2025, Vol. 42扩展功能
文章信息
- 汪林, 高剑, 赵朔, 牛树云, 尹升, 郭宇奇, 黄烨然, 朱杰锐.
- WANG Lin, GAO Jian, ZHAO Shuo, NIU Shuyun, YIN Sheng, GUO Yuqi, HUANG Yeran, ZHU Jierui
- 智慧公路发展与研究大综述(2025): 系统与关键技术发展历程
- Comprehensive review on smart highway evolution and research 2025: Evolution process and key technologies of smart highway system
- 公路交通科技, 2025, 42(10): 4-22
- Journal of Highway and Transportation Research and Denelopment, 2025, 42(10): 4-22
- 10.3969/j.issn.1002-0268.2025.10.001
-
文章历史
- 收稿日期: 2025-07-04
引用本文 |
, 随着全球城市化进程加速与机动车保有量激增，传统公路系统在通行效率、安全保障及能源消耗等方面面临严峻挑战。为应对这些挑战，国际社会自20世纪60年代起就开始了对智能交通系统的探索与实践，各国基于不同的技术路线和交通需求，形成了各具特色的发展模式。在中国，智慧公路系统(Smart Highway System)作为新一代交通基础设施革新的核心载体被明确提出并大力推广，其本质是通过深度融合物联网、人工智能、车路协同等前沿技术，推动公路交通向“全要素感知、全链条管控、全场景服务”的智能化方向演进。
从国际视角看，智慧公路并非孤立概念，而是与全球智能交通发展脉络与目标紧密关联。自美国智能车辆公路系统(IVHS)战略计划提出以来，以日本电子不停车收费系统(ETC)全国部署、欧盟合作车辆基础设施系统(CVIS)、中国车路云一体化示范区为代表的应用实践，逐步验证了智能公路在缓解交通拥堵、降低事故率及减少碳排放中的关键作用，其技术体系构建已成为各国智能交通领域的战略制高点。
尽管智慧公路技术发展迅速，现有研究对智慧公路的概念内涵界定多集中于技术堆砌，关键技术研究呈现碎片化特征，区域性技术路径差异导致架构设计缺乏普适性参考框架，从而制约规模化应用进程。鉴于此，本研究以“发展历程-架构演进-技术体系”为主线，系统梳理智慧公路从单点信息化到全局智能化的阶段性特征与体系架构，深度剖析通行能力理论发展，非稳态交通流演变机理研究，智慧公路感知、控制、安全与车路协同等关键技术的内在逻辑与实施路径。研究成果可为智慧公路标准体系构建、技术选型适配及示范工程落地提供理论支撑，同时为6G通信、自动驾驶等新兴技术融合预留接口，从而推动交通基础设施数字化转型的可持续发展。
1 智慧公路的概念与内涵智慧公路的发展经历了从设想到现实、从局部应用到规模化推广的演进过程。结合政策、技术演进与工程实践，可将其划分为4个主要阶段：萌芽与探索阶段(1960—1990年)、智能交通系统兴起阶段(1991—2010年)、车路协同阶段(2011—2018年)以及数字化智能化阶段(2018年至今)。各阶段在理念演化、技术路径、系统架构及政策推动等方面呈现出明显的递进关系，推动智慧公路不断向更高层次演进。
1.1 萌芽与探索阶段(1960—1990年)智慧公路的雏形可以追溯到20世纪60年代，当时出现了利用电子和计算机技术实现车辆自动驾驶和道路自动化管理的构想。20世纪60年代末，美国交通部主导的电子路径引导系统(Electronic route guidance system, ERGS)通过在关键路口部署路侧信标，成为美国历史上第一个重要的智能车路系统项目。进入80年代，美国提出了更具前瞻性的智能车辆公路系统(Intelligent Vehicle-Highway Systems, IVHS)[1]，其愿景不仅着眼于车辆智能化，也设想将先进的通信、传感与控制技术集成到公路基础设施中，作为提升整体通行效能的关键支柱。
紧随美国之后，日本在20世纪70年代启动了综合汽车交通控制系统(Comprehensive Automobile Traffic Control System, CACS)[2]，通过在东京周边部署路侧通信设备，实现了向车辆发送实时交通信息(如拥堵、事故)和简单的路线建议，显著体现了基础设施在信息交互与交通管理中的主动作用。进入80年代后，日本持续推进技术创新，开展了道路/车辆通讯系统(Road Automobile Communication System, RACS)项目的研究，该项目为汽车导航系统奠定了重要技术基础，并于1989年实现汽车导航系统的商业化应用。
在欧洲地区，欧洲跨国技术合作项目“尤里卡计划”(EUREKA)于1987年启动的欧洲高效与绝对安全交通计划(PROMETHEUS)项目[3-4]是当时规模最大的自动驾驶汽车研究计划，由戴姆勒-奔驰等欧洲汽车厂商和研究机构合作进行。该研究计划历时8年，在1994年成功让配备视觉传感和计算机控制的原型车“VITA-2”在德国三车道高速公路上自动行驶超过1 000 km，最高速度达到130 km/h。这一系列国际探索标志着自动化公路概念从科幻走向现实雏形，其核心特征是在公路基础设施中嵌入感知和控制系统，与自动驾驶车辆配合以实现行车自动化和编队行驶等功能。
值得注意的是，彼时中国的高速公路建设刚起步，对于智慧公路的研究相对空白。总体而言，萌芽阶段的智慧公路概念侧重于车辆自动驾驶和道路自动控制，通过专用车道和车辆改装来探索解除人为驾驶的可能性，并初步实现公路基础设施自动化控制，其技术内涵主要包括车道内嵌导引、车车通信编队以及计算机自动驾驶等，推动了智慧公路从理论设想向现实雏形的跨越。
1.2 智能交通系统兴起阶段(1991—2010年)1990年以后，随着计算机、通信和电子传感技术的发展，智慧公路进入系统化、规模化的信息技术应用时期。智能交通系统(Intelligent Transport Systems, ITS)概念开始在全球交通领域兴起。与自动化公路聚焦于无人驾驶不同，ITS具有更广泛的内涵，强调利用信息技术对整个交通运输系统进行智能化改造，包括交通信息采集发布、交通流量控制、电子收费和车辆导航等方面。
美国于1991年通过《洲际地面交通效率法》(ISTEA)，授权投入6.5亿美元用于开发支持自动化公路和无人驾驶汽车所需的技术，并成立了“国家自动化公路系统联盟”(NAHSC)[5]，汇集通用汽车、加州交通局、卡内基梅隆大学等产学研力量，共同攻关自动化公路技术。同年成立的美国智能交通学会(ITS America)以及随后制订的全国ITS架构，加速了ITS在全美的推广。1994年，“智能交通系统”一词开始取代IVHS成为行业通用用语，并在当年于巴黎召开的首届世界智能交通大会上获得国际认同。美国交通部在90年代中期发布全国ITS战略，明确了先进的交通管理系统(ATMS)、先进的出行者信息系统(ATIS)、电子收费和商业车辆管理等关键应用领域，推动各州开展示范工程。例如，加州等地建设了高速公路实时监控和协调信号控制系统，以缓解拥堵并提高通行效率。这些实践为美国智能交通系统的后续发展奠定了坚实基础。
日本这一阶段ITS领域的发展同样引人瞩目。1996年，日本推出的车辆信息通信系统(VICS)[6]为驾驶员实时提供道路交通状况信息，是全球最早的大规模道路交通信息服务系统之一。同年开始试行的电子不停车收费系统(ETC)[7]，经过技术验证后于2001年在全国高速公路网逐步推广，体现了日本在智能收费技术领域的积极探索和实践成果。
在欧洲地区，ITS研究主要是在欧盟的框架范围内开展，与欧盟的交通一体化建设进程紧密联系。欧洲智能交通协会(ERTICO)在协调ITS的技术研发和部署方面发挥了积极作用，作为公私工作组织，该协会实施并推进了一系列交通遥测和管理项目，1994年，ERTICO联合主办首届ITS世界大会(巴黎)，搭建了全球ITS交流与合作的重要平台；1997年，ERTICO发布了《2017年远景：欧洲智能交通系统战略最终报告》[8]，系统描述了ITS市场演进的方向与目标，通过举办中欧ITS会议，逐步构建跨国协作网络并进入实地验证阶段，为欧洲ITS的制度化和市场化发展奠定了坚实基础。
中国从20世纪90年代中期开始正式关注和推动ITS的发展。1995年，中国公路学会专家刘以成发表《世纪之交的中国公路交通科技》，建议我国应将ITS作为21世纪前半叶公路交通的方向性技术[9]，尽早布局相关研究与机构建设。同年，原交通部组织代表团参加第二届世界智能交通大会，第一次系统了解国际ITS发展动态。随后，原交通部在同年《公路、水运交通科技发展“九五”计划和到2010年远景规划》中将建设“智能公路运输系统”列为长远目标，规划到2000年建立智能公路运输系统工程研究中心，并在交通控制、驾驶员信息服务、车辆调度导引、车辆安全和收费管理等方面取得突破。电子收费系统(ETC)成为此阶段中国智慧公路最具代表性的落地成果之一[10]。自20世纪90年代起，国家智能交通系统研究中心首席科学家、交通运输部公路科学研究院王笑京团队就着手围绕车辆自动识别(AVI)、专用短程通信(DSRC)、射频识别及电磁兼容性等关键技术进行了系统研究；构建了ETC系统的整体技术架构，包括编码标准、接口规范、工作频段及网络结算体系；并对国外ETC产品进行了技术对比分析，推动本土车载设备和路侧标签的设计与制造，以及产品测试技术的提升。在此基础上，进一步形成了ETC车道控制系统、后台结算与管理系统的开发成果，并提出了涵盖数据安全、密钥管理与证书认证的联网收费安全体系。在跨省联网条件下，还针对收费系统平台之间的兼容性进行了研究，推动了ETC系统的跨区域互联，为全国范围的ETC应用与运营提供了制度和技术支撑。2007年，《电子收费 专用短程通信》系列(GB/T 20851)标准出台助力我国的ETC系统蓬勃发展[11]，至2010年底，全国ETC用户数突破500万，京津冀、长三角等区域初步实现了ETC联网运行。ETC的快速推广显著提升了收费站通行效率，降低了运营成本，减少了车辆怠速排放，为中国智慧公路在特定场景下的规模化应用积累了宝贵经验，并为后续更广泛的车路协同技术推广奠定了用户基础和应用范式。此外，2003年，在IEEE国际智能交通系统会议上，原交通部公路科学研究院研究员李斌首次系统阐述了中国智能公路的发展战略，提出了“智能公路”(即智慧公路)的概念，并描绘了分阶段推进的建设路径与原型系统，成为我国智慧公路战略探索的重要起点[12]。
总体来说，ITS兴起阶段的智慧公路概念特征主要体现在交通信息化和自动化管理。其技术内涵侧重于3个层面：一是车辆与基础设施的信息交互，二是道路交通管理智能决策，三是出行者信息服务。代表性技术包括交通信号自适应控制、电子不停车收费、车辆导航定位和道路交通信息发布等。这一阶段各国政策层面高度重视标准和体系架构的制订，智慧公路的内涵由自动驾驶拓展为交通信息化，强调信息采集、状态感知、控制优化与出行服务的融合，构建了技术系统的初步架构，为后续系统协同和智能控制的发展奠定了基础。
1.3 车路协同阶段(2011—2018年)随着无线通信和车载电子技术的进步，智慧公路的发展进入车路协同阶段。发展重点由信息系统集成迈向交通参与者与基础设施之间的实时互联与协同控制，催生了协同式智能交通系统(C-ITS)[13]，其核心理念是通过车辆与车辆(Vehicle-to-Vechicle, V2V)、车辆与基础设施(Vehicle-to-Infrastructure, V2I)之间的无线通信，实现交通参与者和道路基础设施的协同感知与控制，提高交通安全和效率。这一阶段，各国纷纷开展车联网和智能网联交通系统的研究与实践，基于Vehicle-to-Everything(V2X)通信实现的实时信息交互与协同决策，使得系统具备了前所未有的快速响应能力和主动安全防护性能，为达成安全与效率的提升目标提供了关键的技术支撑。
美国大力推动车辆通信与协同安全技术的应用。21世纪10年代中期，美国启动了车辆基础设施集成(Vehicle Infrastructure Integration, VII)研究计划[14]，探索利用5.9 GHz专用短程通信技术连接车辆与路侧单元。2012年前后，美国交通部在密歇根州进行了大规模安全试验，验证V2V碰撞预警的安全效益。2015年，美国交通运输部宣布将在纽约市、佛罗里达坦帕市和怀俄明州部署3个智能网联汽车试点项目，总投资达4 200万美元。这些试点项目在实际城市道路和高速公路环境中布设车载单元和路侧通信单元，测试包括车辆防撞预警、红灯信号预警、协同变道等一系列应用，并期望借此降低80%的涉无障碍驾驶交通事故率，同时缓解拥堵、减少排放。
日本则通过ITS Spots(路侧通信站)和ETC 2.0等项目实现车路间信息交换，为驾驶员提供前方拥堵、事故等信息提示，并开展了编队行驶等协同驾驶试验。
欧洲在合作式智能交通领域走在前列。欧盟自2010年前后相继支持了车路协同系统(Cooperation Vehicle-Infrastructure System, CVIS)、基于协同式安全编队与技术的智能防撞增强系统(SAFESPOT)等多项研发项目[15]，验证了通过专用短程通信(DSRC/ITS-G5)进行车辆速度协调、紧急刹车警告、道路危险预警等协同应用的可行性。此后欧盟制订了协同式ITS路线图，并于2016年发布了《欧洲合作式智能交通系统发展战略》[14]，明确提出从2019年起在欧盟主要道路上部署车辆与基础设施互通技术，实现车辆之间、车辆与道路基础设施之间的通信。为实现这一目标，欧盟联合成员国和产业界开展了C-ITS示范走廊等部署计划(例如荷兰-德国-奥地利合作的跨境试点走廊)，统一通信标准和优先应用场景(如车辆事故警告、道路施工提醒等)，以避免各国各自为政导致碎片化，推动C-ITS的大规模商业化部署。
中国在车路协同式智能交通发展方面紧跟国际步伐。车路协同作为中国特色的提法，被写入国家科技计划和产业战略。随着车路协同理念的提出，国家智能网联汽车试点示范区建设相继启动，在北京、上海、无锡等地部署了车联网V2X通信基础设施。2017年，江苏无锡率先开展了基于LTE-V2X蜂窝车联网技术的大规模应用示范，验证车路协同在缓解城市拥堵和提升安全方面的作用。
总体而言，车路协同阶段的智慧公路概念突出车辆和道路的实时互联互通，技术内涵涵盖无线通信(DSRC，LTE-V2X)、协同感知与决策以及主动安全控制。通过车路协同，公路基础设施从信息提供者转变为交通参与者，能够与智能车辆共同构成一个协同的交通系统，实现车辆自动化和交通管理的深度融合。这一阶段的实践表明，协同式ITS可有效提升道路交通安全与运行效率，也为自动驾驶汽车的进一步发展奠定了网络和数据基础。
1.4 数字化智能化阶段(2018年—未来)近年来，随着新一代数字技术的突破，智慧公路自2018年后迈入新阶段，其特点是与新一代数字技术、人工智能技术与可持续发展理念的深度融合。该阶段的智慧公路不再仅指单一的交通管理或通信系统，而是演进为包含数字孪生、高度智能感知、车路云一体化以及绿色低碳特征的综合交通基础设施系统。
自2018年以来，美国、欧洲地区、日本等在智慧公路领域持续推进技术创新与规模化应用，其发展路径和未来规划呈现出以数字化转型为核心、多技术融合为支撑的特点。美国重点围绕自动驾驶技术与车路协同(V2X)展开布局，并在多地开展自动驾驶测试路段建设，推动智能交通系统与道路基础设施的深度融合，例如加州I-15智慧公路建设工程预期通过优化匝道进出与车流控制，提高出行效率；密歇根州I-94CAV走廊试点的智慧公路试点通过部署传感器集群，实现车辆与路侧设备的动态交互，优化交通流管理。然而，要充分发挥V2X技术的潜力，必须不断扩大部署，以便车辆和基础设施能够在各种设备和平台上安全、可靠地通信，而不会产生有害干扰。2024年8月，美国交通运输部发布了名为《互联拯救生命-加速V2X部署的计划》，旨在通过加速V2X的部署来减少美国道路上的死亡和严重伤害。该计划在基础设施覆盖率上采用短期试点突破(20%)、中期规模扩展(50%)、长期全面部署(接近100%)的阶梯推进策略实现V2X的规模化部署。
欧洲国家如英国、德国和荷兰等则注重顶层设计与跨部门协同，例如英国通过国家高速公路数字化转型计划推动“数字孪生公路”建设，整合物联网(IoT)和大数据分析技术，实现道路健康状况实时监测与预防性养护；德国则依托其工业4.0战略框架，强化高速公路的智能感知与动态管控能力，同时推进绿色能源与智慧公路的结合，如光伏路面技术的应用。2024年2月，欧盟委员会发布《2024年单一市场和竞争力报告》，报告将数字化列为九大竞争力驱动之一，表明其是促进智慧公路发展不可或缺的动力。
日本在车联网(V2X)和精细化服务方面表现突出，其传统VICS系统持续提供基础交通信息，同时发展TS Connect平台推动安全预警服务升级，新一代5G-V2X技术则通过高精度地图和实时路况推送提升出行效率，并在智慧服务区建设中引入人工智能和机器人技术，提供个性化服务；此外，日本还通过Society 5.0战略推动道路基础设施的全面智能化，重点发展基于AI的交通预测与应急管理系统。
|
| 图 1 我国智慧公路数字化智能化新阶段发展历程 Fig. 1 Evolution process of digitalization and intelligentization in China's smart highway system |
| |
总体来看，欧美日国家在智慧公路的未来规划中普遍强调数据共享、多模态交通协同和可持续发展，例如欧盟计划通过“欧洲绿色协议”推动智慧公路与可再生能源的结合，美国则提出“智能交通走廊”概念以整合物流与客运系统，而日本致力于构建全域覆盖的“社会5.0交通网络”，进一步打通人、车、路、云的全链条智能化。
与此同时，中国在多地推进智慧公路试点工程，建设道路数字化平台。2018年，交通运输部发布《关于加快推进新一代国家交通控制网和智慧公路试点的通知》，选取北京、河北、吉林、江苏、江西、浙江、福建、河南、广东分别开展基础设施数字化、路运一体化车路协同、北斗高精度定位综合应用、基于大数据的路网综合管理服务、“互联网+”路网综合服务、新一代国家交通控制网等试点示范，开启公路数字化智能化序幕。2019年底，交通运输部把试点作为推动加快建设交通强国的重要举措，围绕设施、技术、管理、服务四大领域，分地区、分主题、分批次，先后组织75个试点单位开展了397项试点任务，全国共有18个省市在交通强国建设试点中开展了智慧公路建设。建设内容聚焦在公路运行监测管理与服务、车路协同、大数据中心、云控平台、新技术的应用等方面。典型代表工程如江苏“四好农村路”高质量发展、山东“综合交通运输体制机制改革”等，已经推出了一系列创新举措和可推广的典型经验。2020年开始，浙江、江苏、四川等省份纷纷出台智慧公路建设指南，规范智慧公路建设。其建设内容主要包括基于数字孪生和BIM技术的智能建造，通过智能感知采集、组网通信和多源数据分析形成的智慧运行管理，利用信息技术对基础设施长期性能观测与公路全寿命资产管理的智慧养护以及智慧扩容、全天候通行、伴随式出行为代表的智慧服务等。2022年，交通运输部印发《关于开展在役干线公路基础设施与安全应急数字化试点工作的通知》，在全国范围内就基础设施数字化、智能养护、安全与应急等主题开展在役公路数字化试点示范工作。2024年4月，财政部、交通运输部联合印发了《关于支持引导公路水路交通基础设施数字化转型升级的通知》加快公路水路的基础设施数字化转型，强调以建设数字化感知网络、智能化管控系统以及网络化服务体系，改变传统基建模式，以应用场景规模化落地促进产业协同创新。2024年7月第1批共计8个省份与2025年4月第2批共计12个省份被确定为升级示范区域名单。
综上，新阶段智慧公路的概念特征表现为数字化、智能化与绿色化的一体融合, 技术上涵盖车路云一体的数字孪生平台、全周期智能运维、支持自动驾驶的基础设施智能协同，以及可再生能源利用和碳减排等内涵。实践中，各国正通过试点示范将这些元素逐步融入公路建设与改造中，预示着未来公路将向着更安全、高效、环保和智能的方向发展。
2 智慧公路基本架构解析 2.1 智慧公路架构演进过程智慧公路是加快建设交通强国的战略性布局。自2018年交通运输部发布《关于加快推进新一代国家交通控制网和智慧公路试点的通知》以来，全国开启了智慧公路建设和研究的热潮。而智慧公路作为智能交通系统在公路领域的深化拓展，离不开对其体系架构的系统性思考与设计。全球范围内，ITS架构作为国家或区域层面指导交通信息化发展的顶层框架，已在长期实践中形成了相对成熟的技术体系和功能分工，成为智慧公路技术架构研究的重要参考，其中典型国家和地区的ITS的体系架构如表 1所示。美国ITS架构强调技术集成与体制协调，突出灵活性和可扩展性，广泛采用分散化、模块化和可定制化的系统结构；日本ITS架构则在长期应用推广中不断完善，注重技术的高度集成与高效运行。欧洲ITS架构强调跨国和跨部门协调，注重整体性与兼容性，积极推动跨区域规划与信息标准化建设。
| 比较维度 | 美国 | 日本 | 欧洲 |
| 指导原则 | 技术集成与体制协调，注重灵活性和可扩展性 | 技术实用化和普及化，强调协同合作 | 跨国家和跨部门协调，注重整体性和兼容性 |
| 用户服务 | 车辆安全、气象服务、交通管理等，车路通信深度融合 | 智能导航、不停车收费、安全驾驶支援等，注重精细化服务 | 跨区域出行规划、实时路况信息等，涵盖多种交通方式 |
| 逻辑体系结构 | 灵活，可定制化开发，注重可扩展性和兼容性 | 紧凑，注重高效运行和可靠性，强调技术集成 | 复杂，多层多模块，涵盖信息采集到应用，注重模块化和标准化 |
| 物理体系结构 | 分散，可定制化开发，注重灵活性和可扩展性 | 集中，注重高效运行和可靠性，强调技术集成 | 注重与现有基础设施融合，支持多种交通方式协同，强调可靠性和稳定性 |
| 标准化 | 灵活，参考国际标准，结合地方需求制订标准 | 注重技术先进性和可靠性，制订严格标准体系 | 对接国际标准，制订欧洲标准体系，确保兼容性和互操作性 |
与国际经验相比，中国智能交通系统发展起步较晚，但在技术路线与架构设计上充分借鉴了美欧日的成功做法。自21世纪初，随着通讯、监控、收费等系统的完善，逐步形成了以“统筹规划、标准引领、分级建设、互联共享”为特征的较为完整的ITS架构框架。总体指导原则上强调国家层面的顶层设计与跨部门协同，充分考虑区域交通需求与地方差异，逐步在信息采集、传输、处理和服务等环节实现了多网、多源、多维度的数据汇聚与共享，为后续智慧公路的部署提供了坚实的技术和设施支撑。
智慧公路建设前期的研究和试点示范工程多聚焦于高速公路。高速公路通常拥有更完善的基础设施，且实行封闭化管理，为智慧化系统的部署提供了良好的基础和条件。交通运输部公路科学研究院张纪升等[16]采用面向过程的方法，提出了智慧高速公路服务领域和服务列表和基于“端-管-云”思路的智慧高速公路的技术架构，如图 2所示，提出的智慧高速公路的技术体系包括8项关键技术：DSRC车车/车路通信、高精度定位及地图、安全认证、无人机监测与处置、精细化气象与环境预警、自由流电子收费、移动/快速充电、交通大数据分析等。
在智慧高速公路建设实践的基础上，部分省市将智慧化建设推广至普通公路。智慧公路建设引发了全社会的广泛关注，2022年设立了中国工程院咨询项目“智慧公路发展战略研究”(2022-XBZD-19)。基于该研究，傅志寰[17]结合国情和发展实际，立足感知、通信、计算、控制等技术底层逻辑，提出了普适化的智慧公路总体架构，总体架构“自下而上”分为4个层次：物理资源、操作系统、业务应用、用户。研究确定了智慧公路采用云(中心云) - 边(边缘云) - 端(路端和车端)协同运行的分布式云部署架构(见图 3)。
汪林等[18]基于智能交通系统理论框架，提出了“四梁，四柱，一基础”的发展框架，见图 4。“四梁、四柱、一基础”是指以数据赋能、创新驱动、网络运营、价值导向为基本建设原则，以智慧建造、智慧养护、智慧运营、智慧服务为核心支柱业务，以数字基础设施为基础，实现将全链条赋能的数据要素资源融入公路服务产业链，建立迭代式演进的新型体系，推进一体化运行的智慧公路网络。文章还明确了智慧公路的关键技术与应用架构，如图 5所示。该架构自上而下可划分为服务实施、智慧应用、数据中枢与传输感知四大功能层。其中，服务实施层，面向出行人员、建设与运维单位及应急管理等多方用户，涵盖诱导管控、智慧收费站、智慧服务区、一体化出行服务等多元化服务模块；智慧应用层，聚焦于交通流畅性、运行安全性与资源配置效率的提升，集成了智慧收费、智能车路协同、重载货运管控、智慧养护运维及路网协调管理等功能单元，形成跨部门、跨周期的协同管理能力；数据中枢层，则依托全生命周期的道路信息建库与动态感知，集成BIM、监测预警、运维监控等模块，实现多源异构数据的采集、融合与共享，并为上层应用提供决策支持与治理工具；底层的传输与感知层，通过4G/5G、DSRC、北斗及多种车路通信技术与传感终端的协同，构建起面向智慧公路场景的高可靠通信与感知网络，支撑车路云一体化运行与信息安全保障。整体来看，该技术架构充分体现了智慧公路在数字化、智能化和协同化方面的系统集成思路与关键支撑能力。
|
| 图 4 “四梁、四柱、一基础”的智慧公路建设框架示意图 Fig. 4 Schematic diagram of smart highway construction framework with "four-beams-four-pillars, and one-foundation" |
| |
2.2 智慧公路体系框架趋势分析
在智慧公路体系框架方面，各省市均对智慧公路的体系框架做了约束，但总体而言，各省市的智慧公路体系框架有趋同的态势。具体地，智慧公路体系框架主要分为两类：一类是以全要素感知、多源通信融合、数据储存与计算、应用系统为主线的逻辑层次；一类是以云、边、端为主线的物理层次。从建设内容上看，智慧公路建设主要包括4方面：路网信息的全面感知(包括基础设施的状态感知)、信息传输的双向互通、决策管控的协同精确和运营服务的丰富智能。在趋于统一的智慧公路体系框架下，智慧公路建设各参与单位各司其职，或实现数据采集，或实现数据传输，或实现数据应用，方可形成联动效应。
3 智慧公路关键技术概述智慧公路的关键技术正逐步走向体系化、集成化，其发展不仅体现在自动化与信息化的技术迭代上，更延伸至交通系统安全、运行机制、感知融合与协同控制等多维度的深层演化。图 6所展示的“智慧公路技术体系”从4个关键方向全面揭示了构建智慧公路所涉及的核心模块：包括感知技术、交通控制、交通安全及车路联网与协同，不同技术板块之间彼此联动，共同构成智慧公路系统架构的有机整体。
|
| 图 6 智慧公路技术脉络 Fig. 6 Technology roadmap of smart highway |
| |
3.1 智慧公路感知技术 3.1.1 感知技术发展现状
随着物联网、无线通信、电子技术、传感技术和人工智能技术的快速发展，智慧公路感知技术越来越多样化。根据感知技术的工作原理和应用场景，将感知技术分为3类：直接感知技术、间接感知技术和泛在感知技术。目前主要感知技术对比分析如表 2所示。
| 技术类型 | 检测器类型 | 优点 | 缺点 | 可检测参数 |
| 直接感知技术 | 感应线圈检测器 | 技术成熟，安装容易，成本低，性价比高; 可测参数多，检测精度高，灵敏度可调 | 安装过程对可靠性和寿命影响很大; 安装或维修需中断交通; 影响路面寿命; 易被重型车辆、路面修理等损坏 | 交通流量、占有率、车速、车队长度、车身长度 |
| 地磁检测器 | 安装方便，经济耐用; 可检测小型车辆，包括自行车; 适合于金属结构如桥梁 | 不能检测静止或低速的车辆; 容易漏测紧跟车辆; 材料易老化，灵敏度逐年降低 | 交通流量、占有率、车速 | |
| 微波检测器 | 可全天候工作，受气象影响小；检测范围广，可覆盖8条车道，直接检测速度 | 道路具有铁质的分隔带时，或路侧有障碍物时检测精度下降；检测器安装条件要求较高，侧向安装时需要后置距离；测速精度低 | 交通流量、占有率、车速、多车道覆盖、车队长度、车头时距 | |
| 超声波检测器 | 体积小，安装方便；使用寿命长，可移动；可多车道检测 | 检测精度不高、抗干扰能力差，易受环境影响 | 交通流量、占有率、车速、车队长度 | |
| 红外线检测器 | 检测快速准确，轮廓清晰，可以侧向方式检测多车道，可检测静止车辆 | 性能随环境温度和气流影响而降低、易受车辆本身热源的影响，抗噪声能力不强、检测精度不高 | 交通流量、占有率、车速、多车道覆盖、车辆分型、静止车辆、车队长度 | |
| 视频车辆检测器 | 可为事故管理提供可视图像，可提供大量交通管理信息，单台摄像机和处理器可检测多车道，能进行交通异常事件检测 | 检测精度稳定性不高，易受整个系统软、硬件的限制；大型车辆遮挡随行的小型车辆；积水反射或昼夜转换可造成检测误差；图形处理计算量大，实时性差 | 交通流量、占有率、车速、多车道覆盖、车队长度、车头时距、车型交通事件、事件报警 | |
| 超声波传感器 | 成本低，适合低速信号处理 | 测量范围较窄，难以准确计算距离 | 障碍物距离 | |
| 光栅类传感器 | 抗电磁干扰，耐腐蚀、耐久性好，体积小、重量轻，高灵敏度和精度，分布式测量，信号远距离传输，无需供电，复用能力强 | 温度与应变交叉敏感；不适用于动态信号；脆弱性，需封装保护；成本较高；调试复杂 | 应变和应力、温度、位移、压力、索力、振动(有限) | |
| 间接感知技术 | 车牌照检测器 | 高精度车牌识别，无需车载设备，适用于所有车辆，可与其他系统集成(如公安系统) | 受光照、天气影响大；识别准确率受车牌清晰度限制；设备安装环境要求高 | 车牌号码、车辆类型、车辆轨迹、行驶状态、交通流量 |
| 泛在感知技术 | 毫米波雷达 | 全天候性能优异，恶劣天气表现突出；穿透力强，抗干扰能力强；实时检测车辆速度、流量 | 分辨率较低，设备成本较高 | 车辆速度、流量、距离、方位角、俯仰角 |
| 激光雷达 | 高精度3D场景重建，高分辨率、广探测范围，全天候工作能力 | 成本较高，极端天气性能下降，数据处理复杂 | 物体形状、位置、距离、速度 | |
| 雷视一体机 | 兼具摄像机和毫米波雷达的优点，具有较高的目标识别和轨迹跟踪精度 | 设备造价相对较高 | 目标位置、速度、轨迹 | |
| 基于DSRC的传感器 | 低延迟，实时性强；支持车辆与基础设施通信(V2I)；安全性高，隐私保护强 | 设备成本较高，覆盖范围有限(约1 km), 依赖ETC车辆普及率 | 车辆速度、位置、轨迹，行程时间，交通流量，交通事件(如拥堵、事故) | |
| 基于WiFi的传感器 | 成本低，采样精度高，覆盖范围广，数据量大，连续性强，非侵入性，室内外兼容 | 漏检和背景噪声, 涉及隐私问题, 数据连续性受限, 定位精度受限, 设备依赖性 | 位置信息、移动轨迹、交通流量、速度、停留时间、出行起点和终点 | |
| 基于蓝牙的传感器 | 成本低，部署灵活；适用于短距离通信；可与其他技术(如WiFi)结合使用 | 检测范围有限；数据处理复杂，匹配率低；受环境干扰较大 | 车辆流量、速度行程时间 | |
| 被动式移动传感器(GPS和智能手机) | 成本较低，应用范围较广 | 精度依赖于车载或者智能手机的市场渗透率，地图匹配精度；公众隐私问题较突出 | 车辆或出行者的半连续轨迹 | |
| 主动式移动传感器(智能车辆、无人机) | 活性高；适合于突发事件监测和日常巡查；可与路面、设施状况监测等综合使用 | 运营成本较高 | 半连续的路径轨迹、高保真的图像和雷达数据 |
(1) 直接感知技术
直接感知技术主要通过传感器直接采集交通参数，如车辆的存在、速度、流量等。常见的直接感知技术包括感应线圈、地磁感应、视频检测系统、微波雷达、红外传感等。其中，感应线圈是通过感应车辆金属部件产生的涡流来检测车辆的存在，广泛应用于交通信号灯和交通监控系统中；地磁传感是通过检测车辆经过时对地磁场的变化来判断车辆的存在，适用于桥梁、隧道等特殊场景；视频检测系统是通过摄像头捕捉交通图像，进行车辆检测、流量统计和交通状态分析，是目前应用最广泛的直接感知技术之一；微波雷达是利用多普勒效应测量车辆的速度和位置，适用于多车道交通监测；红外传感是通过红外线检测车辆和行人的存在，常用于交通信号控制和夜间交通监控等。
(2) 间接感知技术
间接感知技术是通过分析间接信息来推断交通状态。常见的间接感知技术包括浮动车法、车牌识别技术等。其中，浮动车法是通过安装在车辆上的GPS或车载设备采集交通数据，用于估计交通流速度和拥堵情况；车牌识别技术是通过摄像头和图像识别技术识别车辆车牌，主要用于交通执法、收费和交通管理等。
(3) 泛在感知技术
泛在感知技术是基于物联网、5G/6G通信等技术，实现对交通环境的全面感知和实时数据传输。常见的泛在感知技术包括激光雷达、毫米波雷达、AI摄像、多传感器融合等技术。其中，激光雷达技术是通过发射激光束并接收反射信号，实现对车辆、行人、障碍物的高精度检测，适用于自动驾驶和智能交通系统；毫米波雷达技术是通过高频电磁波探测车辆的位置、速度和方向，具有抗干扰能力强、不受天气影响等优点；AI摄像技术是结合人工智能算法，对交通图像进行智能分析，实现车辆分类、行为识别和交通状态预测；多传感器融合技术是通过融合多种传感器(如摄像机、雷达、激光雷达等)的数据，提高感知精度和鲁棒性。
3.1.2 感知技术发展趋势未来智慧公路感知技术的发展将朝着更全面、更高精度、更强鲁棒性、更智能化的方向发展。发展趋势主要体现在多源感知技术协同应用、融合协同感知提升感知性能和人工智能与传统感知技术深度融合等方面。多源感知技术将提升感知系统的适应性和可靠性；融合协同感知技术将优化数据处理和协同机制，提高感知系统的整体性能；人工智能技术将为交通管理提供更智能的决策支持，推动交通系统向自主化、协同化、智能化迈进。
(1) 多源感知技术协同应用
通过集成多种传感器(如视频、毫米波雷达、激光雷达、光纤光栅、蓝牙等)可获取多维度、多模态的交通信息，该技术能够有效克服单一传感器在复杂环境下的局限性，提升感知系统的适应性和可靠性。此外，多源感知技术还能够实现对交通参与者(车辆、行人、非机动车)的全面识别与跟踪，为交通管理提供更丰富的数据支持。
(2) 融合协同感知提升感知性能
通过数据融合算法和协同感知机制的优化，实现多源数据的融合与协同处理，提升感知系统的整体性能。同时，融合协同感知技术还强调时空一致性，通过多节点、多时间尺度的数据协同，实现对交通状态的动态建模与预测。在车路协同(C-V2X)系统中，车辆与路侧基础设施之间的协同感知进一步拓展了感知范围，提升了交通系统的智能化水平。随着智能车辆的逐年增多，车路协同、车路云一体化的推进，未来车辆将既是交通参与者也是交通信息采集者。车辆信息的直接获取将大大提升交通信息采集的准确度和精度。
(3) 人工智能与传统感知技术深度融合
人工智能(AI)技术的引入，为智慧公路感知带来了革命性的变化。深度学习、强化学习、数字孪生等技术被广泛应用于交通数据的处理、分析与决策中。其中，数字孪生技术通过构建交通系统的虚拟模型，实现对交通流、基础设施状态和交通参与者行为的实时模拟与预测，可为智慧公路的规划与管理提供科学依据。
3.2 智慧公路交通控制随着中国公路网的逐渐扩大，交通运输和通行效率得到了显著提升，然而随着交通量的激增，也衍生出一系列的交通问题，如道路堵塞和道路交通事故等，在积极推动公路基础设施建设的同时，采取有效的动态的管控措施对已有的公路系统进行交通优化控制，对智慧公路的发展有着至关重要的意义。目前，高速公路管控技术经历了从单一节点控制向多层级协同优化的深刻变革。其中主要包括匝道、主线管控与路网协同控制等方式。智慧扩容方式。各主要控制发展阶段与特征总结如表 3所示。
| 控制维度 | 关键技术 | 控制机制 | 研究重点 | 典型成果 | 不足与挑战 |
| 匝道控制 | 固定计时，预设信号 | 基于经验规则的定时控制 | 缓解出口交织拥堵、调节主线输入 | 吴场建[25]：预信号优化，提升交织段流畅性 | 缺乏动态适应性，无法应对突发波动 |
| 实时感知、深度强化学习 | 数据驱动的动态响应控制 | 多点、多时段拥堵感知与预测 | LIU等[25]：视频驱动的深度学习匝道控制；高津达[26]：多智能体协同控制 | 时空耦合未解，系统稳定性依赖模型参数 | |
| 速度控制 | 距离-限速规则、专家系统 | 基于固定策略的限速调整 | 安全保障、能耗排放优化 | YUAN等[28]：规则限速与安全分析 | 缺乏泛化能力，不能适应多变交通态势 |
| 多智能体系统、机器学习 | 状态感知+局部优化 | 碰撞风险抑制、限速分级调度 | SHI等[29]：混合流限速降低事故47.9%；余荣杰[30]：拥堵持续时间减少69.2% | 大多仍采用固定限速参数，缺乏自适应能力 | |
| 车道管控 | 可变车道、HOV车道控制 | 基于容量需求的物理设置 | 局部延误减少、车道利用率提升 | 田紫颖[32]：动态车道设置，延误下降21.4% | 控制决策滞后，缺乏实时预测能力 |
| 轨迹预测、LSTM、仿真优化 | 前瞻式干预+双层优化 | 降低部署成本、预测性控流 | LIU等[33]：Abi-LSTM车道部署优化; KREIDIEH等[34]：轨迹预测控制 | 自动驾驶发展背景下车道划分标准仍缺乏通用模型 | |
| 路网协同与智慧扩容 | 可逆车道、施工优化 | 局部道路工程性提升 | 路段级物理通行能力拓展 | 可逆车道设计、施工组织调度优化 | 空间资源瓶颈，生态约束强 |
| 宏观基本图、遥感、双层诱导 | 网络级多目标诱导与协调 | 多源引导、个体-系统平衡 | 王璞[40-41]：网络引导时间下降；Wei[42]：系统优化与个体偏好协同 | 跨系统信息融合存在“协同壁垒”，平台异构性高 | |
| 综合控制趋势 | 多智能体深度强化学习、数字孪生、在线学习 | 跨层级、跨维度融合控制 | 构建闭环感知-决策-执行系统，安全-效率统筹 | SUBRAVETI等[43]：混合流车道分配策略；郝威[35]：CAV渗透率阈值识别 | 模型迁移能力弱、异构多模态数据整合难 |
早期匝道控制依赖于基于历史数据的定时控制方法，如通过预信号优化[25]缓解出口匝道车流交织问题。这类静态策略虽能应对规律性拥堵，却难以适应动态交通波动。随着感知技术进步，实时响应控制逐渐成为研究热点，以深度学习为代表的典型技术方法[25]实现了视频数据驱动的动态调控，标志着控制策略从“经验驱动”向“数据驱动”转型。近年来，多主体协同控制成为突破方向，如多智能体深度强化学习模型[26]，成功实现快速路与地面交通协调控制，使主线车流速度提升46.9%；分布式多瓶颈协调策略[27]通过轨迹数据挖掘使系统吞吐量提升1.31%。随着流量调节技术的进步带来的速度管理领域的革新，当匝道控制优化了车流输入输出平衡，如何通过动态限速进一步提升路网通行效率，成为研究者关注的新焦点。
可变限速技术经历了从规则驱动到智能优化的范式转换。初期研究基于固定规则设定限速策略，如通过距离-限速关联模型[28]分析安全与排放影响，这类方法虽具有实施简便性，却受限于专家经验的泛化能力。随着优化算法进步，分级限速、阶梯限速等控制框架[29]在混合交通环境下实现碰撞风险降低47.9%，以及应用多智能体算法[30]使拥堵持续时间减少69.23%，彰显动态优化技术的显著优势。虽然当前研究聚焦机器学习与实时感知融合，但仍普遍采用固定限速参数[31]，在应对突发流量波动时存在适应性短板，亟待发展具有自学习能力的动态参数调整机制。在速度调控技术持续演进的同时，研究者逐渐意识到仅靠速度管理难以从根本上提升道路整体通行效率，必须将其与车道级交通资源的动态调配策略相结合，以实现更高效的系统级优化控制。正是在这一背景下，车道管控技术的研究重心也逐步由被动响应向主动预测演进，形成了新的技术范式。
部分研究证明了基于传统可变车道、高占用率车道等物理调控手段，进行有效主动预测[32]可成功降低车辆延误21.4%，验证了基础调控手段的有效性。随着交通状态预测与优化算法的发展，基于时序预测与资源优化的调控框架[33]逐渐推动车道部署从静态配置向动态响应演进；同时，分层控制方法[34]开始通过车辆轨迹预测实现对下游交通拥堵的前瞻干预，标志着管控决策从即时响应向预测调度转变。随着自动驾驶技术普及，研究还提出了面向混合交通流环境的车道分配机制以及自动驾驶车辆渗透率对专用车道设置的关键阈值[35]，推动管控技术向新型交通形态适配转型。
当微观层面的车道级优化逐渐成熟，如何将局部改进拓展至路网级效能提升，成为智慧扩容技术发展的核心命题，这促使研究视角从单一设施优化转向系统协同重构。在土地资源约束与生态保护压力下，智慧扩容研究实现从物理扩建向系统协同的跨越。早期单一路网扩容研究聚焦可逆车道设置[36]与施工组织优化[37]，但受制于空间资源瓶颈。随着智能技术渗透，构建的全生命周期成本模型[38]、遥感生态预警系统[39]等逐渐推动扩容决策向科学化、绿色化发展。当前研究前沿已突破单一网络界限，逐步建立起涵盖多层级交通网络的协同诱导机制。有的研究通过路径诱导[40-41]显著降低了平均出行时间有的研究则基于宏观基本图[42]实现系统优化与个体利益的协同平衡。这些进展响应了《国家综合立体交通网规划纲要》的跨网协同要求，但基础设施信息化水平差异导致的“协同壁垒”仍需攻克。这要求智慧公路的交通控制技术不仅关注效率提升，更需统筹技术融合趋势与多维挑战的平衡关系。
综上所述，交通管控技术正呈现深度智能化、动态适应化、跨网协同化的发展趋势。深度强化学习与多智能体系统的融合应用，显著提升了控制系统的自主决策能力；数字孪生与在线学习技术为动态参数调整提供了新可能；跨层级协同机制构建则为破解“智慧孤岛”难题指明方向。然而，现有系统在新场景迁移学习、多模态数据融合、生态效率平衡等方面仍存短板，需在3个方面寻求突破：一是发展具有环境感知-决策-执行闭环能力的自主控制系统；二是构建“车-路-网-云”一体化数字底座；三是建立兼顾运行效率与生态可持续性的评价体系。
3.3 智慧公路交通安全 3.3.1 交通安全技术发展现状随着交通运输系统日益向智能化、数字化和网联化方向发展，交通安全的内涵与实现路径也发生了深刻变化。从最初以人为中心的驾驶行为干预，到逐步发展为人-车-路系统的协同安全机制，再到依托数智技术的全过程、全要素安全治理，各国在智慧公路交通安全领域的发展呈现出阶段性演进特征，形成了具有代表性的技术路线和政策体系。相关研究发展历程如表 4所示。
| 阶段 | 时间范围 | 特征 | 解决的主要问题 | 相关成果 |
| 早期阶段 | 20世纪初至50年代 | 被动安全；经验主导 | 减少碰撞伤亡；交通信号灯标准化 | NHTSA (2000), Historical Traffic Safety Trends |
| 工程改进阶段 | 20世纪60至80年代 | 主动安全；3E策略(工程、教育、执法) | 高风险路段事故；酒驾立法(如美国1980年BAC≤0.08%) | IIHS (2019), The Effects of Safety Belt Laws |
| 人因与行为研究阶段 | 1990—2010 | 驾驶行为分析；心理学融合 | 分心驾驶 | EU Commission (2003), eSafety Initiative |
| 智能化与系统化阶段 | 2010年至今 | 车路协同；自动驾驶；实时风险预测；人工智能 | 复杂场景决策(如自动驾驶伦理困境) | WHO (2021), Global Status Report on Road Safety |
美国早在1966年就设立了国家公路交通安全管理局(NHTSA)，通过法规、技术标准和安全教育等方式控制人为驾驶风险。例如，美国在20世纪70年代开始推行强制安全带法和醉驾刑事责任制度[44]，并建立了国家级交通事故数据系统(FARS)用于分析驾驶行为与事故关联。在2000年后大力发展DSRC技术，推动车辆与道路基础设施之间的信息交互，提升碰撞预警、信号优先等功能。2008年，美国交通部启动“智能交通系统战略研究计划”，并在多个州建立试点城市(如密歇根州安娜堡)测试V2X通信在提升交通安全方面的作用[45]。近年来，C-V2X(基于蜂窝的车路协同通信)技术逐步取代DSRC成为主流，美国通信技术企业(如高通)与汽车制造商(如通用)展开联合测试，形成从信息发布到决策支持的闭环系统[46]。
在欧洲，瑞典于1997年提出以“零死亡愿景”为代表的交通安全战略，明确提出应从系统角度对驾驶行为进行管理，而非单纯归责于驾驶者。随后，英国、荷兰、德国等国家也陆续通过立法、摄像监控和事故黑点整治等手段，推动驾驶行为安全化[47]。欧盟在ITS政策中明确将车路协同作为提升交通安全的重要方向。2016年启动的“C-Roads”项目汇集了包括德国、法国、奥地利等15个成员国，统一部署C-ITS系统，并在跨境运输走廊中测试V2X通信对事故预防的作用。通过统一协议标准、共享仿真数据、同步部署基础设施等方式，欧盟构建起一个协调一致的车路协同推进平台[48]。
日本在20世纪90年代率先引入基于视觉识别的驾驶监控系统，识别疲劳驾驶、分心驾驶等高风险行为[49]。新加坡则依托其强大的城市管理能力，在2000年后开始部署驾驶人信用体系与动态监管机制，将行为识别技术与政策工具高度集成[50]。
中国近10年在智能视频识别、AI算法识别等方面快速突破，推动了驾驶行为识别从事后分析向事中预警的转变。例如，“两客一危”重点车辆动态监控系统广泛部署，并通过与交通运输部联网实现实时监管。此外，百度、阿里等企业在自动驾驶与行为识别交叉领域探索，通过传感器识别驾驶者状态并进行主动干预。
3.3.2 交通安全技术发展趋势随着智慧公路建设与运营水平的不断提升，交通安全保障体系也呈现出从传统被动防护向数据驱动、智能协同和多元化防控相结合的趋势转变。在信息技术、传感设备和多学科交叉研究的支撑下，智慧公路交通安全技术正逐步从单一的事故防控，拓展为涵盖事前预防、事中干预和事后处置的全流程动态管理体系。总体而言，智慧公路交通安全的发展趋势可总结为以下几个方面：
(1) 数据驱动的交通安全研究深入。未来公路交通安全研究将更加依赖于多源、异构、海量的数据。通过对交通流量、车速、气象条件、驾驶行为等多维度数据的深度挖掘和分析，能够更全面地了解交通安全的影响因素，建立更准确的预测模型。
(2) 智能交通技术的广泛应用。借助智能交通系统(ITS)，如车联网、自动驾驶辅助系统等，实现对交通流和驾驶行为的实时监测与干预; 通过车辆与基础设施之间的信息交互，提前预警潜在的安全风险，提高公路交通安全水平。
(3) 多学科交叉融合的加强。交通安全研究将涉及交通工程、心理学、行为科学、计算机科学、材料科学等多个学科领域。不同学科的交叉融合将为解决复杂的交通安全问题提供更全面的视角和更有效的解决方案。
(4) 主动安全与被动安全的协同发展。在继续完善被动安全设施(如护栏、防撞设施等)的基础上，更加注重主动安全技术的研发与应用。通过提高车辆的主动安全性能和道路的智能化水平，减少事故发生的概率。
(5) 关注特殊场景与弱势群体。加强对特殊场景(如公路隧道、山区道路、恶劣天气条件等)和弱势交通群体(如行人、非机动车驾驶人、老年人等)的安全研究。针对这些特殊场景和群体的特点，制订更有针对性的安全措施和管理策略。
3.4 智慧公路车路协同技术车路协同(Vehicle-Infrastructure Cooperation, VIC) 是通过无线通信与感知技术，实现车辆、道路、云端动态信息交互与协同决策的智能系统[51]。其目的在于通过车车、车路通信进行交互和共享实现车辆和基础设施之间智能协同与配合达到优化利用系统资源，从而减小乃至消除“车”与“路”的根本矛盾，实现道路交通系统的安全、高效、稳定运行[52]。近年来，随着电子信息与通信系统的迅速发展，车路协同技术向新的阶段迈进，其作为ITS的重要子系统也备受各国研究人员关注，也是智慧公路实现的重要支撑。其技术研究主要经历了萌芽阶段、专用短程通信主导阶段、蜂窝车联网兴起阶段、5G与智能化阶段、车路云一体化阶段。
3.4.1 车路协同技术发展现状(1) 萌芽阶段(20世纪80—90年代)
1980年代，欧美开始研究ETC和车辆定位技术(如GPS)。1991年，美国启动智能车辆高速公路系统计划，该计划旨在整合车辆感知、通信与道路管理系统，是后续ITS架构与车路协同研究的重要起点，奠定了车联网雏形[53]。日本1996年部署ETC系统，实现车辆与路侧设备的单向通信，大幅提升收费效率，也为后续双向车路通信奠定了实践基础[54]。
(2) 专用短程通信阶段(2000—2010年)
DSRC(专用短程通信)成为主流，基于IEEE 802.11p标准，支持车与车(V2V)、车与路(V2I)通信，是现代V2X技术的奠基性协议[55]。2004年，欧洲推出的车路协同系统(Cooperative Vehicle Infrastructure System, CVIS)项目是欧盟框架下首个面向跨国跨域车路通信的平台化试验，重点研发基于DSRC与蜂窝混合通信的车联网示范[56]。美国2006年立法要求车辆安装DSRC设备，欧盟2008年强制推行eCall紧急呼叫系统，是车路协同用于公共安全的代表性应用[57]。
(3) 蜂窝车联网兴起阶段(2010—2015年)
3GPP在2014年发布LTE-V2X标准(Release 14)，支持基于4G的C-V2X通信，该标准首次将蜂窝网络引入车联网生态，提供更广覆盖与更强可扩展性，显著补充了DSRC的局限性[58]。中国2011年在上海建立首个智能网联汽车示范区[59]，车辆开始支持实时交通信息交互(如拥堵预警)。该示范区集成多种车路协同场景验证，标志着中国进入C-V2X技术研发与应用试点的起步阶段。
(4) 5G与智能化阶段(2016—2020年)
2016年，5G汽车联盟(5GAA)成立，汇聚运营商、车企等多方力量，推动5G-V2X标准化发展[60]。中国2018年明确C-V2X为技术路线，发布频段规划，推动了全国示范区建设与产业链一致性[61]。德国2019年在A9高速公路部署全球首个C-V2X车路协同系统，验证了其在实际高速环境下的可行性[62]。
(5) 车路云一体化阶段(2020年至今)
随着5G-V2X(3GPP R16)等技术的演进，车路协同的通信能力进一步提升至毫秒级时延，为高等级自动驾驶提供了高可靠的通信保障[63]。中国近年来积极推动车路云一体化示范进展，北京、苏州等地开展规模化应用，正逐步形成从车端感知、路侧协同到云端决策的闭环架构[64]。2020年以来，工业和信息化部、国家标准化管理委员会等部门先后联合发布了《国家车联网产业标准体系建设指南(车辆智能管理)》《国家车联网产业标准体系建设指南(智能交通相关)》《国家车联网产业标准体系建设指南(智能网联汽车)》等一系列标准指南，进一步完善了频谱规划、通信协议和安全管理等关键环节，强化了我国车联网技术的统一性与互操作性，加速了商业化进程[65]。
不同阶段车辆协同技术发展历程总结如表 5所示。
| 发展阶段 | 时间范围 | 主要技术突破 | 典型应用案例 | 政策/标准推动 |
| 萌芽阶段 | 1980—1990 | ETC技术发展、GPS定位技术 | 日本ETC系统(1996) | 美国IVHS计划(1991) |
| 专用短程通信主导阶段 | 2000—2010 | IEEE 802.11p标准、WAVE架构 | 美国V2V试验欧盟eCall系统(2008) | 美国DSRC立法(2006)、欧盟eCall强制令(2008) |
| 蜂窝车联网兴起阶段 | 2010—2015 | LTE-V2X标准(3GPP R14) | 上海示范区(2011) | 中国国家高技术研究发展计划(八六三计划)支持 |
| 5G与智能化阶段 | 2016—2020 | 5G-V2X标准(3GPP R16)、C-V2X芯片商用 | 德国A9高速示范(2019) | 中国C-V2X路线确定(2018) |
| 车路云一体化发展阶段 | 2020—至今 | 车路云协同、5G-V2X商用 | 北京/苏州示范区自动驾驶出租车 | 国家车联网标准(2022) 新基建政策 |
3.4.2 车路协同技术发展趋势
随着智能网联汽车技术、车路协同通信能力和基础设施数字化水平的持续提升，车辆协同技术正呈现出以通信能力跨代升级、自动驾驶深度融合以及车路云一体化平台建设为核心的多维发展格局。这一发展趋势不仅支撑更高级别自动驾驶场景的落地，也为构建高效、安全、低碳的智能交通体系提供了有力的技术支撑。总体而言，未来车辆协同技术的发展将主要体现在以下几个方面：
(1) 6G-V2X通信技术加速研发(2025-2030)
随着5G-V2X的商用落地，全球已启动6G-V2X的研发工作，其核心技术特征包括：通信性能突破，采用太赫兹频段，实现亚毫秒级时延(<1 ms)和1 Tbit/s峰值速率，较5G提升10倍以上[66]；新型应用场景出现，如全息交通调度、远程驾驶控制场景等。
(2) 自动驾驶与V2X深度集成
自动驾驶技术将与V2X实现全方位融合。在技术融合方面，包括多模态感知融合，如激光雷达+摄像头+V2X数据联合感知；协同决策控制，如车群协同变道、交叉路口博弈等算法；高精地图实时更新，通过V2X实现厘米级动态地图更新[67]。在典型应用方面，L4/L5级自动驾驶有望实现，如Waymo计划2026年部署支持V2X的自动驾驶车队；无人物流实现突破，目前，百度Apollo 6.0系统已实现基于V2X的编队行驶。
(3) 全域车路云一体化平台建设
新一代智能交通系统将呈现平台化特征。车路云一体化技术通过整合车辆、道路和云端资源，实现智能交通系统的高效协作，提升交通安全和效率。系统架构方面，从单机智能向“车路协同→云边端协同→数字孪生交通”演进。未来一体化平台将与智慧城市深度耦合打通应急、物流、低空经济等多业务系统，预计2030年带动14万亿产业链，但实现从“设备堆砌”到“数据驱动”的质变，还需破解数据割裂、成本分摊等商业化难题。
4 总结与展望智慧公路是指以安全、高效、创新、可持续发展为目标，融合应用大数据、云计算、物联网、人工智能等新一代信息技术和智能装备、新能源等技术，具有全域感知、泛在互联、融合计算、自主决策、智能协同、服务触达等能力的新一代公路系统。传统公路基础设施和机电系统是在物理实体上实现“硬联通”，而智慧公路是在传统公路基础设施和机电系统的基础上加入智能感知、云计算、大数据、物联网、人工智能等信息科技实现信息的互联互通。因此，智慧公路是“软联通”。智慧公路通过科技创新和理念创新的驱动，有效推动了传统公路基础设施的转型升级，催生了公路基础设施的新形态，为公路的数字化发展提供了坚实的支撑，使其更紧密地融入经济社会发展大局。与传统公路相比，智慧公路的建设不仅追求公路体系现代化水平的提升，更加重视绿色低碳和可持续发展的理念，而且深刻体现了人文关怀和服务至上的宗旨。
在未来，人工智能、物联网与6G技术的深度融合将推动车路协同系统向认知智能跃迁。基于高精度感知与多源数据驱动的交通流动态溯源技术，可实现从“状态感知”到“出行机理认知”的跨越，为智能管控提供底层逻辑支持，同时，自动驾驶技术的商业化落地将依托C-V2X通信与边缘计算架构，形成“人-车-路-云”全域协同的智慧生态。智慧公路将深度整合可再生能源与环保材料，例如光伏路面与动态无线充电技术的应用，可同步解决新能源车续航与道路能耗问题，延长基础设施生命周期。通过政产学研协同创新，推动智慧公路从技术试验向全域赋能转变，最终实现安全、便捷、高效、绿色、经济、包容、韧性的可持续交通愿景。
| [1] |
王彦卿. IVHS—当代交通工程的前沿技术[J]. 公路交通科技, 1993, 10(1): 68-73. WANG Yanqing. IVHS: contemporary most advanced traffic engineering technology[J]. Journal of Highway and Transportation Research and Development, 1993, 10(1): 68-73. |
| [2] |
杨希锐. 车载定位导航系统发展状况及市场前景[J]. 汽车与配件, 2004(10): 26-27. YANG Xirui. Development and market prospect of vehicle positioning and navigation system[J]. Automobile & Parts, 2004(10): 26-27. |
| [3] |
陆化普, 殷亚峰, 史其信. 新一代道路交通系统──ITS的研究现状与发展[J]. 中国公路学报, 1997(2): 70-76. LU Huapu, YIN Yafeng, SHI Qixin. Research status and development of a new generation of road traffic system: ITS[J]. China Journal of Highway and Transport, 1997(2): 70-76. |
| [4] |
WILLIAMS M. PROMETHEUS: The European research programme for optimising the road transport system in Europe[C]//IEE Colloquium on Driver Information. London: IET, 1988.
|
| [5] |
李峰. 智能交通系统在国外的发展趋势[J]. 国外公路, 1999, 19(1): 1-5. LI Feng. Development trend of intelligent transportation system in foreign countries[J]. Journal of China & Foreign Highway, 1999, 19(1): 1-5. |
| [6] |
李宏海, 刘冬梅, 王晶. 日本VICS系统的发展介绍[J]. 交通标准化, 2011(15): 107-113. LI Honghai, LIU Dongmei, WANG Jing. Latest development of VICS system in Japan[J]. transportation standardization, 2011(15): 107-113. |
| [7] |
徐华峰, 夏创, 孙林. 日本ITS智能交通系统的体系和应用[J]. 公路, 2013, 58(9): 187-191. XU Huafeng, XIA Chuang, SUN Lin. The System and Application of ITS in Japan[J]. Highway, 2013, 58(9): 187-191. |
| [8] |
CHAMPION H R, CUSHING B. Emerging technology for vehicular safety and emergency response to roadway crashes[J].
Surgical Clinics of North America, 1999, 79(6): 1229-1240.
DOI:10.1016/S0039-6109(05)70073-6 |
| [9] |
刘以成. 世纪之交的中国公路交通科技——新春献词[J]. 中国公路学报, 1995, 8(1): 1-6. LIU Yicheng. Chinese highway transportation science and technology at the turn of the century: New year greetings[J]. China Journal of Highway and Transport, 1995, 8(1): 1-6. |
| [10] |
王笑京. 中国智能交通发展回眸(三): 中国电子不停车收费系统(ETC)发展之初[J]. 中国交通信息化, 2020(10): 26-35. WANG Xiaojing. Review of intelligent transportation development in China (Ⅲ): At the beginning of the development of electronic toll collection system (ETC) in China[J]. China ITS Journal, 2020(10): 26-35. |
| [11] |
王笑京. 中国智能交通发展历程: ETC的跨越[J]. 中国公路, 2022(7): 52-57. WANG Xiaojing. The Development Course of Intelligent Transportation in China: The leap of ETC[J]. China Highway, 2022(7): 52-57. |
| [12] |
LI B, WANG X, CAI H, et al. The R&D strategy for intelligent highway system of China[C]//Proceedings of the 2003 IEEE International Conference on Intelligent Transportation Systems. New York: IEEE, 2003: 569-573.
|
| [13] |
郭戈, 许阳光, 徐涛, 等. 网联共享车路协同智能交通系统综述[J]. 控制与决策, 2019, 34(11): 2375-2389. GUO Ge, XU Yangguang, XU Tao, et al. A survey of connected shared vehicle-road cooperative intelligent transportation systems[J]. Control and Decision, 2019, 34(11): 2375-2389. |
| [14] |
《中国公路学报》编辑部. 中国交通工程学术研究综述·2016[J]. 中国公路学报, 2016, 29(6): 1-161. Editorial Department of China Journal of Highway and Transport. Review on China's traffic engineering research progress: 2016[J]. China Journal of Highway and Transport, 2016, 29(6): 1-161. |
| [15] |
陈超, 吕植勇, 付姗姗, 等. 国内外车路协同系统发展现状综述[J]. 交通信息与安全, 2011, 29(1): 102-105, 109. CHEN Chao, LÜ Zhiyong, FU Shanshan, et al. Overview of the development in cooperative vehicle-infrastructure system home and abroad[J]. Journal of Transport Information and Safety, 2011, 29(1): 102-105, 109. |
| [16] |
张纪升, 李斌, 王笑京, 等. 智慧高速公路架构与发展路径设计[J]. 公路交通科技, 2018, 35(1): 88-94. ZHANG Jisheng, LI Bin, WANG Xiaojing, et al. Design of architecture and development roadmap of smart expressway[J]. Journal of Highway and Transportation Research and Development, 2018, 35(1): 88-94. DOI:10.3969/j.issn.1002-0268.2018.01.012 |
| [17] |
傅志寰, 翁孟勇, 张晓璇, 等. 我国智慧公路发展战略研究[J]. 中国工程科学, 2023, 25(6): 150-159. FU Zhihuan, WENG Mengyong, ZHANG Xiaoxuan, et al. Development strategy of smart highways in China[J]. Strategic Study of CAE, 2023, 25(6): 150-159. |
| [18] |
汪林, 高剑, 郭宇奇, 等. 我国智慧公路建设现状及发展建议[J]. 交通运输研究, 2024, 10(2): 43-52. WANG Lin, GAO Jian, GUO Yuqi, et al. Construction status and development suggestions of smart highways in China[J]. Transport Research, 2024, 10(2): 43-52. |
| [19] |
张纪升. 面向路网运行管理的异构传感网协同设计方法研究[D]. 北京: 北京交通大学, 2015. ZHANG Jisheng. Research on collaborative design of heterogeneous sensors network for highway network operation and management[D]. Beijing: Beijing Jiaotong University, 2015. |
| [20] |
李梦琦. 基于浮动车数据的道路拥堵状态评价及宏观基本图研究[D]. 北京: 北京交通大学, 2016. LI Mengqi. Study on road congestion state assessment and macroscopic fundamental diagrams based on floating car data[D]. Beijing: Beijing Jiaotong University, 2016. |
| [21] |
CHEN C J, OTA K, DONG M X, et al. WITM: Intelligent traffic monitoring using fine-grained wireless signal[J].
IEEE Transactions on Emerging Topics in Computational Intelligence, 2020, 4(3): 206-215.
DOI:10.1109/TETCI.2019.2926505 |
| [22] |
WON M, ZHANG S H, SON S H. WiTraffic: Low-cost and non-intrusive traffic monitoring system using WiFi[C]//2017 26th International Conference on Computer Communication and Networks (ICCCN). New York: IEEE, 2017: 1-9.
|
| [23] |
ALESSANDRINI A, GIOIA C, SERMI F, et al. WiFi positioning and big data to monitor flows of people on a wide scale[C]//2017 European Navigation Conference (ENC). New York: IEEE, 2017: 322-328.
|
| [24] |
吴场建, 任刚, 曹奇, 等. 基于预信号的快速路出口匝道衔接交叉口控制优化方法[J]. 中国公路学报, 2023, 36(10): 269-280. WU Changjian, REN Gang, CAO Qi, et al. An optimal control method of intersection with an upstream freeway off-ramp using pre-signals[J]. China Journal of Highway and Transport, 2023, 36(10): 269-280. |
| [25] |
LIU B, TANG Y, JI Y X, et al. A deep reinforcement learning approach for ramp metering based on traffic video data[J/OL]. Journal of Advanced Transportation, 2021, 2021(1): 6669028. (2021-10-31) [2025-06-20] https://doi.org/10.1155/2021/6669028.
|
| [26] |
高津达. 基于多智能体强化学习的城市快速路与地面道路交通流协调控制方法[D]. 南京: 东南大学, 2022. GAO Jinda. Coordinated control method of urban expressway and surface road traffic flow based on multi-agent reinforcement learning[D]. Nanjing: Southeast University, 2022. |
| [27] |
LIN Q H, HUANG W, WU Z G, et al. Multi-agent game theory-based coordinated ramp metering method for urban expressways with multi-bottleneck[J].
IEEE Transactions on Intelligent Transportation Systems, 2025, 26(3): 3643-3658.
DOI:10.1109/TITS.2024.3521460 |
| [28] |
YUAN T C, ALASIRI F, IOANNOU P A. Selection of the speed command distance for improved performance of a rule-based VSL and lane change control[J].
IEEE Transactions on Intelligent Transportation Systems, 2022, 23(10): 19348-19357.
DOI:10.1109/TITS.2022.3157516 |
| [29] |
SHI Y Y, LIU C Q, SUN Q, et al. Real-time bottleneck identification and graded variable speed limit control framework for mixed traffic flow on highways based on deep reinforcement learning[J]. Journal of Transportation Engineering, Part A: Systems, 2025, 151(5): 04025017. (2025-02-18) [2025-06-20]. https://doi.org/10.1061/jtepbs.teeng-8875.
|
| [30] |
余荣杰, 徐灵, 章锐辞. 基于多智能体深度强化学习的高速公路可变限速协同控制方法[J]. 同济大学学报(自然科学版), 2024, 52(7): 1089-1098. YU Rongjie, XU Ling, ZHANG Ruici. Coordinated variable speed limit control for freeway based on multi-agent deep reinforcement learning[J]. Journal of Tongji University (Natural Science), 2024, 52(7): 1089-1098. |
| [31] |
龚思远, 郑国辉, 曾露, 等. 迈向智能网联的可变限速控制研究综述: 技术演进、工程应用和未来展望[J]. 交通运输工程与信息学报, 2025, 23(1): 1-35. GONG Siyuan, ZHENG Guohui, ZENG Lu, et al. A review of studies on variable speed limit control toward the era of connected and autonomous transportation: Technological evolution, engineering applications, and future prospects[J]. Journal of Transportation Engineering and Information, 2025, 23(1): 1-35. |
| [32] |
田紫颖, 曹倩霞, 龙科军. 快速路出口匝道短衔接段动态车道设置[J/OL]. 交通科学与工程, 2024: 1-9. (2024-11-19) [2025-06-25]. https://link.cnki.net/doi/10.16544/j.cnki.cn43-1494/u.20240307002. TIAN Ziying, CAO Qianxia, LONG Kejun. Dynamic lane setting for short connection section of expressway off-ramp[J/OL]. Journal of Transport Science and Engineering, 2024: 1-9. (2024-11-19) [2025-06-25]. https://link.cnki.net/doi/10.16544/j.cnki.cn43-1494/u.20240307002. |
| [33] |
LIU C X, YANG H, KE R M, et al. Toward a dynamic reversible lane management strategy by empowering learning-based predictive assignment scheme[J].
IEEE Transactions on Intelligent Transportation Systems, 2022, 23(12): 23311-23323.
DOI:10.1109/TITS.2022.3202487 |
| [34] |
KREIDIEH A R, FARID Y Z, OGUCHI K. Lane assignment of connected vehicles via a hierarchical system[C]//2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC). New York: IEEE, 2022: 2372-2378.
|
| [35] |
郝威, 张兆磊, 吕能超, 等. 考虑自动驾驶专用车道的混合交通分配模型[J]. 中国公路学报, 2023, 36(10): 317-327. HAO Wei, ZHANG Zhaolei, LÜ Nengchao, et al. Mixed traffic assignment model based on autonomous driving lanes[J]. China Journal of Highway and Transport, 2023, 36(10): 317-327. |
| [36] |
刘星良, 谢厅, 刘唐志, 等. 基于HNAC-FD的高速公路网应急疏导措施效用评估[J]. 中国安全科学学报, 2023, 33(7): 222-229. LIU Xingliang, XIE Ting, LIU Tangzhi, et al. Evaluate effectiveness of emergency evacuation measures in expressway network based on HNAC-FD model[J]. China Safety Science Journal, 2023, 33(7): 222-229. |
| [37] |
孙丹, 杨军超, 李星, 等. 高速公路互通式立交改扩建工程施工期交通组织研究[J]. 公路, 2022, 67(5): 75-81. SUN Dan, YANG Junchao, LI Xing, et al. Research on traffic organization of expressway interchange reconstruction and extension during construction period[J]. Highway, 2022, 67(5): 75-81. |
| [38] |
KHAN M A, AHMED A, KAYANI W I U H. Optimal timing for lane(s) addition to an existing highway: A benefit-cost approach[J].
Arabian Journal for Science and Engineering, 2019, 44(5): 4169-4182.
DOI:10.1007/s13369-018-3350-8 |
| [39] |
ALEXANDER S, YANG B, HUSSEY O. Examining the land use and land cover impacts of highway capacity expansions in California using remote sensing technology[J].
Journal of the Transportation Research Board, 2025, 2679: 439-449.
|
| [40] |
王璞, 王天浩, 李明伦, 等. 拥堵车源的区域多层交通网络混合路径诱导策略[J]. 电子科技大学学报, 2024, 53(5): 785-791. WANG Pu, WANG Tianhao, LI Minglun, et al. Hybrid routing strategy of regional multi-layer transportation network considering the congested driver sources[J]. Journal of University of Electronic Science and Technology of China, 2024, 53(5): 785-791. |
| [41] |
王璞, 廖雨笛, 李胜楠, 等. 平衡个人和社会利益的区域高速公路多层网络路径诱导模型[J/OL]. 西南交通大学学报, 2024: 1-12. (2024-05-24). [2025-06-20]. https://link.cnki.net/urlid/51.1277.U.20240523.1520.010. WANG Pu, LIAO Yudi, LI Shengnan, et al. Route guidance model of regional highway multi-layer transportation network for balancing individual and social benefits[J/OL]. Journal of Southwest Jiaotong University, 2024: 1-12. (2024-05-24) [2025-06-20]. https://link.cnki.net/urlid/51.1277.U.20240523.1520.010. |
| [42] |
WEI D, YANG Z S. Bi-level route guidance method for large-scale urban road networks[J/OL]. EURASIP Journal on Wireless Communications and Networking, 2019, 2019(1): 127. (2019-05-23) [2024-06-24]. https://doi.org/10.1186/s13638-019-1451-z.
|
| [43] |
NAGALUR SUBRAVETI H H S, SRIVASTAVA A, AHN S, et al. On lane assignment of connected automated vehicles: Strategies to improve traffic flow at diverge and weave bottlenecks[J]. Transportation Research Part C: Emerging Technologies, 2021, 127: 103126. (2021-04-24) [2025-06-20]. https://doi.org/10.1016/j.trc.2021.103126.
|
| [44] |
National Highway Traffic Safety Administration (NHTSA). Traffic safety facts annual report, 2015[R]. Washington, D.C. : NHTSA, 2015.
|
| [45] |
USDOT. Connected vehicle pilot deployment program phase 1[R]. Washington, D.C. : USDOT, 2015.
|
| [46] |
Qualcomm Technologies Inc. C-V2X: Safety and beyond[R]. San Diego: Qualcomm, 2020.
|
| [47] |
OECD/ECMT. Towards Zero: Ambitious road safety targets and the safe system approach[R]. Paris: OECD Publishing, 2008.
|
| [48] |
C-Roads Platform. C-ITS road map[EB/OL]. (2021-01-01) [2025-07-20]. https://www.c-roads.eu/fileadmin/user_upload/media/Dokumente/C-ROADS_C-ITS_Roadmap_v1.0.pdf.
|
| [49] |
Japanese Ministry of Land, Infrastructure, Transport and Tourism. Road safety white paper, 2019[R]. Tokyo: MLIT, 2019.
|
| [50] |
Singapore Land Transport Authority. Smart mobility 2030[R]. Singapore: LTA, 2020.
|
| [51] |
陈超, 吕植勇, 付姗姗, 等. 国内外车路协同系统发展现状综述[J]. 交通信息与安全, 2011, 29(1): 102-105, 109. CHEN Chao, LÜ Zhiyong, FU Shanshan, et al. Overview of the development in cooperative vehicle-infrastructure system home and abroad[J]. Journal of Transport Information and Safety, 2011, 29(1): 102-105, 109. |
| [52] |
李斌, 侯德藻, 张纪升, 等. 论智能车路协同的概念与机理[J]. 公路交通科技, 2020, 37(10): 134-141. LI Bin, HOU Dezao, ZHANG Jisheng, et al. Study on conception and mechanism of intelligent vehicle-infrastructure cooperation[J]. Journal of Highway and Transportation Research and Development, 2020, 37(10): 134-141. DOI:10.3969/j.issn.1002-0268.2020.10.015 |
| [53] |
U.S. Department of Transportation. Strategic plan for intelligent vehicle-highway systems (IVHS)[R]. Washington, D.C. : U.S. Department of Transportation, 1991.
|
| [54] |
Japanese Ministry of Land, Infrastructure, Transport and Tourism. ITS handbook Japan 2002-2003[R]. Tokyo: MLIT, 2003.
|
| [55] |
IEEE Std 802. IEEE standard for information technology—telecommunications and information exchange between systems—local and metropolitan area networks—specific requirements—Part 11: Wireless LAN medium access control (MAC) and physical layer (PHY) specifications amendment 6: Wireless access in vehicular environments. 11p-2010[S].
|
| [56] |
European Commission. Cooperative vehicle-infrastructure systems (CVIS) final report[R]. Brussels: European Commission, 2010.
|
| [57] |
European Commission. eCall: Time Saved = Lives Saved[R]. Brussels: European Commission, 2009.
|
| [58] |
3rd Generation Partnership Project. Release 14: LTE support for vehicle-to-everything (V2X) services[S].
|
| [59] |
张临川. 上海智能网联汽车产业发展态势与展望[J]. 数字经济, 2022(11): 72-77. ZHANG Linchuan. Development status and prospects of shanghai intelligent connected vehicle industry[J]. Digital Economy, 2022(11): 72-77. |
| [60] |
5G Automotive Association. The case for cellular V2X for safety and cooperative driving[R]. Munich: 5GAA, 2016.
|
| [61] |
中华人民共和国工业和信息化部. 关于印发《车联网(智能网联汽车)直连通信使用5905-5925 MHz频段管理规定(暂行)》的通知(工信部无〔2018〕203号)[EB/OL]. 北京: 工业和信息化部, http://www.gov.cn/zhengceku/2018-12/31/content_5442658.htm. (2018-10-25) [2025-06-20] Ministry of Industry and Information Technology of the People's Republic of China. Administrative regulations on the use of frequency band 5905-5925 MHz in direct communication for internet of vehicles (intelligent connected vehicles)[EB/OL]. Beijing: MIIT, http://www.gov.cn/zhengceku/2018-12/31/content_5442658.htm. (2018-10-25) [2025-06-20] |
| [62] |
BMW Group. A9 Highway C-V2X Case Study[R]. Munich: BMW Group, 2019.
|
| [63] |
3rd Generation Partnership Project. Release 16: 5G support for vehicle-to-everything (V2X) services[S].
|
| [64] |
中国智能网联汽车产业创新联盟. 车路云一体化系统白皮书[R]. 北京: 中国智能网联汽车产业创新联盟, 2023. Beijing Intelligent and Connected Vehicle Industry Innovation Center. White paper on vehicle-road-cloud integration[R]. Beijing: BICV, 2023. |
| [65] |
中华人民共和国工业和信息化部, 国家标准化管理委员会. 车联网网络安全和数据安全标准体系建设指南(智能网联汽车)[S]. 2023版. 北京: 工业和信息化部, 2022. Ministry of Industry and Information Technology of the People's Republic of China, National Standardization Administration. Guidelines for the standard system of the internet of vehicles industry: Intelligent Connected Vehicle[S]. Beijing: MIIT, 2023. |
| [66] |
NOOR-A-RAHIM M, LiU Zilong, LEE Haeyoung, et al. 6G for Vehicle-to-Everything (V2X)Communications: Enabling Technologies, Challenges, and Opportunities[J]. Proceedings of the IEEE, 110(6): 712-734.
|
| [67] |
McKinsey & Company. Autonomous driving and V2X synergy[R]. New York: McKinsey & Company, 2024.
|