从概念和结构体系上讲，车联网（Internet of Vehicles）是物联网的一个子系统，是从物联网衍生出的概念，是物联网在交通工程中的具体实现^［1］。但是，实际上车联网的战略和技术并不是在物联网的框架下产生的，而是智能交通系统（Intelligent Transportation System，ITS）在过去几十年中飞速发展的产物。这项技术已经在西方（美国、欧洲、日本、加拿大等国家）建立起初步框架并有应用个案，车联网并不是现代交通工程中的常见名词，取而代之的是CVIS（Cooperative Vehicle-Infrastructure System）、VICS（Vehicle Information and Communication System）或者Connected Vehicles System^{［2，3，4］}，等等，不一而足。为了切合本书物联网的主题以及概念上的统一，在本文中除了介绍具体项目，均用车联网代替以上概念，不再加以区分。

智能交通系统是在过去的几十年中随着IT技术的高度发展而飞速发展起来的交通工程新产业。它整合了现有交通设施和IT技术，利用IT技术在信息处理和交换方面的优势来推进陆路交通的安全与效率。具体来讲包括减少交通堵塞、降低空气污染，以及提高交通安全运行质量等。但是，当大量的人力、物力、财力被投入智能交通系统的研发和应用之中后，其回报似乎远低于人们的预期，投资者的信心也受到打击。智能交通系统本身似乎走进了一个瓶颈，而这个瓶颈在交通安全方面尤显突出。

（1）在交通安全评估（Safety Evaluation）方面：交通事故率通常都是被用作交通设施安全的评估指标。然而，交通事故的发生非常具有偶然性，触发的因素复杂（包括人为因素、交通流量、道路设计，以及周围环境等），而且数量稀少（相对于交通流量来讲）。通常需要5～10年的时间才能收集到足够数量的交通事故数据，实现可信而且有效的统计分析。但在这5～10年中，很多交通流和交通设施的状况都发生了改变。所以现在更多的学者和工程师竭力寻求利用一种交通事故的替代品（Crash Surrogates），比如交通冲突（Traffic Conflicts）——车辆之间的危险，如果不采取补救措施（比如刹车或者换车道）将导致交通事故发生的事件——来预测交通事故或评估交通设施。这种替代品与交通事故有密切的相关性，并且有很高的发生频率。但是现有智能交通系统还不能提供这种数据，只能在小范围内（比如交通交叉口）利用摄像机或手动收集，并且由于评估准则不同或者人为因素，精度大大降低。虽然微观交通仿真可以获得该类数据，但很难实现仿真世界与现实的一致性，尤其是车辆之间的微观互动方面，所以可信度大大降低。

（2）在交通事故预测（Crash Prediction）方面：传统的交通事故预测通常是通过交通事故率相对于交通流量进行统计回归分析来实现的。尽管现有智能交通系统能提供更完整（囊括各个时段）、更精确（1分钟甚至更短间隔）的交通流数据（包括速度、流量、密度等），传统的模型并不能有效提高交通事故预测的精度，因为这些模型依然是将年平均日流量（AADT）作为独立因子（independent variables）。所以，很多学者和专家都试图从微观的角度来诠释和估测交通事故。比如，将交通冲突作为交通流的替代品来预测交通事故率。交通冲突是车辆之间危险的、可导致交通事故发生的事件，所以交通事故和交通冲突之间的关系更加密切；交通事故一般被看做未能及时避免的交通冲突，所以它们之间相关的形式也更加直接。但是，如前所述，现有智能交通系统不能有效提高这些数据。

（3）在交通事故侦测（Incident Detection）方面：传统的交通事故侦测模型是基于对交通事故后积累的缓慢或阻塞的交通流进行统计分析而获得的。这类交通事故侦测模型，通常误报率非常高，而且交通事故的报告延迟也很多。在现有的智能交通系统中，这类侦测手段经常因为令人无法忍受的高误报率而被弃之不用了。另外，现实中手机的普遍使用让事故所涉及的司机或者周围司机可以比统计模型更快更准确地报告交通事故的发生。

（4）在交通事故防范（Crash Prevention）方面：交通事故的预测以及交通事故的侦测都是被动的手段，它们并不能及时防范交通事故的发生。只有积极防范交通事故的发生才能真正减少人身和财产的损失，这也是交通安全的最终目标。可是，现有的智能交通系统中没有任何有效的交通事故防范手段。这是因为：①交通事故和交通流形式（Traffic Pattern）之间