劉騰　于會龍　田濱　艾云峰　陳龍

汽車自動化和網(wǎng)聯(lián)化,作為未來人工智能的重要分支,可以提高道路交通的安全性及通行效率,極大地改變?nèi)藗兊纳畛鲂蟹绞?將成為未來數(shù)年最重要的先進技術(shù)之一[1?2].從20世紀開始,在當代的交通系統(tǒng)的研究中,學者們通過先進的電子信息技術(shù)和日趨成熟的傳感技術(shù)來迅速地升級傳統(tǒng)車的自主駕駛能力,從而提高車輛的智能化水平[3].網(wǎng)聯(lián)自動駕駛智能車是智能技術(shù)發(fā)展的技術(shù)前沿,具有巨大的社會意義和市場潛力[4].

平行駕駛是ACP理論方法(人工系統(tǒng)(A)、計算實驗(C)和平行執(zhí)行(P))在自動駕駛領(lǐng)域的應(yīng)用,平行駕駛將是新一代智能車的智能指揮與控制技術(shù)[5].基于平行駕駛的智能車可大大降低車輛成本,并有效解決現(xiàn)階段智能車安全性問題,使智能車的自主駕駛行為變得可測、可控,提高了車輛系統(tǒng)對環(huán)境的快速反應(yīng)性,減少交通擁堵及整體協(xié)同程度,減少因疲勞駕駛等原因?qū)е碌慕煌ㄊ鹿蔥6].

基于平行駕駛的智能車指揮與控制系統(tǒng)是物理定義的真實車與軟件定義的虛擬車的聯(lián)合[7].它是將車路傳感器的物理信號,人的信號、以及各種開源信息(社會信號)嵌入到系統(tǒng)中,通過數(shù)據(jù)優(yōu)化,將單車智能迅速擴展到車聯(lián)網(wǎng)的協(xié)同智能上,實現(xiàn)車與車、車與路、車與人的網(wǎng)絡(luò)化發(fā)展.該系統(tǒng)將綜合運用中心控制、網(wǎng)絡(luò)通信、大數(shù)據(jù)分析、機器學習、人工智能等關(guān)鍵技術(shù),把中心控制臺、智能道路及平行智能車實時互動連接起來,最終實現(xiàn)車路互動、多車協(xié)同、平行操控、安全行駛.

智能車指揮與控制平臺由遙控平臺、物理智能車平臺和平行管控平臺組成.平行管控平臺負責監(jiān)控和引導(dǎo)物理智能車的運行,遙控平臺負責請求或緊急情況下接管物理智能車.通過以上子系統(tǒng)的統(tǒng)一協(xié)調(diào)調(diào)度,實現(xiàn)平行智能車在線上和線下的交互,從而改善交通擁堵、減少交通事故、提高交通效率及安全性.

1　基于ACP的平行駕駛框架

1.1　信息物理社會系統(tǒng)

信息物理社會系統(tǒng)(Cyber-Physical-Social Systems,CPSS)是在信息物理系統(tǒng)的基礎(chǔ)上,進一步納入社會信息、虛擬空間的人工系統(tǒng)信息,將社會網(wǎng)絡(luò)系統(tǒng)也納入到研究的范圍[8],其基本構(gòu)成如圖1所示.該系統(tǒng)包括環(huán)境感知信息、人類行為信息和網(wǎng)絡(luò)信息,為物理系統(tǒng)賦予了良好的控制、計算、自治和協(xié)作功能[9].

社會物理信息系統(tǒng)中的C可以代表兩個系統(tǒng),即物理世界中的信息系統(tǒng)和軟件定義的虛擬人工世界.P則是指傳統(tǒng)物理系統(tǒng).而S則包括人類社會系統(tǒng)和類比物理系統(tǒng)構(gòu)建的虛擬人工系統(tǒng).該系統(tǒng)通過通信、大數(shù)據(jù)分析和機器學習等手段來獲取系統(tǒng)輸出,同時能夠遍歷物理系統(tǒng)中不能經(jīng)常遇到的場景和狀態(tài),通過改變系統(tǒng)輸入的方式來變換系統(tǒng)的形態(tài),從而得到不同的輸出,用于指導(dǎo)實際系統(tǒng)的運行和操作.

圖1　信息物理社會系統(tǒng)的組成與聯(lián)系

通過把組織人員有機地結(jié)合在自身系統(tǒng)當中,CPSS系統(tǒng)使得實際系統(tǒng)與虛擬系統(tǒng)之間的交流、互動、反饋和提升成為可能[10].未來的世界,真實的系統(tǒng)與其相應(yīng)的“虛擬系統(tǒng)”一定是平行存在的,通過一對一的輔助,能夠擴展到一對多和多對一的互助,隨著兩個系統(tǒng)的改善,最后會形成多對多的形態(tài).這些虛擬系統(tǒng)可以稱為“軟件定義的系統(tǒng)”、“軟件機器人”或“知識機器人”[11].

1.2　基于ACP方法的平行系統(tǒng)

平行系統(tǒng)可以定義為一個組合,即真實存在的實際系統(tǒng)與其相對應(yīng)的軟件定義的人工系統(tǒng)的有機組合.在真實世界中,復(fù)雜系統(tǒng)的精確數(shù)學分析模型是比較難得到的,而仿真模擬手段又有可能出現(xiàn)比較尷尬的情形,即無“真”可仿.例如所針對的系統(tǒng)極其依賴管理者的經(jīng)驗,難以用科學的手段加以描述.基于此,中科院自動化所王飛躍研究員于2004年提出基于ACP的平行系統(tǒng),作為一種解決復(fù)雜系統(tǒng)管理與控制問題的科學研究與實踐方法[12].

基于ACP的平行系統(tǒng)的基本框架如圖2所示.所謂ACP,即為人工社會(Arti fi cial societies)、計算實驗(Computational experiments)與平行執(zhí)行(Parallel execution)的有機組合.從ACP方法的定義可知,處理復(fù)雜系統(tǒng)控制可分為3步:第1步,構(gòu)建與真實系統(tǒng)等價的人工系統(tǒng);第2步,利用計算實驗來對復(fù)雜系統(tǒng)控制問題進行解算和分析;第3步,采用平行執(zhí)行的方式來提升人工系統(tǒng)的建模精度和真實系統(tǒng)的實踐能力[13].

人工系統(tǒng)可以定義為傳統(tǒng)數(shù)學建模方法的擴展,是一種廣義的知識構(gòu)建的過程,為落實靈捷性(Agility)奠定基礎(chǔ).人工系統(tǒng)的建立,需要保證其本質(zhì)特征與真實系統(tǒng)一致,同時具備部署簡單、交流方便、計算快速的特征.計算實驗是在模型構(gòu)建的基礎(chǔ)上,對真實系統(tǒng)或人工系統(tǒng)遇到的復(fù)雜控制問題進行處理,在兩個系統(tǒng)中都得到較優(yōu)的控制,保證能夠進行交流和指導(dǎo),它是保證復(fù)雜系統(tǒng)聚焦(Focus)的手段.最后,平行執(zhí)行則是魯棒性控制的升華,在虛實結(jié)合的大閉環(huán)中實現(xiàn)反饋控制,確保兩個系統(tǒng)獲得的控制能夠?qū)崿F(xiàn)收斂(Convergence)[14?15].

1.3　平行駕駛的基本框架

未來的智能網(wǎng)聯(lián)汽車主要包含三大要素:1)物理智能車(physical vehicle);2)人類駕駛員和意圖認知(human driver and cognitive);3)控制信號和環(huán)境信息(control signal and environmental information).根據(jù)ACP方法的指導(dǎo),可以將上述三要素劃分到三級平行世界,即物理世界、精神世界和人工世界中,如圖2所示[16].

圖2　基于ACP的平行系統(tǒng)

圖3為平行駕駛的框架圖.其中包含三級并存的平行世界,第一級為物理世界,第二級為精神世界,第三級為人工世界.物理世界主要指真實智能車的實際運行,精神世界主要是對駕駛的行為和意圖進行識別,而人工世界又包含兩層,第一層是虛擬駕駛層,用于模擬虛擬駕駛員在人工環(huán)境中的虛擬駕駛行為,第二層是信息層,主要包含社會因素、地理因素和傳感器信息因素.

在人工世界中,每一輛虛擬車中的控制器會與其余的虛擬車、精神世界的駕駛員意圖和物理世界的真實智能車進行多方交互,通過計算實驗的方式來提升人工世界中虛擬系統(tǒng)的建模精度,同時指導(dǎo)物理智能車的實際運行.

人類駕駛員在精神世界和物理世界均起作用.隨著智能車自動駕駛功能的完善,人類駕駛員所起的功能會逐漸減弱.同時,人類駕駛員可以隨時接管車輛避免某些意外事故的發(fā)生或提升駕駛樂趣.

2　平行駕駛的關(guān)鍵技術(shù)

2.1　平行學習

圖3　智能車智能指揮與控制-平行駕駛框架

圖4　平行學習基本框架

平行學習是將平行系統(tǒng)的思想擴展并引入到機器學習領(lǐng)域建立一種新型理論框架以更好地解決數(shù)據(jù)取舍、行動選擇等傳統(tǒng)機器學習理論不能很好解決的問題.其基本框架如圖4所示,主要包括行動學習和數(shù)據(jù)處理兩大階段.在數(shù)據(jù)處理階段,該方法先從真實系統(tǒng)中獲得原始數(shù)據(jù),隨后挑選與特定場景匹配的小數(shù)據(jù),輸入到類比與真實系統(tǒng)的人工系統(tǒng)中.通過改變?nèi)斯は到y(tǒng)參數(shù)輸入的方式來構(gòu)建大量新的數(shù)據(jù).將人工生成的數(shù)據(jù)與特定的小數(shù)據(jù)合并,形成解決問題所需的大數(shù)據(jù)結(jié)合,用于訓(xùn)練和學習模型[17].

在行動學習階段,平行學習與強化學習的思路類似,將系統(tǒng)的動態(tài)變化用狀態(tài)遷移的方式來表現(xiàn).將計算實驗的過程具體化,通過預(yù)測學習、集成學習、轉(zhuǎn)移學習等數(shù)據(jù)處理手段來對生成的大數(shù)據(jù)進行處理,得到能夠解決特定場景的小知識集合.這些小知識能夠應(yīng)用于平行駕駛的特定任務(wù)和特定場景,通過平行控制或平行決策的方式來體現(xiàn).

而指示學習和平行執(zhí)行則是對知識在系統(tǒng)中的具體應(yīng)用進行引導(dǎo),實現(xiàn)人工系統(tǒng)的建模精度提升和真實系統(tǒng)的運行穩(wěn)定[18].

2.2　平行感知

在視覺與感知領(lǐng)域中,識別算法對復(fù)雜環(huán)境的適應(yīng)性是一個廣泛關(guān)注的問題,它直接決定了算法能夠真正的用于實際當中.復(fù)雜的交通環(huán)境經(jīng)常會導(dǎo)致圖像細節(jié)模糊,如雨雪霧等惡劣天氣、強陰影、夜間低照度等環(huán)境.因此,有效的視覺感知模型,需要足夠大的標記數(shù)據(jù)集做支撐,同時還要求數(shù)據(jù)涵蓋不同的場景,具備多樣性.平行感知方法旨在通過構(gòu)建人工場景來模擬或定制各種場景要素,在虛擬系統(tǒng)中建立更加完備的測試數(shù)據(jù)集,其結(jié)構(gòu)如圖5所示.人工場景測試覆蓋的環(huán)境范圍更廣,并且成本更低,可以作為實際場景測試的補充.

視覺系統(tǒng)的全面、充分驗證,是困擾其實際應(yīng)用的另一問題.在鄉(xiāng)村和城市道路上測試智能車視覺系統(tǒng)的不同功能,如信號燈識別、交通標志識別和障礙物規(guī)避等,往往在實際場景中不能完全覆蓋所有的功能.因此,這樣的測試是不完備的,無法保證視覺系統(tǒng)在實際應(yīng)用時的有效性.通過人工場景中進行計算實驗,能夠在遍歷比實際場景豐富的應(yīng)用場景.而且,這些實驗過程是可以重復(fù)的、可以觀測的,可以指導(dǎo)算法在實際系統(tǒng)中的應(yīng)用,也能為后續(xù)的知識提取和算法優(yōu)化奠定基礎(chǔ).

人工傳感器作為一種低成本、靈活的解決方案,可以在人工系統(tǒng)中替代實際傳感器,開展多傳感器融合方面的計算實驗.由于人工系統(tǒng)中的傳感器測量范圍一般比實際系統(tǒng)要廣,因此,可以模擬物理世界中無法出現(xiàn)的情況;實際系統(tǒng)極限(危險)工況下的多傳感器融合實驗,比如,極小車間距、車輛緊急轉(zhuǎn)彎等工況,從而使得計算實驗更加充分;此外,還可以對多傳感器進行選型、安裝等配置方式開展計算實驗.

2.3　平行規(guī)劃

運動規(guī)劃是自動駕駛關(guān)鍵技術(shù)之一.智能車在運動過程中需要通過全局規(guī)劃和局部規(guī)劃來決定其最優(yōu)的路徑、速度和加速度.基于ACP的平行系統(tǒng)思想,提出平行運動規(guī)劃的概念,用于解決數(shù)據(jù)樣本匱乏的問題,實現(xiàn)端到端的運動規(guī)劃,如圖6所示[19].

人工交通場景依據(jù)真實場景的特點構(gòu)建,為運動規(guī)劃模塊提供充足、多樣的訓(xùn)練樣本,甚至還可以模擬緊急工況下的應(yīng)急運動規(guī)劃.深度規(guī)劃模塊包含卷積神經(jīng)網(wǎng)絡(luò)模型和長短記憶網(wǎng)絡(luò)模型,用于生成端到端的決策規(guī)劃.該模塊可以在人工和實際交通場景中應(yīng)用,還可以模擬人類駕駛員的駕駛風格.平行增強學習的方法被用來提高該規(guī)劃模塊的魯棒性和規(guī)劃精度.

圖5　平行感知的基本框架

針對緊急場景的極限工況,變分自動編碼和生成式對抗網(wǎng)絡(luò)被用來規(guī)劃緊急場景下智能車的運動.隨著智能車在實際場景中的運行,混合生成模型實時地生成可能發(fā)生的虛擬應(yīng)急場景,同時深度規(guī)劃模塊同時作用于真實場景和虛擬應(yīng)急場景.一方面指導(dǎo)智能車的實際運行,同時將應(yīng)急場景中的規(guī)劃也用于實際場景,避免事故的發(fā)生.

2.4　平行測試

平行測試系統(tǒng)的核心思路是在虛擬交通世界里進行可重復(fù)的實驗,通過不同智能體之間的交互作用,復(fù)現(xiàn)實際觀測到的多種交通現(xiàn)象及其中的車輛動態(tài)行為,其基本框架如圖7所示.

圖6　平行規(guī)劃基本框架

圖7　平行測試基本框架

自動駕駛車輛系統(tǒng)研發(fā)需要對實車系統(tǒng)在現(xiàn)場進行大量測試和驗證工作.而現(xiàn)場測試費用高、安全性差、重復(fù)性低,對車輛系統(tǒng)出現(xiàn)的異常也缺乏有效的跟蹤手段.自動駕駛車輛的測試數(shù)據(jù)收集能力不足,缺乏一致的數(shù)據(jù)共享接口,難以對自動駕駛車輛的感知、決策和執(zhí)行狀態(tài)進行實時和精確的評估.

基于上述問題,平行測試系統(tǒng)中的測試數(shù)據(jù)真實、不受試驗場地和時間限制,安全可控、測試條件可重復(fù)、測試結(jié)果可跟蹤,使用虛擬測試方法,系統(tǒng)研究人員可以及時發(fā)現(xiàn)算法和系統(tǒng)運行中可能存在的不確定性錯誤,驗證算法和系統(tǒng)對不同道路交通環(huán)境的適應(yīng)性,跟蹤算法和系統(tǒng)的在線運行狀態(tài).

構(gòu)建人工測試環(huán)境首先需要獲取環(huán)境感知數(shù)據(jù),包括:道路GIS數(shù)據(jù)、視頻圖像數(shù)據(jù)、激光掃描傳感器和雷達點云數(shù)據(jù)、以及數(shù)據(jù)采集車輛位置的GPS坐標軌跡和傳感器參數(shù).然后,研究自動駕駛車輛動態(tài)的仿真算法,以期能夠根據(jù)輸入的車輛幾何模型屬性和動力學特征參數(shù),在仿真環(huán)境中快速創(chuàng)建和運行被測試的自動駕駛車輛和其他環(huán)境車輛,模擬它們在仿真道路交通環(huán)境下的自主行駛行為.

在此基礎(chǔ)上,進一步搭建自動駕駛車輛的半實物實驗驗證平臺,集成自動駕駛車輛的各種功能測試和能力評估模塊,采用自動駕駛車輛仿真測試和平行交通系統(tǒng)仿真互動的方式,按照任務(wù)類型對車輛和行人等動態(tài)交通元素實體設(shè)置與現(xiàn)實交通特性一致的運動軌跡.最后,依據(jù)前述自動駕駛智能體系,分級測試典型道路交通環(huán)境下自動駕駛車輛的能力和智能水平.

3　智能車指揮與控制系統(tǒng)的構(gòu)成

基于ACP方法的智能車指揮與控制系統(tǒng)主要包括3部分:平行管控平臺、遙控平臺和智能車平臺.如圖8所示,平行管控平臺(C端)負責監(jiān)控和引導(dǎo)智能車平臺(A端)的運行,遙控平臺(B端)負責在請求或緊急情況下接管智能車平臺(A端).當智能車由于感知受限、內(nèi)部故障等原因無法正常工作時,它會主動向平行管控平臺提出接管請求,遙控平臺的駕駛員對智能車進行遙控接管;此外,平行管控平臺會實時監(jiān)控每輛智能車的狀態(tài),通過計算實驗進行智能決策引導(dǎo)智能車正常行駛.

3.1　遙控平臺

如圖9所示,遙控平臺主要由駕駛模擬器和駕駛員組成.駕駛模擬器包括曲面顯示屏、方向盤、油門與制動踏板等.曲面屏能夠?qū)崟r顯示與真實車對應(yīng)的虛擬車在虛擬交通環(huán)境中的行駛狀態(tài),涵蓋車內(nèi)、外多個視角和地圖上的實時軌跡等.此外,真實車輛的行駛視頻、道路環(huán)境視頻信息、車內(nèi)攝像頭實時錄制的車輛儀表盤的數(shù)據(jù)和HMI模塊的信息也通過4G網(wǎng)絡(luò)實時回傳到遙控平臺的曲面屏.

圖8　智能車指揮與控制系統(tǒng)結(jié)構(gòu)圖

圖9　遙控平臺主要由駕駛模擬器組成示意圖

駕駛模擬器的曲面屏實時展示平行駕駛管控平臺所監(jiān)管的自動駕駛車輛的環(huán)境信息和狀態(tài)信息.例如在自動駕駛車輛的測試場,通過曲面屏地圖可以實時查看當前全部車輛的位置信息,合理進行道路測試車輛的指揮與疏導(dǎo)分流.通過曲面屏的實時視頻流信息可全局監(jiān)管自動駕駛車輛的行駛狀況.

正常情況下駕駛員處于待命狀態(tài),當平行管控平臺或智能車平臺發(fā)來請求信號時,駕駛員通過操作駕駛模擬器上的方向盤、油門和制動踏板對智能車進行遠程遙控,直至收到異常解除信號.

3.2　智能車平臺

智能車平臺的車載設(shè)備主要包括:攝像頭-1(置于車外)、攝像頭-2(置于車內(nèi))、HMI設(shè)備、Estop、車載工控機、異地組網(wǎng)設(shè)備與無線CPE以及其他相關(guān)連線與電源設(shè)備等.各部件功能如圖10所示.其中車載HMI設(shè)備如圖11所示,可用來選擇實時顯示車輛駕駛模式、行駛軌跡、車速、油量等信息,還可通過觸屏操作進行人機交互.

圖10　智能車指揮與控制系統(tǒng)結(jié)構(gòu)圖

圖11　車載HMI顯示界面

智能車平臺中集成了模式切換模塊.智能車控制系統(tǒng)根據(jù)環(huán)境感知和定位信息進行決策規(guī)劃,當傳感器信息正常并且能夠求解所建立的運動規(guī)劃問題時,控制系統(tǒng)將車輛縱向和橫向控制信號發(fā)送到模式切換模塊.模式切換模塊同時接收來自智能車控制系統(tǒng)、遙控平臺和平行管控平臺的車輛縱橫向控制信號.最終,模式切換模塊根據(jù)來自平行管控平臺的實時模式選擇命令執(zhí)行上述某一類的控制信號.

3.3　平行管控平臺

平行管控平臺設(shè)備主要包括:NI仿真設(shè)備、工控機、服務(wù)器、圖像拼接器、交換機、異地組網(wǎng)設(shè)備以及其他相關(guān)連線和電源設(shè)備等其他配置.各主要部件功能如圖12所示.

智能車行駛相關(guān)信息及智能交通環(huán)境信息實時傳送到平行管控平臺后,結(jié)合虛擬系統(tǒng)中的相關(guān)數(shù)據(jù),通過大數(shù)據(jù)分析學習系統(tǒng)進行分析預(yù)測,從而實現(xiàn)對智能車輛的預(yù)測、指揮及控制[20?21].平行管控平臺主要包括兩大部分:一是映射真實物理場景的人工系統(tǒng),該部分包含虛擬車模型,虛擬傳感器模型和虛擬交通環(huán)境模型.二是計算實驗系統(tǒng),該部分包括大數(shù)據(jù)管理與分析模塊,學習與訓(xùn)練模塊,實驗與評估模塊.

平行管控平臺的人工系統(tǒng)既可與遙控平臺駕駛員和真實物理環(huán)境進行信息交互,實時映射真實車的行駛狀況,又可在計算實驗系統(tǒng)的控制下在指定人工交通場景中運行,為計算實驗系統(tǒng)提供大量人工數(shù)據(jù)用于在線預(yù)測未來一段時間真實車的實際狀態(tài),實時引導(dǎo)智能車的運行,同時所獲取的數(shù)據(jù)也可用于離線優(yōu)化相關(guān)算法.

圖12　平行管控平臺機柜設(shè)備

大數(shù)據(jù)管理與分析模塊獲取、存儲來自真實車和虛擬車在不同交通環(huán)境中運行的多源原始數(shù)據(jù)和經(jīng)過大數(shù)據(jù)挖掘、分類與特征提取處理過的數(shù)據(jù).學習與訓(xùn)練模塊以真實數(shù)據(jù)和人工數(shù)據(jù)為基礎(chǔ),從算法庫中選擇相應(yīng)算法離線優(yōu)化智能車的感知、決策、規(guī)劃和控制算法.實驗與評估模塊調(diào)用人工系統(tǒng),必要時調(diào)用真實系統(tǒng)來驗證優(yōu)化算法,經(jīng)過驗證的智能車算法更新到平行控制中心可實時與智能車平臺進行信息交互指導(dǎo)智能車的運行,保證智能車更加安全、高效地運行.

3.4　系統(tǒng)可擴展性

智能車指揮與控制系統(tǒng)集算法研發(fā)優(yōu)化,智能車監(jiān)控和智能車評估測試于一體.該系統(tǒng)既可以ACP理論為指導(dǎo)作為先進感知、規(guī)劃與決策算法的研發(fā)平臺,又可作為保障智能車安全高效運行的監(jiān)控平臺,還可作為測試智能車系統(tǒng)綜合性能的測試平臺.

智能車指揮與控制系統(tǒng)提供了多種展示車輛行駛狀態(tài)信息的接口.例如可以通過添加DID拼接屏同時展示真實交通環(huán)境和虛擬環(huán)境中自動駕駛車輛的行駛信息,可擴展為交通管理與指揮中心供交通運輸與管理部門統(tǒng)一監(jiān)控、調(diào)度自動駕駛和有人駕駛車輛,設(shè)備連接圖如圖13所示.

4　智能車指揮與控制系統(tǒng)關(guān)鍵技術(shù)驗證

本節(jié)主要介紹智能車指揮與控制系統(tǒng)在一般交通場景響應(yīng)式遙控接管和緊急交通場景主動接管兩方面的驗證思路.

4.1　一般交通場景響應(yīng)式接管驗證

智能車平臺遇到無法處理的情況(感知受限、硬件模塊故障等)時,主動向平行駕駛管控平臺提出接管請求.以智能車在GPS模塊失效故障為例,設(shè)計以下場景驗證響應(yīng)式接管的有效性.

自動駕駛車輛沿指定路線行駛,遙控平臺端在曲面屏上實時顯示智能車的行駛狀態(tài).同時,智能車內(nèi)的攝像頭將實時錄制、回傳車輛儀表盤的數(shù)據(jù)和HMI的信息,多維度實時反饋智能車的定位、感知、決策規(guī)劃等信息.

在行駛至配置GPS信號屏蔽設(shè)備的場景時,智能車由于GPS信號丟失,可以通過車載工控機通信模塊向平行管控平臺提出接管請求,切換到遙控駕駛模式,如圖14所示.

圖13　平行遙控駕駛系統(tǒng)-DID拼接屏信息展示

圖14　遠程遙控駕駛模式切換-示意圖

平行管控平臺將請求接管信號發(fā)給遙控平臺,遙控平臺駕駛員響應(yīng)請求,通過駕駛模擬器開始接管控制智能車,此時在車載HMI設(shè)備顯示當前駕駛模式為遙控駕駛,如圖15所示.當智能車進入遠程遙控駕駛模式后,遙控平臺的駕駛員根據(jù)車輛回傳的傳感信息和車身狀態(tài)信息操作控制模擬器的方向盤和油門,控制信號通過高速無線網(wǎng)絡(luò)實時傳遞到智能車平臺,進而控制智能車的運行.

遙控平臺駕駛員觀察到故障排除信號后,操作發(fā)出退出遙控駕駛的信號,平行管控平臺發(fā)送模式切換命令,智能車重新進入自動駕駛模式,如圖16所示.

4.2　緊急交通場景主動接管驗證

平行管控平臺實時監(jiān)控每一輛智能車的狀態(tài),一旦發(fā)現(xiàn)異常行為,發(fā)送警示信號給遙控端駕駛員,進行主動緊急遙控接管.此種情形中的智能車異常行為,一般由智能車車載軟件故障導(dǎo)致,智能車自身并未意識到異常,進而無法自主上報至平行管控平臺,設(shè)計以下場景驗證主動接管的有效性.

智能車輛沿指定路線行駛,當平行管控平臺監(jiān)測到其中某輛車的行駛軌跡出現(xiàn)明顯偏離(例如,車輛返回的路徑與預(yù)定軌跡偏離大,或者軌跡出現(xiàn)鋸齒或S形等),向遙控平臺發(fā)出報警提示,遙控平臺駕駛員開始通過駕駛模擬器給平行管控平臺和智能車平臺發(fā)送高級別控制信號,智能車切換到遙控駕駛模式,如圖17所示.

當故障排除后,遙控平臺駕駛員發(fā)出退出遙控駕駛的信號,平行管控平臺和智能車平臺接收到指令后使智能車恢復(fù)到自動駕駛模式.

圖15　遠程駕駛工作模式-示意圖

圖16　遠程駕駛模式退出-示意圖

圖17　遠程駕駛模式緊急干預(yù)-示意圖

5　結(jié)論

基于ACP理論方法,提出了智能車智能指揮與控制系統(tǒng)、平行駕駛系統(tǒng).介紹了平行駕駛系統(tǒng)的基本框架、關(guān)鍵技術(shù)和對應(yīng)的實驗平臺的構(gòu)成.

平行駕駛系統(tǒng)不僅通過車車通信、車路通信和車云通訊來降低智能車系統(tǒng)的開發(fā)成本,而且通過高性能計算實驗控制模塊使得現(xiàn)有的自動駕駛汽車安全系數(shù)大大提升.平行駕駛將成為涵蓋路側(cè)信息、平行網(wǎng)絡(luò)、高性能計算實驗中心和自動駕駛汽車的新一代智能車指揮與控制系統(tǒng).

1 LYU C,LIU Y,HU X,et al.Simultaneous observation of hybrid states for cyber-physical systems:a case study of electric vehicle powertrain[J].IEEE transactions on cybernetics,2017,1(99):1?11.

2 WANG F Y.Arti fi cial intelligence and intelligent transportation:driving into the 3rd axial age with ITS[J].IEEE Intelligent Transportation Systems Magazine,2017,9(4):6?9.

3呂義超,陸云.我國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)發(fā)展規(guī)劃與發(fā)展政策淺析[J].時代汽車,2017,3(2):6?8,11.

4殷媛媛.國內(nèi)外智能網(wǎng)聯(lián)汽車發(fā)展趨勢研究[J].競爭情報,2017,13(5):51?58.

5 WANG F Y,ZHENG N N,CAO D P,et al.Parallel driving in CPSS:a uni fi ed approach for transport automation and vehicle intelligence[J].IEEE/CAA Journal of Automatica Sinica,2017,4(4):577?587.

6 LI L,LYU Y,WANG F Y.Traffic signal timing via deep reinforcement learning[J].IEEE/CAA Journal of Automatica Sinica,2016,3(3):247?254.

7鄧建玲,王飛躍,陳耀斌,等.從工業(yè)4.0到能源5.0:智能能源系統(tǒng)的概念、內(nèi)涵及體系框架[J].自動化學報,2015,41(12):2003?2016.

8 WANG F Y.The emergence of intelligent enterprises:from CPS to CPSS[J].IEEE Intelligent Systems,2010,25(4):85?88.

9王飛躍.軟件定義的系統(tǒng)與知識自動化:從牛頓到莫頓的平行升華[J].自動化學報,2015,41(1):1?8.

10王飛躍.人工社會、計算實驗、平行系統(tǒng)—— 關(guān)于復(fù)雜社會經(jīng)濟系統(tǒng)計算研究的討論[J].復(fù)雜系統(tǒng)與復(fù)雜性科學,2004,1(4):25?35.

11 王飛躍,王曉,袁勇,等.平行工業(yè)時代:移動智造[J].高科技與產(chǎn)業(yè)化,2015(3):32?35.

12王飛躍.關(guān)于復(fù)雜系統(tǒng)研究的計算理論與方法[J].中國基礎(chǔ)科學,2004,6(5):3?10.

13王飛躍.平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制[J].控制與決策,2004,19(5):485?489.

14王飛躍.平行控制:數(shù)據(jù)驅(qū)動的計算控制方法[J].自動化學報,2013,39(4):293?302.

15 白天翔,王帥,沈震,等.平行機器人與平行無人系統(tǒng):框架、結(jié)構(gòu)、過程、平臺及其應(yīng)用[J].自動化學報,2017,43(2):161?175.

16 WANG F Y.The emergence of intelligent enterprises:from CPS to CPSS[J].IEEE Intelligent Systems,2010,25(4):85?88.

17李力,林懿倫,曹東璞,等.平行學習-機器學習的一個新型理論框架[J].自動化學報,2017,43(1):1?8.

18 LIU T,TIAN B,AI Y,et al.Parallel reinforcement learning:A framework and case study[J].IEEE/CAA Journal of Automatica Sinica,2018,1(12):1?9.

19 HU X M,CHEN L,TANG B,et al.Dynamic path planning for autonomous driving on various roads with avoidance of static and moving obstacles[J].Mechanical Systems and Signal Processing,2018,100(2):482?500.

20 WANG F Y.Parallel control:a method for data-driven and computational control[J].Acta Automatica Sinica,2013,39(4):293?302.

21王飛躍.指控5.0:平行時代的智能指揮與控制體系[J].指揮與控制學報,2015,1(1):107-120.