段杰文

（西華大學(xué)汽車與交通學(xué)院，四川 成都 610039）

智能網(wǎng)聯(lián)汽車是現(xiàn)代智能交通系統(tǒng)中的重要環(huán)節(jié)，在減少交通事故、交通堵塞以及環(huán)境污染方面具有重要作用。智能網(wǎng)聯(lián)汽車云控基礎(chǔ)平臺 （ICV Base Vehicle Computing Platform），為智能汽車及其用戶、管理及服務(wù)機(jī)構(gòu)等提供車輛運(yùn)行、基礎(chǔ)設(shè)施、交通環(huán)境、交通管理等動態(tài)基礎(chǔ)數(shù)據(jù)，具有數(shù)據(jù)存儲分析、云計算等服務(wù)機(jī)制，支持智能網(wǎng)聯(lián)汽車實際應(yīng)用需求的基礎(chǔ)支撐平臺［1］。

1 大數(shù)據(jù)和云計算平臺概述

1.1 云計算平臺和大數(shù)據(jù)的概念

2006年由美國國家標(biāo)準(zhǔn)與技術(shù)研究院 （NIST）正式提出云計算，“云計算是一種利用互聯(lián)網(wǎng)實現(xiàn)隨時隨地、按需、便捷地訪問共享資源地 （如計算設(shè)施、存儲設(shè)備、應(yīng)用程序等） 的計算模式”［2］。

1.2 大數(shù)據(jù)特點

大數(shù)據(jù)具有數(shù)據(jù)量大、數(shù)據(jù)類型繁多、處理速度快、價值密度低的特點。

IDC估測人類產(chǎn)生的數(shù)據(jù)以每年50%的速度增長，2020年全球?qū)碛?5ZB數(shù)據(jù)，谷歌公司的Dremel，一種可擴(kuò)展、交互式實時查詢系統(tǒng)，能夠在2～3s完成PB級別數(shù)據(jù)查詢［3］。

據(jù)亞馬遜公司研究表明：傳統(tǒng)數(shù)據(jù)處理1PB需要用750天時間，耗資600多萬美元，通過使用云平臺MapReduce技術(shù)，則只需要15天2000多美元［4］，在提高運(yùn)算速度的同時，極大地降低了成本。

谷歌無人駕駛汽車上配備了大量傳感器，這些傳感器每秒產(chǎn)生1GB的數(shù)據(jù)，每年產(chǎn)生數(shù)據(jù)量將達(dá)到2PB。無人駕駛汽車從視覺感知、路徑規(guī)劃、路徑跟蹤、底層控制都將產(chǎn)生大量數(shù)據(jù)，大數(shù)據(jù)分析將幫助無人駕駛系統(tǒng)做出更加智能、安全、節(jié)能、環(huán)保的駕駛動作決策。

2 大數(shù)據(jù)和云計算在智能交通上的研究現(xiàn)狀

2.1 運(yùn)用于智能網(wǎng)聯(lián)汽車上的關(guān)鍵技術(shù)

云平臺與大數(shù)據(jù)技術(shù)，包括智能網(wǎng)聯(lián)汽車云平臺架構(gòu)與數(shù)據(jù)交互標(biāo)準(zhǔn)，云操作系統(tǒng)，數(shù)據(jù)高效存儲和檢索技術(shù)，大數(shù)據(jù)的關(guān)聯(lián)分析和深度挖掘技術(shù)［2］。

2.2 云平臺的層次架構(gòu)

云平臺一般分為基礎(chǔ)架構(gòu)設(shè)施層、平臺層、應(yīng)用層。云架構(gòu)通過虛擬化、標(biāo)準(zhǔn)化、自動化的方式有機(jī)地整合云中的軟硬件資源，并通過網(wǎng)絡(luò)將云中的服務(wù)交付給用戶［5］。

2.3 發(fā)展歷史與研究現(xiàn)狀

2006年“云計算正式出現(xiàn)在商業(yè)領(lǐng)域”，Amazon推出彈性計算云 （EC2）［6］。

2010年，錢哨等人提出智能交通云的概念，利用云計算來服務(wù)于智能交通系統(tǒng)提供的各種應(yīng)用，提高交通安全性以及更好的交通服務(wù)［6］。

2015年，Bitam［7］等人認(rèn)為云計算技術(shù)有潛力通過提供各種道路安全參與者 （如警察、災(zāi)難和應(yīng)急服務(wù)）所需的靈活解決方案 （即替代路線、交通燈同步等）來改善ITS中的道路安全和旅行體驗。同時，他提出了新模型：VANETCloud，分為永久云和臨時云。在車輛上裝載計算機(jī)設(shè)備，可以同時在固定節(jié)點和移動節(jié)點來獲取計算資源信息。VCloud包括3層：車內(nèi)運(yùn)輸網(wǎng)絡(luò)物理系統(tǒng)、V2V網(wǎng)絡(luò)和V2I網(wǎng)絡(luò)。每層都有不同的子組件。投影的ITS云包括3層：云層、通信層和終端用戶層。

在大數(shù)據(jù)和云計算研討會上［8］，給出了運(yùn)輸數(shù)據(jù)處理云服務(wù)的2種不同的數(shù)據(jù)處理模型：納維貝葉斯模型和供應(yīng)回歸模型。

Ma［9］采用RNM和RNN結(jié)構(gòu)設(shè)計了一個交通網(wǎng)絡(luò)分析系統(tǒng)，系統(tǒng)通過分析計算出租車一小時的GPS數(shù)據(jù)，預(yù)測交通擁堵的準(zhǔn)確率高達(dá)88%。

2018年高德交通大數(shù)據(jù)發(fā)布平臺、阿里云及相關(guān)數(shù)據(jù)挖掘支持為基礎(chǔ)，通過熵值法計算權(quán)重得到2018年度“交通健康城市”分布圖，表明城市“交通健康指數(shù)”與汽車保有量整體呈弱負(fù)相關(guān)。

3 工作方法

3.1 智能泊車云服務(wù)

智能泊車系統(tǒng)可通過攝像頭、雷達(dá)等傳感器的融合，感知周圍環(huán)境信息，自動規(guī)劃路徑，并通過跟蹤控制系統(tǒng)，正確執(zhí)行駕駛動作，在無人的條件下，將車輛停放于用戶指定的停車位。在此過程中也會產(chǎn)生大量的數(shù)據(jù)，響應(yīng)速度和精確程度反映了自動泊車系統(tǒng)的好壞［16］。

智能泊車云服務(wù)的感知需要通過傳感器檢測和云端收集、分析地理位置、泊車可用性、停車位預(yù)訂和訂單、交通及車輛信息。

決策過程：停車場是指停車場被定義為“占用”，停車場有一個自由空間，即“空置”。此決定已更新到服務(wù)器部件。最后，在決策步驟中，將混合特征與預(yù)先定義的閾值進(jìn)行了比較。

3.2 車輛數(shù)據(jù)挖掘云服務(wù)

數(shù)據(jù)挖掘和聯(lián)機(jī)分析處理。其功能包括：自動預(yù)測、關(guān)聯(lián)分析、聚類、概念描述、偏差檢測。數(shù)據(jù)挖掘 （Data Mining，DM）可以在大量數(shù)據(jù)中尋找規(guī)律，能夠管理保存計算機(jī)產(chǎn)生的圖像、音頻等數(shù)據(jù)，并在大量數(shù)據(jù)中凝練提取出其中的有用部分，根據(jù)現(xiàn)有數(shù)據(jù)訓(xùn)練出一個模型，自動預(yù)測后來的發(fā)展趨勢。通過車輛挖掘云服務(wù)，根據(jù)現(xiàn)有車道線，識別前方車輛數(shù)據(jù)，能夠?qū)崿F(xiàn)智能車轉(zhuǎn)向預(yù)測以及偏差檢測。高效的數(shù)據(jù)處理能力，能夠快速發(fā)布預(yù)警信息，識別道路、行人信息，預(yù)防事故發(fā)生。

3.3 智能交通云服務(wù)

云計算是另一項獨(dú)特的特色服務(wù)，可將實時應(yīng)用程序提升到一個全新的水平。云計算服務(wù)基本上有助于通過因特網(wǎng)在網(wǎng)絡(luò)中提供共享資源。云計算和VANET的集成模型，即車載云在實現(xiàn)車載網(wǎng)絡(luò)和智能交通監(jiān)控系統(tǒng)中的實時安全應(yīng)用中起著重要作用。

4 結(jié)語

隨著無人駕駛汽車的發(fā)展，汽車上產(chǎn)生的數(shù)據(jù)量必然增多，如何快速處理、分析數(shù)據(jù)成為了無人車發(fā)展必不可少的一環(huán)。隨著云平臺的迅猛發(fā)展，在智能泊車服務(wù)、車輛數(shù)據(jù)挖掘服務(wù)、智能交通云服務(wù)越來越多。在未來，無人車在處理視覺、底層、控制層的數(shù)據(jù)能力將大大提升，將在無人駕駛方面扮演越來越重要的角色。