基于云-邊-端-控的ICVs縱向優化控制方法研究＊

李克寧 宋柱梅

（深圳信息職業技術學院信息與通信學院，廣東深圳 518172）

0.引言

隨著經濟的發展和科技的進步,移動互聯網技術在汽車中得到了廣泛的應用。為了提高復雜工況下車輛的安全性、舒適性和智能水平，當前的汽車設計中越來越多地加入了新的高科技設備元素，通信、交通、汽車、計算機和人工智能等多產業交叉融合發展,智能化、信息化、電動化也成為汽車行業普遍認可的發展方向[1-2]。智能網聯汽車（Intelligent Connected Vehicle，ICV），是指車聯網與智能車的有機聯合，集智能環境感知、自動路徑規劃和智能決策決策控制、不同類型和等級智能輔助駕駛等功能于一體的綜合高科技智慧出行交通工具，是典型的多學科多領域交叉的高新技術綜合體[3-4]。雖然，車載智能感知和融合技術給車輛智能化水平提供和很好支撐，但是，隨著車輛智能技術深入發展，尤其是自動駕駛技術的快速發展，車載智能終端在復雜多變的交通場景中暴露出來的安全隱患難以很好解決[5-6]。

本文針對車載智能終端在復雜多變的交通場景中暴露出來的安全隱患難以很好解決的問題，基于大帶寬、低時延的移動通信技術和車聯網技術，提出一種基于云-邊-端-控的ICVs縱向優化控制方法。

1.云-邊-端-控的ICVS縱向優化控制平臺設計

ICV是指搭載先進的車載傳感器、控制器、執行器等裝置，并融合現代通信與網絡技術，實現車與X(車、路、人、云等) 智能信息交換、共享，具備復雜環境感知、智能決策、協同控制等功能，可實現安全、高效、舒適、節能行駛，并最終實現替代人來操作的新一代汽車。本文研究思路是結合ICV概念，基于大帶寬、低時延的移動通信技術和車聯網技術，對基于云-邊-端-控的ICVs縱向優化控制方法進行研究，系統整體結構如圖1所示。主要包括5個部分：第一，基于車-路-云系統，利用云存儲技術收集智能網聯汽車運行狀態，利用云計算平臺對交通耦合數據進行智能計算和決策；第二，發揮智慧燈桿的路側邊緣計算單元智能感知和交互優勢，通過智能路側基站將決策指令傳遞到距離車輛最近的邊緣計算單元；第三，開展數據融合計算，將車輛控制單元將車載智能單元感知的信息和來自邊緣計算節點的信息深度融合，形成車輛控制指令；第四，設計ICVs縱向最優控制器，通過線控執行模塊實現對車輛的縱向優化安全控制；第五，對提出的系統進行仿真分析，驗證其有效性。

圖1 云-邊-端-控的ICVS縱向控制系統結構圖

1.1 車-路-云協同

車-路-云協同系統基于道路交通綜合管控平臺開發實現車路協同設施安全接入驗證服務，為自動駕駛車輛提供可靠的出行預測、規劃決策的遠程實時監測協同系統。云存儲技術收集智能網聯汽車運行狀態，包括運行車輛和特殊車輛，例如突然插入的車輛信息。獲取ICV信息后，云計算平臺對交通耦合數據進行智能計算，經過人工智能算法將識別車輛轉換為決策信息數據，通過V2X通信和骨干車聯網傳輸給車-路系統提前發送給即將駛入有安全威脅區域的車輛。

1.2 邊緣計算和通信

邊緣計算是面向自動駕駛環境感知和數據處理的重要技術。ICVs可以通過從邊緣節點(RSU)獲得更大范圍的環境信息，更重要的是可以向邊緣節點轉移或卸載部分計算任務以解決計算資源不足的問題。路側邊緣計算主要布局在智慧燈桿上，和城市路燈融為一體。智慧燈桿路側邊緣計算單元通過自身安裝的激光雷達、毫米波雷達和視覺系統智能感知車路及交通信息，具備車路之間實時快速的數據和信息交互優勢，通過智能路側基站將決策指令傳遞到距離車輛最近的邊緣計算單元，豐富ICVs的環境感知范圍和智能處理能力。

1.3 數據融合

車路協同傳感器采集的大量的數據如視頻數據、激光掃描數據、微波感知數據等，邊緣計算節點將這些數據進行解析、整合，形成如交通流量、車速等結構化數據，然后下發給ICVs的車載智能計算單元(OBU)。車載智能計算單元利用車載的激光雷達和視覺系統類似感知到車輛周圍的交通流量、車速等結構化數據，但是兩個系統之間感知的數據和時空都是有差異的，采用數據融合技術實現交通流量、車速等自動駕駛決策使用的關鍵信息在數據冗余互認和時空一致性統一，進而形成車輛控制指令，發送給車輛執行系統。

1.4 ICVs控制執行

ICVs安全行駛信息經過深度融合后形成車輛控制指令，通過線控執行模塊實現對車輛的縱向優化安全控制，控制執行系統結構與軟件流程如圖2所示。

如圖2所示，ICVs控制執行系統的控制邏輯如下：

圖2 ICVs控制執行系統結構與軟件流程圖

步驟1：建立控制指標評價參數，包括目標車-車距離、目標車速、目標車速差等；

步驟2：利用車載網獲取車載智能傳感器信息，融合車聯網傳遞的路側智能感知信息，車輛狀態監控單元進行交通擁堵和干擾車狀態判斷；

步驟3：多模態有限狀態切換控制器根據交通擁堵和干擾車狀態，選擇車-車安全距離等不同模態的有限狀態控制；

步驟4：線控執行控制單元是自動駕駛車輛重要的執行系統，根據驅動和制動需求執行分別選擇線控驅動或線控制動系統對車輛進行控制；

步驟5：實時運行狀態信息感知和反饋，智能感知和協同處理模塊，實時監控實驗網聯車ICVs運行和相應交通環境信息，并上傳云端，對控制過程進行實時檢測和調整。

2.仿真結果及分析

本節基于MATLAB/Simulink平臺，針對所提出的控制防范建立云-邊-端-控的ICVs縱向優化控制的仿真分析系統，通過不同的仿真試驗對所提出的控制系統的性能進行驗證。

2.1 干燥路面結果分析

綜合對比分析干燥路面的測量工況下，系統不同位置車輛車速、跟蹤誤差等變量的自適應情況，測試評估所提模型對不同車輛的控制結果。測試設置為5輛ICVs組成多車模型，行駛速度80km/h。根據仿真分析結果可知，車-車之間距離都大于0，證明沒有車輛碰撞情況發生，行駛安全。其中，車-車之間距離最小7.0m，危險，但沒有發生事故。根據測試結果分析，建模效果、系統在功能及性能方面表現良好，可以在指定環境中穩定運行，滿足系統設計要求。

2.2 濕滑路面結果分析

類似于干燥路面，綜合對比分析石化路面的測量工況下，系統不同位置車輛車速、跟蹤誤差等變量的自適應情況，測試評估所提模型對不同車輛的控制結果。測試設置同樣為5輛ICVs組成多車模型，速度80km/h。根據分析結果可知，車-車之間距離都大于0，證明沒有車輛碰撞情況發生，行駛安全。其中，車-車之間距離最小2.1m，雖然沒有發生事故，但是情況比較危險。

根據測試結果分析，整體上看，建模效果、系統在功能及性能方面表現良好，可以在指定環境中穩定運行，滿足系統設計要求， ICVS縱向優化控制系統能夠充分利用云-邊-端-控的信息，夠快速、精確的跟蹤不斷變化的行駛工況，執行不同的控制指令，保證車輛快速穩定進入安全行駛狀態。

3.結論

本文針對高級別智能網聯車車載智能終端在復雜多變的交通場景中暴露出來的計算力不足造成的安全問題，大帶寬、低時延的移動通信技術和車聯網技術，提出一種基于云-邊-端-控的ICVs縱向優化控制方法。重點關注云-邊-端-控平臺優勢下的多智能網聯汽車的縱向優化控制的關鍵問題。基于車-路-云系統，利用云存儲技術收集智能網聯汽車運行狀態，利用云計算平臺對交通耦合數據進行智能計算和決策；采用路側邊緣計算單元獲取智能感知信息，通過智能路側基站將決策指令傳遞到距離車輛最近的邊緣計算單元；采用車輛控制單元將車載智能單元感知的信息和來自邊緣計算節點的信息深度融合，形成車輛控制指令；設計ICVs縱向最優控制器，通過線控執行模塊實現對車輛的縱向優化安全控制。最后，通過仿真試驗對整個系統進行驗證，結果證明所提出的控制系統是有效的。