國內外智能交通系統研究熱點及演化趨勢分析

趙娜，王旭東，2，雷聰聰

（1.長沙理工大學 交通運輸工程學院，湖南 長沙 410114；2.中國鐵建投資集團有限公司，廣東 珠海 519000）

近年來，中國的城鎮化、機動化進程不斷加快，城市的交通需求量不斷增長，民眾出行需求日益提高，交通問題也日益凸顯。由于交通基礎設施的修建速度與交通需求量的增長速度之間存在差異，城市交通始終面臨著超負荷運轉、安全事故頻發、排放污染嚴重等問題。但究其本質，交通需求與供給分配之間不平衡的矛盾才是造成這些現象的根本原因。目前，智能交通系統（intelligent traffic system，ITS）作為信息技術、通信技術、控制技術與人工智能等先進技術在交通領域的綜合應用系統，對于解決交通供需矛盾以及緩解這些交通問題有著不可忽視的作用［1］。在國際上，歐洲、美國、日本等發達國家爭相布局ITS 相關產業，利用自身技術優勢，搶占市場先機與行業優勢地位。而與其他國家和地區相比，中國在ITS 領域的研究仍有較大差距，其前沿技術多低水平重復、政府頂層設計作用有限、行業產業規模小等問題較為突出［2］。因此，為實現交通強國戰略、促進中國ITS 領域高效發展，中國亟須打造多方共贏的交通運輸信息化治理體系［3］。

1994年，國際學界初步界定了ITS的內涵，迄今為止，ITS 已經發展成為一種集多技術于一體的綜合交通系統，這些技術包括車輛控制系統、交通監控系統、旅行信息系統等，并且隨著科技的發展，各類高新技術在不斷改進其領域內的各個子系統功能，ITS 也逐漸成為眾多學者的熱門研究方向。NARANJO 等［4］提出了利用人工智能技術改進車輛控制系統。NGUYEN 等［5］建立了一種基于遙測傳輸協議的實時交通擁堵監測系統。PETERSEN等［6］研發了公交出行時間預測系統。智能交通系統技術應用呈現出多元發展的趨勢。在交通信息服務方面，趙祥模等［7］提出了交通信息服務系統，該系統通過網絡云平臺及智能化設施發布實時交通信息。在提升既有交通設施效率方面，嚴海等［8］針對公交車不能按時到站的問題，通過建立數值仿真模型，提出了實時的公交車速度控制方法。代壯等［9］建立了半自動駕駛公交車輛調度優化模型，該模型有效地降低了公交車輛運行成本，縮短了乘客候車時間。而在節能減排方面，低碳、高效、大容量的綠色交通系統以及清潔能源運載工具的推廣，極大地提升了城市的宜居質量。

綜上所述，本研究擬系統分析ITS 最新研究熱點，探究其在近些年來的發展。本研究選用科學計量方法，對國內外ITS 方面的研究繪制可視化圖譜，深入解讀其研究發展現狀，總結歸納ITS 的發展趨勢，為中國交通強國戰略建設任務的開展與ITS 相關學術問題的深入研究提供借鑒。

1 研究說明

1.1 研究數據與工具

本研究的數據來源于中國期刊的中國國家知識基礎設施（China national knowledge infrastructure，CNKI）全文數據庫和Web of Science 核心期刊數據庫（下文簡稱為WOS）。在CNKI 中，以“智能交通系統”為檢索詞，分別選取中文核心、中文社會科學引文索引（chinese social science citation index，CSSCI ）、中國科學引文數據庫（chinese science citation database， CSCD）進行高級檢索，檢索時間設為2012～2020 年，剔除與主題無關的期刊后，將搜索到的553篇文獻作為本研究的基礎數據之一。然后，在WOS 中，搜索英文主題“intelligent transportation system”“intelligent transport system”，將文獻類型設為“article”，檢索時間也設為2012～2020 年，對相關研究領域進行篩選，去除與主題不符的文獻，最終得到2 505 篇文獻。通過對這些文獻進行統計，得到了國內外智能交通系統發文總量年度分布，如圖1所示。

圖1 2012～2020年國內外智能交通系統發文總量年度分布Fig. 1 Statistics on the literature of intelligent transportation systems at home and abroad from 2012 to 2020

從圖1 可以發現，在2012～2020 年期間，智能交通系統領域的發文量總體呈上升趨勢。其中，2012～2017年屬于平穩發展階段，而2017～2020年屬于爆發式增長階段，特別是2018 年，該領域的發文量比2017 年的增長了51.6%，表明ITS 受到國內外眾多學者的廣泛關注。本研究所使用工具為可視化軟件CiteSpace，該軟件通過共引理論和尋徑算法，對特定學科或領域的科學文獻進行分析，能對其進行可視化處理，表征該學科或者領域的演化趨勢，探究其內部發展規律。CiteSpace 科學計量軟件使用基于時序的可視化方法，能分析特定某一主題隨時間的變化趨勢。若將其與聚類算法配合使用，可以探究隨時間推移凸現的主題類別，其在國內外的各個學科領域都得到了十分廣泛的應用［10］。

1.2 研究整體特征

1.2.1 中國以外的國家和地區的研究特征分析

根據在2012～2020 年期間的搜索數據，利用CiteSpace 繪制中國以外的國家和地區在該領域發文的可視化圖譜，結果如圖2（a）所示；繪制中國以外的國家和地區的ITS 涉及的學科領域發展圖譜，結果如圖2（b）所示。

圖2 中國以外的國家和地區的ITS研究特征Fig. 2 Distribution of foreign ITS research characteristics

1） ITS研究發文國家（地區）分布。

從圖2（a）中可以看出不同國家（地區）在ITS 領域內的發文量。圖譜中的節點半徑越大，來自該國家（地區）的發文量就越多；節點半徑越小，來自該國家（地區）的發文量就越少。節點間的連線表示國家（地區）間合作程度，線條越粗，則兩個國家（地區）間的合作越多；反之，若線條越細，則兩個國家（地區）間的合作就越少。

從圖2（a）中可以發現，ITS 領域內的發文量排名靠前的國家（地區）有美國、英國、澳大利亞、韓國、加拿大、法國、新加坡等，表明這些國家（地區）在研發ITS 方面具有強勁的科技實力。從國家層面看，美國、歐洲、韓國等作為最早進行ITS 研發與創新的國家（地區），它們在ITS 研究領域占據了重要位置；從國家（地區）間的合作網絡來看，國家（地區）間合作聯系緊密，這也從側面體現了這些國家（地區）對ITS研究的重視程度。

2） 中國以外國家和地區ITS涉及學科分布。

從圖2（b）中可以發現，從對WOS的數據分析來看，在ITS 的大類下，除交通工程領域外，涉及較多的學科領域有土木工程（978 篇文獻）、電氣與電子工程（850 篇文獻）、通信工程（235 篇文獻）、公共環境與職業健康（90 篇文獻）、機械工程（77 篇文獻）、經濟學（68 篇文獻）等。土木工程、電氣與電子工程仍是ITS 的主要合作學科領域，表明先進的交通基礎設施、電子傳感、控制技術是ITS 的重要組成部分。通信工程、公共環境與職業健康、機械工程等領域的發文量均大致呈穩步增長的趨勢，據此也可判斷ITS 與通信技術、機械工程、安全健康等學科的融合發展逐漸成了中國以外國家和地區ITS 研究的熱門方向。

1.2.2 中國研究特征分析

根據在2012～2020 年期間的搜索數據，利用CiteSpace 繪制中國研究機構發文量排名柱狀圖，結果如圖3（a）所示；根據搜索的CNKI 篩選數據，繪制中國的ITS 涉及的學科領域發展圖譜，結果如圖3（b）所示。

圖3 中國研究特征分布Fig. 3 Distribution of research characteristics in China

1） 中國ITS研究發文機構分布。

從圖3（a）中可以發現，中國在2012～2020年間與ITS 主題相關的總發文量為194 篇。中國的清華大學的ITS發文量居首位，共計37篇；其次為東南大學和中國科學院，分別為36 篇和32 篇。排名前三位的機構發文量占中國2012～2020年ITS主題相關總發文量的54.12%，發文篇數大于等于10 篇以上機構占總發文機構的92.78%。從這些數據來看，中國在ITS 領域的研究多集中于具有雄厚實力的理工類高等院校及科研院所。從這些研究機構所屬的行政區域來看，中國對ITS 展開研究的機構多分布在北京市、南京市、杭州市、大連市等經濟發達的東部地區，中西部地區僅有西安市的長安大學一所。這表明中國ITS 研究多集中于人口稠密、經濟與科技研究水平均較高的東部地區；而在人口稀疏、經濟與科技水平相對靠后的中西部地區，ITS 方面的研究開展得較少。

2） 中國ITS涉及學科分布。

從圖3（b）中可以發現，中國ITS 領域的研究涉及較多的學科有公路與水路運輸（349 篇文獻）、計算機軟件應用（191 篇文獻）、自動化技術（67 篇文獻）、電信技術（49 篇文獻）、鐵路運輸（46 篇文獻）、汽車工業（40 篇文獻）等。公路與水路運輸、計算機軟件與應用仍是中國ITS 研究的主要涉及領域，表明這些學科在中國ITS 研究中占據主導地位。其次，自動化技術、電信技術、汽車工業等學科領域的ITS 發文量均大致呈穩步增長趨勢。據此可以預測中國ITS 與這些領域的聯系將會繼續加強，并逐步成為新的研究熱點。

2 國內外ITS研究熱點與演化

2.1 中國以外國家和地區ITS研究熱點與趨勢

2.1.1 高被引文獻分析

高被引文獻是某一研究領域最具代表性的文章，對其進行分析有助于發掘該學科領域的熱點與前沿問題［11］。因此，本研究對WOS 高被引文獻進行了統計分析，得到2012～2020 年中國以外國家和地區的高被引文獻，并依據引用次數，對其進行了排名，結果見表1。

表1 中國以外國家和地區ITS領域高被引論文Table 1 Highly cited papers in ITS field from countries and regions outside of China

自20 世紀80 年代以來，短期交通流預測一直是ITS 研究與應用的重要組成部分，VLAHOGIANNI等［12］就對在短期交通流預測方面存在的問題做了總結和歸納，并提出了其中10個未來研究的重點方向。LIPPI 等［13］對以往的短期交通流預測方法進行了系統的對比和分析。近年來，車輛自動駕駛、自動巡航逐漸成為ITS 研究的重點，MILANéS 等［14-15］基于實際實驗數據，開發了自適應巡航控制（adaptive cruise control，ACC）和合作巡航控制（cooperative adaptive cruise control ，CACC）系統模型。DI等［16］針對車隊排列問題，提出了新的分布式控制協議。PETIT 等［17］就自動駕駛潛在的隱私安全、網絡攻擊等問題進行了深入研究，并提出對應策略。交叉口協同控制是ITS研發的關鍵環節，LEE等［18］設計了在車輛完全自動化的情況下的交叉口控制算法（cooperative control algorithm for vehicle at intersection，CCAVI）。 在ITS 擴展研究方面，MENOUAR 等［19］提出了將無人機應用在智能交通系統的方法，該方法可提高智能交通系統的靈活性。MOREIRA-MATIAS 等［20］認為ITS 也可以應用在高效的出租車調度、需求預測、省時尋路等方面。綜上所述，提升ITS 在交通流精準預測方面能力、車輛自動駕駛及交叉口協同控制、ITS 擴展研發等是近些年來中國以外國家和地區ITS研究的熱點方向。

2.1.2 關鍵詞分析

研究熱點是指某領域在一定的時期內，研究關注量較大的科學主題［22-23］。本研究借助CiteSpace軟件，繪制文獻關鍵詞共現圖譜來展示關鍵詞之間的內在聯系，以此反映中國以外國家和地區在智能交通系統領域的熱點與動態前沿，結果如圖4所示。在圖4中，圖譜中每個年輪代表一個關鍵詞，年輪半徑的大小代表以該詞作為關鍵詞的文獻數量的多少，年輪半徑越大，關鍵詞出現的詞頻越高，其與文章主題相關性也越強；反之，年輪半徑越小，關鍵詞出現的詞頻越低，其與文章主題相關性也越弱。詞匯的中心性指的是該詞匯在全部關鍵詞中的中心程度，如果某關鍵詞的中心性大于等于0.1，則該詞匯為科研網絡中的關鍵節點，且其中介作用較強；反之，如果某關鍵詞的中心性小于0.1，則該詞匯不是科研網絡中的關鍵節點，其中介作用也相對較弱。這些年輪最外圈寬度代表中心性，最外圈年輪越寬，關鍵詞的中心性越大；最外圈年輪越窄，關鍵詞的中心性越小。年輪間的連線粗細代表兩個關鍵詞共線關系的強弱。

圖4 WOS數據庫智能交通系統關鍵詞共現網絡Fig. 4 WOS database intelligent transportation system keyword co-exist network

從圖4 中可以發現，WOS 數據庫智能交通系統中的關鍵詞均較為集中，且關鍵詞四周分布較為均勻，表明其所研究領域主題較為集中，沒有局限于單一研究方向，各領域間聯系較為緊密。

通過對ITS 的高頻關鍵詞進行統計，得到最常用的前20位高頻關鍵詞，結果見表2。

表2 （續）

表2 中國以外國家和地區的智能交通系統最常見的前20個關鍵詞Table 2 The top 20 most commonly used keywords in ITS field in countries and regions outside of China

由表2可知，外文文獻中ITS的研究領域主要聚焦于交通出行安全，如adaptive cruise control（自適應巡航控制）、behavior（行為）、security（安全）等關鍵詞的搜索頻率較高［24-25］。據相關數據，中國以外國家和地區的交通事故發生率與致死率均遠低于中國的交通事故發生率與致死率，這與中國以外國家和地區的學者注重交通出行安全方面的研究密不可分［26-27］。

由表2 還可知，外文文獻對于model（模型）、algorithm（算法）、neural network（神經網絡）、optimize（優化）、communication（交流）等關鍵詞的關注較為密切，表明提升ITS 計算性能的基礎學科是中國以外國家和地區的交通領域的熱點議題［28-29］。而在實際應用方面，除adaptive cruise control（自適應巡航控制）、behavior（行為）、security（安全）外，較多研究聚焦于traffic（交通）、intelligent vehicle（智能交通設備）、prediction（預測）、tracking（軌跡追蹤）等方面［30-31］。traffic（交通）和prediction（預測）等關鍵詞主要出現在車輛流及異質流預測中，這兩者是目前智能交通系統領域研究的熱點。intelligent vehicle（智能交通工具），又稱self-driving vehicle（自驅動交通工具）主要涵蓋環境感知、定位及地圖構建、路徑規劃決策、運動控制等方面的內容，它們均是ITS 領域的重要研究課題［32-33］。tracking（軌跡追蹤）這一關鍵詞主要出現在自動駕駛車隊、伴隨車輛、車輛監測等方面的研究中，多用于交通控制與誘導、稽查布控、應急搶險救災等工作，這些研究具有較高的社會意義。

2.1.3 研究趨勢演變

收集中國以外國家和地區的智能交通系統關鍵詞，對其進行時區劃分，結果如圖5所示。對關鍵詞的時區劃分進行分析與研判，并結合CiteSpace 關鍵詞突現度，可將研究區間劃分為兩個階段：

圖5 國外智能交通系統時區演化階段Fig. 5 Time zone evolution of foreign intelligent transportation systems

第一階段（2012～2015 年）：此階段涉及的關鍵詞數量最多，主要有ITS、traffic prediction（交通預測）、intelligent vehicle（智能交通工具）、energy consumption（能源消耗）、advanced driving assistance system（先進駕駛輔助系統）、traffic control（交通控制）、traffic safety（交通安全）、framework（框架）、traffic engineering（交通工程）等。此階段研究主題多為ITS 奠基性理論與技術，后續研究基本都是以該階段的研究工作為基礎，在其之上進行深入的研究與應用。

第二階段（2016～2020 年）：該階段的重點研究方向有feature extraction（特征提?。?、deep learning（深度學習）、data analysis（數據分析）、consensus control（一致性控制）、traffic engineering calculations（交通工程計算）、人工智能（artificial intelligence，AI）等。WUTHISHUWONG 等［34］采用多智能體概念對交通網絡進行了建模。TANG 等［35］基于機器學習的車載網絡，開發了高度動態的智能系統。值得注意的是，在此階段，數據作為重要的戰略資源，開始引起學界的廣泛關注，從數據缺失到數據分析，數據的價值愈發顯著。CHEN等［36］運用交通大數據，挖掘其外部價值，給交通系統提供了更便利、更可靠的服務。NKENYEREYE 等［37］提出了專門用于安全車輛云計算的交通數據傳播和分析協議。將人工智能（artifictal intelligence，AI）、云計算、物聯網、大數據等新一代信息技術綜合起來，解決交通領域的科學研究問題在這一階段逐漸成為主流的研究趨勢與熱點。

2.2 中國ITS研究熱點與趨勢

2.2.1 高被引文獻分析

本研究對2012～2020 年的CNKI 篩查數據進行了統計與分析，得到了這些年來中國高被引文獻表，見表3。

表3 中國ITS領域高被引文獻Table 3 Highly cited pagers in ITS field in China

由表3 可知，在ITS 頂層設計方面，陸化普等［38］認為數據是ITS 研究設計的基礎，交通大數據將會引領ITS 的深度變革。冉斌等［42］則認為ITS 的發展應該從“聰明的系統”起步，逐漸發展到“聰明的車和路”的高級階段。趙祥模［7］則提出了泛在交通信息融合系統，該系統將先進的泛在網絡、協同感知、大數據、云計算等技術與ITS 結合起來，得到了較好的效果。在交通流預測方面，于榮等［39］以順暢流、平穩流、擁擠流、堵塞流為標簽，對道路交通狀態進行分類，提高了交通流的預測精度。楊帆等［44］建立了在車路協同下多智能體的微觀交通流模型；李穎宏等［43］利用數據挖掘技術，分析了歷史交通數據的時空特性，結合多種組合預測方式，實現了短時交通流預測。在道路交叉口交通控制方面，張存保等［45］改進了道路交叉口信號控制流程，建立車路協同環境下的交叉口仿真模型。在交通大數據方面，趙鵬軍［40］采用大數據方法，采用ITS 技術，提高了交通流的預測精度，提升了公交運行實時監控水平，緩解城市交通擁堵。在ITS子系統方面，張紀升等［46-47］針對智慧高速公路，提出了“端-管-云”思路的技術架構。綜上所述，提高交通流預測精準度、構建科學完善的ITS子系統是這一階段中國ITS研究的主要趨勢。

2.2.2 研究關鍵詞解析

將篩查得到的CNKI 數據導入CiteSpace 科學計量軟件進行分析，得到中國智能交通系統關鍵詞的共現網絡，結果如圖6所示，并據此建立高頻關鍵詞表，結果見表4。

表4 中國智能交通系統最常見的前20的關鍵詞Table 4 The top 20 most commonly used keywords in ITS field in China

圖6 CNKI數據庫智能交通系統關鍵詞共現網絡Fig. 6 CNKI database intelligent transportation system keyword co-exist network

在圖6中，節點外圈環的厚度越大，節點的重要性越高。節點間連線的顏色深淺代表節點首次建立連接的時間，顏色越深，節點間發生連接時間越晚；反之，顏色越淺，節點間發生連接的時間越早。

從表4 中可以看出，中心性排名前五的關鍵詞為智能交通系統、深度學習、人工智能、車路協同、車聯網。從圖6 中可看出，這些關鍵詞之間的連線顏色多為深色，表明中國智能交通系統研究與新興技術開發間聯系時間較晚。圖6中與云計算相關的節點（如云控系統、云控交通信號管控、云控基礎平臺等）之間的連線為深色，表明這些均是中國智能交通系統的熱點研究方向。大數據及云控制技術的發展與創新，為其他各領域的研發與創新帶來新的機遇。在實際應用層面，車輛檢測、地圖匹配、 車路協同、交通控制、公共交通等均為中國的研究熱點。其中，車輛檢測主題主要涉及交通流監測［48-49］、車輛行為檢測［50］等方面；地圖匹配及車路協同主題則代表ITS 領域的關鍵定位技術［51］及短程通信技術研發方面，精準的衛星定位技術及高效的短程數據通信可為ITS 提供更加精確的道路交通定位及導航信息服務；交通控制、公共交通主題涵蓋了交通信號控制、智能公交協調優化［52-54］等方面。

2.2.3 研究演化分析

繪制中國智能交通系統時區圖譜，如圖7所示，并結合CiteSpace 科學計量軟件中的關鍵詞突現度及中國智能交通政策內容，將所研究區間劃分為3個階段。

圖7 國內智能交通系統時區劃分Fig. 7 Time zone division of the domestic intelligent transportation system

第一階段（2012～2013 年）：這階段的代表關鍵詞有ITS、交通仿真、交通流量預測、城市軌道交通、物聯網、云計算、車路協同等。在區域協同方面，馬慶祿等［55-56］結合交通物聯網、云計算技術，提出了區域交通聯動控制云策略模型。龍瓊等［57-59］基于Q 學習理論，對城區干線交通控制進行系統優化。在車路協同方面，鄧國紅等［60-63］對微觀交通流、巡航控制等模型進行了設計和優化，大幅提升了交通運行的機動性、穩定性?？v觀近年來的研究進展，受通信技術發展所限，這兩方面始終不能較好地同時滿足低時延、高可靠的要求，故發展較為緩慢。

第二階段（2014～2017 年）：這階段的代表關鍵詞為無線傳感網絡、交通控制、地圖匹配、車聯網等。在此階段，中國政府頒布了《“十三五”現代綜合交通運輸體系發展規劃》，該規劃強調了建設智能交通的重要性。地圖匹配是智能交通系統的難點。周成等［64］認為如何在復雜城市環境中提高地圖匹配精確性及處理海量數據的能力是該領域研究重點。王明月等［65-67］指出實時而準確的短時交通流量預測是解決復雜城市交通問題的關鍵。車聯網技術是融合汽車、信息、交通等領域專業知識的重要技術，也是未來ITS 發展的關鍵。此外，交通信號控制作為誘導車輛合理通行的重要節點，對城市智能交通的合理規劃起著重要引領作用。

第三階段（2018～2020 年）：這階段的代表關鍵詞有深度學習、自動駕駛、智能網聯汽車、信息物理系統、云控系統、云控基礎平臺等。2019 年9 月，中共中央、國務院印發了《交通強國建設綱要》，提出要推動大數據、人工智能、區塊鏈、超級計算等前沿技術與交通行業深度融合發展。很多學者也在不斷嘗試新技術與交通行業的結合應用。譚臺哲等［68-69］利用卷積神經網絡與深度學習進行交通標志的識別與檢測。在云控制技術方面，先進、完善的云控制系統對于解決交通數據處理與存儲難題、合理規劃調度交通資源并具有顯著優勢。李克強等［70-72］提出了智能網聯汽車云控系統，該系統可顯著降低車輛運行成本，減少交通事故，提升道路通暢性。

綜上所述，不難發現，中國智能交通系統的發展與國家政策緊密相關，具有較強的政策引導效應，且基于人工智能等各類信息技術與交通領域的融合發展亦是中國ITS研究的重點與趨勢。

3 結論與展望

3.1 研究結論

通過對國內外ITS 基礎知識及熱點前沿研究進行統計分析，得出結論：

近年來，國內外研究學者在智能交通系統領域研究熱度持續升溫。中國以外國家和地區的研究國家（地區）中，美國、歐洲、韓國、新加坡等國家（地區）的發文量較多，這些均是ITS 研究的傳統強國（地區），國家（地區）間的聯系也較為緊密。在中國的研究機構中，交通理工類的高等院校是研究的主要力量，且其地域上也呈東部密集，西部稀疏的特點。從涉及學科方面看，國內外的ITS 研究均越來越表現出與多學科、多領域融合的趨勢，且ITS 與通信、電子信息、汽車機械等學科和領域的聯系日益緊密。

從ITS 高被引文獻來看，國內外研究均注重交通流預測、車路協同、ITS 系統擴展研發等方面。從研究熱點來看，國內外研究均呈ITS 與前沿技術交叉融合的特征。從發展趨勢來看，國內外研究存在一定的差異，中國以外國家和地區多以基礎研究為主，注重通過技術發展破解交通系統研發難題；而中國的研究則呈現政策引領發展的特征，其研究更多聚焦于區域協同、交通控制、云控系統等方面。

此外，交通大數據是國內外研究者普遍關注的重點，大數據研究的發展對于ITS 的理論與應用影響深遠。與中國以外國家和地區的研究相對比，中國的研究更側重于公共交通、電子停車不收費系統（electronic toll collection，ETC）等交通整體性規劃對于提升區域乃至全國經濟發展的應用等，且其對于ITS 的頂層架構理念及其系統技術應用也在逐步深入。

3.2 研究展望

綜合國內外ITS發展趨勢，未來中國ITS研發與應用可著重考慮以下幾個方面：

1） ITS基礎核心技術。

從全球化趨勢來看，各國對于ITS 技術的研發投入與深度都將達到一個全新的水平，其發展演變將在現有基礎上不斷提升，都致力于實現研發新突破，掌握核心技術，實現技術輸出。對于中國來說，首先是研發更具中國特色的ITS 技術，不斷提升ITS智能化水平，如多流向車輛檢測算法、區域協同控制算法等；其次是智能交通模擬仿真技術，其對于打破技術封鎖、豐富道路交通智能化應用、提升道路運行管理水平至關重要；最后是在大數據背景下，重點關注交通數據獲取、處理、存儲等，如何在云端及邊緣端實現數據高效、準確提取，降低計算處理維度，解決海量數據存儲難題，是未來研究的重要著力點。

2） 車路云協同一體化。

通過終端網聯車輛、路端智能設備、云端處理中心，結合5G 等先進通信技術，實現車路云信息共享，進而解決傳統交通信息的傳輸阻滯、視覺盲區、交通擁堵等難題。目前，中國在單車智能技術路線上與美國相比，仍有較大差距，而采用車路云協同一體化路線則有利于中國在科技領域上彎道超車，實現技術引領。并且對于大規模區域協同控制而言，車路云協同的優勢更加明顯，尤其是對于大量車輛實時協作控制、保證車輛協作通信所需信息與數據的實時性與可靠性等方面的作用更加顯著。所以，基于先進通信技術的車路云協同一體化是未來重要研究方向之一。

3） 混合交通流下ITS研發。

傳統交通流多為非智能化的車輛組成的單一交通流，而隨著自主駕駛技術的突破，有人與無人駕駛車輛組成的混合交通流將在未來很長時間內占據主導地位?；诖?，混合交通模式下的ITS 研究也應隨之增多。如基于混合交通流的車輛協同控制優化，降低交通事故發生率與燃料消耗，提升道路交通安全性與流暢性；針對混合交通流車輛軌跡數據獲取，構建道路交通全樣本數據模型，進行交通狀態預測評估；人機共駕模式下，有人與無人駕駛車輛事故權責分配法律問題研究等。因此，如何在混合交通流下探索ITS 新突破將成為未來研究的重要議題。