一、系统概述与行业研发背景
随着自动驾驶技术从单车智能(Stand-alone Autonomous Driving)迈向车路云协同(C-V2X / V2X-SimCloud),单靠车载激光雷达、摄像头面对超视距盲区遮挡(如“鬼探头”、十字路口转弯视野死角、恶劣雨雪大雾)时存在天然感知短板。车路协同技术通过路侧智能基站 (RSU)、微边缘计算 (MEC) 与云端协同调控,实现超视距 300 米信息前馈、绿波速度引导 (GLOSA) 及多车编队协同 (CACC)。
本项目【智能网联汽车车路云协同与自动驾驶虚拟仿真中台】采用行业前沿的 Vue 3.5 + Spring Boot 3.2 + WebGL/Three.js 架构,打造了集三维高精全息沙盘、OpenSCENARIO 极端危险工况场景库、C-V2X 国标报文监听解析、多车紧凑编队巡航及云端 5G 远程接管于一体的三端高可信协同体系,全面赋能国家级智能网联汽车先导区、主机厂研发中心与高等科研院所。
二、三端一体化高保真架构全景
- 电脑端自动驾驶虚拟仿真工作台 (PC Portal): 算法与调度主阵地。集成 WebGL 三维车路协同沙盘、OpenSCENARIO 场景库、C-V2X 协议抓包、车辆编队协同、云控应急接管及算法效能雷达看板。
- 车路云运筹中枢大屏 (Admin Console): 示范区宏观管控中心。涵盖示范区全域态势驾驶舱、路侧 RSU 感知设备台账、边缘 MEC 算力调度池、高精地图数字资产中心及通信链路安全审计日志。
- 车载移动端/手机智慧终端 (Mobile PWA): 车主与安全员触达端。提供实时车联网态势主页、绿波车速引导 (GLOSA)、盲区碰撞预警 (BSW/VRUCW) 与车载 OBU 硬件健康诊断。
三、PC 电脑端核心业务工作台 (PC Portal,6 核心视图)
1. WebGL 三维车路协同全息孪生沙盘 (/portal/twin-scene)

核心业务价值:基于 Three.js 动态渲染十字路口车流与路侧设施。支持鸟瞰、追随与路侧多视角漫游,动态着色激光雷达感知圆锥与红绿灯 SPAT 相位,提供超视距碰撞时间 (TTC) 预警及紧急制动联动。
2. OpenSCENARIO 自动驾驶虚拟仿真场景库 (/portal/scenarios)

核心业务价值:基于 OpenSCENARIO 2.0 规范,纳管雨雾行人鬼探头、匝道强行切入等 8 组高危 Corner Cases,支持单日百万公里级并发推演与算法通过率评定。
3. C-V2X 智能车路网联协议深度抓包与解析 (/portal/v2x-protocol)

核心业务价值:毫秒级监听 PC5/Uu 空口报文流(BSM/RSM/SPAT/MAP/RSI),支持 ASN.1 结构化逐层解析与 Wireshark PCAP 文件无损导出。
4. 智能网联车辆编队协同与自适应巡航 (CACC) (/portal/platooning)

核心业务价值:高速多车紧凑编队巡航控制,展示车间时距 (0.6s) 压缩策略、气动阻力节油率 (16.8%) 与微秒级加速度前馈同步。
5. 云端协同应急接管与 5G 远程驾驶控制台 (/portal/takeover)

核心业务价值:L3/L4 传感器突发失效时云端低时延平稳接管,呈现 4K 前视低延迟流媒体、底盘响应时延曲线与司法级存证哈希流水。
6. 仿真测试效能多维评估看板 (/portal/metrics)

核心业务价值:算法版本对比雷达图、Jerk 乘员舒适度冲击曲线及 MPI 脱离间隔统计,指导自动驾驶模型工程化闭环迭代。
四、示范区车路云运筹中枢 (Admin Console,5 核心模块)
7. 示范区车路云全局运筹态势大屏 (/admin/dashboard)

核心业务价值:国家级先导区宏观指挥舱,监控全区 84 辆网联车、88.4% 绿波通行免停率、全天交通流向曲线及预警事件类型分布。
8. 路侧智能基础设施 (RSU/Lidar/Radar) 设备台账 (/admin/devices)

核心业务价值:管理 48 处路侧感知与通信基站,监控静态 IP、覆盖半径、当日吞吐与零丢包健康指标。
9. 边缘计算 (MEC) 算力调度与协同推理池 (/admin/mec-nodes)

核心业务价值:管理多枢纽机房的 Orin / 昇腾 NPU 推理算力池,保障雷视融合时延 < 8ms 与多节点负载均衡。
10. 高精地图 (HD Map) 与路网拓扑资产中心 (/admin/hd-maps)

核心业务价值:纳管 OpenDRIVE / Lanelet2 车道级高精拓扑,支持动态施工绕行标牌广播下发。
11. 通信链路与网络安全防护日志 (/admin/audit-logs)

核心业务价值:国密 SM2/SM3/SM4 证书验签体系、信令延迟异常波动监测与伪造防重放攻击拦截审计。
五、移动端受试者招募门户 (Mobile PWA,4 核心场景)




图:移动端依次为【车联主页】、【绿波车速引导 (GLOSA)】、【盲区预警主动防御】与【车载 OBU 终端诊断】
六、核心技术源码与关键算法实现解析
1. Spring Boot 3.2 CACC 车辆协同编队分布式间距控制器与阻力能耗计算核心算法
// Spring Boot 3.2 CACC 车辆协同编队分布式间距控制器与阻力能耗计算核心算法
package com.v2x.simulation.service.impl;
import com.v2x.simulation.model.PlatoonVehicle;
import org.springframework.stereotype.Service;
@Service
public class CaccPlatoonServiceImpl {
private static final double TARGET_TIME_GAP = 0.60; // 目标车间时距 0.60s
private static final double STANDSTILL_DISTANCE = 5.0; // 静止最小安全间距 5m
/**
* 计算跟驰车辆期望加速度与节油阻力衰减率
*/
public double calculateDesiredAcceleration(PlatoonVehicle leader, PlatoonVehicle follower) {
double relativeSpeed = leader.getSpeed() - follower.getSpeed();
double actualDistance = leader.getPositionZ() - follower.getPositionZ();
double desiredDistance = STANDSTILL_DISTANCE + follower.getSpeed() * TARGET_TIME_GAP;
// 分布式 CACC 控制律: 速度误差 + 间距误差前馈
double k_v = 0.45;
double k_d = 0.25;
double a_des = leader.getAcceleration() + k_v * relativeSpeed + k_d * (actualDistance - desiredDistance);
// 车辆执行机构加速度饱和限幅 (-4.0m/s^2 到 +2.5m/s^2)
return Math.max(-4.0, Math.min(2.5, a_des));
}
}
2. Vue3 + Three.js WebGL 车路协同高精十字路口动态建模与车辆粒子轨迹渲染
// Vue3 + Three.js WebGL 车路协同高精十字路口动态建模与车辆粒子轨迹渲染
import * as THREE from 'three'
export function initV2xSandbox(container) {
const scene = new THREE.Scene()
scene.background = new THREE.Color(0xf1f5f9)
const camera = new THREE.PerspectiveCamera(50, container.clientWidth / container.clientHeight, 0.1, 1000)
camera.position.set(0, 80, 110)
camera.lookAt(0, 0, 0)
const renderer = new THREE.WebGLRenderer({ antialias: true })
renderer.setSize(container.clientWidth, container.clientHeight)
container.appendChild(renderer.domElement)
// 建立十字路口路面几何与 RSU 感知半透明圆锥体
const roadMat = new THREE.MeshLambertMaterial({ color: 0x334155 })
const road = new THREE.Mesh(new THREE.PlaneGeometry(300, 24), roadMat)
road.rotation.x = -Math.PI / 2
scene.add(road)
const coneGeo = new THREE.ConeGeometry(24, 20, 32)
const coneMat = new THREE.MeshBasicMaterial({ color: 0x06b6d4, wireframe: true, transparent: true, opacity: 0.35 })
const lidarCone = new THREE.Mesh(coneGeo, coneMat)
lidarCone.position.set(16, 10, 16)
scene.add(lidarCone)
return { scene, camera, renderer, lidarCone }
}
七、项目总结与商业化落地价值
本平台立足自动驾驶算法研发与智慧城市新基建的战略结合点,打破了单车智能在超视距环境下的感知瓶颈,提供从底层仿真、国标协议解析到多端交互的一体化工程范例。全套源码架构严谨完备,涵盖详尽的 PRD.md 与丰满的 Mock 实体数据,不仅是主机厂、示范区管理方与自动驾驶方案商的生产力工具,更为高校物联网工程、智能车辆工程专业提供了顶级的工业级教学实训标杆。
