网联汽车：V2X技术服务初衷
张长隆 | 作者
安安 | 编辑
V2X作为实现“人-车-路-云”全方位连接和高效信息交互的关键技术，是网联汽车（Connected Vehicle）与智能网联交通（Cooperative ITS）发展的关键。
随着智能网联技术的不断发展和应用，车联网系统将成为智慧城市建设的重要基础设施之一，为人们提供更加智能、高效、安全的出行方式，提高城市的运行效率和交通管理水平。
网联汽车来源于英文的“Connected vehicles”，国内也有叫联网汽车/互联汽车，是一种可以支持V2X通信功能的车辆。
网联汽车可以与其行驶过程中一定范围内的网联汽车（V2V）、交通基础设施(V2I)、行人的移动终端(V2P)、互联网(V2N)进行双向信息交互，提高驾驶主动安全性。网联汽车和自动驾驶汽车还是有所区别的。
自动驾驶汽车是指通过装载超声波、摄像头、毫米波雷达、激光雷达等传感器，利用自动驾驶技术（automated/autonomous driving）使车辆智能化程度达到L1-L5，最终实现无人驾驶的车辆。
网联汽车是指通过装载车载通信单元(OBU)，研究网联协同驾驶技术（Cooperative driving）的车辆。针对当今道路上安全驾驶所需的行为和方法，自动驾驶技术研究的是个体行为与方法，而网联协同驾驶技术研究是群体行为与方法。
研究车辆收集信息并与其它车辆共享，以适应周围的交通和环境条件。车辆收集信息并与交通基础设施共享，以遵守交通规则和法规。车辆收集信息并与互联网共享，以探索更精密交通流预测与缓解拥堵。
近几年，自动驾驶与协同驾驶相结合是自动驾驶汽车研究方向，诞生了网联自动驾驶汽车（Automated and Connected Vehicle）。自动驾驶汽车发展离不开网联汽车技术支撑，但网联汽车发展是相对独立的。
网联汽车可以是L1-L5级别的自动驾驶汽车，也可以是L0级别的传统有人驾驶车辆。此外，网联汽车与自动驾驶汽车之间最重要的区别是，网联汽车极有可能在自动驾驶汽车之前大量出现在市场上，特别在商用车以及特种车辆领域。
网联汽车的发展是随着汽车与信息技术、通信技术不断融合而演进的，网联汽车可以“connect”到什么地方，以及这些不同的“connect”如何为服务和应用创造机会。广义定义的网联汽车可以追溯到90年代，网联汽车通过无线电台广播通信，为乘客提供单向的娱乐、非实时、非连续事件信息。
进入2000年后，随着蜂窝移动通信技术快速发展，网联汽车通过2G/3G/4G创造一个包括多媒体在内的车载信息娱乐系统，当添加GNSS数据后，就可以实现地图应用的车载在线导航。构建车辆与后台服务中心的蜂窝连接的搭建，可以为车辆提供包括导航交通信息、远程诊断和紧急救援等一系列对通信时延要求不太高的服务。
从2010年开始，以IEEE802.11P为代表的DSRC和以LTE-V为代表的CV2X两种V2X通信技术快速成熟与标准化，推进了车联网技术的商业化进程。
具备V2X通信功能的网联汽车（狭义定义的网联汽车）侧重于通信的连接，强调车与车，车与路，车与人，车与云平台全方位通信连接，通过满足车与车、车与路间的低时延、高可靠通信及高频率通信的道路安全业务通信需求，构建一系列安全、效率等网联辅助信息交互服务。
这几年随着5G通信技术开始商用化，以单车智能为代表的自动驾驶技术快速发展，网联自动驾驶成为研究热点，通过V2X给自动驾驶车辆提供协同感知、协同决策与控制等高阶的网联信息服务。
图1 网联汽车的发展[1]
V2X的核心技术就是车辆与“外界”交换内容，并对“内容”进行分析处理计算产生相对应的功能。这个“内容”就是数据。按照属性定义，车辆产生的这类数据可以分为车辆健康数据、车辆行驶行为数据以及车辆位置数据（如图2）。
图2 车载数据
随着车辆智能化程度越高，如果按照智能化程度定义，车辆产生的数据又可分为四大类：车辆状态数据（status data），车辆感知数据（sensor data），车辆驾驶意图数据（intention data），车辆协调控制数据（coordination data），这些数据应用体现网联汽车的驾驶智能化程度。
就像自动驾驶分为多个等级一样，依据上述四大类网联汽车的数据，网联汽车的智能驾驶（我们可以统称为网联驾驶）相应分为四个等级[2]：状态共享驾驶（Awareness driving）、感知共享驾驶（Sensing driving）、协同驾驶（Cooperative driving）、同步协同驾驶(Synchronized Cooperative driving）。网联驾驶的发展和自动驾驶发展相互关系可以见下图3。
图3 网联驾驶发展和自动驾驶发展相互关系[3]
状态共享驾驶（Awareness driving）
不管智能化程度如何，任何一辆网联汽车都能实现状态共享驾驶。车辆的状态数据主要有：车的位置、刹车以及加速等矢量信息、车辆航向与转向信息、车辆健康数据信息等。
网联汽车传播这些状态信息，从而使其他网联汽车能够意识到它的存在以及在道路上检测到的最终危险，也支持其他交通参与者能够超视距意识到潜在的道路风险。
通过V2V状态共享驾驶可实现，如应急车辆警告、电子紧急刹车灯警告、车辆静止警告、（交叉路口、左转辅助、匝道汇合、编队行驶）碰撞警告等。
通过V2I获取交通基础设施的状态数据可实现，如恶劣气候提醒、闯红灯预警、短期道路施工警告、危险位置警告、数字交通标志提醒、动态限速提醒等。
同时交通基础设施收集网联汽车的状态数据，以便更好地了解一个局部路段的整体交通情况，提供更广泛的区域态势感知，例如，公交优先、应急车辆优先、绿波车速建议等，也可实现各种支付应用，如运费结算或电子收费等。
通过V2P状态共享驾驶获取弱势交通群体（包括行人、骑行者等）的姿态与轨迹状态数据，避免或减少碰撞交通事故以及为弱势交通参与者提供信息服务。
网联汽车通过V2N接入云平台连接，云平台与车辆之间进行数据交互，并对获取的数据进行存储和处理，提供车辆所需要的各类应用服务，主要应用于车辆导航、车辆远程监控、紧急救援、信息娱乐服务等。此外，除了业务场景之外，还有管理和安全的功能，涉及设备的认证、管理与维护。
感知共享驾驶(Sensing driving)
此阶段的网联驾驶除了状态数据共享外，车辆能够广播车载传感器（摄像头、毫米波雷达、激光雷达等）获得的道路感知信息。这些额外的信息使网联汽车能够用其他的网联汽车的“眼睛”，从而检测到其他隐藏的物体（例如，在一个角落里见图4），或更准确地了解其环境中正在发生的事情（例如，复杂交通环境下的十字路口）。
图4 基于V2V的鬼探头场景
道路侧如果也具备传感器（摄像头、毫米波雷达、激光雷达等），通过路侧传感器获得的道路信息也同样可以赋予网联汽车获得更颗粒化的超视距交通态势。例如下图5所示右侧盲区的行人被路侧传感器感知到后发送给网联汽车，提醒车辆提前减速。
给车辆与路侧配备感知设备的效果是双重的，一方面，没有配备V2X设备的交通参与者（行人、非机动车驾驶员）的安全得到了保护；另一方面，与状态共享驾驶阶段相比可以实现一些更高级的预警场景（弱势交通参与者预警、非机动车预警、包含非网联车的交叉路口碰撞预警）以及一些半自动驾驶场景。
感知共享驾驶能通过V2V以及V2I解决“鬼探头”交通安全问题，此外，最典型应用是协同自适应巡航CACC（Cooperative ACC）。自适应巡航（ACC）系统是在定速巡航控制的基础上发展起来的，也是现在发展相对比较成熟的一项技术并且成功应用于商业。
ACC 系统在商业的成功应用是由于它在一定程度上缓解了驾驶员的驾驶压力，提高了驾驶安全性。但是，ACC 系统在实际使用过程也表现出来了一些缺陷和问题。
◼ 在低速行驶过程中，由于不能快速接受周围车辆行驶信息，对邻近车道车辆的行驶状态也无法有效识别，使得车辆很难在低速情况下使用，系统的稳定性和舒适性较差。
◼ 在弯道行驶过程中， ACC 系统主要根据车载雷达对目标车辆识别， 由于其在弯道路段对目标识别不够准确， 因此当车辆在弯道路段以较高速行驶时，存在横向失稳和碰撞的可能性。
◼ 在换道或超车过程中， ACC 系统较难识别驾驶员意图， 更多情况是对同一车道的前车进行跟驰， 在换道或超车时则需要驾驶员进行处理，降低了驾驶的舒适性。
如果在ACC基础上加上V2X技术以及感知共享驾驶，就能弥补了自适应巡航控制系统上述的缺陷，从而增强驾驶体验感和提升行驶安全性。CACC有着更快速的信息获取渠道，依托V2V状态共享，有效减小了环境噪声导致的相对距离、速度、加速度等信息测量误差，提高了信息传递的响应速度和准确性。
依托V2V感知共享，扩大单车传感器感知范围， 保证弯道、换道或超车过程的巡航控制安全。依托V2I感知共享，通过融合路侧单元传输的静态动态环境信息和前方车辆的加速度等行驶信息，对本车的油门开度和制动踏板压力进行控制，以实现对期望加速度的精确地跟踪前方车辆。
文献[6]基于欧盟开发的OPENACC数据集以及美国交通部开发的CARMA2数据集，对车辆的响应时间进行观察与测试，以便了解对交通流量的影响。观察到ACC的响应时间在1.3到2.5秒之间，与人类驾驶员的响应时间相似，而CACC车辆的响应时间明显更短，估计在0.1到0.5秒之间。
图6 CACC拓扑结构图
协同驾驶（Cooperative Driving）
除了状态和传感器数据共享之外，协同驾驶阶段允许车辆与其他交通参与者分享它们的意图数据（运动意图与轨迹），这些数据被用于预测另一辆车辆或行人的行为，从而优化车辆的决策和机动性。
预测所有道路参与者的行为是实现高度自动化驾驶目标的基本要求。对于具备自动驾驶能力（SAE L3、L4）的网联汽车，它们能够“计划”和“执行”驾驶任务，从而与其它交通参与者分享目标意图（如所需的路线、动机或轨迹）以及当前实施的行动（如短期和长期轨迹）。在复杂的交通情况下协同驾驶能够预测其它的交通参与者的行为从而避免发生冲突。
协同驾驶，最早是在日本汽车行驶电子技术协会(JSK)领导的"Association of Electronic Technology forAutomobile Traffic and Driving"项目提出，旨在兼容道路交通安全与高效的条件下，充分利用道路情况下，将若干单车组成跨车道柔性车队，使其能够根据不同交通状况，通过协作的方式完成巡航、跟随、组合与拆分、换道等相关协作策略，简化交通控制的复杂程度，增加交通的可组织性，从而提高交通通行效率，缓解交通拥堵。
基于V2V意图数据共享的协同驾驶最典型的场景就是协同式汇入、协同式变道、协同式超车等。
以协同式汇入为例（图7），在白色车辆遇到施工区域的时候如果不进行协调，右侧车道的车会一直阻塞。白色车辆开始广播自己的汇入意图，和蓝色车辆协商能否汇入。通过这种方式，白色的汽车通知周围的所有其他车辆，它将启动和执行汇入操作，其他两辆车将实施类似的协调，以完全自动化的方式成功解决可能的冲突。
实际上，在状态共享驾驶阶段，也能实现类似协同式汇入。因为车辆的油门量、刹车量、左右转灯信息也代表了车辆的意图信息（加减速、是否变道），对于不含自动驾驶功能的网联汽车有人驾驶的主动安全也是非常有用的。
图7 协同式汇入
上述场景的路权协调也可以由基于V2I的意图数据共享完成，路侧传感器已经检测到了该障碍物，路侧RSU收集到所有网联汽车的行驶意图数据，来集中解决相关路权冲突，并通过V2I协调相关网联汽车的执行动作。
基于V2I意图数据共享的协同驾驶对于改善交通效率也是非常有用的，一个典型例子就是交叉路口管理。进入路口的网联汽车提前将驾驶意图（进入入口哪个车道，也就是左转右转或者直行）通过V2I传递给RSU，路侧通过分析这些意图信息，可以更有效和更精确的进行信号灯优化，同时也可以给出更平滑的整体交通流疏导指引，提升路口交通通行效率。
同步协同驾驶(Synchronized Cooperative driving）
最后一个阶段，称为同步协同驾驶阶段。当车辆的智能化程度足够高（SAE L4 /L5无人驾驶），网联汽车能够相互交换和同步驾驶轨迹，包括路侧或者云端的协调控制指令，以实现全自动驾驶和最佳驾驶模式。
同步协同驾驶是集群智能(swarm intelligence, SI)技术应用的典型代表, 通过车辆之间的自主协同, 在车、路、云环境中的协同合作，实现集群的整体目标最优。
集群智能起源于自然界的智能体集群(蚁群、鸟群)的群体行为，具有一些共性：
1) 复杂系统由自由运动的智能体组成；
2) 智能体能够感知和改变运动状态；
3) 智能体合作完成特定任务；
4) 系统均为自组织分布式。
集群智能技术是指智能体集群(或机器人集群)之间通过感知和交互的方式, 借助现代控制与决策手段, 协同完成个体不易实现的任务。
将此阶段的网联汽车视为类似其它集群智能体（无人机、卫星、AGV等）, 通过自组织协同控制多个网联汽车, 使之能优化一个全局目标，依靠局部交互作用来实现全局系统行为, 从而产生整体效应。
但是，网联汽车具有更强的感知与通信能力, 并且利用信息规划的能力更强。特别在一些封闭区域的无人驾驶场景（矿山、园区、港口、自动泊车等），通过同步协同驾驶实现提前规划和控制路面上行驶的每一辆网联车从出发地到目的地的整条轨迹。
上节主要介绍了网联汽车的网联驾驶，也即V2X技术给智能驾驶带来的功能与方法，实际上网联汽车对交通效率的提高、交通流预测与优化控制，提升交通出行体验也有非常大的作用。
对交通的赋能也是基于网联汽车的数据共享基础上发展而来，这里就简单介绍几个场景供大家参考，更多应用可以查阅国内外相关文献。
◼ 公交信号优先。公交信号优先是指在城市信号控制交叉口，在不对原有信号配时方案和控制模式造成较大影响的前提下，为公交车提供信号优先功能，这类优先不会导致信号机脱离正常的信号运行状态。
通过建立网联公交车与路侧交通信号设施的通信，为公交优先提供更加精细化的交通信号控制演算，实现公交运行状态与交叉口信号配时的双向优化，从而提升公交运行准点率。详细介绍可参看笔者2021.6.30在赛文交通网的文章《公交信号优先的“历史，现状和未来”》。
◼ 应急车辆优先。本着生命至上原则，应急响应成为社会服务中最重要的内容。应急车辆如消防车、救护车是应急响应系统中最基本的组成部分，应急车辆到达事件现场的时间因交叉口和信号灯的存在而大幅增加，这对交通管理是一个巨大的挑战。
为了降低紧急车辆的响应时间，网联应急车辆优先可以确保应急车辆安全且快速的通过交叉口，路侧设备清空排队和保持冲突相位来帮助应急车辆通过路口，在提供应急车辆优先功能后需恢复正常交通信号运行。不同于公交信号优先，应急车辆信号优先是一种强制信号优先。
公交信号优先是指在信号控制交叉口给予公交车辆相对于其他车辆的优先权，这种优先不应导致相应的信号机脱离正常运行状态。强制信号优先是指交通信号从正常状态切换到特殊状态，以满足紧急救援车辆、轨道交通等的通行，即需要中止正常的信号运行来提供特殊信号服务。
因此，网联应急车辆优先的技术重点是对非优先方向车辆的绿灯补偿（路权补偿）。
◼ 交叉路口节能与安全车速引导。在有信号灯的十字路口处，车速控制不当会造成极 大的燃油浪费及引起追尾碰撞。驾驶员判断的模糊性使其无法达到车速最优控制，网联汽车通过车辆与信号灯之间，车辆与车辆之间的状态共享，由车端的车速引导系统计算出最优速度曲线，引导驾驶员通过十字路口实现节能驾驶有效降低油耗，并提供追尾碰撞预警信息，增强行车安全性。详细介绍可参看笔者2022.5.5在赛文交通网的文章《车路协同应用:绿波车速引导》。
◼ 交通态势检测估计与控制。传统交通信息采集方式主要以地感线圈、视频检测器等为主，这种集中式的采集与信息处理方式存在延迟、不全面、精度不高的缺点。道路上的交通情况是时变的，对于突发性的交通事件的反应与发布机制存在一定滞后，导致在道路上出行“集聚”现象，影响了交通流在路网上的合理分布。
网联汽车技术可以为短时交通流预测提供通信源，并通过交通参数的采集与计算确定交通姿态，从而将车路协同关键技术应用到城市交通拥挤的传播分析和交通流调控当中，促使智能交通技术与交通安全、车路协同技术与传统交通调控以及随机交通与规则交通的融合，以实现诱导交通需求、优化交通流量、提高交通管理水平和交通节能减排的目标。详细介绍可参看笔者2023.4.9在赛文交通网的文章《车路协同应用:道路交通流密度检测与估计》。
◼ 自适应信号配时。自适应控制则是在预测未来交通需求的基础上优化交叉口信号配时方案，能够很大程度上降低交叉口的车辆延误，提升路口通行效率。
但现有的自适应控制系统主要依赖于传统的线圈或者视频检测设施信号系统，网联汽车相对于传统的检测设施和设备，具有较好的鲁棒性，且检测的交通信息更为全面，如：可实时检测车辆的位置、速度、加速度和与之相关的时间戳信息，基于此优化的信号配时方案将更能适应交通需求特征。
◼ 交通事故自动检测与朔源。交通事故自动检测对于避免道路拥堵（城市环境）以及二次事故（高速环境）发生非常重要。网联汽车能够在车辆发生碰撞或其他遇险情况时自动发送紧急消息，根据安装在车辆中传感器记录的碰撞关键数据（例如，安全气囊的展开、双闪、车辆轨迹等参数）自动触发功能。
通过V2N告知交通管理中心进行快速干预，通过V2V或者V2I广播相关行驶区域的车辆引起行车注意。由于网联汽车具有非常精确的时空姿态信息，可以对交通事故进行朔源，协助厘清交通发生的原因与确定事故的责任方。
◼ 异常路况检测与广播。网联汽车可以作为“移动气象站”来检测道路突发的异常气象。通过湿滑传感器检测道路上的结冰或油污，通过视觉传感器检测高速上的团雾以及积水。
美国交通运输部道路天气管理部门的一项研究计划，使用移动网联汽车，而不是稀疏放置的路侧固定气候传感器，把网联汽车传感器收集温度、压力和湿度的测量值，与车载信息（如挡风玻璃雨刷的使用、灯、防抱死刹车和牵引力控制系统的激活、道路湿滑传感器检测）相结合，提供更大范围的道路天气特性，帮助气象学家提供精确的气候预测，同时帮助交通管理机构及时应对突发的天气灾害。
◼ 智能停车/充电桩引导。路侧设备可以对网联汽车驾驶员进行精细化的停车/充电桩引导，适时告知行驶路段附近的停车场/充电桩位置以及空闲车位，提升出行体验和效率，同时也能帮助减少能源消耗。
在各类交通事故中，人的因素占很大比重，驾驶员行为已被世界公认为引发道路交通事故的主要因素。
V2X的主要目标是提高交通安全水平，但是在努力提升交通安全水平的同时，网联驾驶应用是否会影响驾驶员的感知、判断、 操作等驾驶行为受到愈来愈多的关注。对于有人驾驶的网联汽车进行驾驶行为分析，探讨网联驾驶对驾驶行为的影响十分必要。
Haneen Farah等文献[10]研究表明在使用车路协同系统时，驾驶员的精神状态如眨眼频率、心跳频率等均表明驾驶员的紧张程度会比不使用车路协同系统时低。相比与年轻人，车路协同系统对老年人的作用更大，它能够提高驾驶员的感知水平，缩短驾驶员的感知时间。
同时，由于网联汽车能够获取到来自路侧基础设施和其他车辆的超视距信息，相比非网联汽车，网联汽车接受到的信息是大量且庞杂的。如果将这些信息全部发送给驾驶员，驾驶员除依赖自身视听觉获取交通环境信息外，又需要处理这些网联信息，会增加驾驶员感知、决策和操作的压力，对驾驶员的注意力分配和判断决策造成的影响。
目前，网联汽车驾驶行为的影响研究才刚刚开始，对网联驾驶对驾驶员在感知、判断和操作各过程的影响还没有明确的结论，但从现有研究可以看出，网联辅助驾驶预警信息有利于缩短驾驶人的判断决策时间。
文献[12]针对城市道路信号和无信号交叉口场景下，研究网联驾驶辅助信息的存在和内容对青年驾驶员工作负荷和操纵行为的影响，结果表明不同级别的网联信息对驾驶员工作负荷的影响不显著。
在信号交叉口中，当绿灯即将结束时，网联信息可以显著减小驾驶人的心率增长值。当红灯即将结束时，网联信息可以显著降低车辆速度标准差和驾驶人的制动反应时间。
在无信号交叉口中，当自车比冲突车辆更晚到达冲突点，需要减速让行时，网联信息可以显著降低驾驶人的工作负荷，提升制动反应时间和驾驶稳定性，而当自车更早地到达冲突点，可以加速优先通过时，该效应不显著。
此外，驾驶员对网联驾驶的技术依赖也需要引起设计者注意考虑的。就像习惯了具有倒车辅助系统的驾驶员在驾驶有倒车辅助系统的汽车时容易观察不足一样，依赖网联驾驶系统的感知与判断，会导致驾驶员驾驶可靠性降低，就需要网联驾驶系统具有非常高的可靠性来保障汽车行驶安全可靠性。
针对网联汽车的驾驶行为分析是为了更好设计网联汽车的HMI（Human Machine Interface），如何对网联信息进行处理、筛查和精炼，将什么信息以何种方式传递给驾驶员。相比传统ADAS的HMI，网联汽车的HMI设计有个重要的挑战：“如何为驾驶员无法看到的物体提供警告？”。在传统ADAS影响下，驾驶员更愿意知道发生了什么的情况下，才愿意相信并使用告警系统。
文献[13]研究分析了在城市交叉路口防碰撞场景下，网联汽车的状态共享驾驶的HMI设计方法。由于在路口会集中遇见大量临近的网联车辆，用计算的碰撞时间TTC来作为筛选指标，将警告分为“中度警告”和“高度警告”。可以利用V2V通信的两个方面信息来抑制不必要的警告：相对较长的检测范围和周围环境信息。
对于检测到的网联车辆进行连续监视以检测其状态的任何变化，如果状态发生变化（例如减速），则系统可以决定不发出任何警告。还可以与地图数据相结合，可以过滤掉那些可能会导致不合理警告的情况。
例如，地图数据提供的有关道路曲率信息，可以用于过滤来自其他方向弯道车辆引起的警告。总而言之，HMI设计是否成功有效，对于网联汽车与网联驾驶大规模推广与应用起着非常重要的作用。此外，基于网联汽车驾驶员行为分析对网联汽车的交通事故朔源与分析也是非常有用的。
如前面网联驾驶的分析，网联汽车的核心就是数据共享，还包括其它交通参与者的数据共享，特别是交通基础设施数据的共享，这也是构建V2X为支撑智能网联交通（Cooperative ITS）的基础。
然而，社会大众对于网联汽车数据共享的接受程度决定网联汽车的普及程度。同时，交通基础设施运营者对交通基础数据共享的意愿，也影响着智能网联交通是否真正有效运行。
密歇根交通部汽车研究中心[14]针对社会大众对网联汽车技术的看法进行研究，将社会大众针对网联汽车关心的问题分为：个人隐私、数据安全、部署成本、驾驶员分心、数据所有权。
个人隐私是社会大众最关注的问题，由于通过V2I/V2N收集网联汽车的数据可被交通部门或其他道路管理者用于分析道路使用模式、预测交通流、道路规划维护和改进。
同时这些数据也对交通科学研究人员、车企、汽车销售商等带来大量数据价值。如果隐私问题没有得到妥善解决，被参与的调查者普遍认为这些数据收集会对个人构成威胁。
因此，在决定如何收集、归档和分发信息时，隐私问题应该是一个重点考虑因素。
来自黑客的捕获数据或更改记录，是公众和交通基础设施运营者关心的安全问题。黑客对V2X网络的攻击包括向司机提供虚假信息，欺骗定位信息以避免承担责任，识别和跟踪其它车辆，使用拒绝服务攻击来摧毁网络，以及伪装成另一辆车辆。
为了防止这些攻击，公众提出了一些安全要求，包括：车辆身份验证、数据一致性验证、软硬件加密、隐私性和实时约束、提供类似手机APP安装时候提醒的数据使用契约（允许每个用户提供特定的数据处理首选项，数据发送给服务提供商之前聚合数据，而不是让车辆传输大量的原始数据）。
公众对网联汽车的成本关心在于部署硬件设备成本以及网联驾驶功能所带来的服务成本。文献[14]做了个实验，根据司机对网联汽车技术的熟悉程度将他们分为熟悉和不熟悉两组。调查结果发现，随着对网联汽车技术越熟悉，越能接受网联汽车数据被分享，也愿意付更多的成本来购买和使用网联驾驶技术。
要获得公众对网联汽车技术广泛的理解，需要使用试点项目、教育计划、媒体推广和其他方法来传达相关知识，以向公众证明网联汽车系统是一个合乎逻辑的、可持续的解决方案，该系统的效益远远超过其成本。
业界对于网联汽车的数据所有权属于车主、车企、还是V2X网络运营商存在分歧。最好的办法将网联汽车的数据进行分类，比如与驾驶行为相关的数据以及车辆自身状态数据，根据不同的数据类型来讨论数据所有权与使用。
公众一致认为负责管理和保护数据的组织必须是获得公众认可的政府公共部门或下属企业，对数据的使用最好的办法必须像其它智慧交通数据一样能提供交通服务公共利益。
此外，公众还担心因为对网联汽车技术不熟悉，如果HMI设计不够友好直观，网联驾驶提供的辅助安全功能会带来驾驶困惑，从而导致驾驶员注意力分散引发的驾驶安全性问题。
文献[15,16]通过对2400名美国成年人进行了问卷调查，针对网联汽车的接受程度以及网联汽车数据共享愿意程度进行调查，结果表明，人们对网联汽车数据共享意愿程度取决于这些数据共享后如何使用也即有什么功能，而不是数据的类型。
将网联汽车数据共享用途分为四大类：
（1）驾驶辅助、道路拥堵评估和缓解、路面和基础设施评估和改善
（2）根据使用情况执行交通规则以及道路收费
（3）道路救援与事故调查
（4）科学研究。
针对这四类数据共享用途，受访者的数据共享意愿各不相同。例如，受访者对数据共享带来的超视距感知功能非常感兴趣，但对执法目的相关应用最不感兴趣。
受访者对网联汽车的接受程度与数据共享意愿成正比关系，其中，与网联汽车相关的数据隐私和安全问题降低了受访者对数据共享意愿以及网联汽车整体接受程度。
该研究还调查了受访者的社会人口统计学和其他个人特征、数据共享意愿程度、网联汽车接受程度这三者之间的关系，以便为不同的社会人口群体制定不同的计划和政策，以提高对网联汽车的接受程度。
从国内近年多次大规模的车联网测试验证以及相关团体标准的推进结果可见，网联汽车相关应用场景大多聚焦在车路安全，信息共享，交互合作等方面。
从功能上，以驾驶员的功能需求为导向，一方面是驾驶安全需求，帮助驾驶员在事故前对其进行预警，减少碰撞风险，避免发生事故，另一方面是驾驶效率需求，利用V2X技术，帮助驾驶员节省行程上的时间，更快到达目的地，提升出行体验和效率。
随着网联汽车技术的快速发展，在政府的主导下，全国范围内大规模开展车联网基础设施建设，无论是从商业化落地还是进行前沿成果预研，都亟待在国内出现更多新的网联汽车应用场景，提升车联网V2X技术的价值，引领行业向前沿发展。
针对国内目前车联网应用场景建设，笔者从政府推动层面、应用实施层面、技术层面、设备渗透率方面4个方面进行分析。
◼ 政府推动层面。从目前各车联网示范项目的落地可以看到，政府主导因素较大，而V2X技术及应用如何为各政府单位赋能也是值得思考与探索的，站在政府角度，能否通过V2X帮助提高城市的交通效率，提升交通安全，降低能源消耗，提升交通管理精度，是政府部分首先需要考虑的问题。
◼ 应用实施层面。在一些场景功能的实际落地应用时，路侧设备的安装与调试会涉及到较多政府职能部门报批和协同，对于新增设备的接入，不同部门之间的交互与对接也会根据对应用场景的各自需求有不同，造成应用实施上的阻力。
◼ 技术层面。不同的网联汽车应用场景可落地性对技术层面也会提出不同的要求，如定位技术的发展对部分场景应用也会产生较大的影响。
大部分网联汽车应用都基于定位结果触发应用，对定位的依赖性高，一些场景需要分米级甚至厘米级的定位精度，目前主要依靠GNSS来完成定位，局限性较高，失锁情况下没有冗余机制保障场景的准确触发，因此如何做到各场景下的高精度定位还需要进一步深入研究。
◼ 设备渗透率层面。对于一些V2V主动安全以及需要进行大数据分析的应用场景而言，对网联汽车的渗透率也有一定的要求，渗透率低，应用效果不明显，当渗透率达到一定比例时，才能呈现相应效果，因此不同地区的网联汽车渗透率也对应用场景的效果产生较大的影响。
笔者通过搜集整理国内外各类项目中的网联汽车应用场景，结合可落地性和场景重复性，整理出共计46个应用场景，通过上述4个层面共计7个维度（交通效率、交通安全、节能、交通管理、施工难易度、政企协调要求、定位要求、渗透率要求）向行业内专家、专业经验丰富的工程师进行调研，依照不同维度对各应用场景评价打分，遴选网联汽车规模化应用优先推广。
经统计分析，分值排名前7的场景如图8
图8 网联汽车应用场景
这几年伴随着自动驾驶的火热，V2X技术以及对应的网联汽车也发展迅速，一些专业机构对网联汽车的市场渗透率作了预测。普华永道报告指出[17]，中国车联网市场规模快速发展，预计2026年将达到8000亿元，到2030年，我国网联汽车渗透率也有望达到56%。
图9 网联汽车渗透率预测
同时，有越来越多车企正在进行V2X前装上车预研、以及量产研发，V2X前装车型也陆续发布。
2017年通用汽车推出卡迪拉克CT6网联车型；2020年福特的探险者和锐界推出网联车型，别克GL8 Avenir推出网联车型等；2021年上汽Marvel R和奥迪A7L推出网联车型。
2023年，中国一汽发布的E001、E202、E702三款新架构的新能源车型支持C-V2X技术。数据显示，截至目前已有十几家车企发布了C-V2X量产车型，包括一汽、上汽、上汽通用、上汽奥迪、广汽、长安福特、长城、比亚迪、蔚来、华人运通等多家车企。
同时，一些商用车制造企业（中车、福田、陕汽、比亚迪、柳汽、重汽王牌等）也陆续进行C-V2X前装研究和量产。中汽中心中国新车评价规程（C-NCAP）计划于2025年将C-V2X功能纳入安全预警场景，表明C-V2X技术已经获得汽车产业界广泛认可。
然而，伴随着V2X前装上车热，行业内始终存在“先有车还是先有路”的争议，也就是C-V2X技术规模上车与路侧基础设施尚未形成规模之间的矛盾。同时也需要指出，国内普遍存在将网联汽车和自动驾驶画上等号的认知，网联汽车的功能被部分误解，这都会严重影响网联汽车的渗透率发展。
笔者认为：网联汽车的渗透率提高可以参考ETC建设模式。ETC可以看作广义的V2X车路协同技术，先建站后上车，同时抓住汽车后装市场提高网联汽车渗透率，找准市场刚需，尽快形成应用闭环和商业闭环。应用和商业闭环的切入点可以为公共交通、两客一危和封闭/半封闭区域驾驶安全这几个方面。
现阶段，各大城市公交均存在载客率降低、车辆资源配置不合理等困境。此前，不少城市通过设置公交专用道来提升公交车的出行效率，但最终的效果是路权的空闲浪费以及带来路口社会车辆的拥堵。
而基于车路协同的公交信号优先可以解决这难题，用时间上的合理“优先”取代空间上的“优先”。瞄准城市公交路线，从现有公交车辆出发，在尽量不影响社会车辆交通运行效率的前提下，通过后装网联化实现公交车与交通信号灯“对话”，以此大幅提高公交车准点率、减少公交车行程时间。
渣土车与运输危险化学品、烟花爆竹、民用爆炸物品的“一危”车辆的管理是城市交通安全治理重点内容。由于该类型车辆常规夜间行驶，且车牌污染遮挡时常发生，给利用电警摄像头进行闯红灯以及超速违章违规驾驶行为的发现与取证，带来巨大挑战。
而网联汽车技术可以通过V2I判定闯红灯以及超速，并记录保存车辆高精度行驶轨迹与车辆运行状态，以供执法取证。从现有渣土车与“一危”出发，后装网联化提高城市交通安全治理成效。
矿区车辆碰撞安全是安全生产最重要的。安装传统ADAS是解决车辆碰撞问题的一种有效方式，但在矿区工况下失效时常发生。车辆行驶引起大量的灰尘，这对基于图像的视觉感知以及视觉定位带来很大挑战。
在有色金属矿中，灰尘含有大量重金属，对毫米波雷达传感器检测带来大量干扰，而网联汽车技术可以通过V2V解决驾驶员超视距/盲区安全驾驶问题。从现有矿区运输车辆出发，后装网联化是提高矿区车辆行驶安全行之有效的方法。
网联汽车可以理解为V2X技术赋能的车辆，它的特点是将网联车通过新一代通信技术与各类交通要素进行连接，在统一的目标下通过相互协作来解决各种主动安全以及交通问题。
网联汽车要发挥更多更大的功能必然是多学科交叉融合结果，除了基本的传统车辆工程背景外，还需要拥有交通工程、通信工程、人工智能、大数据分析与处理等多维能力，加强创新思维培养，在多学科交叉领域进行网联汽车的理论和实践创新。
参考文献:
[1] communication networks for connected cars, Huawei Technologies Co., Ltd.
[2] Guidance for day 2 and beyond roadmap, CAR 2 CAR Communication Consortium
[3] B. Häfner, V. Bajpai, J. Ott and G. A. Schmitt, "A Survey on Cooperative Architectures and Maneuvers for Connected and Automated Vehicles," in IEEE Communications Surveys & Tutorials, vol. 24, no. 1, pp. 380-403, Firstquarter 2022
[4] K. Sjoberg, P. Andres, T. Buburuzan and A. Brakemeier, "Cooperative Intelligent Transport Systems in Europe: Current Deployment Status and Outlook," in IEEE Vehicular Technology Magazine, vol. 12, no. 2, pp. 89-97, June 2017
[5] D. Moser, H. Waschl, H. Kirchsteiger, R. Schmied and L. del Re, "Cooperative adaptive cruise control applying stochastic linear model predictive control strategies," 2015 European Control Conference (ECC), Linz, Austria, 2015, pp. 3383-3388.
[6] J. S. Brunner, M. A. Makridis and A. Kouvelas, "Comparing the Observable Response Times of ACC and CACC Systems," in IEEE Transactions on Intelligent Transportation Systems, vol. 23, no. 10, pp. 19299-19308, Oct. 2022
[7]秦小林等. 集群智能算法综述[J]. 无人系统技术,2021,4(3):1-10.
[8]梁晓龙等. 大规模无人系统集群智能控制方法综述[J]. 计算机应用研究,2015,32(1):11-16.
[9]郭宇晴等. 从集群智能角度分析协同驾驶:综述和展望[J]. 控制理论与应用,2021,38(7):875-886.
[10]Farah H. Do cooperative systems make driver’s car following behavior safer ? [J]. Transportation Research Part C : emerging Technologies ,2014,41 ( 61 ) : 72
[11]鲁光泉等. 车路协同环境下驾驶行为特性与交通安全综述[J]. 交通信息与安全,2014,32(5):13-19.
[12]翟俊达,等. 城市交叉口车路网联信息对青年驾驶人驾驶行为的影响分析[J]. 交通信息与安全,2022,40(1):126-134
[13]Connected Vehicles Intelligent Transportation Systems，Radovan Miucic，2019
[14]PUBLIC PERCEPTIONS OF CONNECTED VEHICLE TECHNOLOGY，MICHIGAN DEPARTMENT OF TRANSPORTATION & THE CENTER FOR AUTOMOTIVE RESEARCH
[15] Acharya, Sailesh,Mekker, Michelle. Public Perception of the Collection and Use of Connected Vehicle Data,2021
[16] Sailesh Acharya, Michelle Mekker, Measuring data sharing intention and its association with the acceptance of connected vehicles,Transportation Research Part F: Traffic Psychology and Behaviour, Volume 89,2022,Pages 423-436.
[17]https://www.cnfin.com/cy-lb/detail/20221110/3740515_1.html
RECOMMEND
推荐阅读