（北京郵電大學(xué)泛網(wǎng)無(wú)線通信教育部重點(diǎn)實(shí)驗(yàn)室，北京 100876）

(Key Laboratory of Universal Wireless Communications, Ministry of Education, Beijing University of Posts and Telecommunications, Beijing 100876, China)

自動(dòng)駕駛是提高出行效率、提升駕乘體驗(yàn)的主流技術(shù)。當(dāng)前產(chǎn)業(yè)界，如特斯拉、UBER、谷歌WAYMO和百度等[1]爭(zhēng)相開(kāi)展自動(dòng)駕駛技術(shù)的研究與測(cè)試工作，致力于將自動(dòng)駕駛技術(shù)商業(yè)化。但是，現(xiàn)有自動(dòng)駕駛技術(shù)主要依靠本地車(chē)輛的多種傳感器。單車(chē)傳感器在探測(cè)范圍、精度、結(jié)果質(zhì)量等方面受觀察視角遮擋等因素的影響，感知能力有限，而且目前車(chē)輛傳感器主要采用獨(dú)立工作的方式，如利用攝像頭進(jìn)行圖像識(shí)別，雷達(dá)進(jìn)行速度和距離探測(cè)，車(chē)輛尚缺乏多種傳感器數(shù)據(jù)有效深度融合的能力。在雨雪等復(fù)雜天氣條件下，如果攝像頭等某類(lèi)傳感器失效，本地車(chē)輛獨(dú)立自動(dòng)駕駛的安全性將受到嚴(yán)重威脅。這種現(xiàn)狀限制了自動(dòng)駕駛的發(fā)展，使之停留在L2、L3級(jí)別，即需要駕駛員高度參與控制的自動(dòng)駕駛系統(tǒng)[2]。這種級(jí)別很難處理突發(fā)情況，駕駛員會(huì)因?yàn)檫^(guò)分信賴(lài)自動(dòng)駕駛系統(tǒng)而引發(fā)交通事故[3]。

為了滿足L4和L5級(jí)別自動(dòng)駕駛的需求，必須解決現(xiàn)有單車(chē)感知能力不足的問(wèn)題[4]。同時(shí)我們可以預(yù)見(jiàn)，未來(lái)將有越來(lái)越多的自動(dòng)駕駛車(chē)輛投入使用。自動(dòng)駕駛車(chē)輛組網(wǎng)的需求也會(huì)變得日益急迫[5]，車(chē)間信息共享能力不足將嚴(yán)重制約自動(dòng)駕駛技術(shù)的發(fā)展；因此，迫切需要研究自動(dòng)駕駛單車(chē)多傳感器信息融合新方法，以及基于感知-通信-計(jì)算融合的多車(chē)信息高效共享新技術(shù)，通過(guò)多車(chē)協(xié)同提升自動(dòng)駕駛的安全性。

為此，本文中我們從L4/L5級(jí)別自動(dòng)駕駛需求出發(fā)，面對(duì)多車(chē)感知數(shù)據(jù)融合與協(xié)同處理對(duì)多車(chē)協(xié)同組網(wǎng)以及分布式協(xié)同計(jì)算提出的需求與挑戰(zhàn)，提出基于感知-通信-計(jì)算融合的智能車(chē)聯(lián)網(wǎng)構(gòu)建方法與設(shè)計(jì)思路。

1 多車(chē)感知數(shù)據(jù)融合與協(xié)同處理

1.1 多車(chē)協(xié)同組網(wǎng)需求與問(wèn)題分析

通過(guò)車(chē)間通信來(lái)實(shí)現(xiàn)緊急事件預(yù)警的方法很早就被提出[6]，然而利用車(chē)間通信來(lái)預(yù)警的方案遲遲沒(méi)有獲得廣泛實(shí)施。由于缺乏通信和預(yù)警信息，當(dāng)前自動(dòng)駕駛汽車(chē)的安全性面臨嚴(yán)峻挑戰(zhàn)，在測(cè)試中事故頻發(fā)。如2018年發(fā)生在美國(guó)亞利桑那州的UBER測(cè)試車(chē)事故[4]，由于有限的探測(cè)能力以及通信協(xié)同能力的缺失，造成橫穿公路的行人死亡。如果采用基于車(chē)間協(xié)同通信的預(yù)警方法，將有助于車(chē)輛提早獲知危險(xiǎn)信息，并有望避免此類(lèi)事故的發(fā)生。

然而，現(xiàn)有車(chē)聯(lián)網(wǎng)通信技術(shù)在一定程度上還無(wú)法滿足面向大規(guī)模自動(dòng)駕駛場(chǎng)景的大寬帶、低時(shí)延、高可靠通信的要求。目前，全球車(chē)聯(lián)網(wǎng)通信技術(shù)標(biāo)準(zhǔn)主要包括專(zhuān)用短程通信（DSRC）和蜂窩車(chē)用無(wú)線通信（C-V2X）2大主流技術(shù)標(biāo)準(zhǔn)。DSRC技術(shù)基于電氣電子工程師學(xué)會(huì)標(biāo)準(zhǔn)（IEEE 802.11p）底層通信協(xié)議與IEEE 1609系列標(biāo)準(zhǔn)，僅支持3～27 Mbit/s傳輸速率，且在非視距環(huán)境下時(shí)延將急劇增大[7]。C-V2X在抗干擾能力、吞吐量以及非視距環(huán)境下的通信性能均優(yōu)于DSRC技術(shù)。比起4G空口的長(zhǎng)期演進(jìn)（LTE）-V2X，基于5G新空口（NR）的5G-V2X性能將有大幅度增強(qiáng)，傳輸時(shí)延將降至毫秒級(jí)，單車(chē)上行傳輸速率為50 Mbit/s[8-9]。進(jìn)一步，5G NR Rel16、Rel17將于2020年完成[10]。

但是，面向自動(dòng)駕駛車(chē)輛的多種傳感器產(chǎn)生的數(shù)據(jù)量是海量的。據(jù)測(cè)算，僅通過(guò)圖像識(shí)別方式獲取的單車(chē)數(shù)據(jù)速率將超過(guò)40 Gbit/s[11]。目前部署的5G移動(dòng)通信系統(tǒng)的上行空口時(shí)延最低為4 ms[12]，仍無(wú)法滿足面向L4級(jí)別自動(dòng)駕駛的需求——數(shù)據(jù)端到端傳輸和處理時(shí)延小于1 ms[13]。考慮到智能車(chē)聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)量多、環(huán)境高動(dòng)態(tài)變化、車(chē)載傳感器數(shù)據(jù)量大的特點(diǎn)，目前部署的5G移動(dòng)通信系統(tǒng)性能較難滿足面向自動(dòng)駕駛的車(chē)聯(lián)網(wǎng)的要求[12]。因此，當(dāng)前移動(dòng)通信技術(shù)在車(chē)聯(lián)網(wǎng)系統(tǒng)中的部署與應(yīng)用仍面臨較大挑戰(zhàn)，亟須研究面向自動(dòng)駕駛的車(chē)聯(lián)網(wǎng)通信的新方法與新技術(shù)。

1.2 傳感器數(shù)據(jù)融合與共享利用的難題分析

盡管當(dāng)前自動(dòng)駕駛車(chē)輛已經(jīng)搭載了多種傳感器，如圖1所示，包括激光雷達(dá)、毫米波雷達(dá)和攝像頭等，產(chǎn)生大量感知數(shù)據(jù)，有效擴(kuò)展了車(chē)輛的視野[14]；但是當(dāng)前缺乏對(duì)多種傳感器感知數(shù)據(jù)的融合處理方法。我們亟須設(shè)計(jì)多種傳感器數(shù)據(jù)的有效融合與聯(lián)合處理方案，如攝像頭和毫米波雷達(dá)感知信息的融合，可以綜合利用目標(biāo)形狀、距離、速度等感知信息，實(shí)現(xiàn)對(duì)物體的精準(zhǔn)定位與識(shí)別。在某些傳感器工作受限的情況下，采用多種傳感信息融合的方式可以極大地提高傳感器綜合性能，為特殊天氣和時(shí)間條件下的行車(chē)安全提供進(jìn)一步的保障。

現(xiàn)有車(chē)載傳感器信息融合主要在空間域和頻率域上實(shí)現(xiàn)，通過(guò)多尺度變換（MST）融合熵的方法[15]實(shí)現(xiàn)信息融合。該方法有4點(diǎn)不足：不同源數(shù)據(jù)在同一區(qū)域的特性不同，導(dǎo)致融合數(shù)據(jù)對(duì)比度下降；層次分解和類(lèi)型的選擇繁瑣；MST方法計(jì)算復(fù)雜度高，不適合車(chē)聯(lián)網(wǎng)實(shí)時(shí)信息處理的要求；偽吉布斯現(xiàn)象帶來(lái)的誤差或偽影問(wèn)題嚴(yán)重[16]。為解決上述融合算法的諸多缺點(diǎn)，如何設(shè)計(jì)多傳感器數(shù)據(jù)的有效融合方法，仍然是一個(gè)亟待解決的難題。

1.3 移動(dòng)邊緣計(jì)算與數(shù)據(jù)處理的需求分析

相比在路邊固定部署的路側(cè)單元（RSU）和基站等設(shè)備，車(chē)輛計(jì)算能力受限的問(wèn)題更突出。然而，隨著傳感器的大量部署和傳感器數(shù)據(jù)融合的需要，計(jì)算處理的數(shù)據(jù)量也十分龐大。且數(shù)據(jù)融合的算法（如MST算法）對(duì)車(chē)輛計(jì)算能力提出了更高的要求。因此，在當(dāng)前環(huán)境下，車(chē)輛往往需要更強(qiáng)大的計(jì)算單元協(xié)作，才能有效完成數(shù)據(jù)處理。隨著車(chē)聯(lián)網(wǎng)規(guī)模和數(shù)據(jù)量的急劇增長(zhǎng)，傳統(tǒng)集中式運(yùn)算和處理的方式已無(wú)法滿足車(chē)聯(lián)網(wǎng)的要求，面臨諸多新挑戰(zhàn)。雖然云端集中式處理和計(jì)算能力強(qiáng)，但是多節(jié)點(diǎn)間的通信傳輸性能與其計(jì)算性能并不匹配，極易出現(xiàn)數(shù)據(jù)擁塞的問(wèn)題。此外，由于云端服務(wù)器的位置往往遠(yuǎn)離采集數(shù)據(jù)的車(chē)輛，數(shù)據(jù)傳輸必然會(huì)帶來(lái)更大時(shí)延。當(dāng)前部署的5G網(wǎng)絡(luò)性能還未達(dá)到L4級(jí)別自動(dòng)駕駛系統(tǒng)的要求，因此集中式計(jì)算和處理方式所造成的時(shí)延將會(huì)對(duì)車(chē)聯(lián)網(wǎng)性能產(chǎn)生影響。

▲圖1 自動(dòng)駕駛車(chē)輛的多種傳感器信息融合示意圖

針對(duì)車(chē)聯(lián)網(wǎng)感知信息共享的需求，移動(dòng)邊緣計(jì)算（MEC）技術(shù)有望解決車(chē)輛間傳感數(shù)據(jù)分布式本地計(jì)算和處理的需求[17]。MEC使用位于RSU中的計(jì)算單元協(xié)助車(chē)輛進(jìn)行計(jì)算，對(duì)于地理位置更靠近傳感器數(shù)據(jù)源的RSU，車(chē)輛到邊緣節(jié)點(diǎn)的通信時(shí)延相對(duì)可控。通過(guò)RSU協(xié)助計(jì)算，車(chē)輛間緊急數(shù)據(jù)的傳輸和處理時(shí)延有望滿足L4級(jí)別自動(dòng)駕駛的要求。結(jié)合云計(jì)算技術(shù)，通過(guò)將時(shí)延可容忍的數(shù)據(jù)上傳到云端進(jìn)行計(jì)算，實(shí)現(xiàn)云端、邊緣與本地協(xié)同計(jì)算，提高車(chē)聯(lián)網(wǎng)數(shù)據(jù)計(jì)算和處理的效率。

不過(guò)，當(dāng)前MEC主要研究邊緣節(jié)點(diǎn)計(jì)算能力提升的問(wèn)題，通過(guò)提升算法性能來(lái)達(dá)到L4級(jí)別自動(dòng)駕駛對(duì)計(jì)算能力的要求。然而，受邊緣節(jié)點(diǎn)計(jì)算能力的限制，邊緣節(jié)點(diǎn)計(jì)算資源調(diào)度和選擇也是需要考慮的問(wèn)題。節(jié)點(diǎn)的通信時(shí)延和計(jì)算時(shí)延將最終影響數(shù)據(jù)處理速度，因此需要研究最優(yōu)邊緣節(jié)點(diǎn)選擇方案與多節(jié)點(diǎn)分布式協(xié)同計(jì)算方法，以提高多車(chē)協(xié)同的車(chē)聯(lián)網(wǎng)整體計(jì)算效率，提升多車(chē)協(xié)同感知的信息融合性能。

如圖2所示，圖中藍(lán)色車(chē)輛為參考節(jié)點(diǎn)，白色車(chē)輛為中繼節(jié)點(diǎn)。RSU可以提供邊緣計(jì)算功能，屬于邊緣節(jié)點(diǎn)?；咀鳛榫邆鋸?qiáng)大計(jì)算能力的中心，屬于云端節(jié)點(diǎn)。每個(gè)節(jié)點(diǎn)都具備計(jì)算負(fù)載和通信負(fù)載2個(gè)負(fù)載屬性。紅、黃、綠3種顏色分別表示負(fù)載屬性的擁塞、忙碌和空閑狀態(tài)。車(chē)輛將數(shù)據(jù)傳輸至RSU進(jìn)行邊緣計(jì)算，基站、其他車(chē)輛等節(jié)點(diǎn)可以輔助車(chē)輛進(jìn)行計(jì)算。邊緣計(jì)算的結(jié)果回傳至車(chē)輛，實(shí)現(xiàn)數(shù)據(jù)的高效處理。為了提高數(shù)據(jù)處理的效率，車(chē)輛應(yīng)選擇通信負(fù)載和計(jì)算負(fù)載較小的邊緣節(jié)點(diǎn)進(jìn)行輔助運(yùn)算。如圖中藍(lán)色車(chē)輛因感知數(shù)據(jù)量過(guò)大，亟須其他車(chē)輛和RSU協(xié)助進(jìn)行計(jì)算。通過(guò)對(duì)通信資源、計(jì)算資源及網(wǎng)絡(luò)整體時(shí)延的評(píng)估，藍(lán)色車(chē)輛的數(shù)據(jù)通過(guò)多跳轉(zhuǎn)發(fā)給多個(gè)RSU進(jìn)行并行協(xié)同計(jì)算。與此同時(shí)，藍(lán)色車(chē)輛將時(shí)延容忍的數(shù)據(jù)上傳給通信負(fù)載較小的云端基站進(jìn)行計(jì)算。車(chē)輛對(duì)周邊設(shè)備的負(fù)載狀態(tài)信息進(jìn)行測(cè)算，并選取最優(yōu)轉(zhuǎn)發(fā)目標(biāo)。每個(gè)邊緣節(jié)點(diǎn)在協(xié)同計(jì)算的同時(shí)，也會(huì)選擇并行處理性能最優(yōu)的設(shè)備協(xié)同進(jìn)行數(shù)據(jù)處理，從而降低計(jì)算和通信時(shí)延。

2 基于感知-通信-計(jì)算融合的智能車(chē)聯(lián)網(wǎng)構(gòu)建方法與難題

▲圖2 車(chē)聯(lián)網(wǎng)邊緣節(jié)點(diǎn)協(xié)同計(jì)算模型

▲圖3 基于感知-通信-計(jì)算融合的智能車(chē)聯(lián)網(wǎng)系統(tǒng)

為了實(shí)現(xiàn)L4級(jí)別的自動(dòng)駕駛，我們提出如圖3所示的基于感知-通信-計(jì)算融合的車(chē)聯(lián)網(wǎng)系統(tǒng)。在感知-通信-計(jì)算融合的車(chē)聯(lián)網(wǎng)中，車(chē)輛需要具備車(chē)到車(chē)（V2V）、車(chē)到基礎(chǔ)設(shè)施（V2I）、車(chē)到行人（V2P）等多種通信鏈路，實(shí)現(xiàn)車(chē)輛動(dòng)態(tài)高效組網(wǎng)，以更好地提升自動(dòng)駕駛車(chē)輛的安全性。

2.1 基于感知-通信融合的車(chē)聯(lián)網(wǎng)

通過(guò)將部分車(chē)輛傳感器（如毫米波雷達(dá)）與通信系統(tǒng)一體化設(shè)計(jì)，可以實(shí)現(xiàn)感知-通信技術(shù)的融合，優(yōu)勢(shì)具體如下：

（1）感知通信一體化實(shí)現(xiàn)高譜效、低時(shí)延信息共享。通信系統(tǒng)的時(shí)延加上單獨(dú)的傳感器感知時(shí)延，將進(jìn)一步增大信息共享的時(shí)延，不利于保障信息傳輸?shù)臅r(shí)效性。同時(shí)，為了消除傳感器與通信設(shè)備間的相互干擾，傳感器需要在時(shí)域或頻域上與通信設(shè)備進(jìn)行有效的信號(hào)隔離，這將導(dǎo)致信息傳輸?shù)臅r(shí)效性和頻譜利用效率受到影響。針對(duì)上述問(wèn)題，我們提出了基于感知-通信融合的智能車(chē)聯(lián)網(wǎng)系統(tǒng)。

（2）感知通信一體化提升無(wú)線網(wǎng)絡(luò)容量。感知-通信融合的車(chē)聯(lián)網(wǎng)傳輸方式，區(qū)別于傳統(tǒng)移動(dòng)通信網(wǎng)絡(luò)廣播通信方式，通過(guò)采用定向天線可以實(shí)現(xiàn)點(diǎn)到點(diǎn)的信息傳輸。隨著車(chē)輛數(shù)目的增多，5G車(chē)聯(lián)網(wǎng)的帶寬資源不足，面臨嚴(yán)峻挑戰(zhàn)。通過(guò)采用點(diǎn)到點(diǎn)的定向通信方式，利用空間復(fù)用新維度，可以在空域波束正交且不產(chǎn)生干擾的情況下，進(jìn)一步復(fù)用時(shí)頻資源，提升無(wú)線網(wǎng)絡(luò)容量[18-20]。

然而，車(chē)聯(lián)網(wǎng)中應(yīng)用定向通信也具有很大挑戰(zhàn)。首先，定向通信要求發(fā)射機(jī)獲得接收機(jī)準(zhǔn)確的方位信息[21]，這就要求發(fā)射機(jī)具備不斷跟蹤接收機(jī)方位的能力[22-23]。對(duì)于高動(dòng)態(tài)智能車(chē)聯(lián)網(wǎng)來(lái)說(shuō)，這需要很強(qiáng)的波束控制能力。其次，定向通信需要符合空間正交分布特性的波束成形方案，或者為非正交波束成形方案提供干擾消除策略。此外，感知-通信融合的一體化設(shè)備天線設(shè)計(jì)、一體化信號(hào)設(shè)計(jì)等也是技術(shù)難題。

2.2 基于感知-通信-計(jì)算融合的車(chē)聯(lián)網(wǎng)

隨著車(chē)聯(lián)網(wǎng)規(guī)模的擴(kuò)大，車(chē)輛傳感器采集的數(shù)據(jù)量也會(huì)隨之增大，傳感器采集的數(shù)據(jù)量將超過(guò)40 Gbit/s量級(jí)[11]。這個(gè)量級(jí)的數(shù)據(jù)如果直接通過(guò)通信系統(tǒng)傳輸將造成嚴(yán)重的擁塞。此外，計(jì)算單元，如中央處理器（CPU）、圖形處理器（GPU）等的發(fā)展相對(duì)于傳感器數(shù)據(jù)量的增長(zhǎng)速度而言較為緩慢，僅靠單車(chē)的計(jì)算單元進(jìn)行數(shù)據(jù)融合處理的難度將越來(lái)越大。傳感功能將必然與利用RSU、基站等設(shè)備的協(xié)同計(jì)算進(jìn)行一體化設(shè)計(jì)，以應(yīng)對(duì)海量數(shù)據(jù)處理的需求[15]。

（1）數(shù)據(jù)融合降維：傳感器數(shù)據(jù)可以進(jìn)行融合，如將圖片或視頻數(shù)據(jù)通過(guò)識(shí)別算法后轉(zhuǎn)化為目標(biāo)的運(yùn)動(dòng)信息（如方向、位置和速度）及身份信息（如車(chē)型、車(chē)牌號(hào)等），減少了冗余信息，僅保留感知結(jié)果，從而極大降低傳感器數(shù)據(jù)量的維度。

（2）數(shù)據(jù)融合擴(kuò)展：多種傳感器數(shù)據(jù)的融合可以擴(kuò)展傳感器的有效信息量。攝像頭可以得到較大范圍內(nèi)的目標(biāo)信息，包括目標(biāo)的類(lèi)型和大致位置，這將有效解決雷達(dá)的探測(cè)盲區(qū)問(wèn)題。攝像頭具有動(dòng)目標(biāo)檢測(cè)能力，可對(duì)突發(fā)情況做出更快的處理，配合雷達(dá)精準(zhǔn)探測(cè)的距離信息，可以更好地獲取車(chē)輛周?chē)男畔?，保障行?chē)安全。

（3）數(shù)據(jù)融合匹配：融合的數(shù)據(jù)可以為數(shù)據(jù)匹配提供依據(jù)。通常雷達(dá)通過(guò)反射信號(hào)進(jìn)行測(cè)距，僅具備對(duì)目標(biāo)位置、速度等信息的感知能力。攝像頭作為成像設(shè)備，搭配識(shí)別算法可以做到對(duì)目標(biāo)類(lèi)型和身份等信息的感知。

此外，邊緣計(jì)算技術(shù)可以為車(chē)輛間通信、波束分配方案、干擾和信號(hào)碰撞避免方案提供重要參考。通過(guò)計(jì)算，預(yù)先進(jìn)行通信資源分配，將有效提升通信系統(tǒng)的效率，降低通信時(shí)延，從而為車(chē)輛快速高效動(dòng)態(tài)組網(wǎng)提供有效保障。

感知-通信-計(jì)算融合的核心思想是將傳感、通信和計(jì)算深度融合，實(shí)現(xiàn)3個(gè)功能間的相互協(xié)作、資源共享，提高多系統(tǒng)運(yùn)行的智能化和自動(dòng)化水平。車(chē)聯(lián)網(wǎng)的感知-通信-計(jì)算一體化面臨著諸多理論難題與技術(shù)挑戰(zhàn)。首先，需要解決感知-通信-計(jì)算三者相互耦合與制約的理論難題。其次，需要研究感知-通信-計(jì)算一體化方式?？紤]到車(chē)輛的移動(dòng)性、車(chē)聯(lián)網(wǎng)復(fù)雜的干擾特性、不同業(yè)務(wù)服務(wù)質(zhì)量（QoS）的強(qiáng)差異性、車(chē)輛及RSU計(jì)算能力的差異性和計(jì)算單元的異構(gòu)性等特點(diǎn)，如何在多車(chē)間實(shí)現(xiàn)云端、邊緣端的通信、計(jì)算、感知資源與多樣化業(yè)務(wù)的自主適配，如何在多維資源受限下實(shí)現(xiàn)車(chē)聯(lián)網(wǎng)信息高效傳遞與低時(shí)延響應(yīng)都是面臨的技術(shù)難題。因此，我們亟須研究感知-通信-計(jì)算融合的智能車(chē)聯(lián)網(wǎng)體系，設(shè)計(jì)支持多傳感器數(shù)據(jù)融合、高速計(jì)算、智能決策、協(xié)同控制的智能車(chē)聯(lián)網(wǎng)技術(shù)，解決自動(dòng)駕駛車(chē)輛間多源海量異構(gòu)數(shù)據(jù)高速處理、協(xié)同高效傳輸、低時(shí)延決策與控制等難題。

3 結(jié)束語(yǔ)

面向L4和L5級(jí)別高級(jí)自動(dòng)駕駛的需求，本文中我們提出基于感知-通信-計(jì)算融合的智能車(chē)聯(lián)網(wǎng)方案。該方案在單車(chē)上進(jìn)行多傳感器數(shù)據(jù)初步融合，并傳輸給周邊車(chē)輛進(jìn)行感知信息共享，實(shí)現(xiàn)多車(chē)數(shù)據(jù)融合。隨著人工智能、自動(dòng)控制與信息技術(shù)的深度融合發(fā)展，基于感知-通信-計(jì)算融合的智能車(chē)聯(lián)網(wǎng)技術(shù)將向感知-通信-計(jì)算-控制融合演進(jìn)。在車(chē)輛自感知和自學(xué)習(xí)能力的基礎(chǔ)上，實(shí)現(xiàn)網(wǎng)絡(luò)協(xié)同決策，最終實(shí)現(xiàn)具有高度安全性的L5級(jí)別的自動(dòng)駕駛。