基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車路徑規(guī)劃優(yōu)化策略

摘要：5G-A車聯(lián)網(wǎng)通過集成先進(jìn)的5G通信、人工智能和車載傳感器技術(shù)，為自動(dòng)駕駛汽車提供了高帶寬、低時(shí)延、高可靠的通信支持和智能決策服務(wù)。針對(duì)當(dāng)前自動(dòng)駕駛汽車路徑規(guī)劃存在局部最優(yōu)、路況適應(yīng)性差等問題，提出了一種基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車路徑規(guī)劃優(yōu)化策略，從而提升自動(dòng)駕駛車輛路徑規(guī)劃的可靠性和智能化水平，為自動(dòng)駕駛系統(tǒng)進(jìn)一步優(yōu)化提供了理論基礎(chǔ)和技術(shù)支撐。

關(guān)鍵詞：5G-A車聯(lián)網(wǎng)；自動(dòng)駕駛；路徑規(guī)劃優(yōu)化；強(qiáng)化學(xué)習(xí)

中圖分類號(hào)：U461收稿日期：2024-10-23

DOI：10.19999/j.cnki.1004-0226.2025.01.026

1前言

隨著人工智能和通信技術(shù)的快速發(fā)展，自動(dòng)駕駛汽車成為汽車行業(yè)的發(fā)展熱點(diǎn)和未來趨勢(shì)。自動(dòng)駕駛系統(tǒng)的核心是基于環(huán)境感知、決策規(guī)劃和執(zhí)行控制的閉環(huán)作業(yè)，其中路徑規(guī)劃是關(guān)鍵的決策環(huán)節(jié)，直接影響行車安全和效率[1]。但目前自動(dòng)駕駛路徑規(guī)劃存在諸多不足，制約了自動(dòng)駕駛技術(shù)的商用化進(jìn)程。

有望破解這一技術(shù)瓶頸的是5G先進(jìn)車聯(lián)網(wǎng)（5G-Automotive，5G-A）技術(shù)，它集成了5G通信、邊緣計(jì)算、人工智能等先進(jìn)技術(shù)?；?G-A車聯(lián)網(wǎng)架構(gòu)并結(jié)合強(qiáng)大的人工智能算法，充分挖掘多源異構(gòu)信息優(yōu)化自動(dòng)駕駛路徑規(guī)劃，具有重要的理論意義和應(yīng)用價(jià)值。

25G-A車聯(lián)網(wǎng)概述

5G-A車聯(lián)網(wǎng)致力于支持全球移動(dòng)生態(tài)系統(tǒng)和汽車行業(yè)在車聯(lián)網(wǎng)（V2X）技術(shù)領(lǐng)域的發(fā)展和應(yīng)用，此技術(shù)基于5G通信技術(shù)，旨在提升道路安全、流量管理和各種新型交通服務(wù)的效率和效果。

5G-A車聯(lián)網(wǎng)的應(yīng)用范圍廣泛，涉及車與車（V2V）、車與基礎(chǔ)設(shè)施（V2I）、車與行人（V2P）以及車與網(wǎng)絡(luò)（V2N）等多種通信模式，統(tǒng)稱為V2X，這些應(yīng)用的核心目的是通過高速且可靠的通信提高道路安全，減少交通堵塞，提升交通效率，并優(yōu)化個(gè)人的出行體驗(yàn)[2]。

例如，通過V2V通信，汽車可以實(shí)時(shí)交換位置、速度和路線信息，從而預(yù)測(cè)并避免潛在的碰撞風(fēng)險(xiǎn)。V2I通信則使車輛能夠接收來自交通信號(hào)燈和路側(cè)傳感器的信息，優(yōu)化駕駛策略，如調(diào)整車速以適應(yīng)交通信號(hào)變化，減少停車次數(shù)，降低油耗和尾氣排放。此外，V2P通信增強(qiáng)了車輛對(duì)行人和非機(jī)動(dòng)車的感知能力，尤其在視線受阻或光線不足的情況下，能有效提高行人的安全。

盡管5G技術(shù)具有顯著優(yōu)勢(shì)，車聯(lián)網(wǎng)的實(shí)施和廣泛應(yīng)用仍面臨一些技術(shù)和規(guī)范方面的挑戰(zhàn)。

3當(dāng)前自動(dòng)駕駛汽車路徑規(guī)劃存在的問題

自動(dòng)駕駛系統(tǒng)能夠感知周圍環(huán)境、規(guī)劃行駛路徑并控制車輛運(yùn)動(dòng)，提高交通效率和安全性。然而，自動(dòng)駕駛汽車的商用化離不開路徑規(guī)劃技術(shù)的突破，高精度路徑規(guī)劃是確保自動(dòng)駕駛汽車安全、高效和舒適行駛的關(guān)鍵。

然而，當(dāng)前的自動(dòng)駕駛技術(shù)在路徑規(guī)劃方面仍面臨挑戰(zhàn)。自動(dòng)駕駛汽車在進(jìn)行路徑規(guī)劃時(shí)，往往采用基于圖搜索的算法，例如A*或Dijkstra算法，這類算法雖然在靜態(tài)環(huán)境中能夠找到最優(yōu)路徑，但在動(dòng)態(tài)變化的交通環(huán)境中，尤其是在復(fù)雜的城市交通場(chǎng)景中，只能得到局部最優(yōu)解[3]。

這是因?yàn)檫@些算法在設(shè)計(jì)時(shí)通常以到達(dá)目的地的最短距離或最短時(shí)間為優(yōu)化目標(biāo)，而忽略了路況的動(dòng)態(tài)變化，如臨時(shí)道路封閉、交通事故或臨時(shí)交通管制等因素。這些算法在路徑規(guī)劃時(shí)，經(jīng)常需要預(yù)設(shè)一個(gè)明確的目標(biāo)，然后從當(dāng)前位置出發(fā)，向目標(biāo)逐步逼近，這種方法在遇到復(fù)雜的路網(wǎng)結(jié)構(gòu)或多變的交通流時(shí)，容易陷入局部最優(yōu)，如反復(fù)在幾個(gè)路口之間循環(huán)，或者選擇一條在當(dāng)前情況下看似最快但實(shí)際上由于未來交通狀況變化而變得不理想的路線。

由于自動(dòng)駕駛車輛需要實(shí)時(shí)響應(yīng)環(huán)境變化，這種局部最優(yōu)的路徑規(guī)劃策略會(huì)降低行駛效率，增加行駛時(shí)間和能耗，甚至可能因?yàn)闊o法及時(shí)調(diào)整行駛策略而導(dǎo)致交通事故。

4基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車路徑規(guī)劃優(yōu)化

面對(duì)自動(dòng)駕駛汽車路徑規(guī)劃中的上述問題，單純依賴車載傳感器和車上計(jì)算資源顯然已無法滿足高實(shí)時(shí)性、高可靠性的要求。基于5G-A車聯(lián)網(wǎng)，可構(gòu)建一種多層次分布式路徑規(guī)劃架構(gòu)，融合車載和云端計(jì)算能力，實(shí)現(xiàn)路徑規(guī)劃算法在本地化、全局化層面的優(yōu)化，從而有效應(yīng)對(duì)復(fù)雜動(dòng)態(tài)場(chǎng)景，提高路徑規(guī)劃的精度和魯棒性。

4.1融合多源異構(gòu)信息

在基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車路徑規(guī)劃中，融合多源異構(gòu)信息是關(guān)鍵的優(yōu)化方向之一。通過整合來自不同傳感器、通信設(shè)備和外部數(shù)據(jù)源的多維度信息，路徑規(guī)劃系統(tǒng)可以更精確地感知環(huán)境、預(yù)測(cè)交通流量，并作出實(shí)時(shí)的決策優(yōu)化。

自動(dòng)駕駛汽車通常配置有多種傳感器，包括激光雷達(dá)（LiDAR）、毫米波雷達(dá)、攝像頭、超聲波傳感器等，這些傳感器各自具有不同的感知范圍、精度和適用場(chǎng)景。融合傳感器數(shù)據(jù)的主要目的是彌補(bǔ)單一傳感器的局限性，在復(fù)雜的駕駛環(huán)境下提供更全面的環(huán)境感知能力，優(yōu)化措施如表1所示。

通過優(yōu)化傳感器數(shù)據(jù)融合，自動(dòng)駕駛系統(tǒng)可以獲得更精確信息，尤其是在復(fù)雜城市環(huán)境或惡劣天氣條件下，這種多源異構(gòu)數(shù)據(jù)的結(jié)合能顯著減少感知盲區(qū)，提升車輛決策的準(zhǔn)確性和安全性。

除了車載傳感器，自動(dòng)駕駛系統(tǒng)還需要借助5G-A車聯(lián)網(wǎng)技術(shù)與外部數(shù)據(jù)源進(jìn)行交互，實(shí)現(xiàn)車輛與基礎(chǔ)設(shè)施（V2I）、車輛與車輛（V2V）、車輛與云端（V2C）等信息的融合。外部數(shù)據(jù)交互可以提供更廣泛的交通信息、道路狀況和其他環(huán)境數(shù)據(jù)，從而優(yōu)化路徑規(guī)劃，優(yōu)化措施如表2所示。

優(yōu)化外部數(shù)據(jù)交互能基于更大范圍的外部信息進(jìn)行決策，5G-A網(wǎng)絡(luò)的高帶寬和低時(shí)延特性使得車輛能夠?qū)崟r(shí)獲取周圍環(huán)境和交通動(dòng)態(tài)信息，從而快速響應(yīng)復(fù)雜的交通場(chǎng)景，優(yōu)化路徑選擇，提升駕駛的安全性和效率。

4.2分布式智能路徑優(yōu)化

基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車在路徑規(guī)劃優(yōu)化過程中，實(shí)施“分布式智能路徑優(yōu)化”是一種創(chuàng)新的策略，它利用分布式計(jì)算和智能決策來提高路線選擇的效率和適應(yīng)性，這種方法增強(qiáng)了自動(dòng)駕駛汽車在復(fù)雜環(huán)境中的表現(xiàn)，還提升了整個(gè)交通系統(tǒng)的協(xié)調(diào)和流暢性，具體如圖1所示。

分布式智能路徑優(yōu)化的第一步是實(shí)現(xiàn)云邊協(xié)同計(jì)算架構(gòu)。在這種架構(gòu)中，數(shù)據(jù)處理和決策制定不僅在云端進(jìn)行，也在車輛和路邊單位（RSU）中局部進(jìn)行，形成了一個(gè)多層次的決策和計(jì)算網(wǎng)絡(luò)。

云端服務(wù)器提供大規(guī)模數(shù)據(jù)存儲(chǔ)和高性能計(jì)算資源，可以處理大量復(fù)雜的算法，如深度學(xué)習(xí)模型和大數(shù)據(jù)分析，這些用于模擬交通流和預(yù)測(cè)未來的交通狀況。與此同時(shí)，車輛和RSU作為邊緣計(jì)算節(jié)點(diǎn)，可以快速處理實(shí)時(shí)數(shù)據(jù)，如即時(shí)交通狀況、車輛狀態(tài)和周圍環(huán)境信息，支持快速響應(yīng)和局部?jī)?yōu)化決策。

通過這種云邊協(xié)同計(jì)算架構(gòu)，自動(dòng)駕駛汽車能夠?qū)崟r(shí)接入更新的交通信息和高級(jí)計(jì)算資源，同時(shí)保持對(duì)即時(shí)事件的快速反應(yīng)能力。例如，當(dāng)云端系統(tǒng)檢測(cè)到某一區(qū)域因大型活動(dòng)或事故而即將出現(xiàn)嚴(yán)重交通擁堵時(shí)，它可以將這一信息及時(shí)下發(fā)到各個(gè)車輛和RSU。這些邊緣節(jié)點(diǎn)隨后可以根據(jù)本地實(shí)時(shí)數(shù)據(jù)快速調(diào)整車輛的行進(jìn)路線，避免新出現(xiàn)的擁堵區(qū)域，優(yōu)化整體的行駛效率。

分布式智能路徑優(yōu)化的第二個(gè)關(guān)鍵方面是實(shí)施協(xié)同多車智能決策系統(tǒng)。在這一系統(tǒng)中，單個(gè)車輛不再獨(dú)立進(jìn)行路徑規(guī)劃，而是與周圍的車輛共享數(shù)據(jù)和協(xié)作決策，形成一個(gè)動(dòng)態(tài)的車輛網(wǎng)絡(luò)。每輛車不僅傳輸自己的位置和速度信息，還可以接收其他車輛的相應(yīng)信息，這種信息共享使得每輛車都能夠考慮到其他車輛的行為和計(jì)劃，從而做出更合理的路徑選擇和速度調(diào)整。

例如，當(dāng)一輛自動(dòng)駕駛汽車計(jì)劃從較擁堵的主干道轉(zhuǎn)入支路時(shí)，它可以通過5G-A網(wǎng)絡(luò)了解到其他進(jìn)入同一支路的車輛數(shù)量和速度。如果發(fā)現(xiàn)支路即將出現(xiàn)擁堵，該車可以選擇維持在主干道上，或?qū)ふ移渌娲肪€，這種多車協(xié)同也可以用于更復(fù)雜的場(chǎng)景，如協(xié)調(diào)多車在多個(gè)交叉口的通過順序，減少交叉口擁堵和等待時(shí)間，從而優(yōu)化整個(gè)路網(wǎng)的流量分布。

5結(jié)語

基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車路徑規(guī)劃優(yōu)化策略為解決當(dāng)前自動(dòng)駕駛技術(shù)面臨的諸多挑戰(zhàn)提供了新的思路和方法。通過融合多源異構(gòu)信息、實(shí)現(xiàn)分布式智能路徑優(yōu)化等創(chuàng)新手段，可以充分利用5G通信的高帶寬、低時(shí)延特性，結(jié)合云邊協(xié)同計(jì)算架構(gòu)，提升路徑規(guī)劃的精確度、實(shí)時(shí)性和適應(yīng)性。盡管在實(shí)際應(yīng)用中仍面臨諸如數(shù)據(jù)安全、網(wǎng)絡(luò)穩(wěn)定性等挑戰(zhàn)，但隨著技術(shù)的不斷進(jìn)步和完善，基于5G-A車聯(lián)網(wǎng)的自動(dòng)駕駛汽車路徑規(guī)劃優(yōu)化策略必將在推動(dòng)自動(dòng)駕駛技術(shù)發(fā)展和智能交通系統(tǒng)建設(shè)中發(fā)揮重要作用。

參考文獻(xiàn)：

[1]朱小波，譚興文.自動(dòng)駕駛汽車環(huán)境感知與傳感器融合技術(shù)[J].汽車與新動(dòng)力，2024，7（4）：24-27.

[2]何倩，鐘蕾，邱健斌，等.自動(dòng)駕駛汽車變道的決策及預(yù)測(cè)控制算法研究[J].機(jī)械，2024，51（4）：34-41.

[3]梁麗麗，楊圣清，吳鉑涵，等.自動(dòng)駕駛汽車目標(biāo)檢測(cè)技術(shù)應(yīng)用研究[J].汽車測(cè)試報(bào)告，2023，（13）：45-47.

作者簡(jiǎn)介：

徐運(yùn)武，男，1979年生，副教授，研究方向?yàn)樾畔⑼ㄐ殴こ獭?/p>