出品 | AI科技大本营（ID:rgznai100）这是作者关于智能交通协议(Intelligent Transport Protocol)的构想，欢迎留言讨论。- 智能交通系统(Intelligent Transport Systems)
缘起
每天下班我都会开车由西往东从四环进入G6，从四环进G6有两条路径，分别如下图红色和蓝色的路线所示。不管哪条路径，最终都会汇入G6的主路A点。这条路总是很堵，因为四环东西两个方向的车流最终都会汇入，而且汇入点A前方不远有一个出口，所以A点不但有大量车流进入，也有不少车要出去。而且晚上17:00-19:00最内侧是公交车道，A点前方不远有公交车道的违章拍照，很多违规走公交车道的“鸡贼”司机都要在A点并线进入第二车道。图：从北四环进G6(原八达岭高速)的路线，来自百度地图早上上班会从北往南经过盘古大观旁边的北辰西路通过匝道往西进入四环主路，如下图所示。早上进四环的车辆很多，也会碰到很多“鸡贼”司机从第二条车道插队进入。这样的场景对于大城市开车上下班的职场人士来说是司空见惯的事情，估计不少人也走过公交车道或者插过队。遇到这种情况的时候我就经常想，有没有办法能够解决拥堵的问题呢？交通拥堵几乎是大城市的通病，它让人们浪费大量时间、消耗更多能源并且造成严重的环境污染。有关部门也尝试了很多解决方法，包括提倡公交出行、机动车购买限号和限行，甚至要效仿国外收取拥堵费，但似乎都不能解决问题。最近自动驾驶和车联网比较火热，有人认为这些技术能缓解交通拥堵，提高出行效率。真的是这样吗？我一直在思考的一个问题就是：道路的极限吞吐量有多大？如果我们每天的交通流量(Demand)是固定的，期内我们也无法修建更多的道路，那么唯一的办法就是提高通行的效率。那么一条道路的极限通行量是多大呢？或者反过来思考，哪些因素会影响一条道路的吞吐量呢？显然车越多，道路就越拥堵。这肯定受限于物理的约束，比如车流量、道路的车道数、路面的宽度等。也包括汽车和司机的物理学约束，比如受刹车的物理参数约束，跟车不能跟的太近；而司机的反应速度也不同，在天气好的白天可能跟车可以近一些，而下雨的晚上就只能开慢一些以避免追尾等事故。如果所有的车都由一个“上帝”来控制，是不是能够逼近这个极限吞吐量呢？每个司机都在追求个人的局部最优解，但这通常不是全局的最优解。比如图1所示的情况，匝道的车要并入G6的最右侧车道，这就会导致匝道的车和最右侧车道的车竞争，最终的结果就是拉链式的交叉通行，这从某种程度上保障了通行的“公平”，但是每辆车的速度都很慢。而且最右侧车道慢了之后就会往中间车道并线，再往最内侧车道并线，最终导致整个道路拥堵。如果我们能有一个仲裁者(比如交警或者信号灯)来指挥，那么仲裁者可以先命令右侧车道暂停，让匝道的N(比如10)辆车并入，然后让右侧的车通行M(比如20)量，……。这样一个简单的改进可能提高最右侧车道的通行效率。当然实际的情况远比这复制，比如可能有中间车道的车要出去，它可能要并线到最右侧。但是至少从原则上来看全局的最优会比局部的最优要好很多的。车辆的行驶看起来很复杂，但是从微观(每辆车)的角度来看其实并不复杂。在没有路口的地方，一辆车正常行驶要么一直往前走，要么往左变道，要么往右变道。变道需要车辆之间的一种“语言”来协商，车辆的语言主要通过车灯和喇叭来实现。比如A车要左转，则拨动左转信号灯，它相当于跟左后方的车说：“请注意，我要左转了”。左侧车B看到之后有两种选择：让或者不让。让的话就把车速降下来，这是A观察到了B车降速下来，于是顺利并线。如果不让，则B保持车速不降(或者不降太多)，甚至通过喇叭或者闪灯(晚上)警告A车不要并线。注意：A车的语言是显式的，它通过左转灯来表达它的意图，如果左转灯没坏并且B车司机眼睛没毛病的话是可以没有歧义的理解A的意图的。但是我们的汽车并没有设计一个“让或不让前方并线的信号灯”，因此B想表达同意或者不同意就可能有歧义。因为B车即使不想让，它为了避免撞车也会减速，但是它的车速可能还是不慢。A车只能通过车速的变化来判断B是否想让，如果A车判断出错就可能出现交通事故。
有时候我们也会碰到这种情况：B车想让，所以速度减下来一些，但是A车判断B并不想让，所以赶紧停止并线，但是车头已经探出去小部分。B一看A的头出来了，为了避免碰撞就继续减速。但是A车“怂了”不敢并线，就停在那里。B车一看：“你这肉车，让你都不走”，于是加速准备走。而A看B也一直没动，以为对方要让，就继续并线，结果对方又加速上来了，于是又停住……。这就像有时候上下楼梯时碰上了，为了避免碰撞，两人都同时往一个方向侧身，但是碰巧是同一个方向，于是停顿一会往另一个方向侧身，结果两人的频率还比较一致，又碰上了，……前面说的是比较“文明”的并线，有的并线就很强横，不打灯就强行并线，让别人急踩刹车。当然这里还有很多心理学可以研究的有趣现象，比如说明明空间足够并线，但是B车一看A车打灯就立马加速上去避免被“加塞”，这也是很多并线司机不愿意打灯的原因。总的来说，由于车辆只能通过车灯和喇叭等有限的方式来进行沟通，而且受司机心理的影响(比如那些走右转/左转/公交车道抄近路然后并线，会让被并线者产生不满情绪)，并线只能靠两车之间的“协商”来进行，这就会导致并线效率低而且容易引发交通事故。目前的交通规则并没有明确的规定怎么处理并线，它只是定义了在发生交通事故时候的责任认定。
如果汽车之间有更加高效的沟通(通信)手段，那么能不能提高通行效率和减少交通事故呢？比如说任意两辆车都可以完美的通信，是否就能解决问题呢？显然还是不能，比如前面匝道的车要并入最右侧车道，很可能一开始右侧没有车原因让，则汇入的车辆一直等在那里，等来等去没人让。他就会感觉不耐烦，就会强行探出头去并线。他一旦侧着通过后，匝道上他后面的车都会顺着一溜过去，然后类似的最右侧车道也会“抢占”一段时间。这种模式似乎和前面的仲裁者的效果类似，但是这种模式很难稳定。因为从公平的角度来看，主路的车让匝道通过少数几辆车先走可能还行，但是如果匝道过了十辆车还不让自己走就会感觉严重“不公平”，就会忍不住要抢回路权。也就是说靠“道德”的方式很难维持这种较优的方案，因为这种方案对于个人来说是不公平的。其实这和十字路口的红绿灯是类似的，最早道路上没有红绿灯，这很容易发生交通事故，而且也容易发生拥堵。我们可能也碰到过没有红绿灯的路口，如果车多的话就很容易拥堵。如果目前的车流都是东西方向的话，那么南北方向的车无法通行。但是东西方向的司机道德还很难高尚到主动停下来(而且后面来的车可能也不知道南北方向让了多久)，这个时候南北方向的司机就很不爽了，让你们走了两分钟还不停下来，于是就慢慢的从开始往前蹭，最终就导致路口完全堵死。这个现象即使有红绿灯也可能发生，比如东西方向很堵，绿灯的时候车开不动。然后变成了红灯，这个时候是南北方向的绿灯。如果从理性的角度来说，南北方向的车最好不动，等东西方向的车都过去再说。也许一开始大家道德还比较高尚，呆在停止线不动。但是每次东西方向都能通过几辆车却不能完全通过，剩下的车把路口堵死。这个时候南北方向的司机就不爽了：让了你们三四个红绿灯还这样。于是也蹭上去，最终就是把路口完全堵死。所以为了提高通行效率，一方面需要解决通信(语言)的问题，同时还需要有一个仲裁者从全局的角度综合考虑整体效率和个体公平来做出更加优化的行车方案。我觉得从理论上来说，是可以通过这种方式来改善通行效率和减少交通事故(很多堵车又是交通事故导致的)。那要实现这个目标就需要两个条件：及时和准确的通信；路段级别的仲裁者(优化算法)。为了验证这个想法能否可能实现，我就开始了对于智能交通系统和智能网联汽车等相关领域的学习和调研。调研
“交通”释义
在进入“正式”的内容之前先让我们来了解一下“交通”一词的含义，这可能会给我们一些启发。我们现在用的“交通”基本对应英文”traffic”，而运输对应”transportation”。交通和通信有什么关系吗？为什么交通银行的英文名称是”Bank of Communications”[1]，外国人会不会理解成“通信银行”？根据[2]，交通一词来源于中华民国交通部(Ministry of Transportation and Communications)。为什么交通被翻译成了Communications呢？根据[3]，交通银行是为了借款赎回京汉铁路经营权而创办。创办交通银行的邮传部主管航运、邮政、铁路、电信，其英文名为Ministry of Posts and Communications。虽然中文名字为交通银行，但是它的实际业务范围也包括轮、路、邮、电的存款，所以叫做”Bank of Communications”。根据Merriam-Webster字典[4]，communications(注意是复数形式)能勉强和交通运输扯上关系，但其实很少使用。辛亥革命后邮传部改为了交通部，英文名字也变成了”Ministry of Transportation and Communications”。中华人民共和国成立时交通部被翻译成Ministry of Communications，它负责除铁路、航空以外的其他交通运输，主要是公路、水路交通。这个翻译其实挺奇怪的，尤其是到了21世纪，通信技术和互联网的发展，一提到communication就会想起通信。比如大学的专业里如果说是communication专业的，那一定是通信专业。如果要表示交通或者运输专业，那一般用traffic或者transportation(或者英式的transport)。到了2008年《国务院机构改革方案》新组建了交通运输部，它整合了原交通部、原中国民用航空总局和原国家邮政局，因此更名为交通运输部，英文名为Ministry of Transport。在中国，与communication相关的国家部门是[邮电部]，它的英文翻译是Ministry of Posts and Telecommunications。原属于邮电部的北京邮电大学(原邮电学院)的英文名字是Beijing University of Posts and Telecommunications。根据[6]，telecommunication这个词表示远程通信，复数telecommunications表示实现远程通信的技术。国外用Telecommunications来表示政府部门的好像只有印度的Department of Telecommunications[7]，大部分都是Department/Ministry of Communications[8]。
英美等国都有交通部(Department of Transportation/Transport)，但是都没有Department of Communications。国外的通信部门其实没有太多行政事务(运营商都是私人企业)，但是需要有人来制定通信行业的规范以及分配通信频段等事情。这些立法工作大部分是技术相关的，英国是[通讯管理局(Office of Communications)]，美国是[联邦通信委员会(Federal Communications Commission, FCC)]。美国联邦通信委员会(FCC)是一个独立的美国联邦政府机构，由美国国会法令所授权创立，并由国会领导(不对总统负责)。因此美国对华为下禁令的是FCC，比如《华为起诉美国联邦通信委员会违反美国宪法》，华为起诉的是FCC。大家可能比较奇怪美国管理通信行业的政府部门为什么是这个联邦通信委员会。美国联邦政府是立法、司法和行政三权分立的制度，但在这三大机构之外还有很多独立的“第四”权力机构，它们的名字通常是XX委员会(Commission)、XX理事会(Council)，当然也有叫XX局或者XX署的，比如电影里经常出现的中央情报局(Central Intelligence Agency, CIA)、国家航天航空局(National Aeronautics and Space Administration, NASA)和环境保护署(Environmental Protection Agency, EPA)。当然还是以叫委员会的居多，除了FCC，最出名的就是联邦储备委员会(The Board of Governors of The Federal Reserve System)，他们领导的就是大名鼎鼎的美联储。美联储的主席虽然由总统提名，但是他们只对国会负责，总统无权罢免他们。而且他们的任期是14年，远超总统的任期，所以总统无法直接影响他们的决策。回到邮电部的话题，年龄大一点的读者可能还记得邮电局(现在叫邮局)。这既是一个政府部门，同时也是一家国有企业。大家还记得骑着自行车送信的邮递员吗？他们的自行车非常特别，后排可以挂很多袋子，而且后面那个支撑脚是像一个“凵”字，可以立起来。根据[11]，在中华民国时邮政和电信分属于“中华邮政”部门和交通部。中华人民共和国成立后经过多次分分合合，在改革开放前邮政和电信最终合并成邮电部。在上世纪九十年代之前大家的通信主要是靠写信，特别紧急的事情会发电报，但是价钱很贵，而且是按照字数收费的。我上小学时作文总有练习写电报的内容，老师先给出一件事，然后看谁能用最少的字数把事情说的最清楚。进入新世纪之后，电话慢慢取代的信件，邮政就逐渐衰落。但是随着近期电商的兴起，与之相关的快递物流行业又发达起来，真是三十年河东三十年河西。1998年3月，第九届全国人大第一次会议上，具有悠久历史的邮电部被分拆。在原电子工业部和邮电部的基础上，成立了信息产业部，主管全国电子信息产品制造业、通信业和软件业，推进国民经济和社会生活信息化。拆分后的邮政成立了国家邮政局，2007年实现政企分开，而负责给大家送信的企业变成了中国邮政集团公司。2008年，邮政局被并入交通运输部。电信在1998年就实现到了政企分离，政府职责由信息产业部负责，2008年后并入工业和信息化部。而作为企业的各大运营商通过分分合合最终形成了今天我们看到的移动、联通和电信三大运营商。感兴趣的读者可以参考[11]来了解更多历史。这里花这么多篇幅介绍交通和通信的名词和相关部门，一个方面是为了了解这个领域的重要规则制定者，这是推动智能交通系统(Intelligent Transportation System, ITS)发展的重要动力。另一方面是通信和交通这两个独立发展的方向在智能网联汽车时代最终将会走到一起，帮我们实现更加智能的交通和运输系统。通信的目标是随时随地把信息快速的从一个地方传输到另外一个地方；而交通运输的目标是随时随地快捷的把人或者货物从一个地方运输到另外一个地方。从中国的历史来看，交通运输和通信的需求一直都有。把人或者货物从一个地方运送到另外一个地方是非常基本的需求，而传递信息的需求相对就没有那么强，一般用于军事和政治。中国自秦以来的户籍管理制度让老百姓没有迁徙的自由，除了进京赶考的书生偶尔需要给家里写写信，一般人的生活半径就是几十里路，需求并不强烈。但是普通老百姓也需要从集市买卖物品，也需要运输货物。从运输和信息的角度来说，人的需求可以分为两大类：虚拟(信息)需求和实体需求。这两个词是我造出来的，实在想不出更合适的，就借用时下流行的虚拟经济和实体经济的说法。比如说我要吃苹果，这是实体的需求，这个苹果必须通过我的嘴巴吃下去。如果苹果离我很远，我想吃苹果只有两种途径：把苹果送到我身边；或者把我送到苹果旁边。在古代，运送一个人比送一个苹果困难的多，因为一个人至少60kg而苹果最多0.5kg，而且人又不能放到箱子里，太颠簸了也受不了。所以除了远古的采集者或者游牧民族是跟着食物走，后来的人们都是通过商业贸易把物品送到人那里去。当然现代因为城市化的发展和交通的便利性，我们走路或者坐车去饭店吃饭也比较常见了。有的时候吃饭是需要很多人聚集在一起，这就不是为了生存的进食，而是一种社交活动了。第二类需求就是信息类需求，又可以分成人和人的沟通和人对物体信息的获取。比如要和朋友聊天，当然可以大家聚到一起然后聊天，但是把相聚很远的人集合起来成本很高，使用网络的方式会极大降低时间和空间成本。比如要买苹果前，我们需要从很多苹果卖家那里比较和挑选价格合适又好吃的，我们可以跑到农贸市场去，但是也可以在网上挑选后由快递小哥把苹果送到家。随着网速越来越快，挑选苹果的时候不但可以看文字和图片介绍，还可以进行视频直播。而随着虚拟现实等技术的发展，很多人之间的沟通以及人和物体的沟通都可以通过远程的方式解决，比如远程上班、VR看房。
也许以后虚拟现实高度发达了，我们出去旅游都可以用虚拟现实来实现了。甚至吃东西都是“虚拟”的，我们在吃苹果的时候外接各种体感设备让我们在咀嚼时产生香甜的感受，最终只是给我们注入了多少卡路里的葡萄糖或者微量元素。也就是说我们的所有“食物”都是这些基本的元素，我想吃苹果的时候它给我配方出来苹果的元素组合，然后让大脑产生吃苹果的感受。如果到了这样的一天，除了传输信息，就只需要传输一罐一罐的基本元素就行了。这是不是很科幻，这样的生活是不是很可怕？信息的传输已经很快了，光速传播几乎是物理的极限了，唯一要做的就是增大带宽。但是人和物品的交通运输的速度极限可能是声速，要是高铁每小时3000公里，估计人都得散架了。当然马斯克搞的Hyperloop据说理论速度能到2万公里[12]，我不知道人在里面能不能受得了，也许运输一些结实的货物是有可能的。我们还是回到现实，对于目前我们的道路设施和机动车辆，驾驶的极限速度是多少呢？利用通信技术和优化的算法能逼近这个极限吗？这正是我们需要思考的问题。拥堵波浪
我们通常认为交通堵塞的原因是前方有堵点(比如路口或者车道变窄)或者发生事故导致道路的通行能力下降导致，但是有一些研究发现即使在没有任何堵点和事故的高速公路上，当车流量大了之后也会发生拥堵。根据[13]，比如在下图的高速公路上，你驾驶车辆时发现车子只能龟速爬行，然后完全停止。过了几分钟后，车辆开始流动起来，然后到了某个点之后车速立马飙到限速。最让人感到奇怪的是：没有道路施工，事故和其它的原因。那这种现象是怎么发生的呢？这篇文章的作者认为，当高速公路上车很多的时候，任何微小的扰动都会引起自我强化的(self-reinforcing)连锁反应：一辆车轻微的刹车，它后面的车为了避免碰撞刹的更加猛一点，这样逐渐放大最终就导致了交通缓慢或者停止的波浪(wave)。天普大学(Temple University)研究这种现象的数学家Benjamin Seibold说：“在稳定的交通流量时，这种交通波浪往往由很小的扰动引起，比如道路的颠簸或者某个司机无意的刹车。”即使波浪里的车辆离开了这个拥堵波浪，这个波浪仍然没有消失：它会沿着车道相反的逐渐往后漂移。这个波浪通常为100到1000米长，而且通常在交通密度(density)增加到某个值时发生。日本研究者通过实验模拟出了这种现象。他们让22个司机以相同的速度(18.6 mph)在一个圆形的赛道上行驶，要求他们保持固定的空间距离。但是最终不可避免的会形成交通波浪，就如这个视频所示。这样看起来似乎应该把这种现象归咎于某个不小心的司机。但是模拟实验表明如果司机都想行驶的尽量快，则这种现象越容易发生，因为开的越快就越需要急刹车，从而触发连锁反应。Seibold说：“如果司机发现前方的流量很大，跟车时少踩一脚油门并且保持与前车足够的距离——而不是跟的很紧然后急刹车——则能够避免这种拥堵现象。”MIT的计算机科学家Berthold Horn认为，同样作用的另外一种思考的方法是：我们在开车时尽量保持在前车和后车中间。这会让你尽可能的避免紧急刹车。但是即使采用这样比较好的驾驶习惯也不能完全避免，只要车辆密度大了之后总是会发生，这些驾驶习惯只能缓解问题。文章作者认为采用自动驾驶之后也许可以解决这个问题，不过我觉得短期内自动驾驶还不现实。另外自动驾驶的汽车即使达到甚至超过人类的驾驶水平，如果只是从个人的角度选择最优的策略(比如采取我们人类那种追求“公平”甚至为了个人的利益加塞等等)，那么我觉得世界并不见得会更美好。下面的这篇文章[14]，作者认为单个司机的行为能够缓解交通拥堵。这篇文章的标题是“一个司机能够阻止一场交通拥堵”(One Driver Can Prevent a Traffic Jam)。西雅图的工程师William Beaty提出一些驾驶“方法”：比如跟车的时候留出足够的空间——多到可以让别人“加塞”进去。他认为这种通常被认为反直觉的方法往往可以缓解交通拥堵。比如下图所示：假设我们正在驾驶上图中绿色的车，我们和前方车辆有较大的车距，但是目前车流很大，前车的刹车灯亮了。通常我们的做法是先保持现在的车速，这样我们的车速比前车快，然后快接近时再刹车，尽快跟上前车，如上的左图所示。但是作者认为正确的做法是提前轻微刹车，保持和前车差不多的车速，从而保持这个比较大的车距。作者认为通过这样的方法可以缓解交通拥堵，比如下图是它能解决问题的一种情景：比如我们按照上面的原则在最右侧行驶，左侧有车想往右并线出去，因为有足够的空间，它可以成功并线。反之如果右侧的车辆都跟的很紧，则它只能打着右转灯停在那里，这会导致后面的车无法行驶。另外如果后面的车发现这个车道不能走，而右侧可以走，则他们可能会往右并线，最终导致右侧车道也拥堵。通过这两篇文章，我们可以发现如果驾驶员群体的驾驶习惯发生变化，也许能够缓解交通堵塞。但是这种驾驶习惯的改变很难靠个体来实现，因为一来个体“道德”往往不靠谱。就跟社会风气一样，我们提倡道德，但是更应该加强建设道德的底线——法律。另外如果汽车个体缺乏全局信息，即使其道德很高尚，也很难通过有限的信息获得全局最优解。发展历史
本节介绍智能交通系统和智能网联汽车的发展历史，主要参考了[15]和[16]。自动化高速公路
最近无人驾驶火热，各大科技公司和传统汽车制造商都在竞相加入未来黑科技的军备竞赛。其实早在1939年，那个时候汽车在美国都还是有钱人的奢侈品，就有人开始了无人驾驶的梦想和探索。那年，通用汽车公司的市场部人士就设想出了第一代无人驾驶汽车，并在世界博览会上公之于众。博览会占地1200英亩，展现了众多令人兴奋不已的前沿技术，如电视机、电子路灯、荧光灯，以及新晋中产阶级家庭中必备的设备——自动洗衣机。通用公司大胆地展示了一个名为“未来世界”的作品，即一个自动化的高速公路，并预计到1960年时它将使驾驶出行可以“解放双手，解放双脚”。当然我们现在知道以当时的技术——那个时候计算机还没有问世，虽然有了电报这样的无线通信技术，但是还只用于军事领域，这是不可能实现的。当然美国是一个充满梦想的国度，而且由市场部来做个PPT(我不知道那个年度用什么来做报告)还是问题不大的。但是不久之后第二次世界大战爆发，美国在珍珠港事件后也加入了战争。通用汽车也随之将自己的精力从建造自动化高速公路上移出，转向为同盟国制造坦克、飞机以及其他武器。自动化高速公路项目在20世纪40年代几近中止，但事实证明，二战无疑为后续几十年的发展提供了可供持续挖掘的巨大技术宝库。伴随着二战后的经济繁荣，成千上万的人购买了他们的第一辆车。根据美国的人口普查的数据显示，截至20世纪50年代末，大多数美国家庭都至少拥有一辆汽车。为了鼓励汽车运输业的发展，1956年联邦政府通过了《联邦高速公路法案》(Federal Highway Act of 1956)，开启了持续数十年的公路疯狂建设，并最终让美国各个城市、郊区以及乡村的格局面貌焕然一新。随着购车用户数量的急速上涨，数百万驾驶员奔向了这个国家新建的各个道路和高速公路。随着数万英里的道路铺设，横跨东西海岸的州际公路系统的完善，美国的“汽车文化”就这样诞生了。美国无线电公司(Radio Corporation of America, RCA)是20世纪50年代电子工业创新的发源地，通用汽车公司遂与之合作研发电子化高速公路。美国无线电公司雇用了当时著名的发明家弗拉基米尔·兹沃雷金(Vladimir Zworykin)——阴极射线管及自动化解决方案的开拓者，由其研发信号灯的管控系统。兹沃雷金很早就意识到快速增大的交通密度和公路上飞速奔驰的汽车会带来负面影响，因此他提出的新方法是“要将驾驶员从驾驶的机械重复性任务中解脱出来”。兹沃雷金的专家团队将设计自动化高速公路的难题拆解为三个子问题。正如兹沃雷金所言：“任何汽车控制系统都(必须)得知道公路上每辆车的具体位置信息。这就意味着需要车辆拥有某种侦测手段。第二个必备条件就是每辆车都必须清楚地知道自己及周边汽车的位置。通常车辆是尾随前进的，因此这就需要在车辆之间或车辆与道路之间建立某种沟通手段。第三步就是要汽车的自动控制系统能针对接收到的信息作出回应。”经过几年的研究，两组团队拼凑出来一个他们称之为电子化高速公路的创意解决方案(尽管以今天的标准而言，还是略显粗糙)。他们结合了无线电技术、电子电路以及基于历史悠久的电磁学理论而创建的逻辑门电路。1958年，他们完成了电子化高速公路的一次最全面的展示，在内布拉斯加州林肯市郊区一条400英尺长、专门改造过的高速公路上，装有俏丽垂直尾翼和双摄前大灯的两辆1958年款雪佛兰参与了测试。凭借内布拉斯加州道路管理局的大力支持，通用汽车和美国无线电公司的研究团队组装出一套原始的车辆侦测与引导系统，可以实现在两个主轴方向上对汽车移动的控制：横向维度，将车辆稳定在车道界线内部；纵向维度，将车辆与前后其他车辆保持一定的安全距离。两年后，利用同样的方式，他们又在新泽西州建立了另一条电子化高速公路的测试跑道，但这次是为通用汽车专门定制的，最终成功实现了辆的自动启动、加速、转向与停止，全程没有人工直接参与。纵向维度的控制是通过车辆侦测系统来实现的。车辆侦测系统是各种复杂电子设备的综合。这个系统必须实现基础设施之间的信息通信，这涉及晶体管、无线电发射器以及灯光。为了创建这一侦测系统，美国无线电公司的工程师首先在道路中铺设一系列矩形电线回路，这些矩形回路的长度比汽车车长略短，一个个矩形回路之间首尾相接，覆盖整条测试道路。每当车辆行驶经过一个矩形回路，就会向埋在道路中的晶体管侦测设备发送一个特殊的信号。当车辆快速驶过这一系列矩形回路时，反馈信号就会流入由所有侦测器组成的一个网络里。这一系列连续的动作信号会点亮道路边缘的一串照明灯，形成一种电子化“飞行尾翼”的感觉，进而起到警示附近其他车辆的效果。从理论上讲，人类驾驶员能够清楚地看到无人驾驶车辆的位置就是缘于两侧路灯的照明。其实，也并不需要人去注意，这些信号就会以无线电的形式传播给附近的控制塔，然后由控制塔自动地以无线电指示的方式传递给附近的前后车辆，提醒它们通过刹车或加速来调整与这辆车之间的距离。为了实现横向维度的控制(现在的ADAS里一般叫做车道保持辅助系统(Lane Keeping Assistance, LKA))，工程师为每辆汽车装备了两个金属“传感线圈”，等距地分置于汽车的两侧。与每个传感线圈匹配的是一套测量设备，用于对其中通过的电流强度进行量化。假设装有两个传感线圈和测量装置的一辆汽车缓慢地行驶在测试道路上，当汽车从道路上方驶过时，地下电缆会产生磁场，而这个磁场又会引发车载传感线圈产生电流。如果车辆正确地行驶在道路中央，两个传感线圈中产生的电流将会大致相当。然而，如果汽车危险地偏向了道路一侧，这侧的传感线圈就会产生更强的电流，对应的传感器也会记录下相较于另一侧较高的数值。接受到较强信号的传感器就会向汽车的方向盘操控系统发送指示，要求车辆轻微转向，直到两侧的传感器测量数值再次平衡。这一过程就被称为反馈控制(Feedback Control)，在当时被视为一项十分先进的技术。借助汽车传感线圈中的传感器记录数据，并监测测量数据的稳定与否，这套技术的组合构成了一个虽然略显粗糙但行之有效的自动操作系统。早在计算机机器视觉发明以前，通用汽车和美国无线电公司共同搭建的这套方向盘控制系统就可以自动调整车辆在道路上行驶时的横向位置，其准确性和反应速度丝毫不逊于一个注意力集中的人类驾驶员。当然它和今天的LKA系统原理并不不同，今天的LKA是通过计算机视觉的技术来识别车道的边界；而当时没有这么先进的技术，只能通过在道路上安装传感器来实现，而在道路上安装和维护设备的成本是非常昂贵的。当时，对于通用汽车和美国无线电公司的这套粗糙的原型系统，人们的乐观情绪高涨。普林斯顿市政府甚至发表了一篇通讯稿，热情豪迈地认为在未来的某一天，这一套电子化高速公路的发明将使得“未来的出行者可以在周末出游时坐在车中打桥牌或睡一觉”。然而除去公众的热情反馈，通用汽车的电子化高速公路方案并没有真正实施起来。不过，通用汽车和美国无线电公司的长期合作还是带来了一些其他贡献。在今天，电子化高速公路方案中车辆侦测系统的核心理念仍广泛应用于反馈式信号灯的制造。自动化信号灯之所以能调控车流，关键就在于它能侦测出路口是否有汽车出现，或者有车辆等待左转。当侦测到车辆时，由埋地线路和传感器组成的一套回路系统就会发送电子信号，让信号灯由红变绿。自动化高速公路的美梦最终破灭的主要原因之一就是成本。安装必备的电缆和路边控制系统是一项耗资巨大却又见效缓慢的工程，装配一条短小的测试跑道所需的成本还算合理，但是对于美国或欧洲那些横跨各州的浩大公路网系统而言，方案就显得不切实际了。即使在20世纪60年代，政府划拨了大量的公路建设预算，但考虑到埋设线缆、晶体管以及其他电子设备组成的这一套脆弱的基础设施，想要装配并维护数万英里州际公路的成本也太过高昂了。智能交通系统(Intelligent Transport Systems)
早在20世纪80年代，信息技术重塑了整个工业格局。1986年，为了解决美国日益增长的交通和汽车尾气问题，加州交通局联手加州大学，共同探索信息通信技术在汽车与高速公路的应用，帮助人们提升驾驶效率。这次合作最终促成了一个名为“先进技术与高速公路(Program on Advanced Technology and Highways，PATH)”的全国项目。1988年，来自联邦政府、多个州的政府机构、工业界和多所高校组成一个特别工作小组，名为“移动2000(Mobility 2000)”。该小组游说美国交通运输局尽快成立正式的联邦项目办公室，出台法律规章，促进先进技术应用，提升全国高速公路与道路的安全性与效率。到了20世纪90年代初期，为了促进智能车辆和公路系统(Intelligent Vehicle and Highway Systems, IVHS)的发展，美国交通运输局终于成立了正式的联邦项目办公室。1991年美国提出“综合陆上运输效率化法”(Intermodal Surface Transportation Efficiency Act, ISTEA)，因为缩写发音是”Ice Tea”，所以也称为冰茶法案。它被美国交通运输界誉为确立美国交通运输新政策的一部划时代的交通运输建设法案。这个法案把IVHS的研究作为交通建设政策的最重要的项目来做，联邦政府拨款6亿美元来支持它，后来这笔资金增加到9亿美元。交通运输部部长向公众宣布了该法案：“大力发展自动化高速公路，制定汽车标准。未来在此基础上推动自动化汽车高速公路建设……该项目的目标是到1997年之前，完成第一条全自动化公路建设或自动化测试车道并投入使用。”美国交通运输部把执行该远大目标的重任托付给了联邦公路管理局。1994年春，为了筹备在日本横滨召开的第二次智能运输系统世界大会，日本道路交通车辆智能化推进协会(Vehicle, Road and Traffic Intelligence Society, VERTIS)提出采用简洁、更加准确的名称“ITS(Intelligent Transport Systems)”的建议，这得到了欧美的赞成。美国IVHS(IVHS America)组织也于1994年9月更名为ITS America。1994年的时候，此项目的资金已经全部到位。联邦公路管理局此时需要交通专家团队参与进来，逐步设计、建造出自动高速公路的运行模型。这一年年末，美国交通运输局组建了拥有120名成员的国家自动化公速公路系统联盟(National Automated Highway System Consortium)，来落实自动化高速公路系统的发展战略与最终切实可行的模型。该联盟由九个主要机构组成，分别来自不同的联邦机构、大型汽车、企业电子协会、汽车运输部门、各高校、国家和地方政府、交通运输部门和咨询公司。包括很多著名的汽车巨头和科研机构，比如霍尼韦尔(Honeywell)、通用汽车(GM)、福特汽车公司(Ford)、PATH、德科电子(Delco Electronics)和卡内基·梅隆大学等。既然大老板定了1997年的Deadline，那么拿了经费的企业和研究机构就得交作业。为了展示其在过去三年内的研究成果，联盟在加州圣地亚哥北部举行了一场名为“Demo 97”的活动，并邀请国会官员、政客和企业高层试驾原型车辆。加州大学PATH项目组展示了由8辆1997年版的别克Le Sabre轿车组成的车队，车子紧凑地排成一列纵队前进(车辆结队)，这样驾驶可以有效节省汽油。本田公司展示了两款样车，配备了先进的敏捷操控辅助系统，能够在人和车之间转换驾驶方向(向前或向后)，启用传感器自动变换车道，灵活避开路障。丰田公司给大家展示了激光传感系统怎样工作，在遇到路障、盲点和变换车道时，系统会发出警示提醒司机。一切都按计划顺利进行，车辆的表现无可指摘。众位高官政要，例如美国参议员和企业高层们放心地驾驶着展示的车辆。媒体对此充分肯定并大力宣传。但这次活动依旧有主要有两个问题：当时的无人导航驾驶技术还不够成熟，不足以保障安全；展示中的自动高速公路系统仍然需要配置昂贵的专门基础设施。1998年美国在ISTEA法案到期后，人们对ITS的开发与应用进行了全面的评估，结果是积极的。1998年6月9日美国总统克林顿签署了面向21世纪的运输权益法案TEA-21(Transportation Equity Act for the 21st Century)。进入21世纪，美国政府调整了ITS开发和应用的重点，组织研发和实施了511出行信息系统、运营管理系统、专用短程通信(Dedicated Short Range Communication，DSRC)、交叉口协调避撞系统以及车辆道路设施集成(Vehicle Infra structure Integration，VII)，其依托互联网的交通信息服务以及汽车厂商在车上安装的各种小型辅助装置。VII计划主要包括智能车辆行动(Intelligent Vehicle Initiative, IVI)计划、车辆安全通信(Vehicle Safety Communications, VSC)计划、增强型数字地图(Enhanced Digital Map, EDMap)计划等，并且通过美国联邦通信委员会为车路通信专门分配了5.9GHz的专用短程通信(DSRC)频段，为驾驶员提供安全辅助控制。2009年美国交通部USDOT将IVI更名为IntelliDrive并开始启动IntelliDrive长期规划，旨在充分利用物联网、互联网等技术进一步扩展其应用功能。为了实现更安全、更智能、更环保的驾驶，相关部门更加强调了交通安全的重要性。IntelliDrive项目具有安全、移动、环保的特点。安全是通过使用车－车、车－路无线通信技术感知车辆周围360°范围内的危险；移动是使用多种信息技术向出行者和运输管理者提供多种实时交通信息；环保是通过提供实时交通拥堵和其他信息，帮助出行者选择合适的路线，减少环境污染。IntelliDriver计划后来更名为网联汽车研究(Connected Vehicle Research，CVR)项目。CVR项目是美国交通部组织开展的为交通系统运行提供全新解决方案的大型ITS研发计划，是在车辆道路设施集成(VII)项目的基础上深化研究车路协同控制的项目，旨在建立车辆与车辆、车辆与基础设施之间的无线通信网络，并在此基础上实现增强交通安全、提升交通运行效率以及改善交通环境等方面的应用。车联网
国内很多资料把Connected Vehicle翻译成车联网，我感觉并不准确。也许是为了蹭互联网或者物联网的热度，所以翻译成立车联网。最早只有Connected Vehicle(Vehicle-to-Vehicle, V2V)，也就是把车和车通过无线通信网络连接起来。后来又有了V2I(Vehicle-to-Infrastructure、V2P(Vehicle-to-Pedestrian)，接着是V2N(vehicle-to-network)，V2G (vehicle-to-grid)等等。所以把这些统称为V2X(Vehicle-to-everything)[17]，V2X的范畴大致等价于车联网，但是肯定不能把V2X叫做车联网。Internet of Vehicles字面上更像车联网，但是这个词并不流行。根据[18]，车联网(Internet of Vehicle，IOV)是以车内网、车际网和车载移动互联网为基础，按照约定的体系架构及其通信协议和数据交互标准，实现V2X无线通信和信息交换，以实现智能化交通管理、智能动态信息服务和车辆智能化控制的一体化网络，是物联网技术在智能交通系统领域的延伸。车内网是指通过应用成熟的总线技术建立一个标准化的整车网络；车际网是指基于特定无线局域网络的动态网络；车载移动互联网是指车载单元通过4G/5G等通信技术与互联网进行无线连接，三网融合是车联网的发展趋势。车联网技术主要面向道路交通，为交通管理者提供决策支持，为车辆与车辆、车辆与道路提供协同控制，为交通参与者提供信息服务。车联网是智能交通系统与互联网技术发展的融合产物，是智能交通系统的重要组成部分，更多表现在汽车基于现实中的场景应用，目前主要停留在导航和娱乐系统的基础功能阶段，在主动安全和节能减排方面还有待开发。目前市面上的车联网产品其实更多的就是在汽车上通过4G或者未来的5G接入Internet，实现一些信息娱乐(Infotainment)功能。Infotainment是Information和Entertainment的合成词，一二十年前就有了，现在不那么热门了。目前很多所谓的车联网产品只是通过OBD或者读取CAN总线来收集精准油耗、精准里程、精准轨迹、车况(门窗灯、油水电、怠速等)、速度和位置等数据，然后上传到云端，通过云端的计算来提供一些服务。什么是OBD和CAN总线呢？汽车内部由许多电子控制单元(Electronic Control Unit, ECU)，分别负责不同的工作，如门控单元、灯控单元等，起初它们都使用点对点的通信方式，而且每项信息都通过独立的数据线进行交换，随着ECU数量的增加，需要消耗的线束也会成倍增加，导致成本增加，占用更多的空间，增加更多重量，而且内部连接也会变得更加复杂，存在更多的隐患。点对点的通信如下图所示：因此工程师们设计了基于总线通信的方案，每个ECU都连接在一条总线上面，避免了点对点通信方式存在的隐患。如下图所示：为了统一标准，美国机动车工程师学会(Society of Automotive Engineers,SAE)定义了CAN这样的总线网络协议。CAN (Controller Area Network，符合ISO 11898)是控制器局域网络，最早是由德国的博世(Bosch)提出，是制造业和汽车产业种使用的一种网络协议，具有速率快，距离远的优点。嵌入式系统和ECU能够使用CAN协议进行通信。虽然CAN协议是标准化的，但是各个汽车厂商的协议报文是不同的，就好比TCP/IP协议是相同的，但是QQ和微信的上层协议不同，无法直接理解其含义。而且为了安全，它们一般不对外公布。虽然很多做车联网产品的公司呼吁汽车厂商公开，但是出于安全和利益的考虑，基本没有主机厂原因开放。其实这样不难理解，腾讯会愿意开放QQ的通信协议吗？当然有人想破解，但是怎么连上这根CAN总线呢？即使你能破解QQ的通信协议，你不能监听(偷听)网络的数据包也不行啊？你总不能把汽车的发动机拆了强行从里面接一根线出来吧。那怎么办呢？很多车联网的公司使用了OBD。我们的车坏了，4S店的维修人员可能就会使用车载诊断系统(On-Board Diagnostics, OBD)来发现问题[20]。OBD是一个汽车自己诊断自己的工具。当故障车子来到4S店后，技师可用专用的诊断工具读取汽车存在的故障码，故障发生时的时间、里程、故障发生次数等重要参数，这样方便他们快速了解问题。其实OBD最早并不是为了减轻修车师傅的工作而出现的，而是为了控制尾气排放。每款新车都需要满足严格的排放法规，但对于一款年产几十万辆的车型，政府只能在量产前检查一辆或是几辆车，在排放合格后就会颁发上市销售的许可。而对于生产线上不断制造出来的新车，不可能对每一辆都进行排放试验(做一次排放试验成本为几千到上万元)，更不可能在日后长时间的驾驶过程中，一直拿个尾气分析仪追着你，看你尾气排放有没有超标。所以政府要求汽车厂商做一套系统，能在发生了尾气排放超标的故障时及时提醒车主，尽快去修复故障。这套系统就叫做OBD系统。因为要读取ECU内部的数据，所以OBD是接入CAN总线的。OBD接口能获取的车辆数据具体有哪些？根据[22]，可以读取的数据分两大类：CAN总线数据；控制器内部数据。CAN总线数据是各个控制模块交互所需要的数据。举个例子，油门踏板位置信号通过传感器传给发动机了，而这个信号对自动变速箱也是最基本的输入信号，于是发动机控制模块会把这个信号一直往CAN总线上发，变速箱控制模块实时读取这个信号。因为总线数据是用来交互的，数据流一直在总线上走，所以采集这些数据仅仅去读就行了。CAN总线上的数据已经比较丰富了：车速、各种温度、轮速、发动机扭矩、油门、制动踏板、排档杆位置、空调等各种设备是否工作、故障信息……非常多。这些信号的特点一般是：不同控制模块都会需要用到的数据。而控制器内部有着更多的实时数据，CAN总线给你提供一个数据流通的通道。通过这个通道，采集设备给相关的控制器发送指令，控制器返回相关数据。通过这种方式可以采集到控制器软件运行中的各种变量，于是几乎所有的数据都能采集到。因为多了发送指令的动作，所以更加耗费资源。这种数据的丰富程度，远大于前一种。但是只有开发方才可能知道怎样配置来采集这些数据，非开发方还是别想了，除非有人泄密给你。能记录任何数据并不代表能记录所有数据。特别是对于控制器数据来说，可以去读的量实在太多了。即使购买最贵的设备，因为带宽有限，也只能记录很小一部分。对控制器内部数据的采集还和控制器本身的能力有关。产品车的控制器就比较弱，可同时采集的数据少。用于开发的车辆则会使用更加强大的控制器。普通车辆在运行的时候会自动记录一些故障信息等少量基本信息，而对车辆运行的实时数据是不做记录的。因为需要额外加装设备，成本也不低。所以产品车上是没有黑匣子的。因此这些车联网产品，比如各种OBD盒子通过OBD接口读取CAN总线上的一些数据，传到云端(是不是感觉很危险？)进过所谓的大数据分析，可能提供一些服务。比如通过分析你的驾驶习惯，发现你是个耗油大户，提醒你以后开车悠着点。据说还有一些高级功能，比如发生车祸时，驾驶员昏迷，无法求救。OBD通过分析其内置的加速度传感器来判断是否发生了碰撞，然后自动帮你求救(不知道发生车祸时这个盒子会不会撞碎了)。当然他们最喜欢你使用的还是保养提醒服务，搞不好以后还能推销保养优惠券。还能实现一下很酷的功能，比如远程开启空调什么的(压缩机必须在发动机运转才能工作，感觉很危险)。V2X主要有两种技术方案：比较早提出的基于IEEE的WIFI技术(包括改进的802.11p)的DSRC方案和3GPP的基于蜂窝网络的车联网通信技术C-V2X。DSRC很早就被提出来了，并且在美国的一些车辆和道路上进行了安装，它的技术方案比较成熟；而C-V2X是近几年才推出，但是发展势头很猛。而WiFi具有的一些传统优点，DSRC也都有——通信时延低且质量稳定。事实上，这正是DSRC被早期的车联网通信选中的关键特质。作为后起之秀，在DSRC提出超过二十年之后，C-V2X才开始崭露头角。2015年，国际通信标准组织3GPP开始针对C-V2X的概念和需求进行研究。当3GPP在R14中正式发布C-V2X的物理层标准时，已经是2017年。从Cellular(蜂窝网络)可以看出，C-V2X与我们手中的手机所使用的通信技术，同属一个体系。这也是C-V2X在4G网络实现部署之后才开始崛起的天然限制。因为蜂窝网络技术迭代到4G时，其通信时延的指标、对高速运动物体的支持，才能满足汽车安全通信的要求。事实上，直到今天，4G对超高速运动物体的信号支持仍然有些力不从心——当你搭乘时速300km/h的高铁时，尽管铁轨旁的4G基站一个接一个，手机的信号仍然不太好使。无人驾驶
我们看到不管是最早的自动化高速公路项目还是智能交通系统的早期(Connected Vehicle之前)，都是通过改造交通基础设施来实现更加智能的驾驶。比如为了实现智能的交通信号灯控制，我们需要知道某个车道排队等红灯的车辆数量。在早期，车辆检测一般通过在道路下面安装环形线圈式车辆检测器(Inductive Loop Detector, ILD)来实现。但是在道路下面安装线圈的安装和维护成本都很高。后来可以使用微波雷达(microwave radar)传感器来检测车辆，它可以安装在路旁的杆子上，这样安装和维护的成本就能降低。但是这种硬件的变化是很快的，比如说现在所有的车都实现了V2I，它们自动通过DSRC等通信协议把它们的位置信息传给路侧单元(Road Side Unit)，这个信息更加丰富，当然也能计算出每一条车道的排队车辆数量。《无人驾驶》一书的作者Hod Lipson认为，这种硬件的升级换代很快，把资金投入到把普通道路改造成”智能化”的道路很容易因为技术的代差变得无价值，或者说很容易被“弯道超车”。所以他认为最好的方式就是不要把有限的资金用于这种贬值很快的智能高速公路系统，而是应该把资金投入无人驾驶技术的研发。既然目前的道路基础设施可以被人所用，那么也应该可以被智能的无人驾驶汽车使用。无人驾驶汽车是通过车载环境感知系统感知道路环境、自动规划和识别行车路线并控制车辆到达预定目标的智能汽车。它是利用环境感知系统来感知车辆周围环境，并根据感知所获得的道路状况、车辆位置和障碍物信息等，控制车辆的行驶方向和速度，从而使车辆能够安全、可靠地在道路上行驶。无人驾驶汽车是传感器、计算机、人工智能、无线通信、导航定位、模式识别、机器视觉、智能控制等多种先进技术融合的综合体。虽然终极目标是实现完全的自动驾驶，但是很多人认为不能一蹴而就，所以给自动驾驶进行了分级，从易到难，咱一步一步来。美国汽车工程师学会(SAE)、美国高速公路安全管理局(NHTSA)、德国汽车工业联合会(VDA)和德国联邦交通研究所(BASt)等组织机构给出各自的自动驾驶分级方案，其中SAE在J3016-2014文件中提出的五级自动驾驶分级方案是当前被普遍采用接受的标准。L0，无自动驾驶。完全由驾驶员进行车辆的加速、转向、刹车、档位等控制，系统只负责执行命令并不进行驾驶干预。但系统可以提供预警和少量保护辅助功能，以便驾驶员进行决策和控制，例如车道偏离预警(LDW)、盲点监测(BSM)、行人检测(PD)、交通标志识别(TSR)、夜视(NV)、后排平交路口交通警报(CTA)等。L1，驾驶辅助(DA)。系统根据实际情况负责执行转向或加减速的一项操作，系统不能同时执行多项操作，其他操作均由驾驶员执行，驾驶员必须做到“手、脚、眼不离路”。L1级别常见的辅助功能有车道保持驾驶辅助功能(LKA)、自适应巡航驾驶辅助功能(ACC)、盲区检测预警(BSD)、紧急制动刹车(AEB)。L2，部分自动驾驶(PA)。系统可以执行转向和加减速的多项融合操作，系统可以自主完成某些驾驶任务，但仍需驾驶员时刻监视并随时准备接管，适应于行驶环境简单、车道无变化的高速公路。目前大部分车企生产的汽车可以达到L2级别的自动驾驶技术，并且实现量产。L3，有条件自动驾驶(CA)。系统可以独立完成所有驾驶操作，特殊情况下，驾驶员需按照系统要求对车辆进行监管，以便解决人工智能不能应对的情况。L3级别适用于高速公路或无变化的市区的全路段下的正常行驶。L4，高度自动驾驶(HA)。与L3不同的是，驾驶员对L4级别的驾驶系统提出的响应请求可以不进行响应，L4级别比L3级别对车辆功能的释放程度更高，驾驶员可以有更多的时间进行休息、娱乐。L4级别适用于封闭的小区、景区或特定的市区。L5，完全自动驾驶(FA)。自动驾驶的最高级别，真正意义上的无人驾驶，不受驾驶环境的影响，适用于全区域、全功能工况。汽车公司有比较偏爱这种缓慢的推进过程：第一个阶段是持续优化驾驶员辅助技术；第二个阶段是在少数高端车型上安装只在特定情境下使用的、自主能力有限的驾驶模块，这些模块大多只应用于高速公路行驶；第三个阶段是这些自主能力有限的模块向下渗透，应用于便宜的车型。当然，汽车公司喜欢这种循序渐进的方式是为了它们能够主导这个过程，并且获得持续的利益。先生产一些DA车型买个几年，然后再是部分自动驾驶的CA车型。等钱都赚得差不多了再推出HA的车，当然肯定是作为高端车型来售卖。最后在所有低端车辆都是HA车型后推出FA车型。从内心来说，汽车公司是不喜欢无人驾驶汽车的，因为它的出现可能会颠覆目前的整个汽车产业链。比如假设所有人都用无人驾驶的汽车，没了驾驶乐趣之后，大家可能就不买车了，而是采用共享经济的模式分时租车。因为租车不用考虑停车以及维护等等问题，成本远低于自己拥有一辆汽车。有了无人驾驶技术之后，如果租车公司调度合适，等车的时间并不会比走到地下好几层的停车场长多少。如果是这样的话，整个汽车行业的销售模式就要发生颠覆性的变化。几乎所有的车都要卖给租车公司，那么4S店的销售干什么去呢？而且租车公司因为需求很大，对于汽车公司的议价能力也很强，所以汽车公司的日子不会太好过。当然有些生产无人驾驶汽车的公司(比如传统的汽车公司或者Google这样的科技巨头)会自己来做车辆出租，也就是生产的车自己持有！甚至如果它的车性能更好，它会优先给自己的租车公司使用而不是给其它的竞争的租车公司使用。虽然汽车公司喜欢这种渐进模式的原因，但是Google或者特斯拉这些颠覆者(搅局者)如果解决了技术问题，比汽车公司预期的节奏提前生成FA的汽车，那么更低级别的车就只能跳楼价售卖甚至卖不出去了。汽车公司承载着全球宏观经济稳定的责任。单是在美国，汽车行业及延展产业价值链——汽车租赁、石油公司、汽车经销商、保险公司、媒体以及医疗——可以累加形成2万亿美元的产业价值，这个数值占到了2014年美国国内生产总值(GDP)的11.5%。1979年，当时全球第十大公司克莱斯勒公司的CEO李·艾柯卡(Lee Iacocca)向国会提出15亿美元的借贷申请以挽救公司困境，此骇人一举已经载入史册。当被国会问及，为何他这样一个长期倡导自由市场体系的人会寻求政府援助之时，艾柯卡给出的回答是：“我们公司的14万员工及其家属，4700家经销商及其15万员工，19,000家供应商和其25万员工，都依赖着我们公司的正常运营。简单地说，我今天不是为自己发言，而是代表着数十万依靠克莱斯勒的工作来养家糊口的大众。”我觉得这样按部就班的计划很可能实现不了。一种可能是解决不了人工智能的问题，最终无法实现；另外一种可能巧合相反，解决了技术问题后中间的很多步骤都可能被跳过。智能网联汽车
根据[18]，智能网联汽车(Intelligent Connected Vehicle，ICV)是一种跨技术、跨产业领域的新兴汽车体系，从不同角度、不同背景对它的理解是有差异的，各国对智能网联汽车的定义不同，叫法也不尽相同，但终极目标是一样的，即可上路安全行驶的无人驾驶汽车。从狭义上讲，智能网联汽车是搭载先进的车载传感器、控制器、执行器等装置，并融合现代通信与网络技术，实现V2X智能信息交换共享，具备复杂的环境感知、智能决策、协同控制和执行等功能，可实现安全、舒适、节能、高效行驶，并最终可替代人来操作的新一代汽车。从广义上讲，智能网联汽车是以车辆为主体和主要节点，融合现代通信和网络技术，使车辆与外部节点实现信息共享和协同控制，以达到车辆安全、有序、高效、节能行驶的新一代多车辆系统。从名字就能看出，这是把自动驾驶和V2X等网联技术揉在一起造出来的词汇，这个词汇并不流行，在Google搜索”Intelligent Connected Vehicle”这个词组(连续出现)，只有18,900个结果，而搜索”connected vehicle”会有1,450,000个结果。这个词是中国工业和信息化部提出来的，它在2017年印发了《国家车联网产业标准体系建设指南(智能网联汽车)》[23],[24][25]，并且在2018年12月25日印发了《车联网（智能网联汽车）产业发展行动计划》。此外在2018年6月下发了无线电管理局开展《车联网（智能网联汽车）使用5905-5925MHz频段管理规定（征求意见稿）》征求意见工作，2018年11月就下发了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5905-5925MHz频段管理规定（暂行）》的通知，这个动作非常迅速。读者可能不太理解为什么这个速度就算很快。根据[26]：在中国，频谱资源的价值并不是很容易识别出来，因为它是通过行政命令的方式分配的。行政命令背后各运营商的博弈不像商业上的博弈一样透明和容易量化，而像欧洲或者其他一些地区的频谱资源是政府拿出来拍卖的，那么从拍卖价高低我们一眼即知频谱资源的价值。以德国电信为例，为了获得3G的10MHz频段竟然花了77亿美元，每1MHz频段价值7.7亿美元。7.7亿美元相当于什么概念，当前的国际黄金价格约为47美元每克，7.7亿美元可以买16吨黄金。1MHz频率相当于16吨黄金，是不是比黄金圣斗士还牛。不话说到这里问题就来了，这个频率资源为什么会这么值钱呢，答案和2.1.1小节中所说的一样：电磁波在同一频段的干扰造成了无线频谱资源的有限性，各种无线制式对有限的频谱资源的争夺造成了它的高价值。
要是在美国，可就没有这么快了。美国早在1999年就把5.9GHz附近的75MHz频谱分配给了DSRC，但是DSRC并没有发展起来。一些企业(如大众、丰田和通用)很早就开始使用DSRC，而但很多新进玩家在希望推到新的C-V2X规范，美国政府(其实是FCC)一直采取”中立”的的立场，让它们互相竞争。但是到了2019年12月12日，在福特高通的力推下(其实福特也推过DSRC，但是觉得这个阵营太慢)，FCC决定重新分配原本划分给DSRC的75MHz无线电频谱资源——其中最下层的40MHz向全社会开放，上层的20MHz则被划分给了更新的C-V2X。仅仅只留下10MHz，分给已经准备多年，箭在弦上的DSRC。并且，DSRC要拿稳这仅存的10MHz频谱也不容易，它需要在评议期内证明自身的价值，否则将彻底在美国失去资格，被C-V2X取代[27]。当然中国最早的通信标注一直跟着欧洲走，欧洲一直力推DSRC，比如中国的ETC(也是基于DSRC)就是采用欧洲的规范。但是到了4G的时代，中国更加倾向于3GPP(为啥把名字升级一下叫4GPP或者5GPP)主推的C-V2X技术，目前它还没有DSRC成熟，最新的C-V2X是基于4G的技术，马上要推出5G的版本。这当然是中国原因看到的，因为中国的公司在5G处于比较领先的地位。中国在2018年就站队C-V2X阵营，目前看来这个站队是正确的，而DSRC基本没有出头之日了。当然，日本”坚守”DSRC也是没有办法的办法，毕竟前期投入了大量资源到DSRC上。我们还是回到智能网联汽车的含义上来，前面说过它其实就是智能+网联。智能就是实现无人驾驶，如下图所示分成五个阶段来渐进的实现[28]，和前面介绍的类似：而网联就是通过V2X把车与车、车与基础设施等互联起来，它分成三个阶段：不过目前(2020年3月)看来，第一个阶段的目标还是遥遥无期。下图是智能网联乘用车里程碑：从中我们可以看出智能网联汽车的发展思路依然是渐进的方式，只不过把智能化(无人驾驶)和网联化一起来推进。智能化的方向前面也介绍过了，这里再简单的说一下网联化。根据[31]，网联可以分为4大类：卫星数字音频广播(Satellite Digital Audio Radio Service, SDARS)；信息娱乐(Infotainment)；Telematics和V2X，如下图所示：卫星数字音频广播[29]目前在我国应用不广，而且相对来说是一项没有太大前景(我的判断，因为现在都有4G/5G了，广播这种单向通信没啥意思)，所以我们不介绍。信息娱乐(Infotainment)前面也大概说了一下，这个跟行车没有安全，只是给车上的乘客(当然司机偷空听听广播也行)提供信息和娱乐服务的。技术上来说并不复杂，以后估计都会基于4G/5G/NG的技术。也许等无人驾驶完全普及之后，大家坐(或者躺)在车上无聊时候能发挥很大的价值，但是也不是我们现在关心的重点。
Telematics是电信(Telecommunications)与信息科学(Informatics)的合成词[30]，也就是通过远程通信来给汽车提供更多信息，这些信息不是用于娱乐，而是为了让驾驶更加方便和安全。这个东西是2008年搞出来的，最重要的其实就是定位，比如通过GPS定位车辆。当然有了定位就可以导航，这是目前最常见的一个应用。Telematics的通信主要是卫星通信，而且是车辆和某个服务中心(比如GPS卫星)进行。而V2X的目的是为了减少交通事故，提升交通效率和节能减排，它主要是通过短程的微波通信，而且并不一定要有中心节点。比如V2V是车辆之间的自组织网络，不需要第三方某个中心的参与。V2X最初的目的并不是为了无人驾驶，但是无人驾驶和人一样，只能看到视线(Line of Sight)内的物体，如果通过V2V和V2P等把看不到的车和人(比如十字路口或者建筑物遮挡的道路)信息传给车辆，则无人(有人的辅助)驾驶会更加安全。前面介绍的OBD盒子算是Telematics的一种，也就是把车辆的信息通过移动通信技术(如4G)上传到互联网，然后提供增值服务。就像前面介绍的，V2X主要有两个种技术标准：IEEE 802.11p和3GPP的C-V2X。802.11p定义了车辆环境下的无线访问(wireless access in vehicular environments, WAVE)通信协议，包括专用短程通信(dedicated short range communications, DSRC)。它是流行的802.11无线网络(WIFI)标准。DSRC使用5.9GHz附近的75MHz带宽来实现通信，有效范围为1,000米作用。C-V2X基于Cellular(蜂窝网络)技术，由3GPP定义。C-V2X可以不借助Cellular的注册(subscription)和任何网络的辅助就可以实现V2V、V2I和V2P等。相比来说，DSRC技术更加城市，市面上已经有基于DSRC的产品了。而C-V2X只是在2017年才提出Release 14标准，目前还没有哪款车装备了C-V2X的设备。Release 14标准基于4G LTE，而基于5G的标准正在研发当中。而2019年12月12日，FCC重新分配5.9GHz的频谱给C-V2X之后，基本宣判了DSRC的死刑。不过目前C-V2X的技术还不成熟，我们后面的很多技术的调研还是基于DSRC的。不管底层是哪种通信标准，并不会太影响上层的技术。C-V2X是车联网(Connected Vehicle)的一部分，而车联网有时候物联网的一部分，因此更宏大的网络如下所示：图：C-V2X通信， 来自Connected Car for Dummies
那V2X有什么用呢？目前V2X的主要作用是提升驾驶安全，未来也可以为自动驾驶提供更多视线以外的信息。比如通过V2V，我们可以实现防撞(collision avoidance)算法，虽然目前的ADAS防止追尾注意依靠雷达(Radar)、激光雷达(LiDAR)和摄像头等，但是在视线之外的车辆可以通过V2V的通信给我们更多的信息。目前不过是雷达还是摄像头都会受到恶劣天气的影响，V2V的通信受这些的影响较少，从而可以提供更可靠的驾驶辅助信息。类似的，V2P可以避免路上的行人被车辆伤害，一方面它会提醒司机，另一方面它也会提醒行人在通过路口是不要看手机。而V2I通过和道路的基础设施通信，可以实现动态的交通信号灯。比如一辆救护车来了，通过V2I告诉基础设施，基础设施通过和智能交通系统的信号灯控制系统通信，要求更高的路权，智能交通信号灯控制系统可以为了它延迟绿灯时间，从而让它快速通过路口。
相关技术细节
GPS定位
文章链接：https://fancyerii.github.io/2020/04/06/gps/交通流分析和微观模拟
智能交通信号灯控制
V2V
V2I
无人驾驶
目前解决方案的问题
通过了解智能交通系统、V2X和无人驾驶相关的技术和发展历史，我们知道了相关解决方案的发展思路。但是我认为这些方案都很难实现，下面来分析一下这些方案都有哪些问题。从发展历史来看，智能交通系统基本是由交通运输等政府行政部门来主导。政府部门作为政策的制定者来主导一项研究和探索性的项目时就会不可避免的带来效率的底下，美国政府在做决策时虽然更加尊重专家的意见，但是仍然难免受到相关利益方的影响。当然由于这些项目开展较早，而计算机和通信的技术还远未成熟，所以当时获取车辆的信息只能靠在道路上架设各种传感器来实现。
但是就像胡迪·利普森在《无人驾驶》里说的，这种它资源投入到建设“智能高速公路”上是非常愚蠢的做法，因为硬件在未成熟时的折旧会非常快。就像早期的智能手机(现在的电动车)，因为技术更新换代很快，两年前花5000块大洋买的旗舰手机还不如现在几百块钱老人机的性能。买手机至少还能像推销员说的“早买早享受”，而铺设这些昂贵的传感器带来的交通效率的提升是很少的。而且手机是易耗品，反正过两年也得换新的，但是道路一旦铺设完成，想更换就成本太高了。到了2010年以后，随着互联网和移动互联网的发展，计算机和通信技术尤其是移动通信技术快速发展，美国政府又开始转换思路，从投入资源建设“智能高速公路”转为推广V2X。因为如果每一辆车都搭载V2X设备，那么就不需要装传感器就能轻松的获取道路的车辆信息。但是如果车辆搭载了V2X只能让交通管理方获利，很难说法消费者买单。那怎么办呢？美国政府想到了安全，通过宣传V2X产品的安全辅助功能来推广V2X似乎是一个不错的理由。当然我这是以小人之心度君子之腹，从美国政府的角度来说确实也是想解决交通安全问题。但是就像前面说的，工业文明的人类社会对于交通事故是很冷漠的。根据[16]，每年全世界都有将近120万人死于车祸，这个死亡率相当于每年释放10个广岛级别的原子弹爆炸。与战争、暴力、毒品一样，汽车对人而言也有着致命危害。谋杀、自杀以及战争每年预计会造成160万人死亡；由毒品导致的死亡人数每年约有18.3万人。尽管全球死亡人数有很大一部分来源于本可避免的汽车事故，但是仍没有哪个政府支持“向汽车宣战”之类的活动。这背后的原因是什么呢？也许我们认为我们享受了汽车带来的便利，就必须承受它带来的恶果。如果我们抵制汽车，我们就无法方便的出行，无法获得低廉的商品。汽车行业的从业人员，从4S店的销售和修理工到保险公司的理赔员，他们都将失业。所以即使在美国这种价值观多元的社会，除了极少数抵制现代工业文明的人(他们不是单独抵制汽车，其它任何现代的工业化的东西都要抵制)，几乎看不到成规模的抵制汽车的群体。但是要实现安全光靠V2X是不行的，要想实现V2X的各种安全功能一定需要丰富的传感器和强大的计算平台。但是这些技术都是发展很快，一旦新的技术和产品出现，那么预装产品的折旧也是会非常快的。如果是政府一时冲动做出了草率的决定推广一项不成熟的技术，那么就很容易造成投资的浪费。从目前来看，美国政府极力推动的V2X，尤其是基于DSRC的用于解决驾驶安全的产品推广并不成功。原因很简单：V2X本身要发挥作用就依赖于大部分汽车都配备了V2X通信设备，早期安装V2X的车主花了大量金钱却享受不了任何好处。也许有人会说能不能强制所有的车辆都必须安装V2X？我想这至少在美国是行不通的，而且即使某些国家的政府有这样的行政能力，也不应该冒这样的风险。另外一条思路就是发展无人驾驶技术，如果无人驾驶技术能够达到或者超过人类的驾驶水平，那么理论上是可以解决所有问题的：大家都不怎么买车了，从而由少数租车公司来运维和持有大部分载客的车辆。路上都是无人驾驶车辆，交通事故和出行效率都能得到极大的提高，于是出行者和政府主管部门都很满意。至于说汽车行业翻天覆地的变化，几家欢乐几家愁，那就很难说了。但是L5级别的无人驾驶很难在短期内实现，而且从汽车生产厂商的角度来说也希望把这个过程拖得尽量长一些，通过渐进的方式来逐渐过度。这里有两种可能：一种可能是那些研究L5级别无人驾驶汽车的企业在较短的时间里解决了所以技术挑战，则那些研究L3、L4的企业投资的技术很快就成为过气歌手，损失惨重；另一种可能就是L5级别的无人驾驶在很长时间都实现不了，那这些的企业投的钱都打了水漂。所以对于消费者来说，如果你是看好真正的无人驾驶，那么最好的策略就是等待而不是为了”支持”无人驾驶而买那些L5以下的”伪”无人驾驶设备。当然如果你想享受ADAS的辅助驾驶功能并且愿意为之买单，那么你可以买这些产品，但是你不要期望V2V，因为大部分人都是保守的。也许你可以期待一部分V2I的功能，但是也不要期望过高，这是鸡生蛋蛋生鸡的情况——因为搭载V2X的车辆少，原因花钱架设路边设备的动力也不强。以我自己为例，我并不那么在意无人驾驶或者各种提高安全的辅助驾驶功能。我用车主要是上下班以及周末偶尔的近郊出行，所以我关心的是出行效率而不是安全。如果二十公里的上班通勤路程需要一个小时，无论是自己开车还是有专职的司机——打车临时雇佣的或者是无人驾驶汽车上的虚拟司机，都不如让通勤时间缩短到三十分钟更有用。目前不管是力推智能交通的政府部门、急着推销ADAS的汽车厂商还是打着高科技旗号的无人驾驶初创公司和喊着连接万物的车联网公司都没有试图努力解决这个最最痛点的问题。交管部门曾经做过一些尝试，比如智能交通信号灯的控制和匝道控制(ramp metering)等。或者无人驾驶的空头承诺——如果实现了无人驾驶，那么车与车直接的协调会更加高效。但总体看来要么还是很远的未来，要么就是投入高但是产出并不明显。
智能交通协议
基本想法
那怎么提高通行的效率呢？最早的缘起部分和交通流技术分析部分(跟车(car following)和换道(lane changing)模型)其实已经能找到一些思路了。交通低效是因为现有车辆基于信号灯和潜规则的模糊”语言”和每个司机追求局部利益最大化导致的全局次优的结果。所以我认为提高效率的办法就是解决这两个问题：通过V2I实现准确信息传递；由道路仲裁者来实现全局最优解。对于第一点，读者可能会反驳：你刚才还说有政府强推V2X是行不通的，怎么这里你又说要用V2X来实现准确的信息传递呢？我们先放下这个问题，等讨论完第二个问题后再来讨论这个问题。我们假设每辆车上都安装了V2I设备，从而可以实现车辆和仲裁者的V2I通信。注意：这里只需要V2I通信而不需要V2V通信。车辆在道路上正常行驶主要有两种行为：沿着当前车道行驶和变道。如果所有的车都不变道，而且如果前方不堵车，那么驾驶会变得简单，而且车速通常很快。那什么会让车速变慢呢？有人可能会说因为车流变大。没错，车流变大速度就会变慢。但是为什么车流变大车速会变慢呢？一条车道当然有它的最大容量，比如车速是80km/h，为了保持安全距离，两辆车之间需要保证安全距离，比如说10米，假设这条车道的长度是1000米，那么最多就是100辆车。如果我们把200辆车挤到这条车道上，那么肯定会发生拥堵。这是道路物理条件的限制，除了修更多更宽的道路，似乎别无它法。但是我们有没有办法让这条车道保持80km/h呢？当然有了！我们只让这条车道上行驶100辆车就行了！这似乎是废话，忧心忡忡的读者可能问那剩下的100辆车放哪去呢？很简单，随便在哪只要不在我管理的这条车道就行！“你不这是耍无赖或者耍流氓吗？”我想很多读者可能忍不住要说这句话了。这其实不是耍流氓，而是负责任的做法。我明明承载不了200辆车，为什么要让200辆车进来把大家都堵死而不是让100辆车开到80km/h呢？当然你会说这不公平！嗯，我猜你是不让进去的100辆车之一，如果你能进去开到爽的要死就不会这么说了。读者说，那行把，我就让你折腾。这只是一条路的情况，难道所有的路都是这种情况吗？没错，就是这样！那读者可能就忍不了了：我的车刚开出车库，家门口那条路的仲裁者就不让我上路，因为已经达到它最大的容量了。要的就是这种效果！因为你要是现在就挤进去，所有人都从80km/h变成了20km/h。但是如果你在车库再排队5分钟，你就能上路，而且在这条路的速度是80km/h，总的通勤时间能从1小时变成30分钟，这样你是不是愿意呢？前面我们也分析了G6或者四环这类高速或者城市快速路速度变慢的主要原因：在出口或者入口会有车辆需要变道。比如最右边有车辆要进去，所以导致最右侧车道变慢。根据前面的变道心理学研究，后面最右车道的直行司机一看：我这条车道变慢了，中间车道还挺快，赶紧一打轮完成一个优雅的变道。中间车道猝不及防的司机只能把速度降下，于是中间车道也慢了下来，……，当然最终的结果就是整个道路崩溃。那怎么解决这个问题呢？很简单，没有仲裁者的许可不许变道！这下读者可能不会急着否定作者的意见了吧。变道分为必须的变道和非必须的变道，前面的变道模型也介绍过。比如我走在四环的右侧第二条车道，我下一个出口要出去，那么我的这次变道就是必须的变道。如果我没有打算出去，只是发现我这条车道太慢，而左边的车道比较快所以我想变道，这种变道就是非必须的变道。我们在变道的时候需要向仲裁者提出变道申请，并且告诉它变道的目的。当然如果是必须的变道最好提前告诉仲裁者，而不是快到出口了才变道。后面我们会讲全局路径引导，那时仲裁者知道我们会持续在四环行驶而建议甚至强行要求我们并线到更内侧的车道，而快要出去的时候建议或者强行安排我们并线到最右侧车道。这样的话，仲裁者能够根据不同车道的情况那觉得是否同意我们的变道申请。比如我们可能实现如下的仲裁算法：if 目标车道的下一辆车的距离大于一个阈值，使得并线后下一辆车的车速保持60km/h行驶而不会追尾:
I2V发送信号让后车注意让京A12345的车辆并线，速度不要超过60km/h
I2V发送信号让请求车辆并线，并且要求并线然后加速的60km/h的时间不超过3s
return true
else
return false
当然怎么判断变道后后车能否保持60km/h除了要考虑后车的速度，也要考虑我的速度。如果我开个拖拉机上来了，那么它可能判断出我3s时间无法加速到60km/h。另外这些决策也需要后车响应和配合，也需要通信的确认，如果不能确认可能也不能变道。实际要考虑的问题要复杂很多，这里只是个例子而已。又比如G6入口的一个仲裁者算法可能这样：这一段路不允许最右侧的车辆变道到中间车道，而右侧车道类似于在匝道安装一个红绿灯的算法：原后车车辆行驶30s，然后从匝道进去的车辆行驶15s，……。仲裁者会智能的根据两个车道的实时车流量动态调整这两个时间比例，目的是使得右侧车道的平均速度能达到40km/h。当然并没有时间安装一个信号灯，只是通过V2I通信由仲裁者告诉它们是等待还是行驶而已，这不需要任何额外的维护费用。这样的道路也不需要应急车道或者公交车道，只需要由仲裁者根据优先级来调整调度算法而已。比如有一辆救护车要经过，那么实时给它规划出一条没有任何拥堵的路径，仲裁者甚至会要求它前面的车主动变道到旁边车道，而旁边也是有空余位置让出来的，这一切都是算法优化好的。这可能会导致短暂的效率降低，当然这也能被理解。这里有很多技术的细节，怎么优化是个很复杂的问题。前面举例的G6或者四环这样的城市快速路是比较简单的，只有出入口，没有路口。但是很多普通的市政道路会比较复杂，经常有路口和人行道、自行车道等非机动车道的穿插，还有各种交通信号等。另外车也有很多种，除了家用轿车，还有尺寸、加速性能等差别很大的货车等各种车辆。这里有很大的技术挑战，但是我觉得通过不断的算法迭代之后，仲裁者有可能达到较优的结果。至少我们前面碰到的一个例子很容易解决：仲裁者可以根据实时的路口保证不会把路口堵死。比如我每天早上经过的一个路口时从北往南，车流很大，另外从东也会有很大的车流量左转往南走。这很容易导致从南往北和东西向的拥堵，因为绿灯结束后都无法清除掉路口的车辆，导致本来不堵的其它方向拥堵，最终导致整个路口的崩溃。如果有仲裁者的存在，至少可以做这样一个简单算法：如果前方路口无法容纳往南的车辆，则不允许任何车辆进入往南的道路。这样即时从北往南的车会一直排队，但这是不会造成其它方向的拥堵 。我们甚至可以想象力更加丰富一下，有了仲裁者之后就不需要任何交通信号灯甚至交通规则了。如果第二条车道有一辆车要掉头，也许仲裁者就让它直接在这个车道而不是最左侧车道掉头，因为这可以避免它连续并线造成不必要的拥堵。而司机只需要遵循仲裁者的指挥就可以了。读者也许会说，那这样开车还有什么意思？我只能直走，要变道还得申请，那我练就的举世无双螃蟹横行车技岂不是没有用武之地了？我买的豪车除了外壳和沙发比那些买菜车强一点外似乎也体现不出来我的社会地位了啊！要的就是这个效果！如果要飙车请去赛车场，普通道路是给公众出行用的。开车没意思那就交给无人驾驶车辆，反正80km/h的时速风险不大，或者花钱打个网约车也不贵，不过网约车很可能也是无人驾驶的哦。接下来要解决的就是第一个问题：怎么让大家都装上V2I的设备。注意：我这里要的是能够和仲裁者通过V2I通信就行了，在变道时向仲裁者发送变道请求。这不需要装备复杂的传感器和专业的计算平台来提供额外的ADAS安全驾驶功能，当然如果你愿意多花钱肯定也有厂商会制造。它就是一个很简单的设备，能够发送和接收V2I消息，当然也需要把自己的位置信息发送给仲裁者。这里的位置需要能精确到车道，我们前面介绍的差分GPS(可以由仲裁者提供)或者其它的技术(后面也会再探讨)应该能够达到这个要求。而且仲裁者集中了车道的所有车辆的实时位置信息，也能够根据全局的数据更好的做信息融合。当然它还要有一定的人机交互接口(HMI)，比如我可以发出往左变道这样的V2I请求。如果和车机集成的话我还是可以拨动左转信号灯，然后这个设备就能知道我要左转然后把左转变道请求发送出去。另外也可以使用语音控制，因为V2I的请求应该不多，所以语音识别的技术难度也是很低的。当然输出也可以是语音或者HUD这样的视觉信号，比如仲裁者可能要求我让右侧的京A12345的车辆并线。这样的设备量产后我觉得控制在100元人民币以内是问题不大的，所以一是可以强制要求安装。另外即使不能强迫安装，那也有别的办法。比如我们可以立法：没有V2I的设备不能进入四环的最内侧车道，有V2I的车能够走公交和应急车道(前面说了有了仲裁者后不需要专门的公交车道和应急车道了)。通过这样的政策和较低的成本，我觉得是完全可以解决第一个问题的。交通财政
在讨论具体的智能交通协议之前，我们先来讨论一下交通财政。因为在后面我们设计的智能交通系统里会有很多角色，怎么分配利益是大家都会关注的问题。亲兄弟明算账，提前把钱的问题说清楚会比较好。由于文字较长，单独拆分成一篇文章，请点击这里。协议分层
为了更好的实现前面设想的智能交通系统，仿照网络通信协议把智能交通协议分为如下几层：物理层
物理层更多的是交通基础设施建设的工作，也包括对已有道路的维护。因为我们这里的智能化方案是通过V2X这样的无线通信技术来解决，所以我们对于物理层的额外要求会很少，可能在有些通信层或者链路层的方案需要在地下挖坑，但是如果可能应该尽量避免这种侵入式的方案。通信层
通信层使用V2I的技术实现车辆和仲裁者之际的通信。通信层要保证信息的快速、可靠和安全性。我们这里不需要车辆之间的V2V通信，这种集中式的通信更加容易实现安全性。比如每一个仲裁者都需要经过权威机构授权，每辆车都会有自己的ID，仲裁者可以通过权威机构认证其身份，车辆和仲裁者的通信都是经过公钥加密的，防止第三方窃听和篡改。前面介绍过DSRC虽然引入了很多机制，但是我觉得从原理上来说V2V匿名的点对点通信很难避免黑客伪造假消息。消息分为两类：一类是车辆定期发送给仲裁者的位置信息；另一类是与车辆行驶相关的消息，比如变道请求消息。第一类消息可以标准化下来，这里最重要的就是获得车辆的准确位置。这可以通过D-GPS来提供cm级别的准确位置信息，另外时间的同步也非常重要，我们要求汽车发送与GPS卫星时钟同步的时间，这在前面的技术部分都介绍过了。当然我们还得假设少量车辆可能被黑客攻击了，所以仲裁者需要利用本路段全部车辆的信息来判断某些车辆发送的位置或者时间信息存在问题。链路层
链路层是最核心的一层，它负责实现仲裁者算法。这里会涉及大量复杂的计算，我们可以会使用边缘计算的技术。首先是存储，我们需要能快速保持车辆和仲裁者的所有原始通信日志。这些日志会定期上传到云平台上，在这里会进行模型训练等更加耗费资源的计算，另外如果出现一些交通纠纷或者协助警方也会需要查询原始日志。这些日志应该由政府部门负责监督，实现仲裁者的公司可以利用这些数据来优化算法，但是需要确保这些数据不被用于其它目的。仲裁者和车辆的链路层协议不是统一的，因为这依赖与仲裁者的算法，但是我觉得通过充分竞争之后大家的差别不会太大。我们要求链路层协议是”可安装”的，也就是说车辆只需要购买通用的V2I硬件，它可以下载不同路段的链路层协议。在车辆进入某个链路时需要进行协议协商，如果车辆不支持仲裁者要求的协议版本，则不允许进入或者退化到”人工模式”，后面我们会介绍”人工模式”，一个好的仲裁者要尽量能够进行版本兼容。比如最新的链路层协议是星链-1.1，星链协议是星链公司制定的智能交通链路层协议，它在1.0的基础上增加了优先级的功能，那比较好的做法是1.0版本的汽车仍然可以进入，包括最基本的变道请求应该依然可以使用。当然所有这些协议都应该在互联网上可以下载，而且都是通过权威的”智能交通官方应用商店”来发布，保证协议没有被篡改。另外每个链路当前支持哪些版本也应该实时的发布到智能交通官网上，这样上层的导航算法可以根据当前车辆的情况选择支持它的链路。链路层的算法可能很复杂，但是其协议应该尽量简单。下面是车辆给仲裁者发生的一些常用消息：对于仲裁者来说，为了让算法来进行判断，我们需要把它管辖范围的道路信息数字化，也就是需要制作”地图”。这个地图需要包含车道的位置信息以及与相邻链路的连接信息(比如哪个车道可以左转进入东边那个链路)。这些信息可能会实时变化，比如道路养护的时候或者发生交通事故时都会是道路发生变化。仲裁者需要根据地图的信息、当前链路的所有车辆发送的实时位置信息来相应车辆的请求以及给车辆最佳的驾驶建议。但是算法可能会出现问题，比如发生交通事故后有一些车道不能使用，或者某些车辆(尤其是无人驾驶车辆)被黑了，它故意停在那里。当然”好的”算法应该能处理这种情况，但是万一处理不了或者处理不好，车辆上的人类司机应该可以发生异常举报，如果较多人类司机进行了举报，则可以退化到”人工模式”，也就是现在的没有仲裁者的交通规则。另外链路层需要考虑”优先级”，优先级需要分等级。救护车可能有最高的等价，而公交车有较高的等价。另外社会车辆也可以通过加价来提升优先级，但是加价的一部分前需要给链路上的，因为考虑优先级必然会导致整体效率的下降，需要给受到影响的车辆以补偿。网络层
链路层会实时把其路况发送到智能交通官方网站上，这些数据不应该包含个人的信息，而只能是一些统计的信息。比如当前时段整个道路的平均车流量、平均车速，不同车道的车辆车速信息等。通过授权的网络层应用会根据链路层的实时信息规划最优的路径，当然这里也会考虑加价来提升优先级从而缩短时间。网络层的协议应该是统一的，但是有不同的实现者。比如公司A提供一种网络层实现，它可能跟链路层的某些公司达成批量协议，从而可以获取某些路段的更低价格和更高优先级。应用层
应用层最常见的就是提供出行或者货运的服务。未来我们很可能不需要拥有私家车，只需要网上叫车就行。当然会有很多不同类型的服务提供者，比如为上班通勤提供服务的公司要求客户有比较固定的出发时间，当然它也需要保证较准确的到达时间。因为时间固定，所以它的需求估计的比较准确，可以避免出租车太多的空驶率，为了保障到底时间，它需要花一些钱来提升优先级。当然怎么进行客户的分配——也就是用哪些车来运载乘客，这是一个核心竞争力。这个费用会比公交贵一点，因为不需要从小区走到公交车站或者换乘，但是会比打车便宜很多。
而对于提供出租车服务的公司来说怎么根据客户需求降低空驶率是关键问题，也许它可以给预约的客户更便宜的价格，因为这样出租车公司有更多调度的空间，而那些马上要出发的乘客收费就会高一些。另外也会根据时段或者客户预期的行程时间来调整收费，比如高峰期间就会更贵，或者你想更快也会更贵，因为应用层会通过加价来提升优先级以缩短时间。当然我们还是可以拥有自己的私家车，但是费用肯定会比较昂贵，而且未来停车位会更加稀缺，这也是政策的引导。未来大家都不需要拥有私家车也就不需要停车位，出租车公司可能需要停车位，但是不需要那么分散，可能5-10公路有一个大型的停车场就行，只有在晚上会有一些无人驾驶的车辆停在这里，更多的时候它们都是在路上跑着。成功的出租车公司需要把车辆利用到最高，而不应该把太多的车停在停车场里。商业模式
和网联网类似，越接近用户的服务越容易挣钱。而物理层和通信层通常被人们认为是基础性的社会服务，甚至还带有一些福利性质，比如地方政府为了照顾低收入人群会给公交系统提高大量的财政补贴。怎么让企业来参与底层的服务建设来帮助政府提高效率就非常重要。如果没有竞争机制，比如只有一家企业(不管是国企还是私企)来垄断这个市场，就会出现问题。如果是一家私企垄断了通信层，那么它就会利用垄断地位来获取过多的利润。而如果是产权不清晰的国企来垄断市场，虽然政府可以通过行政手段约束价格，但是其低效是在所难免的。比较好的做法是需要有多家来竞争，至少要想的电信运营商一样存在好几家竞争者(即使都是国企)。物理层决定了一条道路的通行能力的上限，改善交通最简单的方法就是修建更多更宽的道路。但是修路的成本非常高昂，每年用于交通的财税收入是固定的，有限的资金怎么最优分配是一个难题。如果我们不考虑其它社会效应，如果单从经济的角度来衡量，或许这种分层的模式能给我们一些可以量化的指标。前面讨论过有三种模式：一般性资金(general revenues)、溢价归公(value capture)和广义的使用者付费(user fees)。一般性资金可能适合全国性的道路建设，比如跨越多个区域的国道或者高铁这样的项目。而对于市政道路，主要是使用者付费和溢价归公。溢价归公可以向因为交通便利而带来利益的开发商或者房产持有者征收税，这里我们不讨论。如果仅仅从使用者付费的角度来说这个问题很简单：哪条路能挣钱(或者亏钱最少)就修哪条。具体来说，链路层和通信层通常可以由同一个商业公司来运作，它需要购买物理层的服务。物理层通常有交通部门来负责建设，它根据道路的建设和维护成本向链路层收取费用。运作链路层和通信层的公司需要维护V2I的通信设备，在路边搭建边缘计算平台，它可以按照道路的状况收取费用，这个费用由政府部门规定一个范围，然后它可以自行调整价格。比如车辆少点时候降低价格、车辆多的时候提高价格。并且对于需要提升优先级的车辆收取额外的费用，这额外的费用一部分补偿给受它影响的其它车辆。能替代的链路会直接竞争，比如四环的主路和辅路，通过市场的机制来调节。网络层会给个人车主除了提供路由算法，而且还能提高”包月”这样的服务，因为它批量和链路层议价，所以同一时刻的同一链路，它可能拿到比个人更低的批发价。而应用层更多的是出租车公司或者物流公司，它们的工作重点是怎么优化流程来提高车辆的利用率，同时也会有很多商业模式的创新，比如上下班通勤服务、拼车服务、旅游服务等等。除了物理层，其它层完全可以市场化，但是政府需要防止垄断。另外对于链路层，政府需要确保数据的安全合规使用。当然应用层也需要确保用户的隐私，不能把用户的出行计划或者行程用作商业目的。另外链路层可能无法盈利，那么可以由政府来运营。政府可以通过替代燃油税的里程税(当然如果为了支持环保可以仍然收取燃油税)来，然后通过技术招标的方式让商业公司来竞争提供链路层的技术解决方案。政府可以制定一些指标，比如链路的平均车速、通行量等。合同里约定商业公司要达成的最低目标(可以以目前未智能化的指标作为baseline)，商业公司通过技术的优化来最大化这些指标，如果提升的幅度越大，则政府可以给商业公司更多的报酬。合同可以一年一签，第二年以当前的指标来作为新的baseline来招标。过渡期
链路层必须要能兼容只支持人工模式的车辆，但是政府可以给予运作的公司一定的政策支持。比如前面说的链路层的仲裁者可以把三条车道的一条作为智能交通协议专用车辆，如果车辆不支持智能交通协议，则不允许在高峰时期进入此快车道。前面的链路层收费也依赖于车辆支持智能交通协议，如果技术比较成熟了，政府也可以立法要求所有车辆都需要支持智能交通协议。作者简介：李理，环信人工智能研发中心vp，十多年自然语言处理和人工智能研发经验。主持研发过多款智能硬件的问答和对话系统，负责环信中文语义分析开放平台和环信智能机器人的设计与研发。https://fancyerii.github.io/2020/04/08/itp/#rb_18 1百科词条：交通银行。
2知乎问题：为什么上海交通大学的英文名字是 Jiao Tong University？
3中国交通银行的英文为什么是Bank of Communications?
4Merriam-Webster的communication。
5百科词条：中华人民共和国邮电部。
6Merriam-Webster的telecommunication。
7Wiki词条：Department of Telecommunications
8Wiki词条：List of ministries of communications
9Wiki词条：Ofcom
10Wiki词条：Federal Communications Commission
11有史以来最全面的中国运营商发展史，这里是否有你的回忆？
12Hyperloop
13Why do traffic jams sometimes form for no reason?
14One Driver Can Prevent a Traffic Jam
15智能运输系统. 北京理工大学出版社，2016
16无人驾驶. 文汇出版社，2017
17V2X
18智能网联汽车技术. 社会科学文献出版社，2019
19智能网联汽车新技术. 化学工业出版社，2016
20车子为什么要自我诊断？OBD系统背后的秘密
21汽车总线知识扫盲-序
22OBD接口能获取的车辆数据具体有哪些？
23国家车联网产业标准体系建设指南(智能网联汽车)(2017年)(征求意见稿)
24《国家车联网产业标准体系建设指南(智能网联汽车)(2017)》编制说明
25国家车联网产业标准体系建设指南(总体要求)
26大话移动通信. 人民邮电出版社，2011
27选择过去还是未来——一场车联网技术标准之战
28新能源与智能汽车技术路线图概要. 中国汽车工程学会 2016.11.26
29卫星数字音频广播业务
30Wiki：Telematics
31Connected Car for Dummies
32Connected Vehicles: Intelligent Transportation Systems. Springer International Publishing. 2019
【END】
更多精彩推荐
☞Google Wave的失败给现代实时协作办公的一个重大教训！
☞从青铜到王者，来聊聊Synchronized底层实现原理|原力计划
☞那些神一样的程序员
☞北京四环堵车引发的智能交通大构想
☞你公司的虚拟机还闲着？基于Jenkins和Kubernetes的持续集成测试实践了解一下！
☞从Web1.0到Web3.0：详析这些年互联网的发展及未来方向