高速公路車路協同應用全鏈路通信模型研究

李 嘉, 文 婧, 周 正通信作者, 何 俊, 黃 鄭

1.四川云控交通科技有限責任公司,四川 成都 610041 2.四川鐵投-阿里巴巴智慧交通聯合實驗室,四川 成都 610041

0 引言

車路協同是運用先進的信息技術、通信技術,全方位和全通信鏈路實施車與路、車與車之間信息動態實時交互,同時在全時空動態交通信息采集與融合的基礎上開展車輛主動安全控制和道路協同管理,充分實現“人-車-路”有機耦合和高效協同。車路協同技術是交通信息工程及控制專業領域研究應用的熱點方向,是新一輪科技創新和產業競爭的制高點,也是助推實現交通強國戰略的重要舉措[1]。

車路協同應用對交通線路全鏈路通信的時延、速率和可靠性等質量要素要求很高,需要極低的通信時延、極高的鏈路可靠性、更大的傳輸速率、更快的運算速度、更遠的通信范圍,以及能支持更高的移動速度等[2]。

目前,車聯網通信技術標準主要分為專用短程通信(dedicated short range communication,DSRC)和蜂窩車聯網(cellular vehicle-to-everything,C-V2X)2類。DSRC是一種成熟的無線通信技術(廣泛應用于我國高速公路的ETC收費),也是歐美車聯網的主流技術,已成為IEEE 802.11p基礎標準,主要實現小范圍內圖像、語音和數據的實時可靠的雙向傳輸,將車輛和道路基礎設施有機連接。與DSRC相比較,C-V2X基于蜂窩通信技術,工作距離遠超DSRC,同時還可以提供更高的帶寬和傳輸速率[3]。C-V2X在終端應用方面可以延用LTE及5G生態系統,雖然DSRC產業鏈相對成熟,但C-V2X技術持續演進優勢更顯著,產業前景更寬廣[4]。

本文針對可應用于工程實踐的車路協同應用的需要,給出了基于C-V2X通信技術的車路協同應用全鏈路通信模型,并在四川省高速公路實地環境中成功構建了模型的應用測試環境,通過實地測試,驗證了模型及方案的可行性和實用性。

1 當前研究中存在的問題

近年來,車路協同應用的通信模型和效果測試多在封閉場所開展或以模擬仿真形式進行。長安大學王潤民 等[5]通過對國內外主流運用的多個車聯網仿真平臺進行對比,分析了影響仿真測試結果的因素,提出了相關結果評價指標。同為長安大學的劉丁貝[6]基于封閉測試場構建了一種車聯網實車測試平臺,通過搭建多種場景對DSRC、C-V2X數據完整性和時延特性進行具體測試并評價,得出通信距離、遮蔽物是影響通信性能的重要因素,而行車速度對通信影響則較輕微等結論。聯通智網夏小涵 等[7]對LTE-V2X終端網絡層性能指標進行檢測,驗證其在負載壓力下的通信性能,為LTE-V2X技術商用提供了可靠的試驗數據。交通部公路所高茁苗[8]深入研究了基于車路協同的道路標識載體的測試指標和方法。卡塔爾移動通信學者Zeeshan et al.[9]分別對LTE和DSRC兩種技術路線車路通信開展了研究。

綜上可知,目前研究存在以下問題。

1)車路協同應用對通信質量要求很高,目前的業界研究主要是通過仿真環境或者試驗場景下進行點對點或者端對端的效能測試,尚無可以應用于實際高速公路的通信模型。

2)高速公路邊緣計算配套設施建設和車聯網應用軟件研發尚不成熟,目前業界暫未有公開發表的高速公路真實環境下車聯網業務全鏈路通信的研究成果和建設方案。

3)業界尚無經過實地驗證的基于C-V2X車路協同通信效果的測試方案。

2 車路協同應用全鏈路通信模型設計

本文根據工程實踐的實際需求,參考業界的相關研究成果,提出了交通沿線車路協同應用全鏈路通信模型和構建技術。此外,依托四川鐵投集團運營的高速路段,在實際交通環境中開展了車路協同通信模型測試驗證工作,證明理論模型的可行性和有效性。

車路協同全鏈路通信模型如圖1所示。車路協同應用全鏈路主要由視頻、雷達、雷視融合、軌跡分析、數據分發、路側天線、車載單元和數字孿生應用這8個模塊組成。

圖1 車路協同應用全鏈路通信模型

在數據采集方面,采用視頻和雷達獲取原始數據。視頻主要用于交通參與者特征識別判定,尤其是對視覺色彩的感知;雷達主要采用毫米波和激光2類設備。其中,毫米波雷達廣泛應用于交通監控領域(可在廣域范圍內和雨霧環境下對移動物體進行測速測距),激光雷達實現厘米級目標精確感知。

雷視融合模塊運用多傳感器數據融合算法,將視頻與雷達數據進行融合,初步關聯匹配目標。雷視融合分為源頭直接融合、提取特征后融合、算法結果決策時融合3種方式。

軌跡分析模塊基于雷視融合輸出結果,實現車輛動態行駛航跡識別,具備與視頻車輛畫面疊加應用的基礎,同時可對目標跟蹤定位應用提供支持。

數據分發模塊通過預設策略和算法匹配,自動規范數據傳輸格式,控制道路沿線側的天線進行空中無線通信。雷視融合、軌跡分析和數據分發都是由邊緣計算(edge computing)具體實現。

路側天線(road side unit,RSU)在數據分發模塊控制下向車載單元(on board unit,OBU)發送信息,OBU接收后傳至車輛總線集成的數字孿生應用程序。

需要說明的是,在此次車路協同應用通信模型關鍵技術研究和效果測試中,并非采用我國高速公路ETC聯網收費通用型RSU和OBU,而是采用內置C-V2X通信模塊的新一代RSU和OBU設備。視頻、雷達、RSU等外場關鍵設備都集成安裝在高速公路路側的智慧桿件上。

數字孿生應用程序部署在車載端智能終端,與車輛實現總線集成,經過OBU接收數據,結合高精地圖以模擬仿真形式展現車輛行駛位置及狀態。同時,將車載端響應數據通過OBU反向回傳至路側RSU,之后到達數據分發模塊,即在路側數據分發模塊到車載端應用之間形成一條數據回路,通過廣泛和精確的交通狀況感知,為車路協同高層次應用提供科學的輔助決策。

3 實地驗證及結果分析

針對本文提出的通信模型,為驗證其有效性,依托四川鐵投集團運營的高速路段,在四川省中南部某高速公路實車運行環境中進行模型有效性驗證。

選擇里程樁號K59～K67約7 km區間作為測試路段。間隔約800 m布設路側智慧桿系統,通過C-V2X通信與車載端進行交互,數據分發模塊發送頻率設置為6.25幀/秒,RSU覆蓋范圍為400～500 m。為了有效去重,采用實時動態載波相位差分(real-time kinematic,RTK)定位技術輔助判定覆蓋范圍。

3.1 數據完整度

為更加如實地反映通信可靠性,在檢驗區域(K59～K67)分別選取2個車流量有差異的時段進行實車感知:第1時段,車輛數約為20輛,發送數據量約120條/秒;第2時段,車輛數多于第1時段,約為30輛,發送數據量200條/秒。

通過檢驗,得出第1時段平均完整度為98.5%,第2時段平均完整度為97.3%。具體驗證數據如表1和表2所示。

表1 第1時段數據完整度統計計算值 單位:%

表2 第2時段數據完整度統計計算值 單位:%

其中,選取第2處點位(K59+882)結合目標位置(車輛距離)對數據完整度進行分析,第1時段和第2時段具體數據關系分別如圖2、圖3所示。圖中橫坐標為測量時間,左側縱坐標為距離值,對應虛線條,表示車輛不同時刻與RSU的距離變化;右側縱坐標為數據完整度,對應實線條,表示車輛不同時刻的數據完整度。從該點位測量發現,當雙向距離RSU 450 m左右時,完整度值幾乎都能穩定保持接近1.0(即100%),距車輛較遠時有下降,同時車流量增大時,數據完整度也隨之下降,且下降頻次增多。

圖2 K59+882第1時段數據完整度匹配分析

圖3 K59+882第2時段數據完整度匹配分析

3.2 回環時延和空口時延

參照可靠性測量流程,同樣選取2個車流量差異時段進行實車測量,其中第1和第2時段的車輛數(數據量)環境條件也與前述完整度測試過程相同,相關測量數據如表3和表4所示。

表3 第1時段回環時延測量值和空口時延計算值 單位:ms

表4 第2時段回環時延測量值和空口時延計算值 單位:ms

在2個不同時段回環時延都介于140～200 ms。其中,第1時段平均回環時延為172 ms,折算為單向空口時延為86 ms;第2時段平均回環時延為180 ms,折算為單向空口時延為90 ms。顯然,單向空口時延滿足現階段 V2X行業應用需求(100 ms以內)。

3.3 全鏈路端對端時延

本次檢驗選擇A、B兩個站點(全省聯網收費系統站點編碼分別為408、409,里程樁號K61～K62)之間約7 km路段上下行各3處點位(共6處)進行靜態測量,各點位間隔約200 m,每個點位至少采集20個車輛數據,上下行單向測量車輛均不低于10輛(總共不低于20輛)。靜態測量結果如表5所示。

表5 端對端時延靜態檢驗結果

由測量數據可知,下行(A至B方向)各點位端對端平均時延為861 ms,上行(B至A方向)各點位端對端平均時延為898 ms,測量中最大平均時延值為945 ms,意味著在實際應用中,物理空間的車輛從觸發雷達或視頻傳感開始,直至車載端數字孿生應用顯示刷新,總耗時不超過1 s,完全滿足當前高速公路實車環境下的車路協同探索應用要求。結合國內有關技術團隊在LTE通信系統時延測試經歷,空口時延、端對端時延未來將有很大的優化空間[10]。

4 結束語

本文在行業內首次提出了高速公路車路協同應用全鏈路通信模型,通過真實客觀的測量數據分析得出以下結論。

1)高速公路應用全鏈路端對端時延約為800～900 ms,數據完整度大致在97%～98%,滿足當前數字孿生應用的技術性能要求。

2)全鏈路通信模型中RSU-OBU空口時延滿足V2X通信空口時延100 ms之內的行業要求。

3)數據量(車輛數)增多時,V2X通信數據完整度降低,符合通信鏈路收發質量規律。今后將針對大數據量、高并發場景進行充分測試和系統優化。

4)鏈路尾端數字孿生應用程序運算效率對全鏈路時延影響也不容小覷,尤其是數據量增大時應用程序負載亦同步增大,未來應通過優化算法降低應用全鏈路時延。

未來,將繼續緊密圍繞高速公路工程的實際應用,持續深化研究車路協同全鏈路通信的各個關鍵技術的研究和效能優化,為工程化的大范圍應用提供高效可行的方案。