? 满足对道路资产管理的新需求 ， 与传统道路资产管理的变化主要集中在路面、桥梁、交通控制设施资产的管理需求 。
由于机器驾驶的一致性 ， 几乎所有自动驾驶车辆都会居中行驶 ， 轮印位置几乎一致 。 自动驾驶车辆精准地对同一位置反复碾压 ， 很快就会造成路面的车辙 ， 缩短道路使用寿命 。 并且 ， 自动驾驶车辆对路面的破损或缺陷现象 ， 如坑洞、开裂等 ， 其判断和处理能力也远低于人类 ， 对路面病害位置的反复碾压 ， 会造成路面更大的损坏 ， 反过来也易导致车辆失控 。
道路智慧化需要针对自动驾驶车辆的新特性 ， 引入新的资产管理策略和技术 。 一方面实时通过车路通信告知车辆 ， 改变其行驶轨迹或相互间距 ， 另一方面也要形成新的管理和维护策略来延长道路寿命 ， 降低道路资产的维护成本 。
? 改善 针对机器视觉的交通控制设施 ， 这与机器视觉系统的发现辨别能力要远弱于人类驾驶人有关 。
交通控制设施主要是标志、标线、信号灯 ， 自动驾驶与交通控制设施密切相关 。 人类驾驶人通过视觉发现、跟踪交通控制设施 ， 现有的设施足以完成对驾驶人的信息传递 。
2
提升交通管理平台的数据整合和通信能力；协调其他运输方式 ， 提升门到门的多式联运能力
随着网联车辆的运行模式和商业化逐步成熟 ， 道路智慧化需为其发展提供必要支撑 。 由于网联车辆产生的数据 ， 以及其与外部的交互能力 ， 使道路管理平台既能从网联车辆获得道路的信息 ， 也能将安全的、商业的信息 ， 如施工作业区、灾害天气、交通信号配时、事故信息、拥堵情况等及时推送给网联车辆 ， 使车辆和道路整体能形成更紧密的运输系统 ， 从而提升安全 ， 促进社会公共服务和商业的兴旺 。 而这样的整合 ， 要做许多工作：在制度上 ， 打破不同运输方式及运输相关机构的壁垒 ， 促进道路部门、公交地铁公司、医疗部门、保险公司、车企等数据的流通和共享；在技术上 ， 需要补更多功课 ， 譬如跨部门的数据融合、跨部门运行的协调 ， 以及使得成本可控等 。
以一个类似的系统为例：NHTSA在2000年初 ， 建设了跨部门跨平台的新911报警救援平台 ， 使用了五六年的时间 整合了社会的救援力量和数据 。 网联车辆及其运营模式带来的整合需求 ， 不仅包含911平台的公共部门和社会救援力量 ， 还包括商业平台和不同运输方式 。 无论在技术上还是制度上的整合 ， 都难于新911报警救援平台 。 这意味着 ， 其中的制度、数据的梳理和整合工作 ， 足够让许多道路智慧化工作花费十年的时间 。
数据整合和流程再造是网联车辆兴旺的前提 ， 也是网联车辆需要披荆斩棘必须经历的过程 。 道路智慧化的难题可能还是制度层面上的 ， 人和制度的智慧化才是道路智慧化的中心议题 ， 也是难点 。
道路智慧化要做的功课还有很多 。 中国近几年大力投资发展自动驾驶和网联技术是产业发展的需求 。 突如其来的投资并不代表技术突变 ， 从全球汽车工业发展来看都有历史传承 ， 运输系统也一样 ， 智慧化道路也是如此 ， 有清晰的历史脉络 。 现在全球运输系统升级 ， 出现了种种新运输工具、新商业模式 ， 如MaaS、自动驾驶车辆、网约车等 ， 但其本质并非工程技术 ， 技术在变 ， 人心一直没变 ， 对运输的需求也没有改变 。 而当前的道路智慧化 ， 经常追求大数据化、互联网化和声光电化 ， 而忘记了打动人心才是运输系统发展的原动力 。 如何与人方便 ， 或替用路人省钱 ， 这些才应该是道路智慧化投资的原因 。