主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别 (典型精度5-10米) 按需达到车道级或更高精度 (如信号灯等关键要素位 置，<50cm) 更新频率 相对较低 要求高，强依赖众源数据实现近实时或高频更新 服务对象 人类驾驶员 自动驾驶系统 friendly) ★ ★★ ★★★ ★★★ ★★★ 核心价值，持续提升： 提供更适合自动驾驶系统执行的路径（如车道级、 考虑曲率/坡度/可通行性），在高阶自动驾驶中始终是地图的核心能力。 决策支撑 (规 则/拓扑) ★ ★★ ★★★️ ★★★ ★★★️ 核心价值，高阶关键： 提供复杂的交通规则（如潮汐车道、特殊路口通 行）、道路拓扑关系，是实现安全、合规、高效智能驾驶决策的基础，重 要性随级别升高而凸显。 智驾地图与智能座舱的融合：舱驾共用一张图 10 资料来源：公开资料、泰伯智库 “一张图”的内涵 “舱驾一体”架构下，理想状态是座舱的导航显示、HMI交互（如AR导航、3D环境渲染）与 智驾系统的环境感知、定位决策（如车道级导航、路径规划）能够基于统一的地图数据源和动 态信息层。例如，腾讯地图的“智驾地图8.0”提出实现“人驾-车驾”无缝切换，共用一张图以 降低算力需求。 现状与实践 目前，多数宣称“舱驾一体

侧面盲区监测 LDW Lane Departure Warning 车道偏离预警 汽车智能驾驶技术及产业发展白皮书 04 缩略语 英文缩写 英文全称 中文解释 LKAS/LKA Lane Keeping Assistance System 车道保持辅助系统 LCC Lane Centering Control 车道居中控制 ACC Adaptive Cruise Control 自适应巡航控制系统 自动紧急制动系统（AEB） 25 3.1.3 紧急转向辅助（ESA） 26 3.1.4 自动紧急转向（AES） 26 3.1.5 变道碰撞预警（LCW） 27 3.1.6 车道保持辅助（LKA） 27 3.1.7 车道偏离预警（LDW） 27 3.1.8 前 / 后方交通穿行提示系统（FCTA/RCTA） 28 3.1.9 车门开启预警（DOW） 28 目录 汽车智能驾驶技术及产业发展白皮书 度。同时，算法层输出的控制指令通过平台层传递至执 行机构，形成感知、决策、执行链条。 云端服务层由地图服务、数据管理、模型训练等核心模 块构成，其特点是依托远程服务器提供全局化、高精度 服务支持。地图服务为车辆提供实时路网和车道级导航 信息，数据管理模块负责存储和处理海量行车数据，模 型训练则利用这些数据持续优化 AI 算法模型，并通过 OTA 向车端推送迭代版本。该层与车端算法层紧密联 动，模型训练结果通过算法更新提升车辆智能化水平，

检测器  路口管线情况  通讯类型 路口静态信息调查过程中，应遵循以下原则：  道路名称要标准（以路牌和地图为依据） 66  信号灯信息要分类：机动车灯——圆灯、箭头灯、二次灯、 车道灯、出入口灯，非机动车灯、行人灯等。  信号机类型要具体到型号，如 T200，ZL500，VA2000 等。  检测器要分出入口。  路口主过街和连接信号机的管线要标明根数。  填写规定表格（含电子表格）。 口放行方法来解决。 ② 交通连续原则 交通连续原则即保证大多数人在交通活动过程中，在时间、空 间、交通方式上不产生间断。例如在交通渠化方面，路段上的行车 道要对应着路口直行导向车道，以保证直行车流不变换方向；路口 进口导向车道要对应出口车道，以保证车流通过路口连续；信号灯 74 实现绿波带，以保证车流通过整条道路时间上连续；公交站与地铁 站建在一起，以保证换乘连续等等。连续搞得好，行人流量可以减 移一部分给非拥堵路口，即为交通负荷均分，关键在于转移多少交 通压力（即程度）和转移到哪里去合适（即作用点），这是优化工 作的重点。用一段话来概括，即在交通流空间分布上要做到控密补 稀，在时间分布上要做到削峰填谷，一般采用调配时、调车道、调 流向、调禁限车种等手段，逐步实施。 ④ 交通总量削减 也叫交通总量控制。当一个路网总体交通负荷接近于饱和时， 75 已没有交通压力转移的余地，可以采取总体禁限部分车种行驶，来 削减

智慧交通综合大数据管控平台设计建设方案 节点通常出现在在道路网络的交叉口。当道路分叉时，以及当永 久车道数量发生变化时，节点必须存在。然而，为了方便起见，节 点可以存在于任何地方。重要的是要注意，当待转区 turn pockets 开 始/结束时不需要节点，因为它们不被认为是永久的车道。 总之，在以下情况节点将被虚拟地放置到道路网络上： 1、在交叉口。 2、当道路分叉时。 3、在路的尽头。 链路是两个节点之间的连接。链路表示街道，道路，高速公路， 铁路或人行道段。应当注意，每个链路具有恒定数量的永久通道， 但也可能具有可变数量的转向车道转向专用道 s。链路可以是双向车 道，其将允许车辆进入对面的车道。如果指定了两条链路，均是单 73 智慧交通综合大数据管控平台设计建设方案 向车道，则禁止通过。链路还包含车辆的速度信息。 链路表包含描述全部链路特征的所有数据。每个链接都有一个唯 一的标识符和一组描 一的标识符和一组描述链接的属性，如表链路表。它们包括链路连 接的节点，链路类型，永久通道数，等级，容量等。应该记住，一 个链路应该具有至少一个方向的永久通道，并且在存在转向车道 a 转向专用道每个方向上具有至少一个永久通道。链路的编码长度不 应大于其端点之间的距离的 50％。此外，链路的长度不能非常小。 在不使用高级编码技术的条件下，微观仿真器将难以模拟小于 123 英尺长的连续链路。 表大数据资源整合存储子系统

车牌识别一体机_Uface-LPVL2N02 车牌识别 车牌识别一体机_Uface-LPVL2N01 车检器 地感线圈车检器 地感线圈_Uface-VD4E0001 车道雷达 车道雷达 车道雷达_Uface-RD000001 车道闸_Uface-CGZI0001 车道闸_Uface-CGZI0002 终端服务器 终端服务器 终端服务器_ICWT4002 VR事故体验（基础套餐） VR安全教育设备_01 VR基础版55寸套装 施工升降机安全监测 现场降尘与自动 降尘 扬尘噪声实时监 测系统 智能安全帽 智慧软件平台 8 危大工程预警系 统 实名制监控管理 系统 智能工况分析 车牌识别 车道闸 扬尘噪声监测仪 车道闸 企 业 简 介 2014.03 宇泛智能成立 2016.10 Uface 发布 2017.01 Uface 量产 2017.11 获 A 轮融资 2018.01 集成双目防伪算法的

汽标委 C-NCAP IMT2020（5G）推 进组 C-V2X 工作组 Euro-NCAP 1 前向碰撞预警 无 无 CCRs-FCW 无 无 2 无 无 无 无 无 3 无 EBW-同车道 行驶 无 无 无 4 无 无 CCRH（高速行驶） 无 无 8 / 32 表 1 安全类预警应用列表 5 交叉路口碰撞预 警 无 ICW-左侧来车 SCP SCPO 无 6 无 ICW-右侧来车 10 紧急制动预警 EBW- multiple vehicles 无 无 无 无 11 异常车辆提醒 无 AVW-同车道 无 无 无 12 无 AVW-临近车 道 无 无 无 13 车辆失控预警 无 CLW-同向车道 无 无 无 14 无 CLW-对向车道 无 无 无 15 道路危险状况提 示 无 无 无 无 Local Hazards 16 限速预警 无 无 无 无 Advanced 5.1.2 场景描述及参数定义 前向碰撞预警（FCW）——高速度差追尾场景描述为： 1） TxV（在 C-NCAP 中也称为 GVT）与 RxV（在 C-NCAP 中也称为 VUT）处于同一车道， 中间存在其它车辆遮挡。 2） TxV 处于静止状态，一直发送 BSM 消息。 3） RxV 接收到 TxV 发送的 BSM 消息。 4） RxV 通过 V2X 应用判断，识别与 TxV 存在碰撞风险。

用于车辆相位路口交通控制 ( 软件同时提供 8 个行人相位和 8 个覆盖 ( 跟随 )) 相位。 能与计算机化联网。当使用不同的软件，设备的应用能扩展到匝道控制，信息板控制泵阀控 制，车道变换控制及其它多种应用。 3.1.2 信息采集分系统设计 信号机 三、智慧交通系统应用系统设计 3.1 道路交通信息采集系统 交通信息发布设备直接接入综合处理平台，直接受综合处理平台控制。在本系统中，发 车流量信息、道路拥堵信息、 车队长 度、车道占有率信息、单车道平均车速信息等。并将数据发送至系统中心 平台，作为路网内 交通信号控制系统配时方案参考依据。 3.2.2 交通流信息采集 交通信号采集系统 三、智慧交通系统应用系统设计 3.2 智能信号灯控制系统 通过埋设在道路交叉口的车辆检测器，判断车道使用状况，根据中心平台对于相应车道 车流量的统计数据进行融合处理，自适应变 电警卡口结构示意图 卡口是拍车辆通行情况的，可以清楚的看到驾驶室内的情况，是交警处罚 车辆超速，不及安全带，抽烟，打手机的主要依据。 电子警察是在汽车的后面拍摄，主要是拍摄车辆闯红灯、压线、不按导 向车道行驶等违法行为的 3.7 电子警察系统 三、智慧交通系统应用系统设计 3.7.4 电子警察和电警卡口的区别 指挥中心6509专 网核心交换机 主干汇接交换机 千兆光收发器 主干千兆光环网

智慧出行 智慧公交 9 车载系统 音频 车载主机 报警输入 报警按钮 定位 定位卫星 手咪 车载拾音器 音频输入 音频输出 车载扩音器 客流统计摄 像机 公交车道占道 抓拍 公交公司监控中心 视频监控平台 电视墙 集中存储 工作站 公交调度平台 防火墙 解码设备 智能盒 疲劳检测相机 360环视 前视双目 毫米波雷达 手机app 中心管理平台 通过接入开关门信号，车门开启时进行统计，车门关闭 时结束统计，有效避免人员拥挤造成的统计误差。 车载客流统计 新品：双目客流统计摄像机 12 公交专用车道占道抓拍 公交车道 车道一 运营商 3G/4G 基站 管理平台 13 ADAS ：高级驾驶辅助系统 智能盒 Smart Box 驾驶室相机 Cabin Camera 报警显示 Alarm CVBS 针对危险等级进行报警 14 驾驶行为分析 前视双目 Front Stereo Camera 毫米波雷达 Millimeter Wave Radar 前防撞预警 ( 夜晚 ) 车道偏离预警 限速标示识别 前防撞预警 ( 白天 ) 15 环视相机 Surround-View Camera • 1/4“ 车规级 CMOS ， 100 万高清图像实时传输 • 支持最大视频帧率

因城市功能布局的不同而各异。此外，突发事件如交通事故、天气 变化等也会对交通系统造成瞬时冲击，增加了治理的难度。 交通治理还面临着数据量大、数据类型多样的问题。交通数据 的采集不仅包括传统的交通流量、车速、车道占有率等指标，还涉 及来自智能交通设备、车载传感器、社交媒体等多源异构数据。这 些数据的实时性、准确性以及融合处理能力直接影响到交通决策的 精准度。例如，基于历史数据的交通预测模型在面对突发情况时往 在城市交通治理中，多场景协同决策的必要性体现在其能够有 效整合各类交通数据与资源，优化交通流量分配，提升整体交通系 统的运行效率。现代城市交通系统是一个复杂的多维度网络，涵盖 了道路、公共交通、自行车道、步行道等多种交通模式。这些模式 之间相互影响，单一场景的优化往往难以实现全局最优。例如，单 独优化某条主干道的信号灯配时，可能会导致周边支路或公共交通 线路的拥堵加剧。因此，多场景协同决策成为实现交通系统整体优 而分散交通压力。 此外，方案设计还注重通过优化交通流线来提高效率。例如， 系统可以识别出频繁发生拥堵的路段，并通过以下措施进行优化： - 增设可变车道，根据车流方向动态调整车道功能； - 优化交叉口 设计，减少车辆冲突点； - 引入潮汐车道，缓解早晚高峰的单向交 通压力。 通过以上措施，交通治理 AI 大模型能够在多场景下实现高效 的交通流管理，显著提升整体交通效率。以下是一个示例表格，展

恶劣天气交通管制信息预警 2. 电子标牌静态预警 • 动态限速提醒 • 施工提醒 7. 营运车服务 • 专用车道货车编队精准管控 • 重点营运车辆监测预警报警 3. 动态信息服务 • 二次事故 • 异常停车 • 拥堵提醒 • 车内标牌 6.Maas 服务 • 车道级引导 • 弱势交通参与者碰撞预警 8. 视频应用 • 车牌识别 • 事件检测 交通大脑 光纤 V2X Server 动态车内标牌： V2X-SERVERRSUPC5TBOX HMI ，车内 显示施工信息，提前减速、换道避让 • 静态情报板： V2X-SERVERRSU 施工路段附近电子情报板， 显示施工距离、车道等信息 价值场景 :3 ：异常交通事件监控及预警，二次事故预警 雷达 摄像头 交通事 故 RSU RSU RSU 近端 推送 远端 推送 远端 推送 前方 1000 米交通事 故 前方 设备中显示（车内标牌） • 自动驾驶：车载设备通过 PC5 或者 Uu 获取最新的道路限速值，供车载 计算单元决策 场景 预警 / 诱导内容 湿滑路段预警 提醒前方道路湿滑（积雪、结冰），建议车道 xx ， 安全车速 xx ，安全车距 xx ； 低能见度（雾、 雨、雪）预警 提醒前方能见度 xx ，安全车速 xx ，安全车距 xx 恶劣天气交通管 制信息预警 根据 RSU 拓扑及交通管制信息，在入口附近重点提