高速公路车路协同自动驾驶条件及技术研究（下）

2019-02-08 14:02 作者：来源：杨晓寒智慧高速公路浏览：221 我要评论

四、高速公路车路协同自动驾驶技术实现
单纯的LTE-V通信绝不等同于车路协同自动驾驶。只有按照对应的自动驾驶级别，通过LTE-V通信对智能车提供充分路侧信息，才构成完整的车路协同自动驾驶系统。
涉及自动驾驶等级不同，车路协同感知系统构成细节也略有不同。在技术实现方面，本文从普遍信息系统构成的感知层、信息传输层、信息处理层、信息安全四个层面分别对车路协同自动驾驶技术在高速公路应用的个性化特点进行分析，理清车路协同自动驾驶系统建设与现有智慧高速建设的区别与关联，以便更好地实现高速公路车路协同自动驾驶。

▲高速公路车路协同自动驾驶系统总体框架

1、信息感知层
    同样作为感知层，自动驾驶技术感知区别于高速公路机电系统感知主要有四方面：一是目标方面，机电系统是为路段分中心监控服务，感知所采集信息是为了在路段监控大厅还原外场实时运行状况；车路协同感知是为某一区域内车辆服务，所采集的信息用来提升该场景下的行驶安全性和道路运行效率。二是信息传递方面，机电系统是将数据和信息传递给监控分中心；车路协同系统主要是为了将信息传递给车。三是信息构成方面，机电系统是为了管理人员直观了解道路运行状况，多采用视觉等技术手段；车路协同系统是为了使车理解道路场景和实时变化，一般采用综合感知技术，感知场景内所有移动物体的运动特性，并对具有安全风险的车辆作特别的信息提示或控制措施；四是信息量承载方面，机电系统一般采用光纤作为信息传送介质，可以有效传输有助于人理解路况的大带宽业务；车路协同通过无线通信，其上、下行信道带宽有限，只能传递少量的信息。
    这些区别，是造成车路协同感知层的与机电系统在感知层实现方式不同的根本原因。例如，视频作为感知手段，可以在监控室大屏上完全重现前端场景视觉变化细节。但这些对于车辆来说，要提取语义级信息非常困难，需要庞大的运算资源去处理，并且也不能保证获得足够准确的信息去支持自动驾驶，更可能的状况是车载计算机直接被大量数据流所阻塞。再例如全向雷达信息对场景内运动物体或静止物体扫描，可以得到一整套道路实时运行状况数据，并且能够对车辆运动特性进行感知。这样一套系统在高速公路监控分中心通过仿真技术还原成监控或应急指挥人员理解的视觉信息，既需要大量的计算资源，又需要高昂的模拟软件费用。如果这项技术用到车路协同感知系统，则需要通过一些处理使得传递的数据较小，让车以更广阔视野理解场景全貌，消除车辆自身视角和感应盲区造成的安全隐患。总体来说，车路协同的感知结果将直接用于对车辆行驶行为的干预和控制，感知和控制具有即时性需要，感知和处理本身就是应用，不同于机电系统旁站监看时延容忍较高模式。
    作为路侧的车路协同感知系统，有两个重要方面，一个是为运行车辆提供特定场景的静态或准静态信息如桥梁、急弯、长大下坡、出入口、施工封道等信息提示；二是在路侧以观察者视角为车辆提供场景内运行实时动态信息，如影响本场景的交通事故信息、周边车辆及行人运动信息、在特定场景下通过运行方向和车速判断发生事故的可能性并定向对目标车辆提前发布预警等。前者完全可通过智慧高速公路感知系统及信息平台提供基础信息，后者则需要特定的感知设备并需要结合场景进行计算处理才能得到相应信息。特别是为了达到实时动态预警，路侧的感知设备则需要在扫描频率上、感知信号的全面覆盖方面达到相应的要求。需要指出的是，LTE-V通信作为车路互联的纽带，在智能车充分发展时也可以视为车辆速度感知系统的一部分。
2、信息传输层
    车路协同自动驾驶首先是车与路侧设备的通信，这部分布设LTE-V路侧基站即可实现车与路侧基站的通信，车载OBU可以通过pc5空口实现车与车的通信。其次，由于uu口所能承载的信息量有限，基站之间的信息交互、路侧感知层和车路协同通信的结合、高速公路监控分中心信息平台与路侧通信的结合等均需要更大带宽的专网传输网络才能承载，并且各类业务应按照所瞄准的控制目标对其采集频度、处理、传输时延、带宽需求进行定量分析，用以确定数据传输方案。
3、信息处理层
    原始数据很难被车辆或系统直接理解，必须经过分析、处理和组织才能获得语义级的信息。例如，两部车辆的速度很容易被测量，但两车是否会发生碰撞的问题，则需要根据两车的运动特征建立模型处理、分析数据才能判断回答。
    车路协同信息处理的核心问题是在路侧还是在中心（或云端）进行数据处理和信息提取。从计算资源部署及计算能力考虑，中心处理具有优势。而从反应及时性、个性化场景的适应性方面，路侧的边缘计算无疑是较优选择。在路侧的计算应与中心（或云端）在数据模型、数据结构、结果信息表达等方面具有兼容一致性，边缘计算作为中心计算（或云计算）的一个子集存在，这对于构建一个完整的信息系统来说非常必要。而在可行性方面，通过整体架构设计和数据规划，边缘计算和云计算可以分工协同实现对车路协同自动驾驶服务。
4、信息安全
    车路协同自动驾驶的信息安全除了基本的网络安全外，主要是身份认证和互信问题。身份认证问题可以通过密钥管理系统来解决，而系统及终端的互信需要通过更多互通测试和技术约定来建立。

五、高速公路车路协同自动驾驶展望
    从技术实现方式上看，车路协同自动驾驶系统将车辆的私有及普遍性和基础设施的公用和特定性区分开来，各自实现智能化，再通过协同通信，构成数字化运行的自动驾驶环境，这无疑有着较高的可实现度。通过车路协同自动驾驶，高速公路有望在高安全性、极速通行、精细管理、全天候通信、完全自由流等五方面实现突破。

▲高速公路车路协同自动驾驶助力高速公路实现突破

1、高安全性——零死亡目标的追求
    自动驾驶车辆可以通过驾驶行为的规范化、车路协同感知全面化等技术手段，使高速运行的车辆安全制动，大幅度缩短减速反应时间与滑行距离。这样，首先可以大幅度降低交通事故的发生率，其次在事故发生时，保证零死亡。
虽然非自动驾驶车辆不能实现驾驶行为的规范化，但可以通过大数据画像对其驾驶行为达到部分预期，通过完善的路侧感知技术对其识别，自动驾驶车辆与其相遇时，可通过调整车距等策略预防事故的发生。
2、极限速度运行——良好状况下突破每小时120公里的限制
    目前高速公路车速限速在每小时120公里以内，其基本依据来源于最小车距约束、驾驶员的感知和反应时间以及车辆制动时间三方面。在自动驾驶技术条件下，感知和反应时间必然会大大缩短，因此在相同的最小车距约束下，自动驾驶车辆必然可以以更高的速度运行，有可能在保障安全的条件下突破非自动驾驶条件下的速度限制。
3、精细化管理——速度管控和车道级管理
    车辆的能源大多消耗在非匀速运行环节，匀速运行的车辆不仅能降低每公里的能源消耗，也能减轻车辆的磨损。而且，自动驾驶车辆匀速行驶在特定场景下运行也更容易建模计算，可预测性更强，因此尽可能让自动驾驶车辆在高速公路上保持匀速行驶将是自动驾驶技术繁荣时宏伟景观。而做到这一点，分车道的管控就很有必要。在车路协同自动驾驶发达时，分车道管控也将具备实现基础。
4、全天候通行或准全天候通行——雨、雪天不封路
    在恶劣气象条件下，高速公路采取封路措施一直为社会舆论所诟病。对高速公路封路提出批评的理由在于普通公路行驶条件远远低于高速公路，却在恶劣条件下并不封路，结合高速公路公共属性，这类批评无疑对高速公路运营管理方形成较大的压力。但由于运行在高速公路上的私有车辆行为难以控制，安全问题无法妥善解决，在暴雨及大雪天气下相关部门不敢冒安全风险让车辆自由进入高速公路。当自动驾驶处在L4及以上级别时，结合速度与分车道管控，自动驾驶车辆最有可能不受恶劣气象条件影响，通过降速运行等方式较为安全地运行在路面未遭受毁坏的高速公路上。这对国计民生以及高速公路使用效率来说均是重要突破方向。
5、完全自由流——全面的信用体系
    通过推动车路协同自动驾驶，逐步建立基于车辆的信用体系，可以杜绝套牌车的出现，实现基于信用体系的完全自由流，并用以辅助完善全社会范围信用体系，构建“安全、便捷、高效、绿色、经济”的新时代交通体系。

参考文献：

[1] 石娟, 秦孔建, 郭魁元. 自动驾驶分级方法及相关测试评价技术研究[J]. 汽车工业研究, 2018(7).
[2] 张辉, 庄文盛, 杨永强,等. 车路协同系统中的车辆精确定位方法研究[J]. 公路交通科技, 2017, 34(5):137-143.
[3] 陈超, 吕植勇, 付姗姗,等. 国内外车路协同系统发展现状综述[J]. 交通信息与安全, 2011, 29(1):102-105.
[4] 方芳, 兰琛, 范全放,等. 几种常见车路协同通信技术的比较研究[C]// 中国智能交通年会大会. 2016.

上一篇：高速公路车路协同自动驾驶条件及技术研究（上）

下一篇：2018年度交通运输行业重点科技项目清单发布，自动驾驶为首要方向