智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)架構(gòu)與關(guān)鍵技術(shù)研究綜述

丁飛 張楠 李升波 邊有鋼 童恩 李克強(qiáng)

汽車工業(yè)的快速進(jìn)步,信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)的快速發(fā)展,推動(dòng)了智能網(wǎng)聯(lián)汽車(Intelligent connected vehicle,ICV) 產(chǎn)業(yè)的迅猛發(fā)展[1].美國(guó)、歐盟和日本等很早就開(kāi)始布局基于專用短程通信技術(shù)(Dedicated short range communication,DSRC)標(biāo)準(zhǔn)的車路協(xié)同系統(tǒng)建設(shè),如美國(guó)先進(jìn)交通和高速公路合作伙伴項(xiàng)目[2]、車輛基礎(chǔ)設(shè)施集成項(xiàng)目[3],歐盟的歐洲區(qū)域項(xiàng)目[4]、C-Roads 項(xiàng)目[5]、日本的Smartway 項(xiàng)目[6]等,其中,車?車和車?路協(xié)同是該類項(xiàng)目發(fā)展的重點(diǎn).國(guó)內(nèi)對(duì)智能網(wǎng)聯(lián)汽車和車路協(xié)同的研究起步相對(duì)較晚,但國(guó)家主導(dǎo)了基于公眾移動(dòng)網(wǎng)絡(luò)的蜂窩車聯(lián)網(wǎng)(Cellular Vehicle-to-everything,C-V2X)技術(shù)標(biāo)準(zhǔn),相比DSRC,該技術(shù)在網(wǎng)絡(luò)架構(gòu)、技術(shù)性能、技術(shù)掌控度及后續(xù)演進(jìn)等方面具有優(yōu)勢(shì).作為5G 和汽車領(lǐng)域最具潛力的應(yīng)用之一,智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新與車路協(xié)同系統(tǒng)建設(shè)在中國(guó)已上升到國(guó)家戰(zhàn)略高度.根據(jù)《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2021～ 2035 年)》,中國(guó)將重點(diǎn)推動(dòng)智能化道路的升級(jí)改造,加快新型基礎(chǔ)設(shè)施建設(shè),鼓勵(lì)引導(dǎo)車載無(wú)線通信終端的裝配,推動(dòng)數(shù)字系統(tǒng)改造和云上平臺(tái),打造智能網(wǎng)聯(lián)核心競(jìng)爭(zhēng)力與新型產(chǎn)業(yè)生態(tài)[7].

傳統(tǒng)車路協(xié)同系統(tǒng)主要強(qiáng)調(diào)車與路側(cè)設(shè)備之間的協(xié)同,可以提供車與車、車與路之間的信息交互輔助單車決策和有限車載信息服務(wù),應(yīng)用場(chǎng)景與服務(wù)能力均受限.文獻(xiàn)[7]首先提出車路云一體化融合控制系統(tǒng)的發(fā)展思路,通過(guò)人、車、路、云等多維要素之間的融合感知、群體決策與協(xié)同控制,從而提升道路交通系統(tǒng)的安全性、效率和綠色化等綜合性能.伴隨著C-V2X 技術(shù)創(chuàng)新,邊緣計(jì)算網(wǎng)絡(luò)(Edge computing network,ECN)和高精度定位系統(tǒng)(High precision positioning system,HPPS)等的發(fā)展與演進(jìn)[8],為構(gòu)建智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)(Intelligent connected Vehicle-road-cloud cooperative system,IC-VRCCS)提供了核心驅(qū)動(dòng)力,主要表現(xiàn)在: 1)在智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的智能化、網(wǎng)聯(lián)化方面,傳統(tǒng)車路協(xié)同系統(tǒng)與C-V2X 進(jìn)行融合,支持直連通信的PC5 接口可以拓展各類 “人?車?路?云”服務(wù)場(chǎng)景,長(zhǎng)期演進(jìn)(Long term evolution,LTE)/5G Uu 接口可以打通人?車?路?云多模式交互接口,為智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的建設(shè)提供決定性支撐[9];加快發(fā)展并集成多系統(tǒng)組合的HPPS,不僅可以順利實(shí)施自動(dòng)駕駛和編隊(duì)控制等服務(wù),并且能保障智能車輛在全球定位系統(tǒng)(Global positioning system,GPS)信號(hào)弱或無(wú)信號(hào)等環(huán)境下的全路況連續(xù)可用[10];2)在智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)測(cè)試方面,各類仿真平臺(tái)的綜合運(yùn)用,全國(guó)測(cè)試場(chǎng)、示范道路和示范區(qū)的大力發(fā)展,為各子系統(tǒng)與互操作測(cè)試、場(chǎng)景定義與場(chǎng)景生成及實(shí)車測(cè)試評(píng)價(jià)創(chuàng)造了有利條件[7];3)平臺(tái)的互融協(xié)同方面,由于智能網(wǎng)聯(lián)自動(dòng)駕駛系統(tǒng)具有低時(shí)延、大并發(fā)和高移動(dòng)性的特點(diǎn),ECN 推動(dòng)了網(wǎng)聯(lián)系統(tǒng)的云平臺(tái)架構(gòu)演進(jìn),基礎(chǔ)平臺(tái)與應(yīng)用平臺(tái)的分離,將資源與業(yè)務(wù)進(jìn)行解耦,可實(shí)現(xiàn)虛擬云資源的高效利用與業(yè)務(wù)數(shù)據(jù)的高效傳輸以及業(yè)務(wù)云的統(tǒng)一建設(shè)、管理與開(kāi)放[11?12].

智能時(shí)代的汽車控制發(fā)展進(jìn)程是對(duì)駕駛員的環(huán)境認(rèn)知感知、決策規(guī)劃和執(zhí)行控制等環(huán)節(jié)的逐步增強(qiáng)和最終替代[13].智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)中人?車?路?云與C-V2X 網(wǎng)絡(luò)的全面融合,將會(huì)催生車?車(Vehicle-to-vehicle,V2V)、車?路(Vehicle-to-infrastructure,V2I)、車?人(Vehicle-to-pedestrian,V2P)和車?云(Vehicle-to-cloud,V2C)等各類新型業(yè)務(wù)模式的發(fā)展并綜合運(yùn)用,但工程實(shí)現(xiàn)仍面臨著一系列的挑戰(zhàn): 1)受限于智能車輛的整車設(shè)計(jì)與產(chǎn)業(yè)協(xié)同的工作階段,如何有效利用現(xiàn)有車輛平臺(tái)并與C-V2X 網(wǎng)絡(luò)進(jìn)行架構(gòu)設(shè)計(jì)以及HPPS 進(jìn)行結(jié)合,實(shí)現(xiàn)工作框架設(shè)計(jì)并給出設(shè)計(jì)要求,是亟須解決的問(wèn)題;2)更多關(guān)聯(lián)平臺(tái)與系統(tǒng)的打通以及ECN的加入,如何開(kāi)展應(yīng)用平臺(tái)與基礎(chǔ)平臺(tái)的架構(gòu)設(shè)計(jì)以及移動(dòng)邊緣計(jì)算(Mobile edge computing,MEC)與C-V2X 的融合網(wǎng)絡(luò)部署,還有待進(jìn)一步梳理并細(xì)化;3)智能網(wǎng)聯(lián)車路云協(xié)同場(chǎng)景相關(guān)設(shè)備和場(chǎng)地布設(shè)成本較高,業(yè)界對(duì)各子系統(tǒng)與互操作以及場(chǎng)景測(cè)試研究正在積極展開(kāi),但相關(guān)測(cè)試方案并未獲得全面統(tǒng)一,需要考慮高效地開(kāi)展場(chǎng)景測(cè)試并推進(jìn)理論到實(shí)際的轉(zhuǎn)化.為了更好梳理國(guó)內(nèi)外智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)架構(gòu)及其關(guān)鍵技術(shù)的發(fā)展現(xiàn)狀,本文將從智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的架構(gòu)技術(shù),智能網(wǎng)聯(lián)V2X 組網(wǎng)、融合定位和測(cè)試評(píng)價(jià)技術(shù)等關(guān)鍵技術(shù)方面進(jìn)行詳細(xì)闡述,并對(duì)智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的發(fā)展趨勢(shì)展開(kāi)討論.

1 架構(gòu)技術(shù)

在LTE/5G-V2X 網(wǎng)絡(luò)支撐下,智能車輛、道路、路側(cè)設(shè)施和平臺(tái)等與C-V2X 技術(shù)的融合,將部分感知、計(jì)算和服務(wù)等功能在車、路、云之間進(jìn)行分布式部署,需要探索實(shí)現(xiàn)車輛、道路、路側(cè)設(shè)施和云端的深度融合與系統(tǒng)重構(gòu).架構(gòu)技術(shù)是智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)產(chǎn)業(yè)協(xié)同創(chuàng)新及落地應(yīng)用的頂層設(shè)計(jì).基于C-V2X 技術(shù),車?路?云協(xié)同作業(yè)并組建為新型車路云融合系統(tǒng),其中智能網(wǎng)聯(lián)V2X 通信系統(tǒng)和云控系統(tǒng)分為該系統(tǒng)的網(wǎng)絡(luò)中心和控制中心.并且,針對(duì)現(xiàn)階段車路云協(xié)同系統(tǒng)試驗(yàn)場(chǎng)和示范區(qū)以及智能網(wǎng)聯(lián)汽車產(chǎn)品測(cè)試的工作進(jìn)展,需要給出服務(wù)于產(chǎn)業(yè)發(fā)展需求的車路云協(xié)同測(cè)試系統(tǒng)的應(yīng)用架構(gòu)、測(cè)試場(chǎng)景設(shè)計(jì)與系統(tǒng)構(gòu)建思路.

1.1 新型車路云融合系統(tǒng)

區(qū)別于傳統(tǒng)車路協(xié)同系統(tǒng),未來(lái)智能車輛、道路、路側(cè)設(shè)施和平臺(tái)與C-V2X 網(wǎng)絡(luò)的全面融合使得具有類似如圖1 所示邏輯框架的新型車路云融合系統(tǒng)成為發(fā)展趨勢(shì),催生新架構(gòu)下嵌入V2X 通信的智能網(wǎng)聯(lián)車輛、智能網(wǎng)聯(lián)道路(Intelligent connected road,ICR)、智能網(wǎng)聯(lián)路側(cè)設(shè)施(Intelligent connected infrastructure,ICI)和智能網(wǎng)聯(lián)云(Intelligent connected cloud,ICC),打通車(車內(nèi)/車外/車間/車云)、路(路面/路側(cè)/路間/路云)、云(邊緣計(jì)算平臺(tái)/區(qū)域數(shù)據(jù)中心云/公安交警監(jiān)管平臺(tái)/汽車制造廠商平臺(tái)/第三方平臺(tái)),集成車端、道路、路側(cè)、云端、車輛到電網(wǎng)(Vehicle to grid,V2G)及第三方平臺(tái)等各種數(shù)據(jù)、服務(wù)、用戶等各類資源,實(shí)現(xiàn)車路云一體化的感知、決策與控制、地圖、安全及應(yīng)用服務(wù),這也構(gòu)成了汽車產(chǎn)業(yè)與C-V2X 技術(shù)融合發(fā)展的核心內(nèi)涵.

智能化和網(wǎng)聯(lián)化是新型車路云融合系統(tǒng)的典型特征,傳統(tǒng)車輛與C-V2X 技術(shù)的融合將為智能網(wǎng)聯(lián)車輛接入到統(tǒng)一的 “新六心”,具體是: 感應(yīng)中心、地圖中心、決策中心、控制中心、服務(wù)中心和安全中心.感知中心負(fù)責(zé)對(duì)行駛車輛信息采集、狀態(tài)監(jiān)測(cè)、協(xié)同融合感知;地圖中心為車輛提供高精度定位、路徑規(guī)劃和動(dòng)態(tài)交通信息;決策中心負(fù)責(zé)單車、多車、局部或全域場(chǎng)景下的協(xié)同與群體決策及規(guī)劃;控制中心依據(jù)(感知中心)感知信息、(地圖中心)高精度定位與實(shí)時(shí)交通信息、(決策中心)決策與規(guī)劃策略,實(shí)現(xiàn)車路云協(xié)同場(chǎng)景下的智能駕駛與智能交通服務(wù),提升車輛行駛與交通運(yùn)行的綜合性能,當(dāng)車輛出現(xiàn)故障或處于惡劣環(huán)境下,確保安全行駛;車載可視化平臺(tái)接入服務(wù)中心,享受個(gè)性化自動(dòng)駕駛與交通信息服務(wù);安全中心負(fù)責(zé)管理智能網(wǎng)聯(lián)汽車的終端安全、組網(wǎng)安全、系統(tǒng)安全、數(shù)據(jù)與接口安全等.

1.2 智能網(wǎng)聯(lián)V2X 通信系統(tǒng)

智能網(wǎng)聯(lián)V2X 通信系統(tǒng)由LTE 和5G 網(wǎng)絡(luò)進(jìn)行承載,研究5G-V2X 應(yīng)用架構(gòu)和人、車、路等多要素協(xié)同系統(tǒng)內(nèi)信息融合,對(duì)開(kāi)展智能網(wǎng)聯(lián)汽車和交通智能體的系統(tǒng)設(shè)計(jì)和優(yōu)化系統(tǒng)性能具有重要意義.

1.2.1 5G-V2X 應(yīng)用架構(gòu)

面向車路云一體化控制的5G-V2X 應(yīng)用架構(gòu)如圖2 所示,5G 系統(tǒng)負(fù)責(zé)提供V2X 網(wǎng)絡(luò)覆蓋,車輛、道路和路側(cè)設(shè)施等嵌入V2X 通信并組成V2X通信系統(tǒng).5G 系統(tǒng)具備虛擬化資源的動(dòng)態(tài)配置和調(diào)度功能,為支撐V2X 應(yīng)用發(fā)布與差異化服務(wù)需求,第三代合作伙伴計(jì)劃(3rd generation partnership project,3GPP) TS 23.2875G 對(duì)5G 系統(tǒng)構(gòu)進(jìn)行了增強(qiáng)定義[14].5G-V2X 應(yīng)用架構(gòu)主要由5G 核心網(wǎng)(5G core,5GC)域、路側(cè)單元(Road side unit,RSU) (含RSU 平臺(tái))、路側(cè)設(shè)施和車輛等組成.其中,5GC 由多個(gè)網(wǎng)絡(luò)功能構(gòu)成,例如訪問(wèn)和移動(dòng)管理功能(Access and mobility management function,AMF)、策略控制功能(Policy control function,PCF)、網(wǎng)絡(luò)數(shù)據(jù)分析功能(Network data analytics function,NWDAF)、網(wǎng)絡(luò)存儲(chǔ)庫(kù)功能(Network repository function,NRF)、網(wǎng)絡(luò)開(kāi)放功能(Network exposure function,NEF)、統(tǒng)一數(shù)據(jù)存儲(chǔ)庫(kù)、統(tǒng)一數(shù)據(jù)管理、用戶平面功能(User plane function,UPF)和會(huì)話管理功能(Session management function,SMF)等[15].5GC 控制平面內(nèi)的網(wǎng)絡(luò)功能使用基于服務(wù)的接口進(jìn)行交互(例如 Npcf、Nsmf、Nnef、Nnwdaf 等).智能網(wǎng)聯(lián)車輛內(nèi)置的用戶設(shè)備(User equipment,UE)應(yīng)用之間采用V5 接口進(jìn)行本地?cái)?shù)據(jù)傳遞,并利用V1 接口與V2X 應(yīng)用服務(wù)器進(jìn)行遠(yuǎn)程數(shù)據(jù)交互.

圖2 智能網(wǎng)聯(lián)車輛V2X 應(yīng)用示意架構(gòu)Fig.2 Schematic architecture of V2X application of the ICV

在該架構(gòu)中,車載通信分為車內(nèi)通信和車外通信[16]兩部分,前者主要包括車內(nèi)系統(tǒng)(分為計(jì)算平臺(tái)、控制器域網(wǎng)(Controller area network,CAN)網(wǎng)關(guān)、傳感器陣列、可視化平臺(tái)和3D 地圖等)和集成車載單元(On board unit,OBU)平臺(tái)的接口,后者為OBU 平臺(tái)承載的各類 “人?車?路?云”通信服務(wù),兩者之間通過(guò)連接器(如串口、USB 接口或以太網(wǎng)等)進(jìn)行信息交換.車載V2X 通信系統(tǒng)的進(jìn)一步發(fā)展,將是以車載計(jì)算平臺(tái)為核心,全面融合傳感器陣列、可視化平臺(tái)、OBU 平臺(tái)及定位系統(tǒng)等,真正實(shí)現(xiàn)集成V2X 網(wǎng)絡(luò)的感知、組網(wǎng)、決策和控制的一體化設(shè)計(jì).

1.2.2 信息融合

在車路云協(xié)同架構(gòu)下,智能網(wǎng)聯(lián)車輛通過(guò)自感知(車內(nèi)/車外)與協(xié)同感知(車間/車路/車云)并服務(wù)于多種應(yīng)用(如跟車、換道和自適應(yīng)巡航控制等),從而在V2X 網(wǎng)絡(luò)中傳輸各種消息.歐洲電信標(biāo)準(zhǔn)化協(xié)會(huì)為車路云協(xié)同場(chǎng)景定義了多種標(biāo)準(zhǔn)化消息,包括協(xié)作感知消息、集體感知消息、分散式環(huán)境通知消息、本地動(dòng)態(tài)地圖、機(jī)動(dòng)協(xié)調(diào)消息以及用于輔助駕駛場(chǎng)景下車道變更警告、道路危險(xiǎn)信號(hào)、縱向碰撞風(fēng)險(xiǎn)警告等安全消息[17].圖2 中,傳感器陣列包括激光雷達(dá)、攝像頭、雷達(dá)、超聲波等采集的數(shù)據(jù)(圖2 中消息1))傳送給計(jì)算平臺(tái),定位感知消息2)、協(xié)作感知消息3)、集體感知消息4)和其他感知消息,經(jīng)協(xié)議適配器進(jìn)行格式轉(zhuǎn)換并封裝為V2X信息包,再通過(guò)連接器送入車載計(jì)算平臺(tái)進(jìn)行處理或發(fā)送到云平臺(tái)處理后下發(fā)給車輛.其中,定位感知消息用于獲取位置、速度、航向等信息;協(xié)作感知消息為PC5側(cè)鏈探測(cè)出的鄰車位置、網(wǎng)絡(luò)拓?fù)浼敖换バ畔?集體感知消息包括車輛與路側(cè)聯(lián)合感知消息(如RSU覆蓋區(qū)域的實(shí)時(shí)路況、V2I 鏈路狀態(tài)監(jiān)測(cè)等)以及路側(cè)設(shè)施的播報(bào)消息(如駕駛提醒、交通擁堵等).

多源信息融合: 一方面可以優(yōu)化區(qū)域內(nèi)各車輛、單車各子功能單元以及軟硬件交互接口處的冗余數(shù)據(jù),從而提升整個(gè)系統(tǒng)的工作效能[18].文獻(xiàn)[19?20]提出冗余緩解的處理規(guī)則;文獻(xiàn)[21]引入消息過(guò)濾機(jī)制,可以在保持感知性能的同時(shí)減少冗余數(shù)據(jù)量;文獻(xiàn)[22]利用可選信息和消息包大小之間的權(quán)衡來(lái)節(jié)省網(wǎng)絡(luò)資源.文獻(xiàn)[23]針對(duì)高速公路場(chǎng)景,利用RSU 提前獲取上游興趣區(qū)域中無(wú)線網(wǎng)絡(luò)和路面交通狀況,進(jìn)而可以動(dòng)態(tài)調(diào)整車輛發(fā)送信息的間隔,從而抑制接收信息的冗余度.文獻(xiàn)[24]使用深度強(qiáng)化學(xué)習(xí)對(duì)數(shù)據(jù)傳輸進(jìn)行調(diào)度并卸載,可以減輕網(wǎng)絡(luò)負(fù)載并提高系統(tǒng)可靠性.另一方面,多源信息融合能夠豐富數(shù)據(jù)內(nèi)涵,增強(qiáng)對(duì)整個(gè)車路云協(xié)同系統(tǒng)的控制與管理,其應(yīng)用涵蓋交通控制、交通預(yù)警和交通指揮中心等方面.交通控制的應(yīng)用根據(jù)歷史檢測(cè)數(shù)據(jù),建立交通道路狀況預(yù)測(cè)模型,可以對(duì)未來(lái)的交通流量[25]、車輛通行時(shí)間[26]、車輛行駛速度[27]等進(jìn)行預(yù)測(cè);交通預(yù)警應(yīng)用則借助信息融合技術(shù)對(duì)道路的擁堵情況[28]與道路通行時(shí)間進(jìn)行確定,同時(shí)把信息及時(shí)發(fā)布于路側(cè)電子顯示屏[29];交通指揮中心通過(guò)對(duì)不同類型系統(tǒng)數(shù)據(jù)進(jìn)行分類、處理并預(yù)測(cè),可以為交通優(yōu)化調(diào)度、城市交通規(guī)劃提供智力支持.

1.3 云控系統(tǒng)

云控系統(tǒng)典型服務(wù)架構(gòu)如圖3 所示,該架構(gòu)包括云控應(yīng)用平臺(tái)、云控基礎(chǔ)平臺(tái)、路側(cè)基礎(chǔ)設(shè)施、車輛與其他交通參與者、通信網(wǎng)與相關(guān)支撐平臺(tái)等6個(gè)主要部分[30?31].車輛及其他交通參與者的信息統(tǒng)一上傳至云控基礎(chǔ)平臺(tái);云控基礎(chǔ)平臺(tái)采用邊緣云、區(qū)域云和中心云的網(wǎng)絡(luò)架構(gòu),結(jié)合地圖、交管、氣象和定位等平臺(tái)的相關(guān)數(shù)據(jù),對(duì)匯聚于云控基礎(chǔ)平臺(tái)的車輛和道路交通動(dòng)態(tài)信息按需進(jìn)行綜合處理后,以標(biāo)準(zhǔn)化分級(jí)共享的方式支撐不同時(shí)延要求下的云控應(yīng)用需求;企業(yè)、機(jī)構(gòu)及政府相關(guān)部門已有交通/智能網(wǎng)聯(lián)汽車服務(wù)平臺(tái),通過(guò)云控基礎(chǔ)平臺(tái)無(wú)需追加基礎(chǔ)設(shè)施建設(shè),即可便捷地獲得更為全面的交通基礎(chǔ)數(shù)據(jù)以提升其服務(wù).

圖3 面向車路云一體化融合的云控系統(tǒng)架構(gòu)[30]Fig.3 Cloud control system architecture oriented to vehicle-road-cloud integration[30]

1.3.1 云控應(yīng)用平臺(tái)

云控應(yīng)用平臺(tái)的組成與服務(wù)架構(gòu)如圖4 所示,其依托于物理分散、邏輯協(xié)同的云控基礎(chǔ)平臺(tái)進(jìn)行建設(shè),采用標(biāo)準(zhǔn)統(tǒng)一、開(kāi)放共享的數(shù)據(jù)交互形態(tài),通過(guò)在物理空間和信息空間車輛、交通、環(huán)境等要素的相互映射,實(shí)現(xiàn)人?車?路?云之間的跨域數(shù)據(jù)協(xié)同.基礎(chǔ)平臺(tái)、網(wǎng)聯(lián)服務(wù)、開(kāi)放平臺(tái)的邏輯分離,融入微服務(wù)和容器等技術(shù),可實(shí)現(xiàn)模塊化、高安全性和高度可伸縮的系統(tǒng)平臺(tái),有利于分布式云設(shè)施與業(yè)務(wù)策略的垂直化管理、業(yè)務(wù)的敏捷式開(kāi)發(fā)并能力開(kāi)放.打造云控應(yīng)用平臺(tái)的標(biāo)準(zhǔn)接入、實(shí)時(shí)數(shù)據(jù)服務(wù)、實(shí)時(shí)決策與控制服務(wù)與管理能力,支持車輛端OBU、客戶端應(yīng)用以及用戶端的共享屏幕應(yīng)用等適配接入,打通與政府監(jiān)管平臺(tái)、車企信息系統(tǒng)和第三方平臺(tái)等,為政府管理類應(yīng)用、行業(yè)服務(wù)類應(yīng)用以及車企智能化應(yīng)用提供智力支持,加速智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的應(yīng)用落地[8].

圖4 云控應(yīng)用平臺(tái)示意架構(gòu)Fig.4 Schematic architecture of cloud control application platform

1.3.2 云控基礎(chǔ)平臺(tái)

云控基礎(chǔ)平臺(tái)采用邊緣?區(qū)域?中心的三級(jí)架構(gòu).邊緣云靠近路側(cè)部署,通過(guò)光纖連接RSU,實(shí)現(xiàn)多級(jí)云架構(gòu)下的數(shù)據(jù)標(biāo)準(zhǔn)化轉(zhuǎn)換,支撐協(xié)同換道規(guī)劃、盲區(qū)與超視距危險(xiǎn)預(yù)警等實(shí)時(shí)云控應(yīng)用.例如目前主流的協(xié)同換道模型包括換道決策模型、換道行為識(shí)別和換道軌跡模型,換道決策模型選定駕駛員的行為特征或車輛的行車環(huán)境作為特征參數(shù),換道行為識(shí)別通過(guò)駕駛模擬器采集車輛換道數(shù)據(jù)并選取能夠表征換道行為的參數(shù)對(duì)識(shí)別模型進(jìn)行訓(xùn)練,換道軌跡模型可以通過(guò)高次多項(xiàng)式擬合或相關(guān)數(shù)理公式進(jìn)行規(guī)劃或預(yù)測(cè)[31].邊緣云的部署可以提升信息共享與實(shí)時(shí)響應(yīng)能力,從而支持遠(yuǎn)程駕駛、輔助駕駛和安全預(yù)警等云控應(yīng)用的高效運(yùn)行.區(qū)域云支持車輛編隊(duì)行駛、道路監(jiān)控預(yù)警、路徑引導(dǎo)和路側(cè)設(shè)施遠(yuǎn)程控制等廣域范圍智能交通類云控應(yīng)用的運(yùn)行.基于車輛到達(dá)目的地的平均駕駛時(shí)間、平均車輛密度、平均行車距離、平均等待時(shí)間以及路網(wǎng)行駛車輛數(shù)等極限指標(biāo),可以對(duì)比測(cè)試車輛不同路徑規(guī)劃策略的性能差異.華為技術(shù)有限公司與重慶交警在渝北區(qū)同茂大道聯(lián)合創(chuàng)建了 “全息路網(wǎng)”示范區(qū)就是一個(gè)具體場(chǎng)景的應(yīng)用,全息路網(wǎng)從點(diǎn)、線到面,構(gòu)建從微觀個(gè)體(車輛)到宏觀系統(tǒng)(區(qū)域交通)的認(rèn)知體系.中心云支持道路交通態(tài)勢(shì)感知、道路交通規(guī)劃設(shè)計(jì)評(píng)估、駕駛行為與交通事故分析、車輛故障分析和車險(xiǎn)動(dòng)態(tài)定價(jià)分析等全局范圍實(shí)時(shí)與非實(shí)時(shí)的云控應(yīng)用的有序運(yùn)行.中心云面向中國(guó)與行業(yè)管理部門、車輛設(shè)計(jì)與生產(chǎn)企業(yè)、交通相關(guān)企業(yè)及科研單位,基于多個(gè)區(qū)域云數(shù)據(jù)的匯聚,為其提供多維度宏觀交通數(shù)據(jù)分析的基礎(chǔ)數(shù)據(jù)與增值服務(wù)[8].

云控基礎(chǔ)平臺(tái)支持對(duì)基礎(chǔ)設(shè)施的在線配置和管理[32],通過(guò)使用超融合或可組合基礎(chǔ)設(shè)施等技術(shù),可以將企業(yè)內(nèi)、外部部署的數(shù)據(jù)中心資源集成到多云系統(tǒng)中,并通過(guò)統(tǒng)一儀表板進(jìn)行精細(xì)化管理[33].為保證各層間的數(shù)據(jù)采集和分發(fā)的可靠性和穩(wěn)定性,需要對(duì)包括車輛基本安全信息、交通運(yùn)行信息等交互數(shù)據(jù)劃分類型并進(jìn)行分發(fā)處理[34?35],數(shù)據(jù)類型如表1 所示.

表1 云控系統(tǒng)數(shù)據(jù)流向與數(shù)據(jù)類型示例Table 1 Example of data flow direction and interactive data types of cloud control system

1.4 車路云協(xié)同測(cè)試系統(tǒng)

全國(guó)以江蘇省無(wú)錫市、天津市西青區(qū)、湖南省長(zhǎng)沙市等為代表的國(guó)家級(jí)車聯(lián)網(wǎng)先導(dǎo)區(qū)以及全國(guó)20 多個(gè)城市的道路聯(lián)網(wǎng)升級(jí)建設(shè),還有各地企業(yè)和研究機(jī)構(gòu)自主建設(shè)的示范測(cè)試區(qū)域.試驗(yàn)場(chǎng)的快速建設(shè)能夠支持智能網(wǎng)聯(lián)相關(guān)技術(shù)的設(shè)備研發(fā)和測(cè)試驗(yàn)證,但如何系統(tǒng)化、科學(xué)化設(shè)計(jì)和建設(shè)試驗(yàn)場(chǎng),促進(jìn)產(chǎn)品與技術(shù)之間的兼容性與互操作性,是現(xiàn)階段試驗(yàn)場(chǎng)需要考慮的重要問(wèn)題.

1.4.1 車路云協(xié)同組網(wǎng)與測(cè)試應(yīng)用架構(gòu)

根據(jù)云管端的架構(gòu)思路,可以將智能網(wǎng)聯(lián)車路云協(xié)同測(cè)試系統(tǒng)劃分為3 層: 1) 終端層包括融合V2X 的ICV、融合V2X 的ICI 和ICR;2)網(wǎng)絡(luò)層擁有 “3 張網(wǎng)”,分別為5G 接入網(wǎng)、定位接入網(wǎng)和以太接入網(wǎng),5G 接入網(wǎng)提供高可靠、大帶寬、低時(shí)延的通信網(wǎng)絡(luò),定位接入網(wǎng)提供動(dòng)態(tài)車道級(jí)定位能力,以太接入網(wǎng)提供高速有線寬帶服務(wù);3)云端由融合V2X 的ICC 組成,一方面提供各子系統(tǒng)與互操作測(cè)試服務(wù),另一方面用于支持交通場(chǎng)景構(gòu)建、實(shí)現(xiàn)可控可追溯的測(cè)試流程和科學(xué)的測(cè)試評(píng)價(jià)體系,提高車路云協(xié)同相關(guān)技術(shù)的開(kāi)發(fā)、測(cè)試和商用部署效率.

在LTE/5G-V2X 通信系統(tǒng)的支撐下,智能網(wǎng)聯(lián)車輛具備增強(qiáng)的環(huán)境感知能力,以及與周圍車輛、道路設(shè)施等信息交互與區(qū)域協(xié)同的能力,使得在跟車、換道和自主編隊(duì)等過(guò)程中獲得更豐富的信息,有助于生成并執(zhí)行更靈活、更智能的場(chǎng)景策略.支持自動(dòng)駕駛的汽車預(yù)計(jì)每年產(chǎn)生超過(guò)300 TB 的數(shù)據(jù)[36],LTE/5G 網(wǎng)絡(luò)與ECN 的融合,通過(guò)邊緣數(shù)據(jù)收集與分發(fā)、數(shù)據(jù)分析與融合、業(yè)務(wù)連續(xù)性等關(guān)鍵技術(shù),實(shí)現(xiàn)多模式 “人?車?路?云”高效率協(xié)同工作,降低智能網(wǎng)聯(lián)車輛的端到端時(shí)延,緩解ICI/ICR 的存儲(chǔ)與計(jì)算壓力以及大量數(shù)據(jù)回傳造成的網(wǎng)絡(luò)擁塞.

1.4.2 車路云協(xié)同測(cè)試場(chǎng)景

智能網(wǎng)聯(lián)汽車產(chǎn)品測(cè)試評(píng)價(jià)白皮書(shū)[37]給出了Robotaxi、無(wú)人自主泊車、高速路自動(dòng)駕駛等典型自動(dòng)駕駛車輛的測(cè)評(píng)方案,通過(guò)對(duì)車路云協(xié)同系統(tǒng)進(jìn)行解耦與重構(gòu),如圖5 所示,首先由語(yǔ)義描述不同數(shù)據(jù)來(lái)源的操作場(chǎng)景用例得到功能場(chǎng)景,然后通過(guò)參數(shù)化定義操作場(chǎng)景的狀態(tài)空間得到邏輯場(chǎng)景,接著對(duì)操作場(chǎng)景的狀態(tài)空間參數(shù)賦值得到具體場(chǎng)景,最后通過(guò)軟件建模復(fù)現(xiàn)具體場(chǎng)景得到測(cè)試用例,從而實(shí)現(xiàn)智能網(wǎng)聯(lián)車輛測(cè)試場(chǎng)景的構(gòu)建.同時(shí),受實(shí)際測(cè)量設(shè)備與工作階段,需要對(duì)C-V2X 各子系統(tǒng)與互操作進(jìn)行測(cè)試,以加速推進(jìn)C-V2X 產(chǎn)業(yè)的全面部署及商用.

圖5 智能網(wǎng)聯(lián)汽車測(cè)試場(chǎng)景構(gòu)建示意圖Fig.5 Schematic diagram of ICV test scenario construction

根據(jù)不同自動(dòng)駕駛系統(tǒng)的設(shè)計(jì)運(yùn)行范圍,將測(cè)試場(chǎng)景分為高速/環(huán)路、市內(nèi)運(yùn)行、泊車/取車、封閉園區(qū)和城際/郊區(qū)5 種連續(xù)運(yùn)行場(chǎng)景.每種應(yīng)用場(chǎng)景下,可在不同抽象程度上基于運(yùn)行設(shè)計(jì)域、目標(biāo)和事件探測(cè)及反應(yīng)、自車行為失效模式等元素,提取各類型典型場(chǎng)景,進(jìn)行場(chǎng)景參數(shù)標(biāo)注及統(tǒng)計(jì)分析,形成邏輯場(chǎng)景,然后基于邏輯場(chǎng)景的參數(shù)分布生成具體場(chǎng)景,并以通用場(chǎng)景格式存儲(chǔ),構(gòu)成數(shù)萬(wàn)級(jí)測(cè)試用例的場(chǎng)景庫(kù).同時(shí),從運(yùn)行設(shè)計(jì)域、目標(biāo)和事件探測(cè)及反應(yīng)、自車行為和失效模式等維度對(duì)功能場(chǎng)景進(jìn)行量化,結(jié)合邏輯場(chǎng)景的參數(shù)化定義,從而形成分級(jí)的基礎(chǔ)測(cè)試場(chǎng)景和優(yōu)化進(jìn)階測(cè)試場(chǎng)景,進(jìn)而為智能網(wǎng)聯(lián)汽車產(chǎn)品準(zhǔn)入測(cè)試與測(cè)評(píng)優(yōu)化提供技術(shù)指導(dǎo).

智能網(wǎng)聯(lián)自動(dòng)駕駛測(cè)試場(chǎng)景是自定義時(shí)間和空間范圍內(nèi)車輛運(yùn)行設(shè)計(jì)域元素、目標(biāo)和事件探測(cè)及反應(yīng)元素、自車元素的綜合信息融合[37].運(yùn)行設(shè)計(jì)域元素主要包括道路信息、環(huán)境信息和交通參與者;目標(biāo)和事件探測(cè)及反應(yīng)是指相應(yīng)測(cè)試場(chǎng)景下自動(dòng)駕駛系統(tǒng)需要探測(cè)的物體或者事件以及應(yīng)做出的響應(yīng),作為仿真測(cè)試場(chǎng)景的關(guān)鍵考察方面,其主要包括交通參與者的類型及運(yùn)動(dòng)狀態(tài)等信息;自車元素主要包括車輛的類型、性能特性和駕駛行為等;為保證自動(dòng)駕駛的安全性,還需對(duì)車輛的失效響應(yīng)性能進(jìn)行評(píng)測(cè),通過(guò)設(shè)置注入故障、超出運(yùn)行設(shè)計(jì)域、傳感器失效,超限運(yùn)行設(shè)計(jì)域參數(shù)等一些失效模式來(lái)驗(yàn)證車輛的可控性能.

在執(zhí)行基于場(chǎng)景的評(píng)測(cè)時(shí),根據(jù)場(chǎng)景數(shù)據(jù)來(lái)源的不同,將測(cè)試場(chǎng)景概括為自然駕駛場(chǎng)景、危險(xiǎn)工況場(chǎng)景、標(biāo)準(zhǔn)法規(guī)場(chǎng)景、改進(jìn)與更新場(chǎng)景、測(cè)試評(píng)價(jià)與認(rèn)證5 大類.自然駕駛場(chǎng)景包含智能網(wǎng)聯(lián)車輛所處的人?車?環(huán)境?任務(wù)等全方位信息,能夠很好地體現(xiàn)測(cè)試的隨機(jī)性、復(fù)雜性及典型性特點(diǎn);危險(xiǎn)工況場(chǎng)景主要實(shí)施智能網(wǎng)聯(lián)車輛自動(dòng)駕駛控制策略的場(chǎng)景驗(yàn)證;標(biāo)準(zhǔn)法規(guī)測(cè)試場(chǎng)景指通過(guò)現(xiàn)有的標(biāo)準(zhǔn)、評(píng)價(jià)規(guī)程等構(gòu)建測(cè)試場(chǎng)景;改進(jìn)與更新場(chǎng)景指對(duì)功能場(chǎng)景與邏輯場(chǎng)景進(jìn)一步優(yōu)化設(shè)計(jì),改進(jìn)現(xiàn)有的問(wèn)題場(chǎng)景并補(bǔ)充未知工況的測(cè)試場(chǎng)景,從而覆蓋自動(dòng)駕駛功能測(cè)試的盲區(qū);測(cè)試評(píng)價(jià)與認(rèn)證則是給出智能網(wǎng)聯(lián)車輛的測(cè)試評(píng)價(jià)與檢測(cè)認(rèn)證報(bào)告,為產(chǎn)品商用部署與管理奠定基礎(chǔ).

2 關(guān)鍵技術(shù)

智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)將蜂窩車聯(lián)網(wǎng)、邊緣計(jì)算網(wǎng)絡(luò)和高精度定位等深度融合并綜合運(yùn)用,需要對(duì)該新型車路云融合系統(tǒng)中的智能網(wǎng)聯(lián)V2X 組網(wǎng)和融合定位技術(shù)進(jìn)行研究.并且,為加速智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的落地進(jìn)程,有必要在車路云協(xié)同相關(guān)技術(shù)投入使用之前,對(duì)其試驗(yàn)場(chǎng)建設(shè)給出設(shè)計(jì)與實(shí)施建議,對(duì)于典型智能網(wǎng)聯(lián)核心技術(shù)指標(biāo)給出限定性要求.下面將對(duì)智能網(wǎng)聯(lián)V2X 組網(wǎng)、融合定位、測(cè)試與評(píng)價(jià)等關(guān)鍵技術(shù)的原理與研究進(jìn)展進(jìn)行闡述.

2.1 智能網(wǎng)聯(lián)V2X 組網(wǎng)

智能網(wǎng)聯(lián)V2X 通信系統(tǒng)支持智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的有效構(gòu)建,伴隨著智能網(wǎng)聯(lián)V2X 應(yīng)用的大規(guī)模接入以及V2X 混合服務(wù)作用的加強(qiáng),針對(duì)V2X 應(yīng)用協(xié)議、擁塞控制和MEC 融合技術(shù)等研究,可以為智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的穩(wěn)定運(yùn)行提供重要支撐.

2.1.1 C-V2X 應(yīng)用協(xié)議

LTE/5G-V2X 技術(shù)擁有與公眾移動(dòng)接入網(wǎng)和車載自組網(wǎng)融合組網(wǎng)的架構(gòu)優(yōu)勢(shì),第三代合作伙伴計(jì)劃、歐洲電信標(biāo)準(zhǔn)協(xié)會(huì)(European Telecommunications Standards institute,ETSI)和美國(guó)機(jī)動(dòng)車工程師學(xué)會(huì)(Society of Automotive Engineers,SAE)均在組織推進(jìn)V2X 協(xié)議的制定,考慮在兼容DSRC 協(xié)議棧中傳輸層、網(wǎng)絡(luò)層和應(yīng)用層基礎(chǔ)上,在物理層和MAC 層引入Device to device (D2D)協(xié)議用于支持PC5 直連通信接口的演進(jìn),并對(duì)V2X 組網(wǎng)過(guò)程中的測(cè)試技術(shù)與性能指標(biāo)進(jìn)行更新.C-V2X 協(xié)議棧與傳輸控制如圖6 所示[38].3GPP CV2X與DSRC、歐洲合作式智能運(yùn)輸系統(tǒng)(Cooperative intelligent transport system,C-ITS)技術(shù)與標(biāo)準(zhǔn)的對(duì)應(yīng)關(guān)系如表2 所示.D2D 應(yīng)用協(xié)議分為用戶平面和控制平面,用戶平面連接應(yīng)用層和物理層之間的數(shù)據(jù)鏈路以實(shí)現(xiàn)業(yè)務(wù)數(shù)據(jù)的傳輸,控制平面用于實(shí)現(xiàn)資源調(diào)度以及對(duì)服務(wù)等實(shí)體的管理等[39].D2D 通信無(wú)需中繼轉(zhuǎn)發(fā),設(shè)備之間可以直接進(jìn)行通信,節(jié)點(diǎn)的局域組網(wǎng)性能更優(yōu)[40?42].Cheng等[43]和Abd-Elrahman等[44]論證了基于D2D 的V2X 低時(shí)延通信,并能優(yōu)化蜂窩網(wǎng)絡(luò)的承載性能.中國(guó)C-V2X技術(shù)發(fā)展位于全球領(lǐng)先,最先將5.9 GHz 頻段20 MHz 帶寬的頻率資源分配用于直連通信服務(wù),同時(shí)對(duì)臺(tái)站、設(shè)備、干擾資源的管理做出了具體規(guī)定.

表2 車聯(lián)網(wǎng)技術(shù)與標(biāo)準(zhǔn)的對(duì)應(yīng)關(guān)系Table 2 The relationship between car networking technology and standards

在C-V2X 協(xié)議互操作方面,甘秉鴻[45]搭建了V2X 標(biāo)準(zhǔn)協(xié)議一致性測(cè)試系統(tǒng),該系統(tǒng)包括用于C-V2X PC5 接口協(xié)議的R&S CMW500 測(cè)試儀表和用于全球?qū)Ш叫l(wèi)星系統(tǒng)衛(wèi)星同步功能的R&S SMBV100B 測(cè)試儀表等,以支持C-V2X 網(wǎng)絡(luò)層、消息層和安全層協(xié)議一致性測(cè)試,用于檢驗(yàn)各產(chǎn)品的協(xié)議一致性和互通性.

2.1.2 V2X 網(wǎng)絡(luò)擁塞控制

在智能網(wǎng)聯(lián)V2X 通信系統(tǒng)中,每輛車定期廣播其運(yùn)動(dòng)和鏈路狀態(tài)的消息,此類流量與道路上的車輛數(shù)量成正比,當(dāng)流量密度增加時(shí),信道資源趨于飽和將引發(fā)丟包率的增加,易導(dǎo)致局部區(qū)域V2X通信的失效[46].在基于DSRC 的V2X 組網(wǎng)環(huán)境下,SAE 和ETSI 分別提出了SAE J2945/1[47]和ETSI TS 102687[48]用于分散擁塞控制.考慮到LTEV2X 網(wǎng)絡(luò)中未定義集中的信道資源協(xié)調(diào)器,節(jié)點(diǎn)收發(fā)時(shí)需要通過(guò)監(jiān)控信道活動(dòng)和限制其信道使用來(lái)防止信道擁塞.SAE 正在SAE J3161/1[49]中為L(zhǎng)TEV2X 開(kāi)發(fā)擁塞控制機(jī)制.ETSI 在TS 103574 中對(duì)C-V2X 的PC5 信道的擁塞控制機(jī)制進(jìn)行了規(guī)定[17, 50],該規(guī)范允許單獨(dú)或組合使用發(fā)射功率、速率以及調(diào)制和信道編碼控制.3GPP TS 38.214 標(biāo)準(zhǔn)[51]根據(jù)側(cè)鏈控制信息中指示的每個(gè)數(shù)據(jù)包優(yōu)先級(jí)字段,結(jié)合信道忙率測(cè)量上報(bào)(用戶體驗(yàn)感知結(jié)果和地理位置),每個(gè)信道忙率都對(duì)應(yīng)一個(gè)信道占用率限制,當(dāng)用戶的信道占用率超過(guò)限制,則自動(dòng)降低信道占用率以緩解信道擁塞.

功率控制可以調(diào)節(jié)網(wǎng)絡(luò)覆蓋,從而促進(jìn)無(wú)線信道擁塞的改善[52].文獻(xiàn)[46]討論了現(xiàn)有擁塞控制算法在DSRC 和C-V2X 信道傳輸中的適用性和效率,得出現(xiàn)有DSRC 中的擁塞控制機(jī)制需要進(jìn)一步演進(jìn)以適應(yīng)C-V2X 信道環(huán)境的結(jié)論.文獻(xiàn)[53]在LTE-V2X sidelink 4 工作模式下,討論了不同車輛密度對(duì)傳輸子幀功率的影響,通過(guò)對(duì)車輛信道狀態(tài)的感知以實(shí)現(xiàn)發(fā)射功率的動(dòng)態(tài)調(diào)節(jié),從而提高數(shù)據(jù)包接收率;文獻(xiàn)[54]結(jié)合信道感知與功率調(diào)度,提出基于信道忙率的擁塞控制方案,測(cè)試結(jié)果認(rèn)為資源分配會(huì)導(dǎo)致丟包問(wèn)題.文獻(xiàn)[55]在C-V2X 協(xié)議棧頂層植入SAE J2945/1 算法,得出LTE-V2X 網(wǎng)絡(luò)中傳輸功率控制在控制數(shù)據(jù)包接收率方面的作用有限,認(rèn)為速率控制對(duì)網(wǎng)絡(luò)性能的影響更為顯著.文獻(xiàn)[56]認(rèn)為J2945/1 中傳輸功率與速率控制的聯(lián)合優(yōu)化策略在C-V2X 環(huán)境下會(huì)變差.文獻(xiàn)[57]將J2945/1 移植到C-V2X 通信環(huán)境,通過(guò)高速公路場(chǎng)景的仿真分析,認(rèn)為原功率控制、速率控制以及兩者的平衡算法均不適用,揭示了LTE-V2X 的半持久機(jī)制將導(dǎo)致連續(xù)丟包,指出未來(lái)C-V2X 環(huán)境的標(biāo)準(zhǔn)擁塞控制算法需要重新定義.由于需要綜合管理C-V2X 網(wǎng)絡(luò)中的不同傳輸模式(單播、組播或廣播、周期性或?qū)崟r(shí)觸發(fā)等),文獻(xiàn)提出結(jié)合多因素和優(yōu)先級(jí)的擁塞控制模型,如圖6 所示,可用于對(duì)V2X 服務(wù)/應(yīng)用程序進(jìn)行更細(xì)粒度的資源管理.在此基礎(chǔ)上,文獻(xiàn)[58]在相鄰車輛之間設(shè)計(jì)了異構(gòu)信道資源分配策略,通過(guò)對(duì)多車之間的信道資源進(jìn)行分布式協(xié)調(diào)處理,相較于標(biāo)準(zhǔn)化分散擁塞控制方法具有更好的性能.因此,已有DSRC 中的擁塞控制標(biāo)準(zhǔn)無(wú)法直接用于C-V2X 網(wǎng)絡(luò),需要重新根據(jù)C-V2X 通信中的信道模型、控制元件的各個(gè)輸入、信道繁忙率和車輛密度之間形成的新關(guān)系進(jìn)一步研究.

無(wú)線網(wǎng)絡(luò)中的流量控制,可以對(duì)各傳輸環(huán)節(jié)的流量進(jìn)行調(diào)節(jié)并動(dòng)態(tài)更新,有利于緩解V2X 信道的流量擁塞.文獻(xiàn)[59]提出流量整形并結(jié)合信道調(diào)整參數(shù)的查表方法來(lái)調(diào)節(jié)傳輸速率.文獻(xiàn)[60]設(shè)計(jì)了一種消息速率自適應(yīng)線性化方法,可以根據(jù)目標(biāo)信道狀態(tài)調(diào)整聚集廣播信息的傳輸速率.文獻(xiàn)[61]在MAC 層之上和競(jìng)爭(zhēng)轉(zhuǎn)發(fā)層之下添加了 “關(guān)守”,使用關(guān)守和LIMERIC 作為速率自適應(yīng)算法,此方案提高了混合數(shù)據(jù)流量在可靠性和延遲方面的性能.現(xiàn)有在對(duì)V2X 通信的分布式擁塞控制研究中,很少考慮用戶服務(wù)質(zhì)量保障需求.文獻(xiàn)[62]提出一種服務(wù)質(zhì)量(Quality of service,QoS)感知的流控架構(gòu),定義了兩種工作模式,利用J2945/1 算法用于傳輸功率和速率控制,在確保信道忙率基礎(chǔ)上確定工作模式,可以獲得J2945/1 規(guī)定的信道忙率降低效果.文獻(xiàn)[63]在NR V2X 網(wǎng)絡(luò)中,提出基于信道擁塞的重傳控制,通過(guò)感知信道擁塞狀態(tài)以決策數(shù)據(jù)包重傳的方案.3GPP Rel.16 為NR V2X 網(wǎng)絡(luò)定義了5G QoS 模型,該模型中的5G QoS 流是5GS中流量轉(zhuǎn)發(fā)處理的最細(xì)顆粒,顆粒轉(zhuǎn)發(fā)策略包括調(diào)度策略、隊(duì)列管理策略、速率整形策略、無(wú)線鏈路層控制配置等[64].5G QoS 模型如圖6 所示,首先將V2X應(yīng)用數(shù)據(jù)包映射到V2X 層的QoS 流,映射策略為PC5 QoS 規(guī)則,不同QoS 流由PC5 QoS 流標(biāo)識(shí)進(jìn)行分區(qū);然后通過(guò)NR Uu 無(wú)線資源控制信令提供給用戶體驗(yàn)的規(guī)則,將QoS 流映射到側(cè)鏈進(jìn)行承載,其中從QoS 流到無(wú)線承載的映射在服務(wù)數(shù)據(jù)適配協(xié)議層執(zhí)行[15].5G NR-V2X 采用了基于QoS 流的控制模型用于側(cè)鏈的單播、組播和廣播服務(wù),對(duì)應(yīng)無(wú)線資源控制連接態(tài)和空閑態(tài)的PC5 數(shù)據(jù)流均定義了標(biāo)準(zhǔn)化業(yè)務(wù)流程,但對(duì)應(yīng)擁塞控制算法還未確定,下一步還需對(duì)QoS 數(shù)據(jù)流與傳輸速率和功率的協(xié)同控制及平衡之間建立置換關(guān)系及統(tǒng)一表達(dá)模型,從而實(shí)現(xiàn)NR-V2X 信道優(yōu)化及高性能通信服務(wù).

2.1.3 C-V2X與MEC 融合技術(shù)

5GS與ECN 的融合部署,有利于降低端到端傳輸時(shí)延,緩解終端或路側(cè)基礎(chǔ)設(shè)施的計(jì)算與存儲(chǔ)壓力,減少大量數(shù)據(jù)回傳造成的網(wǎng)絡(luò)負(fù)載量[65].文獻(xiàn)[66]在德國(guó)A9 高速公路30 公里沿途部署了MEC平臺(tái),測(cè)試并驗(yàn)證了車輛可以使用LTE 以低于20毫秒的端到端延遲交換信息.歐洲5GCroCo 項(xiàng)目測(cè)試了跨國(guó)之間的5G 網(wǎng)聯(lián)汽車之間的通信切換,未來(lái)將部署合作防撞(Anticipated cooperative collision avoidance,ACCA)等服務(wù),每輛車自動(dòng)檢測(cè)路面危險(xiǎn)事件并共享ACCA 服務(wù)[67].部署ACCA服務(wù)的挑戰(zhàn)之一是實(shí)現(xiàn)來(lái)自不同設(shè)備制造商的OBU(集成的V2X 模組與協(xié)議) 之間的互操作,5GCroCo 項(xiàng)目聯(lián)合了沃爾沃、標(biāo)致雪鐵龍、雷諾和愛(ài)立信等20 多個(gè)合作伙伴實(shí)施了ACCA 的跨境示范應(yīng)用,為基于MEC 的大區(qū)域智能網(wǎng)聯(lián)車輛之間的互操作商用奠定了基礎(chǔ).文獻(xiàn)[68]利用OBU 和MEC 平臺(tái)搭建了ACCA 組件的演示環(huán)境,測(cè)量了不同V2X 信息流的端到端延時(shí),驗(yàn)證了不同汽車設(shè)備制造商之間V2X 協(xié)議之間互操作的可行性.根據(jù)網(wǎng)聯(lián)車輛與MEC 交互場(chǎng)景和應(yīng)用需求,可以將C-V2X與MEC 融合場(chǎng)景分類為表3 所示.為了推動(dòng)C-V2X與MEC 融合能夠更快的發(fā)展,IMT-2020 C-V2X 工作組組織了MEC與C-V2X 測(cè)試床立項(xiàng)征集工作,共獲批創(chuàng)建10 個(gè)MEC與C-V2X融合測(cè)試床項(xiàng)目,旨在加速發(fā)展基于MEC 的車路云協(xié)同應(yīng)用場(chǎng)景測(cè)試與解決方案.

表3 MEC與C-V2X 融合場(chǎng)景示例Table 3 Example of MEC and C-V2X integration scenarios

傳統(tǒng)網(wǎng)絡(luò)由于公用數(shù)據(jù)網(wǎng)網(wǎng)關(guān)集中設(shè)置在核心節(jié)點(diǎn),用戶流量需要繞行公用數(shù)據(jù)網(wǎng)網(wǎng)關(guān)造成網(wǎng)絡(luò)邊緣時(shí)延較難獲得優(yōu)化,而5G 將網(wǎng)元拆分為5GC和UPF,5G UPF 的下沉部署,通過(guò)5G 非獨(dú)立接入(Non standalone access,NSA)和獨(dú)立接入(Standalone access,SA)共?；?實(shí)現(xiàn)網(wǎng)聯(lián)車輛的就近接入,業(yè)務(wù)引流與執(zhí)行相應(yīng)的計(jì)費(fèi)策略[69].同時(shí),ECN 通過(guò)部署虛擬化的邊緣網(wǎng)關(guān)設(shè)備,針對(duì)車輛裝配的OBU 發(fā)起的C-V2X 接入的業(yè)務(wù)控制功能下移到邊緣網(wǎng)關(guān)設(shè)備,避免流量在網(wǎng)絡(luò)中的繞行.中國(guó)移動(dòng)在蘇州建設(shè)MEC與C-V2X 融合測(cè)試床環(huán)境,其組網(wǎng)架構(gòu)如圖7 所示.考慮到智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的低時(shí)延需求,將UPF 下沉至區(qū)域匯聚機(jī)房,由邊緣計(jì)算節(jié)點(diǎn)提供UPF 本地分流服務(wù),利用承載網(wǎng)絡(luò)與地市現(xiàn)網(wǎng)系統(tǒng)架構(gòu)演進(jìn)網(wǎng)關(guān)對(duì)接,從而實(shí)現(xiàn)業(yè)務(wù)分流與計(jì)算下沉,進(jìn)而降低端到端時(shí)延和核心帶寬壓力.

圖7 MEC與 C-V2X 融合測(cè)試床組網(wǎng)架構(gòu)圖Fig.7 Networking architecture of MEC and C-V2X integration testbed

2.2 智能網(wǎng)聯(lián)融合定位

HPPS 為智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)提供核心能力支撐,是支持自動(dòng)駕駛與精準(zhǔn)位置服務(wù)中的重要一環(huán)[70].現(xiàn)有主流定位技術(shù)可分為多衛(wèi)星組合定位技術(shù)、蜂窩定位技術(shù)、基于智能傳感器的定位技術(shù)和局域網(wǎng)定位技術(shù)四類.

2.2.1 多衛(wèi)星組合定位

目前,中國(guó)北斗三號(hào)衛(wèi)星系統(tǒng)全球覆蓋運(yùn)行,衛(wèi)星單系統(tǒng)的單點(diǎn)定位精度通?？蛇_(dá)到米級(jí),樓宇遮擋和隧道等場(chǎng)景的實(shí)際定位結(jié)果往往偏離真實(shí)位置數(shù)米到十幾米,無(wú)法滿足車道級(jí)定位與導(dǎo)航的要求.衛(wèi)星組合系統(tǒng)通過(guò)獲得多星座的定位數(shù)據(jù),不僅可以提高單點(diǎn)定位精度,并且能縮短收斂時(shí)間[71].吳有龍等[72]等對(duì)多個(gè)全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigation satellite system,GNSS)組合全球衛(wèi)星的定位性能進(jìn)行評(píng)估,驗(yàn)證了雙系統(tǒng)和四系統(tǒng)融合能顯著提高系統(tǒng)的可用性.盧鋆等[73]等從星座操作、信號(hào)互操作、時(shí)間互操作和坐標(biāo)互操作等方面開(kāi)展北斗三號(hào)系統(tǒng)與其他GNSS 系統(tǒng)間的融合設(shè)計(jì),提升了全球北斗定位精度及性能.布金偉等[74]利用多星座實(shí)驗(yàn)監(jiān)測(cè)網(wǎng)(北斗系統(tǒng)/準(zhǔn)天頂衛(wèi)星系統(tǒng)及其組合系統(tǒng))的觀測(cè)數(shù)據(jù),通過(guò)對(duì)組合系統(tǒng)數(shù)據(jù)進(jìn)行解證,可以明顯改善信號(hào)易遮擋的復(fù)雜環(huán)境(如城市、建筑物密集區(qū)、山區(qū)、樹(shù)林等)下的精密單點(diǎn)定位性能.

2.2.2 蜂窩定位

蜂窩網(wǎng)絡(luò)定位通過(guò)移動(dòng)通信的基站信號(hào)差異來(lái)計(jì)算手機(jī)所在位置,基站下行發(fā)送定位參考信號(hào),終端計(jì)算不同小區(qū)間定位參考信號(hào)的到達(dá)時(shí)間差,通過(guò)定位算法得到定位結(jié)果[75].由于受移動(dòng)通信信道噪聲和多徑傳播干擾等影響,蜂窩網(wǎng)絡(luò)定位精度取決于待定位區(qū)域的基站數(shù)及分布[76].2G 到4G 的演進(jìn)中,由于空口可用、可控制的資源不斷擴(kuò)展,促進(jìn)了定位增強(qiáng)技術(shù)的發(fā)展及定位精度的提升[77].5G技術(shù)的廣泛應(yīng)用使得大量新技術(shù)涌現(xiàn),5G 蜂窩網(wǎng)絡(luò)的超密集組網(wǎng)可以提高小區(qū)覆蓋能力,優(yōu)化其覆蓋質(zhì)量及定位精度[78];大規(guī)模陣列天線技術(shù)使5G基站具有測(cè)距和測(cè)角的雙重功能;低時(shí)延、高可靠的特性可以保證位置服務(wù)過(guò)程程中的實(shí)時(shí)性和穩(wěn)定性、毫米波通信和智能波束賦形使信號(hào)具有更佳的指向性,可以減輕到達(dá)時(shí)間、到達(dá)時(shí)間差測(cè)量受多徑信號(hào)的干擾程度[79].5G-V2X 通信系統(tǒng)中,利用PC5 接口的V2V 通通信與協(xié)同定位,可以降低定位網(wǎng)絡(luò)的部署成本,而且有利于實(shí)現(xiàn)室內(nèi)外一體化定位及場(chǎng)景適應(yīng)性[80].

2.2.3 基于智能傳感器的定位

基于智能傳感器的定位方案有利于網(wǎng)聯(lián)車輛定位在全路況場(chǎng)景的連續(xù)可用,如慣性測(cè)量單元(Inertial measurement unit,IMU)中的加速度計(jì),通過(guò)測(cè)量線性加速度并進(jìn)行積分運(yùn)算,可以得到運(yùn)動(dòng)體的運(yùn)動(dòng)速度和位置信息[81].慣性導(dǎo)航定位屬于自主式且無(wú)需要外界信息參與,但其定位誤差會(huì)逐漸累加,需要在導(dǎo)航過(guò)程不斷進(jìn)行狀態(tài)修正以保障定位精度[82].此外,慣性導(dǎo)位需要結(jié)合高性能的傳感器件,在行業(yè)終端中集成應(yīng)用的成本高[83].多傳感器的融合應(yīng)用可以克服復(fù)雜環(huán)境下的無(wú)法定位或定位精度不足的問(wèn)題,充分利用組合傳感器信息并對(duì)慣導(dǎo)系統(tǒng)相關(guān)參數(shù)進(jìn)行誤差校正和反饋,對(duì)于自主導(dǎo)航領(lǐng)域多種應(yīng)用需求具有重要意義[84?85].在一般的交通場(chǎng)景下,智能傳感器在數(shù)據(jù)采集過(guò)程中通過(guò)濾波方式即可獲得較高的定位精度.然而,要實(shí)現(xiàn)全場(chǎng)景的高精度定位,例如城市密集區(qū)域和極端天氣等復(fù)雜環(huán)境,建立一個(gè)穩(wěn)定的數(shù)據(jù)融合框架尤為重要.

2.2.4 局域網(wǎng)定位

局域網(wǎng)定位通過(guò)測(cè)量待定位節(jié)點(diǎn)與錨節(jié)點(diǎn)之間的無(wú)線電波信號(hào)強(qiáng)度特征,根據(jù)接收信號(hào)到達(dá)時(shí)間、到達(dá)時(shí)間差和接收信號(hào)強(qiáng)度等方法,可以推算待定位節(jié)點(diǎn)的位置[86].基于V2X 的局域網(wǎng)定位技術(shù)充分利用車載自組網(wǎng)和易于與現(xiàn)有GNSS、基站等定位方案進(jìn)行整合的優(yōu)勢(shì),通過(guò)協(xié)作定位方式提升網(wǎng)聯(lián)車輛定位的精度及連續(xù)性.如Li等[87]基于多車系統(tǒng)的分布式隨機(jī)極值搜索控制器,通過(guò)獲得每輛車本地目標(biāo)函數(shù)數(shù)據(jù)以及與相鄰車輛的相對(duì)位置數(shù)據(jù),從而實(shí)現(xiàn)多輛網(wǎng)絡(luò)化車輛的融合定位技術(shù).孫寧等[88]在傳統(tǒng)GPS 和毫米波雷達(dá)獲取車輛定位信息的基礎(chǔ)上,設(shè)計(jì)基于雷達(dá)集成的多車協(xié)同定位方法,依據(jù)GPS 定位信息對(duì)本車位置進(jìn)行估計(jì),再通過(guò)車車通信接收周圍車輛發(fā)來(lái)的根據(jù)其GPS 測(cè)定的位置及其與該車相對(duì)位置而估計(jì)的該車位置信息,從而對(duì)信息進(jìn)行融合并獲得更為精確的位置信息.譙小康等[89]在GPS 衛(wèi)星導(dǎo)航和車輛自身航位推算基礎(chǔ)上,利用車輛之間的到達(dá)時(shí)間觀測(cè)和車輛到車輛的實(shí)時(shí)通信以實(shí)現(xiàn)協(xié)同定位.Chu等[90]利用多個(gè)相鄰車輛周圍反射器之間的相關(guān)性,提出了一種反射器選擇和估計(jì)算法,可以實(shí)現(xiàn)多車輛并發(fā)建圖與定位.Song等[91]提出基于主鏈和側(cè)鏈融合的車載區(qū)塊鏈架構(gòu)的多車協(xié)同定位校正框架,以提高系統(tǒng)安全性、可靠性和車輛定位精度.Xiao等[92]融合來(lái)自車載傳感器和車輛V2X 技術(shù)的多源異構(gòu)信息,定義了一種車輛自定位和多目標(biāo)相對(duì)定位的統(tǒng)一框架,將城區(qū)的協(xié)同定位精度提升到0.2 m 以內(nèi).Liu等[93]提出在車輛超密集網(wǎng)絡(luò)中的V2X 集成定位方法,將V2I、V2V與慣性測(cè)量傳感器進(jìn)行數(shù)據(jù)融合,結(jié)合基于幾何的K 均值聚類算法進(jìn)行錨點(diǎn)優(yōu)選,仿真結(jié)果顯示可以實(shí)現(xiàn)18.7%精度性能提升.然而在多徑和非視距環(huán)境下,多徑信號(hào)疊加會(huì)導(dǎo)致接收信號(hào)強(qiáng)度值顯著波動(dòng)、到達(dá)時(shí)間測(cè)量受非視距時(shí)延擴(kuò)展影響誤差較大等問(wèn)題[94].此外,國(guó)內(nèi)外研究者在融合定位的實(shí)證方面進(jìn)行了研究,從而為引入V2X的融合定位系統(tǒng)設(shè)計(jì)提供參考.如Schwarzbach等[95]在德國(guó)Dresden 測(cè)試區(qū)域,采用V2X 協(xié)作組網(wǎng)以增強(qiáng)GNSS 位置估計(jì)進(jìn)行了實(shí)證,同時(shí)評(píng)估了協(xié)作定位在非視距和多徑場(chǎng)景下的不同性能影響.Du等[96]搭建了支持V2V 通信的OBU 測(cè)試平臺(tái),實(shí)時(shí)記錄網(wǎng)聯(lián)車輛的V2V 通信、位置、速度、加速度和方向角數(shù)據(jù),通過(guò)對(duì)多源數(shù)據(jù)的融合,可以準(zhǔn)確表達(dá)車輛換道行為的過(guò)程.

由上述定位研究可以看出,以融合定位為代表的高精度定位逐步成為車路云協(xié)同系統(tǒng)的定位技術(shù)研究的主導(dǎo)方法[10],部分典型融合定位技術(shù)方案的技術(shù)對(duì)比見(jiàn)表4.

表4 現(xiàn)有典型融合定位方案的技術(shù)對(duì)比Table 4 Technical comparison of existing typical fusion positioning solutions

2.2.5 高精度融合定位演進(jìn)

中國(guó)正在規(guī)劃并發(fā)展以北斗衛(wèi)星導(dǎo)航系統(tǒng)(Beinavigation satellite system,BDS)、5G 為代表的智能化、綜合性的數(shù)字交通基礎(chǔ)設(shè)施.空間衛(wèi)星數(shù)量的增加(包含中高軌導(dǎo)航多系統(tǒng)[105?106]和低軌導(dǎo)航增強(qiáng)衛(wèi)星[107]等)、網(wǎng)聯(lián)汽車自組網(wǎng)[95]、車輛配備傳感器的不斷拓展[108]以及邊緣云網(wǎng)絡(luò)的部署等,基于多衛(wèi)星系統(tǒng)組合、多傳感器融合、分布式和分階段解算的融合定位方案呈現(xiàn)越來(lái)越明顯的發(fā)展趨勢(shì)[109?110].國(guó)內(nèi)外精密定位服務(wù)龍頭企業(yè)已推出車規(guī)級(jí)高精度定位產(chǎn)品及方案,表5 是車載定位模塊的供應(yīng)商ublox 推出的高精度產(chǎn)品的性能指標(biāo)示例,包括GPS、格洛納斯(Glonass,GLO)、伽利略(Galileo,GAL)和BDS.

表5 不同 GNSS 模式下的定位精度Table 5 Positioning accuracy in different GNSS modes

今后,智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)需要充分利用多種定位設(shè)施及數(shù)據(jù)源,將各定位子系統(tǒng)(GNSS和實(shí)時(shí)動(dòng)態(tài)(Real-time kinematic,RTK)、公眾移動(dòng)網(wǎng)、無(wú)線局域網(wǎng)、慣性測(cè)量單元和車載探測(cè)裝置等)、路網(wǎng)場(chǎng)景(道路類型、路口、出入口和停車場(chǎng)等)和定位模式(一級(jí)融合和二級(jí)融合,局部或全域高精地圖選擇,以及不同行駛場(chǎng)景、不同階段選擇對(duì)應(yīng)的融合策略等)進(jìn)行深度耦合并研究相應(yīng)的自適應(yīng)濾波容錯(cuò)、誤差修正及場(chǎng)景匹配機(jī)制等,結(jié)合全域或局部高精度地圖引擎,構(gòu)建車路云協(xié)同的多源信息融合高精度定位系統(tǒng).

2.3 智能網(wǎng)聯(lián)測(cè)試與評(píng)價(jià)

面向智能網(wǎng)聯(lián)車路云協(xié)同試驗(yàn)場(chǎng)的建設(shè)內(nèi)容通常包括仿真測(cè)試、封閉場(chǎng)地測(cè)試、半開(kāi)放道路和開(kāi)放道路測(cè)試,首先開(kāi)展基礎(chǔ)性聯(lián)網(wǎng)信息服務(wù)類的測(cè)試,逐步拓展到高速公路和城市道路復(fù)雜場(chǎng)景下“人?車?路?云”系統(tǒng)的協(xié)同服務(wù)測(cè)試.虛擬仿真測(cè)試一般覆蓋可預(yù)測(cè)的全部場(chǎng)景,封閉場(chǎng)地測(cè)試通常覆蓋自動(dòng)駕駛系統(tǒng)正常狀態(tài)下的典型功能和極限場(chǎng)景,半開(kāi)放道路和開(kāi)放道路測(cè)試主要覆蓋典型場(chǎng)景組合的道路、隨機(jī)場(chǎng)景及隨機(jī)要素組合的道路,以驗(yàn)證自動(dòng)駕駛功能應(yīng)對(duì)有限場(chǎng)景和隨機(jī)場(chǎng)景的能力.

從車路云協(xié)同測(cè)試系統(tǒng)的架構(gòu)可以看出,車路云協(xié)同測(cè)試場(chǎng)景庫(kù)是場(chǎng)景的載體平臺(tái),通過(guò)場(chǎng)景數(shù)據(jù)采集、分析挖掘、測(cè)試驗(yàn)證等步驟,實(shí)現(xiàn)內(nèi)容閉環(huán).在車路云協(xié)同場(chǎng)景測(cè)試可以采用主動(dòng)測(cè)量和被動(dòng)測(cè)量?jī)煞N方案,前者通過(guò)車載傳感器獲取行車周圍環(huán)境信息,或向網(wǎng)絡(luò)、服務(wù)器、應(yīng)用中發(fā)送探測(cè)數(shù)據(jù)包,通過(guò)對(duì)數(shù)據(jù)包所受影響而發(fā)生的變化進(jìn)行分析,測(cè)得網(wǎng)絡(luò)性能[111];被動(dòng)測(cè)量常用于監(jiān)測(cè)類場(chǎng)景,通過(guò)設(shè)定的規(guī)則條件接收相應(yīng)的監(jiān)測(cè)數(shù)據(jù),如在網(wǎng)絡(luò)中布置測(cè)量裝置來(lái)捕獲數(shù)據(jù)包,監(jiān)測(cè)網(wǎng)絡(luò)通信狀況并進(jìn)行分析從而測(cè)得網(wǎng)絡(luò)性能[112].目前,網(wǎng)聯(lián)場(chǎng)景測(cè)試將集成上述的兩類的測(cè)試.

2.3.1 仿真平臺(tái)

目前,用于網(wǎng)聯(lián)場(chǎng)景的虛擬仿真平臺(tái)主要包括兩類,分別是道路交通仿真軟件和網(wǎng)絡(luò)仿真軟件[113].為了同步評(píng)估網(wǎng)聯(lián)場(chǎng)景下的各單車的組網(wǎng)性能及交通流的通行效率之間的相互作用,網(wǎng)聯(lián)場(chǎng)景的仿真通常將兩類仿真軟件進(jìn)行深度耦合[114].其中道路交通軟件負(fù)責(zé)模擬車輛(或車隊(duì))的協(xié)同控制特性并常被作為網(wǎng)絡(luò)仿真的輸入,網(wǎng)絡(luò)仿真軟件則負(fù)責(zé)模擬網(wǎng)聯(lián)車輛的通信與組網(wǎng)特性,針對(duì)網(wǎng)聯(lián)車輛的數(shù)據(jù)傳輸、接收以及仿真場(chǎng)景下的負(fù)載、路由、鏈路和信道進(jìn)行報(bào)文級(jí)仿真[115].在網(wǎng)絡(luò)仿真領(lǐng)域,典型的開(kāi)源仿真軟件包括OMNeT++[116]、NS-2[117]、NS-3[118]等[119],商業(yè)化網(wǎng)絡(luò)仿真軟件主要有OPNET[120]、OMNEST[121]、QualNet[122]等.較為成熟的交通仿真器包括SUMO[123]、VISSIM[124]、PARAMICS[125]、TransModeler[126]、TRANSIM[127]、CORSIM[128]和PanoSim[129]等.Veins 開(kāi)發(fā)環(huán)境集成了多種仿真界面,不同模擬器之間通過(guò)TCP socket 進(jìn)行通信,可用于網(wǎng)聯(lián)場(chǎng)景下的網(wǎng)絡(luò)仿真與地圖可視化仿真[130];根據(jù)合作式智能運(yùn)輸系統(tǒng)車用通信系統(tǒng)應(yīng)用層及數(shù)據(jù)交互標(biāo)準(zhǔn)(第2 階段)中定義的協(xié)作式變道場(chǎng)景[131],基于仿真環(huán)境構(gòu)建并測(cè)試驗(yàn)證,仿真實(shí)驗(yàn)可以支撐智能網(wǎng)聯(lián)車路云場(chǎng)景設(shè)計(jì)與功能調(diào)整,從而可以縮短實(shí)車測(cè)試的周期.

仿真測(cè)試通過(guò)對(duì)傳感器、車輛、控制器、交通環(huán)境等要素進(jìn)行定義并進(jìn)行場(chǎng)景測(cè)試及有效性驗(yàn)證,根據(jù)實(shí)際工作場(chǎng)景需要及驗(yàn)證目標(biāo)對(duì)象的不同,可以分為: 模型在環(huán)測(cè)試、軟件在環(huán)測(cè)試、硬件在環(huán)測(cè)試、駕駛員在環(huán)測(cè)試和實(shí)車在環(huán)測(cè)試等.模型在環(huán)測(cè)試指在開(kāi)發(fā)環(huán)境下對(duì)模型進(jìn)行仿真;軟件在環(huán)測(cè)試指在系統(tǒng)功能開(kāi)發(fā)階段建立軟件環(huán)境進(jìn)行模擬并測(cè)試;硬件在環(huán)測(cè)試通過(guò)用真實(shí)組件部分替換原始模型來(lái)建立真實(shí)的測(cè)試環(huán)境;駕駛員在環(huán)測(cè)試則利用動(dòng)態(tài)駕駛員模擬器、環(huán)境視聽(tīng)模擬設(shè)備及相關(guān)人車檢測(cè)設(shè)備重現(xiàn) “人?車?環(huán)境”的真實(shí)場(chǎng)景;實(shí)車在環(huán)測(cè)試將高級(jí)駕駛輔助系統(tǒng)集成到真實(shí)車輛中,并通過(guò)實(shí)時(shí)仿真機(jī)及仿真軟件模擬道路、交通場(chǎng)景以及傳感器信號(hào),從而構(gòu)成完整測(cè)試系統(tǒng)方法,可實(shí)現(xiàn)高級(jí)駕駛輔助系統(tǒng)功能驗(yàn)證、各場(chǎng)景仿真測(cè)試、與整車相關(guān)電控系統(tǒng)的匹配及集成測(cè)試[132].與傳統(tǒng)的軟/硬件在環(huán)測(cè)試相比,實(shí)車在環(huán)測(cè)試由于引入了實(shí)際車輛,從而提高了被測(cè)控制器性能的精確度,并且仿真測(cè)試可以快速的建立測(cè)試場(chǎng)景和工況配置,使得如高級(jí)駕駛輔助系統(tǒng)算法等類似功能迭代開(kāi)發(fā)變得容易,并為實(shí)際部署奠定技術(shù)基礎(chǔ)[133].如李驍馳等[134]開(kāi)發(fā)智能網(wǎng)聯(lián)汽車室內(nèi)測(cè)試臺(tái)架,能夠模擬試驗(yàn)場(chǎng)的交通場(chǎng)景構(gòu)建、測(cè)試場(chǎng)景復(fù)現(xiàn)和單一要素分析,支持智能網(wǎng)聯(lián)交通的柔性場(chǎng)景測(cè)試,從而有效提高網(wǎng)聯(lián)場(chǎng)景下結(jié)合實(shí)車開(kāi)發(fā)和測(cè)試的效率.

2.3.2 實(shí)車測(cè)試

智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)通過(guò)封閉場(chǎng)地、半開(kāi)放道路和開(kāi)放道路的真實(shí)場(chǎng)景測(cè)試,推動(dòng)虛擬仿真轉(zhuǎn)向落地應(yīng)用.國(guó)內(nèi)外針對(duì)實(shí)車測(cè)試的初期大多選擇六大應(yīng)用場(chǎng)景: 高速/環(huán)路、市內(nèi)運(yùn)行、城際/郊區(qū)、泊車/取車、封閉園區(qū)和室內(nèi)/室外,要求測(cè)試設(shè)備能夠?qū)崟r(shí)準(zhǔn)確全面地記錄測(cè)試過(guò)程中各項(xiàng)參數(shù),以加速探索和優(yōu)化技術(shù)成熟度尚未達(dá)到推廣應(yīng)用要求的網(wǎng)聯(lián)車輛在運(yùn)行過(guò)程中出現(xiàn)的各種技術(shù)問(wèn)題[135];后者側(cè)重被測(cè)系統(tǒng)在開(kāi)放道路環(huán)境下的穩(wěn)定性、可靠性,要求試驗(yàn)后能完全還原系統(tǒng)誤報(bào)、漏報(bào)等問(wèn)題事件,為開(kāi)發(fā)人員提供問(wèn)題優(yōu)化、系統(tǒng)升級(jí)的數(shù)據(jù)支撐[136].例如,美國(guó)密歇根大學(xué)建立名為MCity智能駕駛測(cè)試基地,設(shè)置城市各類道路場(chǎng)景,驗(yàn)證不同場(chǎng)景下網(wǎng)聯(lián)車輛執(zhí)行智能駕駛?cè)蝿?wù)的有效性和可靠性[137].同濟(jì)大學(xué)研究團(tuán)隊(duì)在江蘇省太倉(cāng)市以及河北省廊坊市的實(shí)際道路上構(gòu)建智能駕駛的實(shí)驗(yàn)系統(tǒng),驗(yàn)證智能駕駛與主動(dòng)交通控制系統(tǒng)之間的協(xié)同工作及可行性[138].

智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的商用需要大規(guī)模的實(shí)車測(cè)試,將具備智能駕駛和車路云協(xié)同功能的單車、多車及系統(tǒng)置于實(shí)際交通場(chǎng)景中,通過(guò)道路環(huán)境和交通參與者等元素隨機(jī)組合的場(chǎng)景輸入,以實(shí)現(xiàn)智能網(wǎng)聯(lián)車輛與道路、設(shè)施及其他交通參與者的相互適應(yīng)與協(xié)調(diào),驗(yàn)證并不斷完善車輛面對(duì)真實(shí)復(fù)雜道路場(chǎng)景的安全行駛能力.

2.3.3 智能網(wǎng)聯(lián)性能評(píng)價(jià)指標(biāo)

LTE/5G-V2X 網(wǎng)絡(luò)為智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的運(yùn)行提供了核心支撐,分析智能網(wǎng)聯(lián)應(yīng)用技術(shù)與車路云協(xié)同產(chǎn)品的研究現(xiàn)狀,梳理出智能網(wǎng)聯(lián)核心測(cè)試指標(biāo)與典型場(chǎng)景的限定性技術(shù)要求,將有利于推動(dòng)產(chǎn)業(yè)協(xié)同創(chuàng)新、系統(tǒng)研發(fā)并加速落地應(yīng)用.Fan等[139]在開(kāi)放道路的實(shí)測(cè)過(guò)程中,以被測(cè)車輛的車速和車間距進(jìn)行聯(lián)合建模,獲得V2V 和V2I、靜態(tài)和動(dòng)態(tài)、視距和非視距等不同場(chǎng)景下的系統(tǒng)通信性能與對(duì)應(yīng)指標(biāo).Kong等[140]設(shè)計(jì)了基于LTE-V、航位推算和RTK 定位的車載單元,并以動(dòng)態(tài)和靜態(tài)兩種實(shí)地測(cè)試場(chǎng)景對(duì)車載單元的延遲、數(shù)據(jù)包丟失率、定位精度性能進(jìn)行測(cè)試.Avcil等[141]構(gòu)建了由OMNET++、Veins 和SUMO 集成的仿真環(huán)境,通過(guò)對(duì)V2X 網(wǎng)絡(luò)的性能進(jìn)行實(shí)驗(yàn)分析,認(rèn)為車輛密度和數(shù)據(jù)需求增加會(huì)對(duì)網(wǎng)絡(luò)時(shí)延和可靠性帶來(lái)不利影響,需要進(jìn)一步對(duì)網(wǎng)絡(luò)資源進(jìn)行合理分配以確保服務(wù)質(zhì)量.Hofer等[142]首次將實(shí)時(shí)基于幾何的隨機(jī)信道模型參數(shù)用于實(shí)車在環(huán)中進(jìn)行V2X 通信系統(tǒng)測(cè)試,收集試驗(yàn)場(chǎng)和實(shí)車在環(huán)測(cè)試場(chǎng)景中的信號(hào)強(qiáng)度和包誤差率數(shù)據(jù),驗(yàn)證了兩個(gè)場(chǎng)景中的性能指標(biāo)的一致性,這為結(jié)合實(shí)時(shí)更新基于幾何的隨機(jī)信道模型參數(shù)的實(shí)車在環(huán)測(cè)試系統(tǒng)用于實(shí)測(cè)分析奠定理論依據(jù).Ahmad等[143]選取馬來(lái)西亞班吉大學(xué)校園內(nèi)的區(qū)域和工程建筑環(huán)境學(xué)院室內(nèi)2 個(gè)區(qū)域場(chǎng)景,提取了LTE 信號(hào)強(qiáng)度、端到端時(shí)延和吞吐量性能指標(biāo).Wang等[144]在高速公路場(chǎng)景,獲得了5.9 GHz頻段的直道和彎道、靜態(tài)和動(dòng)態(tài)場(chǎng)景的V2V 和V2I鏈路的覆蓋范圍、丟包率及時(shí)延等性能指標(biāo).表6為已有文獻(xiàn)設(shè)定的智能網(wǎng)聯(lián)測(cè)試性能指標(biāo),勾選項(xiàng)為對(duì)應(yīng)文獻(xiàn)涉及到的性能指標(biāo).總之,網(wǎng)聯(lián)場(chǎng)景的測(cè)試場(chǎng)景可分為靜態(tài)和動(dòng)態(tài)測(cè)試、視距和非視距、短包和長(zhǎng)包測(cè)試、V2V 和V2I (拓展到V2X 的各種模式)、直道和交叉路口和彎道等.

表6 網(wǎng)聯(lián)測(cè)試主要性能指標(biāo)Table 6 Key performance indicators of connectivity test

在未來(lái)相當(dāng)長(zhǎng)時(shí)間內(nèi),中國(guó)將基于5G/LTEV2X 網(wǎng)絡(luò)支撐車路云協(xié)同系統(tǒng)的建設(shè)與發(fā)展[151].3GPP 針對(duì)不同承載方式均提出對(duì)應(yīng)場(chǎng)景需求指標(biāo),隨著 5G-LTE NSA 網(wǎng)絡(luò)架構(gòu)部署及后續(xù)演進(jìn),未來(lái)將需要完成服務(wù)場(chǎng)景與技術(shù)指標(biāo)的統(tǒng)一.3GPP針對(duì)LTE-V2X 定義了27 個(gè)車路協(xié)同應(yīng)用場(chǎng)景,并給出7 種典型場(chǎng)景性能要求,V2X 需支持的通用業(yè)務(wù)性能要求如表7 所示[152].針對(duì)5G NR-V2X,3GPP 定義了未來(lái)更高等級(jí)的自動(dòng)駕駛需求,定義了25 個(gè)用例并歸納成編隊(duì)行駛、先進(jìn)駕駛、傳感器擴(kuò)展、遠(yuǎn)程駕駛和基本需求五類場(chǎng)景,場(chǎng)景需求指標(biāo)如表8 所示[153].綜合以上分析,可總結(jié)出智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)中典型測(cè)試場(chǎng)景可依據(jù)道路類別、自動(dòng)駕駛業(yè)務(wù)場(chǎng)景、測(cè)試數(shù)據(jù)和通信對(duì)象等分類,主要的測(cè)試性能評(píng)價(jià)指標(biāo)包括時(shí)延、丟包率/可靠性(單次傳輸和累積傳輸可靠性)、吞吐量、通信范圍、數(shù)據(jù)包投遞率、接收信號(hào)強(qiáng)度、數(shù)據(jù)速率(絕對(duì)速率和相對(duì)速率)等.

表7 LTE-V2X 典型場(chǎng)景通信性能要求[152]Table 7 LTE-V2X communication performance requirements in typical scenarios[152]

表8 NR-V2X 典型應(yīng)用場(chǎng)景需求指標(biāo)[153]Table 8 Scenario diagram of cooperative networking and control[153]

3 發(fā)展趨勢(shì)

智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)將向協(xié)同組網(wǎng)與控制方向發(fā)展,業(yè)界需加緊互操作性測(cè)試與合作,大規(guī)模接入需要部署邊緣智能服務(wù),新型融合系統(tǒng)亟待應(yīng)用安全建設(shè)等.為此,提出以下4 個(gè)方面的挑戰(zhàn)、機(jī)遇和前進(jìn)方向.

1)協(xié)同組網(wǎng)與控制技術(shù).未來(lái)智能網(wǎng)聯(lián)車路云協(xié)同場(chǎng)景可分為車輛隊(duì)列組網(wǎng)與控制、空地網(wǎng)聯(lián)組網(wǎng)與控制兩個(gè)層面,如圖8 所示.前者可分為車內(nèi)控制、車隊(duì)結(jié)構(gòu)和車間通信三個(gè)模塊,車內(nèi)控制指為保持安全編隊(duì)的車輛縱向控制動(dòng)力學(xué)建模,車隊(duì)結(jié)構(gòu)是指隊(duì)列中車輛之間關(guān)聯(lián)結(jié)構(gòu)與隊(duì)列穩(wěn)定性控制,車間通信為能夠適應(yīng)高速移動(dòng)、動(dòng)態(tài)拓?fù)涞沫h(huán)境感知和車路云協(xié)同網(wǎng)絡(luò).Li等[154]基于多智能體系統(tǒng)理論設(shè)計(jì)了車輛隊(duì)列分布式控制的四元素架構(gòu),為基于一致性的車輛隊(duì)列控制系統(tǒng)建模與分析提供了統(tǒng)一框架,歐洲HORIZON 2020 計(jì)劃也將其作為編隊(duì)項(xiàng)目ENSEMBLE 的控制框架[155].后者受益于北斗天基增強(qiáng)、RTK 和高精地圖[156]的建設(shè),推動(dòng)空地網(wǎng)聯(lián)的協(xié)同組網(wǎng)研究與發(fā)展.文獻(xiàn)[157?158]在智能網(wǎng)聯(lián)系統(tǒng)中部署了具有緩存功能的UAV基站,可以充分發(fā)揮空地資源共享的優(yōu)勢(shì);文獻(xiàn)[159]采用UAV 的分層部署方案,高層UAV 負(fù)責(zé)網(wǎng)聯(lián)車輛的通信和總體監(jiān)視工作,低層UAV 執(zhí)行熱點(diǎn)區(qū)域的覆蓋任務(wù),從而最大程度地保障V2X 網(wǎng)絡(luò)的吞吐性能.Abbasi等[160]將UAV 視作空中通信中繼站,通過(guò)對(duì)車載軌跡的感知以實(shí)現(xiàn)對(duì)V2X 節(jié)點(diǎn)之間的中繼轉(zhuǎn)發(fā)服務(wù).Demir等[161]考慮車輛用戶的等待時(shí)間和回程鏈路的容量限制,以UAV 作為飛行部署的RSU,建模并求解該UAV 的最優(yōu)懸停時(shí)長(zhǎng)和系統(tǒng)功耗.為此,智能網(wǎng)聯(lián)車路云協(xié)同新架構(gòu)下人?車?路?云多元共融,網(wǎng)絡(luò)拓?fù)鋾r(shí)空動(dòng)態(tài)多變,以及大量同頻、異頻終端接入[162],需要研究混合交通場(chǎng)景下多元分布式協(xié)同機(jī)制[163?168]、融合QoS 感知的車聯(lián)網(wǎng)組網(wǎng)數(shù)據(jù)播發(fā)[165]以及面向分層智能決策的自主任務(wù)分配與跨層協(xié)同控制方法等.此外,文獻(xiàn)[166?188]的基于智能網(wǎng)聯(lián)的生態(tài)駕駛在車輛隊(duì)列和交叉路口[172?188]等場(chǎng)景下的應(yīng)用,也已成為研究熱點(diǎn),這也是該技術(shù)走向?qū)嶋H應(yīng)用所迫切需要解決的現(xiàn)實(shí)問(wèn)題.

圖8 協(xié)同組網(wǎng)與控制場(chǎng)景Fig.8 NR-V2X typical application scenario demand index

2) 互操作技術(shù).智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)內(nèi)V2V、V2I、V2P 和V2C 等服務(wù)模式共存,業(yè)界需要在 “三跨”、“四跨”和 “新四跨”基礎(chǔ)上,進(jìn)一步完成標(biāo)準(zhǔn)體系建設(shè)與不斷升級(jí)[173?174].同時(shí),需加速推進(jìn)新一代車載V2X 融合終端和云控系統(tǒng)、路側(cè)基礎(chǔ)設(shè)施、智慧交通系統(tǒng)與智慧城市等的標(biāo)準(zhǔn)化研發(fā)與發(fā)展,綜合ECN與HPPS 等的部署和技術(shù)演進(jìn),推進(jìn)產(chǎn)業(yè)鏈全面聯(lián)動(dòng)并融合發(fā)展[175].

3)邊緣智能服務(wù).未來(lái)相當(dāng)長(zhǎng)時(shí)間內(nèi)智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)將采用分階段、分區(qū)域的建設(shè)方案,各階段、各區(qū)域建設(shè)的系統(tǒng)本身也存在通信、存儲(chǔ)和計(jì)算方面的資源約束,采用云網(wǎng)協(xié)同、算網(wǎng)融合的發(fā)展思路有利于系統(tǒng)的有序落地并應(yīng)用[176?177].文獻(xiàn)[178?179] 在車路云協(xié)同架構(gòu)中,利用MEC 平臺(tái)進(jìn)行邊緣計(jì)算與存儲(chǔ)協(xié)同,優(yōu)化了智能網(wǎng)聯(lián)車輛的接入服務(wù)性能.Feng等[180]為5G-V2X與邊緣融合系統(tǒng)設(shè)計(jì)了多車與多緩存資源單元的通信資源分配機(jī)制、車輛任務(wù)與多MEC 服務(wù)器的計(jì)算卸載策略,在保證網(wǎng)絡(luò)穩(wěn)定性的同時(shí)優(yōu)化了功耗、緩存溢出概率和請(qǐng)求響應(yīng)時(shí)延.Li等[181]引入了無(wú)人機(jī)輔助多用戶、多服務(wù)器的MEC 環(huán)境中的卸載決策和資源分配方案,優(yōu)化了系統(tǒng)的延遲和能耗.上述研究大多處于仿真與實(shí)驗(yàn)驗(yàn)證階段.未來(lái)隨著入網(wǎng)車輛數(shù)目的規(guī)模增加,邊緣網(wǎng)絡(luò)資源調(diào)度與優(yōu)化服務(wù)方面仍有很多問(wèn)題需要解決,如復(fù)雜交通場(chǎng)景下的動(dòng)態(tài)資源管理[182]、集中式車輛檢測(cè)模型與高效計(jì)算服務(wù)[183]等.并且,5G UPF 下沉到承載網(wǎng)且分布式部署,將導(dǎo)致對(duì)應(yīng)的業(yè)務(wù)端口的下移,5G 現(xiàn)網(wǎng)需要梳理新場(chǎng)景下的端邊云協(xié)同以及移動(dòng)承載網(wǎng)與固定承載網(wǎng)雙平面之間的網(wǎng)絡(luò)架構(gòu)與互操作需求.

4)安全技術(shù).ICV 網(wǎng)絡(luò)拓?fù)鋭?dòng)態(tài)變化,通信過(guò)程中節(jié)點(diǎn)高速切換時(shí),任何偽造節(jié)點(diǎn)與惡意攻擊都可能導(dǎo)致單車系統(tǒng)故障以及區(qū)域交通癱瘓,因此智能車輛安全互信認(rèn)證技術(shù)需要面對(duì)大范圍移動(dòng)、拓?fù)渥兓旌透哳l接入/解除等問(wèn)題[184].吳武飛等[185]在對(duì)智能網(wǎng)聯(lián)車輛架構(gòu)下的車載網(wǎng)絡(luò)進(jìn)行剖分基礎(chǔ)上,給出了網(wǎng)絡(luò)安全設(shè)計(jì)的約束分析,并對(duì)車載網(wǎng)入侵檢測(cè)技術(shù)進(jìn)行了重點(diǎn)闡述.同時(shí),融入?yún)^(qū)塊鏈的分布式架構(gòu)可以提高大規(guī)模車輛分布式訪問(wèn)控制的安全性,結(jié)合車路云協(xié)同場(chǎng)景下多實(shí)體、多角色的數(shù)據(jù)共享需求,構(gòu)造基于多屬性的層級(jí)訪問(wèn)策略框架,相比集中式架構(gòu)更為有效[186].Jabbar等[187]提出一種去中心化安全解決方案,用于實(shí)現(xiàn)車輛與交通系統(tǒng)中其他參與者之間的安全保密通信.Khan等[188]為云霧網(wǎng)絡(luò)架構(gòu)下的V2X 通信系統(tǒng)引入微區(qū)塊鏈技術(shù),相比公共區(qū)塊鏈方法可減少簽名和合法驗(yàn)證的時(shí)間,且可優(yōu)化系統(tǒng)開(kāi)銷.因此,智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)需要重新進(jìn)行安全架構(gòu)設(shè)計(jì)以及系統(tǒng)成本、可用性、一致性、穩(wěn)定性和保密性等,根據(jù)敏感業(yè)務(wù)需求對(duì)符合條件的各通路及資源進(jìn)行優(yōu)化調(diào)度,做到保證安全且節(jié)約系統(tǒng)整體開(kāi)銷.

4 結(jié)束語(yǔ)

B5G/6G、新能源和人工智能的發(fā)展,引發(fā)了全球汽車產(chǎn)業(yè)格局與產(chǎn)業(yè)生態(tài)的重新構(gòu)建,為汽車產(chǎn)業(yè)變革與升級(jí)帶來(lái)戰(zhàn)略機(jī)遇.面向智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)的發(fā)展現(xiàn)狀與加速產(chǎn)業(yè)化需要,本文介紹了新型車路云融合系統(tǒng)、智能網(wǎng)聯(lián)V2X 通信系統(tǒng)、云控系統(tǒng)和車路云協(xié)同測(cè)試系統(tǒng)等的總體架構(gòu)設(shè)計(jì).當(dāng)前全國(guó)智能網(wǎng)聯(lián)車路云協(xié)同試驗(yàn)場(chǎng)正在全面建設(shè)的背景下,從智能網(wǎng)聯(lián)V2X 組網(wǎng)、融合定位和測(cè)試評(píng)價(jià)三個(gè)關(guān)鍵技術(shù)方面進(jìn)行了分析,重點(diǎn)在協(xié)同組網(wǎng)與控制、互操作、差異化服務(wù)和安全等相關(guān)技術(shù)進(jìn)行了現(xiàn)狀分析與前沿展望,旨在加速推進(jìn)智能網(wǎng)聯(lián)車路云協(xié)同系統(tǒng)從理論研究到實(shí)際應(yīng)用的轉(zhuǎn)換,為實(shí)現(xiàn)未來(lái)人?車?路?云一體化協(xié)同作業(yè)下自動(dòng)駕駛和下一代智慧交通系統(tǒng)的創(chuàng)新與變革提供技術(shù)參考與發(fā)展思路.