车辆-道路协调对智能交通的支持作用正在显现，自动驾驶领域迎来了新的突破。自动驾驶在车辆和道路的推动下，突破了混合交通场景，在应对暴雨、夜间和其他极端情况中发挥了重要作用。

交通信息化专家、中国交通通信信息中心副主任林荣说："看到以汽车与道路协调为核心的自动驾驶仪成功着陆，感到非常高兴。整个方案充分整合了车路协调、车车协调和自行车智能，充分发挥了平台系统的技术和服务优势，达到了国内领先水平，代表了智能交通和未来旅游的发展方向。

加快智能交通车辆和道路的协调是新的基础设施的重要支持。

车辆-道路协调是新的基础设施与传统交通基础设施一体化和发展的一个重要领域，近年来，在"双一新"建设战略和"交通动力"的战略决策下，汽车道路迎来了历史性的发展机遇。

2019年9月，中共中央、国务院发布了"交通动力建设纲要"，明确提出要大力发展智能交通，促进大数据、互联网、人工智能、区块链、超级计算等新技术与交通运输业的深层次融合，加强智能网络车辆(智能车辆、自动驾驶仪、汽车-道路协调)的研究与开发，形成一个独立、可控、完整的产业链。在2020年，新的基础设施是通过按下加速键的数字过程，5G、C-V2X、AI等新一代技术突飞猛进，智能交通即将进入关键着陆之年，汽车与道路的协调是一个重要的支撑。

2019年10月，蘑菇汽车联合会在北京市顺义区北郊营镇登陆了第一条商用车公路，率先实现了5G+C-V2X的无缝连接和汽车道路的高效协调，开启了智能道路建设的新篇章。在此基础上，蘑菇汽车联合会今年推动了自动驾驶仪在车辆-道路协调系统中的应用。这一创新探索使汽车-道路协调更好地使智能交通又迈出了关键一步。

两机三车合作，提供可靠的安全保障

目前，自动驾驶仪在世界上有两个主流方向，一个是自行车智能，另一个是车辆和道路。从新的基础设施到交通能力，从5G，C-V2X到北斗卫星定位，到国家政策，再到技术，中国有一个强大的车辆-道路协调基础。汽车-道路协调系统中自动驾驶仪的发展也被称为"中国路径"。

基于蘑菇操作系统和人工智能云平台的两个引擎，蘑菇对联的汽车道路协调系统将汽车-道路协调、汽车-汽车协调和自行车智能结合在一起，形成了三个系统：智能感知系统、汽车道路协调系统和人工智能云系统。其中，智能感知系统将芯片、传感器、北斗+GPS高精度定位等新一代技术结合起来，使汽车和道路的两端具有跟踪目标、捕获风险和预测意图的能力。车载道路协同系统通过5G+C-V2X将汽车与道路连接起来，汽车与汽车之间通过5G+C-V2X连接，两端的感知数据相互交互，极大地提高了自行车智能水平。人工智能云相当于大脑，分析和配合所有交通要素、全球调度和提供驱动策略。

因此，当自动驾驶仪集成到车辆-道路协调系统中时，它可以为车辆驾驶提供可靠的安全保障，特别是在复杂的混合交通、雨天、黑暗天气和其他特殊情况下。

畅通无阻地挑战极限

在暴雨中，视线将被雨水冲走，自行车智能依靠相机、激光雷达和其他传感器将大大降低精度，相当于全盲驾驶。此时你还能不受阻碍地驾驶自己吗？

7月，蘑菇车联在北京顺义北小营5G路段运行车路协同系统，期间遭遇多场特大暴雨。这段车路长7.2公里，混杂着大货车，小轿车，临时路障，非机动车和行人，是典型的混合交通场景。其中一个为二级橙色预警级别，降雨量较强，达148.8毫米，低洼地带积水达30厘米，部分路段车道被植被覆盖。 为了体现极端天气下车路对自动驾驶的协同引导，行驶中的车辆在安全员的监督下关闭雨刷，保持自动驾驶。在自行车视线接近全盲，天气路况极其恶劣的情况下，行驶车辆完成无保护左转弯，严重水流，逆向绕行避障，复杂场景意志车等高难度自动驾驶仍安全平稳

车路协同引导自动驾驶在严重积水中通行

暴雨对自动驾驶仪最大的挑战是自行车感知系统几乎无法正常工作，90%以上的时间内无法采集到数据，激光雷达会产生异常折射，无法准确判断物体的形状、位置和纹理，无法提供可靠的感知数据。基于车辆-道路协作的技术路径为自行车提供了360度冗余感知能力。

智能道路旁装置为自动驾驶车辆提供了一个完全独立的数据冗余传感系统。首先，一些大尺寸的摄像机被部署在路边，它们有不同的焦距，曝光时间最短是0。1毫秒，图像的零失真确保在不同的焦点段，如广角到长焦点，可以获得清晰的图像。由于道路侧摄像头设置位置高，遮挡保护装置布置，视角俯视，暴雨对路边摄像头的识别干扰几乎为零，不仅能看到更多，而且能看到更远、更清晰。通过汽车和道路之间的合作，道路旁设备识别的交通要素数据，如车道线、障碍物、行人等，被发送到汽车的尽头，就像完全失明的人可以再次看到这六条道路并从各个方向聆听它们一样。

其次，智能感知系统中的高精度定位对保证车辆的平稳行驶起着重要作用。蘑菇汽车联合会的高精度定位模块支持北斗卫星导航和GPS全球定位系统，通过实时动态差分技术，在全天候环境下定位精度小于10厘米。

第三，知觉能力的提高还包括加强道路末端信号。由于光线、角度、雨雪遮挡等条件的限制，很难保证传感器的准确性来识别信号灯的状态。通过与道路设备端部建立通信，可以直接获得信号灯的电流状态和相位周期。蘑菇星上操作系统支持4G、5G和C-V2X通信信道，保证了数据传输的成功率达到99。99%

从数量、范围到精度，360度感知系统正在增强自动驾驶仪的鲁棒性。

由于道路设备的感知数据、路边信号数据和全球交通信息的融合，该系统正面临着海量数据处理的压力。在车辆和道路的协同作用下，以毫秒为单位的多源异构数据规模是自行车智能数据的数万倍，仅从安全性和效率的角度就有数百个参数维数。目前，边缘云上蘑菇车联的平均日数据处理能力已达到100 TB/L，该方案可以融合1的数据。两百万传感器。

除了庞大的规模外，数据的复杂性也大大增加。受传感器工作原理的限制，现有的深度学习算法的精度受到限制。因此，系统还需要结合概率融合模型和粒子滤波算法来解决冗余数据的冲突和精度问题，并将数据融合的误码率降低到0以下。1%通过毫秒处理效率。此外，结合局部路线图和驾驶场景的深度学习模型，动态目标跟踪预测的准确率可达97%以上。

这种解决办法在夜间同样有效。对各交通要素的速度和轨迹趋势、综合决策和全局调度进行智能分析的结果，是对各交通要素的速度和轨迹趋势进行智能分析、综合决策和全局调度的结果，是对各交通要素的速度和轨迹趋势进行智能分析、混合路段无照明狭窄通过、甚至是具有较高预测意图的交替左转的结果。

基于车辆与道路的协作，360度盲点感知，每秒数以百万计的全数据计算，97%以上的预测精度，这是"风雨无阻"背后的保证。

除了保证系统化外，人工智能云的深度学习能力也是关键，需要不断积累、优化和提高。通过转弯、加减速曲线等数据，蘑菇AI云可以训练出符合中国道路特点的驾驶行为习惯，使自动驾驶仪和手动驾驶特性保持一致。全国各地的道路覆盖和场景积累也为深入学习提供了更多的长尾样本。

交通运输部于2019年5月12日提出，加快智能感知、5G通信、高精度定位和边缘计算在公路工程和道路网络管理中的应用，依靠公路复杂交通环境的测试和测试，促进车辆-道路协同技术和智能公路建设的发展。7月，交通部发布了"数字交通发展规划纲要"，建议推动自动驾驶仪与车辆和道路协同技术的研究和开发。2020年8月6日，交通部发布了"关于推进交通运输领域新基础设施建设的指导意见"，再次提出要推进交通道路协调等设施建设，以丰富车路协调的应用领域。车辆道路自动驾驶仪的协同引导，见证了智能交通发展的新步伐。