鮑敘言，余冰雁，王晶

（中國(guó)信息通信研究院技術(shù)與標(biāo)準(zhǔn)所，北京 100191）

0 引言

2018年12月，工業(yè)和信息化部印發(fā)了《車聯(lián)網(wǎng)（智能網(wǎng)聯(lián)汽車）產(chǎn)業(yè)發(fā)展行動(dòng)計(jì)劃》，計(jì)劃明確以網(wǎng)絡(luò)通信技術(shù)、電子信息技術(shù)和汽車制造技術(shù)融合發(fā)展為主線，充分發(fā)揮我國(guó)網(wǎng)絡(luò)通信產(chǎn)業(yè)的技術(shù)優(yōu)勢(shì)、電子信息產(chǎn)業(yè)的市場(chǎng)優(yōu)勢(shì)和汽車產(chǎn)業(yè)的規(guī)模優(yōu)勢(shì)，形成深度融合、創(chuàng)新活躍、安全可信、競(jìng)爭(zhēng)力強(qiáng)的車聯(lián)網(wǎng)產(chǎn)業(yè)新生態(tài)[1]。從國(guó)家對(duì)車聯(lián)網(wǎng)產(chǎn)業(yè)的頂層設(shè)計(jì)層面看，車路協(xié)同已成為我國(guó)實(shí)現(xiàn)高等級(jí)自動(dòng)駕駛、支撐構(gòu)建智慧交通的技術(shù)主線，是實(shí)現(xiàn)“彎道超車”、彌補(bǔ)在單車自動(dòng)駕駛領(lǐng)域與歐美等國(guó)技術(shù)差距的核心舉措。從技術(shù)和產(chǎn)業(yè)的發(fā)展來(lái)看，智能化網(wǎng)聯(lián)化技術(shù)融合的發(fā)展路線，正在得到更多國(guó)家和地區(qū)的認(rèn)可，多個(gè)國(guó)家和地區(qū)正在結(jié)合C-V2X網(wǎng)聯(lián)通信技術(shù)，通過(guò)搭建智能化、協(xié)同化的路側(cè)基礎(chǔ)設(shè)施規(guī)劃自動(dòng)駕駛，乃至智慧交通的發(fā)展路線圖。

1 車聯(lián)網(wǎng)路側(cè)感知系統(tǒng)技術(shù)發(fā)展現(xiàn)狀

當(dāng)前，車聯(lián)網(wǎng)路側(cè)基礎(chǔ)設(shè)施的建設(shè)主要以構(gòu)建路側(cè)感知系統(tǒng)為主，即利用攝像頭、毫米波雷達(dá)、激光雷達(dá)等傳感器，依托路側(cè)邊緣計(jì)算形成結(jié)構(gòu)化的感知數(shù)據(jù)，并通過(guò)路側(cè)單元（RSU）、5G網(wǎng)絡(luò)等通信媒介，實(shí)現(xiàn)對(duì)交通參與者、路況等信息的實(shí)時(shí)共享播報(bào)[2]，一方面能夠?yàn)樽詣?dòng)駕駛車輛提供超視距感知、盲區(qū)預(yù)警、駕駛意圖等感知信息，彌補(bǔ)單車感知局限，一方面能夠?qū)崿F(xiàn)交通環(huán)境數(shù)據(jù)的全量匯聚，支撐構(gòu)建精細(xì)化、實(shí)時(shí)性的交通監(jiān)測(cè)系統(tǒng)。近年來(lái)，歐美日等從政府、科研機(jī)構(gòu)、企業(yè)等各層面均開(kāi)展了面向路側(cè)感知系統(tǒng)的研究、建設(shè)及部署工作，國(guó)內(nèi)主要依托四大國(guó)家級(jí)車聯(lián)網(wǎng)先導(dǎo)區(qū)，先試先行通過(guò)部署規(guī)?；穆穫?cè)基礎(chǔ)設(shè)施，支撐車路協(xié)同應(yīng)用示范驗(yàn)證。

（1）路側(cè)感知系統(tǒng)主流技術(shù)路線

車路云一體化的架構(gòu)已在業(yè)界形成共識(shí)，路側(cè)感知系統(tǒng)在車路協(xié)同技術(shù)體系中具有承上啟下的關(guān)鍵作用。區(qū)分路側(cè)感知系統(tǒng)技術(shù)路線選擇的核心要素是傳感器組和融合算法的選擇。從傳感器組的選擇層面，目前主流的配置組合包括純攝像頭、攝像頭與毫米波雷達(dá)融合、攝像頭與激光雷達(dá)、毫米波雷達(dá)全融合三種形式[3]，從采集信息的種類、工作場(chǎng)景、定位精度、成本等角度看，不同配置各具優(yōu)劣勢(shì)，純攝像頭能夠獲得豐富的紋理信息和語(yǔ)義信息，對(duì)識(shí)別車道線和交通標(biāo)志有明顯優(yōu)勢(shì)，但受環(huán)境光影響較大；攝像頭與毫米波雷達(dá)融合的方案相對(duì)成熟且性價(jià)比較高，能夠滿足傳統(tǒng)交通事件及交通流檢測(cè)的需求，具有精準(zhǔn)捕獲目標(biāo)速度、全天候、長(zhǎng)距離探測(cè)等優(yōu)勢(shì)，但難以滿足環(huán)境精細(xì)化感知的需求，也存在有效回波的不確定引入的誤檢漏檢、定位精度難以達(dá)到厘米級(jí)等問(wèn)題。相比而言，全融合的配置方案能夠充分發(fā)揮三類傳感器的優(yōu)勢(shì)，提高環(huán)境精細(xì)化感知水平，但也伴隨著高額的部署建設(shè)成本。

從融合算法的種類看，當(dāng)前主流的路側(cè)感知算法以融合實(shí)施階段可分為原始數(shù)據(jù)融合、特征級(jí)融合以及目標(biāo)級(jí)融合三種主要類別[4]，業(yè)內(nèi)目前最普遍、適用范圍最廣的是目標(biāo)級(jí)融合，各傳感器回傳的原始數(shù)據(jù)獨(dú)立處理，生成結(jié)構(gòu)化數(shù)據(jù)后進(jìn)行融合，該方案實(shí)現(xiàn)難度低、易于敏捷部署，缺點(diǎn)是原始數(shù)據(jù)的精度會(huì)在獨(dú)立處理的環(huán)節(jié)丟失精度，導(dǎo)致融合感知精度有一定程度降低。另有部分廠家選擇特征級(jí)融合的技術(shù)路線，對(duì)來(lái)自不同傳感器的原始信息進(jìn)行特征提取，然后對(duì)特征信息進(jìn)行綜合分析和處理，一般采用激光雷達(dá)與攝像頭融合，在降低實(shí)現(xiàn)難度的同時(shí)，能夠進(jìn)一步豐富語(yǔ)義信息，一定程度保證融合感知精度。

（2）路側(cè)感知系統(tǒng)建設(shè)部署現(xiàn)狀

從國(guó)外的路側(cè)系統(tǒng)建設(shè)部署情況看，美國(guó)的底特律安娜堡網(wǎng)聯(lián)式自動(dòng)駕駛項(xiàng)目[5]，在美國(guó)主推單車自動(dòng)駕駛的背景下，首次提出CAV走廊基礎(chǔ)設(shè)施技術(shù)堆棧，跨域點(diǎn)式解決方案，以物理基礎(chǔ)設(shè)施、數(shù)字基礎(chǔ)設(shè)施、協(xié)調(diào)性基礎(chǔ)設(shè)施和運(yùn)營(yíng)基礎(chǔ)設(shè)施構(gòu)成CAV走廊的技術(shù)解決方案，通過(guò)構(gòu)建路側(cè)感知系統(tǒng)賦能車端感知瓶頸，加速車路協(xié)同進(jìn)程。歐洲于2019年3月，ERTRAC更新發(fā)布了“Connected Automated Driving Roadmap”[6]，此版本納入了網(wǎng)聯(lián)化及道路基礎(chǔ)設(shè)施相關(guān)內(nèi)容，通過(guò)構(gòu)建路側(cè)的感知計(jì)算一體化系統(tǒng)，提升網(wǎng)聯(lián)自動(dòng)駕駛在ERTRAC交通系統(tǒng)長(zhǎng)期愿景中的作用?？傮w來(lái)說(shuō)，歐美日等國(guó)已逐漸將路側(cè)基礎(chǔ)設(shè)施體系逐漸納入到自動(dòng)駕駛、協(xié)同智能交通的技術(shù)體系中來(lái)。與此同時(shí)，我國(guó)車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展正從測(cè)試驗(yàn)證轉(zhuǎn)向多場(chǎng)景示范應(yīng)用新階段，堅(jiān)定單車智能和網(wǎng)聯(lián)賦能并行發(fā)展的戰(zhàn)略路徑。從路側(cè)基礎(chǔ)設(shè)施的產(chǎn)業(yè)化進(jìn)程看，各地車聯(lián)網(wǎng)先導(dǎo)區(qū)的建設(shè)推進(jìn)是帶動(dòng)路側(cè)感知系統(tǒng)規(guī)?；渴鸬闹匾屏7]。以工信部批復(fù)的國(guó)家級(jí)車聯(lián)網(wǎng)先導(dǎo)區(qū)為引領(lǐng)，各地正逐步形成地方產(chǎn)業(yè)特征強(qiáng)、建設(shè)與場(chǎng)景結(jié)合度高、參與主體多樣化的路側(cè)基礎(chǔ)設(shè)施建設(shè)格局，例如，江蘇（無(wú)錫）在交通設(shè)施的升級(jí)改造方面，改造了240路口的道路交通信號(hào)控制機(jī)，部署視頻交通檢測(cè)器；長(zhǎng)沙市完成了約100 km智慧高速、100 km2范圍內(nèi)城市開(kāi)放道路的智能化改造建設(shè)，建設(shè)包括路側(cè)通信、傳感、計(jì)算等信息化基礎(chǔ)設(shè)施等，通過(guò)構(gòu)建完備的路側(cè)感知系統(tǒng)，支撐各類車聯(lián)網(wǎng)應(yīng)用落地實(shí)現(xiàn)。

總體來(lái)說(shuō)，我國(guó)在路側(cè)基礎(chǔ)設(shè)施規(guī)?；渴鸬倪M(jìn)程上處于引領(lǐng)地位，但從各先導(dǎo)區(qū)的建設(shè)情況來(lái)看，路側(cè)感知系統(tǒng)的技術(shù)演進(jìn)和規(guī)模化部署仍有一些痛點(diǎn)問(wèn)題尚未解決。一是當(dāng)前市場(chǎng)上路側(cè)感知系統(tǒng)構(gòu)成形態(tài)多樣，缺乏標(biāo)準(zhǔn)化、可量化、系統(tǒng)性的整體評(píng)測(cè)方案；二是路側(cè)基礎(chǔ)設(shè)施投資巨大，各地先導(dǎo)區(qū)投資方、高速公路業(yè)主，對(duì)路側(cè)感知系統(tǒng)的建前選型及質(zhì)量把控訴求強(qiáng)烈。因此，本文將基于當(dāng)前主流的路側(cè)感知系統(tǒng)解決方案，提煉車聯(lián)網(wǎng)路側(cè)感知系統(tǒng)的參考架構(gòu)，并設(shè)計(jì)相應(yīng)的系統(tǒng)性測(cè)試方案，進(jìn)一步推動(dòng)車路協(xié)同技術(shù)迭代和車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展。

2 車聯(lián)網(wǎng)路側(cè)感知系統(tǒng)的參考架構(gòu)

當(dāng)前，路側(cè)感知系統(tǒng)的產(chǎn)品形態(tài)差異較大，主要體現(xiàn)在以下幾個(gè)方面：一是傳感設(shè)備差異，目前路側(cè)主要使用的傳感設(shè)備有激光雷達(dá)、毫米波雷達(dá)和攝像頭等三個(gè)大類。每個(gè)大類下又包括細(xì)分小類，如激光雷達(dá)包括機(jī)械式、固態(tài)；毫米波雷達(dá)有24/77 GHz；攝像頭包括單目、雙目、紅外等。二是設(shè)備組合差異，根據(jù)應(yīng)用場(chǎng)景和需求不同（如城市交叉口、高速公路等），建設(shè)方會(huì)選擇不同的設(shè)備組合，如毫米波雷達(dá)+攝像頭，激光雷達(dá)+攝像頭，激光雷達(dá)+毫米波雷達(dá)+攝像頭等，同樣的設(shè)備組合又會(huì)有分體式、一體式等不同的部署方式。三是感知算法差異，感知算法作為非通用件，各廠家采用自有算法進(jìn)行特征提取和數(shù)據(jù)融合。四是安裝方式差異，主要體現(xiàn)在安裝高度，設(shè)備相對(duì)位置，設(shè)備絕對(duì)位置選擇等方面。但從功能構(gòu)成和各設(shè)備的邏輯連接層面看，路側(cè)感知系統(tǒng)的整體參考架構(gòu)[8]在產(chǎn)業(yè)界基本達(dá)成共識(shí)。

路側(cè)感知系統(tǒng)（RSS,Roadside Sensing System）的基本構(gòu)成是路側(cè)感知設(shè)備及路側(cè)計(jì)算單元，如圖1所示，路側(cè)感知設(shè)備包括但不限于攝像頭、激光雷達(dá)、毫米波雷達(dá)等設(shè)備，可實(shí)時(shí)采集當(dāng)前所覆蓋交通環(huán)境的圖像、視頻、點(diǎn)云等原始感知數(shù)據(jù)，路側(cè)計(jì)算單元包括不限于邊緣計(jì)算服務(wù)器、工控機(jī)等計(jì)算設(shè)備，通過(guò)對(duì)路側(cè)感知設(shè)備采集的原始感知數(shù)據(jù)實(shí)時(shí)融合計(jì)算，實(shí)現(xiàn)對(duì)交通環(huán)境中交通參與者狀態(tài)信息、道路狀況信息、交通事件等全量信息的獲取，進(jìn)而通過(guò)路側(cè)單元RSU、中心子系統(tǒng)向局部/全域交通參與者下發(fā)感知消息。應(yīng)用層的感知消息格式已由標(biāo)準(zhǔn)規(guī)范定義[9]，融合感知結(jié)果將用于實(shí)現(xiàn)車路協(xié)同的安全預(yù)警類、效率通行類等場(chǎng)景，該類場(chǎng)景對(duì)數(shù)據(jù)的準(zhǔn)確度及精度要求較高，然后實(shí)驗(yàn)室環(huán)境下的設(shè)備級(jí)檢測(cè)結(jié)果，只能反映構(gòu)成RSS各部件的感知及計(jì)算能力，不能反映在真實(shí)工況條件下RSS的整體感知性能，因此本文將探索基于客觀真值的路側(cè)感知系統(tǒng)測(cè)試方法，為量化RSS的系統(tǒng)整體感知性能提供參考依據(jù)。

圖1 路側(cè)感知系統(tǒng)參考架構(gòu)

3 路側(cè)感知系統(tǒng)測(cè)試方法探究

目前已有針對(duì)車端的真值系統(tǒng)（RS,Reference System）產(chǎn)品，如亮道智能量產(chǎn)研發(fā)的LDCompass感知測(cè)評(píng)真值系統(tǒng)，速騰聚創(chuàng)自主研發(fā)的RS-Reference全棧式測(cè)評(píng)系統(tǒng)，應(yīng)用于車端零部件的設(shè)計(jì)研發(fā)和測(cè)試驗(yàn)證。這為構(gòu)建路側(cè)的靜態(tài)真值系統(tǒng)提供了可行性，相比車端RS的設(shè)計(jì)研發(fā)，路側(cè)的RS搭建由于部署位置相對(duì)固定，真值采集環(huán)境變化相對(duì)穩(wěn)定，其實(shí)現(xiàn)難度及成本都遠(yuǎn)低于車端。因此，本文將提出路側(cè)RS的基本架構(gòu)組成，通過(guò)與待測(cè)RSS同步部署，實(shí)現(xiàn)對(duì)真實(shí)復(fù)雜交通環(huán)境的精細(xì)化數(shù)據(jù)采集，進(jìn)而通過(guò)離線后處理生成客觀真值數(shù)據(jù)，最后可利用真值數(shù)據(jù)實(shí)現(xiàn)對(duì)待測(cè)RSS感知性能的測(cè)試評(píng)價(jià)。

如圖2所示，路側(cè)真值系統(tǒng)包含由高性能傳感器構(gòu)成的感知設(shè)備組以及滿足大數(shù)據(jù)處理需求的離線真值系統(tǒng)服務(wù)器，感知設(shè)備組包括不限于高線束激光雷達(dá)、高清攝像頭、以及毫米波雷達(dá)；離線真值系統(tǒng)服務(wù)器具備PB級(jí)數(shù)據(jù)的專業(yè)化存儲(chǔ)、處理、分析能力，承載數(shù)據(jù)采集模塊、智能處理模塊、真值存儲(chǔ)模塊、RSS測(cè)評(píng)模塊四個(gè)功能模塊，數(shù)據(jù)采集模塊主要實(shí)現(xiàn)對(duì)圖像、視頻、點(diǎn)云等數(shù)據(jù)的融合匯聚，智能處理模塊主要完成原始數(shù)據(jù)關(guān)聯(lián)、自動(dòng)化標(biāo)注等環(huán)節(jié)，生成長(zhǎng)時(shí)間序列的環(huán)境真值，并通過(guò)真值存儲(chǔ)模塊實(shí)現(xiàn)PB級(jí)數(shù)據(jù)的存儲(chǔ)落盤和冗余備份，RSS測(cè)評(píng)模塊通過(guò)設(shè)定的測(cè)評(píng)維度和指標(biāo)體系輸出統(tǒng)計(jì)分析結(jié)果。

圖2 路側(cè)真值系統(tǒng)架構(gòu)

路側(cè)RS的高性能感知設(shè)備組可復(fù)用待測(cè)RSS部署的信號(hào)燈橫臂、高速路門架、路側(cè)燈桿等資源，鑒于客觀真值可離線處理，高性能服務(wù)器可根據(jù)實(shí)際情況彈性部署于路側(cè)、中心機(jī)房等位置，通過(guò)有線/無(wú)線網(wǎng)絡(luò)實(shí)現(xiàn)感知設(shè)備組到服務(wù)器的數(shù)據(jù)回傳。測(cè)試流程如圖3所示，主要分為路端原始感知數(shù)據(jù)采集和服務(wù)器端離線處理兩個(gè)部分，路端原始數(shù)據(jù)采集主要涉及傳感器的融合標(biāo)定、待測(cè)區(qū)域ROI選擇、以及時(shí)間同步等環(huán)節(jié)，服務(wù)器端處理主要涉及幾個(gè)方面的內(nèi)容：一是數(shù)據(jù)清洗，確保數(shù)據(jù)一致性，完成激光雷達(dá)點(diǎn)云、毫米波雷達(dá)點(diǎn)云、圖像、視頻等數(shù)據(jù)的時(shí)間空間對(duì)齊；二是自動(dòng)化標(biāo)注——以高線束激光雷達(dá)返回的點(diǎn)云數(shù)據(jù)為基礎(chǔ)，基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等算法，完成交通參與者目標(biāo)類型的識(shí)別與檢測(cè)，以及多目標(biāo)的離線軌跡跟蹤。融合攝像頭采集數(shù)據(jù)，對(duì)目標(biāo)類型進(jìn)行二次修正，融合毫米波雷達(dá)數(shù)據(jù)，對(duì)目標(biāo)軌跡數(shù)據(jù)（包括速度、加速度、位置等數(shù)據(jù)）進(jìn)行二次修正。將自動(dòng)化標(biāo)注的數(shù)據(jù)輸入至修正模塊（允許人工標(biāo)注介入修正），完成各類感知數(shù)據(jù)標(biāo)注；三是基于已標(biāo)注數(shù)據(jù)生成靜態(tài)和動(dòng)態(tài)真值，包括不限于交通參與者目標(biāo)類型、位置、速度、加速度、軌跡等真值，完成真值存儲(chǔ)及RS建立；四是提取測(cè)試時(shí)間區(qū)間內(nèi)真值，完成與待測(cè)RSS輸出結(jié)構(gòu)化感知數(shù)據(jù)的時(shí)間空間對(duì)齊，設(shè)定評(píng)測(cè)維度，輸出感知性能的統(tǒng)計(jì)評(píng)測(cè)結(jié)果。

圖3 基于RS的路側(cè)感知系統(tǒng)測(cè)試方法

為進(jìn)一步驗(yàn)證本文所提路側(cè)真值系統(tǒng)對(duì)實(shí)際交通目標(biāo)的檢測(cè)性能，依托2021車聯(lián)網(wǎng)路側(cè)系統(tǒng)標(biāo)準(zhǔn)化先導(dǎo)評(píng)測(cè)活動(dòng)，項(xiàng)目組搭建了基于高線束激光雷達(dá)與攝像頭組成的路側(cè)真值系統(tǒng)，從真實(shí)工況下的城市交叉口提取了交通流密度大、交通目標(biāo)種類多的4組原始感知數(shù)據(jù)（如表1所示），以人工標(biāo)注的方式獲取絕對(duì)真值，基于誤檢率、漏檢率、類別錯(cuò)誤率等指標(biāo)，與路側(cè)真值系統(tǒng)離線輸出的結(jié)果進(jìn)行比對(duì)，考慮遮擋和不考慮遮擋情況下，真值系統(tǒng)的檢測(cè)誤差統(tǒng)計(jì)結(jié)果如表2和表3所示。

表1 城市道路十字路口的雷達(dá)點(diǎn)云數(shù)據(jù)

表2 考慮遮擋時(shí)類別檢測(cè)統(tǒng)計(jì)結(jié)果

表3 不考慮遮擋時(shí)類別檢測(cè)統(tǒng)計(jì)結(jié)果

本次路側(cè)真值系統(tǒng)的自動(dòng)化標(biāo)注有以下幾個(gè)原則：標(biāo)注漏檢、誤檢以及分類錯(cuò)誤三種錯(cuò)誤類型；數(shù)據(jù)標(biāo)注只針對(duì)場(chǎng)景中的行人、騎行者、小車以及大車四種類別的目標(biāo)障礙物。行人挨得太近導(dǎo)致的欠分割不標(biāo)記為漏檢，大車偶爾的過(guò)分割不標(biāo)記為誤檢；對(duì)目標(biāo)的類別判斷根據(jù)人眼跟蹤識(shí)別，算法跟蹤斷開(kāi)導(dǎo)致遠(yuǎn)場(chǎng)目標(biāo)分類錯(cuò)誤一致標(biāo)記為分類錯(cuò)誤；目標(biāo)障礙物無(wú)點(diǎn)云被框住即視為漏檢，框里點(diǎn)云皆為背景點(diǎn)云視為誤檢。從評(píng)測(cè)結(jié)果看，路側(cè)真值系統(tǒng)離線標(biāo)注的真值與絕對(duì)真值的誤差在5%左右，可用于對(duì)現(xiàn)有路側(cè)感知系統(tǒng)產(chǎn)品的自動(dòng)化評(píng)測(cè)，在考慮有遮擋漏檢的情況下，雷達(dá)傳感器無(wú)法有效獲取“點(diǎn)云”數(shù)據(jù)，自動(dòng)化標(biāo)注一定程度會(huì)增加漏檢率。

4 結(jié)束語(yǔ)

目前，中國(guó)通信標(biāo)準(zhǔn)化協(xié)會(huì)（CCSA）TC10車聯(lián)網(wǎng)子組、全國(guó)智能運(yùn)輸系統(tǒng)標(biāo)準(zhǔn)化技術(shù)委員會(huì)已經(jīng)完成了面向路側(cè)感知系統(tǒng)的測(cè)試方法相關(guān)標(biāo)準(zhǔn)立項(xiàng)工作，但基于真值系統(tǒng)構(gòu)建量化評(píng)測(cè)體系仍面臨一些困難和挑戰(zhàn)。一方面，真值系統(tǒng)本身也屬于路側(cè)感知系統(tǒng)，其生成的真值客觀性、準(zhǔn)確性仍然難以保證，構(gòu)成真值系統(tǒng)的部件組成未來(lái)難以計(jì)量。另一方面，無(wú)論是路側(cè)真值系統(tǒng)還是動(dòng)態(tài)真值車的方案，其真值的種類和范圍都難以完全覆蓋路側(cè)感知系統(tǒng)的全部能力，當(dāng)前更多是面向交通參與者的感知能力評(píng)測(cè)，交通流、交通事件等方面的感知性能如何評(píng)估仍是未知數(shù)。本文提出的測(cè)試方案力求為路側(cè)系統(tǒng)性能的量化評(píng)估提供依據(jù)，進(jìn)一步解決單車自動(dòng)駕駛系統(tǒng)如何對(duì)路側(cè)消息采信、車端和路端數(shù)據(jù)究竟如何交互關(guān)聯(lián)等問(wèn)題，推動(dòng)路側(cè)感知系統(tǒng)向路側(cè)協(xié)同決策及控制系統(tǒng)演進(jìn)，爭(zhēng)取早日實(shí)現(xiàn)真正意義上的車路協(xié)同和完全自動(dòng)駕駛。