基于路侧基础设施的智能交通系统文献综述

基于路侧基础设施的智能交通系统文献综述

Intelligent Transportation Systems Using Roadside Infrastructure: A Literature Survey

DOI：10.1109/TITS.2023.3343434，有条件还是建议看看原文，更为详细

笔者写在前面：

​ 最近正在研究路侧智能设施和智能交通系统，找到难得一见的路侧基础设施的智能交通系统的文章综述，作者来自德国慕尼黑工业大学的团队，（由于期刊TITS的特性，该文章审稿周期大约3年多，20年投稿，将近24年才发表）。因此，将其翻译一下增加全文的流传度，让感兴趣的人更快的接触到这个工作，也欢迎感兴趣的业内业外人士与我交流。

​ 本文非常系统的梳理了近10余年来的工作，主要包含了ITS的时间，地点，使用传感器，和配备的增值服务（在技术基础上定制化的服务），具体见全文的表单。并指出了现在ITS发展的趋势和一些不足。具体可以参考讨论部分和结论部分。

​ 笔者对其总体结论比较认可：目前的系统可以在交通场景下实时提供高准确度的个体信息。在智能交通领域，这是一个巨大的成功。但是，仍然需要改进整个系统的可靠性、可拓展性和安全性。

​ 但值得一提的是，可能由于作者主要接触欧洲的发展较多的缘故，或者检索的倾向的缘故（过滤了大多数工作），其对美国和中国的研究综述较少，总的来说，欧洲很早就已经在ITS领域做出探索。国内目前本文没有提到的智慧高速体系也很庞大，应该也属于这一类的范畴，但实现的增值服务和技术路线与本文综述的内容基本是一致的。

​ 希望对诸位有所帮助。

专有名词：

ITS（Intelligent Transportation Systems）智能交通系统
RSU（Road Side Unit）路侧单元
V2X（Vehicle to Everything）车与外界的信息交换
MEC（Mobile Edge Computing）边缘计算

摘要

交通运输的主要问题是交通事故、拥堵和环境污染。使用路侧基础设施的智能交通系统( Intelligent Transportation Systems: ITS)可以有效的解决这些问题。因此，此类系统的数量正在急剧增加，因此需要对其进行充分的概述。据我们所知，目前还没有对现有ITS解决方案进行系统性的整理。为了填补这一知识空白，我们概述了世界范围内使用路侧基础设施的现有的ITS。因此，本文提出了当前存在的问题和挑战。为此，我们对2009年至今记录的ITS解决方案的文档进行了回顾。我们根据技术水平对其进行分类，并分析其硬件系统设置和贡献。在整理过程中，我们使ITS解决方案具有可比性，并突出了过去的发展和当前的趋势。我们分析了400多篇论文，其中包括53个试点项目。综上所述，目前的交通信息系统可以提供实时交通场景的个体准确信息。然而，对ITS的进一步研究应侧重于更加可靠的感知，比如基于使用先进传感器、即插即用的机制，分布式实时的数字孪生技术。通过解决这些问题，ITS的发展将能够向全面推广迈出一步。

1.引言

​ 据报道，从2005年到2007年，仅在美国就发生了200多万起交通事故。其中约94%的事故是人为失误造成的[1]，[2]。其他问题还包括交通堵塞和尾气污染[3]。此外，世界上50%的人口生活在城市，相关问题更严重。不幸的是，这种情况将变得更加严重，因为到2050年城市人口将增加三分之二。因此，进一步研究更先进的交通优化方案至关重要[4]。

​ 图1显示了智能交通系统(ITS)在北美、欧洲和亚洲的分布情况。这些智能交通系统的主要目标是提高安全性、交通效率、能源效率和舒适度。为了实现这些目标，ITS使用了传感器、电信、信息处理和控制等领域的各种组件。所有的组件是互联的，所以它们是可以协作的——因此这种系统通常被称为C-ITS (Cooperative-ITS)[5]。ITS组件可以是在空间中分布的，例如，它们可以安装在车辆和/或固定在路侧的基础设施上(例如交通灯或龙门架)。通过收集传感器、车辆输入或中央实体提供的数据，实现车辆之间、路侧基础设施或交通控制中心之间的通信[6]、[7]、[8]。在这一点上，上述术语“路侧基础设施”也被[6]、[8]、[9]、[10]和[11]所使用。

​ 系统组件安装在路侧的基础设施上优势有：

• 所有道路参与者的信息密度都可以增加，即使他们没有高质量的车载传感器技术。
• 智能交通系统允许创建道路交通的更大的视角，这是车辆传感器无法覆盖的。这也使危险交通情况(例如意外或交通堵塞)的预警更早，并迅速触发救援。
• 安装在路侧基础设施上的智能交通系统可以主动消除堵塞和盲点，例如防止卡车右转时发生事故。

​ 因此，总体而言，利用路侧基础设施的概念是解决上述问题的可能解决方案[2]，[3]，[8]，[12]，[13]。据估计，仅在美国，智能交通系统每年就能防止大约40万至60万起事故，同时还能将旅行时间缩短约42%。此外，现代智能交通系统可以将乘用车和卡车的油耗分别降低44%和18%[2]。这将导致减少约15%的温室气体[14]。此外，智能交通系统一方面可以支持个体交通与公共交通系统的‘启动-停止’-泊车实时同步，另一方面可以与配备智能驾驶辅助系统的车辆交换数据。这种车与万物互联的技术(V2X)将他提供更优秀的危险和障碍的早期预警。

​ 对于ITS和汽车行业的制造商来说，这也是一个商机：2014年，全球网联车相关业务的年营业额约为300亿欧元，到2020年将增加到1700 - 1800亿欧元。以“协同巡航”为例，它可以实现车辆和基础设施之间的持续信息交换，并且已经被特斯拉用于其自动驾驶仪(AutoPilot)的功能当中，在超过40亿英里的道路上行驶。此外，个性化车载娱乐、车队管理和队列驾驶[15]也是ITS的有效的增值服务。总的来说，这些系统对运输部门同样有巨大贡献。

​ 据我们所知，目前还没有系统的文献调查现有的使用路侧基础设施的智能交通系统，提供硬件和软件的详细信息，以及它们的贡献。论文[5]、[7]、[16]、[17]和[18]列出了ITS的一般情况。然而，他们没有给出技术细节，也没有给出系统的确切选择标准。因此，本文的系统的梳理了过去十年的文献。此外，为了加深理解，我们提供了这类系统起源的历史总结。虽然这篇综述没有深入讨论智能交通领域的具体主题(例如，通信、架构、目标检测或跟踪)，但它概述了现有的智能交通解决方案，以及相关的传感器和增值服务的发展趋势，以及现有的交通领域的突出问题。

​ 本文涵盖了从2009年至今有关ITS的文件。此外，在此日期之前发布的与首次使用ITS有关的文件也被考虑在内。然后，根据测试领域的发展阶段对其进行分类。为了使系统具有可比性，我们提取了每个使用路侧基础设施的智能交通系统在位置、长度、传感器、架构和增值服务方面的相关特征。最后，对提取的特征进行可视化分析，并在此基础上对ITS领域的发展趋势进行了展望。

​ 本文的组织如下：首先，第二部分整理并解释了使用路侧基础设施的智能交通系统论文的方法。第三部分是文献调查的结果。本节还包括对所列ITS的详细分析。第四部分论述了现代ITS的成果、要求和发展趋势。最后，第五部分是本文的结论和展望。

2.方法论

​ 本节描述我们如何收集基于路侧基础设施的ITS，根据其发展阶段对其进行分类，分析其硬件设置和软件属性(例如，为交通参与者提供增值服务)，最后，我们如何讨论其科学贡献。图2显示了这个过程。

​ 首先，我们初步的审查了文献并概述了基于路侧基础设施 的ITS的发展。在这里，我们注意到英语、德语和汉语国家的发展。这些系统大多是作为研究项目的一部分而建造的。这些初步发现的ITS，符合上述路侧基础设施的定义，经常在命名或描述中使用术语“路侧基础设施”、“试验场”、“试验台”，或者在德语系统中使用“测试场”。在这里，我们还认识到术语“C-ITS”与“ITS”可以互换使用。例如，我们可以在[11]、[19]、[20]、[21]、[22]和[23]以及前面提到的调查论文[17]和[7]中看到这些术语的使用。

​ 然后，为了对现有文献尽可能全的覆盖，我们根据Kitchenham[24]的系统综述方法，基于上述术语进行了系统性的综述。为了保持在ITS的范围内，我们在文献调查过程中使用了关键词“ITS”：

1. 我们使用已知的数据库和搜索引擎，即IEEE Xplore, Google Scholar, Google等多语种关键词进行文献收集。根据我们之前非系统回顾的经验，我们使用了关键词“Roadside Infrastructure ITS”、“Test Field ITS”、“Test Bed ITS”和“C-ITS”。此外，我们使用了德语关键词“Testfeld ITS”(英语：Test Field ITS)和中文关键词“智能网联交通系统试验场”，英语（Intelligent Connected Transportation System Test Site）。Chinese keyword "Intelligent Connected Transportation System Test Site, (Pinyin: Zhinengwucing lián jiāotōng xìtǒng shìyàn chucing, english。：智能互联交通系统试验场)。这使我们能够获得更高的覆盖率，特别是如果它不是用英语出版的。对于IEEE Xplore中的搜索查询，我们使用了标准搜索，除了“Publication Topics”过滤之外，没有其他的过滤。在这里，我们只搜索分类在“智能交通系统”主题下的出版物。此外，使用Google和Google Scholar进行的搜索有100多万次点击，但只有前30个搜索结果被考虑在内。当然，使用多个搜索引擎或关键字可以多次找到特定的文档。在下一步中，我们检查所有找到的文档的相关性：只有那些主题上与使用路侧基础设施的ITS匹配的文档才被确定为合适的研究文档。我们还考虑了这些出版物的相关工作。通过这种策略，我们在研究中得到了一个金字塔计划。不幸的是，在我们之前进行的初步审查中，我们认识到许多ITS项目没有在论文中发表他们的结果。因此，在我们的文献调查中，我们接受论文和灰色文献（尚未通过传统方式出版的信息），例如关于项目的官方网站。

2. 研究选择：我们遵循几个标准来评估和过滤收集到的基于路侧基础设施的ITS，这些标准是我们在上一步的合适研究文件中发现的。我们选择从2009年至今的资料。对于历史背景，我们选择非常重要的第一个已知的试点项目。作为附加标准，ITS必须使用路侧传感器或其他基础设施。此外，这些系统必须在现实世界的场景中实现，仅涉及概念想法的系统不包括在文献调查中。

3. 研究质量评估：我们根据ITS解决方案的发展阶段对其进行分类。[14]的作者在2017年提出了**“Semi-intelligentinfrastructure”（半智能基础设施，——这部分名词均为译者翻译，后同）、“Intelligent or semismart infrastructure“（智能或半智能基础设施）和“Smart infrastructure”（智慧基础设施）。这些类别根据实时行为、准确性和有无人工干预的独立操作对系统进行分类。“Semi-intelligentinfrastructure”（半智能基础设施）这一类别通常需要人类接管从而存在延误，也即，无法实现自主决策。然而，“Intelligent or semismart infrastructure“（智能或半智能基础设施）的控制是接近实时和自主的，或者最多只需要人工操作人员的协助。最后，[14]将ITS描述为“Smart infrastructure”（**智慧基础设施），它可以在没有人为干预的情况下近乎实时地运行。然而，我们提出了“Early Days”（早期）、“Situation-Related Analysis”（场景分析）和“Creation of Digital Twin”（数字孪生）这三个类别。与[14]相反，这些类别根据系统的一般特征和功能来描述发展阶段。表1详细描述了类别的定义。我们认为，“Early Days”和“Situation-Related Analysis”类别的ITS大致和“Intelligent or semismart infrastructure“以及“Smart infrastructure”接近，因为它们的目的主要无需人为干预。在特殊情况下，交通控制中心才会介入。“Creation of Digital Twin”类别的系统大多属于是“Smart infrastructure”。他们可以在没有人为干预的情况下实现实时创建数字孪生的目的。可以看出，大多数系统都具有实时能力，并且在很大程度上是自主运行的。因此，我们基于特征的分类可以更好地区分几种ITS解决方案。

   

4. 数据提取：ITS项目侧重于不同方面。例如，一些测试领域侧重于车辆与基础设施之间的通信，其他测试领域侧重于数据融合或目标检测。为了使测试领域具有可比性，我们分析了每个ITS使用的传感器，测试覆盖的长度，整体架构，增值服务以及科学新颖性。在此过程中，我们在第三节中提取并描述了过去十年来每个项目的目的和技术细节。

5. 数据合成：在我们的方法的最后一步，我们高亮和可视化了收集的ITS的定性和定量结果。我们在表III和表IV中总结了数据，并在图4、图5和图6中指出了过去的发展趋势。因此，这一综述给出了ITS领域当前发展的充分情况，公开了研究领域的一些焦点问题。

3.结果

​ 基于我们提出的方法，我们分析了关于使用路侧基础设施的智能交通系统的论文和文献，这些论文和文献是我们使用上述方法和关键词在IEEE Xplore、Google Scholar和Google搜索引擎上找到的。在这个过程中，我们确定了400个合适的文件，因为它们适合使用路侧基础设施的ITS主题。每个搜索引擎中关键词的数量如表II。

​ 接下来，我们详细描述了ITS的一般用途、长度、使用的传感器、总体架构和增值服务，这些都满足了我们的要求。在这里，我们直接将每个智能智能系统分为“Early Days”、“Early Days”和“Creation of Digital Twin”三个发展阶段。我们可以在表III和表IV中总结结果。表III描述了所有使用路侧基础设施的智能交通系统的位置、长度、传感器设置和整体架构。另一方面，表IV包括实现的增值服务和每个系统的功能。

（部分翻译可能不准确，可以评论区批评指出）

A.Early Days

​ 在ITS中使用路侧基础设施的首个案例是在80年代和90年代发现的。名为PROMETHEUS和PATH的两个项目对ITS的发展起了决定性的作用。1988年，PROMETHEUS项目旨在显著提高未来道路交通的安全性，以及提高交通效率和舒适度。子项目Pro-Road则侧重于基础设施与车辆之间的通信，旨在优化道路交通。当时汽车上的相关传感器(如雷达、激光扫描仪、超声波和摄像头)的目的是提供环境的信息，因而关于危险警告(如交通堵塞、事故、结冰)的第一个灵感出现了。当然该项目的目的并不是用于自动驾驶[25]，[26]。

​ 相比之下，PATH项目旨在影响公路上的车辆控制，以优化交通流。为此目的，高速公路配备了传感器和控制装置。例如，在1992年，使用多普勒雷达系统的第一次车辆队列实验成功。然而，他被认为在千禧年来临之际实施是不可能的。由于存在技术缺陷和民众的不信任[27]，[28]。继第一代概念车和原型车之后，“next-generation ITS”（下一代智能交通系统）对一般交通流量进行了部分控制和优化。他们不再像以前那样直接影响交通参与者，而是试图用智能交通灯逻辑[29]或用显示电子信息的门架来控制车辆。在路面铺设中采用感应线圈收集必要的数据。第一个这种类型的ITS是在20世纪90年代末出现的。例如，1998年，洛杉矶的DynaMIT(旅客信息管理动态网络分配)项目的研究人员为ITS创造了概念并实时，其目的是在发生事故或其他紧急情况时改善交通流量。2006年，这个概念在高速公路上使用线圈来实现。传感器将数据发送到计算机进行进一步分析。综上所述，该系统可以实时测量交通负荷并进行预测。在此基础上，系统提供动态路径引导，改善交通流情况[30]，[31]。

​ 2006年，SAFESPOT项目研究了ITS与车辆之间的相互作用，旨在提高道路安全(例如警告“黑点”)和优化交通流量。在以下地方部署了智能交通系统：1）瑞典：斯德哥尔摩和哥德堡。2）德国：多特蒙德。3） 意大利：都灵和布雷西亚-帕多瓦高速公路。4）法国和西班牙：西欧试验场。5）荷兰：鹿特丹-布拉班特-安特卫普走廊。在这个庞大的欧洲项目中，地点涵盖了城市中心，乡村道路和高速公路场景，基础设施配备了路侧单元(RSU)，并创建了动态合作网络。这些系统实现了车辆和基础设施之间的通信。基于共享信息，车辆驾驶员增强了对周围车辆的感知。ITS创建了一个局部动态地图和一个“安全边际助手”，可以提前检测到关键的情况[32]，[33]。

B.Situation-Related Analysis

​ 本节讨论的ITS能够分析具体的交通场景，并且ITS允许与个体交通参与者进行互动。相比于只是粗略描述交通流的ITS来说，这种条件的ITS能够提供更大更明确的价值。我们将发现的结果划分为欧洲、北美和亚洲的世界区域。北美的试验场基本在美国，而亚洲主要是中国。

1)欧洲：

2013年，欧洲城市波尔多(法国)、哥本哈根(丹麦)、赫尔蒙德(荷兰)、纽卡斯尔(英国)、塞萨洛尼基(希腊)、维罗纳(意大利)和维戈(西班牙)作为Compass4D项目的一部分安装了ITS。共设立147个路旁小组及5个后端办事处。其目的是开发一个系统，为道路危险提供警告。所考虑的危害包含道路施工区、道路湿滑、错行或逆行和违反红灯。此外，ITS还优化了交叉口区域的燃油消耗，以实现能源效率的最大化。智能交通系统引入了一个场景自适应的交通灯，汽车一到红绿灯处，就会得到车速建议[34]。

​ 2012年，INSIGHT项目(利用海量异构数据流的智能集成和实时响应)在爱尔兰都柏林建立了一个ITS。在这里，一些路段的众多摄像头以及公共交通的GPS数据提供了实时的交通状况信息。这些信息与来自Twitter、电台和可能的来电者的信息结合在一起。这种大数据应用的目的是使资源管理自动化，以便在发生灾害时在智能和网络化城市中采取有效行动[35]，[36]，[37]。2015年，后续项目VaVel(多样性、准确性、价值：处理城市传感器的多样性)扩展了都柏林的INSIGHT系统，并在波兰华沙实施了该系统。ITS收集了同样的数据，还有电车和自行车的数据。该项目的目标与前面提到的INSIGHT项目[35]、[36]、[38]相同。

​ 在2016年的欧洲项目ICSI (Intelligent Cooperative Sensing for Improved Traffic Efficiency)中，在葡萄牙里斯本和意大利比萨等城市实施了ITS。研究目标是为数据采集和分析找到一个高度可扩展的分布式ITS，其使用目标是优化交通流量和减少排放。在里斯本A5高速公路8公里长的路段上，三个装有摄像头的监测站分析了交通流量，并检测了异常情况(如施工区、交通堵塞、事故)。与此同时，在比萨市中心，该项目的重点是停车引导系统和减少空气污染，在1公里的范围内设置了5个装有传感器的测量站。这些系统的优点是分散的水平架构，确保了较高的可扩展性[39]。

​ 作为PASMO项目的一部分，2018年在葡萄牙的Gafanha da nazare建造了一个ITS。该项目的是让人们对道路交通形成共识。因此，在A25高速公路和城市道路的10公里中设置了路侧基础设施。其中包括30个具有不同传感器配置的RSU，例如摄像头、雷达、停车传感器和天气传感器。其中，通信是通过光纤或定向无线电实现的，这些RSU还连接到4G和5G移动通信网络，并实现了与车载单元的V2X通信[6],[40], [41]。

​ 在FED4FIRE+项目的范围内，“智能公路：V2X测试平台”于2018年创建。在比利时安特卫普的E313高速公路上的ITS有7个RSU，布设长度为3公里。该系统也是CityLab测试平台的一部分。该项目的研究领域是车辆与其他车辆或基础设施之间的通信(V2X)。为此，该系统使用了直接天线和通过4G/5G互联网连接的云解决方案。系统实现了10-15毫秒的延迟时间。这种基础设施只依赖于车辆数据，而不是使用各种路侧传感器。对于数据密集型应用，智能交通系统需要使用高性能计算机。FED4FIRE+项目为RSU支持下的多接入边缘计算平台的配置提供了一种新的方法。这提高了高速公路上车辆信息娱乐服务的服务质量[42]，[43]，[44]，[45]。

​ 目前在德国柏林的Diginet-PS试验场涵盖了城市地区的联邦道路和二级道路的场景。ITS使用摄像头、天气传感器和其他交通传感器(例如用于测量交通流量、停车位、污染)来探测环境。在RSU使用边缘计算实现本地数据处理。此外，云系统接收来自RSU的结果。云系统的主要目的是存储、分析和预测检测区域范围内的数据。在此基础上，研究人员专注于开发服务和应用程序，以提高自动驾驶的交通安全性。例如，评估停车位利用率，分析道路状况，确定交通状况[35]，[46]，[47]。

​ 2016年，ConVeX项目创建了两个ITS解决方案。第一个ITS位于A9高速公路附近德国纽伦堡，布置长度为在30公里，配备了6个rsu。第二个ITS位于德国的罗森海姆，包含了两个RSU。系统的数据输入是基于线圈的数据和网联车的传感器信息，在RSU和交通控制中心进行数据处理。该项目的主要面向是增值业务，以及V2V和V2X通信。项目涉及到的增值服务包含了“紧急电子刹车灯”、“不通过警示”、“盲点警示”、“弱势道路使用者碰撞警示”等。为了影响交通流量，系统将相关信息直接发送给道路使用者或电子信息门架。此外，智能交通系统还通过智能手机应用程序通知弱势群体(如骑自行车的人、行人)[48]。

​ ITS DRIVE-Testfeld Hessen(动态道路基础设施车辆环境)位于德国法兰克福附近。总体目标是交通和施工区的智能化管理。此外，ITS侧重于利用V2V和V2X通信获取交通数据，以及车辆与基础设施之间的数据融合的技术。DRIVE-Testfeld Hessen实现了智能应用程序，该应用程序应支持自动驾驶以及交通流量监控。这个项目包含了有120多个RSU。这些应用包括交通危险预警、冲击波阻尼和绿灯最佳速度查询[35]、[46]、[49]、[50]。这个ITS是几个项目一起的平台，其建立了多个rsu和一个ITS中心站。其增值服务包括障碍物预警、电子刹车灯、临近应急车辆预警和施工区预警[51]。然后，CVIS (Cooperative Vehicle-Infrastructure Systems)项目专注于V2V和V2X通信问题，以增强城市场景中的驾驶员意识[17]，[33]，[52]。最后，值得一提的是DRIVE C2X项目基于现场测试对协作系统进行了全面评估[17]，[53]。

​ 另一个智能交通系统位于德国卡塞尔市中，配备了15个rsu，并使用了现有的交通管理中心。该系统在交通灯处优先处理公共交通和应急车辆。此外，智能交通系统还会提醒道路使用者注意接近的应急车辆。为此，该系统使用所谓的DENM(Decentralised Environmental Notification Messages 分散式环境消息分发)进行V2V和V2X通信。研究人员开发了预测绿灯相位和替代路线控制的增值服务[35]，[46], [54], [55]。

​ 英国的米德兰兹未来移动测试场用于研究联网和自动驾驶汽车。ITS全长300多公里，位于考文垂、伯明翰和索利赫尔之间。也即，ITS涵盖了城市中心、乡村道路和高速公路场景，并使用RSU，提供各种增值服务。例如，这些服务可以是车载标识、道路施工警告以及GLOSAR。目前在基于基础设施传感器的三维目标检测的主动感知[56]，[57]上取得了一定的成果。

​ 在2013年欧洲合作ITS走廊的背景下，在鹿特丹-法兰克福-维也纳路线上的基础设施支持下车辆可以进行通信。奥地利的Eco-AT项目(2016年)是Telematik的后续项目，该项目建立了一个中央ITS站和一些rsu，其架构更加集中。研究人员制定了必要的规范，包括分散的环境信息通知读物(例如道路作业预警)、集成协同感知与车载信息(如速度限制)和交叉口安全(如红灯检测)[8]，[58]。

​ 2016年，欧洲interor(Interoperable Corridors 互操作走廊)项目的总体目标是提高ITS系统本身的安全性、交通流量以及网络安全。该项目旨在连接多个智能交通走廊，以交流创新和实践成果，从而解决共性问题。因此，该项目包括在比利时、法国、荷兰和英国的ITS业务，其中，比利时、荷兰和法国的ITS环境是高速公路。此外，法国的ITS是SCOOP@F项目的延伸，下文将介绍该项目。英国的环境是城市道路和高速公路。该项目包括安装支持V2X通信的RSU。例如，项目实现了道路施工警示、车载标牌、危险事件车载信号、多式联运货物优化、绿灯优化、浮动车辆数据、货车停车信息服务、隧道管理等增值服务[59]、[60]、[61]、[62]。

​ SAFE STRIP项目(用于自解释和宽容道路交互应用的SAFE和绿色传感器技术)采用了一种非常规的新方法来提高交通安全性。ITS由具有网络功能的条带形式的智能基础设施传感器组成。这些传感器部署在道路路面上，并分析一些场景：例如，环境参数(如温度、结冰、环境光)、过往车辆(速度、横向位置、车辆类型)以及人行横道。此外，这些传感器与车辆以及路侧基础设施和其他基础设施(例如交通管理中心)进行双向通信。为了测试和实施，该项目在意大利A22高速公路Rovereto附近的9公里路段以及希腊雅典Attiki Odos城市高速公路的70公里路段安装了ITS，布设情况为，雅典的39个收费站、Rovereto的几个条带传感器和5个RSU[63]、[64]、[65]。

​ 在欧洲部署ITS解决方案的目标是2016年的欧洲AUTOCITS项目。该项目的总体目标是提高ITS作为实现自动驾驶的催化剂的作用。因此，在里斯本(葡萄牙)、马德里(西班牙)和巴黎(法国)建立了几个ITS。马德里的在一条繁忙的10公里长的高速公路上设置了15台rsu。里斯本的ITS在高速公路和城市道路上总长8公里，设置了5台RSU。最后，在巴黎附近的一条城市高速公路上，ITS仅包含一个1个RSU。这个项目已经实现了各种day 1（日常）服务。例如，道路施工区预警、慢速或停车预警，以及提供有关天气状况的信息[66]、[67]、[68]、[69]。

​ 2019年，C-Roads CZ项目侧重于ITS单元的实施以及其功能的测试和评估。智能交通系统的功能是与位置有关的分析(例如道路施工区预警、车辆信息、缓行和停车、前方交通堵塞预警、危险区域提示)。为了在实际条件下进行测试，在捷克共和国建立了七个试验场。所有这些ITS解决方案都配备了与车辆通信的RSU和中央处理系统[70]。

​ 2014年，在SCOOP@F项目中，在全国范围内部署了ITS。为此，该项目在2000公里的道路上安装了rsu，并在3000辆车上安装了用于V2X通信的车载单元，RSU与交通管理中心对接。试验场的主要数据来源是车辆本身。它们传送了关于它们的位置、速度和方向的数据。此外，车辆还可以从外部接收有关其他突发事件的信息(例如施工、道路湿滑、能见度降低)。ITS的主要目标是提高安全性和提高行程质量。研究人员部署了一个分散的通信系统，提醒道路使用者注意意外事件。此外，还实现了VANETs覆盖范围的增强、网联车辆的安全云环境以及新的详细安全协议[71]、[72]、[73]、[74]、[75]、[76]。

​ 另一个重要的试验台是柏林的SAFARI。ITS涵盖了主要道路、次要道路和高速公路交汇区域的场景。项目的总体目标是实现信息的交换和动态地图的动态更新机制，这是自动驾驶的基本要求。具体而言，该项目研究了自动驾驶和互联驾驶的施工现场和突发事件的处理。试验场也使用云平台。作为移动边缘计算用于V2X处理[35]，[46]，[77]。

​ 在Friedrichshafen的试验台，交通信号灯配备了RSU和V2X。总体而言，ITS涵盖了联邦道路、乡村道路、城市中心和步行区的交通场景。研究课题是车辆与基础设施之间以及车辆之间的信息交换。目前对试验场的研究项目是Alfried[35]，[46]，[78]。

​ 匈牙利的ZalaZONE项目有一个封闭的试验场，以及一个通往奥地利边境的智能交通系统，为高速公路场景。在封闭的试验场，它涵盖了智慧城市，高速和低速以及高速公路和农村道路的场景。目标是在自动驾驶和互联汽车领域进行测试和研究。为此，试验场配备了V2X通信技术[79]

​ 另一个用于再现和模拟交通场景的封闭测试设施是在英戈尔施塔特的CARISSMA项目中实施的。该测试设施有4000平方米，用于研究V2X通信、事故检测、事故危害降低以及自动驾驶[80]。

​ 2014年，瑞典的ITS封闭试验场是AstaZero(主动安全试验区)成立。是一个开放的环境，由汽车OEMs、研究机构和大学进行开发和研究。研究课题是道路车辆的新型主动安全功能。试验场包含城区、700米多车道公路、5.7公里农村公路和1公里高速公路[81]。

2)北美：

​ 美国密歇根州和加利福尼亚州的Mcity和GoMentum站的ITS的封闭试验场，测试场地包括高速公路场景、含隧道的农村道路，以及城市场景，例如环岛、十字路口和铁路交叉路口。所使用的传感器，如摄像头或激光雷达，通过5G、V2X技术或光纤连接到RSU，试验场可以容纳测试自动驾驶和联网驾驶[82]，[83]，[84]。

​ 弗吉尼亚智能道路系统是一个封闭的测试平台，通过路侧单元(DSRC)提供先进的车辆测试。亮点是V2X通信、路面传感器的使用和差分GPS广播。此外，试验台还提供了75个可以产生雪、雾和雨的气象塔。封闭试验台覆盖高速公路和农村路段。为了在真实条件下进行测试，弗吉尼亚智能道路由弗吉尼亚自动连接走廊延伸至70英里的州际公路。有56个RSU用于V2X通信[82]，[85]。

3)亚洲：

​ 除了欧洲和美国的试验台外，中国也有许多封闭的试验台。重庆建设了一个封闭的用于网联车和自动驾驶测试平台，最高支持4级自动驾驶。试验台覆盖高速公路和市区。在这里，测试平台生成天气场景，如雨和雾。研究重点是自动驾驶和高级驾驶辅助系统的5G V2X通信[86]、[87]、[88]、[89]。

​ 上海临港的封闭试验台覆盖了10多公里的高速公路和城市道路。它提供了特殊的场景，如降雨和隧道。重点是V2X通信和自动驾驶感知。该试验台使用1个GPS差分基站、LTE-V、DSRC单元、智能交通灯和摄像头[86]、[87]。[88], [90].

​ 位于长安大学的试验台全长超过3.5公里。该装置可以通过摄像头、雷达和激光雷达进行感知测试。V2X通信通过LTE、LTE- v、Wi-Fi和EUHT实现。试验台的目的是开发自动驾驶功能，例如紧急碰撞预警、盲区预警或红绿灯识别[86]、[91]。

​ 国家智能网联汽车应用示范区*（位于长春）*是中国另一个封闭的试验台。试验场全长3公里，包括城市高速公路、十字路口、隧道和雨雾发生器。此外，该设施还包含高清地图和5G通信。另一个封闭试验场在长沙。测试段的长度为12公里，其中高速公路、城区、农村公路等场景的通信均通过5G网络[87]。

​ 中德封闭的测试平台旨在成为一个200平方公里的巨型智能城市，用于测试智能网联驾驶。该设施包含高清地图和基于5g的V2X技术。通过该设备，试验台可实现安全、效率、信息服务、新能源应用、通信、定位能力等116多个测试场景的测试。例如，实际测试的功能有盲区预警、应急车辆近距离预警和优先排序、行人碰撞预警、交通信号灯优化(GLOSAR)等[88]。

​ 在中国，除了封闭区域外，一些试点还设置在公共道路上。例如，京冀示范区包括顺义和海淀的封闭试验台以及亦庄的公共道路试点。目的是测试自动驾驶功能。位于海淀的试验台长4.8公里，位于亦庄的试验台长8公里。试验台通过LTE和5G网络提供V2X通信。所涵盖的场景是城市道路和高速公路[87]，[92]。

​ 2017年，无锡开通了一个封闭的ITS试点：全长3.53公里，包括城市道路、农村公路和高速公路。重点是联网车辆的智能交通管理[88]。其次，无锡的公共道路配备了V2X技术。为此，一般车辆和公共交通系统通过LTE与智能交通灯和电子龙门架相连。总体目标是提高运输环节的效率[87]，[93]。

​ 浙江的试点平台提供高清摄像机和V2X技术。车辆与指挥中心之间的实时通信由34个基于基础设施的LTE-V或5G单元实现。其目的也是为了提高效率[87]，[88]。

C.Creation of Digital Twins

​ 谷歌[94]、特斯拉[95]以及许多其他汽车制造商都在开发自动驾驶汽车。它们可以解决交通领域的一些已知问题。根据目前的自动驾驶方法，取代人类感知和控制的主要责任在于汽车制造商。然而，基础设施上的ITS可以创建高精度的数字孪生。车辆可以使用这些数据作为真值信息。因此，车辆和基础设施之间的责任可以重新平衡。因此，高精度ITS可以成为自动驾驶的重要推动因素[96]。本节介绍了几个旨在实现上述属性的ITS解决方案。与“Situation-Related Analysis”一节一样，结果被划分为欧洲和亚洲的主要世界区域。

1)欧洲：

​ 2017年，MEC-View项目在德国乌尔姆市中心实施了ITS。在道路和十字路口，该系统包含8个摄像头，4个立体摄像头，4个激光扫描仪和8个激光雷达。用于目标预测和数据融合，传感器连接到服务器。车辆通过5G与服务器通信。此外，还创建了相关路段的3d高清地图。该项目旨在创建实时道路交通的数字孪生体[97]，[98]。

​ 2016年，“德国-法国-卢森堡”数字试验台创建。重点是测试自动驾驶和互联驾驶功能。这个项目的亮点是跨越国界。作为上述试验台的一部分，位于德国Merzig的项目ITeM (ITS Testfeld Merzig)覆盖了城市和农村道路环境。这款ITS的研究重点是通过C2V和C2X实现互联驾驶功能。在交通感知方面，基础设施扩展了RSU、C2X技术和摄像头，RSU能够与车辆和中央服务器通信。该项目已经实现了混合接入技术和安全的应用[35]，[46]，[99], [100].

​ 2017年，在德国A9高速公路上，研究人员KoRA9计划(英语：Cooperative radar sensors for the digitaltest field A9，中文：用于数字测试场的协作雷达A9）在高速公路沿线每隔45米的五个桅杆上安装了10个新型77千兆赫雷达传感器。此外，在一个龙门桥上安装了2个道路侧单元，用于V2X通信。该项目的目标是评估用雷达对交通进行无缝感知的能力。基础设施传感器替代汽车雷达的感知功能，讲得到的数据流生成数字孪生。研究人员分析了数字孪生，并通过云平台将其提供给第三方。此外，他们还开发了超车行为和交通拥堵预警的基础设施支持服务[9]，[46]，[101]。

​ 在路侧基础设施的支持下，Providentia项目在2017年创建了实时的全息数字孪生。这个数字孪生可以为自动驾驶汽车和配备传统驾驶辅助系统的汽车提供远距离视野。为此，在德国慕尼黑的A9高速公路上建造了一个智能交通系统。ITS在龙门架上设有2个测量站，用于收集交通数据。每个站点都配备了一台RSU, 4台摄像机和4台雷达。此外，后端计算机实现了全局数据融合以及与5G网络和互联网的连接。传感器可以检测个体交通参与者并将数据发送到RSU。然后，RSU在几个时间步骤中跟踪检测。轨迹被合并为每个RSU的本地数字孪生，最后，后端接收RSU的本地孪生，将所有测量点将它们再次组合为全局数字孪生。因此，Providentia的ITS创建了数字孪生，从不同的角度结合了雷达和相机的优势[19]，[102]，[103]。2020年，后续项目Providentia++将ITS扩展到城市地区。这样就可以分析十字路口和人行横道的复杂交通情况。试验段全长3.5公里，包含7个测量站和75个传感器(如摄像机、基于事件的摄像机、雷达和激光雷达)。图3表示Providentia++在城市道路的公共道路交叉口的硬件设置具体情况。在撰写本文时，Providentia++的研究人员已经为大众建立了一个稳定的高精度数字孪生数据流。据我们所知，这一特性在当前ITS的发展中是独一无二的[11]，[104]，[105]。

​ 2014年，ITS AIM( Application Platform for Intelligent Mobility 智能移动应用平台)在德国布伦瑞克开始全面运行。在城市环境中设计了用于自动驾驶和互联驾驶领域研究项目的长期ITS平台，试验段的长度为7公里，在35个有交通灯的十字路口配备了用于V2X通信的RSU。智能交通系统使交通信号灯、车辆和其他基础设施之间的信息共享成为可能。在感知方面，几个rsu与雷达、摄像头、立体摄像头、激光雷达或激光扫描仪相连。整个系统的目标是在实时条件下提供具有相应视频场景的数字孪生[22]、[35]、[106]、[107]、[108]、[109]。

​ 德国的Testfeld Niedersachsen(英语：Lower Saxony test bed 下萨克森州试验段)项目是上述AIM试验段的延伸。试验台在280公里长的高速公路上运行，连接几个城市。其中一个ITS长7.5公里，有71个测量站，用于高精度记录交通状况。试验台配备了立体摄像机和提供V2X通信的3台RSU以及后端服务器。ITS的目标是提供一个开放的研究平台，为自动驾驶和互联驾驶提供真值数据。总体目标是减少事故，提高感知，优化交通流量。研究人员实现了增值服务的维修车辆预警、车内指示以及车道管理[21]、[110]、[111]、[112]。

​ 德国的数字测试平台“Dusseldorf”在A57高速公路上布设了20公里，具体位置为高速路口一直到市中心。因此，ITS涵盖了高速公路、隧道、桥梁、城市中心和停车场等场景。该试验段正在扩展几个项目。KoMoD项目研究了联网和自动驾驶功能范围内基础设施与车辆之间的互动。ITS使用车辆作为移动传感器，探测道路上的障碍物(例如行人闯入、逆行)。该项目还有自主停车、公共交通系统优先化和合作红绿灯等增值服务[20]。然后是后续项目KoMoDnext应该为自动驾驶(4级)准备许多部分的ITS。该项目已经在A57高速公路上设计并实现了高分辨率的环境检测。该组件合并了静止和车辆生成的数据[46]，[113]。最后，ACCorD项目将新移动城市走廊额外扩大了4公里。项目活动的核心组成部分是数字孪生的生成。最重要的是激光雷达技术的广泛应用：ITS包含68个测量站。每个观测站有2个摄像机和2个激光雷达，总共设置了136个激光雷达。这些数据在各个RSU和一个中央数据库中进行处理，该数据库将收集到的数据提供给其他研究活动和模拟[114]。

​ ITS 试验场 Autonomes Fahren Baden-Württemberg ，位于卡尔斯鲁厄和海尔布隆，使用摄像头、几个RSU和一个后端服务器。测试平台允许雷达和激光雷达等传感器的拓展。目前主要是基于摄像机目标跟踪，ITS的目标是生成交通的数字孪生。通过这种低成本的传感器设置，可以实现各种交通情况(例如车辆，自行车和行人的交通)的实时感知。该基础设施的目的是在真实交通条件下测试车辆系统的自动驾驶和网联驾驶[46]，[115]，[116]。例如，目前在试验场的研究是CARAMEL项目。该项目研究了现代车辆网络安全面临的挑战。为此，CARAMEL采用了先进的人工智能和机器学习技术[117]，[118]。

​ 2009年，研究计划Ko-FAS的Ko-PER项目旨在提高道路安全。其目标是精确地创建实时交通参与者的数字孪生。因此，德国的十字路口都安装了摄像头和激光雷达。Ulm的十字路口有2台激光扫描仪和2台摄像机，Alzenau有8台激光扫描仪和7台摄像机，Aschaffenburg的十字路口有14台激光扫描仪和10台摄像机。每个路口传感器的数据流被局部合并，然后，将融合结果与车辆信息相结合。因此，也实现了V2X通信技术。在这样做的过程中，研究人员构建了交通数字孪生[119]，[120]，[121]。

​ 2017年，作为项目ALP的一部分。实验室-奥地利公共测试公路A2，格拉茨附近的ITS，试验段包含23公里的距离，配备了100多个传感器。为了创造数字孪生，智能交通系统使用了摄像头、雷达和激光雷达。ITS的目标是扩展车辆的感知范围，并为车辆传感器数据的合理性检查提供真值数据。因此，智能交通系统为自动驾驶和驾驶辅助系统提供了全面的测试功能。有趣的是，研究人员已经实现了超过2公里的车辆跟踪[122]，[123]。

​ 伦敦的Smart Mobility Living Lab（智能移动生活实验室）是测试和开发未来真实场景的交通解决方案。其设置24公里长的试验台，配备了276台摄像机、40台RSU和2个数据中心通过光纤连接。RSU提供V2X通信服务。有了这个硬件，ITS收集高分辨率和高可信度的道路交通信息。总体目标是支持自动驾驶汽车发展到市场准备阶段[124]。

​ 作为前面的封闭测试设施CARISSMA的延伸，IN2Lab项目在德国Ingolstadt提供了一个真实的测试平台。ITS的总长度约为2公里。每200米设一个测量站，测量站高4.5米，13个测量站通过光纤与中央计算单元相连。每个测量站都有一个RSU、摄像头、激光雷达、雷达以及V2X通信模块。其目的是研究和测试自动驾驶汽车[125]，[126]。

​ 在Testfeld Dresden测试平台项目范围内，在德国Dresden的城市和郊区部署了一个合作式ITS。测试场提供了20公里路段的各种驾驶场景(例如城市道路，高速公路互通，复杂路口，电车轨道，公共汽车车道和单独的自行车道)。因此，测试平台包含几个相机系统，10个用于研究的RSU和25个用于日常测量的RSU。此外，ITS有一个托管集中式云服务的后端。总体目标是在真实的交通环境中测试自动驾驶和联网驾驶。该项目提出了一个异构ITS通信的参考平台以及几种增值服务(如GLOSAR、浮动车辆数据和协同变道)[23]、[127]、[128]。

​ 2019年，针对联网和自动驾驶的智能交通解决方案已在德国多个城市实施。例如，汉堡电动自动交通(HEAT)项目于在汉堡安装了一个长度为2公里的试验台。ITS包含几个雷达、雷达和激光雷达。传感器的目的是支持自动电动小巴在真实场景中的环境感知。因此，HEAT项目的研究目标是将自动小巴车队与交通基础设施联网。该项目的研究人员成功实现了这一目标[35]，[129]，[130]。

2)欧洲/亚洲：

​ 随着欧洲5GMOBIX项目(5G for cooperative & connected automated MOBIlity on X-border corridors)，欧洲和亚洲的多个ITS在2018年被创建或重复使用。该项目展示了5G技术在协作、互联和自动化移动方面的优势。西班牙-葡萄牙之间的跨境如维戈和波尔图之间的ITS主要集中在自动驾驶操作上。配备2个MEC节点、2个中心云、5个RSU、4个交通雷达、2个行人探测器。希腊-土耳其ITS研究了车队和路侧传感器的使用。路侧基础设施包括6台边缘计算机、2个云系统、4台RSU和2台激光雷达。在荷兰埃因霍温-赫尔蒙德举行的ITS专注于通过广泛使用摄像头来协同避免碰撞。因此，ITS使用了2台MEC服务器、2个云系统和50多个摄像头。法国的ITS位于凡尔赛宫和巴黎。他们专注于基础设施辅助驾驶，包括4个MEC节点、1个云系统、2个激光雷达和3个摄像头。德国柏林和Stuttgart的ITS研究了RSU辅助队列和环境视野生成。因此，系统使用了9个RSU、1个云系统、18个摄像头和10个环境传感器。芬兰的ESPOO城市智能交通系统侧重于扩展传感器处理和遥控驾驶。ITS由2个MEC节点、1个云系统、1个激光雷达和1个摄像头组成。中国济南ITS的研究人员专注于云高级辅助驾驶，云辅助队列以及遥控驾驶。使用的设备为5个RSU节点，1个云，5个激光雷达，6个摄像头，5个雷达。最后，韩国ITS也专注于遥控驾驶，系统使用1个云系统[131]，[132]。

4.讨论

​ 使用路侧基础设施的智能交通系统提供了巨大的潜力和可能性，促进智能网联和自动驾驶。为了提供这些未来的用途，ITS的传感器的要求越来越高，也越来越复杂。与此同时，为了获得政治许可，智能交通系统还必须考虑到隐私和安全方面的问题。根据所提出的文献调查，确定以下研究问题：

1. ITS的总体用途趋势是什么?

2. 必要的传感器设置是什么?

3. 哪些增值服务已经存在，哪些地方还需要研究?

4. 必须考虑ITS的哪些非功能需求?

​ 这些问题还没有得到充分的回答，因此我们想在本节中讨论它们。

A.总体用途的趋势

​ ITS任务的复杂性显著增加。在Early Days，ITS系统提高了交通的安全和效率。系统对当前的交通流有了广泛的定义；此外，1986年到于2010年之间，开发了第一台V2X原型机。接下来，Situation-Related Analysis类别的ITS对个别交通情景进行分析和解释。此外，这些智能交通解决方案可以与其他交通参与者共享其结果。因此，这些系统有助于提高安全性和改善交通流量。这一类别从2010年到2018年呈指数级增长，然后停滞不前。据推测，这些系统的功能范畴现在已经不足了。自2012年以来，越来越多的试验平台被开发出来，可以生成高精度的道路交通数字孪生。它们允许对流量进行完整的、高粒度的分析。到目前为止，还没有出现停滞的迹象。由于未来的智能交通解决方案应该为自动驾驶汽车提供控制建议，因此目前的开发是必要的。图4显示了每个类别中试验平台的累积数量。智能交通的发展趋势越来越趋向于Creation of Digital Twins（创建高精度的数字孪生）。与Situation-Related Analysis（情况有关的分析）类别的试验台的发展似乎停滞不前。

B.传感器设置

​ ITS过程的第一步是传感器。他们收集关于现实世界的信息。因此，他们有主要影响服务的精度和质量。在第一个试验平台中，用于分析交通流量的传感器是线圈。不幸的是，线圈本身不允许对个别情况进行分析。因此，自2006年以来，大多数ITS都使用了摄像头。摄像头可以俯瞰道路上发生的情况，以便进行复杂的情况分析。缺点是显而易见的：相机不能在夜间或极端天气条件下(如大雨、大雾或大雪)提供可靠的数据。作为补偿，用于创建数字孪生的现代ITS越来越频繁地使用摄像头与雷达、激光雷达或其他特殊输入(例如红外摄像头、3d摄像头、基于事件的摄像头、天气传感器或来自互联网的其他信息来源)的组合。这些硬件设置可以在任何天气条件下感知环境。有趣的是，自ITS发展之初，V2X技术就不断出现。图5包含了ITS中传感器设置的累计数量的完整趋势。

​ 现代车辆也有车载传感器：摄像头、雷达和激光雷达。严格来说，行驶中的车辆可能是ITS传感器设置的一部分。然而，智能交通系统大量使用V2X技术，车辆传感器在整体融合中受到的关注太少，无法产生数字孪生。将这种“移动传感器站”集成到现代智能交通系统中还需要进一步研究。特别是，早期与车辆的传感器融合应该得到更多的考虑。

C.增值服务

​ **获取交通数据和创建数字孪生本身不应成为目的。否则，它对社会将是无用的。**相反，它必须提供有意义的服务，服务于人们的日常生活。例如，ITS可以降低维护成本，减少污染，提高传输速度，保护人类生命[4]，[14]。此外，为了支付高昂的安装和维护成本，智能交通系统服务也具有高销售额的潜力[15]，[133]。表IV显示了上述试验台中的增值服务。

​ 不幸的是，表4和图6突出了operational maneuvers and controlling vehicle services（运营服务和车辆控制服务）发展方面的不足。我们注意到，这一研究领域主要集中在中美两国的封闭试验平台。不幸的是，这些地区没有覆盖在现代公共道路系统中。因此，进一步的研究应该集中在公共道路上这些服务的发展。在此过程中，还应考虑到所需的自动驾驶水平。对于辅助驾驶和部分自动化(1级和2级)，我们认为“Situation-Related Analysis”类别的ITS解决方案已经足够了。例如，危险的交通堵塞，通过ITS的识别，可以帮助车辆做出安全决策，并可以主动刹车，这一功能已经为现有的智能交通解决方案创造了巨大的增值服务。此服务也适用于更高的自动化级别(Level 3或更高)。**但是，为了确保自动驾驶车辆(3级以上)的安全驾驶，ITS必须包含精确的更复杂的驾驶技巧的实时道路交通数字孪生，例如超车或避开障碍物。**是否有必要使用这种ITS进行直接驾驶控制，还取决于自动驾驶汽车在高度复杂和混乱的交通情况下的能力。尽管ITS项目[101]、[113]、[116]、[122]、[124]、[125]创建了数字孪生，以提供足够的精度来支持自动驾驶功能，但这一研究问题仍然没有得到充分的回答。

D.非功能性需求

​ 为了帮助交通参与者制定具体机动的决策过程，ITS在整个运行过程中必须非常可靠，即使在自然灾害等极端情况下。因此，ITS是关键的基础设施，需要多种安全和网络安全机制。为了满足安全要求，系统必须具有自诊断和自修复功能。在这种情况下，如果发生故障，ITS仍然可以安全运行[3]，[14]，[134]。

​ 此外，还需要建立保护ITS免受网络攻击的机制。特别是，有潜在的致命后果，RSU很容易受到这种攻击。研究的不足仍然存在。例如，车辆和试验台之间的通信在很大程度上是未加密的。这使得系统非常脆弱。为了解决这些问题，研究人员开发了具有云支持的通信加密[2]，基于优先级的身份验证技术[15]和实时安全通信，而不会因安全开销而使网络过载[135]。幸运的是，一些测试平台项目也解决了网络安全问题：项目InterCor引入了一个网络物理区块链加密架构[60]，项目SCOOP@F引入了一个安全的云环境以及一个新的安全协议[72]，[75]。此外，ITS的CARAMEL项目使用了先进人工智能和机器学习技术满足网络安全需求[117]。然而，网络安全的挑战似乎还没有完全解决。特别是，如详细的数字孪生所需要的大量数据的安全传输，似乎仍然需要研究。因此，需要对这些安全方面进行进一步的研究。

​ 在全国范围内推广的情况下，非功能需求的可扩展性、适应性以及实时性对于ITS解决方案非常重要[14]，[136]。这些要求对软件架构中提出了巨大挑战：集中式软件解决方案（例如云系统）可用于ITS，但它们在可拓展性、能源效率和容错性方面存在许多缺点。解决上述问题的可拓展架构可以采用分布式方法。根据[137]的智能传感器网络的方法是不可行的，或者没有充分的研究。事实上，通过使用边缘计算。论文[12]和[133]提出了ITS架构的分布式方法。此外，上述ICSI测试平台还专注于高度可扩展的分布式ITS[39]。然而，这个试验平台只分析了特定的情况。它还没有实时处理数字孪生。据我们所知，这个分布式系统在数字孪生的高数据密度环境中如何运行仍然不清楚。因此，需要进一步研究可拓展性，以及实际测试平台中的适应性。

5.结论

​ 在这项工作的范围内，我们收集了论文和文献，系统地回顾了当前使用路侧基础设施的智能交通系统。通过筛选后，我们分析了400多个文档和137个文档，其中包含我们为本次调查引用的53个测试平台项目。在这里，我们重点介绍了从“Early Days”（早期）到“Creation of Digital Twins”（数字孪生），使用路侧基础设施的智能交通领域的迷人发展。

​ 我们突出了智能交通系统在复杂性和功能方面的巨大增长，以及突出的挑战。目前的系统可以在交通状况下实时提供高度准确的个体信息。在智能交通领域，这是一个巨大的成功。但是，仍然需要改进整个系统的可靠性、可拓展性和安全性。因此，ITS的进一步研究应侧重于使用现代传感器、即插即用机制以及以分部式安全地实时分发海量数据，且更可靠的交通感知。此外，为了确保此类系统的可行性，必须开发出对普通大众具有真正附加价值的服务，包括自动驾驶汽车和非自动驾驶汽车。

​ 综上所述，可以看出，基于路侧基础设施的智能交通系统的发展正朝着自动驾驶的正确方向发展，然而，在全面推广之前，仍有几个问题有待解决。
能方面的巨大增长，以及突出的挑战。目前的系统可以在交通状况下实时提供高度准确的个体信息。在智能交通领域，这是一个巨大的成功。但是，仍然需要改进整个系统的可靠性、可拓展性和安全性。因此，ITS的进一步研究应侧重于使用现代传感器、即插即用机制以及以分部式安全地实时分发海量数据，且更可靠的交通感知。此外，为了确保此类系统的可行性，必须开发出对普通大众具有真正附加价值的服务，包括自动驾驶汽车和非自动驾驶汽车。

​ 综上所述，可以看出，基于路侧基础设施的智能交通系统的发展正朝着自动驾驶的正确方向发展，然而，在全面推广之前，仍有几个问题有待解决。