车路协同系统的关键技术与测试方法陈胜华高越张南岳沈志伟将智能获取移动目标产生的交通数据，并将路侧计算和预测的信息传输至车端（包括司机），包括平安、移动和环境有关的数据。针对车路协同系统的环境感知、仿真与预测、通信播报、交通引导等测试需求，从测试体系、测试方法、测试工具等方面，系统地总结了车路协同系统测试技术和最新工程实践，深入地分析了车路协同系统测试技术的体系架构、特点和适用范围。最后，阐述了车路协同系统测试技术的未来开展方向。关键词车路协同系统；系统测试；多传感器融合;信息融合中图分类号F426.471文献标识码A文章编号2096-8949(2022)06-0017-03引言智能汽车产业不仅包含传统汽车产业的智能化升级，还涉及通信系统、路侧设施等一系列关联产业。智能化与网联化是汽车产业大势所趋，单车智能+车路协同的网联协同开展路径逐渐成为行业共识,(1)测试方法上，需要进一步完善基于场景的测试方法，开展场景综合构建方法和场景复杂度评估理论，并建立场景定义标准，以加快场景测试方法的落地应用。(2)测试工具应着力开展模块化的测试工具，适配多种测试方法，尤其是基于场景的测试方法，建立柔性化、可定制的测试工具。提高虚拟环境的真实性，研究传感器的电气与虚拟交通环境的交互模型。参考文献摘要车路协同系统是未来智能交通的重要支撑摘要车路协同系统是未来智能交通的重要支撑o车路协同系统[1]李克强.智能网联汽车创新开展的探索与实践[J].汽车纵横，2022(1)：18-19.[2]李克强，常雪阳，李家文，等.智能网联汽车云控系统及其实现[J].汽车工程，2022(12)：1595-1605.[3]姚兰，赵永恒，施雨晴，等.一种基于视频分析的高速公路交通异常事件检测算法[J].计算机科学，2022(8)：208-212.[4]清华大学智能产业研究院、百度Apollo.面向自动驾驶的车路协同关键技术与展望[DB/0L].2022.[5]ISO,IEC,IEEE.Systemsandsoftwareengineering：vocabulary[S].Piscataway,IEEEComputerSociety,2022.[6]余卓平，邢星宇，陈君毅.自动驾驶汽车测试技术与应用进展[J].同济大学学报(自然科学版)，2022(4)：540-547.[7]李克强，戴一凡，李升波，等.智能网联汽车(ICV)技术的开展现状及趋势[J].汽车平安与节能学报，2022(1)：1-14.[8]郭云鹏，邹凯，陈升东，等.基于仿真的面向车路协同的路侧感知仿真系统[J].计算机系统应用，2022(8)：29-35.收稿日期：2022-01-20作者简介：陈胜华(1986—),男，博士，高级工程师，研究方向：多传感器融合、高精度地图、自动驾驶系统。必将带来新的产品与生态模式，具备广阔的市场前景。与常规汽车相比，面向自动驾驶的车路协同系统具备两大重要特征，一是多技术交叉、跨产业融合，需要智能汽车、交通设施、信息通信基础设施与资源平台信息的融合感知，在云控平台上形成物理交通系统的实时数字映射，进行分层融合决策［1］,实现车辆行驶与交通信号的实时调节，以优化车辆与交通运行的平安、效率等性能;二是具有本地属性，基于分布式部署和个性化配置，车路协同系统要满足特定区域场景，在通信、地图、数据平台等本地属性的支撑和平安管理［2］。从自动驾驶汽车到智能汽车，再到智能网联汽车，智能驾驶汽车技术及产业的快速开展，系统测试技术起到了重要的支撑作用。1路协同系统概述1车路协同整体架构车路协同系统通过向车辆实时推送道路状态信息，助力车辆选择更平安高效的出行路径;通过对实时交通流量的监测来进行智能规划,增强道路交通管控能力；通过增强路侧基础设施的感知计算能力，并与车辆感知信息进行融合，提升交通治理的数字化水平。现阶段采用的车路协同架构分为5个层级：(1)终端层：人、车、路端的各类设备，如智能手机、数据接收器、硬件传感器、定位设备等，用于各类数据的采集。(2)边缘层：路侧部署的数据采集、清洗、感知计算、目标跟踪计算、数据管理的设备，如MEC、RSU等，实现对车辆、道路环境数据的感知收集和基础计算功能。(3)接入层：利用定位网络、专有网络、运营商网络和应急救援通信等渠道，保障人-车-路-云的信息平安通信。(4)平台层：实现道路、基础设施、车辆、个人等信息的数字化资源汇集。(5)应用层：为政府...