智能車的智能指揮與控制:基本方法與系統(tǒng)結(jié)構(gòu)

劉騰　于會(huì)龍　田濱　艾云峰　陳龍

汽車自動(dòng)化和網(wǎng)聯(lián)化,作為未來人工智能的重要分支,可以提高道路交通的安全性及通行效率,極大地改變?nèi)藗兊纳畛鲂蟹绞?將成為未來數(shù)年最重要的先進(jìn)技術(shù)之一[1?2].從20世紀(jì)開始,在當(dāng)代的交通系統(tǒng)的研究中,學(xué)者們通過先進(jìn)的電子信息技術(shù)和日趨成熟的傳感技術(shù)來迅速地升級(jí)傳統(tǒng)車的自主駕駛能力,從而提高車輛的智能化水平[3].網(wǎng)聯(lián)自動(dòng)駕駛智能車是智能技術(shù)發(fā)展的技術(shù)前沿,具有巨大的社會(huì)意義和市場潛力[4].

平行駕駛是ACP理論方法(人工系統(tǒng)(A)、計(jì)算實(shí)驗(yàn)(C)和平行執(zhí)行(P))在自動(dòng)駕駛領(lǐng)域的應(yīng)用,平行駕駛將是新一代智能車的智能指揮與控制技術(shù)[5].基于平行駕駛的智能車可大大降低車輛成本,并有效解決現(xiàn)階段智能車安全性問題,使智能車的自主駕駛行為變得可測、可控,提高了車輛系統(tǒng)對(duì)環(huán)境的快速反應(yīng)性,減少交通擁堵及整體協(xié)同程度,減少因疲勞駕駛等原因?qū)е碌慕煌ㄊ鹿蔥6].

基于平行駕駛的智能車指揮與控制系統(tǒng)是物理定義的真實(shí)車與軟件定義的虛擬車的聯(lián)合[7].它是將車路傳感器的物理信號(hào),人的信號(hào)、以及各種開源信息(社會(huì)信號(hào))嵌入到系統(tǒng)中,通過數(shù)據(jù)優(yōu)化,將單車智能迅速擴(kuò)展到車聯(lián)網(wǎng)的協(xié)同智能上,實(shí)現(xiàn)車與車、車與路、車與人的網(wǎng)絡(luò)化發(fā)展.該系統(tǒng)將綜合運(yùn)用中心控制、網(wǎng)絡(luò)通信、大數(shù)據(jù)分析、機(jī)器學(xué)習(xí)、人工智能等關(guān)鍵技術(shù),把中心控制臺(tái)、智能道路及平行智能車實(shí)時(shí)互動(dòng)連接起來,最終實(shí)現(xiàn)車路互動(dòng)、多車協(xié)同、平行操控、安全行駛.

智能車指揮與控制平臺(tái)由遙控平臺(tái)、物理智能車平臺(tái)和平行管控平臺(tái)組成.平行管控平臺(tái)負(fù)責(zé)監(jiān)控和引導(dǎo)物理智能車的運(yùn)行,遙控平臺(tái)負(fù)責(zé)請(qǐng)求或緊急情況下接管物理智能車.通過以上子系統(tǒng)的統(tǒng)一協(xié)調(diào)調(diào)度,實(shí)現(xiàn)平行智能車在線上和線下的交互,從而改善交通擁堵、減少交通事故、提高交通效率及安全性.

1　基于ACP的平行駕駛框架

1.1　信息物理社會(huì)系統(tǒng)

信息物理社會(huì)系統(tǒng)(Cyber-Physical-Social Systems,CPSS)是在信息物理系統(tǒng)的基礎(chǔ)上,進(jìn)一步納入社會(huì)信息、虛擬空間的人工系統(tǒng)信息,將社會(huì)網(wǎng)絡(luò)系統(tǒng)也納入到研究的范圍[8],其基本構(gòu)成如圖1所示.該系統(tǒng)包括環(huán)境感知信息、人類行為信息和網(wǎng)絡(luò)信息,為物理系統(tǒng)賦予了良好的控制、計(jì)算、自治和協(xié)作功能[9].

社會(huì)物理信息系統(tǒng)中的C可以代表兩個(gè)系統(tǒng),即物理世界中的信息系統(tǒng)和軟件定義的虛擬人工世界.P則是指傳統(tǒng)物理系統(tǒng).而S則包括人類社會(huì)系統(tǒng)和類比物理系統(tǒng)構(gòu)建的虛擬人工系統(tǒng).該系統(tǒng)通過通信、大數(shù)據(jù)分析和機(jī)器學(xué)習(xí)等手段來獲取系統(tǒng)輸出,同時(shí)能夠遍歷物理系統(tǒng)中不能經(jīng)常遇到的場景和狀態(tài),通過改變系統(tǒng)輸入的方式來變換系統(tǒng)的形態(tài),從而得到不同的輸出,用于指導(dǎo)實(shí)際系統(tǒng)的運(yùn)行和操作.

圖1　信息物理社會(huì)系統(tǒng)的組成與聯(lián)系

通過把組織人員有機(jī)地結(jié)合在自身系統(tǒng)當(dāng)中,CPSS系統(tǒng)使得實(shí)際系統(tǒng)與虛擬系統(tǒng)之間的交流、互動(dòng)、反饋和提升成為可能[10].未來的世界,真實(shí)的系統(tǒng)與其相應(yīng)的“虛擬系統(tǒng)”一定是平行存在的,通過一對(duì)一的輔助,能夠擴(kuò)展到一對(duì)多和多對(duì)一的互助,隨著兩個(gè)系統(tǒng)的改善,最后會(huì)形成多對(duì)多的形態(tài).這些虛擬系統(tǒng)可以稱為“軟件定義的系統(tǒng)”、“軟件機(jī)器人”或“知識(shí)機(jī)器人”[11].

1.2　基于ACP方法的平行系統(tǒng)

平行系統(tǒng)可以定義為一個(gè)組合,即真實(shí)存在的實(shí)際系統(tǒng)與其相對(duì)應(yīng)的軟件定義的人工系統(tǒng)的有機(jī)組合.在真實(shí)世界中,復(fù)雜系統(tǒng)的精確數(shù)學(xué)分析模型是比較難得到的,而仿真模擬手段又有可能出現(xiàn)比較尷尬的情形,即無“真”可仿.例如所針對(duì)的系統(tǒng)極其依賴管理者的經(jīng)驗(yàn),難以用科學(xué)的手段加以描述.基于此,中科院自動(dòng)化所王飛躍研究員于2004年提出基于ACP的平行系統(tǒng),作為一種解決復(fù)雜系統(tǒng)管理與控制問題的科學(xué)研究與實(shí)踐方法[12].

基于ACP的平行系統(tǒng)的基本框架如圖2所示.所謂ACP,即為人工社會(huì)(Arti fi cial societies)、計(jì)算實(shí)驗(yàn)(Computational experiments)與平行執(zhí)行(Parallel execution)的有機(jī)組合.從ACP方法的定義可知,處理復(fù)雜系統(tǒng)控制可分為3步:第1步,構(gòu)建與真實(shí)系統(tǒng)等價(jià)的人工系統(tǒng);第2步,利用計(jì)算實(shí)驗(yàn)來對(duì)復(fù)雜系統(tǒng)控制問題進(jìn)行解算和分析;第3步,采用平行執(zhí)行的方式來提升人工系統(tǒng)的建模精度和真實(shí)系統(tǒng)的實(shí)踐能力[13].

人工系統(tǒng)可以定義為傳統(tǒng)數(shù)學(xué)建模方法的擴(kuò)展,是一種廣義的知識(shí)構(gòu)建的過程,為落實(shí)靈捷性(Agility)奠定基礎(chǔ).人工系統(tǒng)的建立,需要保證其本質(zhì)特征與真實(shí)系統(tǒng)一致,同時(shí)具備部署簡單、交流方便、計(jì)算快速的特征.計(jì)算實(shí)驗(yàn)是在模型構(gòu)建的基礎(chǔ)上,對(duì)真實(shí)系統(tǒng)或人工系統(tǒng)遇到的復(fù)雜控制問題進(jìn)行處理,在兩個(gè)系統(tǒng)中都得到較優(yōu)的控制,保證能夠進(jìn)行交流和指導(dǎo),它是保證復(fù)雜系統(tǒng)聚焦(Focus)的手段.最后,平行執(zhí)行則是魯棒性控制的升華,在虛實(shí)結(jié)合的大閉環(huán)中實(shí)現(xiàn)反饋控制,確保兩個(gè)系統(tǒng)獲得的控制能夠?qū)崿F(xiàn)收斂(Convergence)[14?15].

1.3　平行駕駛的基本框架

未來的智能網(wǎng)聯(lián)汽車主要包含三大要素:1)物理智能車(physical vehicle);2)人類駕駛員和意圖認(rèn)知(human driver and cognitive);3)控制信號(hào)和環(huán)境信息(control signal and environmental information).根據(jù)ACP方法的指導(dǎo),可以將上述三要素劃分到三級(jí)平行世界,即物理世界、精神世界和人工世界中,如圖2所示[16].

圖2　基于ACP的平行系統(tǒng)

圖3為平行駕駛的框架圖.其中包含三級(jí)并存的平行世界,第一級(jí)為物理世界,第二級(jí)為精神世界,第三級(jí)為人工世界.物理世界主要指真實(shí)智能車的實(shí)際運(yùn)行,精神世界主要是對(duì)駕駛的行為和意圖進(jìn)行識(shí)別,而人工世界又包含兩層,第一層是虛擬駕駛層,用于模擬虛擬駕駛員在人工環(huán)境中的虛擬駕駛行為,第二層是信息層,主要包含社會(huì)因素、地理因素和傳感器信息因素.

在人工世界中,每一輛虛擬車中的控制器會(huì)與其余的虛擬車、精神世界的駕駛員意圖和物理世界的真實(shí)智能車進(jìn)行多方交互,通過計(jì)算實(shí)驗(yàn)的方式來提升人工世界中虛擬系統(tǒng)的建模精度,同時(shí)指導(dǎo)物理智能車的實(shí)際運(yùn)行.

人類駕駛員在精神世界和物理世界均起作用.隨著智能車自動(dòng)駕駛功能的完善,人類駕駛員所起的功能會(huì)逐漸減弱.同時(shí),人類駕駛員可以隨時(shí)接管車輛避免某些意外事故的發(fā)生或提升駕駛樂趣.

2　平行駕駛的關(guān)鍵技術(shù)

2.1　平行學(xué)習(xí)

圖3　智能車智能指揮與控制-平行駕駛框架

圖4　平行學(xué)習(xí)基本框架

平行學(xué)習(xí)是將平行系統(tǒng)的思想擴(kuò)展并引入到機(jī)器學(xué)習(xí)領(lǐng)域建立一種新型理論框架以更好地解決數(shù)據(jù)取舍、行動(dòng)選擇等傳統(tǒng)機(jī)器學(xué)習(xí)理論不能很好解決的問題.其基本框架如圖4所示,主要包括行動(dòng)學(xué)習(xí)和數(shù)據(jù)處理兩大階段.在數(shù)據(jù)處理階段,該方法先從真實(shí)系統(tǒng)中獲得原始數(shù)據(jù),隨后挑選與特定場景匹配的小數(shù)據(jù),輸入到類比與真實(shí)系統(tǒng)的人工系統(tǒng)中.通過改變?nèi)斯は到y(tǒng)參數(shù)輸入的方式來構(gòu)建大量新的數(shù)據(jù).將人工生成的數(shù)據(jù)與特定的小數(shù)據(jù)合并,形成解決問題所需的大數(shù)據(jù)結(jié)合,用于訓(xùn)練和學(xué)習(xí)模型[17].

在行動(dòng)學(xué)習(xí)階段,平行學(xué)習(xí)與強(qiáng)化學(xué)習(xí)的思路類似,將系統(tǒng)的動(dòng)態(tài)變化用狀態(tài)遷移的方式來表現(xiàn).將計(jì)算實(shí)驗(yàn)的過程具體化,通過預(yù)測學(xué)習(xí)、集成學(xué)習(xí)、轉(zhuǎn)移學(xué)習(xí)等數(shù)據(jù)處理手段來對(duì)生成的大數(shù)據(jù)進(jìn)行處理,得到能夠解決特定場景的小知識(shí)集合.這些小知識(shí)能夠應(yīng)用于平行駕駛的特定任務(wù)和特定場景,通過平行控制或平行決策的方式來體現(xiàn).

而指示學(xué)習(xí)和平行執(zhí)行則是對(duì)知識(shí)在系統(tǒng)中的具體應(yīng)用進(jìn)行引導(dǎo),實(shí)現(xiàn)人工系統(tǒng)的建模精度提升和真實(shí)系統(tǒng)的運(yùn)行穩(wěn)定[18].

2.2　平行感知

在視覺與感知領(lǐng)域中,識(shí)別算法對(duì)復(fù)雜環(huán)境的適應(yīng)性是一個(gè)廣泛關(guān)注的問題,它直接決定了算法能夠真正的用于實(shí)際當(dāng)中.復(fù)雜的交通環(huán)境經(jīng)常會(huì)導(dǎo)致圖像細(xì)節(jié)模糊,如雨雪霧等惡劣天氣、強(qiáng)陰影、夜間低照度等環(huán)境.因此,有效的視覺感知模型,需要足夠大的標(biāo)記數(shù)據(jù)集做支撐,同時(shí)還要求數(shù)據(jù)涵蓋不同的場景,具備多樣性.平行感知方法旨在通過構(gòu)建人工場景來模擬或定制各種場景要素,在虛擬系統(tǒng)中建立更加完備的測試數(shù)據(jù)集,其結(jié)構(gòu)如圖5所示.人工場景測試覆蓋的環(huán)境范圍更廣,并且成本更低,可以作為實(shí)際場景測試的補(bǔ)充.

視覺系統(tǒng)的全面、充分驗(yàn)證,是困擾其實(shí)際應(yīng)用的另一問題.在鄉(xiāng)村和城市道路上測試智能車視覺系統(tǒng)的不同功能,如信號(hào)燈識(shí)別、交通標(biāo)志識(shí)別和障礙物規(guī)避等,往往在實(shí)際場景中不能完全覆蓋所有的功能.因此,這樣的測試是不完備的,無法保證視覺系統(tǒng)在實(shí)際應(yīng)用時(shí)的有效性.通過人工場景中進(jìn)行計(jì)算實(shí)驗(yàn),能夠在遍歷比實(shí)際場景豐富的應(yīng)用場景.而且,這些實(shí)驗(yàn)過程是可以重復(fù)的、可以觀測的,可以指導(dǎo)算法在實(shí)際系統(tǒng)中的應(yīng)用,也能為后續(xù)的知識(shí)提取和算法優(yōu)化奠定基礎(chǔ).

人工傳感器作為一種低成本、靈活的解決方案,可以在人工系統(tǒng)中替代實(shí)際傳感器,開展多傳感器融合方面的計(jì)算實(shí)驗(yàn).由于人工系統(tǒng)中的傳感器測量范圍一般比實(shí)際系統(tǒng)要廣,因此,可以模擬物理世界中無法出現(xiàn)的情況;實(shí)際系統(tǒng)極限(危險(xiǎn))工況下的多傳感器融合實(shí)驗(yàn),比如,極小車間距、車輛緊急轉(zhuǎn)彎等工況,從而使得計(jì)算實(shí)驗(yàn)更加充分;此外,還可以對(duì)多傳感器進(jìn)行選型、安裝等配置方式開展計(jì)算實(shí)驗(yàn).

2.3　平行規(guī)劃

運(yùn)動(dòng)規(guī)劃是自動(dòng)駕駛關(guān)鍵技術(shù)之一.智能車在運(yùn)動(dòng)過程中需要通過全局規(guī)劃和局部規(guī)劃來決定其最優(yōu)的路徑、速度和加速度.基于ACP的平行系統(tǒng)思想,提出平行運(yùn)動(dòng)規(guī)劃的概念,用于解決數(shù)據(jù)樣本匱乏的問題,實(shí)現(xiàn)端到端的運(yùn)動(dòng)規(guī)劃,如圖6所示[19].

人工交通場景依據(jù)真實(shí)場景的特點(diǎn)構(gòu)建,為運(yùn)動(dòng)規(guī)劃模塊提供充足、多樣的訓(xùn)練樣本,甚至還可以模擬緊急工況下的應(yīng)急運(yùn)動(dòng)規(guī)劃.深度規(guī)劃模塊包含卷積神經(jīng)網(wǎng)絡(luò)模型和長短記憶網(wǎng)絡(luò)模型,用于生成端到端的決策規(guī)劃.該模塊可以在人工和實(shí)際交通場景中應(yīng)用,還可以模擬人類駕駛員的駕駛風(fēng)格.平行增強(qiáng)學(xué)習(xí)的方法被用來提高該規(guī)劃模塊的魯棒性和規(guī)劃精度.

圖5　平行感知的基本框架

針對(duì)緊急場景的極限工況,變分自動(dòng)編碼和生成式對(duì)抗網(wǎng)絡(luò)被用來規(guī)劃緊急場景下智能車的運(yùn)動(dòng).隨著智能車在實(shí)際場景中的運(yùn)行,混合生成模型實(shí)時(shí)地生成可能發(fā)生的虛擬應(yīng)急場景,同時(shí)深度規(guī)劃模塊同時(shí)作用于真實(shí)場景和虛擬應(yīng)急場景.一方面指導(dǎo)智能車的實(shí)際運(yùn)行,同時(shí)將應(yīng)急場景中的規(guī)劃也用于實(shí)際場景,避免事故的發(fā)生.

2.4　平行測試

平行測試系統(tǒng)的核心思路是在虛擬交通世界里進(jìn)行可重復(fù)的實(shí)驗(yàn),通過不同智能體之間的交互作用,復(fù)現(xiàn)實(shí)際觀測到的多種交通現(xiàn)象及其中的車輛動(dòng)態(tài)行為,其基本框架如圖7所示.

圖6　平行規(guī)劃基本框架

圖7　平行測試基本框架

自動(dòng)駕駛車輛系統(tǒng)研發(fā)需要對(duì)實(shí)車系統(tǒng)在現(xiàn)場進(jìn)行大量測試和驗(yàn)證工作.而現(xiàn)場測試費(fèi)用高、安全性差、重復(fù)性低,對(duì)車輛系統(tǒng)出現(xiàn)的異常也缺乏有效的跟蹤手段.自動(dòng)駕駛車輛的測試數(shù)據(jù)收集能力不足,缺乏一致的數(shù)據(jù)共享接口,難以對(duì)自動(dòng)駕駛車輛的感知、決策和執(zhí)行狀態(tài)進(jìn)行實(shí)時(shí)和精確的評(píng)估.

基于上述問題,平行測試系統(tǒng)中的測試數(shù)據(jù)真實(shí)、不受試驗(yàn)場地和時(shí)間限制,安全可控、測試條件可重復(fù)、測試結(jié)果可跟蹤,使用虛擬測試方法,系統(tǒng)研究人員可以及時(shí)發(fā)現(xiàn)算法和系統(tǒng)運(yùn)行中可能存在的不確定性錯(cuò)誤,驗(yàn)證算法和系統(tǒng)對(duì)不同道路交通環(huán)境的適應(yīng)性,跟蹤算法和系統(tǒng)的在線運(yùn)行狀態(tài).

構(gòu)建人工測試環(huán)境首先需要獲取環(huán)境感知數(shù)據(jù),包括:道路GIS數(shù)據(jù)、視頻圖像數(shù)據(jù)、激光掃描傳感器和雷達(dá)點(diǎn)云數(shù)據(jù)、以及數(shù)據(jù)采集車輛位置的GPS坐標(biāo)軌跡和傳感器參數(shù).然后,研究自動(dòng)駕駛車輛動(dòng)態(tài)的仿真算法,以期能夠根據(jù)輸入的車輛幾何模型屬性和動(dòng)力學(xué)特征參數(shù),在仿真環(huán)境中快速創(chuàng)建和運(yùn)行被測試的自動(dòng)駕駛車輛和其他環(huán)境車輛,模擬它們?cè)诜抡娴缆方煌ōh(huán)境下的自主行駛行為.

在此基礎(chǔ)上,進(jìn)一步搭建自動(dòng)駕駛車輛的半實(shí)物實(shí)驗(yàn)驗(yàn)證平臺(tái),集成自動(dòng)駕駛車輛的各種功能測試和能力評(píng)估模塊,采用自動(dòng)駕駛車輛仿真測試和平行交通系統(tǒng)仿真互動(dòng)的方式,按照任務(wù)類型對(duì)車輛和行人等動(dòng)態(tài)交通元素實(shí)體設(shè)置與現(xiàn)實(shí)交通特性一致的運(yùn)動(dòng)軌跡.最后,依據(jù)前述自動(dòng)駕駛智能體系,分級(jí)測試典型道路交通環(huán)境下自動(dòng)駕駛車輛的能力和智能水平.

3　智能車指揮與控制系統(tǒng)的構(gòu)成

基于ACP方法的智能車指揮與控制系統(tǒng)主要包括3部分:平行管控平臺(tái)、遙控平臺(tái)和智能車平臺(tái).如圖8所示,平行管控平臺(tái)(C端)負(fù)責(zé)監(jiān)控和引導(dǎo)智能車平臺(tái)(A端)的運(yùn)行,遙控平臺(tái)(B端)負(fù)責(zé)在請(qǐng)求或緊急情況下接管智能車平臺(tái)(A端).當(dāng)智能車由于感知受限、內(nèi)部故障等原因無法正常工作時(shí),它會(huì)主動(dòng)向平行管控平臺(tái)提出接管請(qǐng)求,遙控平臺(tái)的駕駛員對(duì)智能車進(jìn)行遙控接管;此外,平行管控平臺(tái)會(huì)實(shí)時(shí)監(jiān)控每輛智能車的狀態(tài),通過計(jì)算實(shí)驗(yàn)進(jìn)行智能決策引導(dǎo)智能車正常行駛.

3.1　遙控平臺(tái)

如圖9所示,遙控平臺(tái)主要由駕駛模擬器和駕駛員組成.駕駛模擬器包括曲面顯示屏、方向盤、油門與制動(dòng)踏板等.曲面屏能夠?qū)崟r(shí)顯示與真實(shí)車對(duì)應(yīng)的虛擬車在虛擬交通環(huán)境中的行駛狀態(tài),涵蓋車內(nèi)、外多個(gè)視角和地圖上的實(shí)時(shí)軌跡等.此外,真實(shí)車輛的行駛視頻、道路環(huán)境視頻信息、車內(nèi)攝像頭實(shí)時(shí)錄制的車輛儀表盤的數(shù)據(jù)和HMI模塊的信息也通過4G網(wǎng)絡(luò)實(shí)時(shí)回傳到遙控平臺(tái)的曲面屏.

圖8　智能車指揮與控制系統(tǒng)結(jié)構(gòu)圖

圖9　遙控平臺(tái)主要由駕駛模擬器組成示意圖

駕駛模擬器的曲面屏實(shí)時(shí)展示平行駕駛管控平臺(tái)所監(jiān)管的自動(dòng)駕駛車輛的環(huán)境信息和狀態(tài)信息.例如在自動(dòng)駕駛車輛的測試場,通過曲面屏地圖可以實(shí)時(shí)查看當(dāng)前全部車輛的位置信息,合理進(jìn)行道路測試車輛的指揮與疏導(dǎo)分流.通過曲面屏的實(shí)時(shí)視頻流信息可全局監(jiān)管自動(dòng)駕駛車輛的行駛狀況.

正常情況下駕駛員處于待命狀態(tài),當(dāng)平行管控平臺(tái)或智能車平臺(tái)發(fā)來請(qǐng)求信號(hào)時(shí),駕駛員通過操作駕駛模擬器上的方向盤、油門和制動(dòng)踏板對(duì)智能車進(jìn)行遠(yuǎn)程遙控,直至收到異常解除信號(hào).

3.2　智能車平臺(tái)

智能車平臺(tái)的車載設(shè)備主要包括:攝像頭-1(置于車外)、攝像頭-2(置于車內(nèi))、HMI設(shè)備、Estop、車載工控機(jī)、異地組網(wǎng)設(shè)備與無線CPE以及其他相關(guān)連線與電源設(shè)備等.各部件功能如圖10所示.其中車載HMI設(shè)備如圖11所示,可用來選擇實(shí)時(shí)顯示車輛駕駛模式、行駛軌跡、車速、油量等信息,還可通過觸屏操作進(jìn)行人機(jī)交互.

圖10　智能車指揮與控制系統(tǒng)結(jié)構(gòu)圖

圖11　車載HMI顯示界面

智能車平臺(tái)中集成了模式切換模塊.智能車控制系統(tǒng)根據(jù)環(huán)境感知和定位信息進(jìn)行決策規(guī)劃,當(dāng)傳感器信息正常并且能夠求解所建立的運(yùn)動(dòng)規(guī)劃問題時(shí),控制系統(tǒng)將車輛縱向和橫向控制信號(hào)發(fā)送到模式切換模塊.模式切換模塊同時(shí)接收來自智能車控制系統(tǒng)、遙控平臺(tái)和平行管控平臺(tái)的車輛縱橫向控制信號(hào).最終,模式切換模塊根據(jù)來自平行管控平臺(tái)的實(shí)時(shí)模式選擇命令執(zhí)行上述某一類的控制信號(hào).

3.3　平行管控平臺(tái)

平行管控平臺(tái)設(shè)備主要包括:NI仿真設(shè)備、工控機(jī)、服務(wù)器、圖像拼接器、交換機(jī)、異地組網(wǎng)設(shè)備以及其他相關(guān)連線和電源設(shè)備等其他配置.各主要部件功能如圖12所示.

智能車行駛相關(guān)信息及智能交通環(huán)境信息實(shí)時(shí)傳送到平行管控平臺(tái)后,結(jié)合虛擬系統(tǒng)中的相關(guān)數(shù)據(jù),通過大數(shù)據(jù)分析學(xué)習(xí)系統(tǒng)進(jìn)行分析預(yù)測,從而實(shí)現(xiàn)對(duì)智能車輛的預(yù)測、指揮及控制[20?21].平行管控平臺(tái)主要包括兩大部分:一是映射真實(shí)物理場景的人工系統(tǒng),該部分包含虛擬車模型,虛擬傳感器模型和虛擬交通環(huán)境模型.二是計(jì)算實(shí)驗(yàn)系統(tǒng),該部分包括大數(shù)據(jù)管理與分析模塊,學(xué)習(xí)與訓(xùn)練模塊,實(shí)驗(yàn)與評(píng)估模塊.

平行管控平臺(tái)的人工系統(tǒng)既可與遙控平臺(tái)駕駛員和真實(shí)物理環(huán)境進(jìn)行信息交互,實(shí)時(shí)映射真實(shí)車的行駛狀況,又可在計(jì)算實(shí)驗(yàn)系統(tǒng)的控制下在指定人工交通場景中運(yùn)行,為計(jì)算實(shí)驗(yàn)系統(tǒng)提供大量人工數(shù)據(jù)用于在線預(yù)測未來一段時(shí)間真實(shí)車的實(shí)際狀態(tài),實(shí)時(shí)引導(dǎo)智能車的運(yùn)行,同時(shí)所獲取的數(shù)據(jù)也可用于離線優(yōu)化相關(guān)算法.

圖12　平行管控平臺(tái)機(jī)柜設(shè)備

大數(shù)據(jù)管理與分析模塊獲取、存儲(chǔ)來自真實(shí)車和虛擬車在不同交通環(huán)境中運(yùn)行的多源原始數(shù)據(jù)和經(jīng)過大數(shù)據(jù)挖掘、分類與特征提取處理過的數(shù)據(jù).學(xué)習(xí)與訓(xùn)練模塊以真實(shí)數(shù)據(jù)和人工數(shù)據(jù)為基礎(chǔ),從算法庫中選擇相應(yīng)算法離線優(yōu)化智能車的感知、決策、規(guī)劃和控制算法.實(shí)驗(yàn)與評(píng)估模塊調(diào)用人工系統(tǒng),必要時(shí)調(diào)用真實(shí)系統(tǒng)來驗(yàn)證優(yōu)化算法,經(jīng)過驗(yàn)證的智能車算法更新到平行控制中心可實(shí)時(shí)與智能車平臺(tái)進(jìn)行信息交互指導(dǎo)智能車的運(yùn)行,保證智能車更加安全、高效地運(yùn)行.

3.4　系統(tǒng)可擴(kuò)展性

智能車指揮與控制系統(tǒng)集算法研發(fā)優(yōu)化,智能車監(jiān)控和智能車評(píng)估測試于一體.該系統(tǒng)既可以ACP理論為指導(dǎo)作為先進(jìn)感知、規(guī)劃與決策算法的研發(fā)平臺(tái),又可作為保障智能車安全高效運(yùn)行的監(jiān)控平臺(tái),還可作為測試智能車系統(tǒng)綜合性能的測試平臺(tái).

智能車指揮與控制系統(tǒng)提供了多種展示車輛行駛狀態(tài)信息的接口.例如可以通過添加DID拼接屏同時(shí)展示真實(shí)交通環(huán)境和虛擬環(huán)境中自動(dòng)駕駛車輛的行駛信息,可擴(kuò)展為交通管理與指揮中心供交通運(yùn)輸與管理部門統(tǒng)一監(jiān)控、調(diào)度自動(dòng)駕駛和有人駕駛車輛,設(shè)備連接圖如圖13所示.

4　智能車指揮與控制系統(tǒng)關(guān)鍵技術(shù)驗(yàn)證

本節(jié)主要介紹智能車指揮與控制系統(tǒng)在一般交通場景響應(yīng)式遙控接管和緊急交通場景主動(dòng)接管兩方面的驗(yàn)證思路.

4.1　一般交通場景響應(yīng)式接管驗(yàn)證

智能車平臺(tái)遇到無法處理的情況(感知受限、硬件模塊故障等)時(shí),主動(dòng)向平行駕駛管控平臺(tái)提出接管請(qǐng)求.以智能車在GPS模塊失效故障為例,設(shè)計(jì)以下場景驗(yàn)證響應(yīng)式接管的有效性.

自動(dòng)駕駛車輛沿指定路線行駛,遙控平臺(tái)端在曲面屏上實(shí)時(shí)顯示智能車的行駛狀態(tài).同時(shí),智能車內(nèi)的攝像頭將實(shí)時(shí)錄制、回傳車輛儀表盤的數(shù)據(jù)和HMI的信息,多維度實(shí)時(shí)反饋智能車的定位、感知、決策規(guī)劃等信息.

在行駛至配置GPS信號(hào)屏蔽設(shè)備的場景時(shí),智能車由于GPS信號(hào)丟失,可以通過車載工控機(jī)通信模塊向平行管控平臺(tái)提出接管請(qǐng)求,切換到遙控駕駛模式,如圖14所示.

圖13　平行遙控駕駛系統(tǒng)-DID拼接屏信息展示

圖14　遠(yuǎn)程遙控駕駛模式切換-示意圖

平行管控平臺(tái)將請(qǐng)求接管信號(hào)發(fā)給遙控平臺(tái),遙控平臺(tái)駕駛員響應(yīng)請(qǐng)求,通過駕駛模擬器開始接管控制智能車,此時(shí)在車載HMI設(shè)備顯示當(dāng)前駕駛模式為遙控駕駛,如圖15所示.當(dāng)智能車進(jìn)入遠(yuǎn)程遙控駕駛模式后,遙控平臺(tái)的駕駛員根據(jù)車輛回傳的傳感信息和車身狀態(tài)信息操作控制模擬器的方向盤和油門,控制信號(hào)通過高速無線網(wǎng)絡(luò)實(shí)時(shí)傳遞到智能車平臺(tái),進(jìn)而控制智能車的運(yùn)行.

遙控平臺(tái)駕駛員觀察到故障排除信號(hào)后,操作發(fā)出退出遙控駕駛的信號(hào),平行管控平臺(tái)發(fā)送模式切換命令,智能車重新進(jìn)入自動(dòng)駕駛模式,如圖16所示.

4.2　緊急交通場景主動(dòng)接管驗(yàn)證

平行管控平臺(tái)實(shí)時(shí)監(jiān)控每一輛智能車的狀態(tài),一旦發(fā)現(xiàn)異常行為,發(fā)送警示信號(hào)給遙控端駕駛員,進(jìn)行主動(dòng)緊急遙控接管.此種情形中的智能車異常行為,一般由智能車車載軟件故障導(dǎo)致,智能車自身并未意識(shí)到異常,進(jìn)而無法自主上報(bào)至平行管控平臺(tái),設(shè)計(jì)以下場景驗(yàn)證主動(dòng)接管的有效性.

智能車輛沿指定路線行駛,當(dāng)平行管控平臺(tái)監(jiān)測到其中某輛車的行駛軌跡出現(xiàn)明顯偏離(例如,車輛返回的路徑與預(yù)定軌跡偏離大,或者軌跡出現(xiàn)鋸齒或S形等),向遙控平臺(tái)發(fā)出報(bào)警提示,遙控平臺(tái)駕駛員開始通過駕駛模擬器給平行管控平臺(tái)和智能車平臺(tái)發(fā)送高級(jí)別控制信號(hào),智能車切換到遙控駕駛模式,如圖17所示.

當(dāng)故障排除后,遙控平臺(tái)駕駛員發(fā)出退出遙控駕駛的信號(hào),平行管控平臺(tái)和智能車平臺(tái)接收到指令后使智能車恢復(fù)到自動(dòng)駕駛模式.

圖15　遠(yuǎn)程駕駛工作模式-示意圖

圖16　遠(yuǎn)程駕駛模式退出-示意圖

圖17　遠(yuǎn)程駕駛模式緊急干預(yù)-示意圖

5　結(jié)論

基于ACP理論方法,提出了智能車智能指揮與控制系統(tǒng)、平行駕駛系統(tǒng).介紹了平行駕駛系統(tǒng)的基本框架、關(guān)鍵技術(shù)和對(duì)應(yīng)的實(shí)驗(yàn)平臺(tái)的構(gòu)成.

平行駕駛系統(tǒng)不僅通過車車通信、車路通信和車云通訊來降低智能車系統(tǒng)的開發(fā)成本,而且通過高性能計(jì)算實(shí)驗(yàn)控制模塊使得現(xiàn)有的自動(dòng)駕駛汽車安全系數(shù)大大提升.平行駕駛將成為涵蓋路側(cè)信息、平行網(wǎng)絡(luò)、高性能計(jì)算實(shí)驗(yàn)中心和自動(dòng)駕駛汽車的新一代智能車指揮與控制系統(tǒng).

1 LYU C,LIU Y,HU X,et al.Simultaneous observation of hybrid states for cyber-physical systems:a case study of electric vehicle powertrain[J].IEEE transactions on cybernetics,2017,1(99):1?11.

2 WANG F Y.Arti fi cial intelligence and intelligent transportation:driving into the 3rd axial age with ITS[J].IEEE Intelligent Transportation Systems Magazine,2017,9(4):6?9.

3呂義超,陸云.我國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)發(fā)展規(guī)劃與發(fā)展政策淺析[J].時(shí)代汽車,2017,3(2):6?8,11.

4殷媛媛.國內(nèi)外智能網(wǎng)聯(lián)汽車發(fā)展趨勢研究[J].競爭情報(bào),2017,13(5):51?58.

5 WANG F Y,ZHENG N N,CAO D P,et al.Parallel driving in CPSS:a uni fi ed approach for transport automation and vehicle intelligence[J].IEEE/CAA Journal of Automatica Sinica,2017,4(4):577?587.

6 LI L,LYU Y,WANG F Y.Traffic signal timing via deep reinforcement learning[J].IEEE/CAA Journal of Automatica Sinica,2016,3(3):247?254.

7鄧建玲,王飛躍,陳耀斌,等.從工業(yè)4.0到能源5.0:智能能源系統(tǒng)的概念、內(nèi)涵及體系框架[J].自動(dòng)化學(xué)報(bào),2015,41(12):2003?2016.

8 WANG F Y.The emergence of intelligent enterprises:from CPS to CPSS[J].IEEE Intelligent Systems,2010,25(4):85?88.

9王飛躍.軟件定義的系統(tǒng)與知識(shí)自動(dòng)化:從牛頓到莫頓的平行升華[J].自動(dòng)化學(xué)報(bào),2015,41(1):1?8.

10王飛躍.人工社會(huì)、計(jì)算實(shí)驗(yàn)、平行系統(tǒng)—— 關(guān)于復(fù)雜社會(huì)經(jīng)濟(jì)系統(tǒng)計(jì)算研究的討論[J].復(fù)雜系統(tǒng)與復(fù)雜性科學(xué),2004,1(4):25?35.

11 王飛躍,王曉,袁勇,等.平行工業(yè)時(shí)代:移動(dòng)智造[J].高科技與產(chǎn)業(yè)化,2015(3):32?35.

12王飛躍.關(guān)于復(fù)雜系統(tǒng)研究的計(jì)算理論與方法[J].中國基礎(chǔ)科學(xué),2004,6(5):3?10.

13王飛躍.平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制[J].控制與決策,2004,19(5):485?489.

14王飛躍.平行控制:數(shù)據(jù)驅(qū)動(dòng)的計(jì)算控制方法[J].自動(dòng)化學(xué)報(bào),2013,39(4):293?302.

15 白天翔,王帥,沈震,等.平行機(jī)器人與平行無人系統(tǒng):框架、結(jié)構(gòu)、過程、平臺(tái)及其應(yīng)用[J].自動(dòng)化學(xué)報(bào),2017,43(2):161?175.

16 WANG F Y.The emergence of intelligent enterprises:from CPS to CPSS[J].IEEE Intelligent Systems,2010,25(4):85?88.

17李力,林懿倫,曹東璞,等.平行學(xué)習(xí)-機(jī)器學(xué)習(xí)的一個(gè)新型理論框架[J].自動(dòng)化學(xué)報(bào),2017,43(1):1?8.

18 LIU T,TIAN B,AI Y,et al.Parallel reinforcement learning:A framework and case study[J].IEEE/CAA Journal of Automatica Sinica,2018,1(12):1?9.

19 HU X M,CHEN L,TANG B,et al.Dynamic path planning for autonomous driving on various roads with avoidance of static and moving obstacles[J].Mechanical Systems and Signal Processing,2018,100(2):482?500.

20 WANG F Y.Parallel control:a method for data-driven and computational control[J].Acta Automatica Sinica,2013,39(4):293?302.

21王飛躍.指控5.0:平行時(shí)代的智能指揮與控制體系[J].指揮與控制學(xué)報(bào),2015,1(1):107-120.