馬晨雨 蔡正元

（長(zhǎng)安大學(xué)信息工程學(xué)院，陜西西安 710021）

近年來(lái)，上海市機(jī)動(dòng)車輛迅猛增長(zhǎng)，機(jī)動(dòng)車通行能力平均降低30%，中心區(qū)約有50%的車道上高峰小時(shí)飽和度達(dá)到95%，全天飽和度超過(guò)70%，平均車速降至10 km/h[1]。路段全天十分擁擠，部分路段持續(xù)堵塞6.5 h以上。在此狀態(tài)下，任何微小的擾動(dòng)都極易造成交通震蕩和傳播，甚至導(dǎo)致交通擁堵或誘發(fā)交通事故，嚴(yán)重影響道路交通系統(tǒng)的運(yùn)行效率和穩(wěn)定性。此外，在交通流變化較為劇烈的情況下，攻擊性駕駛行為和人為失誤易造成交通事故，危害乘員的生命安全和財(cái)產(chǎn)安全，日益嚴(yán)重的交通問(wèn)題還給城市經(jīng)濟(jì)帶來(lái)了巨大的損失。資料顯示，近幾年上海市由于交通阻塞造成的經(jīng)濟(jì)損失每年高達(dá)48億元，約占本市當(dāng)年國(guó)民生產(chǎn)總值的6%。城市交通問(wèn)題已嚴(yán)重影響了城市居民生活水平的提高，進(jìn)一步影響了城市經(jīng)濟(jì)發(fā)展的活力[2]，交通運(yùn)輸行業(yè)的技術(shù)亟須革新。

1 系統(tǒng)介紹

基于車路協(xié)同超視距感知的網(wǎng)聯(lián)車個(gè)性化跟馳誘導(dǎo)系統(tǒng)是一種車輛信息服務(wù)平臺(tái)，是基于Android操作系統(tǒng)的手持移動(dòng)終端應(yīng)用軟件，也是基于LTE-V融合多種通信的電動(dòng)汽車互聯(lián)信息服務(wù)平臺(tái)的手持終端應(yīng)用軟件[3]。

系統(tǒng)以智慧公路環(huán)境下的網(wǎng)聯(lián)車為基礎(chǔ)，包括網(wǎng)聯(lián)車跟馳誘導(dǎo)系統(tǒng)、換道輔助系統(tǒng)、自適應(yīng)路徑規(guī)劃與選擇系統(tǒng)、一體化協(xié)同式信號(hào)控制等，可誘導(dǎo)駕駛員根據(jù)協(xié)同交互控制策略進(jìn)行跟馳，一定程度上阻止交通震蕩在交通流內(nèi)的傳播，提升交通流的穩(wěn)定性，緩解交通擁堵。

通過(guò)路側(cè)設(shè)備獲取周邊交通環(huán)境，對(duì)危險(xiǎn)駕駛行為和環(huán)境進(jìn)行及時(shí)預(yù)警，提高道路交通的安全性，減少交通事故。此外還可以通過(guò)車車通信以及車路通信拓展駕駛員的感知范圍，對(duì)下游的交通事件及早進(jìn)行反應(yīng)，提升乘員的舒適性和燃油經(jīng)濟(jì)性。

利用車路協(xié)同技術(shù)帶來(lái)的多源信息感知和信息實(shí)時(shí)共享，并結(jié)合計(jì)算機(jī)技術(shù)對(duì)駕駛?cè)诉m應(yīng)性進(jìn)行詳細(xì)的個(gè)性化分析，充分發(fā)揮網(wǎng)聯(lián)車的可控性因素，提升交通流運(yùn)行效率，保證交通流的穩(wěn)定性，保障交通系統(tǒng)高效安全運(yùn)行。

個(gè)性化跟馳誘導(dǎo)系統(tǒng)車輛運(yùn)行如圖1所示。

圖1 該系統(tǒng)下的網(wǎng)聯(lián)車運(yùn)行

2 基于駕駛員誘導(dǎo)行為個(gè)性化分析模型

網(wǎng)聯(lián)車的實(shí)質(zhì)是由人來(lái)?yè)?dān)任駕駛員駕駛具備網(wǎng)聯(lián)化感知與誘導(dǎo)能力的傳統(tǒng)車輛，在此過(guò)程中，駕駛員始終是網(wǎng)聯(lián)車縱向行為的執(zhí)行者。由于人類駕駛員的多樣性，駕駛員的心理、性格、駕駛習(xí)慣等都對(duì)網(wǎng)聯(lián)車駕駛員的跟馳行為及適應(yīng)度有較大影響。因此在考慮網(wǎng)聯(lián)車跟馳誘導(dǎo)系統(tǒng)建模時(shí)，首先需要考慮駕駛員的誘導(dǎo)接受度等個(gè)性化分析。

個(gè)性化分析流程如圖2所示。

圖2 個(gè)性化分析流程

對(duì)于駕駛員誘導(dǎo)接受度的個(gè)性化分析主要采用YOLO網(wǎng)絡(luò)模型和K-means算法相結(jié)合的方法建模分析，YOLO是一種全新的端到端的檢測(cè)算法[4]。

YOLO網(wǎng)絡(luò)模型可以快速實(shí)時(shí)監(jiān)測(cè)駕駛員的駕駛習(xí)慣，k-means算法每隔幾次迭代后會(huì)微調(diào)網(wǎng)絡(luò)的輸入尺寸，使得網(wǎng)絡(luò)可以適應(yīng)多種不同尺度的輸入，使采集不同長(zhǎng)度的車輛的行駛信息成為可能。利用K-means聚類對(duì)混合隊(duì)列下的駕駛員跟馳建模結(jié)合人格特質(zhì)理論進(jìn)行初步聚類，并建立可以不斷更新的數(shù)據(jù)庫(kù)。分析得出最適合駕駛員的行車行為，通過(guò)網(wǎng)絡(luò)進(jìn)行輔助指揮，實(shí)現(xiàn)個(gè)性化跟馳。

3 基于網(wǎng)聯(lián)車的車路協(xié)同系統(tǒng)結(jié)構(gòu)分析

系統(tǒng)包括車載服務(wù)平臺(tái)、交通管理服務(wù)平臺(tái)以及無(wú)線網(wǎng)絡(luò)。車載服務(wù)平臺(tái)安裝在車內(nèi)，通過(guò)無(wú)線網(wǎng)絡(luò)與交通管理服務(wù)平臺(tái)進(jìn)行連接，包括人機(jī)交互模塊、行車視頻記錄模塊、GSP導(dǎo)航模塊、語(yǔ)音通信模塊、無(wú)線網(wǎng)絡(luò)模塊。

（1）人機(jī)互動(dòng)模塊。

用于輸出操作指令和音頻信息，進(jìn)行駕駛員個(gè)性化分析指令的輸出，對(duì)駕駛員進(jìn)行輔助指揮。

（2）行車視頻記錄模塊。

用于對(duì)車輛的行車過(guò)程進(jìn)行實(shí)時(shí)錄像，錄制的視頻數(shù)據(jù)由視頻處理單元處理后存儲(chǔ)于存儲(chǔ)設(shè)備中，并通過(guò)無(wú)線通信模塊將錄制的視頻數(shù)據(jù)上傳至服務(wù)平臺(tái)。

（3）GPS導(dǎo)航模塊。

用于對(duì)安裝有車載服務(wù)平臺(tái)的車輛進(jìn)行定位導(dǎo)航。

（4）語(yǔ)音通信模塊。

用于各網(wǎng)聯(lián)車內(nèi)車載服務(wù)平臺(tái)與車載服務(wù)平臺(tái)、車載服務(wù)平臺(tái)與交通管理服務(wù)平臺(tái)之間的語(yǔ)音通信。

（5）無(wú)線網(wǎng)絡(luò)模塊。

用于各平臺(tái)之間的數(shù)據(jù)傳播。

該系統(tǒng)結(jié)合具有路測(cè)感知單元的路側(cè)設(shè)備平臺(tái)，可以實(shí)時(shí)、準(zhǔn)確感知和采集車輛、道路環(huán)境以及全路網(wǎng)的交通運(yùn)行情況等信息，有效實(shí)現(xiàn)車與車、車與路、車路與監(jiān)控中心的數(shù)據(jù)傳輸、綜合分析、快速判定與預(yù)測(cè)道路上的交通異常情況[5]，為駕駛員提供個(gè)性化、準(zhǔn)確化的指揮，保障駕駛員安全便捷出行。

4 基于網(wǎng)聯(lián)車的車路協(xié)同系統(tǒng)功能分析

基于網(wǎng)聯(lián)車的車路協(xié)同系統(tǒng)在于為駕駛員實(shí)時(shí)提供必要的交通信息與綜合性交通服務(wù)，確保車輛安全高效運(yùn)行，從根源上減少交通事故的發(fā)生。

（1）感知車輛以及路況信息。

實(shí)時(shí)感知車輛的運(yùn)行情況、駕駛行為以及路況車輛信息，準(zhǔn)確采集全路網(wǎng)范圍內(nèi)的車輛位置、速度、行駛時(shí)間和交通流情況。

（2）交通數(shù)據(jù)的傳輸。

實(shí)現(xiàn)車與車、車與路旁設(shè)備之間的短距離通信及數(shù)據(jù)傳輸，將采集的交通數(shù)據(jù)以及車載計(jì)算機(jī)處理后的交通異常信息實(shí)時(shí)、可靠地傳送給交通管理服務(wù)平臺(tái)，將交通控制方案下傳到車載服務(wù)平臺(tái)控制設(shè)備，實(shí)現(xiàn)車路與交通管理服務(wù)平臺(tái)之間的遠(yuǎn)距離數(shù)據(jù)傳輸[6]。

（3）數(shù)據(jù)分析與個(gè)性化誘導(dǎo)決策。

基于駕駛員誘導(dǎo)行為個(gè)性化分析模型，對(duì)上傳的海量交通數(shù)據(jù)進(jìn)行準(zhǔn)確、快速分析，并結(jié)合上傳的路況信息以及全路網(wǎng)車輛位置、速度等數(shù)據(jù)，對(duì)該路段范圍的行駛情況提供合理的行駛策略，實(shí)現(xiàn)個(gè)性化誘導(dǎo)跟馳。

（4）交通狀況顯示和交通異常情況預(yù)警。

在交通管理服務(wù)平臺(tái)實(shí)時(shí)分析和判定全路網(wǎng)各檢測(cè)路段發(fā)生的交通異常或發(fā)生潛在的交通異?，F(xiàn)象，及時(shí)發(fā)出預(yù)警或報(bào)警提示，并在電子地圖上顯示有關(guān)目標(biāo)和采取的管制方案；實(shí)時(shí)監(jiān)控網(wǎng)絡(luò)中特定車輛的行駛軌跡或判定其違規(guī)行為，及時(shí)發(fā)出預(yù)警信息[7]。

5 結(jié)語(yǔ)

目前，市場(chǎng)上的車路協(xié)同技術(shù)以及駕駛輔助系統(tǒng)已取得了一定研究成果，但目前的技術(shù)仍然不成熟。由于傳統(tǒng)汽車的巨大保有量，即使網(wǎng)聯(lián)化改造進(jìn)行順利，也無(wú)法在短時(shí)間內(nèi)覆蓋所有傳統(tǒng)車輛，存在網(wǎng)聯(lián)車與傳統(tǒng)人駕車輛的共存時(shí)期。基于車載感知與車車通信的網(wǎng)聯(lián)車誘導(dǎo)技術(shù)將難以感知周邊大量的傳統(tǒng)人駕車輛，可能導(dǎo)致由感知不全引發(fā)的危險(xiǎn)和低效率狀況。現(xiàn)有的誘導(dǎo)技術(shù)往往通過(guò)人機(jī)界面直接將控制策略轉(zhuǎn)發(fā)給網(wǎng)聯(lián)車駕駛員，期待網(wǎng)聯(lián)車駕駛員能夠準(zhǔn)確執(zhí)行。該策略忽視了駕駛員的駕駛適應(yīng)性和服從度的個(gè)性化特征，極易導(dǎo)致誘導(dǎo)策略執(zhí)行效果下降。網(wǎng)聯(lián)車個(gè)性化跟馳誘導(dǎo)系統(tǒng)的路側(cè)感知技術(shù)和人工智能技術(shù)為上述問(wèn)題提供了解決的機(jī)遇。具有路側(cè)融合感知單元的車路協(xié)同系統(tǒng)將能夠感知檢測(cè)范圍內(nèi)所有車輛的精確運(yùn)動(dòng)狀態(tài)，彌補(bǔ)了混合交通流狀態(tài)下的感知不足。通過(guò)車路通信，路側(cè)設(shè)備的感知數(shù)據(jù)可以實(shí)時(shí)發(fā)布到周邊各網(wǎng)聯(lián)車，通過(guò)數(shù)據(jù)融合可得到超視距全息感知態(tài)勢(shì)圖。人工智能技術(shù)能夠通過(guò)駕駛員駕駛行為及終端誘導(dǎo)數(shù)據(jù)的學(xué)習(xí)和訓(xùn)練，推理駕駛員的個(gè)性化適應(yīng)性要素，在車端實(shí)現(xiàn)誘導(dǎo)方式精準(zhǔn)個(gè)性化自適應(yīng)。