智能網聯車輛霧架構集群調度運行管理方法

蘇建華，李留根

智能網聯車輛霧架構集群調度運行管理方法

蘇建華，李留根

（中國電子科技集團公司第二十七研究所，河南 鄭州 450047）

為增強公安交通管理部門的交通管理能力，提升城市交通通行的效率，針對車聯網環境下車輛智能管理工作，以城市區域內大規模智能網聯車輛為研究對象，開展集群調度運行管理方法研究。首先，提出集群調度運行管理的車路協同管控與服務的霧架構，其主要由物理傳感器數據生成層、實體霧節點霧計算層和數據管理信息服務中心遠程云計算層三層組成。然后，以霧架構為綱詳細介紹了霧節點的六種可能的通信路徑以及霧引擎需配置具備的三種工作模式。接著，以智能網聯車輛集群調度運行應遵循的四點原則為出發點，給出了霧編排器集群調度運行管理的方法，包括調度計劃的制定、發布、集群調度運行以及效果評估四個步驟。最后，通過五車編隊試驗驗證提出的霧架構及集群調度運行管理方法的調度原理，試驗結果表明，可將五輛具有一定智能性的無人車輛運行到各自的指定區域，驗證了霧架構及集群車輛的調度運行管理方法的可行性與可實施性。

交通管理；城市交通；智能網聯車輛；霧架構

智能網聯汽車產業是汽車、電子、信息通信、道路交通運輸等行業深度融合的新興產業，是全球創新熱點和未來發展制高點。《車聯網（智能網聯汽車）產業發展行動計劃》[1]為智能網聯汽車產業相關的車輛、各級各類管理服務及信息系統平臺、智能道路基礎設施的發展指明了方向，這些都是車輛智能管理的基礎。《國家車聯網產業標準體系建設指南（車輛智能管理）》[2]指出智能網聯汽車開展道路運行管理工作是車輛智能管理的核心所在，車路協同管控與服務工作是支撐車聯網技術在道路交通管理領域應用的根本保障。車路協同管控與服務主要支撐車聯網環境下道路交通管理設施信息交互及基于道路交通管理相關信息系統提供信息服務，其中道路交通管理信息服務指運用道路交通信號管控、道路交通違法取證、交通管理綜合應用、指揮調度等系統及面向車聯網的應用服務平臺等手段實現道路運行管理。可見智能網聯車輛在車聯網環境下的指揮調度運行管理是車輛智能管理的重要組成部分。

智能網聯車輛集群調度運行管理整合了信息通信、車輛控制、復雜環境感知和自主決策等體系化、網絡化、人工智能協同應用的制高點技術是車輛智能管理的頂層應用方式，實現了人-車-路-云一體化的協調管控與服務應用，能充分發揮跨行業、跨部門的綜合大數據及云平臺、道路基礎設施的效能，對破解道路擁堵、車輛事故等城鎮化難題具有重要意義，尤其是極端暴雨災害發生時，有效提升環境復雜區域交通通行效率，保障人民生命財產安全；又可應用到作業類車輛，借助集群優勢發揮作業效能，達到倍乘效應，提升作業效率；亦可應用于作戰環境中，大規模集群運用優勢更為顯著。同時對提升我國汽車產業水平，促進汽車工業化發展具有戰略意義。因此,開展集群調度運行管理的研究工作非常必要，但當前這方面的研究還比較欠缺。

文獻[3]給出智能交通應用的霧計算模型，并指出通過智能交通系統數據流的數據驅動分析來有效利用交通資源是最佳策略，為本文車路協同管控與服務的多層霧架構設計和霧編排管理方法提供了啟發；文獻[4]指出霧計算是解決車內外通訊機制、安全和隱私，以及車輛自主決策處理需求這四個汽車業未來挑戰的有效方式，為本文智能網聯汽車車載霧引擎的部署以及基于霧節點車輛架構設計提供了實施思路；文獻[5]介紹了移動邊緣計算系統的架構、基本構成以及路由子系統的數據轉發路徑，為本文霧節點通信鏈路及霧引擎工作模式的提出提供了引導支持；文獻[6]、文獻[7]和文獻[8]聚焦于智能網聯汽車架構、功能以及車聯網組網、應用等關鍵技術，分別提出了智能網聯車輛架構或車聯網運行架構，但均未充分考慮集群規模應用場景需要的系統開放架構以及在終端用戶或者靠近終端用戶處大數據驅動的計算模型；文獻[8]中提出的5G+MEC+V2X的車聯網解決方案，為本文集群調度運行管理的車路協同交通路口基礎設施的布置提供了借鑒；文獻[9]、文獻[10]、文獻[11]和文獻[12]研究多智能體系統的運行算法和原理，為本文提出集群調度應遵循的四點原則和群集的智能網聯車輛調度運行提供了理論支持。

本文主要從以下幾個方面進行組織：首先，詳細介紹智能網聯車輛集群調度運行管理的霧架構原理及范式，包括車路協同管控與服務的霧計算架構、霧節點通信路徑、霧引擎的工作模式等；其次，重點闡釋集群調度運行管理的實施步驟；再次，試驗驗證集群調度原理的可實施性；最后，得出結論并給出后續研究的意見建議。

1 霧架構設計

考慮到公安交通管理部門針對大規模智能網聯車輛開展道路交通管理工作面臨現實挑戰，以及霧計算架構在認知、效率、敏捷性、時延等方面的優勢，提出霧計算范式的智能網聯車輛集群調度運行管理解決方案。

1.1 霧架構組成

集群調度運行管理的車路協同管控與服務霧計算架構，如圖1所示。該架構包括物理傳感器數據生成層、實體霧節點霧計算層和數據管理信息服務中心遠程云計算層。

圖1 智能網聯車輛集群調度運行管理的霧架構

第一層為物理傳感器數據生成層，主要包括智能網聯車輛上裝配的攝像頭、激光雷達、毫米波雷達、超聲波雷達、慣性測量單元（Inertial Measurement Unit, IMU）、全球定位系統（Global Positioning System, GPS）等及各交通路口部署的交通燈、廣播、攝像頭、毫米波雷達、激光雷達、5G CPE、5G RSU等分布在智能交通系統地理區域的智能傳感器設備。這些傳感器設備從智能交通系統的各種運行場景中獲取情景信息，生成海量數據流作為一個連貫的整體進行處理，以增強集群智能網聯車輛行駛的可靠性、安全性。數據生成層可能偶爾會過濾數據流以供本地使用，用于端點分析決策，同時通過專用網關將數據流與決策結果卸載到車載霧節點、路側霧節點或通信霧節點。這些實體可以抽象成特定應用的邏輯集群，直接或間接受到智能交通系統操作控制模式的影響。在連接的智能網聯車輛網絡中智能傳感器設備集群是由帶霧引擎的車載霧節點組織形成，集群的智能網聯車輛進一步自行組織形成集群的車輛霧。在各交通路口，部署的智能傳感器設備及路側單元集群由帶霧引擎的路側霧節點組織形成，與集群的智能網聯車輛霧節點、智能手機、智能可穿戴設備等通信，結合路側傳感器集群生成的數據，完成存儲、計算，并過濾卸載部分數據到通信霧節點或遠程云。

第二層由實體霧節點構成霧計算層，包括車載霧節點、路側霧節點和通信霧節點，通常由路由器、交換機、代理服務器、商品硬件等構成，這些智能霧節點具有存儲能力、計算和數據包路由功能。通過軟件定義網絡將實體集群組裝成虛擬集群間專用網絡，該網絡將生成的數據路由到跨越霧計算層的霧設備。霧設備及其相應的使用工具形成地理分布的虛擬計算快照或實例，這些快照或實例映射到較低層的設備，以滿足處理和計算需求。每個霧節點都映射到覆蓋一輛智能網聯車輛、一個交通路口或小區域的本地傳感器集群，負責實時執行數據分析。霧節點平行于層中位于下面的霧節點來執行任務，在主從模式中，霧節點可形成霧節點的進一步子樹，樹中每個較高深度的節點由較低深度的節點管理。數據分析結果反饋并報告給從交通路口霧節點到城市級綜合管理服務平臺，用于復雜的，歷史的和大規模的行為分析和狀態監控。第一層生成的海量數據中的很大一部分不需要發送到遠程云，因此響應時延和帶寬消耗問題可以很容易地解決。

第三層是最上層為數據管理信息服務中心遠程云計算層，由大型數據中心組成，集群調度運行管理通常涉及城市級綜合管理服務平臺、公安交通管理信息系統中心、汽車企業管理平臺、行業外車聯網平臺等，主要業務是完成城市級管理服務、智能交通監控、氣象、自然災害等數據的集中與發布，為城市綜合智能網聯車輛管理提供決策依據，而調度運行管理操作主要在公安交通管理信息系統中心完成，制定調度計劃，由云-霧編排器統籌調度各種資源執行管理任務。這一層的計算元素集中于產生復雜的、長期的和全市范圍的行為分析、如大規模事件檢測、長期模式識別和關系建模，以支持動態決策。這將確保車輛智能管理系統在自然災害或大規模服務中斷的情況下執行廣域態勢感知、廣域需求響應和資源管理。第二層霧計算層側重于提供本地化、地理分布智能、低時延和環境感知支持，處理輸出一般分為兩個維度：第一個維度包括分析和狀態報告以及相應的數據，這些數據需要大規模和長期的行為分析和狀態監測，該類數據集通過高速廣域網網關和鏈路卸載到位于第三層的遠程云計算數據中心；第二個維度是對一致的數據使用者的推論、決策和快速反饋控制，不需要上傳云計算數據中心。

1.2 霧節點通信

圖2給出了霧節點之間的數據轉發通路，通常有如下六種情況。

1）智能網聯車輛之間的通信。臨近的智能網聯車輛之間交互的數據主要包括經車輛初步處理后的傳感器群采集信息及車輛運行狀態信息等。集群調度運行過程中，智能網聯車輛之間交換的數據都應由車輛自身或者通信的車輛之間的車載霧引擎進行數據分析、編排和存儲，充分發揮智能網聯車輛集群的計算、存儲能力，減少數據對外傳輸量，降低對其他通信轉發通路的依賴，保證響應的及時性。

2）智能網聯車輛集群與路側單元群之間的通信。該類通信指不同行駛方向的智能網聯車輛集群通過作為簇頭的車輛與行駛方向相關的最鄰近路側單元之間的數據交互。交換的數據主要包括行人及騎行人員的狀態信息、路況信息、交通燈狀態信息、車輛的行駛狀態及調度目的地等。作為簇頭的智能網聯車輛從臨近車輛接收數據進行分析處理，再將數據與路側單元進行交換，充分利用路側單元更強的計算、分析和存儲能力，為集群調度運行管理提供、發布各類信息，確保集群調度的可實施性。

3）智能網聯車輛集群與通信基站群之間的通信。該類通信指不同行駛方向的智能網聯車輛集群通過作為簇頭的智能網聯車輛與同一個或不同的通信基站之間的數據交換。交換的數據主要是不同的智能網聯車輛集群的車輛運行狀態信息，如車輛調度目的地距離信息，智能網聯車輛集群的分流或合并。因集群調度運行覆蓋區域廣，車輛數量也將非常龐大，存在同向或不同向臨近的智能網聯車輛集群同時與同一個或不同的通信基站進行數據交換，尤其是在非交通路口，此時應充分發揮通信基站霧節點的計算、存儲和分析能力，并確保上下行數據傳輸的連續性和保密性。

4）路側單元群與通信基站群之間的通信。該類通信指交通路口各點位作為簇頭的路側霧節點與通信基站之間的數據交互。交換的數據主要是路側各點位布置的傳感器采集的行人及騎行人員等非車輛通勤者的狀態信息、路況信息、交通燈狀態信息、各方向車流量狀態信息等。同一交通路口各點位的多個路側霧節點相互通信形成一個簇，其中的一個霧引擎作為簇頭。

5）智能網聯車輛集群經通信基站群與云之間的通信。

圖2 霧節點間通信路徑及霧引擎工作模式

該類通信指在智能網聯車輛集群與通信基站群通信的基礎上，經通信基站群與遠程云進行的數據交換。交換的數據主要包括向每個智能網聯車輛發布調度目的地信息、接管調度運行狀態信息以及對作為簇頭的智能網聯車輛的操控命令等。

6）路側單元群經通信基站群與云之間的通信。該類通信指在路側單元群與通信基站群通信的基礎上，經通信基站群與遠程云進行的數據交換。交換的數據主要包括向各交通路口的行人、車輛廣播發布的氣象信息、車輛的調度運行管理模式信息、交通燈的運行狀態控制信息以及路況狀態信息等。

通過以上六種數據轉發路徑，既可以保證對生成位置附近的數據進行內部部署和實時預處理、分析，又可以以分布式和動態方式促進物理實體傳感器群、智能網聯車輛集群、路側單元群、通信基站群與遠程云之間的協作和交互。

1.3 霧引擎工作模式

各霧節點均集成霧引擎。霧引擎主要由數據分析和存儲單元、編排單元、通信單元等模塊化應用編程接口組成，如圖2所示。在智能網聯車輛集群調度運行環境中，需靈活配置為以下三種工作模式之一。

1）霧引擎作為代理。霧引擎經過配置作為代理，如智能網聯車輛集群中不作為簇頭的智能網聯車輛，其車載霧引擎是作為代理的（如車載霧節點(2)）。傳感器捕獲的數據由該車輛霧引擎讀取，過濾、清洗，然后傳輸到作為簇頭的智能網聯車輛的車載霧引擎，數據被直接傳輸，不做進一步處理，如與相鄰車輛的距離信息、離隔離帶或者花壇等障礙物的距離信息等。霧引擎作為代理的智能網聯車輛的本體信息，由其霧引擎編排單元進行編排、分析、處理、存儲，控制車輛行駛狀態。

2）霧引擎作為數據分析引擎。霧引擎經過配置作為數據分析引擎，如路側單元群中非作為簇頭的路側單元的霧節點（如路側霧節點④）以及通信基站群中非向云傳輸數據僅用作計算、分析、存儲功能的通信基站霧節點（如通信霧節點Ⅱ）。通過利用霧引擎的數據分析單元，數據經過分析并存儲在本地存儲中，霧引擎和云之間不需要實時數據流，霧引擎只需要定期向云或者其他存儲單元卸載數據。數據在霧引擎中進行本地分析，這減少向云傳輸數據的高昂成本以及對穩定網絡連接的依賴，降低了云分析時需要處理不同來源生成數據的復雜性。

3）霧引擎作為服務器。在第三種配置中多個霧引擎形成一個簇，其中一個霧引擎作為簇頭，簇頭霧引擎作為代理服務器，如車載霧節點(1)、路側霧節點②、通信霧節點Ⅰ。簇頭從傳感器群、臨近的作為代理的霧引擎、作為數據分析引擎的霧節點中接收并分析數據，再將數據傳輸到其他本地相關霧引擎或者云。在這種情況下，霧引擎的通信單元的傳感器網絡接口、對等網絡應用程序編程接口（Application Programming Interface, API）、網絡接口（網關）/云API三個部分都需嚙合。該類配置的優點，作為簇頭車載霧引擎管理臨近的智能網聯車輛集群，可充分發揮集群智能網聯車輛的計算、分析、存儲能力，擴大集群調度運行管理的車輛的數量，滿足大流量集群調度需求。另一方面，只有作為簇頭的智能網聯車輛與路側單元建立通信通道，傳輸數據量較少，避免對路側單元的計算、分析、存儲造成壓力；作為簇頭的路側霧節點霧引擎管理所處交通路口其他點位的路側霧節點霧引擎，且只與行駛方向相關的最鄰近智能網聯車輛集群簇頭車載霧引擎進行數據交互（如車載霧節點(1)與路側霧節點②），可發揮路側單元群較強的計算、分析、存儲能力，也減少對通信基站通信通道的過分依賴；作為代理服務器的通信基站霧引擎管理與云之間的信道，不需要在霧引擎和云之間建立多個獨立信道，可有效保證數據的連續性，為大范圍區域集群調度車輛提供了可行性。可見，霧引擎作為服務器配置的優勢除了數據量較小之外，還可聚合從多種類、多用途傳感器設備收集的數據，并將其通過作為簇頭的霧引擎以一條信息的形式最終傳輸到遠程云。同時可節省設備的存儲空間和能耗，在集群調度運行過程中，以最小化信息量擴充允許的最大調度車輛數量，這減少了信息傳輸，降低了云應用成本。

2 集群調度運行管理方法

首先給出智能網聯車輛集群調度運行應遵循的四點原則：第一，生命至上，以生命財產的安全為第一原則；第二，適應交通法規原則，避免因集群調度運行造成新的更大交通混亂，應迅速把混亂狀態降低或消除；第三，接近原則，實施調度的目標地設置區域盡量接近其原本的運行目的地軌跡方向；第四，遠離原則，集群調度運行完成后，智能網聯車輛應遠離目標運行地，且避免再次進入實施調度的區域，直到解除限制。

智能網聯車輛集群調度運行管理的霧編排場景，如圖3所示。公安交通管理信息系統中心工作人員綜合評估霧編排器能調度的資源和狀態監控等因素的基礎上制定集群調度管理計劃。由霧編排器將實施計劃策略下發到調度區域內的各類聚合霧節點，確保不同聚合節點之間可接受的一致性。通訊聚合節點的本地編排器根據下發的計劃調控交通路口的資源、發布實施集群調度命令，并結合霧代理服務器、霧數據緩存、霧數據存儲等功能設施，將集群調度運行的霧計算、存儲、分析靠近被調度實施的主體，也利于大區域內霧通信聚合節點處理多移動性目標的數據連貫性，達到智能車輛集群調度運行管理的目的。

圖3 集群調度運行管理的霧編排場

集群調度運行管理的一般實施步驟如下：

步驟1：集群調度計劃的制定。公安交通管理信息系統中心工作人員根據城市級綜合管理服務平臺傳輸下達的氣象環境、交通調度要求以及交通管理信息系統中心監測的道路及交通通行狀態等信息，以集群調度運行應遵循的四點原則為出發點，制定交通參與者下一步的運行計劃，主要是行人及騎行人員、智能網聯車輛集群調度管理的實施計劃。如通過廣播及智能手機提醒行人及騎行人員即將執行車輛集群調度管理及其下一步需執行的行動要求；通過聲、光、文字等提醒駕乘人員外部環境的不安全狀態及車輛即將進入的接管模式、目標運行地。調度管理計劃通過公安交通管理信息系統中心服務器系統功能軟件進行設置下發。

步驟2：集群調度計劃發布。調度管理計劃制定完成后自動下發到霧編排器，霧編排器結合調度區域內的可用資源，如通信聚合節點數量及其覆蓋范圍，將調度計劃轉化為各通信聚合節點的可執行操控命令，霧編排器協調實現各通信聚合節點調度運行管理可接受的一致性，如各交通路口各方向的智能交通燈應保持跨交通路口各方向車輛高效通行的連續性。本地編排器將執行命令統籌下發到各交通路口主聚合節點及其他聚合節點，然后交通路口聚合節點將具體的執行要求就近發送到行人騎行人員及每一輛智能網聯車輛。此時行人及騎行人員具備了明確的執行要求，如某交通路口禁止通行，并需等待本地編排器實時下發的執行命令等。每一輛智能網聯車輛則接收到明確的接管模式和目標運行地，此時駕乘人員不再具有車輛的通行控制權。

步驟3：集群調度運行。調度區域內各交通路口的智能網聯車輛接收到各自的接管模式和目標運行地后將其轉化設置為車輛的控制信息和實時數字路線導航引導，群集的智能網聯車輛運行遵守集群運行控制策略的約束。為避免碰撞，把道路兩旁及中間的綠化帶、環島、隔離帶等固定物視為墻、圓形障礙物或兩者的組合形式，不可通行。就近車輛之間與接近的交通路口各聚合節點實施通信，反饋、監測運行狀態及下發運行控制命令等實行實時分析處理、上傳通信聚合節點、霧編排器或遠程云。霧編排器在不同通信聚合節點銜接地帶協調數據的連續性。

步驟4：集群調度效果評估。公安交通管理信息系統中心實時監測集群調度運行的狀態，并根據調度運行過程中出現的情況進行調度計劃的調整和下發，確保實現集群調度管理的目標。在調度完成后應對各群集智能網聯車輛各自調度目標的實現情況進行評估，形成評估報告，為后續公安交通管理信息系統中心智能網聯車輛自動集群調度計劃制定提供技術積累。

智能網聯車輛集群調度運行管理場景是高度分布式的，在大范圍區域內轉化計劃、發布控制命令和收集數據，霧編排器應精心編排并確保不同聚合點之間可接受的一致性，其對大區域大數量智能網聯車輛的調度運行管理的實施至關重要。

3 試驗驗證

為驗證提出的霧架構集群調度運行管理方法，搭建了試驗平臺，其原理如圖4所示。其由遙控基站服務器分系統、無人某型指揮車車輛編隊、信息收發通信鏈路分系統三部分組成。遙控基站服務器分系統包括多臺服務器主機、顯示器、通信組件等；無人某型指揮車分系統由5臺具有一定智能的車輛組成。

圖4 驗證試驗原理框圖

驗證試驗服務中心，如圖5所示。操作人員用一臺服務器主機為5臺車輛設置各自的運行目的地等執行計劃并通過信息收發通信鏈路下發到每一輛車。

集群調度車輛運行狀態，如圖6所示。車輛自主從起始位置出發并持續行駛，圖中可見標識77的車輛已運行17.07米，該試驗驗證了基于霧架構的智能網聯車輛集群調度運行管理的可實施性。

圖5 原理驗證試驗服務中心

圖6 集群調度運行試驗驗證

4 結論

1）以城市區域內大規模智能網聯車輛的集群調度運行管理方法為研究內容，深入探討了智能網聯車輛集群調度的霧計算原理及范式，提出集群調度運行管理的車路協同管控與服務的霧計算架構，詳細介紹了遠程云、交通路口、群集智能網聯車輛及通信終端構成的數據管理信息服務中心遠程云計算層、實體霧節點霧計算層、物理傳感器數據生成層三層架構及各層的功能、配置和布置方式。以架構為綱深入介紹了各層霧節點之間的通信路徑、霧引擎的三種工作模式以及云-霧編排器的原理及集群調度運行管理的工作步驟，形成了具備實施性的城市交通大規模集群智能網聯車輛高效調度運行管理的理論基礎和工程實踐方案。

2）為驗證提出的智能網聯車輛集群調度霧計算架構以及運行管理方法的基本原理，構建了以遙控基站服務器分系統和五車編隊為基礎的試驗驗證平臺。試驗結果表明：將5輛具有一定智能的無人車輛調度運行到各自的指定區域，驗證了霧架構和集群車輛的調度運行管理方法的可行性與可實施性。

3）開展智能網聯汽車集群調度運行管理的深入研究是非常必要的，尤其要重視大規模作業和作戰領域的應用。后續將在提出的智能網聯車輛集群調度霧計算范式的基礎上開展遠程通信的靈活性及低依賴度方面的研究；另一方面針對提出的車路協同管控與服務的霧計算架構在整個城市交通體系的應用進行深入探討，希望能為推動車輛智能管理的進步提供指導和幫助。

[1] 工業和信息化部.關于印發《車聯網（智能網聯汽車）產業發展行動計劃》的通知[EB/OL].(2018-12-28) [2022-08-28].http://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5442947.htm.

[2] 工業和信息化部,國家標準化管理委員會.國家車聯網產業標準體系建設指南（車輛智能管理）[EB/OL]. (2018-06-08)[2022-08-20]http://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5440205.htm.

[3] 拉庫馬·布亞,薩蒂什·納拉亞納·斯里拉馬.霧計算與邊緣計算:原理及范式[M].北京:機械工業出版社,2020.

[4] 蔣濛,巴拉思·巴拉薩布拉曼尼安.霧計算:技術、架構 及應用[M].北京:機械工業出版社,2017.

[5] 俞一帆,任春明,阮磊峰,等.5G移動邊緣計算[M].北京:人民郵電出版社,2017.

[6] 崔明陽,黃荷葉,許慶,等.智能網聯汽車架構、功能與應用關鍵技術[J].清華大學學報(自然科學報),2022, 62(3):493-508.

[7] 馬小婷,趙軍輝,孫笑科,等.基于MEC的車聯網協作組網關鍵技術[J].電信科學,2020,36(6):28-37.

[8] 中國聯合網絡通信集團有限公司,聯想集團.5G+ MEC+V2X車聯網解決方案白皮書[EB/OL].(2021- 03-18)[2022-07-25].https://laoyaoba.com/n/775447.

[9] 張毅,裴華鑫,姚丹亞.車路協同環境下車輛群體協同決策研究綜述[J].交通運輸工程學報,2022,22(3):1-18.

[10] OLFATI-SABER R.Flocking for Multi-agent Dynamic Systems:Algoritjms and Theory[J].IEEE Transactions on Automatic Control,2006,51(3):401-420.

[11] 李羅飛,羅禹貢,劉暢,等.智能網聯車輛隊列緊急工況控制策略設計[J].汽車工程,2022,44(3):299-307.

[12] 裴華鑫,楊敬軒,胡堅明,等.大規模路網中分布式車輛群體協同決策方法[J].交通運輸工程學報,2022,22 (3):174-184.

Fog Architecture for the Dispatching Operation Management Method of Flocking for Intelligent Connected Vehicles

SU Jianhua, LI Liugen

( The 27th Reserach Institute of China Electronics Technology Group Corporation, Zhengzhou 450047, China )

In order to enhance the traffic management capacity of public security traffic management departments and improve the urban traffic efficiency,this paper focuses on the research of dispatching operation management method of flocking for intelligent vehicle management in the context of vehicle networking has been conducted with large-scale intelligent connected vehicles in urban areas as the research object. Firstly, a fog architecture for the coordinated control and service of vehicles and routes in scheduling and operation management is proposed, which is mainly composed of three layers: the physical sensor data generation layer, the entity fog node fog computing layer, and the data management information service center remote cloud computing layer. Then, taking the fog architecture as an outline, the six possible communication paths of the fog node and the three working modes that the fog engine needs to be configured with are detailed. Next, based on the four principles that should be followed in the flocking for the intelligent connected vehicles dispatching operation management, a method for managing the dispatching operation management of the fog arranger is presented, including four steps: the formulation and issuance of scheduling plans, the flocking scheduling operation, and the effectiveness evaluation. Finally, the scheduling principles of the proposed fog architecture and flocking scheduling operation management method are verified through a five-vehicle formation test. The test results show that five intelligent unmanned vehicles can be operated to their designated areas, verifying the feasibility and enforceability of the fog architecture and scheduling operation management method of flocking for vehicles.

Traffic management; Urban traffic; Intelligent connected vehicles; Fog architecture

U491.2

A

1671-7988(2023)11-57-09

蘇建華（1982－），男，碩士，高級工程師，研究方向為智能網聯特種車輛，E-mail:sujianhua918@163.com。

10.16638/j.cnki.1671-7988.2023.011.010