1. 项目概述当自动驾驶车辆学会“集体智慧”想象一下你正开车经过一个繁忙的十字路口。红灯亮起你和其他几辆车缓缓停下。如果每辆车都只考虑自己如何最快通过路口结果可能就是混乱的抢行和拥堵。但如果所有车辆连同路口的交通信号灯能像一个整体那样协同思考呢它们可以共同规划出最优的通行顺序和速度让整个路口像交响乐团一样流畅运转。这正是“HONEST-CAV”这个项目试图解决的终极问题。HONEST-CAV全称是“HierarchicalOptimization ofNetworkSignals andTrajectories forConnected andAutomatedVehicles”直译过来就是“面向网联自动驾驶车辆的信号与轨迹分层优化”。这个名字听起来很学术但拆解开来它描绘了一个非常清晰的未来交通图景。核心在于“分层优化”和“网联自动化”。简单说它不再把交通信号控制和车辆驾驶看作两个独立的问题而是通过车辆与车辆、车辆与基础设施的实时通信将它们整合成一个巨大的、动态的优化系统。车辆CAVs的行驶轨迹和路口的交通信号灯配时方案被放在同一个“棋盘”上由一套智能算法进行全局统筹。为什么这很重要传统的交通信号控制无论是固定配时还是基于简单感应线圈的自适应控制都像是“盲人摸象”无法精确感知路口每一辆车的意图和状态。而早期的单车智能自动驾驶虽然能处理复杂的感知和决策但在路口这种需要高度协作的场景下很容易陷入“囚徒困境”——每辆车都做出对自己局部最优但整体次优的决策。HONEST-CAV的野心就是打破这种割裂利用多智能体强化学习赋予整个交通系统一种“集体智慧”。这个项目瞄准的是未来智慧城市交通的“咽喉要道”城市路网中的信号控制交叉口区域。它的目标非常务实在确保绝对安全的前提下最大化通行效率减少平均延误和排队长度、提升能源经济性优化车辆加减速以减少能耗并保证乘坐舒适性。这不仅仅是学术论文里的仿真实验更是走向实际部署的关键一步。对于交通工程师、自动驾驶算法开发者以及智慧城市基础设施的规划者来说理解HONEST-CAV背后的思路和技术路径就如同掌握了开启下一代协同智能交通的钥匙。2. 核心架构分层思想与多智能体强化学习的融合要理解HONEST-CAV必须吃透它的两个核心设计理念分层优化和多智能体强化学习。这两者结合构成了应对复杂交通系统挑战的优雅解决方案。2.1 为什么需要分层解耦复杂性的艺术交通系统是一个典型的“时空耦合”复杂系统。时间上车辆状态瞬息万变空间上多个路口相互影响。如果用一个“巨无霸”式的单一优化模型同时处理所有车辆的轨迹和所有路口的信号其计算复杂度会随着车辆和路口数量的增加而指数级爆炸根本无法实时求解。这就是所谓的“维数灾难”。分层优化正是应对维数灾难的经典策略。HONEST-CAV将整个优化问题分解为两个相对独立但又紧密协作的层次上层网络信号优化层角色相当于“区域交通指挥官”。决策对象一个或多个关联交叉口的交通信号灯配时方案。包括绿灯启亮时间、相位顺序、绿灯时长等。时间尺度相对较慢通常以秒到数十秒为单位进行调整。它关注的是宏观的交通流态势比如各个进口道的车辆排队情况、整体吞吐量需求。目标从区域层面为车辆通行创造有利的“绿波”环境协调不同方向车流的冲突最大化路口群的整体通行能力。下层车辆轨迹优化层角色相当于“单车驾驶教练”。决策对象每一辆网联自动驾驶车辆的纵向加速/减速和横向换道运动轨迹。时间尺度非常快以毫秒到秒为单位进行实时调整。它关注的是微观的车辆动力学、与前车的跟驰距离、与行人的交互等。目标在遵守交通规则和上层信号约束的前提下为每辆车规划出安全、节能、舒适的最优行驶曲线。分层的关键在于“解耦”与“接口”。上层为下层提供一个宏观的“通行时间窗口”约束例如告诉车辆“你在15秒后到达路口时大概率是绿灯”。下层则在这个约束下精细地规划自己的运动并将执行结果如实际到达时间、速度反馈给上层。上层根据下层车辆的集体反馈动态调整信号方案。这种分工使得计算负担得以分摊上层处理低频宏观问题下层处理高频微观问题系统既保持了全局视野又不失局部灵活性。2.2 多智能体强化学习让智能体在协作与竞争中学习确定了分层结构接下来就需要为每一层配备“大脑”。传统的优化方法如模型预测控制MPC严重依赖精确的数学模型而交通系统充满不确定性如人类驾驶车辆的随机性、行人干扰。强化学习特别是多智能体强化学习因其强大的从交互中学习最优策略的能力成为自然的选择。在HONEST-CAV的语境下智能体上层的每个信号控制器可以看作一个智能体下层的每一辆CAV也是一个智能体。环境整个交通仿真环境包括道路结构、车辆流、信号灯状态等。状态每个智能体观察到的局部环境信息。例如对于信号灯智能体状态可能是各车道排队长度、车辆到达率对于车辆智能体状态可能是自身速度、位置、与前车距离、到停车线的距离、当前信号灯状态等。动作智能体做出的决策。信号灯智能体的动作是选择下一相位或调整绿灯时长车辆智能体的动作是加速度值或目标速度。奖励引导智能体学习的“指挥棒”。这是设计的关键。HONEST-CAV的奖励函数通常是多目标的加权组合可能包括效率奖励负的车辆总延误、负的总排队长度。安全奖励避免碰撞例如当车距低于安全阈值时给予大的负奖励。节能/舒适奖励负的加速度变化率jerk或总能耗。协作奖励特别重要为了鼓励智能体协作而非自私竞争需要设计能体现集体利益的奖励。例如车辆智能体可能因为成功组成车队、平滑通过路口而获得额外奖励信号灯智能体可能因为创造了更长的“绿波带”而获得奖励。网络热词“Actor-Attention-Critic for MARL”的切入这正是解决多智能体协作难题的先进算法之一。在标准的Actor-Critic框架中每个智能体有自己的“演员”和“评论家”。但问题在于智能体在决策时往往忽略了其他智能体的策略导致环境非平稳。Attention机制注意力机制的引入允许每个智能体的评论家网络在评估其动作价值时有选择地关注其他相关智能体的状态信息。例如一辆车的评论家网络会更关注它前方和侧方车辆的状态而不是远处无关车辆的状态。这样智能体在学习时就能更好地理解其他智能体的行为意图从而学习出更协作的策略。在HONEST-CAV中上层信号智能体之间、下层车辆智能体之间都可以利用这种注意力机制来提升协同效率。注意奖励函数的设计是MARL项目的“灵魂”也是最大的挑战之一。权重设置不当很容易导致智能体找到“钻空子”的策略。例如如果过于强调效率车辆可能会学习出危险的激进驾驶行为如果只强调安全系统可能过于保守导致效率低下。通常需要大量的仿真调参和课程学习来找到平衡点。3. 系统设计与实现细节拆解纸上谈兵终觉浅我们来深入HONEST-CAV系统的内部看看它是如何被构建和运作的。一个完整的实现通常包含仿真环境搭建、智能体设计、训练流程和部署策略四个核心环节。3.1 仿真环境数字孪生的交通沙盘在真实道路上训练和测试这样的系统是昂贵且危险的因此高保真的仿真环境是首要前提。通常采用“交通仿真器 强化学习接口”的模式。交通仿真器选型SUMO开源、微观、高度可定制是学术研究的首选。它能精确模拟每辆车的跟驰、换道、信号灯响应行为并提供丰富的APITraCI供外部程序控制。VISSIM商业软件在工程界应用广泛模型更复杂但成本高且接口可能不如SUMO灵活。CARLA专注于自动驾驶的高保真仿真包含详细的传感器模型和逼真的渲染但计算开销大更适合感知和单车决策验证对于大规模交通流仿真效率较低。HONEST-CAV的典型选择鉴于需要模拟成百上千辆车和多个路口SUMO因其开源、高效和强大的控制接口成为最普遍的选择。研究者会构建一个包含多个连续交叉口的道路网络设置不同的交通流量OD矩阵作为训练和测试场景。环境与智能体的接口设计这是连接仿真和算法的桥梁。需要自定义一个Env类其核心方法包括reset()初始化仿真重置所有车辆和信号灯状态返回初始观察值。step(actions)接收所有智能体信号灯和CAV的动作将其转换为SUMO指令如设置信号相位、控制车辆速度推进仿真一个步长如0.1秒然后从SUMO读取新的状态车辆位置、速度、排队长度等计算奖励并判断是否结束如仿真时间到。get_observation()为每个智能体构建其观察空间。例如对于车辆智能体观察可能是一个向量[自身速度 距停车线距离 当前信号灯剩余时间 前车距离 前车速度]。对于信号灯智能体观察可能是[各进口道排队车辆数 各车道平均速度]。get_reward()根据当前全局状态计算每个智能体的奖励。3.2 智能体网络架构从感知到决策每个智能体无论是信号灯还是CAV的核心都是一个神经网络它接收观察输出动作。在Actor-Attention-Critic框架下架构更为精巧。Actor网络策略网络输入该智能体的局部观察o_i。输出动作的概率分布离散动作如选择相位或具体的动作值连续动作如加速度。对于车辆输出通常是连续的加速度值范围在[-3, 3] m/s²之间。网络结构通常由几层全连接层组成末端根据动作类型使用Softmax离散或Tanh连续激活函数。Critic网络价值网络 - 融入Attention的关键输入不仅仅是该智能体的观察o_i和动作a_i。为了评估在其他智能体特定策略下该动作的价值Critic需要了解全局信息。Attention机制工作流 a.编码每个智能体将自己的观察o_i通过一个编码器网络共享参数转换成一个特征向量e_i。 b.查询、键、值对于当前智能体i它的特征e_i作为“查询”。所有智能体或一个邻域内的智能体的特征{e_j}分别通过线性层生成“键”和“值”。 c.计算注意力权重计算查询e_i与每个键k_j的相似度如点积通过Softmax归一化得到一组注意力权重α_ij。权重α_ij表示智能体i在决策时对智能体j的关注程度。 d.加权聚合用注意力权重α_ij对所有的值v_j进行加权求和得到一个上下文向量c_i。这个c_i浓缩了其他智能体对i有影响的信息。 e.价值估计最后将智能体i自身的观察o_i、动作a_i和上下文向量c_i拼接起来输入到Critic网络的后几层最终输出动作价值Q_i(o, a_i)。这样做的优势智能体i的Critic在评估时动态地聚焦于与其当前决策最相关的其他智能体而不是平等对待所有智能体或完全忽略它们。这极大地提升了在多智能体环境中价值估计的准确性从而引导Actor学习到更好的协作策略。3.3 分层训练策略分而治之与联合精调训练这样一个分层多智能体系统是极具挑战的。常见的策略是分阶段训练预训练下层车辆轨迹场景在一个固定信号配时如简单定时信号的简单路口进行。目标让车辆智能体先学会基本的跟驰、停车、安全通过路口等技能以及初步的节能驾驶如平滑加减速。方法使用独立的MARL算法如MADDPG、MAPPO训练车辆智能体群。此时信号灯不是智能体只是环境的一部分。预训练上层信号控制场景交通流中的车辆可以是预设行为的“傀儡车”或者使用一个已经训练好的、行为固定的下层车辆策略。目标让信号灯智能体学会根据宏观交通流调整配时缓解拥堵。方法将每个路口信号灯作为一个智能体使用MARL进行训练。它们的动作会改变环境影响车辆通行。分层联合训练这是最关键的阶段。将预训练好的上层和下层策略加载进来同时放开两者的参数进行训练。挑战由于双方都在学习环境对于任何一方都变得非平稳训练可能不稳定。技巧课程学习从简单的交通流量开始逐步增加流量和场景复杂度。目标网络与经验回放使用目标网络来稳定Q值目标并用一个大的经验回放池存储所有智能体的经验(o, a, r, o)打破数据间的相关性。参数共享同类型的智能体如所有车辆可以共享Actor和Critic网络的参数这能大幅提升样本效率和学习稳定性。正则化与探索对策略输出加入熵正则化鼓励探索防止过早收敛到次优解。4. 实操流程与核心代码解析让我们以一个简化的双路口场景为例勾勒出实现HONEST-CAV核心环节的实操步骤和代码片段。假设我们使用SUMO作为仿真器PyTorch搭建神经网络并采用基于Attention的MAPPO算法。4.1 环境搭建与接口实现首先我们需要创建自定义的Gym风格环境。import traci import sumolib import numpy as np from gym import Env, spaces class HonestCAVEnv(Env): def __init__(self, sumo_cfg, net_file, simulation_steps3600, step_length0.1): self.sumo_cfg sumo_cfg self.net_file net_file self.simulation_steps simulation_steps self.step_length step_length self.current_step 0 # 初始化SUMO连接 traci.start([sumo, -c, self.sumo_cfg, --step-length, str(self.step_length)]) self.net sumolib.net.readNet(net_file) # 定义智能体假设有2个信号灯和N辆CAV self.tl_ids [J1, J2] # 两个路口信号灯ID self.controlled_vehs [] # 将被RL控制的CAV车辆ID列表 # 定义观察和动作空间 # 信号灯观察每个进口道排队长度4个方向 self.tl_obs_dim 4 * 4 # 假设每个路口4个进口道每个进口道4个数据排队数平均速度等 # 车辆观察速度位置到停车线距离前车信息信号灯状态 self.veh_obs_dim 8 # 信号灯动作离散选择下一个相位0, 1, 2, 3 self.tl_action_space spaces.Discrete(4) # 车辆动作连续加速度 [-3, 3] m/s² self.veh_action_space spaces.Box(low-3.0, high3.0, shape(1,), dtypenp.float32) # 全局状态存储 self.observations {} self.rewards {} def reset(self): traci.load([-c, self.sumo_cfg]) self.current_step 0 self.controlled_vehs self._discover_cavs() # 发现当前仿真中所有CAV return self._get_all_observations() def step(self, actions_dict): # actions_dict: {tl_J1: phase_idx, tl_J2: phase_idx, veh_0: acc, ...} # 1. 执行动作 for tl_id, phase in actions_dict[tls].items(): traci.trafficlight.setPhase(tl_id, phase) for veh_id, acc in actions_dict[vehs].items(): current_speed traci.vehicle.getSpeed(veh_id) new_speed max(0, current_speed acc * self.step_length) # 简单运动学 traci.vehicle.setSpeed(veh_id, new_speed) # 2. 推进仿真 traci.simulationStep() self.current_step 1 # 3. 获取新观察 next_obs self._get_all_observations() # 4. 计算奖励 rewards self._calculate_rewards() # 5. 检查是否结束 done (self.current_step self.simulation_steps) # 6. 可选的额外信息 info {} return next_obs, rewards, done, info def _get_all_observations(self): obs {tls: {}, vehs: {}} # 获取信号灯观察 for tl_id in self.tl_ids: obs[tls][tl_id] self._get_tl_observation(tl_id) # 获取车辆观察 for veh_id in self.controlled_vehs: obs[vehs][veh_id] self._get_veh_observation(veh_id) return obs def _calculate_rewards(self): rewards {tls: {}, vehs: {}} total_delay 0 total_stops 0 # 计算全局指标 for veh_id in traci.vehicle.getIDList(): speed traci.vehicle.getSpeed(veh_id) max_speed traci.vehicle.getMaxSpeed(veh_id) if max_speed 0: delay 1 - (speed / max_speed) # 简单的延误计算 total_delay max(0, delay) if speed 0.1: total_stops 1 # 信号灯奖励负的总延误鼓励提高效率 global_reward_tl -total_delay for tl_id in self.tl_ids: rewards[tls][tl_id] global_reward_tl # 共享全局奖励鼓励协作 # 车辆奖励组合奖励 for veh_id in self.controlled_vehs: speed traci.vehicle.getSpeed(veh_id) acc traci.vehicle.getAcceleration(veh_id) leader_info traci.vehicle.getLeader(veh_id) # 效率奖励速度越高越好 r_efficiency speed / 30.0 # 归一化 # 安全惩罚跟车距离太近 r_safety 0 if leader_info: dist leader_info[1] if dist 5: # 安全距离阈值 r_safety -10.0 # 舒适惩罚加速度变化剧烈 r_comfort -0.01 * (acc ** 2) rewards[vehs][veh_id] r_efficiency r_safety r_comfort return rewards def close(self): traci.close()4.2 注意力Critic网络实现以下是带有Attention机制的Critic网络的一个简化版PyTorch实现。import torch import torch.nn as nn import torch.nn.functional as F class AttentionCritic(nn.Module): def __init__(self, input_dim, action_dim, n_agents, hidden_dim128, attend_heads2): super(AttentionCritic, self).__init__() self.n_agents n_agents self.attend_heads attend_heads # 编码器将每个智能体的原始观察编码为特征 self.encoder nn.Sequential( nn.Linear(input_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, hidden_dim) ) # 注意力层多头注意力 self.attention nn.MultiheadAttention(embed_dimhidden_dim, num_headsattend_heads, batch_firstTrue) # Q值计算层 # 输入自身观察 自身动作 注意力聚合的上下文 self.q_net nn.Sequential( nn.Linear(hidden_dim action_dim hidden_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, 1) # 输出Q值 ) def forward(self, observations, actions, agent_maskNone): # observations: [batch_size, n_agents, input_dim] # actions: [batch_size, n_agents, action_dim] # agent_mask: [batch_size, n_agents, n_agents] 用于屏蔽无效智能体如已离开的车辆 batch_size observations.size(0) # 1. 编码所有智能体的观察 encoded_obs self.encoder(observations) # [batch, n_agents, hidden_dim] # 2. 应用多头注意力 # 在注意力中query, key, value 都来自 encoded_obs # 我们为每个智能体计算其关于其他智能体的上下文 attn_output, attn_weights self.attention(encoded_obs, encoded_obs, encoded_obs, key_padding_maskagent_mask if agent_mask is not None else None) # attn_output: [batch, n_agents, hidden_dim] # 每个智能体的上下文向量 # 3. 为每个智能体计算Q值 q_values [] for i in range(self.n_agents): # 拼接自身编码特征 自身动作 自身上下文 individual_input torch.cat([encoded_obs[:, i, :], actions[:, i, :], attn_output[:, i, :]], dim-1) q_i self.q_net(individual_input) # [batch, 1] q_values.append(q_i) q_values torch.stack(q_values, dim1).squeeze(-1) # [batch, n_agents] return q_values, attn_weights # 返回Q值和注意力权重可用于分析4.3 分层训练主循环伪代码训练流程体现了分层和MARL的结合。# 伪代码展示核心训练逻辑 def train_hierarchical_marl(env, tl_agents, veh_agents, episodes10000): for episode in range(episodes): obs env.reset() episode_reward 0 while not done: # 1. 分层决策 tl_actions {} for tl_id, tl_agent in tl_agents.items(): tl_obs obs[tls][tl_id] tl_action tl_agent.choose_action(tl_obs) # 上层决策 tl_actions[tl_id] tl_action veh_actions {} for veh_id, veh_agent in veh_agents.items(): veh_obs obs[vehs][veh_id] veh_action veh_agent.choose_action(veh_obs) # 下层决策 veh_actions[veh_id] veh_action actions_dict {tls: tl_actions, vehs: veh_actions} # 2. 环境交互 next_obs, rewards, done, info env.step(actions_dict) # 3. 存储经验分别存入信号灯和车辆的经验回放池 for tl_id, tl_agent in tl_agents.items(): tl_agent.memory.push(obs[tls][tl_id], tl_actions[tl_id], rewards[tls][tl_id], next_obs[tls][tl_id], done) for veh_id, veh_agent in veh_agents.items(): veh_agent.memory.push(obs[vehs][veh_id], veh_actions[veh_id], rewards[vehs][veh_id], next_obs[vehs][veh_id], done) obs next_obs episode_reward sum(sum(r.values()) for r in rewards.values()) # 粗略计算 # 4. 分层学习每隔一定步数或每个episode后 if episode % learn_interval 0: # 上层信号灯智能体学习 for tl_agent in tl_agents.values(): tl_agent.learn() # 下层车辆智能体学习 for veh_agent in veh_agents.values(): veh_agent.learn() # 5. 可选课程学习逐步增加交通流量 if episode % curriculum_interval 0 and episode 0: env.increase_traffic_demand()实操心得在实现时一个常见的坑是智能体标识ID的动态性。仿真中车辆不断生成和消失导致veh_agents字典的键值对不断变化。处理方法是使用一个管理器为每一辆新生成的CAV动态创建一个智能体对象并在车辆离开仿真后将其标记为“休眠”或从训练中暂时移除同时将其经验保留在共享的回放池中供其他智能体学习。这比固定智能体数量的设定要复杂但更贴近现实。5. 挑战、对策与未来展望尽管HONEST-CAV框架前景广阔但在从仿真走向现实的路上布满荆棘。理解这些挑战并知晓可能的解决方向对于任何想在此领域深耕的人都至关重要。5.1 核心挑战与应对策略可扩展性问题挑战智能体数量车辆可能成百上千导致观察空间、动作空间和通信开销巨大训练难以收敛。对策参数共享与平均场所有同类型CAV共享同一套网络参数。或者采用平均场理论将其他所有车辆的影响近似为一个“平均场”从而简化交互。分层与抽象HONEST-CAV本身的分层就是一种扩展性设计。更进一步可以将车辆分组如车队以车队为智能体进行决策。图神经网络将交通网络建模为图车辆和路口作为节点使用GNN来聚合邻居信息能更高效地处理不规则拓扑结构和变化的智能体数量。通信可靠性与现实约束挑战仿真中假设完美、零延迟的通信。现实中V2X通信存在延迟、丢包和带宽限制。对策在训练中引入通信噪声在仿真环境中模拟通信延迟和丢包让智能体学会在信息不完整的情况下做出鲁棒决策。预测与补偿智能体不仅接收当前状态还运行一个预测模型对其他智能体的未来状态进行短期预测以补偿通信延迟。部分可观马尔可夫决策过程将问题正式建模为POMDP使用递归网络如LSTM来维护对隐藏状态的估计。混合交通流Human-Driven Vehicles, HDVs挑战未来很长一段时间内道路将是CAV与人工驾驶车辆混行的局面。HDV的行为难以预测、不服从全局优化指令。对策行为建模与预测使用机器学习模型如LSTM、GMM从数据中学习HDV的驾驶行为模型并将其作为环境动态的一部分。逆强化学习从HDV的轨迹中反推出其潜在的奖励函数从而理解其意图使CAV能更好地与之交互。稳健性训练在仿真中随机化HDV的行为模型参数如攻击性、反应时间让CAV策略学会应对各种类型的“人类司机”。安全验证与保障挑战基于学习的策略是“黑箱”难以提供形式化的安全保证。对策安全层/防护罩在RL策略的输出动作之上增加一个基于规则或优化模型的安全校验层。例如使用控制屏障函数来确保所有动作都不会导致碰撞。形式化验证对训练好的策略网络进行抽象解释或可达性分析验证其在特定状态集合内是否始终满足安全属性。模拟压力测试在仿真中构建海量的、极端的长尾场景进行测试尽可能暴露策略的脆弱点。5.2 性能评估与基准测试如何判断你的HONEST-CAV系统是有效的需要一套全面的评估指标通常在与基线方法的对比中呈现效率指标平均行程时间车辆通过目标区域所需时间的平均值。平均速度区域内所有车辆的平均行驶速度。总吞吐量在特定时间段内通过关键断面的车辆总数。排队长度路口各进口道最大排队车辆数或平均排队长度。安全指标冲突次数使用冲突指标如TTC, Time to Collision统计潜在危险交互的次数。急刹车/急加速频率加速度绝对值超过阈值的次数。环保与舒适度指标总燃油消耗/碳排放通过车辆能耗模型估算。加速度变化率Jerk的平均值或超过舒适阈值的次数。基线方法固定配时信号传统的定时信号控制。感应信号控制基于线圈或视频检测的自适应信号。独立强化学习信号控制仅优化信号车辆使用跟驰模型。无协同的CAVCAV仅进行单车优化不考虑信号或其他车辆协作。一个成功的HONEST-CAV系统应当在上述多数指标上尤其是效率和安全的平衡上显著优于这些基线方法。5.3 从仿真到现实部署路径思考最终的落地不会一蹴而就可能会遵循一个渐进式的路径仿真-在环验证在高保真仿真中如结合SUMO和CARLA完成核心算法的开发和验证这是目前研究的主要阶段。车辆-在环与硬件-在环将训练好的策略部署到真实的车辆控制器或信号机硬件中在实验室环境下与仿真环境进行实时交互测试。封闭场地测试在自动驾驶封闭测试场用少量真实CAV和改造的信号灯进行小规模实车测试。开放道路试点选择一条条件较好的城市道路或园区进行有限范围的公开测试。初期可能以“影子模式”运行即系统只做决策建议而不实际控制同时收集人类驾驶员的决策数据进行对比和学习。大规模推广随着技术成熟、法规完善和成本下降逐步扩大应用范围。我个人在实际操作中的体会是仿真与现实的“鸿沟”依然是最大的障碍。在仿真中表现优异的策略面对真实世界传感器噪声、通信不确定性、复杂的人类行为时性能可能会急剧下降。因此在仿真阶段就尽可能多地引入现实世界的噪声和不确定性进行训练以及发展Sim2Real技术如域随机化、域自适应是缩小这一鸿沟的关键。此外项目的成功不仅依赖于算法本身还需要交通工程、通信工程、车辆工程等多学科的紧密协作。HONEST-CAV不仅仅是一个算法项目它更像是一个系统性工程是通往未来高效、安全、协同交通生态的一块重要基石。