决策、车辆换道行为决策及多车协同决策技术,以及车辆运动控制、车辆轨迹控制、多车协同控制技术等[11, 12]。混合交通流管控方面,已有部分研究通过控制自动驾驶汽车的渗透率、行车间距等,实现人工驾驶与自动驾驶混合交通流的优化,应结合实际数据,通过仿真推演、实地试点等方式开展理论验证[13-15]。②构建协同技术创新体系。粤港澳大湾区作为南方地区对外开放的门户,具有显著的创新网络优势,可进一步利用国内国际资源加快技术发展进程。联合国内外知名高校、科研院所等,打造技术协同攻关平台,引进海外高层次人才和团队,聚焦关键技术难题开展多主体联合研究项目,深化产学研用深度融合。③积极推动国内外道路测试结果互认。吸引国外企业到华开展自动驾驶测试,推动我国与国际智慧道路建设需求和标准接轨。
4.3 示范带动,探索形成可持续发展商业模式①逐步引入政府主导、企业参与的多元投入模式。在智慧道路尚未形成成熟的盈利模式之前,保障政府和国有企业的持续投入。逐步放开市场准入,鼓励民营企业参与智慧道路建设项目。创新融资模式,通过发行专项债券等形式为项目提供资金支持,同时,为企业投资提供税收优惠、财政补贴等丰富的支持性政策,激发企业参与的积极性。②示范项目为基础,逐步推进智慧道路商业化落地。一方面,优先规模化推广条件成熟的应用场景,如智慧公交、智慧红绿灯等,并逐渐推广重点车辆监管、智慧交管等交通安全应用;另一方面,充分发挥重点区域先行先试的带头作用,推动车路协同与精细化交通管控等前瞻、高智能化智慧交通示范项目落地。③构建道路、通信、平台等运营主体多元参与的运营生态。打造出行服务领域的新质运营商,创新探索商业模式,形成长效发展路径。④促进汽车智能化和道路智慧化协同发展。鼓励车企深度挖掘用户需求,提升车辆智能化网联化渗透率,进而提升路侧智慧道路基础设施的利用率。
4.4 要素流通,推动大湾区智慧道路一体化发展①建立大湾区智慧道路协同发展机制。将智慧道路基础设施建设作为大湾区经济社会协同发展的重要抓手,建立跨部门、跨城市的合作机制。同时,发挥广州、深圳的示范带动效应,推动其持续深化与周边城市在智慧道路发展方面的协同合作。②探索在粤港澳大湾区构建统一的建设标准。加强不同部门、不同区域之间的标准协同,畅通团标、行标的采纳通道,加快建设包括智慧道路建设标准、数据标准、评价标准在内的标准体系。以智慧道路基础设施示范工程专项规划为牵引,强化标准在协同创新中的赋能作用,为交通、汽车行业利益相关者提供共识框架,进一步明晰智慧道路产业化路径和方向。③促进创新要素自由流通。以基础设施采集和数据生成为起点,打通数据壁垒,构建跨区域、跨部门的泛在数据底座,形成车路协同共享数据集、异常事件数据集等成果应用,充分发挥数据底座对智能网联汽车运行、交通管控、能源管理、城市治理等的支撑作用,释放数据的要素价值。
[1] |
万钢. 拥抱汽车产业百年未遇的大变革. 汽车纵横, 2020, (11): 22-23. Wan G. How to embrace the unprecedented changes in the global automotive industry in a century. Auto Review, 2020, (11): 22-23. (in Chinese) |
[2] |
汪光焘, 李芬, 刘翔. 城市科学研究的新机遇. 中国科学院院刊, 2023, 38(7): 978-990. Wang G T, Li F, Liu X. New opportunities for urban science research. Bulletin of Chinese Academy of Sciences, 2023, 38(7): 978-990. (in Chinese) |
[3] |
耿彦斌, 刘长俭, 孙相军. 新发展阶段加快建设交通强国的宏观特征与优化路径. 科技导报, 2022, 40(14): 31-40. Geng Y B, Liu C J, Sun X J. Macro characteristics and optimization path of accelerating to build transportation power in China in the new development stage. Science & Technology Review, 2022, 40(14): 31-40. (in Chinese) |
[4] |
陈晓佳, 徐玮. 数据要素、交通基础设施与产业结构升级——基于量化空间一般均衡模型分析. 管理世界, 2024, 40(4): 78-98. Chen X J, Xu W. Data factor, transportation infrastructure and industrial structure upgrade: An analysis based on quantitative spatial general equilibrium model. Journal of Management World, 2024, 40(4): 78-98. (in Chinese) |
[5] |
杨晓光, 胡仕星月, 张梦雅. 智能高速公路交通应用技术发展综述. 中国公路学报, 2023, 36(10): 142-164. Yang X G, Hu S X Y, Zhang M Y. Development of intelligent motorway traffic application technologies: A review. China Journal of Highway and Transport, 2023, 36(10): 142-164. (in Chinese) |
[6] |
文龙, 刘思铨, 呙润华, 等. 面向智慧驾驶的道路基础设施功能设计. 同济大学学报(自然科学版), 2023, 51(8): 1143-1156. Wen L, Liu S Q, Guo R H, et al. Functional design of road infrastructure for intelligent driving. Journal of Tongji University (Natural Science), 2023, 51(8): 1143-1156. (in Chinese) |
[7] |
陈志军, 张晶明, 熊盛光, 等. 智能网联车辆生态驾驶研究现状及展望. 交通信息与安全, 2022, 40(4): 13-25. Chen Z J, Zhang J M, Xiong S G, et al. A review on research status and trends of eco-driving on intelligent connected vehicles. Journal of Transport Information and Safety, 2022, 40(4): 13-25. (in Chinese) |
[8] |
张亚勤, 李震宇, 尚国斌, 等. 面向自动驾驶的车路云一体化框架. 汽车安全与节能学报, 2023, 14(3): 249-273. Zhang Y Q, Li Z Y, Shang G B, et al. A unified framework for vehicle-infrastructure-cloud autonomous driving. Journal of Automotive Safety and Energy, 2023, 14(3): 249-273. (in Chinese) |
[9] |
潘教峰, 万劲波. 构建现代化强国的十大新型基础设施. 中国科学院院刊, 2020, 35(5): 545-554. Pan J F, Wan J B. Building ten types of new infrastructure system for a great modern power. Bulletin of Chinese Academy of Sciences, 2020, 35(5): 545-554. (in Chinese) |
[10] |
陈朋亲, 毛艳华. 粤港澳大湾区基础设施互联互通的底层逻辑与推进策略. 港澳研究, 2023, (1): 80-92. Chen P Q, Mao Y H. Infrastructure connectivity in Guangdong-Hong Kong-Macao Greater Bay Area: Underlying logic and advancement strategies. Hong Kong and Macao Journal, 2023, (1): 80-92. (in Chinese) |
[11] |
张毅, 裴华鑫, 姚丹亚. 车路协同环境下车辆群体协同决策研究综述. 交通运输工程学报, 2022, 22(3): 1-18. Zhang Y, Pei H X, Yao D Y. Research review on cooperative decision-making for vehicle swarms in vehicle-infrastructure cooperative environment. Journal of Traffic and Transportation Engineering, 2022, 22(3): 1-18. (in Chinese) |
[12] |
林泓熠, 刘洋, 李深, 等. 车路协同系统关键技术研究进展. 华南理工大学学报(自然科学版), 2023, 51(10): 46-67. Lin H Y, Liu Y, Li S, et al. Research progress on key technologies in the cooperative vehicle infrastructure system. Journal of South China University of Technology (Natural Science Edition), 2023, 51(10): 46-67. (in Chinese) |
[13] |
张建旭, 胡帅, 金宏意. 人机混驾交通流事故预警换道决策及特性分析. 公路交通科技, 2023, 40(11): 212-221. Zhang J X, Hu S, Jin H Y. Lane-changing decision and characteristic analysis on accident warning of mixed traffic flow with human-driving and autonomous vehicle. Journal of Highway and Transportation Research and Development, 2023, 40(11): 212-221. (in Chinese) |
[14] |
史云阳, 朱世超, 徐长靖, 等. SC-V2XSim: 车路协同环境下的高速公路混合交通流联合仿真方法. 武汉大学学报(信息科学版), 2024, 49(4): 595-608. Shi Y Y, Zhu S C, Xu C J, et al. SC-V2XSim: A cosimulation method for highway mixed traffic flow considering V2X. Geomatics and Information Science of Wuhan University, 2024, 49(4): 595-608. (in Chinese) |
[15] |
左志强, 刘正璇, 王一晶. 基于车路云一体化的混合交通系统优化控制综述. 控制与决策, 2023, 38(3): 577-594. Zuo Z Q, Liu Z X, Wang Y J. A survey of optimal control for mixed traffic system with vehicle-roadcloud integration. Control and Decision, 2023, 38(3): 577-594. (in Chinese) |