感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)挑戰(zhàn)與趨勢

（北京郵電大學(xué)泛網(wǎng)無線通信教育部重點(diǎn)實(shí)驗(yàn)室，北京 100876）

(Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, Beijing 100876, China)

自動駕駛是提高出行效率、提升駕乘體驗(yàn)的主流技術(shù)。當(dāng)前產(chǎn)業(yè)界，如特斯拉、UBER、谷歌WAYMO和百度等[1]爭相開展自動駕駛技術(shù)的研究與測試工作，致力于將自動駕駛技術(shù)商業(yè)化。但是，現(xiàn)有自動駕駛技術(shù)主要依靠本地車輛的多種傳感器。單車傳感器在探測范圍、精度、結(jié)果質(zhì)量等方面受觀察視角遮擋等因素的影響，感知能力有限，而且目前車輛傳感器主要采用獨(dú)立工作的方式，如利用攝像頭進(jìn)行圖像識別，雷達(dá)進(jìn)行速度和距離探測，車輛尚缺乏多種傳感器數(shù)據(jù)有效深度融合的能力。在雨雪等復(fù)雜天氣條件下，如果攝像頭等某類傳感器失效，本地車輛獨(dú)立自動駕駛的安全性將受到嚴(yán)重威脅。這種現(xiàn)狀限制了自動駕駛的發(fā)展，使之停留在L2、L3級別，即需要駕駛員高度參與控制的自動駕駛系統(tǒng)[2]。這種級別很難處理突發(fā)情況，駕駛員會因?yàn)檫^分信賴自動駕駛系統(tǒng)而引發(fā)交通事故[3]。

為了滿足L4和L5級別自動駕駛的需求，必須解決現(xiàn)有單車感知能力不足的問題[4]。同時(shí)我們可以預(yù)見，未來將有越來越多的自動駕駛車輛投入使用。自動駕駛車輛組網(wǎng)的需求也會變得日益急迫[5]，車間信息共享能力不足將嚴(yán)重制約自動駕駛技術(shù)的發(fā)展；因此，迫切需要研究自動駕駛單車多傳感器信息融合新方法，以及基于感知-通信-計(jì)算融合的多車信息高效共享新技術(shù)，通過多車協(xié)同提升自動駕駛的安全性。

為此，本文中我們從L4/L5級別自動駕駛需求出發(fā)，面對多車感知數(shù)據(jù)融合與協(xié)同處理對多車協(xié)同組網(wǎng)以及分布式協(xié)同計(jì)算提出的需求與挑戰(zhàn)，提出基于感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)構(gòu)建方法與設(shè)計(jì)思路。

1 多車感知數(shù)據(jù)融合與協(xié)同處理

1.1 多車協(xié)同組網(wǎng)需求與問題分析

通過車間通信來實(shí)現(xiàn)緊急事件預(yù)警的方法很早就被提出[6]，然而利用車間通信來預(yù)警的方案遲遲沒有獲得廣泛實(shí)施。由于缺乏通信和預(yù)警信息，當(dāng)前自動駕駛汽車的安全性面臨嚴(yán)峻挑戰(zhàn)，在測試中事故頻發(fā)。如2018年發(fā)生在美國亞利桑那州的UBER測試車事故[4]，由于有限的探測能力以及通信協(xié)同能力的缺失，造成橫穿公路的行人死亡。如果采用基于車間協(xié)同通信的預(yù)警方法，將有助于車輛提早獲知危險(xiǎn)信息，并有望避免此類事故的發(fā)生。

然而，現(xiàn)有車聯(lián)網(wǎng)通信技術(shù)在一定程度上還無法滿足面向大規(guī)模自動駕駛場景的大寬帶、低時(shí)延、高可靠通信的要求。目前，全球車聯(lián)網(wǎng)通信技術(shù)標(biāo)準(zhǔn)主要包括專用短程通信（DSRC）和蜂窩車用無線通信（C-V2X）2大主流技術(shù)標(biāo)準(zhǔn)。DSRC技術(shù)基于電氣電子工程師學(xué)會標(biāo)準(zhǔn)（IEEE 802.11p）底層通信協(xié)議與IEEE 1609系列標(biāo)準(zhǔn)，僅支持3～27 Mbit/s傳輸速率，且在非視距環(huán)境下時(shí)延將急劇增大[7]。C-V2X在抗干擾能力、吞吐量以及非視距環(huán)境下的通信性能均優(yōu)于DSRC技術(shù)。比起4G空口的長期演進(jìn)（LTE）-V2X，基于5G新空口（NR）的5G-V2X性能將有大幅度增強(qiáng)，傳輸時(shí)延將降至毫秒級，單車上行傳輸速率為50 Mbit/s[8-9]。進(jìn)一步，5G NR Rel16、Rel17將于2020年完成[10]。

但是，面向自動駕駛車輛的多種傳感器產(chǎn)生的數(shù)據(jù)量是海量的。據(jù)測算，僅通過圖像識別方式獲取的單車數(shù)據(jù)速率將超過40 Gbit/s[11]。目前部署的5G移動通信系統(tǒng)的上行空口時(shí)延最低為4 ms[12]，仍無法滿足面向L4級別自動駕駛的需求——數(shù)據(jù)端到端傳輸和處理時(shí)延小于1 ms[13]?？紤]到智能車聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)量多、環(huán)境高動態(tài)變化、車載傳感器數(shù)據(jù)量大的特點(diǎn)，目前部署的5G移動通信系統(tǒng)性能較難滿足面向自動駕駛的車聯(lián)網(wǎng)的要求[12]。因此，當(dāng)前移動通信技術(shù)在車聯(lián)網(wǎng)系統(tǒng)中的部署與應(yīng)用仍面臨較大挑戰(zhàn)，亟須研究面向自動駕駛的車聯(lián)網(wǎng)通信的新方法與新技術(shù)。

1.2 傳感器數(shù)據(jù)融合與共享利用的難題分析

盡管當(dāng)前自動駕駛車輛已經(jīng)搭載了多種傳感器，如圖1所示，包括激光雷達(dá)、毫米波雷達(dá)和攝像頭等，產(chǎn)生大量感知數(shù)據(jù)，有效擴(kuò)展了車輛的視野[14]；但是當(dāng)前缺乏對多種傳感器感知數(shù)據(jù)的融合處理方法。我們亟須設(shè)計(jì)多種傳感器數(shù)據(jù)的有效融合與聯(lián)合處理方案，如攝像頭和毫米波雷達(dá)感知信息的融合，可以綜合利用目標(biāo)形狀、距離、速度等感知信息，實(shí)現(xiàn)對物體的精準(zhǔn)定位與識別。在某些傳感器工作受限的情況下，采用多種傳感信息融合的方式可以極大地提高傳感器綜合性能，為特殊天氣和時(shí)間條件下的行車安全提供進(jìn)一步的保障。

現(xiàn)有車載傳感器信息融合主要在空間域和頻率域上實(shí)現(xiàn)，通過多尺度變換（MST）融合熵的方法[15]實(shí)現(xiàn)信息融合。該方法有4點(diǎn)不足：不同源數(shù)據(jù)在同一區(qū)域的特性不同，導(dǎo)致融合數(shù)據(jù)對比度下降；層次分解和類型的選擇繁瑣；MST方法計(jì)算復(fù)雜度高，不適合車聯(lián)網(wǎng)實(shí)時(shí)信息處理的要求；偽吉布斯現(xiàn)象帶來的誤差或偽影問題嚴(yán)重[16]。為解決上述融合算法的諸多缺點(diǎn)，如何設(shè)計(jì)多傳感器數(shù)據(jù)的有效融合方法，仍然是一個(gè)亟待解決的難題。

1.3 移動邊緣計(jì)算與數(shù)據(jù)處理的需求分析

相比在路邊固定部署的路側(cè)單元（RSU）和基站等設(shè)備，車輛計(jì)算能力受限的問題更突出。然而，隨著傳感器的大量部署和傳感器數(shù)據(jù)融合的需要，計(jì)算處理的數(shù)據(jù)量也十分龐大。且數(shù)據(jù)融合的算法（如MST算法）對車輛計(jì)算能力提出了更高的要求。因此，在當(dāng)前環(huán)境下，車輛往往需要更強(qiáng)大的計(jì)算單元協(xié)作，才能有效完成數(shù)據(jù)處理。隨著車聯(lián)網(wǎng)規(guī)模和數(shù)據(jù)量的急劇增長，傳統(tǒng)集中式運(yùn)算和處理的方式已無法滿足車聯(lián)網(wǎng)的要求，面臨諸多新挑戰(zhàn)。雖然云端集中式處理和計(jì)算能力強(qiáng)，但是多節(jié)點(diǎn)間的通信傳輸性能與其計(jì)算性能并不匹配，極易出現(xiàn)數(shù)據(jù)擁塞的問題。此外，由于云端服務(wù)器的位置往往遠(yuǎn)離采集數(shù)據(jù)的車輛，數(shù)據(jù)傳輸必然會帶來更大時(shí)延。當(dāng)前部署的5G網(wǎng)絡(luò)性能還未達(dá)到L4級別自動駕駛系統(tǒng)的要求，因此集中式計(jì)算和處理方式所造成的時(shí)延將會對車聯(lián)網(wǎng)性能產(chǎn)生影響。

▲圖1 自動駕駛車輛的多種傳感器信息融合示意圖

針對車聯(lián)網(wǎng)感知信息共享的需求，移動邊緣計(jì)算（MEC）技術(shù)有望解決車輛間傳感數(shù)據(jù)分布式本地計(jì)算和處理的需求[17]。MEC使用位于RSU中的計(jì)算單元協(xié)助車輛進(jìn)行計(jì)算，對于地理位置更靠近傳感器數(shù)據(jù)源的RSU，車輛到邊緣節(jié)點(diǎn)的通信時(shí)延相對可控。通過RSU協(xié)助計(jì)算，車輛間緊急數(shù)據(jù)的傳輸和處理時(shí)延有望滿足L4級別自動駕駛的要求。結(jié)合云計(jì)算技術(shù)，通過將時(shí)延可容忍的數(shù)據(jù)上傳到云端進(jìn)行計(jì)算，實(shí)現(xiàn)云端、邊緣與本地協(xié)同計(jì)算，提高車聯(lián)網(wǎng)數(shù)據(jù)計(jì)算和處理的效率。

不過，當(dāng)前MEC主要研究邊緣節(jié)點(diǎn)計(jì)算能力提升的問題，通過提升算法性能來達(dá)到L4級別自動駕駛對計(jì)算能力的要求。然而，受邊緣節(jié)點(diǎn)計(jì)算能力的限制，邊緣節(jié)點(diǎn)計(jì)算資源調(diào)度和選擇也是需要考慮的問題。節(jié)點(diǎn)的通信時(shí)延和計(jì)算時(shí)延將最終影響數(shù)據(jù)處理速度，因此需要研究最優(yōu)邊緣節(jié)點(diǎn)選擇方案與多節(jié)點(diǎn)分布式協(xié)同計(jì)算方法，以提高多車協(xié)同的車聯(lián)網(wǎng)整體計(jì)算效率，提升多車協(xié)同感知的信息融合性能。

如圖2所示，圖中藍(lán)色車輛為參考節(jié)點(diǎn)，白色車輛為中繼節(jié)點(diǎn)。RSU可以提供邊緣計(jì)算功能，屬于邊緣節(jié)點(diǎn)。基站作為具備強(qiáng)大計(jì)算能力的中心，屬于云端節(jié)點(diǎn)。每個(gè)節(jié)點(diǎn)都具備計(jì)算負(fù)載和通信負(fù)載2個(gè)負(fù)載屬性。紅、黃、綠3種顏色分別表示負(fù)載屬性的擁塞、忙碌和空閑狀態(tài)。車輛將數(shù)據(jù)傳輸至RSU進(jìn)行邊緣計(jì)算，基站、其他車輛等節(jié)點(diǎn)可以輔助車輛進(jìn)行計(jì)算。邊緣計(jì)算的結(jié)果回傳至車輛，實(shí)現(xiàn)數(shù)據(jù)的高效處理。為了提高數(shù)據(jù)處理的效率，車輛應(yīng)選擇通信負(fù)載和計(jì)算負(fù)載較小的邊緣節(jié)點(diǎn)進(jìn)行輔助運(yùn)算。如圖中藍(lán)色車輛因感知數(shù)據(jù)量過大，亟須其他車輛和RSU協(xié)助進(jìn)行計(jì)算。通過對通信資源、計(jì)算資源及網(wǎng)絡(luò)整體時(shí)延的評估，藍(lán)色車輛的數(shù)據(jù)通過多跳轉(zhuǎn)發(fā)給多個(gè)RSU進(jìn)行并行協(xié)同計(jì)算。與此同時(shí)，藍(lán)色車輛將時(shí)延容忍的數(shù)據(jù)上傳給通信負(fù)載較小的云端基站進(jìn)行計(jì)算。車輛對周邊設(shè)備的負(fù)載狀態(tài)信息進(jìn)行測算，并選取最優(yōu)轉(zhuǎn)發(fā)目標(biāo)。每個(gè)邊緣節(jié)點(diǎn)在協(xié)同計(jì)算的同時(shí)，也會選擇并行處理性能最優(yōu)的設(shè)備協(xié)同進(jìn)行數(shù)據(jù)處理，從而降低計(jì)算和通信時(shí)延。

2 基于感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)構(gòu)建方法與難題

▲圖2 車聯(lián)網(wǎng)邊緣節(jié)點(diǎn)協(xié)同計(jì)算模型

▲圖3 基于感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)系統(tǒng)

為了實(shí)現(xiàn)L4級別的自動駕駛，我們提出如圖3所示的基于感知-通信-計(jì)算融合的車聯(lián)網(wǎng)系統(tǒng)。在感知-通信-計(jì)算融合的車聯(lián)網(wǎng)中，車輛需要具備車到車（V2V）、車到基礎(chǔ)設(shè)施（V2I）、車到行人（V2P）等多種通信鏈路，實(shí)現(xiàn)車輛動態(tài)高效組網(wǎng)，以更好地提升自動駕駛車輛的安全性。

2.1 基于感知-通信融合的車聯(lián)網(wǎng)

通過將部分車輛傳感器（如毫米波雷達(dá)）與通信系統(tǒng)一體化設(shè)計(jì)，可以實(shí)現(xiàn)感知-通信技術(shù)的融合，優(yōu)勢具體如下：

（1）感知通信一體化實(shí)現(xiàn)高譜效、低時(shí)延信息共享。通信系統(tǒng)的時(shí)延加上單獨(dú)的傳感器感知時(shí)延，將進(jìn)一步增大信息共享的時(shí)延，不利于保障信息傳輸?shù)臅r(shí)效性。同時(shí)，為了消除傳感器與通信設(shè)備間的相互干擾，傳感器需要在時(shí)域或頻域上與通信設(shè)備進(jìn)行有效的信號隔離，這將導(dǎo)致信息傳輸?shù)臅r(shí)效性和頻譜利用效率受到影響。針對上述問題，我們提出了基于感知-通信融合的智能車聯(lián)網(wǎng)系統(tǒng)。

（2）感知通信一體化提升無線網(wǎng)絡(luò)容量。感知-通信融合的車聯(lián)網(wǎng)傳輸方式，區(qū)別于傳統(tǒng)移動通信網(wǎng)絡(luò)廣播通信方式，通過采用定向天線可以實(shí)現(xiàn)點(diǎn)到點(diǎn)的信息傳輸。隨著車輛數(shù)目的增多，5G車聯(lián)網(wǎng)的帶寬資源不足，面臨嚴(yán)峻挑戰(zhàn)。通過采用點(diǎn)到點(diǎn)的定向通信方式，利用空間復(fù)用新維度，可以在空域波束正交且不產(chǎn)生干擾的情況下，進(jìn)一步復(fù)用時(shí)頻資源，提升無線網(wǎng)絡(luò)容量[18-20]。

然而，車聯(lián)網(wǎng)中應(yīng)用定向通信也具有很大挑戰(zhàn)。首先，定向通信要求發(fā)射機(jī)獲得接收機(jī)準(zhǔn)確的方位信息[21]，這就要求發(fā)射機(jī)具備不斷跟蹤接收機(jī)方位的能力[22-23]。對于高動態(tài)智能車聯(lián)網(wǎng)來說，這需要很強(qiáng)的波束控制能力。其次，定向通信需要符合空間正交分布特性的波束成形方案，或者為非正交波束成形方案提供干擾消除策略。此外，感知-通信融合的一體化設(shè)備天線設(shè)計(jì)、一體化信號設(shè)計(jì)等也是技術(shù)難題。

2.2 基于感知-通信-計(jì)算融合的車聯(lián)網(wǎng)

隨著車聯(lián)網(wǎng)規(guī)模的擴(kuò)大，車輛傳感器采集的數(shù)據(jù)量也會隨之增大，傳感器采集的數(shù)據(jù)量將超過40 Gbit/s量級[11]。這個(gè)量級的數(shù)據(jù)如果直接通過通信系統(tǒng)傳輸將造成嚴(yán)重的擁塞。此外，計(jì)算單元，如中央處理器（CPU）、圖形處理器（GPU）等的發(fā)展相對于傳感器數(shù)據(jù)量的增長速度而言較為緩慢，僅靠單車的計(jì)算單元進(jìn)行數(shù)據(jù)融合處理的難度將越來越大。傳感功能將必然與利用RSU、基站等設(shè)備的協(xié)同計(jì)算進(jìn)行一體化設(shè)計(jì)，以應(yīng)對海量數(shù)據(jù)處理的需求[15]。

（1）數(shù)據(jù)融合降維：傳感器數(shù)據(jù)可以進(jìn)行融合，如將圖片或視頻數(shù)據(jù)通過識別算法后轉(zhuǎn)化為目標(biāo)的運(yùn)動信息（如方向、位置和速度）及身份信息（如車型、車牌號等），減少了冗余信息，僅保留感知結(jié)果，從而極大降低傳感器數(shù)據(jù)量的維度。

（2）數(shù)據(jù)融合擴(kuò)展：多種傳感器數(shù)據(jù)的融合可以擴(kuò)展傳感器的有效信息量。攝像頭可以得到較大范圍內(nèi)的目標(biāo)信息，包括目標(biāo)的類型和大致位置，這將有效解決雷達(dá)的探測盲區(qū)問題。攝像頭具有動目標(biāo)檢測能力，可對突發(fā)情況做出更快的處理，配合雷達(dá)精準(zhǔn)探測的距離信息，可以更好地獲取車輛周圍的信息，保障行車安全。

（3）數(shù)據(jù)融合匹配：融合的數(shù)據(jù)可以為數(shù)據(jù)匹配提供依據(jù)。通常雷達(dá)通過反射信號進(jìn)行測距，僅具備對目標(biāo)位置、速度等信息的感知能力。攝像頭作為成像設(shè)備，搭配識別算法可以做到對目標(biāo)類型和身份等信息的感知。

此外，邊緣計(jì)算技術(shù)可以為車輛間通信、波束分配方案、干擾和信號碰撞避免方案提供重要參考。通過計(jì)算，預(yù)先進(jìn)行通信資源分配，將有效提升通信系統(tǒng)的效率，降低通信時(shí)延，從而為車輛快速高效動態(tài)組網(wǎng)提供有效保障。

感知-通信-計(jì)算融合的核心思想是將傳感、通信和計(jì)算深度融合，實(shí)現(xiàn)3個(gè)功能間的相互協(xié)作、資源共享，提高多系統(tǒng)運(yùn)行的智能化和自動化水平。車聯(lián)網(wǎng)的感知-通信-計(jì)算一體化面臨著諸多理論難題與技術(shù)挑戰(zhàn)。首先，需要解決感知-通信-計(jì)算三者相互耦合與制約的理論難題。其次，需要研究感知-通信-計(jì)算一體化方式?？紤]到車輛的移動性、車聯(lián)網(wǎng)復(fù)雜的干擾特性、不同業(yè)務(wù)服務(wù)質(zhì)量（QoS）的強(qiáng)差異性、車輛及RSU計(jì)算能力的差異性和計(jì)算單元的異構(gòu)性等特點(diǎn)，如何在多車間實(shí)現(xiàn)云端、邊緣端的通信、計(jì)算、感知資源與多樣化業(yè)務(wù)的自主適配，如何在多維資源受限下實(shí)現(xiàn)車聯(lián)網(wǎng)信息高效傳遞與低時(shí)延響應(yīng)都是面臨的技術(shù)難題。因此，我們亟須研究感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)體系，設(shè)計(jì)支持多傳感器數(shù)據(jù)融合、高速計(jì)算、智能決策、協(xié)同控制的智能車聯(lián)網(wǎng)技術(shù)，解決自動駕駛車輛間多源海量異構(gòu)數(shù)據(jù)高速處理、協(xié)同高效傳輸、低時(shí)延決策與控制等難題。

3 結(jié)束語

面向L4和L5級別高級自動駕駛的需求，本文中我們提出基于感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)方案。該方案在單車上進(jìn)行多傳感器數(shù)據(jù)初步融合，并傳輸給周邊車輛進(jìn)行感知信息共享，實(shí)現(xiàn)多車數(shù)據(jù)融合。隨著人工智能、自動控制與信息技術(shù)的深度融合發(fā)展，基于感知-通信-計(jì)算融合的智能車聯(lián)網(wǎng)技術(shù)將向感知-通信-計(jì)算-控制融合演進(jìn)。在車輛自感知和自學(xué)習(xí)能力的基礎(chǔ)上，實(shí)現(xiàn)網(wǎng)絡(luò)協(xié)同決策，最終實(shí)現(xiàn)具有高度安全性的L5級別的自動駕駛。