李克強，常雪陽，李家文，許 慶，高博麟，潘濟安

(1. 清華大學(xué)，汽車安全與節(jié)能國家重點實驗室，北京 100084；2. 啟迪云控(北京)科技有限公司，北京 100084)

前言

自動駕駛是汽車與交通領(lǐng)域的顛覆性技術(shù)，正引發(fā)學(xué)術(shù)界和工業(yè)界開展廣泛且深入的研究。單車自動駕駛的實現(xiàn)面臨不可逾越的技術(shù)瓶頸，而基于新一代信息與通信技術(shù)的智能網(wǎng)聯(lián)汽車(intelligent and connected vehicles，ICVs)[1]能有效解決其技術(shù)難題，并產(chǎn)生新的汽車交通系統(tǒng)形態(tài)。研發(fā)和應(yīng)用智能網(wǎng)聯(lián)汽車系統(tǒng)，不僅需要常規(guī)車路協(xié)同和車聯(lián)網(wǎng)信息服務(wù)技術(shù)，還必須探索實現(xiàn)人、車、路、云的深度融合和系統(tǒng)重構(gòu)，以面向各種場景進行復(fù)雜系統(tǒng)的融合感知、決策與控制。

在車路協(xié)同領(lǐng)域，有研究實現(xiàn)了路側(cè)設(shè)備輔助或車車通信下的高速公路編隊自動駕駛與多種輔助駕駛[2－4]，然而這些技術(shù)沒有考慮云端平臺，由于分散架構(gòu)下路側(cè)設(shè)備性能與協(xié)作能力的局限，其難以對全域智能網(wǎng)聯(lián)汽車的運行進行整體優(yōu)化。在車聯(lián)網(wǎng)云服務(wù)領(lǐng)域，最初關(guān)注點為提供管理與信息服務(wù)，有基于公共平臺[5]與基于自組織網(wǎng)絡(luò)[6－7]兩種主要方式，但未能涉及車輛行駛優(yōu)化。近年來，有學(xué)者開始探索車路云的結(jié)合，側(cè)重面向信息服務(wù)的系統(tǒng)架構(gòu)[8－10]、計算分層結(jié)構(gòu)[11]、系統(tǒng)級的通信技術(shù)與隊列控制方法[12]、云與邊緣控制器的切換方法[13]、交通信息提示[14－15]、交通流狀態(tài)估計[16]、邊緣計算卸載服務(wù)[17]等，但這些研究不具備實現(xiàn)復(fù)雜交通場景下融合感知、決策與控制的車路云一體化系統(tǒng)的概念，難以支撐面向不同功能與場景的各類網(wǎng)聯(lián)自動駕駛應(yīng)用。

針對上述問題，本文中首先提出智能網(wǎng)聯(lián)汽車云控系統(tǒng)(簡稱“云控系統(tǒng)”)的概念。系統(tǒng)利用新一代信息與通信技術(shù)，將人、車、路、云的物理層、信息層、應(yīng)用層連為一體，進行融合感知、決策與控制，可實現(xiàn)車輛行駛、交通運行安全和效率等性能的綜合提升。系統(tǒng)由云控平臺、路側(cè)基礎(chǔ)設(shè)施、網(wǎng)聯(lián)式智能汽車、通信網(wǎng)與資源平臺組成。云控平臺通過網(wǎng)聯(lián)式智能汽車、路側(cè)基礎(chǔ)設(shè)施與資源平臺的融合感知，形成物理交通系統(tǒng)的實時數(shù)字映射，進而進行分層融合決策，并對網(wǎng)聯(lián)式智能汽車與路側(cè)基礎(chǔ)設(shè)施實施融合控制，實現(xiàn)車輛行駛與交通信號的實時調(diào)節(jié)，以優(yōu)化車輛與交通運行的安全、效率等性能?；谔岢龅闹悄芫W(wǎng)聯(lián)汽車云控系統(tǒng)概念，本文中設(shè)計了系統(tǒng)的車路云融合架構(gòu)、基于CPS 理論的工作原理和5 方面的關(guān)鍵技術(shù)體系；隨后，針對系統(tǒng)實際應(yīng)用的技術(shù)要求，研究邊緣云上的車路融合感知技術(shù)與時變時延下車輛控制技術(shù)，并搭建用于提升真實道路混合交通性能的云控系統(tǒng)；最后，通過算法仿真與道路試驗，驗證系統(tǒng)的車路融合感知與網(wǎng)聯(lián)車輛控制的性能，并展示系統(tǒng)應(yīng)用于真實交通環(huán)境的可行性與先進性。

1 智能網(wǎng)聯(lián)汽車云控系統(tǒng)架構(gòu)

本文中提出的智能網(wǎng)聯(lián)汽車云控系統(tǒng)是以云控平臺為核心、面向智能網(wǎng)聯(lián)汽車與交通的一體化優(yōu)化系統(tǒng)。云控系統(tǒng)由云控平臺、路側(cè)基礎(chǔ)設(shè)施、網(wǎng)聯(lián)式智能汽車、通信網(wǎng)與資源平臺組成，其基本架構(gòu)如圖1 所示。通信網(wǎng)連接人車路云各節(jié)點，網(wǎng)聯(lián)式智能汽車、路側(cè)基礎(chǔ)設(shè)施和資源平臺與云控平臺相連。

(1)云控平臺

圖1 智能網(wǎng)聯(lián)汽車云控系統(tǒng)基本架構(gòu)

云控平臺是構(gòu)建車路云標準通信與實時計算環(huán)境、實時融合車路云數(shù)據(jù)、進而統(tǒng)一協(xié)調(diào)運行智能網(wǎng)聯(lián)駕駛與智能交通應(yīng)用(簡稱“協(xié)同應(yīng)用”)、支撐云控系統(tǒng)進行車輛及其交通運行性能優(yōu)化的云平臺，由云控基礎(chǔ)平臺與協(xié)同應(yīng)用組成。云控基礎(chǔ)平臺為協(xié)同應(yīng)用提供通信鏈路、交通全要素實時數(shù)據(jù)與應(yīng)用實時運行環(huán)境。云控平臺根據(jù)車輛與交通運行優(yōu)化需求，對云控基礎(chǔ)平臺和協(xié)同應(yīng)用進行統(tǒng)一調(diào)控與管理。為更好支撐對實時性和服務(wù)力度有不同要求的協(xié)同應(yīng)用，云控基礎(chǔ)平臺具有邊緣云、區(qū)域云與中心云3 級架構(gòu)，邏輯統(tǒng)一，物理分散，實現(xiàn)協(xié)同應(yīng)用的按需動態(tài)運行。邊緣云(含邊緣計算節(jié)點)通常服務(wù)街或區(qū)，主要運行實時協(xié)同應(yīng)用；區(qū)域云通常服務(wù)市或省，主要運行準實時協(xié)同應(yīng)用；中心云服務(wù)全國，運行非實時應(yīng)用。上一級云協(xié)調(diào)下一級云，其服務(wù)實時性逐級降低，服務(wù)力度依次增大。

設(shè)計云控平臺的總體技術(shù)架構(gòu)如圖2 所示，重點針對以下4 方面問題。

為打破目前車路云形成信息孤島的困境，云控系統(tǒng)使用統(tǒng)一的標準化機制進行車路云通信，以實現(xiàn)高效廣泛互聯(lián)與高性能傳輸。云控平臺利用軟件定義網(wǎng)絡(luò)與網(wǎng)絡(luò)功能虛擬化等先進技術(shù)，對通信需求與網(wǎng)絡(luò)狀態(tài)進行實時監(jiān)控與預(yù)測，實現(xiàn)云控平臺與通信網(wǎng)上通信過程的動態(tài)調(diào)控，以提升通信效率與可靠性。

為滿足各類協(xié)同應(yīng)用對各交通要素數(shù)據(jù)的共性需求，云控平臺統(tǒng)一利用網(wǎng)聯(lián)式智能汽車與路側(cè)基礎(chǔ)設(shè)施的感知能力和資源平臺的數(shù)據(jù)，通過各級云上的實時感知信息分級融合，構(gòu)建全域交通全要素的高精度實時數(shù)字映射即數(shù)字孿生digital twin，以高精度動態(tài)地圖形式，為廣泛的協(xié)同應(yīng)用提供運行所需的各類實時數(shù)據(jù)。

圖2 云控平臺總體技術(shù)架構(gòu)

為應(yīng)對高并發(fā)下協(xié)同應(yīng)用所調(diào)控物理對象的行為相互沖突的問題，云控平臺構(gòu)建多目標多任務(wù)協(xié)同的應(yīng)用整體編排框架，對協(xié)同應(yīng)用運行方式與行為進行整體規(guī)劃，保障其性能的充分利用，提升云控系統(tǒng)，優(yōu)化車輛與交通運行的性能。

為協(xié)調(diào)高并發(fā)下協(xié)同應(yīng)用爭搶計算資源的問題，云控平臺建立統(tǒng)一計算編排框架，根據(jù)協(xié)同應(yīng)用與場景，基于虛擬化、容器與微服務(wù)等技術(shù)，對系統(tǒng)計算資源使用進行統(tǒng)一優(yōu)化配置，實現(xiàn)協(xié)同應(yīng)用高并發(fā)地按需實時運行，保障協(xié)同應(yīng)用服務(wù)于車輛與交通運行優(yōu)化的安全性與預(yù)期性能。

(2)路側(cè)基礎(chǔ)設(shè)施

路側(cè)基礎(chǔ)設(shè)施是布置在道路附近的實現(xiàn)人車路互聯(lián)互通、融合感知、局部輔助定位等功能的設(shè)備集合。通過優(yōu)化設(shè)計而布置的路側(cè)傳感器支撐云控系統(tǒng)對混合交通的融合感知。路側(cè)通信設(shè)備增強云控系統(tǒng)的通信覆蓋范圍與可靠性，構(gòu)建前端的閉環(huán)反饋鏈路。

(3)通信網(wǎng)

云控系統(tǒng)集成異構(gòu)通信網(wǎng)絡(luò)，基于標準化通信機制，實現(xiàn)系統(tǒng)中人、車、路、云的廣泛互聯(lián)通信，利用5G、軟件定義網(wǎng)絡(luò)等先進通信技術(shù)實現(xiàn)高性能與高可控性。

(4)網(wǎng)聯(lián)式智能汽車

網(wǎng)聯(lián)式智能汽車連接云控基礎(chǔ)平臺、路側(cè)基礎(chǔ)設(shè)施與其他車輛，共享車端數(shù)據(jù)，接收協(xié)同應(yīng)用的輸出并做出響應(yīng)。網(wǎng)聯(lián)式智能汽車是云控系統(tǒng)的數(shù)據(jù)源與受控對象。云控系統(tǒng)不僅直接提升網(wǎng)聯(lián)式智能汽車的行駛性能，還利用網(wǎng)聯(lián)式智能汽車對其所處混合交通的行為進行優(yōu)化。

(5)資源平臺

資源平臺是提供協(xié)同應(yīng)用運行所需其他數(shù)據(jù)的專業(yè)平臺，涉及高精地圖、地基增強定位、氣象、交通管理、公安等。

圖3 智能網(wǎng)聯(lián)汽車云控系統(tǒng)工作原理示意圖

智能網(wǎng)聯(lián)汽車云控系統(tǒng)的工作原理源于信息物理系統(tǒng)理論，如圖3 所示。云控系統(tǒng)基于標準化通信與實時數(shù)字映射構(gòu)建信息映射層，標準化通信實現(xiàn)物理空間與信息空間之間的通信鏈路與反饋控制閉環(huán)，實時數(shù)字映射構(gòu)建物理空間的人(駕乘人員、行人、車輛與交通管理者等)、網(wǎng)聯(lián)式智能汽車、道路網(wǎng)、信息網(wǎng)、感知網(wǎng)等對象在信息空間的模型與實時狀態(tài)；基于對系統(tǒng)計算資源與協(xié)同應(yīng)用的統(tǒng)一編排而構(gòu)建融合應(yīng)用層，實現(xiàn)智能網(wǎng)聯(lián)駕駛與智能交通相關(guān)應(yīng)用在信息空間中高并發(fā)地按需實時運行；將協(xié)同應(yīng)用的輸出反饋到物理空間的車輛與交通信號上，進行全域車輛與交通運行的分層優(yōu)化，實現(xiàn)安全、效率等性能的綜合提升。云控系統(tǒng)融合了車輛、路側(cè)基礎(chǔ)設(shè)施與云平臺的能力，以網(wǎng)聯(lián)調(diào)控方式優(yōu)化車輛行駛與交通運行，因此智能網(wǎng)聯(lián)汽車云控系統(tǒng)也可被稱為車路云融合控制系統(tǒng)。

2 系統(tǒng)特征與關(guān)鍵技術(shù)

2.1 系統(tǒng)特征

根據(jù)工作原理，云控系統(tǒng)同時具備如下核心特征，使其區(qū)別于現(xiàn)有車聯(lián)網(wǎng)與車路協(xié)同系統(tǒng)。

(1)車路云泛在互聯(lián):云控系統(tǒng)全域范圍內(nèi)車路云各異構(gòu)節(jié)點，通過標準化通信機制進行廣泛互聯(lián)通信，打通信息孤島，構(gòu)建起用于支持融合控制的閉環(huán)通信鏈路。

(2)交通全要素數(shù)字映射:云控系統(tǒng)通過對從車路云實時獲取的各交通要素數(shù)據(jù)進行分級融合，構(gòu)建物理世界在信息空間的實時數(shù)字映射，統(tǒng)一為不同協(xié)同應(yīng)用提供運行所需的交通要素實時數(shù)據(jù)，破解混合交通感知難題。

(3)全局性能優(yōu)化:云控系統(tǒng)通過對協(xié)同應(yīng)用運行方式與行為進行統(tǒng)一編排，消解應(yīng)用間行為沖突，利用各應(yīng)用的優(yōu)勢性能，進一步提升系統(tǒng)優(yōu)化車輛與交通運行的性能。

(4)高效計算調(diào)度:云控系統(tǒng)基于協(xié)同應(yīng)用動態(tài)運行要求，通過對計算資源使用的整體動態(tài)優(yōu)化調(diào)度，確保系統(tǒng)資源的高效利用，實現(xiàn)全域協(xié)同應(yīng)用實時運行的高并發(fā)性，保障所服務(wù)車輛與交通的運行安全與性能。

(5)系統(tǒng)運行高可靠:云控系統(tǒng)通過對感知、計算、應(yīng)用實例等方面的可靠性動態(tài)需求分析與多重備份等方式，實現(xiàn)系統(tǒng)的車輛與交通運行優(yōu)化的高可靠性。

2.2 關(guān)鍵技術(shù)

為支撐智能網(wǎng)聯(lián)汽車云控系統(tǒng)的上述5 大特征，基于總體技術(shù)架構(gòu)，在通信、感知、計算、應(yīng)用、可靠性等5 個方面，設(shè)計云控系統(tǒng)以下關(guān)鍵技術(shù)及其參考架構(gòu)。

(1)車路云標準化通信技術(shù)

車路云標準化通信技術(shù)以標準化機制構(gòu)建云控系統(tǒng)的車、路、云的廣泛互聯(lián)，實現(xiàn)高并發(fā)通信的高性能、安全性與可定制性。具體關(guān)鍵技術(shù)有異構(gòu)通信、標準通信協(xié)議與應(yīng)用協(xié)議管理、高性能消息中間件、通信性能全局動態(tài)優(yōu)化、信息安全動態(tài)保障等。其參考架構(gòu)如圖4 所示。

圖4 車路云標準化通信技術(shù)參考架構(gòu)

(2)車路云融合感知技術(shù)

車路云融合感知技術(shù)將云控平臺獲取的車路云感知信息，在邊緣云上進行目標級感知融合，在區(qū)域云上進行交通級感知融合，形成交通全要素實時數(shù)字映射，并在中心云上構(gòu)建數(shù)據(jù)集。每個邊緣云與區(qū)域云與相鄰的同級云進行信息同步與共享，以提升響應(yīng)與可靠性。其參考架構(gòu)如圖5 所示。

圖5 車路云融合感知技術(shù)參考架構(gòu)

(3)應(yīng)用整體編排技術(shù)

應(yīng)用整體編排技術(shù)將協(xié)同應(yīng)用按服務(wù)對象與功能在云控平臺進行分級部署。區(qū)域云考慮交通整體性能，進行集中式應(yīng)用編排，規(guī)劃協(xié)同應(yīng)用整體的生命周期與行為。隨后，區(qū)域云與邊緣云考慮個體需求對每個協(xié)同應(yīng)用進行動態(tài)調(diào)控，以消解應(yīng)用間行為沖突，最大化系統(tǒng)總體優(yōu)化性能。其參考架構(gòu)如圖6 所示。

圖6 應(yīng)用整體編排技術(shù)參考架構(gòu)

(4)統(tǒng)一計算編排技術(shù)

統(tǒng)一計算編排技術(shù)根據(jù)協(xié)同應(yīng)用的計算要求與應(yīng)用整體編排的規(guī)劃，由區(qū)域云進行集中式優(yōu)化，確定協(xié)同應(yīng)用的部署與運行方式及算力配置，以最大化系統(tǒng)當前狀態(tài)下可靠運行的協(xié)同應(yīng)用的總效用，由區(qū)域云與邊緣云進行各應(yīng)用的計算與運行調(diào)度。其參考架構(gòu)如圖7 所示。

圖7 統(tǒng)一計算編排技術(shù)參考架構(gòu)

(5)運行保障技術(shù)

運行保障技術(shù)通過節(jié)點與鏈路的動態(tài)備份提升云控平臺的可靠性，通過車端自動駕駛與協(xié)同應(yīng)用的協(xié)作來克服系統(tǒng)運行工況波動的影響。車端還部署安全模式應(yīng)用，以在極端工況下安全地切換到單車自主控制。其參考架構(gòu)如圖8所示。

圖8 運行保障技術(shù)參考架構(gòu)

3 云控系統(tǒng)應(yīng)用

云控系統(tǒng)是復(fù)雜的網(wǎng)聯(lián)控制系統(tǒng)，需要解決眾多系統(tǒng)要素的狀態(tài)觀測與融合問題，需要克服網(wǎng)聯(lián)控制鏈路時變時延對控制性能的影響。因此，有必要基于前述關(guān)鍵技術(shù)參考架構(gòu)，研究邊緣云車路融合感知方法與時變時延下網(wǎng)聯(lián)車輛控制方法。

3.1 邊緣云車路融合感知

車路融合感知用以提高云控系統(tǒng)感知交通與環(huán)境狀態(tài)的范圍與性能。針對多源傳感器信息融合這一核心問題，提出邊緣云上融合不同通信鏈路的車路融合感知技術(shù)架構(gòu)，如圖9 所示。

圖9 邊緣云車路融合感知技術(shù)架構(gòu)

實現(xiàn)上述技術(shù)架構(gòu)，可采用如下具體方法。首先，采用恒角速度與加速度運動模型對目標軌跡狀態(tài)進行預(yù)測。接著，分別采用全局最近鄰域法與聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)法等方法，進行不同類型傳感器量測與目標軌跡的數(shù)據(jù)關(guān)聯(lián)。然后，根據(jù)數(shù)據(jù)關(guān)聯(lián)結(jié)果，利用擴展卡爾曼濾波對目標狀態(tài)進行融合更新。最后，基于證據(jù)理論對目標軌跡生命周期進行管理，處理軌跡狀態(tài)的不確定性。

3.2 時變時延下車輛控制

云控系統(tǒng)的車輛融合控制需克服通信、計算等環(huán)節(jié)時變時延的影響。針對時變時延下車輛控制穩(wěn)定性這一關(guān)鍵問題，提出邊緣云上適用于多種融合控制場景的網(wǎng)聯(lián)車輛控制技術(shù)架構(gòu)，如圖10 所示。

圖10 網(wǎng)聯(lián)車輛控制技術(shù)架構(gòu)

建立如下適用于多種場景的車輛控制系統(tǒng):

式中:x(k)為狀態(tài)向量；A為系統(tǒng)矩陣；u(k)為控制向量；B為控制輸入矩陣；v(k)為控制目標向量；G為控制目標輸入矩陣。假設(shè)傳感器、控制器與執(zhí)行器采樣周期相等，最大時延持續(xù)周期數(shù)為N，設(shè)計時變時延下狀態(tài)反饋控制器:

式中:K為控制器增益；τ(k)為時變時延周期數(shù)；φ(k)為初始條件。通過將式(5)的控制器應(yīng)用于式(4)的系統(tǒng)，建模網(wǎng)聯(lián)車輛控制系統(tǒng):

將時變時延τ(k)建模為馬爾可夫過程，服從給定狀態(tài)轉(zhuǎn)移概率。

架構(gòu)中控制器求解模塊與時延下控制器模塊采用團隊研究的控制器設(shè)計方法及對數(shù)量化切換控制器[19]。具體地，式(6)可轉(zhuǎn)化為如下增廣系統(tǒng):

式中βi為控制器參數(shù)，i＝0，…，N。控制器采用根據(jù)時延切換的對數(shù)量化控制器，控制器參數(shù)通過求解系統(tǒng)參數(shù)相關(guān)的線性矩陣不等式[19]確定。

4 云控系統(tǒng)驗證

為驗證云控系統(tǒng)應(yīng)用的先進性與實現(xiàn)的可行性。進行云控關(guān)鍵感知、規(guī)劃與控制技術(shù)的仿真試驗。搭建服務(wù)真實道路的云控系統(tǒng)，開展云端計算與路側(cè)融合感知試驗，進行車路云融合下協(xié)同應(yīng)用道路試驗。

4.1 融合感知仿真

為驗證云控系統(tǒng)的車路融合感知對比車端感知與路側(cè)感知的性能優(yōu)勢，進行了基于SUMO 仿真平臺的道路上感知仿真。對感知與融合過程進行簡化建模，不考慮感知目標相互遮擋，假設(shè)量測的位置誤差與目標距離呈線性關(guān)系。在表1 參數(shù)的混合交通場景(示意圖見圖11)下進行仿真，仿真結(jié)果見圖12與圖13。

表1 道路上感知仿真參數(shù)

圖11 道路上感知場景示意

圖12 顯示了不同技術(shù)下道路上車輛在不同時刻被感知的數(shù)量比例，可見車路融合感知具有最大的感知空間范圍，道路上被感知車輛比例相比車端感知平均提升18%，相比路側(cè)感知平均提升21%。圖13 表明了車路融合感知能減小車輛位置測量的最小誤差，相比車端感知最多減小43%，相比路側(cè)感知最多減少83%。

圖12 路段車輛被感知數(shù)量比例

圖13 融合感知位置測量最小誤差減小量

4.2 路網(wǎng)車輛與交通融合規(guī)劃仿真

為驗證云控系統(tǒng)優(yōu)化路網(wǎng)范圍車輛與交通運行的能力，進行了路網(wǎng)車輛與交通融合規(guī)劃仿真。云控系統(tǒng)統(tǒng)一調(diào)度交通信號、ICV 行駛路線與多車編隊，提升車輛與交通的運行效率。仿真場景為圖14所示路網(wǎng)，采用圖15 所示交通信號相位分類。交通工況為主路流量 720 ～3 600 輛/h，ICV 滲透率為20%～100%，輔路參數(shù)為主路的60%。對比方法為交通信號協(xié)同優(yōu)化。

圖14 城市路網(wǎng)仿真場景

圖15 路口交通信號相位

融合規(guī)劃結(jié)果如圖16 所示，性能如圖17 所示。結(jié)果顯示，云控系統(tǒng)的融合規(guī)劃相比交通信號優(yōu)化，能在不同交通流量與ICV 滲透率下進一步提升通行效率，性能提升量基本與滲透率正相關(guān)，這體現(xiàn)了云控系統(tǒng)車路云融合的優(yōu)勢。

圖16 部分融合規(guī)劃結(jié)果

圖17 融合規(guī)劃性能提升

4.3 時變時延下控制仿真

為驗證云控系統(tǒng)實施網(wǎng)聯(lián)車輛控制的可行性，進行了時變時延下網(wǎng)聯(lián)跟車控制仿真?？刂破髦胁捎梦墨I[20]的跟車系統(tǒng)模型。時變時延由馬爾可夫模型生成，最大時延 250 ms。選取 LQR(linear quadratic regulator)控制器作為對比，基于Simulink仿真平臺進行仿真。前車速度曲線如圖18 所示。

圖18 網(wǎng)聯(lián)跟車速度跟蹤

仿真中最大時延占比約88%，控制結(jié)果見圖18與圖19。在速度跟蹤上，本控制器總體上優(yōu)于LQR控制器，速度控制平滑，平均調(diào)整時間更短，而LQR控制器在減速時速度控制出現(xiàn)振蕩。在跟蹤誤差上，本控制器整體誤差更小，且誤差變化更平順?？梢?，云控系統(tǒng)能使用考慮時延的控制器在時變時延下進行有效的網(wǎng)聯(lián)車輛控制。

4.4 云控系統(tǒng)搭建

為驗證智能網(wǎng)聯(lián)汽車云控系統(tǒng)實際應(yīng)用的可行性，搭建了面向城市道路與高速公路的云控系統(tǒng)，如圖20 與圖21 所示，實現(xiàn)了異構(gòu)通信、路側(cè)融合感知、協(xié)同應(yīng)用按需運行等功能。

圖19 網(wǎng)聯(lián)跟車控制誤差

圖20 云控系統(tǒng)組成

圖21 路側(cè)基礎(chǔ)設(shè)施布置

4.5 云控基礎(chǔ)平臺性能試驗

為驗證云控基礎(chǔ)平臺實現(xiàn)協(xié)同應(yīng)用實時運行的能力，進行了路側(cè)感知數(shù)據(jù)并發(fā)輸入下云控基礎(chǔ)平臺底層處理耗時試驗。計時包括的環(huán)節(jié)有通信接口、數(shù)據(jù)包解析、消息中間件、消息生成等。使用4臺服務(wù)器物理機，配置為32 核處理器，128 GB 內(nèi)存，1 000 MB 網(wǎng)卡。輸入數(shù)據(jù)為路側(cè)基礎(chǔ)設(shè)施感知數(shù)據(jù)回放。測試工況為50 套路側(cè)基礎(chǔ)設(shè)施數(shù)據(jù)并發(fā)輸入，每套設(shè)施的數(shù)據(jù)產(chǎn)生頻率為10 Hz，試驗中數(shù)據(jù)輸入總量9 128 萬條。試驗所得耗時分布如圖22 所示。平均耗時 6.3 ms，10 ms 及以下耗時占比99.58%，最大耗時 102 ms，出現(xiàn) 1 次。測試中物理機處理器占用小于16%，內(nèi)存使用小于25 GB。網(wǎng)聯(lián)協(xié)同控制應(yīng)用工作頻率為10 Hz 量級，考慮通信時延與算法耗時，試驗結(jié)果表明了云控基礎(chǔ)平臺已具備支撐實時協(xié)同應(yīng)用的能力。

圖22 云控基礎(chǔ)平臺底層耗時分布

4.6 路側(cè)融合感知試驗

為驗證云控系統(tǒng)路側(cè)融合感知技術(shù)支撐網(wǎng)聯(lián)式自動駕駛的可行性，進行了感知精度試驗，結(jié)果如圖23 和圖24 所示。位置測量精度基本與目標距離正相關(guān)，速度測量精度受距離影響不顯著。參數(shù)測量精度達到了部分網(wǎng)聯(lián)式自動駕駛場景的要求，可支撐云控系統(tǒng)實施相應(yīng)協(xié)同應(yīng)用。

圖23 路側(cè)融合感知結(jié)果

圖24 路側(cè)融合感知性能

4.7 路口讓行協(xié)同決策道路試驗

為驗證云控系統(tǒng)在混合交通中進行車輛運行優(yōu)化的可行性，開展了路口讓行協(xié)同決策道路試驗。場景為T 型交叉路口，如圖25 所示。云控系統(tǒng)對路側(cè)感知識別的主路直行車與支路將右轉(zhuǎn)網(wǎng)聯(lián)車的運動進行預(yù)測，針對路口通行沖突為右轉(zhuǎn)車規(guī)劃讓行駕駛策略，減少其停車讓行直行車的情況，消解通行沖突，提高行車效率與舒適性。圖26 的道路試驗結(jié)果顯示，系統(tǒng)正確預(yù)測了通行沖突，合理提示了駕駛策略，使右轉(zhuǎn)車成功減速讓行了直行車，提升了其行車效率。

圖25 路口讓行場景

圖26 路口讓行道路試驗結(jié)果

4.8 多車協(xié)同換道道路試驗

為驗證云控系統(tǒng)進行多車協(xié)同的可行性，開展了多車協(xié)同換道道路試驗。場景為交叉路口前的多車道路段，如圖27 所示。云控系統(tǒng)協(xié)調(diào)右側(cè)車道影響換道的網(wǎng)聯(lián)式智能汽車改變車速讓出換道空間，幫助左側(cè)車道的網(wǎng)聯(lián)式智能汽車順利向右換道以在路口右轉(zhuǎn)，避免因其難以換道而阻礙后方交通。試驗結(jié)果如圖28 所示，系統(tǒng)有效地通過提示右側(cè)車道的兩輛車在可行時改變車速讓出足夠換道的車間距實現(xiàn)協(xié)同換道。

圖27 協(xié)同換道試驗場景與試驗過程

圖28 協(xié)同換道道路試驗結(jié)果

5 結(jié)論

本文中提出了車路云一體化融合的智能網(wǎng)聯(lián)汽車云控系統(tǒng)，探討了該系統(tǒng)同時具備的5 個特征，設(shè)計了車路云融合架構(gòu)下對應(yīng)5 個特征的5 個方面關(guān)鍵技術(shù)架構(gòu)，研究了邊緣云上的車路融合感知技術(shù)與時變時延下車輛控制技術(shù)，開發(fā)了面向真實道路的云控系統(tǒng)，進行了關(guān)鍵感知、規(guī)劃與控制技術(shù)的仿真，并開展了云控系統(tǒng)云端計算、融合感知與協(xié)同應(yīng)用的試驗，得到以下結(jié)論。

(1)云控系統(tǒng)是信息物理系統(tǒng)理論在智能網(wǎng)聯(lián)汽車領(lǐng)域的典型應(yīng)用。云控系統(tǒng)在物理空間的物理系統(tǒng)層之上構(gòu)建信息空間的信息映射層與融合應(yīng)用層，進行車路云融合感知、決策與控制，實現(xiàn)車輛行駛和交通運行安全、效率等性能的綜合提升。

(2)云控系統(tǒng)同時具備車路云泛在互聯(lián)、交通全要素數(shù)字映射、全局性能優(yōu)化、高效計算調(diào)度、系統(tǒng)運行高可靠等5 個特征，是其實現(xiàn)全域車輛與交通運行性能優(yōu)化的核心條件。車路云標準化通信、車路云融合感知、應(yīng)用整體編排、統(tǒng)一計算編排、運行保障等5 個方面關(guān)鍵技術(shù)，是保證上述核心條件的重要基礎(chǔ)。

(3)云控系統(tǒng)能應(yīng)用于真實交通環(huán)境，提升車輛與混合交通的運行性能。仿真與道路試驗表明，云控系統(tǒng)的車路融合感知具有感知范圍與跟蹤時間等方面優(yōu)勢，路網(wǎng)車輛與交通融合規(guī)劃能統(tǒng)一協(xié)調(diào)ICV 與交通信號提升混合交通效率，網(wǎng)聯(lián)車輛控制能在時變時延下保證車輛穩(wěn)定，所搭建的云控系統(tǒng)能通過云端計算與路側(cè)融合感知，進行針對混合交通與多車協(xié)同的車輛與交通運行優(yōu)化。