倪俊， 姜旭， 熊周兵， 周波

(1.北京理工大學 機械與車輛學院，北京 100081；2.北京理工大學 重慶創(chuàng)新中心，重慶 401147)

無人車是民用及軍用車輛領域的重要發(fā)展對象，被認為將改變未來人類生活方式及新一代陸軍裝備作戰(zhàn)形式，對我國國民經(jīng)濟發(fā)展與國防安全建設有重要戰(zhàn)略意義. 近年來，一方面，互聯(lián)網(wǎng)技術的迅速發(fā)展和人工智能的廣泛應用給汽車工業(yè)帶來了深刻的變革，促進了車輛自動駕駛技術的愈發(fā)成熟；另一方面，具有大帶寬和低延時等特點的5G通信技術的逐步商用為自動駕駛技術的發(fā)展提供了新的契機. 相比自動駕駛乘用車，用于替代人類執(zhí)行作業(yè)任務的功能型無人車，包括無人配送車、無人接駁車、無人公交車、無人巡邏車等功能型無人車將具有更快的產業(yè)化應用前景，成為未來智能交通與智慧城市建設中的重要組成部分. 2020年，由國家發(fā)改委等11部委聯(lián)合發(fā)布的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》明確指出，“2025年，實現(xiàn)高度自動駕駛的智能汽車在特定環(huán)境下市場化應用”.

大數(shù)據(jù)技術被廣泛認為將對人類生活產生深遠影響. 2012年，聯(lián)合國發(fā)布《大數(shù)據(jù)促發(fā)展:挑戰(zhàn)與機遇》，指出大數(shù)據(jù)時代已經(jīng)到來. 我國準確把握大數(shù)據(jù)發(fā)展機遇，大力推動大數(shù)據(jù)技術的發(fā)展. 2015年10月，黨的十八屆五中全會正式提出“實施國家大數(shù)據(jù)戰(zhàn)略，推進數(shù)據(jù)資源開放共享”，表明我國已將大數(shù)據(jù)上升為國家戰(zhàn)略. 同時，大數(shù)據(jù)的發(fā)展促進了云控制技術的發(fā)展. 大數(shù)據(jù)與云控制技術將會對包括智能交通領域等在內的多個國民經(jīng)濟領域產生推動作用，成為我國科學技術與經(jīng)濟建設的新動力.

本文旨在綜述大數(shù)據(jù)與云控制技術在無人車領域的應用，并對其關鍵技術未來發(fā)展趨勢進行討論. 本文首先綜述了大數(shù)據(jù)技術在車輛領域的應用現(xiàn)狀，以團隊所研制的系列化功能型無人車為例，介紹了無人物流車、無人巡邏車和無人接駁車等典型無人車的研究現(xiàn)狀，結合團隊所研制的無人車云大腦集群控制中心，展望了大數(shù)據(jù)與云控制技術在無人車領域的應用前景.

1 大數(shù)據(jù)與云控制技術

隨著人類社會的不斷發(fā)展，數(shù)據(jù)產生的速度和總量出現(xiàn)了爆炸式增長. 美國知名咨詢公司麥肯錫在其報告中給出了大數(shù)據(jù)的定義：大數(shù)據(jù)指的是那些大小超過標準數(shù)據(jù)庫工具軟件能夠收集、存儲、管理和分析的數(shù)據(jù)集. 業(yè)界普遍認為大數(shù)據(jù)具有“5V”特征——Volume(大量化),Variety(多樣化),Value(價值化),Velocity(高速化),Veracity(真實性). 數(shù)據(jù)分析技術是實現(xiàn)大數(shù)據(jù)價值并使大數(shù)據(jù)服務人類生產生活的關鍵手段. 隨著物聯(lián)網(wǎng)技術的日益普及以及終端設備的便攜性和移動性的提高，使得數(shù)據(jù)采集更加靈活有效. 針對車輛領域的數(shù)據(jù)采集技術而言，數(shù)據(jù)一般通過車載傳感器采集. 數(shù)據(jù)挖掘技術是挖掘大數(shù)據(jù)背后物理意義的關鍵技術. 根據(jù)數(shù)據(jù)挖掘知識類型的不同，數(shù)據(jù)挖掘分為聚類、分類、偏差分析、關聯(lián)、特征化、相似性分析等類型. 根據(jù)所使用的數(shù)據(jù)分析方法的不同，數(shù)據(jù)挖掘又分為基于數(shù)據(jù)庫技術、數(shù)理統(tǒng)計技術、機器學習技術或人工神經(jīng)網(wǎng)絡技術等類型. 在實際的應用中，分類是數(shù)據(jù)挖掘技術的常用分析手段之一[1]. 分類的任務是對數(shù)據(jù)集進行學習，從而構造一個擁有預測功能的分類函數(shù)或分類模型. 分類的代表性算法有樸素貝葉斯算法、支持向量機算法(SVM)、BP神經(jīng)網(wǎng)絡算法、KNN最近鄰算法、C4.5決策樹算法等. 關聯(lián)分析[2]用于尋找數(shù)據(jù)集中不同項之間的潛在的聯(lián)系，是數(shù)據(jù)挖掘技術的又一常用分析手段. 關聯(lián)分析的代表性算法是Apriori算法與FPGrowth算法以及它們的變形. 聚類分析[3]旨在發(fā)現(xiàn)緊密相關的觀測值群組，使得與屬于不同簇的觀測值相比，屬于同一簇的觀測值相互之間盡可能相似. 聚類分析的代表性算法是k-Means算法和EM算法等. 大數(shù)據(jù)的爆炸式增長和數(shù)據(jù)采集技術的發(fā)展增加了控制系統(tǒng)的通信和計算負擔，這對控制系統(tǒng)的性能提出了更高的設計要求，增加了成本. 在此背景下，云控制技術的概念應運而生. 本文將車輛云控制定義如下：將云計算、大數(shù)據(jù)技術以及人工智能技術引入到控制系統(tǒng)中，即將車載傳感器采集到的車輛運行、定位等大數(shù)據(jù)存儲在云端，在云端實現(xiàn)系統(tǒng)的在線辨識與建模，進行車輛的規(guī)劃、調度、性能預測、決策與控制優(yōu)化，并結合自適應模型預測控制、數(shù)據(jù)驅動預測控制等先進控制方法，實現(xiàn)車輛的自主智能控制.

2 大數(shù)據(jù)與云控制技術在車輛領域的應用

2.1 基于大數(shù)據(jù)的車輛性能預測技術

將基于大數(shù)據(jù)的預測技術合理地應用于車輛，實現(xiàn)車輛能耗、行駛里程等性能的準確預測，是大數(shù)據(jù)技術在車輛領域的重要應用.

有限的動力電池容量和行駛里程一直是純電動汽車發(fā)展的痛點，因此，對純電動汽車進行準確的能耗預測和行駛里程預測將大幅提高出行可靠性，對電動車的發(fā)展顯得尤為重要. 孫洪運等[4]分別利用模糊神經(jīng)網(wǎng)絡、自回歸積分滑動平均模型、反向傳播神經(jīng)網(wǎng)絡模型和支持向量機(SVM)模型實現(xiàn)了降雨條件下快速路車速的短時預測. Morlock等[5]通過車載云通信設備收集車輛實時交通數(shù)據(jù)，利用車輛速度剖面和個人駕駛風格對電動汽車的電池能量消耗進行了預測. Scheubner等[6]利用貝葉斯分類算法學習駕駛員行為和交通數(shù)據(jù)，對交通階段進行分類以達到明確評價交通狀況的目的，從而實現(xiàn)準確的基于駕駛員風格的能耗預測. Shankar R等[7]利用車輛實際運行數(shù)據(jù)建立了基于神經(jīng)網(wǎng)絡的車輛能耗預測模型.

交通事故給人民生命財產帶來了重大損失，利用大數(shù)據(jù)技術預測道路交通事故勢在必行. 另外隨著汽車保有量的增長，我國許多城市被道路交通擁堵困擾，準確預測道路交通流量并提高出行效率成為大數(shù)據(jù)技術的又一重要應用方向. 孫軼軒等[8]基于自回歸滑動平均(ARIMA)模型和支持向量回歸機(SVR)模型，構建了時間序列組合預測模型，對道路交通事故相關指標進行了趨勢預測. Abadi等[9]利用歷史交通數(shù)據(jù)建立了一種自回歸模型，可對交通流量進行短時預測，并用蒙特卡洛模擬評估了該方法的有效性. 車輛各系統(tǒng)的故障診斷和預警問題一直是車輛領域的研究熱點，利用大數(shù)據(jù)技術進行車輛故障的診斷與預警在近幾年成為研究熱點. Jichao H等[10]利用長短時記憶遞歸神經(jīng)網(wǎng)絡，提出了一種基于深度學習的電池系統(tǒng)電壓多步預測方法，對電池電壓異常具有較強的預測能力. 同樣針對動力電池故障預警問題，Wang等[11]提出了一種基于修正香農熵的電壓故障診斷方法，通過對車輛運行過程中電池電壓的監(jiān)測能及時預測電池故障的出現(xiàn).

充電負荷的準確預測對于充電站的規(guī)劃建設、充電站運行管理，乃至電網(wǎng)調度均有著十分重要的意義. 傳統(tǒng)的電力負荷預測方法主要有負荷密度法、線性回歸法和時間序列法等. 近些年來，以支持向量機(SVM)、神經(jīng)網(wǎng)絡和深度學習等大數(shù)據(jù)挖掘技術的電力負荷預測方法漸漸增多. Kong等[12]收集用戶的用電行為數(shù)據(jù)，提出一種基于記憶的深度學習預測框架，可對居民用電進行高精度預測. 金鑫等[13]基于大數(shù)據(jù)和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡建立了預測模型. 于海洋等[14]基于歷史車聯(lián)網(wǎng)數(shù)據(jù)和電動汽車充放電數(shù)據(jù)，建立了能確定影響充電行為因素的logistic回歸模型.

2.2 基于大數(shù)據(jù)的車輛行為統(tǒng)計技術

利用基于大數(shù)據(jù)的統(tǒng)計技術實現(xiàn)車輛行為數(shù)據(jù)的統(tǒng)計與分析，是大數(shù)據(jù)技術在車輛領域的另一重要應用. 車輛的行為數(shù)據(jù)包括行駛行為數(shù)據(jù)、充電行為數(shù)據(jù)、能耗行為數(shù)據(jù)等. 根據(jù)行駛行為數(shù)據(jù)可以進行單車的里程核算和運行效果評估，例如基于車輛的坐標數(shù)據(jù)進行GPS糾偏、里程核查、行駛軌跡分析、軌跡相似度判斷等，可以為結合充電需求的行駛軌跡規(guī)劃等技術提供基礎. 另外，根據(jù)車輛行駛時空數(shù)據(jù)還可以進行城市居民出行行為宏觀統(tǒng)計分析研究，針對城市居民出行的行程長度、行程時間以及活動范圍，通過聚類分析等技術分析出行行為的時空分布規(guī)律. 同時，基于車輛行駛路線的可視化，結合城市交通信息數(shù)據(jù)，可以統(tǒng)計分析城市道路交通高峰時段和非高峰時段的汽車速度和加速度分布特征，為合理制定道路管理策略以提高交通效率提供數(shù)據(jù)支撐. 對車輛的充電行為數(shù)據(jù)和能耗行為進行特征挖掘及分析，可以對城市建設充電樁規(guī)劃等分析提出定量依據(jù)，服務于政策制定與城市建設.

2.3 車輛大數(shù)據(jù)技術領域的標志性成果

由北京理工大學孫逢春院士和王震坡教授領銜的研究團隊是國內從事新能源汽車大數(shù)據(jù)技術研究的最具代表性和權威性的團隊，團隊建設了我國新能源汽車國家監(jiān)測與管理平臺，服務于我國新能源汽車的安全監(jiān)管及電池溯源等工作，對我國相關產業(yè)及技術做出了突出貢獻. 新能源汽車國家監(jiān)測與管理平臺于2016年起依托北京理工大學電動車輛國家工程實驗室建設，是全球首個國家級新能源汽車監(jiān)測與管理平臺. 截至2019年5月，平臺接入車輛突破220萬輛，預計2025年接入8 000萬輛，成為全國接入企業(yè)最多、接入數(shù)量最多、接入車型最全的第三方、國家級新能源汽車信息平臺. 此外，團隊進一步聯(lián)合相關企業(yè)、高校、學會等各方資源，共同成立了新能源汽車國家大數(shù)據(jù)聯(lián)盟，加速推進新能源汽車和大數(shù)據(jù)技術的發(fā)展，為我國新能源汽車產業(yè)發(fā)展做出了重大貢獻.

2.4 基于云控制的智能交通技術

隨著智能網(wǎng)聯(lián)汽車的發(fā)展，云控制技術在車輛領域有廣闊的應用前景. 夏元清等[15]提出一種智能交通信息物理融合云控制系統(tǒng)，基于智能交通流大數(shù)據(jù),在云控制管理中心服務器上利用深度學習和超限學習機等智能學習方法對采集的交通流數(shù)據(jù)進行訓練預測計算,能夠預測城市道路的短時交通流和擁堵狀況. 李克強等[16]總結了智能網(wǎng)聯(lián)汽車發(fā)展的技術架構，將云平臺與大數(shù)據(jù)技術列為推動智能網(wǎng)聯(lián)汽車發(fā)展的三大關鍵技術之一.

基于前期研究工作基礎[17-18]，筆者認為，大數(shù)據(jù)與云控制技術對推動功能型無人車的發(fā)展具有重要意義，主要原因為：① 功能型無人車具有完全自主行駛能力且不具有人類駕駛功能，因此對其運行安全性及可靠性的要求較其他智能車輛更高. 通過大數(shù)據(jù)技術實現(xiàn)無人車全維度數(shù)據(jù)監(jiān)控以提高其運行安全性，是推動功能型無人車服務人類生產生活的關鍵技術. ② 功能型無人車可以通過集群作業(yè)的方式以完成特定任務. 大數(shù)據(jù)技術將為大規(guī)模無人車的集群調度與控制提供重要基礎. ③ 基于邊緣端運算的傳統(tǒng)自動駕駛控制架構難以滿足高可靠性的無人車運行需求. 利用無人車云端大數(shù)據(jù)分析結果，探索“云端-邊緣端”聯(lián)合控制技術，實現(xiàn)無人車控制算法的云端在線優(yōu)化，將進一步提高無人車的綜合性能.

3 功能型無人車技術

典型的功能型無人車包括無人物流車、無人運輸車、無人接駁車、無人清掃車、無人巡邏車等，它們具有自主行駛能力并省略了人類駕駛機構，具有智能化、線控化、機器人化的特點，其使用目的為替代人類執(zhí)行作業(yè)任務，在民用或軍用領域具有廣闊的應用前景. 圍繞無人車關鍵理論與技術，本團隊開展無人車綜合動力學控制、智能決策與云端集群控制、全維度大數(shù)據(jù)云端監(jiān)控等方面的研究，成功研制了系列無人車全線控通用底盤及功能型無人車，相關成果在無人軍用車、無人警用車、無人民用車等多個領域實現(xiàn)了廣泛應用，在北京、武漢、重慶等多個省市實現(xiàn)常態(tài)化運營，服務于2019世界軍運會等國內外重大活動，創(chuàng)造了良好的社會和經(jīng)濟效益，團隊獲得了2020年中國汽車工業(yè)技術發(fā)明二等獎.

3.1 無人物流車

我國快遞業(yè)務量已超過美、日、歐等發(fā)達經(jīng)濟體之和，2018年日均快遞處理件數(shù)達1.4億件. 高昂的人工配送成本費嚴重限制了我國快遞運輸業(yè)的進一步發(fā)展. 無人物流車旨在替代人類完成物流、運輸、配送等任務，是無人車的典型應用，可大幅降低人工成本并提高城市智能化水平. 作為典型的特定場景內的功能型無人車，無人物流車的關鍵技術包括環(huán)境感知、智能決策、全線控底盤控制、云端監(jiān)管與控制等方面. 圖1所示為本團隊所研制的無人物流車，其采用了本團隊發(fā)明的全線控底盤技術，并搭載16線激光雷達、單線激光雷達、車載攝像頭、差分GPS等環(huán)境感知及導航設備，可裝載最大載重300 kg的物流快遞柜，一次性配送數(shù)10件貨物，續(xù)航能力200 km，可連續(xù)10 h/d以上作業(yè). 為實現(xiàn)在封閉場景內自主作業(yè)的需求，該款無人物流車集成了封閉場景環(huán)境感知、智能決策與路徑規(guī)劃、全線控底盤動力學控制、5G遠程監(jiān)控與集群控制等關鍵技術，目前已在重慶、北京、浙江、河北等全國多地開始示范運營，服務當?shù)刂腔劢煌ɑ蛑腔蹐@區(qū)建設.

圖1 無人物流車Fig.1 Logistics UGVs

3.2 無人巡邏車

無人巡邏車是無人車在民用領域的另一典型應用，其可用于公安領域7×24 h飽和式巡邏等警務應用，是城市立體巡防體系的重要組成部分，將對我國智慧警務升級與智慧城市建設起到重要推動作用. 與無人物流車相比，其關鍵技術除了環(huán)境感知、智能決策、全線控底盤控制、云端監(jiān)管與控制等方面以外，還包括智能識別等巡邏用關鍵技術. 圖2所示為本團隊所參與研制的無人巡邏車，其采用全線控底盤技術，并搭載16線激光雷達、單線激光雷達、車載攝像頭、差分GPS等環(huán)境感知及導航設備，可以裝載2～5個警用巡邏攝像頭，續(xù)航能力300 km，可連續(xù)24 h/d不間斷作業(yè)，集成可疑人員自主識別、封閉場景環(huán)境感知、自主智能決策路徑規(guī)劃、全線控底盤動力學控制、5G遠程監(jiān)控與集群控制等關鍵技術. 在2019年世界軍運會期間，該款無人巡邏車實現(xiàn)了批量應用，為世界軍運會安保工作出了突出貢獻. 此外，該款無人巡邏車目前也已在武漢、重慶、麗江、菏澤等地示范應用，服務于全國多地智慧交通與智慧警務建設.

圖2 無人巡邏車Fig.2 Patrol UGVs

3.3 無人接駁車

無人接駁車可廣泛用于廠區(qū)、園區(qū)、景區(qū)及校區(qū)等封閉場景內的人員擺渡或接駁，提升智慧化園區(qū)智能水平及人員擺渡接駁效率. 一般情況下，無人接駁車的噸位較無人物流車及無人巡邏車更大，同時其行駛環(huán)境也可能會涵蓋半封閉場景等工況. 圖3所示為本團隊所研制的無人接駁車，其采用全線控底盤技術，并搭載16線激光雷達、毫米波雷達、車載攝像頭、差分GPS等環(huán)境感知及導航設備，可一次性乘坐4～8名乘客，續(xù)航能力300 km，可連續(xù)8 h/d作業(yè)，集成了封閉/開放道路環(huán)境感知、自主智能決策規(guī)劃、分布式驅動底盤動力學控制、5 G遠程監(jiān)控與集群控制等關鍵技術. 目前已在在重慶、北京、廣州等全國多地開始示范運營，成功服務于2019智博會等國內外重大活動.

圖3 無人接駁車Fig.3 Shuttle UGVs

3.4 無人公交車

無人公交車是自動駕駛技術的重要落地應用場景之一，應用前景十分廣闊，是智能交通與智慧城市建設的重要組成部分. 和多使用在全封閉或半封閉場景的無人接駁車不同，無人公交車多應用在城市道路等完全開放場景內，因此其關鍵技術難度較無人物流車、無人巡邏車和無人接駁車等更大. 圖4所示為本團隊所參與研制的無人公交車，其采用了全線控底盤技術，并搭載了多個激光雷達及車載攝像頭，可一次性乘坐8～12人，是結合無人駕駛技術、純電動技術及車聯(lián)網(wǎng)技術的先進移動服務無人車平臺. 該款無人公交車集成了封閉/開放道路環(huán)境感知、自主智能決策規(guī)劃、分布式驅動底盤動力學控制、5 G遠程監(jiān)控與集群控制等關鍵技術，目前已在全國多地示范運行，服務于相關地區(qū)智慧交通建設. 值得一提的是，本文所指的無人公交車是指不具備人類駕駛機構的無人車，因此其仍屬于無人車的范疇.

圖4 無人公交車Fig.4 Bus UGVs

3.5 無人軍用車

隨著現(xiàn)代戰(zhàn)場的不斷變化與信息化作戰(zhàn)部隊建設要求的不斷深入，電動化、智能化、無人化成為未來陸軍裝備的重要發(fā)展趨勢. 無人陸軍裝備將會徹底改變未來陸地戰(zhàn)爭形態(tài)，對我國國防安全建設具有重要的戰(zhàn)略意義. 目前，世界各國都已開始無人陸軍裝備的研發(fā)角力. 與民用無人車相比，無人軍用車具有更顯著的機器人化特點，因此對其技術水平提出了更高的要求. 圖5所示為團隊所研制的地面航母軍用無人車，其集成了無人機-機器人-無人車協(xié)同控制技術、輪轂電機獨立驅動技術、全輪獨立轉向技術、半自主/全自主駕駛等關鍵技術，底盤實現(xiàn)高度模塊化及集成化設計技術，整車具有良好的機動性及復雜路面的駕馭能力，可廣泛用于越野路面等軍用場景. 與民用領域內的無人車相比，其有兩方面技術特點：① 由于技術水平的限制，尚不能完全實現(xiàn)軍用無人車在越野環(huán)境等非結構化道路內的自主行駛，因此，半自主駕駛/遙控駕駛技術在一定時期內是軍用無人車的重要關鍵技術之一. ② 由于使用環(huán)境的特殊性，軍用無人車的機動性要求較民用無人車更高，因此，軍用無人車多采用全輪獨立轉向、分布式驅動、輪邊/輪轂電機驅動等可大幅提高機動能力的先進技術.

圖5 無人軍用車Fig.5 Military UGVs

4 無人車大數(shù)據(jù)與云控制技術應用前景

大數(shù)據(jù)與云控制技術對推動無人車的發(fā)展具有重要意義，其主要應用可包括：① 通過大數(shù)據(jù)技術實現(xiàn)無人車全維度數(shù)據(jù)監(jiān)控以提高其運行安全性. ② 通過大數(shù)據(jù)技術為大規(guī)模無人車的云端集群調度與控制提供基礎. ③ 通過無人車云端大數(shù)據(jù)分析結果實現(xiàn)“云端-邊緣端”聯(lián)合控制技術. 相比傳統(tǒng)汽車，無人車還包含了環(huán)境感知系統(tǒng)、智能決策系統(tǒng)、路徑規(guī)劃系統(tǒng)、線控執(zhí)行機構系統(tǒng)等子系統(tǒng)以及其他多種傳感器，其數(shù)據(jù)監(jiān)控技術的實現(xiàn)更為復雜，所涉及的信息種類、格式及物理意義更為復雜，在此基礎上的云控制技術也面臨諸多挑戰(zhàn). 因此，無人車的大數(shù)據(jù)監(jiān)控及云控制技術是未來的重要研究方向.

本文將以本團隊研制的無人車云大腦集群控制中心為例，闡述大數(shù)據(jù)與云控制技術在無人車領域的應用現(xiàn)狀. 圖6為團隊所研制的無人車云大腦集群控制中心，可以對各個無人車的環(huán)境感知系統(tǒng)數(shù)據(jù)、智能決策系統(tǒng)數(shù)據(jù)、路徑規(guī)劃系統(tǒng)數(shù)據(jù)、底盤控制系統(tǒng)數(shù)據(jù)、底盤各執(zhí)行機構系統(tǒng)數(shù)據(jù)以及動力電池系統(tǒng)數(shù)據(jù)等進行實時監(jiān)測及遠程監(jiān)控. 各無人車的上述數(shù)據(jù)通過車載通信設備實時發(fā)送至云大腦控制中心服務器實現(xiàn)數(shù)據(jù)采集，形成無人車大數(shù)據(jù)數(shù)據(jù)庫，通過大數(shù)據(jù)處理及分析技術獲得多維度分析結果，實現(xiàn)無人車運營情況、安全情況、故障情況、子系統(tǒng)情況等維度的大數(shù)據(jù)監(jiān)控和分析. 云大腦集群控制中心作為云端計算平臺，綜合各無人車及路側智能感知設備信息進行集群行為決策，可以實現(xiàn)無人車集群的任務最優(yōu)化控制，控制指令通過車載通信設備反饋至各無人車節(jié)點，從而完成基于大數(shù)據(jù)技術的無人車云端控制.

團隊所研制的無人車云大腦集群控制中心首頁由云端大數(shù)據(jù)監(jiān)控與5G遠程控制兩個主要部分組成. 在云端大數(shù)據(jù)監(jiān)控的數(shù)據(jù)總覽部分，給出了無人車運營數(shù)據(jù)、安全數(shù)據(jù)、感知與決策數(shù)據(jù)以及線控底盤數(shù)據(jù)的關鍵部分，并實時顯示了無人車在線總數(shù)、累計總行駛里程、故障總數(shù)等關鍵信息，便于相關研究人員或城市管理人員實時進行監(jiān)控. 無人車云大腦集群控制中心的運營數(shù)據(jù)界面旨在從無人車功能類型、區(qū)域分布密度、工作時間、工作狀態(tài)等無人車運營維度信息進行大數(shù)據(jù)分析，獲得無人車型占比統(tǒng)計、單日站點任務觸發(fā)次數(shù)統(tǒng)計、單日不同時段在線車輛數(shù)量統(tǒng)計、單日全車型出勤占比統(tǒng)計、全車型區(qū)域分布密度統(tǒng)計、無人車工作狀態(tài)占比統(tǒng)計等運營維度大數(shù)據(jù)分析結果，服務于無人車總體規(guī)劃調度與政策制定等，其具體功能包括：① 掌握各功能型無人車任務觸發(fā)分布規(guī)律，如無人物流車的物流任務呼叫分布規(guī)律、無人巡邏車的報警任務呼叫分布規(guī)律、無人接駁車的接駁任務呼叫分布規(guī)律等，有助于合理規(guī)劃各功能型無人車集中布置點位置及巡航路線. ② 掌握各無人車工作狀態(tài)分布規(guī)律，如自動駕駛狀態(tài)、人工遙控狀態(tài)、故障待命狀態(tài)等，有助于合理規(guī)劃無人車所覆蓋區(qū)域內的任務分配，如每日運輸貨物總量和每日接駁人員總數(shù)等. ③ 掌握各無人車運行線路分布規(guī)律，有助于合理預測充電負荷，支撐無人車充電樁等基礎設施建設. ④ 掌握各無人車位置分布規(guī)律及該位置環(huán)境信息數(shù)據(jù)，有助于合理針對各無人車進行相應環(huán)境感知、智能決策及路徑規(guī)劃算法的優(yōu)化，提高對所處位置與環(huán)境的適應能力.

圖6 團隊所研制的無人車云大腦集群控制中心Fig.6 UGVs cloud brain control center

在安全數(shù)據(jù)監(jiān)控方面，無人車云大腦集群控制中心監(jiān)控各無人車的關鍵零部件及傳感器的健康狀態(tài)信息，包括激光雷達、毫米波雷達、攝像頭、工控機、底盤控制器、轉向電機、驅動電機、制動電機及動力電池等. 安全數(shù)據(jù)分析旨在通過大數(shù)據(jù)技術統(tǒng)籌各關鍵零部件及傳感器信息后，從故障車型、故障類型、故障狀態(tài)三個維度對故障數(shù)據(jù)進行大數(shù)據(jù)分析，實現(xiàn)無人車故障的大數(shù)據(jù)預測及預警，獲得無人車故障車型統(tǒng)計、各零部件故障類型統(tǒng)計、各零部件故障處理狀態(tài)統(tǒng)計、近7天故障率分析統(tǒng)計、各零部件故障類型發(fā)生次數(shù)排行等安全維度大數(shù)據(jù)分析結果. 同時，可根據(jù)上述大數(shù)據(jù)信息實現(xiàn)各無人車關鍵零部件的健康狀態(tài)預測，實現(xiàn)及時的無人車故障預測及預警，服務于人工遠程安全接管技術或其他的無人車任務規(guī)劃等政策制定.

在感知與決策系統(tǒng)數(shù)據(jù)監(jiān)控方面，無人車云大腦集群控制中心監(jiān)控各無人車感知與決策系統(tǒng)信息，包括環(huán)境感知系統(tǒng)激光雷達及攝像頭等的識別信息(交通標示識別結果、識別障礙物的種類大小速度等)，智能決策系統(tǒng)處理結果(超車行駛等有限狀態(tài)機決策結果、智能決策系統(tǒng)輸出結果等)，路徑規(guī)劃系統(tǒng)輸出結果(所規(guī)劃路徑的曲率及速度等)，底盤控制系統(tǒng)執(zhí)行結果(線控驅動、線控轉向、線控制動等系統(tǒng)電機指令)等信息，獲得各無人車障礙物識別次數(shù)及類型統(tǒng)計、智能決策次數(shù)及類型統(tǒng)計、人工干預次數(shù)統(tǒng)計、線控系統(tǒng)高負荷工作次數(shù)統(tǒng)計等大數(shù)據(jù)分析結果，服務于無人車感知與決策系統(tǒng)的大數(shù)據(jù)預測. 其具體功能包括：① 實現(xiàn)各運營地區(qū)所遇障礙物及行駛環(huán)境預測，有助于對各無人車任務進行合理規(guī)劃，優(yōu)化各無人車行駛路線或行駛時段. ② 掌握各無人車智能決策大數(shù)據(jù)分析結果，有助于掌握各無人車自動駕駛系統(tǒng)綜合性能，服務于事故認定等工作. ③ 掌握各無人車路徑規(guī)劃及線控執(zhí)行機構大數(shù)據(jù)分析結果，有助于優(yōu)化提高無人車路徑規(guī)劃及路徑跟蹤動力學控制算法性能.

在線控底盤系統(tǒng)數(shù)據(jù)監(jiān)控方面，無人車云大腦集群控制中心監(jiān)控各無人車線控底盤系統(tǒng)的信息，包括各驅動、制動及轉向電機數(shù)據(jù)(電壓、電流、轉速、轉矩等)，各驅動、制動及轉向電機控制器數(shù)據(jù)(電壓、電流等)，各動力電池單體信息(電壓、電流、電量、溫度、極值等)，以獲得無人車動力電池單體狀態(tài)分布統(tǒng)計、各執(zhí)行機構電機功率實時占比統(tǒng)計、各無人車充電情況統(tǒng)計、轉向電機轉速與轉矩信息統(tǒng)計、無人車加速度信息占比統(tǒng)計等，從而全面掌握無人車的底盤系統(tǒng)工作狀態(tài). 基于上述信息，構建相關線控底盤子系統(tǒng)評價模型，通過大數(shù)據(jù)分析技術實現(xiàn)無人車全線控底盤的動力性、機動性、安全性及可靠性預測，全面服務于無人車任務規(guī)劃與性能預測等工作，并可成為實現(xiàn)云端動力學控制及底盤控制參數(shù)云端在線優(yōu)化的重要基礎.

無人車大數(shù)據(jù)與云控制技術是無人車領域重要的發(fā)展方向，對推動我國無人車技術取得自主創(chuàng)新突破具有重要戰(zhàn)略意義，是無人車技術實現(xiàn)規(guī)模化產業(yè)應用并服務智能交通建設的重要支撐. 目前，無人車大數(shù)據(jù)與云控制領域還存在如下的關鍵科學及技術問題：① 無人車全維度大數(shù)據(jù)監(jiān)管及數(shù)據(jù)挖掘理論與技術. 無人車關鍵子系統(tǒng)中包含環(huán)境感知、智能決策、路徑規(guī)劃、底盤控制等子系統(tǒng)，傳感器、控制器、執(zhí)行器網(wǎng)絡架構與傳統(tǒng)車輛相比十分復雜. 因此，無人車系統(tǒng)數(shù)據(jù)維度更高、數(shù)據(jù)量更大、數(shù)據(jù)格式更復雜，其大數(shù)據(jù)監(jiān)管及在此基礎上的挖掘、預測是實現(xiàn)云端控制的重要基礎，相關理論與技術必須開展創(chuàng)新突破. ② 無人車群體-云端系統(tǒng)網(wǎng)絡拓撲構型穩(wěn)定性及集群控制理論與技術. 功能型無人車必須通過集群控制以完成目標任務，車-云、車-車間組成的網(wǎng)絡化控制系統(tǒng)網(wǎng)絡拓撲構型多變、通信延遲機理復雜、系統(tǒng)穩(wěn)定性裕度低，必須針對其網(wǎng)絡拓撲構型演變機制、系統(tǒng)多維度延遲機理模型等關鍵理論問題開展研究，以實現(xiàn)復雜網(wǎng)絡化控制系統(tǒng)中的無人車群體的集群控制與調度. ③ 無人車群體協(xié)同感知及決策理論與技術. 通過功能型無人車群體及云端系統(tǒng)實現(xiàn)協(xié)同感知及決策是大幅提高無人車群體性能、滿足未來規(guī)?；a業(yè)應用的重要支撐. 目前，無人車單車智能技術發(fā)展愈發(fā)成熟，但在無人車群體基礎上的協(xié)同感知及決策技術尚處于較為初級的研究階段. ④ 面向多功能任務需求的云端集群調度理論與技術. 無人車用于替代人類完成軍用、物流、巡邏、運輸、接駁等國防和民用任務，集群控制系統(tǒng)存在著控制目標多變、系統(tǒng)延遲大且不確定高等一系列復雜挑戰(zhàn)，因此，面向上述多功能任務需求并滿足相關復雜場景多維度約束的云端調度理論與技術亟待突破.

5 結 論

本文綜述了大數(shù)據(jù)與云控制技術在車輛領域的應用現(xiàn)狀，展望了其在未來無人車領域的發(fā)展情況. 基于團隊在無人車領域多年的研究工作基礎，介紹了典型無人車及其關鍵理論與技術的研究現(xiàn)狀和發(fā)展趨勢. 結合團隊在無人車云大腦集群控制中心方面的研究工作基礎，展望了大數(shù)據(jù)與云控制技術在無人車領域的應用現(xiàn)狀、面臨的挑戰(zhàn)及發(fā)展前景，總結其所亟待解決的關鍵理論與技術問題. 可以預見，大數(shù)據(jù)與云控制技術將極大程度提高功能型無人車的綜合性能，對推動我國無人車技術取得自主創(chuàng)新突破具有重要戰(zhàn)略意義，是無人車技術實現(xiàn)規(guī)模化產業(yè)應用并服務智能交通建設的重要支撐.