5G保證ADAS、自動駕駛系統安全可靠地運行

陳天殷，耿殿麗

（美國亞派克機電 （杭州）有限公司，浙江 杭州 310013）

1 高速無線通信的進步的影響

當前汽車無線通信應用有兩種技術：專用短程通信（DSRC）和4G蜂窩LTE。因自身速度、帶寬和時延等的局限，無法滿足先進的ADAS系統和自動駕駛對關鍵任務執行的要求。它們皆難以提供千兆比特／秒的數據速率、高速移動性支持、大規模機器通信和超高可靠性低時延［1］。

高速無線通信的進步，推進自動駕駛的發展。5G對車聯網實質性提升的影響可通過一組數據對比來看：自動駕駛汽車以60km／h的速度行駛，如果時延是60ms，車的制動距離大概在1m；如果是10ms的時延，車的制動距離是17cm；如果降低到5G的理論時延1ms，制動距離縮短到只有17mm，這樣，自動駕駛理論上也會更安全。5G網絡的容量相對4G提升1000倍；頻帶寬度提升10倍；頻譜效率提升10倍，實現低能耗全覆蓋。

在技術測試時，自動駕駛的速度基本不會超過60km／h，若速度過快，信號的接收、處理和發送之間會存在延遲。5G低延時連接傳輸，時延從4G時代的50ms降低到了1ms，反應速度提升了整50倍。

5G的低時延、高帶寬、高穩定性等特點，提升了車輛對環境的感知、決策、執行能力，給車聯網、自動駕駛應用，尤其是涉及車輛安全控制類的應用帶來更好的基礎條件。需要低時延、高可靠性的涉及車輛控制類的高等級自動駕駛功能，如編隊行駛、遠程控制等；對于需要大帶寬的應用，如高精度地圖下載、視頻回傳等。5G蜂窩通信技術解決方案克服DSRC和4G蜂窩LTE的缺點，實現更安全、更強大的交通運作系統。由傳統的人工駕駛藉ADAS提升為先進的機載駕駛輔助系統；人工智能技術和車聯網讓車輛進入自動駕駛時代。

通信技術每一次的升級及迭代，更高的網絡速率是升級重點，速率的提升將被應用于眾多垂直行業中。5G定義了3大業務場景：eMBB（增強型移動寬帶）、mMTC（海量機器類通信）、uRLLC （超可靠低時延通信）［2］。

其中，eMBB主要面向3D／超高清視頻等大流量移動寬帶業務，它相當于4G網絡的增強，用戶體驗速率在0.1～1Gb／s，峰值速率為10Gb／s；mMTC場景對應的是物聯網等連接較大的應用，根據相關標準，每平方公里可支持連接100萬個設備；而uRLLC超可靠、低時延 （低于1ms）的特點則適合自動駕駛、工業自動化諸方面的場景要求，降低了行車風險。大量而充分的數據還有助于ADAS系統和自動駕駛汽車能保持最佳安全運行狀態。

NSA非獨立組網或eMBB，對于高速率、大帶寬的引入，相當于4G網絡的增強，它的優勢在于產業進展略快，而劣勢在于不支持uRLLC、mMTC場景，而這也是NSA模式的最大缺陷。依托于4G網絡的NSA，其時延在幾十毫秒到幾百毫秒，也很難滿足諸如車聯網等業務的需求。從這個角度而言，NSA并非真正的5G，SA才是“真5G”。

5G亦是先進ADAS的需要。ADAS輔助駕駛者進入安全可靠的汽車駕駛系統，有人機交互接口時，車輛安全性和道路安全性顯著增加。常見的ADAS必含車載導航系統，通常由GPS和TMC （Traffic movement control，交通控制頻道）提供交通實時信息。自動駕駛有賴于人工智能、視覺計算、雷達探測、監控裝置和全球定位系統協同合作，使汽車電腦能在沒有人類主動操作的狀況下，自動安全地駕馭汽車，這需要大量的視頻采集、數據分析和不斷反饋調整，并須做到低延時。若一輛自動駕駛汽車以120km／h的速度高速行駛，必須能及時探測出前方100m范圍內的汽車有制動動作，方能正確應對，確保安全。

5G加人工智能 （AI）讓車輛擁有如同人一般的辨別能力。5G+AI從底層技術上的深度融合，將能感知覆蓋更多場景、彌補路測數據的不足，也將無人駕駛的安全性提高一個數量級，更快實現技術的落地和普及，大大提升出行的安全性。

2 5G通信推進ADAS和自動駕駛

ADAS核心功能是通過預警降低碰撞風險，將安全置于首位。機器學習和數字化的時代，人機交互帶來新的倫理問題。自動與互聯駕駛是全面應用人機交互的創新領域，保護人類的生命始終擁有最高的優先權。無線通信技術與交通相結合具有3大優勢：更安全的道路、更高效的交通路線規劃，以及更多的車內便利性。具有無線功能的車輛可以與其他車輛和／或路邊基礎設施共享道路信息和交通狀況，以更好地預測潛在的風險或路線延誤，而這惟有5G才能保證［3］。

為體現上述優勢，交通中的無線通信技術使用多種通信方法，包括車輛到車輛 （V2V）、車輛到網絡 （V2N）、車輛到基礎設施 （V2I）、車輛到行人 （V2P）、車輛到電網（V2G）以及最終的車聯網 （V2X）。

傳感技術與人工智能 （AI）為可靠而安全的自動駕駛系統提供了最先進的360°的全景影像。ADAS還包括：自適應巡航控制系統、車道偏離警示系統、換車道輔助系統、夜視、自動轉向和制動的干預、防撞警示系統和后方追尾碰撞預警等，是智能控制的初步，是實現自動駕駛的前提。

2.1 5G克服當前V2X的技術局限

5G信息傳遞速度大幅提升基于如下關鍵技術：頻譜擴展、全新波形、高階調制、Massive MIMO、波束成形、全雙工、終端直通、高級信道編碼設計。5G的快速通信，亦基于基礎設施側的超密集的網絡和小、微基站等技術的支持。此外，對于萬物互聯，網絡功能虛擬化／網絡切片、無線軟件定義網絡等技術更是5G的熱點。故4G的峰值下載速率為1Gb／s，而5G的峰值速率可達10Gb／s以上［4］。

單車的智能改裝成本甚巨。研究通用網關設備，討論DSRC與4G蜂窩網絡和汽車連通性中5G無線通信的優勢前，可先回顧認識目前汽車行業中使用的無線通信技術：802.11p DSRC和基于LTE的蜂窩網絡V2X。這兩種技術都支持V2X通信，但各有利弊，而且當前它們都無法實現完整的V2X體驗。當前的技術各有優勢和局限，DSRC以IEEE 802.11p物理層標準為基礎，在美國，還要遵守1609車載無線接入環境 （WAVE）協議；在歐洲則要符合歐洲電信標準協會 （ETSI）的 TC-ITS歐洲標準。

802.11 p DSRC的兩大主要優點是：①可立即用于汽車行業；②時延極低，僅約5ms。基于成熟的 Wi-Fi 802.11a技術，IEEE于2010年批準了802.11p規范。許多想要部署V2X（特別是V2V和V2I）通信的汽車制造商現在更青睞802.11p的可用性。因為DSRC是基于自組網的通信技術，不依賴于網絡基礎設施服務。但802.11p需要安裝許多新的接入點 （AP）和網關，這增加了完全部署的時間和成本。由于它基于免費的Wi-Fi技術，只是因為當前還沒有明確的商業模式，技術發展也僅有粗略的方案與方向，因而較難找到愿意支付AP部署成本的運營商。而蜂窩網絡V2X（C-V2X）是汽車行業的新技術，最新的3GPP第14版定義了一些基于LTE技術的C-V2X規范 （也稱為用于車輛的LTE-V）。LTE-V支持汽車與網絡的無線通信 （V2N），以及V2V和V2P的器件到器件 （D2D）通信。C-V2X的一大優勢在于它使用現有的蜂窩網絡基礎設施，能提供更好的安全性、更大的通信范圍以及從4G到5G及更高代的技術演進的路徑。當前4G LTE網絡上的LTE-V不能提供關鍵V2V通信所需的低時延 （現在的4G時延在30～100ms之間）。若領頭的汽車發出了緊急信號，V2V通信卻未能及時通知后續車輛，安全狀況可能會迅速惡化。

2.2 自動駕駛車輛的5G網關模組

2.2.1 自動駕駛車載網關架構

車載的5G自動駕駛網關模組架構如圖1所示。

圖1 自動駕駛車載網關架構圖

通用網關設備，使自動駕駛車輛具備高效的網聯能力，可以最大程度減少智能車輛的改裝成本。自動駕駛車輛的單車必須具備的技術要求是：①集成度高、有通用適配能力（適配任何車型）；②能提供充分接入的能力；③有5G網絡通信與感知融合能力；④有決策下發和流量卸載能力；⑤能靈活可靠地進行駕駛決策與控制。

通用自動駕駛車輛網關有如下6大特點。

1）專為車輛設計。為自動駕駛專項研發，更好符合車輛連接方式。

2）高精度定位服務。支持GPS、BOS、GLONASS，配備慣導模塊，厘米級定位。

3）高速網絡通信。內置網絡模塊，4G／5G／Wi-Fi，報告并標定定位結果，實時圖像。

4）可視化配置。采用可視化配置方式，降低使用難度。

5）多功能接口設計。CAN口、POE口、RS222，支持車載設備連接。

6）內置LINNX設計。有強大的數據處理能力，支持內部程序二次開發。

2.2.2 自動駕駛車載網關

自動駕駛必須做到全場景高精度定位。

高精度地圖與全場景高精度定位是實現L5級別自助駕駛路徑規劃的前提條件。高精度定位的目的是為了提供“我在何處”的高精度位置。高精度地圖能為車輛環境感知提供輔助，告知超視距路況信息，并幫助車輛進行規劃決策。高精度定位將自動駕駛汽車的環境感知結果與高精度地圖進行對比，得到車輛在高精度地圖中的精確位置和姿態。單一定位方式存在局限性，需要多傳感器融合接入，借助RTK-GPS圖像定位及基站信號慣性導航，而融合算法需要強大的計算資源，又需由通信將數據傳輸到MEC上，這皆需5G解決，以便能讓車輛隨時隨地知曉自己在地圖上不同環境和工況的精準位置，能精準標定自身在地圖平面里，“此刻，我在這個點上”。

隧道中，差分GPS信號較弱，慣導也會產生累積誤差，要靠圖像和基站為車輛提供精確定位；高速公路上，可通過差分GPS、圖像和基站定位融合感知車輛的位置；在夜晚圖像感知能力較差，主要得依靠基站和差分GPS獲取車輛的位置。

差分GPS、慣導、圖像、基站等多種定位手段獲得的位置數據，通過5G網絡上傳到移動邊緣計算服務器進行融合計算，得出車輛的精確位置，再通過5G網絡將位置信息回傳給車輛。高精度精準定位涉及多種定位技術的融合計算，需強大計算資源。單車計算能力有限，需將數據傳輸到MEC上。

2.3 5G通信推動邊緣計算與自動駕駛融合

5G自動駕駛的技術演進和測試需要通用自動駕駛網關。5G推動新一代通信與自動駕駛融合。

圖2表示，從設備層、網絡層直到服務層，5G為自動駕駛提供整套的基礎通信、位置和計算能力，推動新一代通信技術與自動駕駛深度融合。

圖2 網聯自動駕駛的基礎能力

5G核心網的控制面和數據面徹底分離，NFV（Network Function Virtualization，網絡功能虛擬化將網絡設備功能從網絡硬件中解耦出來；數據平面可編程）令網絡部署更加靈活，而使能分布式的邊緣計算部署。邊緣計算將更多的數據計算和存儲從“核心”下沉到“邊緣”，部署于接近數據源的地方，眾多數據不必再經過網絡到達云端處理，因而降低時延和網絡負荷，也提升了數據安全性和隱私性。這對于時延要求甚高、數據處理和存儲量極大的自動駕駛領域而言，至關重要。未來對于靠近車輛的移動通信設備，如基站、路邊單元等架構或都將部署車聯網的邊緣計算，以完成本地端的數據處理、加密和決策，并提供實時、高可靠的通信能力。

當網絡具備邊緣計算能力后，各核心層和終端層的計算負荷都可以整合到邊緣層進行，極大地降低網絡傳輸的數據量，同時也為低時延賦能。車輛終端層決策的最大優勢為時延小，常用于進行與車輛安全性緊密相關的決策，如緊急制動等。對邊緣決策計算系統而言，該層配備的MEC平臺具有強大的計算能力和虛擬化能力，能夠承載多種自動駕駛應用，并且能夠對基站數據進行匹配分流，在移動網絡邊緣完成對自動駕駛車輛數據分析處理。而核心層覆蓋范圍極廣，其計算能力最為強大，但因距離機動車較遠，傳輸時延相對較大，主要進行對時延要求不是特別敏感的初始規劃、道路級別的規劃、宏觀交通調度、車輛大數據監管、全局路徑規劃和全局高精度地圖的管理，優化道路整個交通網的車流等［8］。

5G的邊緣計算可分邊緣層部署，區域層部署和核心層部署3種類型。3種類型的邊緣計算見圖3。

圖3 3種類型的邊緣計算

3 5G為自動駕駛系統提升交通安全性

精準定位是實現自動駕駛安全的基礎，不斷提升5G的各項基本技術性能指標更是完善和確保交通安全的保障。

聯合國負責信息和通信技術的專門機構——國際電信聯盟 （ITU-R）的無線通信部門確定了5G的3種主要應用場景：增強移動多千兆比特寬帶、大規模高密度機器類連接以及超高可靠性低時延 （99.999%）通信。場景中的技術指標提供了自動駕駛系統所需的峰值數據速率、時延、頻譜效率和連接密度，為改造駕駛體驗帶來巨大優勢。

速度高達500km／h（310m／h）時僅有1ms的超低時延；速度高達500km／h （310m／h） 時具有20Gb／s的高峰值速率；最高可連接1000000輛汽車和器件的極高密度。

正因5G的超低時延在汽車連通性中發揮關鍵作用，推動新一代通信與自動駕駛融合，保護人身安全。例如，在突然制動的場景中，自動駕駛系統和ADAS的安全功能應立即向后續車輛發出警告，以防止連環追尾。只有當領頭車的消息能夠及時傳達到跟隨車輛以便其采取規避行動時，才能實現這一目標。此外，低時延的5G技術能夠更好地預防事故；特別是在非視距 （NLOS）情況下，因為基于攝像機、激光雷達或常規雷達的大多數當前傳感器融合技術只能探測到視線 （LOS）內的目標。

大多數駕駛員至少需要經過700ms的時間，方能對危險情況做出反應，采取規避或預防行動。憑借1ms的低時延，基于5G的自動駕駛汽車和ADAS將使事故的數量大大減少，從而降低交通風險并保護人身安全。5G還將以極快的速度向自動駕駛導航系統提供數據，憑借高達20Gb／s的峰值數據速率，5G將幫助自動駕駛汽車實現實時的視頻和音頻娛樂。但更重要的是，5G快速可靠的數據連接可以近乎實時地下載復雜的3D地圖。除傳感器融合技術之外，自動駕駛汽車還非常依賴于精確且極為詳細的3D地圖導航。但是，將全省或全國的大型地圖數據集合存儲在車輛中將是一項挑戰。人們自然想到的解決方案是使用5G數據連接下載附近地區的最新3D地圖。人們也希望5G能在擁擠不堪的市區或人煙稀少的農村可靠運行，無論用戶身在何處，都能始終在線。無論您的自動駕駛汽車是停在停車場中還是在德國的高速公路上飛馳，即使速度高達500km／h（310m／h），5G都能確保所有關鍵任務無線服務無縫運行［10］。

為使容量與覆蓋皆能大幅提升，5G還在邊入網邊發展邊提升，通過擴展頻譜帶寬來提升系統容量、頻段范圍和安全性。頻段范圍擴展到毫米波，單載波帶寬提升至100MHz以上。通過技術創新，不斷提升頻譜效率：①計劃用于5G（R16版）基于非正交性設計的NOMA，每個UE可使用所有的資源，不論基于碼域或功率域的方式，基站皆準確對各UE的信道分組分配功率；②機器學習，尤其是深度強化學習，可以基于流量狀況和無線環境動態地作出5G優化決策，以使網絡始終保持最佳狀態，機器學習通過學習復雜的失真模式，實現以較低的SINR解調更高階的調制方式，提升系統的頻譜效率；③稱為“渦旋電磁波”OAM模式因無線電波相互正交，互不干擾，在同一頻點上可傳輸多路調制在不同的OAM模式上的信號，從而提升頻譜效率。理論上，有幾十個不同的OAM值調制無線信號，可有效地將頻譜效率提升幾十倍；④實現真正全雙工，在同一頻段下同時進行上下行信號傳輸，大幅提升頻譜效率，還能縮短傳輸時延。分離發射和接收天線，彼此間隔安裝，并由天線旁瓣抑制等辦法來實現去耦，再加空間路徑損耗，充分減少自干擾，提高安全性。

4 結束語

5G時代已經到來，技術的進步讓5G能加速自動駕駛實施，為整個交通生態圈、城市規劃帶來重大影響。中國打造“5G+智能駕駛”的智能網聯交通系統，實現L5級別智能駕駛的安全可商用運營，將綜合解決混合交通環境下城市交通的安全和效率，把智能網聯交通系統，列入一體化基礎設施建設規劃［11］。