李長樂，王 碩，岳文偉，毛國強，何祥健

（1.西安電子科技大學綜合業(yè)務網(wǎng)理論及關鍵技術國家重點實驗室，陜西西安 710071；2.西安電子科技大學智慧交通研究院，陜西西安 710071；3.悉尼科技大學電子與數(shù)據(jù)工程學院，澳大利亞新南威爾士州 2007）

1 引言

當今時代，城市經(jīng)濟飛速發(fā)展且城市化進程加快，隨著大量人口的涌入，市區(qū)迎來了日益嚴峻的交通事故、道路擁塞、環(huán)境污染等社會問題.而自動駕駛（Autonomous Driving，AD）技術在提高交通系統(tǒng)的通行能力、效率、穩(wěn)定性和安全性方面有著巨大潛力［1，2］.通過將關鍵駕駛任務的安全控制轉交給系統(tǒng)承擔，AD 有效避免了人為駕駛失誤的出現(xiàn)，顯著提升了駕駛安全性［3］，已被納入未來智慧城市議程中的關鍵智能出行計劃［4］.

伴隨著AD 技術的出現(xiàn)，城市交通步入數(shù)字信息化時代，而車道作為駕駛環(huán)境的基本要素是AD 對場景理解的必要信息.美國汽車工程師協(xié)會（Society of Automotive Engineers，SAE）根據(jù)駕駛員的干預和注意力需求將自動駕駛分為L0 至L5 六個不同的級別［5］.目前，高級輔助駕駛系統(tǒng)（Advanced Driver Assistance Systems，ADAS）的實現(xiàn)和量產已將駕駛自動化等級落實到了L2，已實現(xiàn)車道偏離預警、車道保持輔助、車道居中輔助和自動變道輔助等功能［6～8］.然而，高度不確定的環(huán)境因素和部分場景下車道及車道線的不規(guī)則是目前車道檢測技術的挑戰(zhàn)，天氣條件、道路狀況以及周圍車輛和行人的行為都會對實際車道信息的特征提取造成不可避免的干擾［9，10］.因此，為進一步提升AD 的駕駛安全性，在未來的發(fā)展中，服務于AD 的車道需要突破物理車道標記的限制，應以數(shù)字化、信息化、智能化的虛擬車道形式從“車的眼中”而非人的眼中構建.

車道信息是地圖數(shù)據(jù)的一部分.目前，面向自動駕駛的高精度地圖具有車道線位置、連接關系、地形和地面紋理等精確的地圖數(shù)據(jù)［11］，不僅能夠輔助智能車完成匹配定位，還能幫助智能車實現(xiàn)厘米級的路徑規(guī)劃［12］.然而，高精地圖只是完成了對現(xiàn)實地理環(huán)境的數(shù)據(jù)采集，所提供的車道級別信息源于現(xiàn)實，避免不了受到現(xiàn)實環(huán)境的影響.為此，車道信息要在高精地圖的物理空間維度之上以虛擬形式進行構建.文獻［13］認為，未來測繪服務領域應從物理空間向多維空間擴展，由面向人服務到面向智能機器人服務的變化發(fā)展，其中，以智能車為代表的智能機器人應得到測繪科技的保障和支持，而高精度地圖就是構建機器人“心像地圖”的數(shù)據(jù)基礎.而這里的多維空間是一個由可視化、虛擬現(xiàn)實、數(shù)字孿生、通信技術、移動網(wǎng)絡和人工智能諸因素和技術共同支撐下的虛實相融的人類活動新空間［13］.因此，未來自動駕駛車的虛擬車道將是一種以高精地圖三維數(shù)據(jù)為基礎的，在多維空間下所構建的，具有路徑規(guī)劃、自動避障、定位及導航功能的智能虛擬車道，并最終以虛擬現(xiàn)實的形式在人眼中呈現(xiàn)，我們稱之為虛擬車道技術.

虛擬車道技術的研究將是未來解決交通擁塞問題的突破口.目前人們已經(jīng)開發(fā)了城市地面、地下、水上和高空用于運輸，但公共交通和貨物運輸依舊承擔著巨大的壓力，地面道路建設不再滿足需求，未來的城市交通建設已將目光投向空中.美國Uber 公司早在2018提出了空中出租車UberAir 概念［14］，描繪了未來城市按需服務的空中交通網(wǎng)絡構想.飛行汽車已不再是一個新穎的概念，其發(fā)展歷史可以追溯到上個世紀初［15，16］.最近，文獻［15］從性能和安全兩個角度研究了其內部動力系統(tǒng)架構的設計.文獻［16］總結了目前處于開發(fā)階段的23 種飛行汽車原型，按起降模式可分為水平起降（Horizontal Take-Off and Landing，HTOL）和垂直起降（Vertical Take-Off and Landing，VTOL）兩種類型，其中采用VTOL 模式的飛行汽車在城市地區(qū)具有更強的適用性.另外，飛行汽車在城市地區(qū)的大規(guī)模商用除了考慮自身設計和基礎設施外，還要考慮飛行汽車交通系統(tǒng)的各方面因素，如通信網(wǎng)絡、導航系統(tǒng)、網(wǎng)絡安全、城市規(guī)劃、環(huán)境污染、人為因素等［15～19］.然而，這些現(xiàn)有的著作只從宏觀角度總結和討論了FCTS 各方面的難點和技術需求，缺乏針對技術需求的具體實現(xiàn)方案的研究.因此，本文從自動駕駛技術的角度出發(fā)，討論了城市FCTS 的發(fā)展階段以及相應的關鍵技術，就FCTS 在城市空域待解決的路徑設計和導航問題［16］提出了具體可行的方案——虛擬車道技術.該技術可在城市空域為飛行汽車構建三維虛擬導航通道，將自動駕駛的系統(tǒng)作用域進一步擴展，實現(xiàn)比L5 完全自動化更高維度的L6空地全域自動化.

2 虛擬車道技術的發(fā)展階段

2.1 L6自動駕駛概念

虛擬車道技術的發(fā)展不會是一蹴而就的，需要與駕駛自動化等級相匹配并隨之演進.而在目前SAE 所設立的自動駕駛分級中，系統(tǒng)作用域只考慮了地面空間，最終的L5 完全自動化也并非實現(xiàn)真正意義上的全域自動駕駛.由于虛擬車道技術將未來飛行汽車實現(xiàn)自動化設為最終目標，城市空域將被AD 充分利用，最終的駕駛自動化將解除物理車道限制，貫穿地面和天空兩個領域.因此，如圖1 所示，我們在SAE 指定的自動駕駛等級基礎上，提出了最新的L6 空地全域自動化的概念，并指出了各自動化等級所處的虛擬車道技術發(fā)展階段.

圖1 L0至L6駕駛自動化等級

2.2 虛擬車道的三個發(fā)展階段

根據(jù)自動駕駛等級的提升，虛擬車道技術的發(fā)展將會經(jīng)歷三個階段.首先，在L0 至L2 中，由于自動駕駛系統(tǒng)（Automated Driving System，ADS）只提供輕量級的輔助控制，駕駛操作必須全程由人類負責.因此，為人類駕駛員提供復雜道路環(huán)境下的駕駛路徑引導是虛擬車道技術在該階段的主要任務，并稱該階段為虛擬車道的初級階段.在L3 至L5 階段中，車輛駕駛的主導權移交給了ADS，智能車在道路上的滲透率逐步提升，智能駕駛場景便成為虛擬車道技術的主要服務場景，稱該階段為虛擬車道中級階段.最后，L6 將是虛擬車道技術走向成熟的最終階段，此時自動駕駛飛行汽車已經(jīng)商用，城市交通邁向“空地一體化”.圖2 給出了三個發(fā)展階段的場景圖，下面將作具體介紹.

圖2 虛擬車道的三個發(fā)展階段

2.2.1 初級階段：面向L0-L2的有人駕駛場景

在初級階段下，道路上的車輛以人類駕駛車輛為主，且路面上需要物理車道標志來供駕駛員區(qū)分車道.初級的虛擬車道為目前的智慧公路系統(tǒng)［20］，其數(shù)據(jù)源于沿車道邊緣大規(guī)模部署的IoT 信標，能夠對行駛車輛及道路本身狀態(tài)進行數(shù)據(jù)采集，并融合高架攝像機、氣象設備和路側雷達對整個路網(wǎng)進行全覆蓋感知與檢測，通過“端-邊-云”協(xié)同計算［21］為車道上的每輛車提供最優(yōu)行駛路徑.人類駕駛員可以通過車道邊緣IoT信標的頻閃燈光、路旁屏幕文字、車載通信設備的聲音和畫面獲得最佳行駛方案的提醒，通過一條潛在的虛擬軌道實現(xiàn)復雜道路場景下的超視距感知和導航.

2.2.2 中級階段：面向L3-L5的智能駕駛場景

在中級階段下，道路上的車以智能駕駛車為主，車輛的主要駕駛操作權由人類移交給系統(tǒng)，并且全路網(wǎng)部署的泛在感知系統(tǒng)可以為智能車提供高精地圖.每輛智能車根據(jù)地圖數(shù)據(jù)生成自己的虛擬車道進行導航，并將虛擬的車道數(shù)據(jù)上傳至云端共享，云端將虛擬的車道數(shù)據(jù)與真實的環(huán)境數(shù)據(jù)進行結合，從而實時更新高精地圖并再次下發(fā)至各各車端.在獲得融合了虛擬路網(wǎng)的高精地圖數(shù)據(jù)后，每輛智能車的虛擬車道會根據(jù)其導航路徑提供相應的智能速度控制決策以避免整個路網(wǎng)的車輛碰撞和路徑?jīng)_突.

2.2.3 高級階段：面向L6空地一體化交通場景

在高級階段中，飛行汽車的加入使城市交通空地一體化.自動駕駛車生成的虛擬車道由2D 平面變?yōu)?D 通道，僅地面部署的感知單元已經(jīng)不再滿足需求，IoT 信標需要在高層建筑間垂直覆蓋實現(xiàn)全域的泛在感知和空間級高精地圖的構建.為充分利用城市空域，空地一體化交通中的虛擬車道分為分層式結構.在城市空域按高度分為若干層，且每層可生成若干條虛擬車道，車道的數(shù)量可根據(jù)流量自適應調節(jié)，不同層間通過斜坡匝道連通，路口無需交通信號燈控制.空域中每條虛擬車道會根據(jù)周圍障礙物進行自適應調整，不同車道間會相互協(xié)作以達到路網(wǎng)最大通行能力，因此該結構所構成的虛擬路網(wǎng)將是實時動態(tài)的.

3 不同發(fā)展階段下的關鍵技術

3.1 初級階段

車路協(xié)同技術是初級虛擬車道的實現(xiàn)方式，能夠以聲、光、電等物理信號的形式呈現(xiàn)，用以引導人類駕駛員根據(jù)周圍環(huán)境的狀態(tài)執(zhí)行最佳的駕駛操作.如圖3所示，車路協(xié)同的實現(xiàn)需要依靠沿道路大規(guī)模部署的以IoT 信標為主的多源傳感器系統(tǒng)，實時感知車輛及道路的狀態(tài)，并利用“端-邊-云”多層設備對原始感知數(shù)據(jù)的特征進行提取，并進一步作本地數(shù)據(jù)分析及計算.數(shù)據(jù)計算處理完畢后，對檢測到的異常事件以及每輛車需要執(zhí)行的最佳駕駛動作進行發(fā)布.

圖3 初級虛擬車道的實現(xiàn)方法

3.1.1 路側設備

路側設備由IoT 信標、攝像頭、毫米波雷達以及氣象站組成.其中，IoT信標為核心傳感器，它是一種集成地磁、溫度等多種傳感器和LED（Light Emitting Diode）的感知設備，在極端惡劣的環(huán)境下?lián)碛泻芎玫目煽啃耘c續(xù)航能力［20］.內置遠距離低功耗無線通訊技術并與大數(shù)據(jù)平臺配合，能夠實現(xiàn)車輛預警、車流量統(tǒng)計［22］、車型分類［23］、車速測量［24］、IoT信標間通訊、夜晚及惡劣天氣下的公路輪廓標顯示.架設在道路上方的高清攝像機提取出車輛的車型及車牌號等信息，用于完成后續(xù)視頻數(shù)據(jù)與IoT信標檢測到的車輛軌跡的關聯(lián)工作.路側氣象監(jiān)測站能將環(huán)境溫度、相對濕度、能見度以及降水降雪等氣象信息報告給系統(tǒng)后臺，便于后臺獲得并向道路車輛發(fā)布最新的氣象信息.

3.1.2 多源融合

傳感器數(shù)據(jù)間的融合包括多IoT 信標融合、攝像機與IoT 信標融合、攝像機與雷達融合.采用卡爾曼濾波器（Kalman Filter，KF）的數(shù)據(jù)級融合算法［25，26］以原始形式對收集自不同傳感器的數(shù)據(jù)進行融合，可通過觀測不斷提高估計值［27］，適用于任何狀態(tài)連續(xù)變化的動態(tài)系統(tǒng)［28］.由于KF實現(xiàn)數(shù)據(jù)關聯(lián)不需要在內存中保存很多數(shù)據(jù)，唯一的關鍵數(shù)據(jù)是傳感器信號的歷史狀態(tài)，適合具有最小系統(tǒng)規(guī)范要求的實時應用系統(tǒng)［29］，因此KF可用于對交通狀態(tài)進行估計的多IoT 信標數(shù)據(jù)融合以及異構傳感器數(shù)據(jù)融合.具體來說，可利用攝像機與雷達的高精度檢測數(shù)據(jù)，與IoT 信標設備的信息進行互補，有效獲取從不同的環(huán)境特征下對道路信息高精確的感知，得到道路和車輛更加完整的數(shù)據(jù).

3.1.3 “端-邊-云”架構

“端”指路側感知設備，“邊”指邊緣計算設備，“云”指云平臺.路側感知設備包括：IoT 信標、攝像機、毫米波雷達等.首先，路側設備將采集到的原始數(shù)據(jù)信息發(fā)送至邊緣計算設備.其次，邊緣計算設備通過將單個路側設備采集的數(shù)據(jù)進行數(shù)據(jù)關聯(lián)和融合，獲取車流、車型、車速及車牌等信息并對異常事件（如異常停車、逆行等）進行檢測.之后，邊緣計算設備再將事件信息傳輸至路側單元、情報板以及喇叭等發(fā)布設備，用于顯示或者對路上行駛車輛發(fā)送預警信號等后續(xù)操作.同時，這些處理后的信息也會發(fā)送至云平臺進行多個路側設備的傳輸數(shù)據(jù)融合，實現(xiàn)超視距事件發(fā)布及處理.

3.1.4 可行性分析

為了驗證初級虛擬車道技術的可行性，本文選取真實道路場景進行了戶外實驗.該初級虛擬車道實驗系統(tǒng)的主要方案是利用毫米波雷達和IoT 信標輔助視覺.基本思路是將毫米波雷達返回的目標點投影到圖像上，圍繞該點并結合先驗知識，生成一個矩形的感興趣區(qū)域，然后我們只對該區(qū)域內進行目標檢測.攝像機捕捉車輛經(jīng)過各IoT 設備的圖像信息后，再利用對應的真實時間標號將攝像機檢測信息與IoT 設備檢測信息進行數(shù)據(jù)對齊，以此解決攝像機的漏檢或者多檢情況.最后，利用毫米波雷達返回的目標的距離、角度、速度信息來進行碰撞時間計算，以實現(xiàn)行人/車輛在預警時間閾值內預警，避免攝像機距離測量及障礙物速度估計不準的問題.以前方存在異常停車的場景為例，實驗結果如圖4所示，應用初級虛擬車道技術的實驗路段可以通過路側IoT 信標、攝像機以及毫米波雷達等多種傳感器采集途經(jīng)車輛的類型、位置、速度、流量等狀態(tài)信息，“端-邊-云”系統(tǒng)進一步對本地數(shù)據(jù)進行提取、融合和計算，將所得最優(yōu)策略發(fā)布給實驗車輛，實驗車輛通過內置車載單元接收到了前方停止車輛預警，并被提醒減速慢行以避免碰撞，可見實驗實現(xiàn)了車路協(xié)同使能的初級虛擬車道技術.

圖4 初級虛擬車道技術用于避免車輛碰撞的實驗結果

3.2 中級階段

高精度地圖是中級虛擬車道的主要使能技術，如圖5所示，該階段下的虛擬車道技術不再依托任何物理呈現(xiàn)形式，而是一條基于高精地圖數(shù)據(jù)進行實時導航的虛擬路徑.該虛擬導航路徑能夠通過云端對整個路網(wǎng)的狀態(tài)進行實時動態(tài)調整，并為智能車定制專屬的智能速度控制方案以保障虛擬車道上的無擁堵和無碰撞行駛.

圖5 中級虛擬車道的實現(xiàn)方法

3.2.1 高精度地圖

高精度地圖的信息量和數(shù)據(jù)質量影響到自動駕駛系統(tǒng)的安全性和可靠性.與傳統(tǒng)地圖相比，中級虛擬車道依靠的高精度地圖不僅提高了地圖的精度與信息量（如二維與三維、光柵與矢量、點云圖與語義圖等），而且結合了全球導航衛(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）、慣性導航系統(tǒng)（Inertial Navigation System，INS）、里程計技術［30］，將現(xiàn)實道路場景中的靜態(tài)環(huán)境元素（道路基礎設施、城市建筑物等）以精確數(shù)值的形式預先生成在地圖空間中.因此，高精度地圖擴展了車輛的靜態(tài)環(huán)境感知，再配合單車感知和路側感知對道路上的動態(tài)環(huán)境元素（車輛、行人等）的實時檢測，從而實現(xiàn)智能車的超視距環(huán)境感知和最優(yōu)路徑的超視距規(guī)劃.

3.2.2 定位和導航

精確的車輛定位是中級虛擬車道生成的前提條件.對智能車輛而言，在駕駛過程中需要不斷攝入新的環(huán)境信息構建高精度地圖，同時根據(jù)已有地圖和當前場景準確快速判斷自身位置，即時定位與地圖構建（Simultaneous Localization And Mapping，SLAM）是實現(xiàn)智能車定位與導航的關鍵技術，主要包括視覺SLAM 和激光SLAM［31］.為滿足智能車的在復雜環(huán)境中定位需求，SLAM 技術需融合多種傳感器信息，以提升定位精度和對復雜場景變化的魯棒性.具體而言，智能車利用所攜帶的視覺、激光等傳感器預估當前位置和姿態(tài)，通過觀察當前地圖上的特征點來更新自身位置，并根據(jù)當前傳感器數(shù)據(jù)提取環(huán)境地圖，對環(huán)境地圖進行更新.基于先驗高精地圖的SLAM 技術可以通過車載傳感器獲取的點云數(shù)據(jù)和圖像信息與地圖上的三維地標信息進行匹配來實現(xiàn)其位置和姿態(tài)的精確獲?。?2］.在此基礎上，虛擬車道可根據(jù)超視距感知的道路元素，以車輛初始位置和姿態(tài)為起點，并融合INS、GNSS 以及激光雷達等多源數(shù)據(jù)［33］，在地圖中動態(tài)規(guī)劃出一條由高精度矢量構成的超視距導航路徑.

3.2.3 路徑規(guī)劃

為智能車所規(guī)劃的虛擬路徑不僅要保證每輛車都可以安全地從出發(fā)地（O）行駛到目的地（D），還要根據(jù)行駛距離、行駛時間、燃油成本和污染物排放量等因素在多個O-D路徑中選取最優(yōu).全路網(wǎng)虛擬路徑的動態(tài)規(guī)劃由云端平臺進行，每輛車將其初始定義的虛擬路徑上傳至云端，云端可通過基于模糊邏輯和改進蟻群算法的路徑分配機制［34］對整個路網(wǎng)的虛擬車道進行實時動態(tài)規(guī)劃和宏觀路線調整，并為每條虛擬路徑制定精確到速度的行駛決策方案，以保障虛擬車道互相在時間和空間上均不存在沖突.隨后，結合高精地圖數(shù)據(jù)被重新發(fā)布至各各車端，智能車接收后會按照虛擬車道的決策在指定最優(yōu)路線上進行智能速度控制和避障以實現(xiàn)安全駕駛.

3.2.4 可行性分析

為驗證中級虛擬車道技術的可行性，我們使用汽車智能駕駛一體化仿真測試平臺PANOSIM［35］對全智能駕駛場景進行模擬，虛擬車道的定位與導航功能由基于高精度地圖的SLAM技術完成，主要分為兩步.

首先，SLAM與激光點云信息進行融合.激光雷達實時掃描的點云信息與高精度地圖進行匹配，快速獲得可靠的定位信息.具體來說，我們采用累積多次掃描點云方法，獲得更高密度的地面點云，提升用來匹配的局部地圖的信噪比，再通過對連續(xù)的若干幀進行聯(lián)合優(yōu)化以抑制不同幀之間由于定位誤差積累帶來的配準不一致問題.另外，我們采用基于相位相關的方法來提升XY定位算法的精度和魯棒性.假設圖像f1和f2之間的平移變換為：

其中(x0，y0)為估計平移量，根據(jù)傅立葉變換原理，對圖像f1和f2進行轉化得到F和F'，則進一步得到兩幅圖像間的互功率譜函數(shù)為：

最后計算上述結果的傅立葉反函數(shù)，結果中最大值出現(xiàn)的位置就是待估計(x0，y0)，通過插值可以獲得亞像素的定位結果.上述x0和y0結合初始的X和Y可以獲得最終的精確的定位結果.

然后，SLAM 與視覺信息進行融合.智能汽車利用攝像頭檢測出車道線信息，同時與高精度地圖中的幾何信息進行匹配，完成對智能車輛的定位.具體地，先對高精度地圖中的車道線信息在圖像空間進行采樣，獲得離散的點，再采用粒子濾波定位方法［36］，成本函數(shù)定義為高精度地圖上點反投影后最近的圖像上檢測的車道線上的點的誤差：

實驗效果如圖6所示，仿真中的智能車利用中利用云端所提供的高精地圖數(shù)據(jù)并通過SLAM 定位技術生成了虛擬車道導航路徑，并實現(xiàn)了智能速度控制以及路徑調整等功能，從而驗證了高精度地圖使能的中級虛擬車道技術的可行性.

圖6 中級虛擬車道技術實驗效果

3.3 高級階段

高級虛擬車道是一項服務于L6空地全域自動駕駛的三維虛擬通道導航技術，面向未來城市空域資源也被用于交通運輸?shù)目盏匾惑w化交通場景.如圖7 所示，該場景首先需要為飛行汽車設計一種有秩序的城市空域交通結構，其次三維導航通道的生成需要實時性更高的數(shù)字孿生技術來支撐高精度地圖的刷新，最后還應從全域的角度考慮FCTS的數(shù)字通信和網(wǎng)絡安全等問題.

圖7 高級虛擬車道的實現(xiàn)方法

3.3.1 城市空域交通結構

文獻［19］指出，對于飛行汽車的目視飛行規(guī)則（Visual Flight Rules，VFR）預計在高度為距地面0-500英尺的超低空空域實現(xiàn).因此，假設未來城市空域交通在此高度范圍內進行層式結構劃分.參考無人機sky-lanes 城市空域結構［37］.該結構下的每條虛擬車道是一個矩形條狀空間且只有一輛車的寬度和高度，要求汽車嚴格按照車道矩形中心線飛行以避免碰撞，允許橫向調整車道軌跡，不同層間通過斜坡匝道連接，空中每一層有若干條車道，且同時存在的車道數(shù)量可根據(jù)流量自適應調節(jié)，實現(xiàn)車輛無碰撞、無擁堵的路口通行和層級切換.其中飛行汽車的啟用按乘客需求隨時分配，定義個性化的臨時車道，一定范圍內同一時間的所有車道構成實時路網(wǎng)，并隨著車輛的加入或退出實時更新.

3.3.2 空地高精度地圖

L6空地全域自動駕駛所配備的高精度地圖相比于目前自動駕駛使用的高精度地圖，它具有高維性、數(shù)字可控性和自適應性的特點.其中，高維性是發(fā)展空地一體化交通的前提，高精度地圖需要對整個城市采集空間定位信息、地面和高層建筑紋理、空域虛擬車道信息等高維高精度數(shù)據(jù)以確?？盏厝蜃詣玉{駛的安全.數(shù)字可控性指高精度地圖需要數(shù)字孿生技術的支持，通過在城市地面道路和高層建筑表面全面覆蓋集成多源傳感器的IoT 信標，以實現(xiàn)全域交通感知、全網(wǎng)數(shù)據(jù)資源共享以及全方位城市規(guī)劃可控［38］.云端的數(shù)字孿生平臺能夠通過AI 對實時的交通態(tài)勢進行數(shù)據(jù)分析，并對交通擁堵的進行精準預測，及時調整虛擬路網(wǎng)的車道分布，從而穩(wěn)定交通流，提升城市全域的通行效率.自適應性是由于高級虛擬車道技術在空域所生成的虛擬路網(wǎng)是實時動態(tài)的，因此，高精度地圖需要與這些虛擬車道進行實時交互，能夠根據(jù)變化的虛擬路網(wǎng)連接狀態(tài)計算并調整地圖中的空間地圖數(shù)據(jù)，無需對空間數(shù)據(jù)進行重新采集以降低成本.

3.3.3 空域車聯(lián)網(wǎng)

考慮到飛行汽車能夠在離地數(shù)百米的高度行駛，傳統(tǒng)的地面無線通信系統(tǒng)無法做到全高度范圍覆蓋，空地一體化交通需要鋪設更多的空中接入點，如樓層間部署的高空IoT 信標可以擴展FCTS 的通信范圍及輔助位置標定，再配合低軌道（Low Earth Orbit，LEO）衛(wèi)星通信系統(tǒng)可對虛擬車道進行精確的三維定位［39］.為此，車聯(lián)網(wǎng)通信需要擴展到FCTS，目前最先進的蜂窩車聯(lián)網(wǎng)技術（Cellular-Vehicle to Everything，C-V2X）在中國的發(fā)展處于世界領先地位［40］.C-V2X 利用和增強當前的蜂窩移動通信系統(tǒng)，提供了大覆蓋、低延遲、高可靠性和高吞吐量的V2X 通信［40，41］，將其應用于FCTS 可以有效地提高虛擬車道技術在全域的信息交換和環(huán)境感知能力.虛擬路網(wǎng)的動態(tài)調整還需要依靠按需服務網(wǎng)絡加以輔助，通過設立分散的V2I（Vehicle to Infrastructure）服務站點或利用現(xiàn)有的蜂窩移動基站，為所在范圍內的車輛提供調度服務［42］，從而使每輛車間能夠通過V2V（Vehicle to Vehicle）及V2I 實時共享自己的虛擬路徑，有助于云端對整個虛擬路網(wǎng)的動態(tài)規(guī)劃.

3.3.4 6G“天空地一體”通信

與5G 網(wǎng)絡相比，第六代無線通信（6G）網(wǎng)絡將不再局限于地面通信網(wǎng)絡，通過融合衛(wèi)星、無人機通信網(wǎng)絡等非地面通信網(wǎng)絡，可以實現(xiàn)天、空、地一體化通信網(wǎng)絡［43，44］，這為基于虛擬車道技術的空地一體化交通提供了覆蓋全域的空中接口.亞厘米級的定位精度以及毫秒級的時間同步［45，46］能夠為面向自動駕駛的高精度地圖提供更快的刷新率，從而保障城市級別數(shù)字孿生系統(tǒng)的實時性和虛擬車道感知和決策的快速響應.此外，智能反射面（Intelligent Reflecting Surface，IRS）被認為是未來6G 生態(tài)系統(tǒng)的一種有前途的技術［47］.IRS 可用于實現(xiàn)6G 無線通信系統(tǒng)的智能和可重構無線傳播環(huán)境，為從根本上解決無線信道衰落損害和干擾問題提供了新的手段［48］.并且IRS 具有成本低、無天線噪聲放大和自干擾、易于集成到無線網(wǎng)絡等優(yōu)勢，因此通過IRS 在高層建筑表面的密集部署，可以有效地擴展空地一體化交通的網(wǎng)絡容量以及無線通信系統(tǒng)的覆蓋范圍，還可以化解城市峽谷地形導致的衛(wèi)星信號屏蔽影響車輛精確定位的問題.

3.3.5 可行性分析

空地一體化交通的實現(xiàn)需要交通、通信、自動化等多領域的先進技術相互支撐.該場景下，城市路網(wǎng)跨入空域，多層次的交通流需要合理規(guī)范的交通管理技術支持；自動駕駛汽車從地面過渡到天空，在城市間三維方向上的駕駛安全需要精確的空間定位和導航技術來保障；移動通信和車路協(xié)同為滿足FCTS 的用戶需求，需要將通信和感知的覆蓋范圍擴展至空域，海量數(shù)據(jù)的接入需要對有限地通信資源進行合理地分配.因此，作為面向空地一體化交通場景的L6 自動駕駛技術，高級虛擬車道需要交通、通信以及自動化三方面技術手段的共同驅動和相互配合.

在本文中，高級虛擬車道采用了基于sky-lanes 的空域交通管理模型，文獻［37］已對其給出了詳細的系統(tǒng)設計準則和數(shù)值仿真模擬，該空域交通結構能夠保障城市空域交通系統(tǒng)下的高吞吐系統(tǒng)性能以及車輛間縱向分離安全，可用于規(guī)范空中無人機在高度自治下的運動，以及預測未來交通系統(tǒng)的特點［37］.其次，本文對于定位和導航所使用的SLAM 技術可擴展到高維數(shù)據(jù)空間，融合激光雷達和攝像機等傳感器的三維SLAM技術［49，50］通過與空地高精度地圖中的城市地面及建筑紋理、層級部署IoT 信標位置和虛擬車道等信息進行匹配，可實現(xiàn)精確的空間定位和三維導航.對于空地一體交通的海量接入用戶和多源異構感知信息，就目前通信技術的最新發(fā)展可知，融合6G 的通信-感知-計算方案［51］在高維數(shù)據(jù)處理和高維資源管理問題上是有效且可行的.

4 未來挑戰(zhàn)

相比于L1-L5自動駕駛，L6空地全域自動駕駛由于應用場景的特殊性和復雜性，其在未來的大規(guī)模商用方面仍然存在巨大的挑戰(zhàn)，更多的自身及環(huán)境因素需要被考慮，如氣候、能耗、協(xié)同調度、網(wǎng)絡安全等.

（1）氣候影響：飛行汽車行駛在城市空域不同高度上的虛擬路網(wǎng)中，會對不利天氣條件（如暴風雨）十分敏感，因此，F(xiàn)CTS專用的天氣預報系統(tǒng)需要在空地一體化交通系統(tǒng)設計中被考慮.該系統(tǒng)能夠通過云端把不利天氣預報給相應空域中的車端，然后在整個虛擬路網(wǎng)層面上對影響的飛行汽車重新規(guī)劃虛擬車道，制定自適應的控制方案.

（2）能耗問題：飛行汽車駕駛中的起飛和爬升過程使其面臨更高的能耗和排放.在給定的燃料/電量下，飛行汽車在空中的最大飛行距離和最大飛行時間決定了其用于大規(guī)模生產和商用的價值.為此，飛行汽車的在設計和生產環(huán)節(jié)中需要綜合考慮車輛重量、起降模式、發(fā)動機功耗和推力以及天氣影響等各種因素.

（3）協(xié)同調度：隨著飛行汽車的投入運營，F(xiàn)CTS將面臨高峰時段的擁堵壓力，且不同類型飛行器（如無人機、直升機等）可能與飛行汽車共用城市空域，為了避免城市空域中的任何碰撞發(fā)生，準確的監(jiān)控和指揮是必不可少的.空地一體化交通系統(tǒng)應建立地面輔助監(jiān)控網(wǎng)絡來進行實時監(jiān)控和管理，以提供及時的交通控制和協(xié)同調度服務.

（4）網(wǎng)絡安全：由于L6 自動駕駛場景的通信網(wǎng)絡規(guī)模擴展至空域，大量的連接將導致全域控制網(wǎng)絡很容易受到入侵和攻擊，有害的網(wǎng)絡病毒或欺詐數(shù)據(jù)會干擾網(wǎng)絡的正常運行，如竊取私人信息，強行奪取目標車輛控制權，或偽裝成普通車輛或服務器潛入網(wǎng)絡獲取利益等［52］.區(qū)塊鏈技術將是空地一體化交通場景下保障安全可靠通信的有效方案，其分布式的數(shù)據(jù)存儲方式可以化解網(wǎng)絡集中化管理易受單點攻擊所導致的數(shù)據(jù)篡改和隱私泄露問題［53，54］.

5 總結

空地一體化交通將是下一代科技浪潮的重要應用場景，L6 空地全域自動化是未來自動駕駛行業(yè)發(fā)展的必然趨勢.虛擬車道技術作為L6 的關鍵使能技術，通過對城市空間的全方位感知和通信，可為自動駕駛飛行汽車提供空地高精度地圖用于空間定位和三維虛擬通道導航，從而構建城市空域虛擬路網(wǎng)為空地一體化交通場景下的L6 自動駕駛提供高效可行的方案.然而，虛擬車道技術并非一簇而就，將伴隨自動駕駛等級的提升而演進.本文旨在幫助自動駕駛行業(yè)明晰未來總體的發(fā)展方向，希望在學術界和工業(yè)界的共同努力下，這項虛擬車道技術能夠早日實現(xiàn)并為人類科技進步做出劃時代的貢獻.