自動駕駛對公路基礎設施有何深刻影響?(上)
FHWA(Federal HighWay Administration,美國聯邦公路局)在2021年3月釋出《自動駕駛對公路基礎設施的影響》報告,詳細分析了自動駕駛對公路物理基礎設施、交通控制裝置(TCD)、運輸管理和運營系統(TSMO)、多式聯運基礎設施的影響。本文將分上下兩篇介紹相關內容,上篇介紹自動駕駛對公路基礎設施的影響、自動駕駛準備就緒的各類道路要求;下篇介紹自動駕駛對公路基礎設施影響的關鍵因素、路面標線對自動駕駛的作用。
01 自動駕駛對公路基礎設施的影響
自動駕駛對公路基礎設施的影響主要包括物理基礎設施、交通控制裝置(TCD)和其它路邊基礎設施、運輸管理和運營系統(TSMO)及其基礎設施、多式聯運基礎設施。
表1 受AVs影響的道路基礎設施類別及其相應要素
(1)物理基礎設施
AVs預計將對道路基礎設施的狀況和長期效能產生影響,除了改進當前的設計、維護和資產管理策略外,還可能需要更新的施工技術和材料。相應地,物理基礎設施預計也會影響AV運營。
典型的路面型別有柔性路面(瀝青混凝土)、剛性路面(有接縫的素混凝土或連續鋼筋混凝土)、複合路面和其他型別。橋樑本質上可以是單跨或多跨,橋樑型別包括板、梁、桁架、拱、懸臂等。典型的涵洞型別包括管涵、箱涵和拱形涵洞。
AV車輪漂移和分佈模式、車道通行能力和交通速度的變化可透過影響路面的車轍效能、疲勞壽命和水力滑行潛力,對路面使用壽命產生正面或負面影響。此外,AV編隊(尤其是自動駕駛卡車)會影響路面的狀況和長期效能。然而,現有資料有限,無法充分評估AVs對道路基礎設施的當前實際影響,包括AV實施和運營將如何影響路面和橋樑設計、維護和資產管理策略。
(a)路面
表2 AVs對路面的影響
路面狀況和長期效能:AV系統在具有可見道路缺陷道路環境中的效能存在不確定性。不確定性的例子包括AVs無法獲得足夠的資訊來改變速度或方向以避免道路上的碎片,以及增強感測器以向AVs提供最後一分鐘的資訊以幫助避免輕微碰撞。路面破損或缺陷,如凹坑、邊緣磨損和事故損壞,一旦路面退化超過聯邦政府可接受的AV閾值水平,則需要進行監測和維護。
設計和資產管理:AV(尤其是卡車)編隊對路面和其他結構的狀況和效能有重大影響。預計自動化重型車輛編隊將增加路面和結構(包括橋樑和涵洞)上的動態荷載,因此需要調整物理基礎設施以適應交通荷載模式的變化。由於AV可能遵循其他車輛的精確車輪路徑,且AV比例較高的路面將需要使用改進的設計和路面資產管理策略,因此AV編隊操作可能會導致車轍和表面磨損增加。AVs的實時資料可用於評估路面和結構狀況(例如,路面平整度/粗糙度、坑洞位置),這將使道路運營商能夠使用更加一致和主動的資產管理技術,並幫助維護AV基礎設施。
新興基礎設施技術:透過CV和AV技術在車輛之間共享關於危險路面狀況的高階警告資訊,可以幫助提醒旅行者注意安全相關問題,並幫助車輛改道。
(b)橋涵
表3 AVs對橋涵的影響
交通負荷影響:減少橋樑上的交通荷載有助於防止橋樑損壞。採用基礎設施對車輛I2V通訊策略,可以減輕橋樑荷載。創新型間隙控制裝置可以在與領先車輛的間隙低於某個閾值時向卡車駕駛員發出警告。當用於減輕大跨度橋樑上的荷載時,間隙控制系統表明,有10%的卡車響應該裝置時,200m橋樑跨度上的交通荷載可減少10%,如果90%的卡車做出響應,那麼交通負荷將減少多達47%。由於間隙控制系統減輕了橋樑荷載,預計可節省橋樑維護成本。
設計和資產管理:自動駕駛卡車編隊對橋樑相關結構的影響將取決於靜態重量增加以外的因素,因為與擁堵事件不同,密集車輛高速行駛並與橋樑動態互動。
(2)交通控制裝置(TCD)和其它路邊基礎設施
TCD和其他物理基礎設施要素,如路邊路障,為人類駕駛的車輛提供安全車輛執行的關鍵資訊。隨著車輛自動化功能變得越來越普遍,可以實現的最早和最顯著的安全效益之一是減少道路偏離碰撞,這是美國致命和嚴重傷害碰撞的最大部分。從2016年到2019年,道路偏離事故佔美國所有交通死亡事故的52%(FHWA 2019)。
TCD和路邊基礎設施區域的要素,與車輛自動化技術相互作用提供相關功能,如車道偏離預警(LDW)、車道保持輔助(LKA)和車道居中控制。對於ADAS而言,2020年LDW技術在40-80%的新車銷售中成為標準,到2025年,這一數字將增加到70-99%。目前LKA技術佔新車銷量的10%-24%,到2025年預計這一數字將增加到30%-73%。
(a)路面標線
用於向道路使用者傳達資訊,這些標記指示使用道路的哪一部分,提供有關前方條件的資訊,並指示允許通行的位置。
路面標線支援自動駕駛技術,因為攝像頭和機器視覺系統可以檢測和跟蹤ADAS功能的路面標線,如LDW、LKA和車道居中控。這些ADAS功能是更高階別自動駕駛的基礎。
加利福尼亞州(2018年)和肯塔基州(2019年)採用了6英寸寬的路面標線,為AV部署做準備。此外,加州已經終止了使用波茨圓點標記等。
路面標線質量也是一個值得關注的話題,包括耐用的標記、高對比度標記、保持其色牢度的標記、潮溼條件下可見的標記、在眩光條件下可見的標記、與鐳射雷達技術相容的標記等。
(b)交通標誌
用於調節、警告或引導交通。由具有管轄權的公共機構或官員授權,或由具有管轄權的私人或私人官員授權,將其放置在開放供公眾出行的街道、公路或私人道路、步行設施或共用道路、上方或附近。
交通標誌的應用、統一性和設計是行業面臨的挑戰,儘管挑戰不如路面標線那麼大。例如,許多機構制定了MUTCD(Manual on Uniform Traffic Control Devices,統一交通控制裝置手冊)中沒有的標誌;植被遮擋了感測器技術檢測到的標誌;電子標誌的照明部分應具有標準重新整理/閃爍率,發光二極體(LED)的重新整理率應大於200 Hz,以便於車輛攝像頭檢測,如果所有電子標誌的重新整理率都是標準化的,那麼AV系統將能夠更容易地檢測到它們。
(c)交通訊號
交通訊號是關鍵的道路基礎設施,用於讓交通停止或繼續。
交通訊號的挑戰包括:交通訊號燈佈置一致性;車道方向一致性指導,一些機構使用綠色和紅色箭頭,一些機構不使用箭頭,一些機構使用閃爍箭頭;LED交通訊號會產生與其工作頻率(以Hz為單位)相關的可見性挑戰。
(d)工作區裝置
用於幫助確定因工作區或事故而改變道路使用條件的道路區域。屬於臨時性TCD,可安全、方便地部署,靈活適應所需的交通模式變化,並在工作完成後快速移除。臨時性TCD往往不如永久性TCD統一。
工作區裝置的挑戰包括:接近和離開工作區標準距離處的標準標誌;透過工作區的車道應明確;垂直皮膚、管道和其他通道裝置的寬度應至少為8英寸,帶有反光材料,以便在所有天氣條件下進行可靠的機器檢測;進入工作區和透過的標記應使用高度可見和連續的材料,而不是間歇按鈕和反射器;應使用橙色標記來描繪透過工作區的車輛路徑;需要確定垂直工作區裝置的最大間距。
(e)垂直描繪裝置
安裝在道路上,用於分隔相鄰的交通車道。很多時候,它們用於分隔高佔用率收費(HOT)或高佔用率車輛(HOV)車道,否則這些車道將僅具有路面標記緩衝區。它們還用於引導和/或限制某些轉向運動。當使用塔架時,應使用適當的彩色路面標記進行補充,幷包括反光材料。
(f)路旁路障
安裝在路邊,用於安全重定向和/或停止失控車輛。混凝土牆,如分隔牆,應使用高反射標記進行標記,尤其是在牆的起始部分,以增強可見性;屏障應提供與相鄰路面的高對比度;與鋼樑護欄相比,鋼絲繩護欄對計算機視覺的可視性較差,最好使用帶有反游標記的鋼樑護欄或混凝土牆。
(3)運輸管理和運營系統(TSMO)及其基礎設施
運輸管理和運營系統(TSMO)及其基礎設施主要包括ITS路側裝置、TSMO策略和TSMO系統。
表4 TSMO以及AVs的相關問題
(a)ITS路側裝置
裝置分佈在道路上和道路沿線,用於監測和控制交通以及監測和管理道路。該裝置還包括收費系統和停車管理系統的元件。
該裝置提供環境監測,包括測量道路狀況、地面天氣和車輛排放的感測器。還包括工作區系統,如工作區監控、交通控制、駕駛員警告和工作人員安全系統。以及交通檢測器、環境感測器、交通訊號、公路諮詢無線電(HARs)、動態資訊標誌、閉路電視攝像機和影片影像處理系統、平面交叉警告系統和匝道計量系統,還包括控制交通基礎設施(如道路、橋樑和隧道)通道的車道管理和屏障系統。
從ITS的角度來看,ADSs在閱讀發光二極體(LED)標誌(包括可變限速和可變資訊標誌)和障礙物道路交叉口(如通行收費站)方面仍然面臨重大挑戰,這可能會阻礙ADSs提供連續的視線/手控行程。
(b)TSMO策略
用於管理運輸系統以實現可靠性、安全性和機動性的策略。對於TSMO而言,設施的主動管理,包括動態車道分配、擁堵定價和其他用於管理需求和供應以提高系統效率的方法,可能對IOO(Infrastructure Owner-Operator,基礎設施所有者運營商)至關重要,因為競爭車隊和AV佔用了道路空間。
(c)TSMO系統
用於實施TSMO戰略和管理其路邊裝置的後臺系統。
交通管理中心(TMC)是大多數高速公路管理系統的樞紐或神經中心。TMC是收集和處理高速公路系統資料的地方,與其他運營和控制資料融合,合成資訊,並分發給利益相關者,如媒體、機構和公眾。TMC工作人員使用這些資訊監控高速公路運營並啟動改變高速公路網路運營的控制策略。TMC還用於協調對交通狀況和事件的響應。CAV將產生大量原始資料,因此,TMC將需要新的或升級的系統來高效、安全地收集和管理這些資料。
還需要定義資料治理結構,以擴大政府擁有的交通系統資料的開放實時資訊可用性,並建立政府和商業交通服務提供商之間的資料共享原則。
(4)多式聯運基礎設施
多式聯運基礎設施主要指支援非自動運輸模式、這些模式之間的連線,以及一般運輸系統的基礎設施要素。多式聯運ODDs可能對AVs構成重大挑戰。弱勢道路使用者的安全是OEM和IOO的一個關鍵問題。AV感測器通常難以在人車混合的執行環境中檢測和預測非機動道路使用者(如腳踏車和行人)的行駛路徑。IOOs考慮改善和規範多式聯運基礎設施,包括腳踏車/行人基礎設施、ADA(Americans with Disabilities Act,美國殘障法案)可訪問的基礎設施、TCDs、街道設計、路邊設計、泊車等。
(a)腳踏車、行人和交通基礎設施
腳踏車和行人基礎設施包括由條紋、標誌和路面標記指定的道路或人行道部分,供腳踏車手或行人優先或專用。
多式聯運條件下的AV檢測演算法必須具有足夠的魯棒性,以便在各種交通場景、道路配置和環境條件下了解行人和騎車人的意圖。然而,目前的感測器套件和演算法可能難以在所有場景中檢測和響應騎車人和行人,因為它們“小、不可預測且難以看到”。
腳踏車基礎設施、人行道和其它基礎設施要素,如交通訊號,可透過感測器或V2X技術進行增強,以向AVs提供腳踏車或行人存在的提前通知。
腳踏車和行人的TCD是由綜合標誌和/或路面標線組成的尋路系統,用於引導腳踏車和行人沿著首選路線到達目的地。裝置可包括護柱,其在機動車和非機動車道路使用者之間提供物理隔離。
交叉口控制應具有行人和腳踏車專用階段,閃爍的可聽訊號燈可以指示車輛低速進入交叉口,但仍必須向行人和腳踏車駕駛員讓路。
(b)路緣空間
隨著越來越多的車隊轉向AVs,以及對路邊通道的需求增長,有效的路邊設計和管理的重要性可能會增加。多式聯運基礎設施的這一要素是指沿道路和人行道設計路邊資源,以提供可靠的住宅、工作、商業和公共設施和便利設施,併為每項活動分配空間。路邊設計的示例包括為共乘上下車、貨物交付、路邊停車和公交站點指定路邊空間等。
交通樞紐使用帶有專用路緣空間、路標或靈活中間帶的清晰標記區域,提供各種共享交通選項。隨著共享移動選項的不斷增加和自動駕駛車輛的引入,這些空間可能變得越來越重要。在這種情況下,移動樞紐可以支援節點到節點的出行(而不是門到門的出行),以更有效地利用路緣空間並鼓勵使用共享模式。
02 自動駕駛準備就緒的各類道路要求
表5 AV準備就緒的各類道路要求
來自 “ https://mp.weixin.qq.com/s/s46RosYeN2UH14PeowMG9g ”, 原文作者:5G行業應用;原文連結:https://mp.weixin.qq.com/s/s46RosYeN2UH14PeowMG9g,如有侵權,請聯絡管理員刪除。
相關文章
- 華為:資料中心基礎設施智慧化分級(自動駕駛)白皮書(附下載)自動駕駛
- 自動駕駛計程車到底“破壞力”幾何?自動駕駛
- 寶馬設立自動駕駛研發中心,2021年釋出自動駕駛汽車自動駕駛
- 新《著作權法》對遊戲將有何影響?遊戲
- 自動駕駛拉鋸戰自動駕駛
- 自動駕駛研究報告自動駕駛
- 滴滴又成立一家自動駕駛子公司,意欲何為?自動駕駛
- 自動駕駛資料閉環:實現高階自動駕駛的必由之路自動駕駛
- 小程式對實體行業轉型有何影響?行業
- 實施服裝ERP系統對企業有哪些影響?
- 自動駕駛測試全流程自動駕駛
- 自動駕駛復甦在 2020自動駕駛
- 大疆攪局自動駕駛自動駕駛
- 自動駕駛定位已知方式自動駕駛
- 自動駕駛控制演算法自動駕駛演算法
- 高效處理器驅動人工智慧與網路基礎設施人工智慧
- 自動駕駛哪國強?各國和地區自動駕駛成熟度指數自動駕駛
- 面對電車難題,自動駕駛交了一張白卷自動駕駛
- 美團確定進軍自動駕駛,滴滴如何應對?自動駕駛
- 百度自動駕駛首席架構師陳競凱:自動駕駛的現狀及發展 | 北大AI公開課筆記...自動駕駛架構AI筆記
- 特斯拉自動駕駛漏洞被破解 可能誤變道駛入對向車道自動駕駛
- “寶戴”分手,傳統車廠的自動駕駛聯盟何“難”之有?自動駕駛
- Guidehose Insights:全球16家自動駕駛公司排名公佈 特斯拉墊底GUIIDE自動駕駛
- 為自動駕駛保駕護航—談談主流中介軟體設計自動駕駛
- SAE自動駕駛分級介紹自動駕駛
- 奧迪:自動駕駛的脈搏自動駕駛
- 自動駕駛出行,進入下半場自動駕駛
- 【面試】滴滴自動駕駛測開面試自動駕駛
- Uber美國對手Lyft宣佈,正式設立自動駕駛研發部門自動駕駛
- 《資料安全法(草案)》出臺,對企業有何影響?
- 自動駕駛爭議不斷,距離落地還有幾道坎?|上雲那些事自動駕駛
- Pyinfra:使用Python自動化基礎設施Python
- 2022年,為何港口自動駕駛能“獨善其身”?丨曼孚科技自動駕駛
- 即使達到5級自動駕駛階段,自動駕駛“卡車”也不可能完全“無人”自動駕駛
- 針對自動駕駛中交通燈識別的對抗性鐳射攻擊自動駕駛
- 自動駕駛L2來了,它會讓駕駛更輕鬆嗎?自動駕駛
- 自動駕駛最強學習資料自動駕駛
- 華為掀起了自動駕駛小高潮自動駕駛