面向高速公路運(yùn)管的車路協(xié)同云控平臺(tái)架構(gòu)設(shè)計(jì)

李 巖，唐睢睢

（中國(guó)交通信息科技集團(tuán)有限公司，北京 100044）

自動(dòng)駕駛技術(shù)的研發(fā)與應(yīng)用為提高交通運(yùn)行效率和安全水平、實(shí)現(xiàn)高品質(zhì)服務(wù)、提高社會(huì)經(jīng)濟(jì)效益，促進(jìn)交通運(yùn)輸服務(wù)與制造業(yè)、農(nóng)業(yè)、旅游業(yè)、商貿(mào)業(yè)、信息業(yè)等關(guān)聯(lián)產(chǎn)業(yè)的深度融合起到了催化作用。以美國(guó)為代表的發(fā)達(dá)國(guó)家選擇以車聯(lián)網(wǎng)（Vehicle to Everything, V2X）為主、基礎(chǔ)設(shè)施聯(lián)網(wǎng)（Infrastructure to Everything, I2X）為輔的單車智能技術(shù)路線，而中國(guó)基于成本控制、基礎(chǔ)支撐、推廣應(yīng)用、技術(shù)引領(lǐng)、產(chǎn)業(yè)帶動(dòng)5個(gè)維度綜合考慮，選擇了以“I2X為基礎(chǔ)、V2X為輔助”的車路協(xié)同技術(shù)路徑。從效率和安全角度出發(fā)，中國(guó)高速公路具有主體基礎(chǔ)設(shè)施相對(duì)完善，車道線清晰，路況好，人車混行等復(fù)雜場(chǎng)景少，且惡性交通事故主要由于車輛行駛行為不當(dāng)造成，是車路協(xié)同優(yōu)先落地的場(chǎng)景之一。

車路協(xié)同系統(tǒng)集成了各類復(fù)雜的技術(shù)，主要包含車車/車路通信技術(shù)、交通安全技術(shù)、交通控制技術(shù)、環(huán)境感知技術(shù)等，這些技術(shù)均已有成熟的應(yīng)用和相關(guān)產(chǎn)品落地。面向服務(wù)于道路運(yùn)營(yíng)單位及行業(yè)管理單位的云控平臺(tái)正是車路協(xié)同技術(shù)的主要承載體，云控平臺(tái)的建設(shè)是車路協(xié)同發(fā)展普及的必由之路，但目前其云控平臺(tái)的研究進(jìn)程發(fā)展相對(duì)緩慢，缺乏相應(yīng)的標(biāo)準(zhǔn)規(guī)范，應(yīng)用程度較低。

1 總體思路

本文按照業(yè)界普遍認(rèn)同的“端-邊-云”車路協(xié)同云控平臺(tái)邏輯架構(gòu)，更加全面地分析應(yīng)用場(chǎng)景，并由此提出面向道路運(yùn)營(yíng)單位及行業(yè)管理單位的云控平臺(tái)功能架構(gòu)及技術(shù)架構(gòu)設(shè)計(jì)，實(shí)現(xiàn)數(shù)據(jù)及算法模型驅(qū)動(dòng)管控策略生成，實(shí)現(xiàn)路側(cè)設(shè)備聯(lián)動(dòng)控制與管理，提高道路服務(wù)水平，降低運(yùn)維成本，保障道路平穩(wěn)有序運(yùn)行。評(píng)價(jià)分析功能模塊中細(xì)化了感知數(shù)據(jù)資源項(xiàng)，給出了不同氣象條件下不同道路條件下的建議行駛速度閾值。預(yù)測(cè)仿真功能模塊以匝道匯入場(chǎng)景為例，制定關(guān)鍵控制數(shù)據(jù)項(xiàng)。協(xié)同控制功能模塊以匝道匯流場(chǎng)景為實(shí)例，明確各類外場(chǎng)設(shè)備控制動(dòng)作及方式。邏輯架構(gòu)如圖1所示。

面向高速公路運(yùn)營(yíng)管理單位的車路協(xié)同云控平臺(tái)按照全生命周期化、數(shù)字孿生化、運(yùn)維一體化理念構(gòu)建“端-邊-云”三級(jí)架構(gòu)。

“端”：于建設(shè)期部署北斗等相關(guān)智慧工地設(shè)備，運(yùn)營(yíng)期部署路側(cè)設(shè)備，包括支持專用短程通信技術(shù)（Dedicated Short Range Communication，DSRC）?長(zhǎng)期演進(jìn)技術(shù)-車輛通信（Long Term Evolution-Vehicle，LTE-V）?蜂窩車聯(lián)網(wǎng)（C-V2X）等多通信協(xié)議的路側(cè)單元（Road Side Unit, RSU）、感知設(shè)備、信息提示設(shè)備，車端設(shè)備包括車載單元（On Board Unit, OBU）、控制器局域網(wǎng)絡(luò)（Controller Area Network, CAN）。

“邊”：邊緣計(jì)算，由于對(duì)時(shí)延要求有所限制的緊急制動(dòng)、并道預(yù)警等實(shí)時(shí)業(yè)務(wù)均由邊緣云完成，所以需要加快網(wǎng)絡(luò)中各種信息、服務(wù)與端設(shè)備的交互，但全局性、關(guān)聯(lián)性業(yè)務(wù)需與“中心云”協(xié)同處理。

“云”：云控平臺(tái)，由基礎(chǔ)設(shè)施（IaaS）?應(yīng)用支撐（PaaS）?應(yīng)用系統(tǒng)（SaaS）三個(gè)層次構(gòu)成，向出行者提供控制及服務(wù)兩類全局性關(guān)聯(lián)性服務(wù)。本文的技術(shù)路線圖如圖2所示。

2 云控平臺(tái)發(fā)展現(xiàn)狀

云控平臺(tái)（Cloud Computing Platform, CCP）為智能汽車及相關(guān)管理與服務(wù)機(jī)構(gòu)等提供車輛運(yùn)行、基礎(chǔ)設(shè)施、交通環(huán)境、交通管理等動(dòng)態(tài)基礎(chǔ)數(shù)據(jù)，涵蓋數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)運(yùn)維、大數(shù)據(jù)分析、云計(jì)算、信息安全等基礎(chǔ)服務(wù)要素。

中國(guó)智能網(wǎng)聯(lián)汽車與交通研究中心、汽車安全與節(jié)能國(guó)家重點(diǎn)實(shí)驗(yàn)室、清華大學(xué)車輛與運(yùn)載學(xué)院、啟迪云控（北京）科技有限公司提出了車路協(xié)同云控平臺(tái)的構(gòu)建思路，該平臺(tái)基于賽博-物理-社會(huì)系統(tǒng)原理（Cyber Physical Social Systems,CPSS），物理架構(gòu)分為車端-邊緣云/區(qū)域云-中心云3級(jí)，通過(guò)感知、通信、計(jì)算、控制等技術(shù)，基于標(biāo)準(zhǔn)化通信協(xié)議，實(shí)現(xiàn)物理空間與信息空間中“車、交通、環(huán)境”等要素的相互映射，利用可靠標(biāo)準(zhǔn)化交互與高效協(xié)同及云計(jì)算大數(shù)據(jù)能力，解決系統(tǒng)性的資源優(yōu)化與配置問(wèn)題，促進(jìn)人車路運(yùn)行按需響應(yīng)、快速迭代、動(dòng)態(tài)優(yōu)化，最終實(shí)現(xiàn)協(xié)同式無(wú)人駕駛。其云控基礎(chǔ)平臺(tái)的架構(gòu)方法與功能定位，如圖3所示。

3 云控平臺(tái)架構(gòu)設(shè)計(jì)

3.1 應(yīng)用場(chǎng)景分析

隨著各類車路協(xié)同工程的開(kāi)工建設(shè)，群智能算法、編隊(duì)跟馳等理論模型的成熟優(yōu)化，車路協(xié)同的應(yīng)用場(chǎng)景將不斷豐富，迅速擴(kuò)充，本文在《公路工程適應(yīng)自動(dòng)駕駛附屬設(shè)施總體技術(shù)規(guī)范（征求意見(jiàn)稿）》提出的應(yīng)用類別及具體場(chǎng)景基礎(chǔ)上，結(jié)合以往項(xiàng)目經(jīng)驗(yàn)對(duì)其進(jìn)行了豐富和補(bǔ)充，并將其作為指導(dǎo)云控平臺(tái)功能架構(gòu)設(shè)計(jì)的基礎(chǔ)。

依照高速公路業(yè)務(wù)需求，應(yīng)用場(chǎng)景的類別在現(xiàn)有的“安全類”“效率類”“信息服務(wù)類”三大類基礎(chǔ)上，增加“管控”“運(yùn)營(yíng)養(yǎng)護(hù)”兩類，以滿足運(yùn)營(yíng)單位的實(shí)際業(yè)務(wù)需要。

具體場(chǎng)景除基本的交叉路口碰撞預(yù)警、前方擁堵提醒、智能汽車近場(chǎng)支付等22個(gè)外，增加危險(xiǎn)/不良駕駛行為預(yù)警、夜間行車引導(dǎo)、施工/事故影響管控、服務(wù)區(qū)信息播報(bào)與推薦、遠(yuǎn)程車輛問(wèn)診、綠通申報(bào)抽查、兩客一危重點(diǎn)車輛管控、主體及附屬設(shè)施遠(yuǎn)程巡檢、路面異物/破損群智檢測(cè)等25個(gè)應(yīng)用場(chǎng)景。

安全類增加危險(xiǎn)/不良駕駛行為預(yù)警、夜間行車引導(dǎo)、突發(fā)極端天氣行車引導(dǎo)、專用車道路權(quán)分配與控制、車路虛擬行駛試驗(yàn)。效率類增加基于車路協(xié)同的不停車收費(fèi)、收費(fèi)車道引導(dǎo)、最佳車道/車速引導(dǎo)、行車路徑規(guī)劃、施工/事故影響管控、交通流量管控、道路限行管控、道路封閉管理。信息服務(wù)類增加服務(wù)區(qū)信息播報(bào)與推薦、遠(yuǎn)程車輛問(wèn)診。管控類增加隧道照明控制、路側(cè)設(shè)備聯(lián)動(dòng)管控、超限監(jiān)測(cè)、綠通申報(bào)抽查、兩客一危重點(diǎn)車輛管控。運(yùn)營(yíng)養(yǎng)護(hù)類增加一路多方聯(lián)動(dòng)處置、主體及附屬設(shè)施遠(yuǎn)程巡檢、路面異物/破損群智檢測(cè)、巡檢任務(wù)生成與分派、排障任務(wù)生成與分派。

3.2 功能架構(gòu)

高速公路運(yùn)營(yíng)管理單位的業(yè)務(wù)職責(zé)分為交通管理、收費(fèi)管理、路政管理、養(yǎng)護(hù)管理、監(jiān)控及通信管理、服務(wù)區(qū)管理和綜合開(kāi)發(fā)6方面。根據(jù)實(shí)際需求，隨著車路協(xié)同系統(tǒng)的建設(shè)，新的應(yīng)用場(chǎng)景不斷涌現(xiàn)，功能需求隨之變化，本文將云控平臺(tái)的功能錨定為評(píng)價(jià)分析、預(yù)測(cè)仿真、協(xié)同控制、綜合展示四方面。

3.2.1 評(píng)價(jià)分析

通過(guò)路側(cè)高清攝像頭、激光雷達(dá)/毫米波雷達(dá)、導(dǎo)航軟件、車載OBU、氣象監(jiān)測(cè)器等設(shè)備全量收集車、路、環(huán)境的數(shù)據(jù)資源。

車輛基礎(chǔ)信息含車輛ID、車型、車牌、車身顏色、受控優(yōu)先級(jí)、車輛網(wǎng)聯(lián)化、車體尺寸；車輛位置信息含時(shí)間、車道、位置；車輛實(shí)時(shí)狀態(tài)含實(shí)時(shí)速度、行駛方向、車頭間距、縱向加速度、橫向加速度、車頭方向角、方向盤轉(zhuǎn)角、油門、剎車、燈態(tài)、故障碼、油量；車輛歷史數(shù)據(jù)分析含平均速度、換道頻率、車道偏離、駕駛時(shí)間、行駛軌跡、速度方差、違章記錄、黑灰名單；道路靜態(tài)數(shù)據(jù)含交通安全設(shè)施標(biāo)志/標(biāo)線、路段起終點(diǎn)、路網(wǎng)轉(zhuǎn)換、車道級(jí)信息、限速信息、圓曲線最小半徑、行車視距、機(jī)電設(shè)備、構(gòu)造物；道路動(dòng)態(tài)數(shù)據(jù)含道路施工、交通管控、交通事故、交通擁堵、車道密度、斷面流量、沖突數(shù)、歷史事故率、車道平均通過(guò)速度、車型、統(tǒng)計(jì)、設(shè)施健康狀況、載荷；行車環(huán)境因素含天氣種類、道路附著系數(shù)、能見(jiàn)度、光照度等。

根據(jù)以上數(shù)據(jù)資源得到建議行駛速度閾值、路側(cè)設(shè)備覆蓋率、服務(wù)車輛類型及數(shù)量、設(shè)備在線率、管控策略生成下發(fā)及執(zhí)行率等核心指標(biāo)，構(gòu)建具有車路協(xié)同特色的關(guān)鍵指標(biāo)體系，用以評(píng)價(jià)車路協(xié)同道路建設(shè)及運(yùn)行服務(wù)效果。

評(píng)價(jià)分析功能以視頻分析、知識(shí)數(shù)據(jù)庫(kù)、深度學(xué)習(xí)為基礎(chǔ)技術(shù)支撐，以調(diào)度中心、計(jì)算引擎為核心對(duì)不同層面的海量數(shù)據(jù)與實(shí)際業(yè)務(wù)需求相結(jié)合進(jìn)行計(jì)算分析，挖掘數(shù)據(jù)價(jià)值，打通數(shù)據(jù)壁壘，打破數(shù)據(jù)孤島，形成可量化的指標(biāo)數(shù)據(jù)。并以此為基準(zhǔn)，與當(dāng)前云控平臺(tái)管轄范圍內(nèi)的相關(guān)數(shù)據(jù)做分析對(duì)比，對(duì)其管控效果進(jìn)行分析評(píng)價(jià)。3.2.2 預(yù)測(cè)仿真

預(yù)測(cè)仿真將融合路網(wǎng)流量、行程時(shí)間、交通飽和度、交通狀態(tài)、匝道信控方案、交通安全服務(wù)水平等級(jí)等信息，基于在線仿真技術(shù)，通過(guò)實(shí)時(shí)數(shù)據(jù)接入，依據(jù)當(dāng)前路網(wǎng)交通運(yùn)行態(tài)勢(shì)，在線生成控制策略與誘導(dǎo)方案，并對(duì)方案的效果進(jìn)行預(yù)估評(píng)價(jià)，為主動(dòng)交通運(yùn)行管控提供決策支持。

以匝道匯入場(chǎng)景為例，通過(guò)基于蟻群算法優(yōu)化的Elman神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)仿真后，生成以下關(guān)鍵控制數(shù)據(jù)項(xiàng)。

輸入：匯入車輛ID、主線車輛ID、車型、時(shí)刻、位置（經(jīng)緯度）、位置（海拔）、車頭方向角、車體尺寸（長(zhǎng)、寬）、速度、縱向加速度、橫擺角速度；

輸出：主路可匯入?yún)^(qū)段下游點(diǎn)、主路可匯入?yún)^(qū)段上游點(diǎn)、主路可匯入?yún)^(qū)段下游點(diǎn)移動(dòng)速度、主路可匯入?yún)^(qū)段上游點(diǎn)移動(dòng)速度、匝道建議匯入位置、匝道建議匯入時(shí)間起點(diǎn)、匝道建議匯入時(shí)間終點(diǎn)、匝道建議匯入車速。

3.2.3 協(xié)同控制

基于路網(wǎng)交通狀態(tài)等級(jí)與安全等級(jí)評(píng)估結(jié)果，綜合路徑行程時(shí)間、出行距離、出行費(fèi)用、擁堵造成的延誤及路徑事故風(fēng)險(xiǎn)等級(jí)等諸多因素，建立兼顧出行效率與安全考量的路網(wǎng)交通流誘導(dǎo)算法，獲得不同路網(wǎng)環(huán)境下的最優(yōu)路徑誘導(dǎo)方案。

基于評(píng)價(jià)分析及預(yù)測(cè)仿真結(jié)果，融合路段實(shí)時(shí)流量數(shù)據(jù)，可構(gòu)建入口車流智能控制、多匝道信號(hào)配時(shí)協(xié)同優(yōu)化控制、車道級(jí)流量智能調(diào)控、彎道速度實(shí)時(shí)調(diào)控等相關(guān)功能模塊，集成出入口-匝道-車道三級(jí)管控的多目標(biāo)優(yōu)化算法，形成匝道信號(hào)配時(shí)聯(lián)動(dòng)方案，車輛匯流/分流控制方案，彎道行車控制方案等。

以匝道匯入場(chǎng)景為例，匝道情報(bào)板面向匯入車輛提示主路最右側(cè)車道情況，向其發(fā)送加/減速、匯入時(shí)機(jī)等信息。主線情報(bào)板面向主路車輛提示匝道情況，提供轉(zhuǎn)換車道、加/減速、匯入時(shí)機(jī)等信息。導(dǎo)航軟件從云控平臺(tái)收集數(shù)據(jù)后，根據(jù)算法，得到相應(yīng)數(shù)據(jù)，向不同車道車輛提示匯入信息，位置、速度、距離、建議措施。同時(shí)，云控平臺(tái)可控制動(dòng)態(tài)限速標(biāo)志對(duì)主線及匝道匯入車輛進(jìn)行靈活的限速控制，控制智慧道釘閃爍時(shí)機(jī)與頻率，例如在匝道匯流處前方500 m，主線最右側(cè)車道智慧道釘由黃色常亮變?yōu)辄S色閃爍，提示車輛調(diào)節(jié)速度。

3.2.4 綜合展示

為了使車路協(xié)同云控平臺(tái)的工作效果能直觀和動(dòng)態(tài)地呈現(xiàn)，綜合展示囊括宏觀、中觀、微觀三個(gè)層面逐層下鉆展開(kāi)。宏觀對(duì)象主要包括路網(wǎng)路線，中觀層面對(duì)象主要包括路段、關(guān)鍵構(gòu)造物、關(guān)鍵場(chǎng)所，微觀層面對(duì)象主要包括車輛、路側(cè)設(shè)備。

以地理信息系統(tǒng)（Geographic Information System, GIS）為底圖，結(jié)合各類數(shù)據(jù)，通過(guò)視頻、列表、熱力圖、數(shù)據(jù)遷徙等多種形式，實(shí)時(shí)展示路網(wǎng)運(yùn)行，車輛行駛狀態(tài)、預(yù)測(cè)仿真結(jié)果、潛在風(fēng)險(xiǎn)因素、管控策略執(zhí)行效果等信息，形成具有直觀性高、形式豐富且交互性強(qiáng)的跨業(yè)務(wù)、跨地域的綜合展示，進(jìn)而增強(qiáng)云控平臺(tái)人機(jī)交互的可靠性，保證平臺(tái)的服務(wù)質(zhì)量。

3.3 技術(shù)架構(gòu)

云控平臺(tái)技術(shù)架構(gòu)由基礎(chǔ)設(shè)施層、支撐層、服務(wù)層三部分構(gòu)成，如圖4所示。

基礎(chǔ)設(shè)施層通過(guò)建設(shè)期及運(yùn)營(yíng)期布設(shè)的各類外場(chǎng)終端，利用通信系統(tǒng)實(shí)現(xiàn)信息的上傳及下達(dá)，依靠威睿（VMWare）/OpenStack等云管理軟件實(shí)現(xiàn)計(jì)算、網(wǎng)絡(luò)、存儲(chǔ)資源的按需動(dòng)態(tài)、彈性分配，同時(shí)配置操作系統(tǒng)、數(shù)據(jù)庫(kù)、中間件向各類應(yīng)用提供基礎(chǔ)軟件環(huán)境。

支撐層完成數(shù)據(jù)工程作業(yè)，實(shí)現(xiàn)數(shù)據(jù)與應(yīng)用的分離。依靠數(shù)據(jù)交換共享技術(shù)和物聯(lián)網(wǎng)技術(shù)完成數(shù)據(jù)資源的全量、實(shí)時(shí)地“收集”；通過(guò)數(shù)據(jù)處理，完成數(shù)據(jù)清洗、標(biāo)注、補(bǔ)全等數(shù)據(jù)處理工作；經(jīng)過(guò)清洗的數(shù)據(jù)按其屬性進(jìn)行分類入庫(kù)操作，完成數(shù)據(jù)存儲(chǔ)工作；數(shù)據(jù)處理計(jì)算則是在計(jì)算框架的牽引下，利用各類計(jì)算引擎，按照業(yè)務(wù)特性進(jìn)行模型構(gòu)建，最后與建筑信息模型（Building Information Modeling, BIM）、高精地圖、流媒體等數(shù)據(jù)進(jìn)行匹配，生成定向封裝的數(shù)據(jù)服務(wù)，支撐業(yè)務(wù)系統(tǒng)工作開(kāi)展。

服務(wù)層則是按照對(duì)象的不同分為管理決策類應(yīng)用集及服務(wù)類應(yīng)用集兩部分，各類應(yīng)用按業(yè)務(wù)流程、職責(zé)分工、時(shí)效要求，完成具體業(yè)務(wù)工作。

本文利用開(kāi)源應(yīng)用容器引擎（Docker）相互隔離、按需提供資源、快速部署的特性，作為云控平臺(tái)技術(shù)實(shí)現(xiàn)路徑。采用容器引擎（Docker）技術(shù)，搭建以單一主節(jié)點(diǎn)為核心容器，輔以多個(gè)工作節(jié)點(diǎn)的云控平臺(tái)基礎(chǔ)設(shè)施，工作節(jié)點(diǎn)通過(guò)套接字（Socket）或者RESTful API與主節(jié)點(diǎn)容器進(jìn)行通信，實(shí)現(xiàn)服務(wù)的構(gòu)建、運(yùn)行和發(fā)布。通過(guò)加載鏡像倉(cāng)庫(kù)中的鏡像創(chuàng)建容器，其可被啟動(dòng)、開(kāi)始、停止、刪除，且容器間相互獨(dú)立，可保證平臺(tái)的整體安全。容器可讀可寫，鏡像則為只讀，二者可在同一個(gè)集群中運(yùn)行，也可以實(shí)現(xiàn)跨主機(jī)的遠(yuǎn)程通信。

4 結(jié)語(yǔ)

本文主要針對(duì)車路協(xié)同環(huán)境下云控平臺(tái)的架構(gòu)設(shè)計(jì)進(jìn)行研究，調(diào)研大量文獻(xiàn)，總結(jié)現(xiàn)有云控平臺(tái)的發(fā)展現(xiàn)狀及應(yīng)用情況，結(jié)合作者多年從業(yè)經(jīng)驗(yàn)，對(duì)其進(jìn)行場(chǎng)景擴(kuò)充。緊貼高速公路運(yùn)營(yíng)管理單位需求，在充分分析其應(yīng)用場(chǎng)景基礎(chǔ)上，抽象出評(píng)價(jià)分析、預(yù)測(cè)仿真、協(xié)同控制、綜合展示四個(gè)功能模塊，并進(jìn)一步提出云控平臺(tái)的技術(shù)架構(gòu)，提出了采用容器引擎（Docker）技術(shù)，按照基礎(chǔ)設(shè)施、支撐、服務(wù)三層結(jié)構(gòu)構(gòu)建云控平臺(tái)技術(shù)架構(gòu)。