智能網(wǎng)聯(lián)汽車體系結(jié)構(gòu)與關(guān)鍵技術(shù)

王建強(qiáng)，王昕

(蘭州交通大學(xué)交通運(yùn)輸學(xué)院，甘肅蘭州 730070)

無(wú)人駕駛(Driverless)為我們勾畫了一幅未來(lái)出行的美好藍(lán)圖，將出行者從傳統(tǒng)機(jī)械專注的自駕模式帶入充滿時(shí)尚和樂(lè)趣的無(wú)人駕駛模式。無(wú)人駕駛汽車也稱為輪式移動(dòng)機(jī)器人，主要依靠車內(nèi)以計(jì)算機(jī)系統(tǒng)為控制器的智能駕駛儀來(lái)實(shí)現(xiàn)無(wú)人駕駛，其實(shí)質(zhì)是一臺(tái)受軟件體操控的可以自由移動(dòng)的載人計(jì)算機(jī)。無(wú)人駕駛的概念一經(jīng)提出，便得到學(xué)術(shù)界和工業(yè)界的普遍關(guān)注和支持，而無(wú)人駕駛技術(shù)的核心承載主體是智能網(wǎng)聯(lián)汽車(Intelligent connected vehicles，ICV)[1-4]。ICV搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置，并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)車與X(人、車、路、后臺(tái)等)智能信息交換共享，具備復(fù)雜的環(huán)境感知、智能決策、協(xié)同控制和執(zhí)行等功能，可以滿足出行者多方面的出行需求，并同時(shí)提升行車安全，實(shí)現(xiàn)節(jié)能減排，優(yōu)化交通資源配置，在一定程度上緩解交通擁堵[5-8]。

智能網(wǎng)聯(lián)汽車可以從3個(gè)維度進(jìn)行剖析，即“智能”“網(wǎng)聯(lián)”“汽車”。“智能”即搭載先進(jìn)的車載傳感器，控制器、執(zhí)行器等裝置和車載系統(tǒng)模塊，具備復(fù)雜環(huán)境感知、智能化決策與控制等功能；“網(wǎng)聯(lián)”主要指信息互聯(lián)共享能力，即通過(guò)通信與網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)車內(nèi)、車與環(huán)境間的信息交互；而“汽車”是智能終端載體的外觀形態(tài)[9-10]。從更為廣義的角度來(lái)看，ICV并不是特指某類或單個(gè)車輛，而是以車輛為主體和主要節(jié)點(diǎn)，由車輛、道路設(shè)施、通信設(shè)備及交通控制系統(tǒng)以及數(shù)據(jù)存儲(chǔ)與處理系統(tǒng)等共同構(gòu)成的綜合協(xié)調(diào)系統(tǒng)，是未來(lái)智能交通系統(tǒng)下車聯(lián)網(wǎng)環(huán)境中發(fā)揮著重要作用的智能終端[11]。

雖然前景美好，但是智能網(wǎng)聯(lián)汽車距離批量生產(chǎn)和實(shí)際投入使用尚存在較大距離。本文旨在探討ICV發(fā)展現(xiàn)狀的基礎(chǔ)上，分析ICV的關(guān)鍵技術(shù)構(gòu)成，并探討ICV未來(lái)發(fā)展趨勢(shì)。

一、智能網(wǎng)聯(lián)汽車現(xiàn)狀

智能網(wǎng)聯(lián)汽車具有較長(zhǎng)的產(chǎn)業(yè)鏈，有望成為未來(lái)汽車銷售市場(chǎng)中的主力車型。ICV可以提供的主要服務(wù)類型如表1所示[12]。因此，國(guó)內(nèi)外的多數(shù)汽車廠商和信息技術(shù)企業(yè)都紛紛投入到ICV的研究與試產(chǎn)當(dāng)中。總體來(lái)看，目前的ICV車型可以分為已量產(chǎn)、測(cè)試和概念車型3種，如表2～表4所示。

表1智能網(wǎng)聯(lián)汽車服務(wù)類型

表2主流量產(chǎn)車型

表3主要測(cè)試車型

二、智能網(wǎng)聯(lián)汽車體系結(jié)構(gòu)

智能化與網(wǎng)聯(lián)化在智能網(wǎng)聯(lián)汽車發(fā)展的過(guò)程中充當(dāng)了必不可少的組成部分，圖1說(shuō)明了不同階段智能化和網(wǎng)聯(lián)化走向融合的過(guò)程中，有關(guān)智能網(wǎng)聯(lián)汽車的綜合應(yīng)用情況[13-15]。

其中，智能化主要指車輛行駛過(guò)程中ICV自主的程度高低，其分級(jí)情況如表5所示；而網(wǎng)聯(lián)化是指在車聯(lián)網(wǎng)環(huán)境下，通過(guò)車與車、車與路、車與移動(dòng)互聯(lián)網(wǎng)之間的數(shù)據(jù)傳遞進(jìn)行信息處理、決策和反饋過(guò)程，其分級(jí)情況如表6所示。

表4主要概念車型

從數(shù)據(jù)獲取、融合、存儲(chǔ)與處理的數(shù)據(jù)流角度分析，智能網(wǎng)聯(lián)汽車與外界信息交互過(guò)程可以分為感知層、決策層、控制層3層，如圖2所示。

(一)感知層

借助車載傳感器、GPS、雷達(dá)等，結(jié)合近距離通信技術(shù)，實(shí)時(shí)準(zhǔn)確地探測(cè)車輛自身狀態(tài)和周圍環(huán)境的信息，通過(guò)數(shù)據(jù)融合技術(shù)，將各種類型數(shù)據(jù)依據(jù)通信標(biāo)準(zhǔn)進(jìn)行交互，實(shí)現(xiàn)數(shù)據(jù)共享。

(二)決策層

依據(jù)感知層以及云平臺(tái)獲取的信息來(lái)進(jìn)行決策，進(jìn)而向駕駛員發(fā)出輔助決策信息。目前，ICV技術(shù)發(fā)展還處于借助先進(jìn)駕駛輔助技術(shù)的智能駕駛階段，所以決策信息主要起到預(yù)測(cè)、警告、推薦作用，駕駛員掌握車輛行駛的主動(dòng)權(quán)。當(dāng)ICV發(fā)展到較為完備的階段時(shí)，決策層除了車載決策系統(tǒng)之外，還包括智能交通系統(tǒng)后臺(tái)服務(wù)中心的協(xié)同決策機(jī)制，將車輛可控權(quán)限進(jìn)行了擴(kuò)展，是真正的智能網(wǎng)聯(lián)汽車自主駕駛技術(shù)的核心部件。

(三)控制層

車輛在駕駛輔助階段主要進(jìn)行一些基本的速度和方向控制。融合完備的網(wǎng)聯(lián)技術(shù)后，車輛自主控制將逐步替代駕駛員的人工控制，實(shí)現(xiàn)真正意義上的無(wú)人駕駛。

三、關(guān)鍵技術(shù)

智能網(wǎng)聯(lián)汽車的運(yùn)行涉及到環(huán)境感知、智能決策以及協(xié)同控制這3個(gè)層次中的核心處理及操作，包括車輛環(huán)境感知技術(shù)、通信技術(shù)、云平臺(tái)與大數(shù)據(jù)技術(shù)、多級(jí)駕駛輔助技術(shù)以及信息安全技術(shù)等。

(一)車輛環(huán)境感知與通信技術(shù)

車輛整體環(huán)境信息的及時(shí)性、準(zhǔn)確性和可靠性需要依賴于車輛環(huán)境感知技術(shù)。在復(fù)雜、動(dòng)態(tài)和多樣化的交通環(huán)境下，提高環(huán)境感知精確程度、對(duì)動(dòng)態(tài)目標(biāo)進(jìn)行識(shí)別與估計(jì)以完成交通環(huán)境信息的多視圖數(shù)據(jù)融合，是現(xiàn)階段車輛環(huán)境感知面臨的三大任務(wù)[16]。

車輛所處的環(huán)境由自車狀態(tài)和外部環(huán)境所決定。通過(guò)環(huán)境感知，智能網(wǎng)聯(lián)汽車獲取包括車輛位置、行車速度、移動(dòng)方向以及各類車內(nèi)設(shè)備參數(shù)等自車狀態(tài)信息，并且借助視頻攝像頭、雷達(dá)傳感器、激光測(cè)距器等收集車輛外部的交通信號(hào)、路面狀態(tài)、交通狀況、行人移動(dòng)等數(shù)據(jù)信息，再結(jié)合LTE-V2X(Long term evolution-Vehicle to X,LTE-V)或者專用短程通信技術(shù)(Dedicated short rangecommunication,DSRC)等近距離通信技術(shù)傳輸數(shù)據(jù)，采用信息融合技術(shù)進(jìn)行分層存儲(chǔ)[17-19]。LTE-V2X技術(shù)是一項(xiàng)能夠滿足復(fù)雜的車聯(lián)網(wǎng)通信需求、支持可擴(kuò)展的系統(tǒng)架構(gòu)，并且較為靈活地提供可靠、實(shí)時(shí)、安全的信息傳輸技術(shù)；DSRC是一種高效的無(wú)線通信技術(shù)，它可以實(shí)現(xiàn)在特定區(qū)域內(nèi)(通常為數(shù)十米)對(duì)高速運(yùn)動(dòng)下移動(dòng)目標(biāo)的識(shí)別和雙向通信，車聯(lián)網(wǎng)中的車—車通信和車—路通信是DSRC的兩種表現(xiàn)形式。

表5智能化等級(jí)

表6網(wǎng)聯(lián)化等級(jí)

圖1 智能網(wǎng)聯(lián)汽車的發(fā)展路徑

圖2 智能網(wǎng)聯(lián)車體系結(jié)構(gòu)

機(jī)器視覺(jué)與激光雷達(dá)技術(shù)是實(shí)現(xiàn)車輛環(huán)境信息采集功能的關(guān)鍵技術(shù)，是智能網(wǎng)聯(lián)汽車感知層在運(yùn)作過(guò)程中不可或缺的重要組成部分。機(jī)器視覺(jué)與激光雷達(dá)通過(guò)組合裝配，二者互為補(bǔ)充，各有所長(zhǎng)，共同組成車輛的視覺(jué)傳感系統(tǒng)。

機(jī)器視覺(jué)視場(chǎng)寬，側(cè)向精度高，成本低，不受其他傳感器影響，可以提供亮度和深度等更加豐富的平面信息，用于估算如果不躲避檢測(cè)到的對(duì)象會(huì)出現(xiàn)危險(xiǎn)的可能程度，但機(jī)器視覺(jué)容易受到環(huán)境中的光照等氣候因素影響[16]。此技術(shù)一般包括多功能攝像、立體攝像以及紅外攝像等技術(shù)：多功能攝像機(jī)用來(lái)檢測(cè)駕駛員面部或者交通道路標(biāo)記，立體攝像機(jī)能夠發(fā)現(xiàn)危險(xiǎn)路況，紅外攝像技術(shù)可以提供夜間視覺(jué)輔助的功能[14]。

激光雷達(dá)方向性好，測(cè)量角度和距離精度高，不受地面雜波干擾，能在低仰角下工作；不足之處是此技術(shù)受惡劣天氣、掃描角及分辨率影響較大，對(duì)于很細(xì)小的柱狀障礙物難以識(shí)別[16]。激光雷達(dá)能夠快速地獲取掃描平面中的距離信息，并獲得障礙物在掃描平面中的外輪廓，對(duì)于路面場(chǎng)景中其他車輛、行人或障礙物，道路邊界等信息具有不錯(cuò)的識(shí)別檢測(cè)效果。

(二)車路協(xié)同技術(shù)

車路協(xié)同系統(tǒng)(Cooperative vehicle infrastructure system，CVIS)解決車輛與人、車輛與環(huán)境等之間的協(xié)同交互問(wèn)題。智能網(wǎng)聯(lián)汽車發(fā)展到成熟階段，將會(huì)運(yùn)用協(xié)同智能交通系統(tǒng)(Cooperative intelligent transportation system,C-ITS)，對(duì)于車—車通信，車—路通信以及車—云通信3個(gè)環(huán)節(jié)進(jìn)行更有效的交通狀態(tài)估計(jì)和控制[20-22]，如表7所示。

表7車路協(xié)同系統(tǒng)構(gòu)成說(shuō)明

云平臺(tái)與大數(shù)據(jù)技術(shù)是實(shí)現(xiàn)車—云通信的關(guān)鍵技術(shù)。據(jù)估計(jì)，每輛車每小時(shí)的數(shù)據(jù)上傳量就超過(guò)20 GB[12]，如此之大的數(shù)據(jù)量只能上傳到云平臺(tái)進(jìn)行相關(guān)的大數(shù)據(jù)處理和分析。云平臺(tái)不僅是一個(gè)存儲(chǔ)數(shù)據(jù)中心，還是一個(gè)信息收發(fā)樞紐，進(jìn)行所有信息的接收、處理和傳送。

(三)駕駛輔助技術(shù)

駕駛輔助技術(shù)是指借助各類車載傳感器和通信技術(shù)，對(duì)車輛、駕駛員以及環(huán)境信息及時(shí)、準(zhǔn)確甚至動(dòng)態(tài)的收集，同時(shí)進(jìn)行辨識(shí)、偵測(cè)、追蹤和處理，進(jìn)而發(fā)出警示，使駕駛員察覺(jué)可能發(fā)生的危險(xiǎn)，或在必要時(shí)進(jìn)行汽車控制的一系列主動(dòng)安全技術(shù)。駕駛輔助技術(shù)作為智能網(wǎng)聯(lián)車發(fā)展必經(jīng)階段中的關(guān)鍵技術(shù)，在輔助駕駛、部分自動(dòng)駕駛以及有條件的自動(dòng)駕駛這3個(gè)智能化階段中占主導(dǎo)地位，而高度自動(dòng)駕駛以及自動(dòng)駕駛階段中，網(wǎng)聯(lián)協(xié)同控制執(zhí)行技術(shù)的作用增大。當(dāng)前，駕駛輔助技術(shù)的構(gòu)成如表8所示。

(四)人工智能技術(shù)

從廣義上來(lái)說(shuō)，人工智能技術(shù)是指運(yùn)用深度學(xué)習(xí)、模糊邏輯等方法，在大數(shù)據(jù)背景下，使機(jī)器通過(guò)自主學(xué)習(xí)的方式具備一定程度上的智能，從而可以理解外界事物并做出預(yù)判和決策，以提高工作效率和個(gè)性化服務(wù)水平[23]。面對(duì)極其復(fù)雜多變的不確定道路行駛環(huán)境，具備無(wú)人駕駛功能的ICV需要及時(shí)準(zhǔn)確應(yīng)對(duì)各種情況、具有自主學(xué)習(xí)和自我決策的能力。而當(dāng)前的人工智能技術(shù)無(wú)疑是最佳的選擇。在海量行駛數(shù)據(jù)的基礎(chǔ)上，人工智能技術(shù)可以通過(guò)智能計(jì)算和分析，對(duì)外界事物進(jìn)行認(rèn)知、自主學(xué)習(xí)以及做出判斷及決策，進(jìn)而決定ICV的行進(jìn)軌跡和行駛路徑[24-25]。

此外，信息安全技術(shù)作為智能網(wǎng)聯(lián)汽車的關(guān)鍵技術(shù)，涉及到了智能網(wǎng)聯(lián)汽車的每一層。信息安全技術(shù)包括終端APP的加密防護(hù)技術(shù)、權(quán)限驗(yàn)證技術(shù)、防火墻技術(shù)、身份鑒別技術(shù)、電子身份標(biāo)識(shí)技術(shù)、數(shù)字簽名技術(shù)等，對(duì)于實(shí)現(xiàn)保障傳輸安全、非法入侵檢測(cè)以及用戶隱私數(shù)據(jù)保密十分關(guān)鍵。實(shí)現(xiàn)大量信息安全、準(zhǔn)確、及時(shí)交互，是智能網(wǎng)聯(lián)汽車關(guān)鍵技術(shù)發(fā)展的重大突破，也關(guān)系到智能網(wǎng)聯(lián)汽車的推廣和普及。

表8駕駛輔助技術(shù)構(gòu)成

四、結(jié)語(yǔ)

技術(shù)的進(jìn)步和市場(chǎng)的需求共同促進(jìn)了智能網(wǎng)聯(lián)汽車的快速發(fā)展，以無(wú)人駕駛為目標(biāo)的智能網(wǎng)聯(lián)汽車受到了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。各種新型的智能網(wǎng)聯(lián)汽車陸續(xù)問(wèn)世，新穎且充滿人性化設(shè)計(jì)的概念車型讓人們充滿期待。然而，面臨復(fù)雜多變的交通路況和難以琢磨的個(gè)性化需求，智能網(wǎng)聯(lián)汽車的發(fā)展絕非一日之功。本文僅從智能網(wǎng)聯(lián)汽車的體系結(jié)構(gòu)與關(guān)鍵技術(shù)入手進(jìn)行初步探析，指出智能網(wǎng)聯(lián)汽車發(fā)展過(guò)程中存在的關(guān)鍵技術(shù)難題和突破方向，為智能網(wǎng)聯(lián)汽車的健康快速發(fā)展提供參考。

[1] Harper C D，Hendrickson C T，Mangones S，et al.Estimating potential increases in travel with autonomous vehicles for the non-driving，elderly and people with travel-restrictive medical conditions[J].Transportation Research:Part C，2016，72: 1-9.

[2] 陶永，閆學(xué)東，王田苗，等.面向未來(lái)智能社會(huì)的智能交通系統(tǒng)發(fā)展策略[J].科技導(dǎo)報(bào)，2016，34(7): 48-53.

[3] 康俊民，趙祥模，徐志剛.無(wú)人車行駛環(huán)境特征分類方法[J].交通運(yùn)輸工程學(xué)報(bào)，2016，16(6): 140-148.

[4] 潘福全，亓榮杰，張璇，等.無(wú)人駕駛汽車研究綜述與發(fā)展展望[J].科技創(chuàng)新與應(yīng)用，2017(2)：27-28.

[5] 趙福全，匡旭，劉宗巍.面向智能網(wǎng)聯(lián)汽車的汽車產(chǎn)業(yè)升級(jí)研究——基于價(jià)值鏈視角[J].科技進(jìn)步與對(duì)策，2016，33(17): 56-61.

[6] Hu J，Park B B，Lee Y J.Transit signal priority accommodating conflicting requests under connected vehicles technology[J].Transportation Research Part C，2016，69: 173-192.

[7] Wang J，Li S.The impact of travelers’ rationality degree heterogeneity in the advanced traveler information system on the network traffic flow evolution[J].Simulation Transactions of the Society for Modeling & Simulation International，2017，93(6): 447-457.

[8] 馬書紅， 孫朝旭.基于系統(tǒng)動(dòng)力學(xué)的城市交通系統(tǒng)供需分析模型[J].長(zhǎng)安大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版,2017，19(3): 31-37.

[9] Agrawal S，Zheng H，Peeta S，et al.Routing aspects of electric vehicle drivers and their effects on network performance[J].Transportation Research Part D: Transport and Environment，2016，46:246-266.

[10] 黎宇科，劉宇.國(guó)外智能網(wǎng)聯(lián)汽車發(fā)展現(xiàn)狀及啟示[J].汽車工業(yè)研究，2016(10): 30-36.

[11] 張懿，劉焰.大數(shù)據(jù)時(shí)代下的智能網(wǎng)聯(lián)汽車發(fā)展研究[J].江蘇科技信息，2016(24): 7-9.

[12] Coppola R，Morisio M.Connected car: technologies，issues，future trends[J].Acm Computing Surveys，2016，49(3)：1-36.

[13] 王兆，鄧湘鴻，劉地.中國(guó)智能網(wǎng)聯(lián)汽車標(biāo)準(zhǔn)體系研究[J].汽車電器，2016，338(10): 15-18.

[14] Faezipour M，Nourani M，Saeed A，et al.Progress and challenges in intelligent vehicle area networks[J].Communications of the Acm，2012，55(2): 90-100.

[15] 歐陽(yáng)明高.從智能化電動(dòng)汽車發(fā)展的角度談“互聯(lián)網(wǎng)+汽車+交通”[J].汽車縱橫，2015(9): 20-22.

[16] 黃武陵.智能車輛環(huán)境感知技術(shù)與平臺(tái)構(gòu)建[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2016(8): 9-13.

[17] Guériau M，Billot R，F(xiàn)aouzi N E，et al.How to assess the benefits of connected vehicles? a simulation framework for the design of cooperative traffic management strategies[J].Transportation Research:Part C，2016，67: 266-279.

[18] 謝伯元，李克強(qiáng)，王建強(qiáng)，等.“三網(wǎng)融合”的車聯(lián)網(wǎng)概念及其在汽車工業(yè)中的應(yīng)用[J].汽車安全與節(jié)能學(xué)報(bào)，2013(4): 348-355.

[19] 馬飛躍，王曉年.無(wú)人駕駛汽車環(huán)境感知與導(dǎo)航定位技術(shù)應(yīng)用綜述[J].汽車電器，2015，318(2): 15-19.

[20] 蔡伯根，王叢叢，上官偉，等.車路協(xié)同系統(tǒng)信息交互仿真方法[J].交通運(yùn)輸工程學(xué)報(bào)，2014，14(3): 111-119.

[21] 謝伯元，王建強(qiáng)，秦曉輝，等.基于車路協(xié)同的車輛狀態(tài)估計(jì)方法[J].汽車工程，2014(8): 968-973.

[22] Wang J，Niu H.Graded information feedback strategy in two-route systems under ATIS[J].Journal of Traffic and Transportation Engineering:English Edition.2014，1(2)，138-145.

[23] 賀倩.人工智能技術(shù)發(fā)展研究[J].現(xiàn)代電信科技，2016(2):18-21.

[24] Lipson H，Kurman M.無(wú)人駕駛[M].林露茵，金陽(yáng)，譯.上海：文匯出版社，2017.

[25] 趙新勇，李珊珊，夏曉敬.大數(shù)據(jù)時(shí)代新技術(shù)在智能交通中的應(yīng)用[J].2017，3(5): 1-7.