馬忠貴，李 卓，梁彥鵬

北京科技大學(xué)計算機(jī)與通信工程學(xué)院，北京 100083

車聯(lián)網(wǎng)（Internet of vehicles，IoV）基于3GPP（3rd generation partnership project）全球統(tǒng)一標(biāo)準(zhǔn)的通信技術(shù)，可實現(xiàn)車輛與周邊環(huán)境和網(wǎng)絡(luò)的全方位通信，包括車與車（Vehicle-to-vehicle，V2V）、車與路（Vehicle-to-infrastructure，V2I）、車與人（Vehicle-topedestrian，V2P）、車與網(wǎng)絡(luò)（Vehicle-to-network，V2N）等，為自動駕駛和智能交通管理應(yīng)用提供環(huán)境感知、信息交互與協(xié)同控制能力[1].車聯(lián)網(wǎng)產(chǎn)業(yè)是車輛、電子通信和交通等領(lǐng)域進(jìn)行融合的新興行業(yè)，是當(dāng)下世界研究熱點和未來發(fā)展的核心領(lǐng)域，將使自動駕駛和智慧交通煥發(fā)新的生機(jī)[2].

根據(jù)ITU-R WP5A（International telecommunication union）中的定義：車聯(lián)網(wǎng)是指具備車與外界（Vehicle-to-everything，V2X）通信能力、并具有SAE（Society of automotive engineers）3 級至5 級的自動化功能的車輛互聯(lián).自動化功能包括SAE 2 級高級駕駛輔助系統(tǒng)，以及SAE 3 級至5 級自動駕駛系統(tǒng).這些系統(tǒng)使用傳感器，如攝像頭、紅外線、聲納、超聲波、毫米雷達(dá)和激光雷達(dá)，結(jié)合計算機(jī)算法來執(zhí)行不同程度的自動車輛控制.V2X 通信通過獲取車載傳感器探測范圍之外的信息，提供自己車輛的信息，通過V2X 連接與其他車輛和基礎(chǔ)設(shè)施相互交流意圖，以及繪制其他道路使用者(如車輛)的位置和意圖，擴(kuò)展了高級駕駛輔助系統(tǒng)的感知范圍，并具有實時(非視距)“看到”和“交談”其他物體的能力.這可以在自動駕駛系統(tǒng)的基礎(chǔ)上，提高自動駕駛控制的安全性和效率.

自動駕駛車聯(lián)網(wǎng)為了自適應(yīng)滿足極低的通信時延、極高的可靠性、更大的傳輸速率等極致性能需求，需要提升車聯(lián)網(wǎng)感知、通信和算力自適應(yīng)能力，它不再只是單純的傳輸管道，而是能夠?qū)崿F(xiàn)“云-邊-端”一體化的協(xié)同通信、感知和計算，需要進(jìn)行通感算的深度融合.但遺憾的是，現(xiàn)有車聯(lián)網(wǎng)中通信、感知、計算屬于獨立的學(xué)科和技術(shù)領(lǐng)域，長期以來相互割裂、獨立分治.鑒于第六代移動通信技術(shù)（6G）將引入潛在的毫米波頻譜和太赫茲，將傳統(tǒng)定位、探測、成像等感知功能和無線通信功能融合，同時利用“云-邊-端”一體化算力進(jìn)行計算處理，實現(xiàn)通感算的深度融合，因此，需要凝練出“自動駕駛車聯(lián)網(wǎng)中通信、感知、計算內(nèi)生融合”的重大科學(xué)問題，充分發(fā)揮通感算一體化協(xié)同優(yōu)勢，實現(xiàn)自動駕駛的高效性.

1 研究意義

傳統(tǒng)的通信、感知、計算等多系統(tǒng)采用割立分治設(shè)計與性能優(yōu)化的方式已不能滿足自動駕駛車聯(lián)網(wǎng)場景下寬帶感知信息的極低時延、極高可靠傳輸需求.同時，隨著5G-Advanced 系統(tǒng)邁向支持更廣闊的toB（to Business）垂直行業(yè)領(lǐng)域，它將面臨更復(fù)雜多變且異構(gòu)組網(wǎng)的用戶環(huán)境和數(shù)字多維空間，這要求5G-Advanced 終端和5G-Advanced 網(wǎng)絡(luò)都具備更強(qiáng)的環(huán)境感知、計算和智能能力，實現(xiàn)通感算的深度融合[3].為了突破自動駕駛車聯(lián)網(wǎng)中通感算融合的架構(gòu)壁壘，需要探索如何構(gòu)建資源可解耦、能力可擴(kuò)展、架構(gòu)可重構(gòu)的通感算融合網(wǎng)絡(luò)架構(gòu)以及通感算融合的資源管理技術(shù).然而，目前對于自動駕駛車聯(lián)網(wǎng)中通感算融合相關(guān)的研究還處于起步階段，主要體現(xiàn)在以下幾個方面：（1）現(xiàn)有的相關(guān)研究工作，大多集中于通感、通算、感算等雙邊能力的融合方面，而對通感算三者的深度融合，尚處于愿景與設(shè)想階段，迄今并未有深入且全面的融合基礎(chǔ)理論和關(guān)鍵技術(shù)予以支撐.（2）針對自動駕駛車聯(lián)網(wǎng)海量數(shù)據(jù)、泛在感知節(jié)點能耗和感知范圍受限等問題，需要繼續(xù)研究如何建立基于車聯(lián)網(wǎng)通信的“云-邊-端”一體化信息交互與數(shù)據(jù)共享機(jī)制以及實現(xiàn)“云-邊-端”一體化的高效感知.（3）針對車聯(lián)網(wǎng)網(wǎng)絡(luò)狀態(tài)時空動態(tài)變化及全場景業(yè)務(wù)差異化需求導(dǎo)致的通信容量受限問題，融合網(wǎng)絡(luò)資源管理需以感知輔助的通感融合波束管理技術(shù)為核心，以多維資源相互制約的耦合關(guān)系為理論依據(jù)，研究相適配的干擾管理和多域資源管理機(jī)制，為實現(xiàn)高性能、高可靠、低開銷、低能耗的通感算融合提供技術(shù)支撐.（4）為了滿足自動駕駛車聯(lián)網(wǎng)的強(qiáng)算力需求，計算模式也需向“云-邊-端”一體化部署的泛在式架構(gòu)發(fā)展，以打破傳統(tǒng)的中心化計算模式；同時，圍繞強(qiáng)算力、高算效網(wǎng)絡(luò)這一核心問題，探索算力網(wǎng)絡(luò)編排與調(diào)度技術(shù)，構(gòu)建實時、智能、綠色的算力網(wǎng)絡(luò)，為自動駕駛車聯(lián)網(wǎng)中通感算融合提供高效的算力支撐.

2 國內(nèi)外研究現(xiàn)狀及發(fā)展動態(tài)分析

自動駕駛車聯(lián)網(wǎng)的感知依賴?yán)走_(dá)定位、攝像頭成像以及各種傳感器探測，同時也離不開通信，通信可以將收集到的各種數(shù)據(jù)傳輸?shù)竭吘壒?jié)點進(jìn)行計算；同時，在云-邊-端一體化高效算力的支持下實現(xiàn)的高精度感知和高效通信.通感融合網(wǎng)進(jìn)一步提升了協(xié)同移動計算的魯棒性.因此，自動駕駛車聯(lián)網(wǎng)中通信、感知、計算（下文簡稱通感算）三大功能互相關(guān)聯(lián)、互為促進(jìn)[4]，如圖1 所示.車聯(lián)網(wǎng)利用感知實現(xiàn)對環(huán)境中通信節(jié)點的位置、速度等參數(shù)的獲取，有助于實現(xiàn)通信系統(tǒng)中的快速波束對準(zhǔn)、周圍設(shè)備識別、干擾管控和多址接入的功能；對通信功能進(jìn)行提升，也可以增強(qiáng)車聯(lián)網(wǎng)的協(xié)同感知能力和提升感知資源分配效率，削弱雷達(dá)干擾；超強(qiáng)算力有助于支持高精度感知、高效率通信.此外，感知數(shù)據(jù)還可以對計算數(shù)據(jù)的降維起到一定的輔助作用，通信網(wǎng)絡(luò)可支持“云-邊-端”一體化的協(xié)同運算.

圖1 自動駕駛車聯(lián)網(wǎng)中通信、感知、計算三大功能關(guān)聯(lián)關(guān)系Fig.1 Relationships of communication,sensing,and computing in the internet of vehicles for autonomous driving

為了解決“自動駕駛車聯(lián)網(wǎng)中通信、感知、計算內(nèi)生融合”這一科學(xué)難題，下面擬分別從通感算融合網(wǎng)絡(luò)架構(gòu)、通信和感知融合領(lǐng)域、通信和計算融合領(lǐng)域、感知和計算融合領(lǐng)域四方面重點闡述國內(nèi)外相關(guān)研究現(xiàn)狀與發(fā)展趨勢.

2.1 通感算融合網(wǎng)絡(luò)研究現(xiàn)狀

隨著5G 技術(shù)的成熟以及大規(guī)模商用，全球逐步展開了對6G 的研究和攻關(guān)，6G 技術(shù)具備高可靠性（99.99999%）、大規(guī)模超低延遲（10～100 μs）以及高可擴(kuò)展性，可滿足未來自動駕駛超低時延、極高可靠性的需求.2021 年6 月，歐盟正式啟動了最新一輪框架計劃—Horizon Europe 研究周期（2021—2027 年)，并發(fā)布6G 愿景白皮書，以期保持歐洲在科技領(lǐng)域的領(lǐng)先地位，其中負(fù)責(zé)6G 研究的Smart Networks and Services Joint Undertaking 明確將通信感知融合作為6G 的標(biāo)志性技術(shù)，得到了各國學(xué)術(shù)界和標(biāo)準(zhǔn)組織的廣泛關(guān)注.在中國，IMT-2030 6G 推進(jìn)組于2021 年成立了通信感知融合任務(wù)組，負(fù)責(zé)面向6G 的通信感知一體化預(yù)研.美國太赫茲與感知融合技術(shù)研究中心重點研究了通信感知融合技術(shù)，包括太赫茲超高速通信與超高精度成像.

在交通強(qiáng)國戰(zhàn)略指引下，2021 年12 月2 日，百度李彥宏編寫的《智能交通：影響人類未來10—40 年的重大變革》[5]一書由人民出版社出版，該書對車路協(xié)同自動駕駛、L4 級以上高級別自動駕駛的技術(shù)難點與突破進(jìn)行了系統(tǒng)性論述，助力自動駕駛落地.C-V2X（Cellular V2X）與車路協(xié)同是未來智能交通和自動駕駛的重要使能.這其中就涉及到對通感算融合的資源管理問題，表1 介紹了在通感算融合資源管理研究領(lǐng)域中的代表性論文.

表1 通感算融合的資源管理研究領(lǐng)域的代表性論文Table 1 Representative papers in the field of communication-sensing-computing-integrated resource management

通過表1 可以發(fā)現(xiàn)，國內(nèi)外研究學(xué)者在通感算融合的資源管理方面取得了一些進(jìn)展，但是仍然存在以下局限性：現(xiàn)有研究工作主要考慮在車聯(lián)網(wǎng)場景下如何部署邊緣計算能力來解決通信任務(wù)卸載的問題.但是，不同傳輸速率和時延保障能力的車聯(lián)網(wǎng)無線傳輸技術(shù)，將對分布式邊緣計算任務(wù)的卸載量產(chǎn)生哪些影響、計算任務(wù)如何卸載與協(xié)同優(yōu)化，都尚未在自動駕駛車聯(lián)網(wǎng)場景下考慮.此外，現(xiàn)有研究工作沒有考慮到自動駕駛車聯(lián)網(wǎng)的傳感器資源引入后，將對通信與計算資源的協(xié)同優(yōu)化產(chǎn)生何種影響.不同車輛的感知結(jié)果在時間和空間上差異顯著，信息獲取的相對參考系不同，如何將自動駕駛場景下的被檢測目標(biāo)身份與時空位置信息建立聯(lián)系，是感知資源利用的難題.而且，通信、感知、計算等多維資源協(xié)同優(yōu)化將受到自動駕駛業(yè)務(wù)的傳輸速率、時延等條件的限制，尚無全面而深入的多維資源協(xié)同優(yōu)化方法.車聯(lián)網(wǎng)高動態(tài)環(huán)境導(dǎo)致通信、感知和計算等多維資源先驗信息難以準(zhǔn)確認(rèn)知，多樣化業(yè)務(wù)需求與多維資源的匹配和利用缺乏智能適應(yīng)環(huán)境變化的能力，資源利用率低，無法滿足自動駕駛車輛寬帶感知信息的極低時延、極高可靠傳輸需求.通過研究自動駕駛車聯(lián)網(wǎng)中通感算多維資源協(xié)同優(yōu)化技術(shù)，可為提升通感算融合系統(tǒng)的性能提供關(guān)鍵技術(shù)支撐.

近年來，學(xué)術(shù)界與工業(yè)界對通、感、算之間的融合技術(shù)進(jìn)行了研究.2020 年11 月，中國移動在世界5G 大會提出了6G 通感算融合的一體化框架.國際標(biāo)準(zhǔn)化組織/國際電工委員會發(fā)布了ISO/IEC 30165:2021《物聯(lián)網(wǎng)—實時物聯(lián)網(wǎng)框架》[13]，給出了自動駕駛等時間強(qiáng)約束無人化業(yè)務(wù)的通感算融合物聯(lián)網(wǎng)系統(tǒng)框架.北京郵電大學(xué)馮志勇團(tuán)隊的尉志青等針對單車感知無法滿足未來自動駕駛安全需求的現(xiàn)狀，面向多車傳感器信息融合與時效性共享問題，提出了基于感知-通信-計算融合的智能車聯(lián)網(wǎng)方法與解決思路[14].Qi 等[15]提出了感知-通信-計算融合的蜂窩物聯(lián)網(wǎng)體系架構(gòu)和關(guān)鍵技術(shù).北京郵電大學(xué)的王文博團(tuán)隊的閆實等指出，為了提升6G 網(wǎng)絡(luò)內(nèi)生智能感知和算力自適應(yīng)能力，迫切需要對通信、感知、計算的融合理論基礎(chǔ)與關(guān)鍵技術(shù)開展探究.從通感算融合網(wǎng)絡(luò)結(jié)構(gòu)上看，主要由中心網(wǎng)云、一體化網(wǎng)元和分布式終端構(gòu)成，中心網(wǎng)云與一體化網(wǎng)元協(xié)同管理分布式終端數(shù)據(jù)的收集與計算[16].但是，現(xiàn)有的相關(guān)研究工作，大多集中于通感、通算、感算等雙邊能力的一體化方面，而對通感算三者的深度融合，尚處于愿景與設(shè)想階段.下面分別對通感、通算、感算融合方面的研究現(xiàn)狀進(jìn)行綜述.

2.2 通信和感知融合方面的研究現(xiàn)狀

車聯(lián)網(wǎng)通過無線接入技術(shù)讓道路上安裝了車載設(shè)備單元的車輛可以與行人、相鄰的智能網(wǎng)聯(lián)汽車、路側(cè)設(shè)備單元（Road side unit，RSU）或者基站等實體便捷地進(jìn)行各種信息的交換和傳播.自動駕駛汽車配備了多種傳感器，如用于計算機(jī)視覺的攝像頭、用于測量距離的超聲波雷達(dá)、用于檢測地球表面的激光雷達(dá)、用于溫度和濕度測量的數(shù)字溫濕度傳感器、用于確定物體的距離、角度或速度的毫米波雷達(dá)等，以及感知周圍環(huán)境各種信息的其他傳感器.自動駕駛汽車捕獲的數(shù)據(jù)正在激增，通常每輛車每天產(chǎn)生20～40 TB 的數(shù)據(jù)[17-18]，包括攝像頭成像速率(20～40 MB·s-1)、聲納傳輸速率(10～100 KB·s-1)、毫米波雷達(dá)檢測速率(10～100 KB·s-1)、激光雷達(dá)檢測速率(10～70 MB·s-1)等.但“單車智能”無法實現(xiàn)“完全自動駕駛”，蜂窩車聯(lián)網(wǎng)（C-V2X）是融合蜂窩通信與直通通信的車聯(lián)網(wǎng)通信技術(shù)，是網(wǎng)聯(lián)化和智能化發(fā)展的關(guān)鍵技術(shù).其具有以下三方面的優(yōu)勢：一是擴(kuò)展了感知的范圍.可以預(yù)先獲取周圍環(huán)境信息與車輛、行人、信號燈的狀態(tài)等，便于車輛及時做出可靠研判.二是有效降低感知成本，提高傳感器利用率.通過利用網(wǎng)絡(luò)輔助，可降低車輛高精度傳感器的部署，降低成本.三是改善道路交通狀況.實現(xiàn)車路協(xié)同，可提高道路通行率，有效緩解道路堵塞.

自動駕駛車輛在面臨緊急情況時必須在幾毫秒內(nèi)做出正確的決策，因此，為了滿足未來自動駕駛車聯(lián)網(wǎng)極低的通信時延、極高的可靠性、更大的傳輸速率的需求，未來全場景自動駕駛需要基于6G 的車聯(lián)網(wǎng)的支持，從全局角度提升“云-邊-端”多維度上的感知協(xié)同決策能力.

對于通感融合的6G 網(wǎng)絡(luò)架構(gòu)，領(lǐng)軍團(tuán)隊悉尼科技大學(xué)Ni 等[19]提出了感知移動網(wǎng)絡(luò)的理念和網(wǎng)絡(luò)架構(gòu).Kobayashi 研究團(tuán)隊以廣義信道反饋估計信道狀態(tài)參數(shù)為基礎(chǔ)，研究了通感一體化性能的極限問題[20].北京郵電大學(xué)馮志勇團(tuán)隊的Yuan等[21]提出了通感一體化波形設(shè)計方案，并設(shè)計了空時信號分配方案.電子科技大學(xué)李少謙團(tuán)隊的李玲香等[22]提出了面向6G 的太赫茲感知通信一體化的3 種模式：資源一體化、功能一體化和資源功能一體化.中國移動的潘成康等針對無人化業(yè)務(wù)提出了通信感知一體化信息交互總體架構(gòu)[23].劉凡等對雷達(dá)與通信系統(tǒng)的同頻共存、雷達(dá)通信一體化系統(tǒng)設(shè)計進(jìn)行了深入而系統(tǒng)的綜述[24].Zhang 等[25]提出了一種在多波束下聯(lián)合通信與感知的方案，通信功能與固定波束對接，感知功能與掃描波束對接，設(shè)計了聯(lián)合高效波束成形方案.Yang 等[26]闡述了基于模型驅(qū)動神經(jīng)網(wǎng)絡(luò)和超大規(guī)模天線陣列的通信定位一體化技術(shù)，為基于毫米微波通信的定位輔助提供了借鑒之處.Xiao 與Zeng[27]展示了無線定位和通信在各個網(wǎng)絡(luò)層中如何相互作用的最新成果，以及定位和通信協(xié)同的主要架構(gòu)和技術(shù).文獻(xiàn)[28]對6G 通信、定位和感知系統(tǒng)融合進(jìn)行了詳述，指出關(guān)鍵技術(shù)和潛在挑戰(zhàn)，并給出可行的解決方案.田輝等對工業(yè)互聯(lián)網(wǎng)中感知、通信、控制三要素的協(xié)同融合技術(shù)進(jìn)行了綜述[29].Liu 等[30]從信息理論極限到物理層性能權(quán)衡，以及跨層設(shè)計權(quán)衡，分析了傳感與通信之間的性能權(quán)衡，并且討論了通感一體化波形設(shè)計和接收信號處理，進(jìn)一步提出通信與感知深度融合的愿景.

面對通信與感知的海量數(shù)據(jù)處理需求，自動駕駛車聯(lián)網(wǎng)需要提供超強(qiáng)的、及時的算力，構(gòu)建實時、智能、綠色的處理算法.為此，國際電信聯(lián)盟提出將計算與網(wǎng)絡(luò)相結(jié)合，構(gòu)建算力網(wǎng)絡(luò)，協(xié)調(diào)云、邊、端三級計算資源，提高算力的匯聚效率.目前，我國正在主導(dǎo)算力網(wǎng)絡(luò)的技術(shù)研究、標(biāo)準(zhǔn)制定和工程部署.同時，在算法的部署方面，一批新的基于“云-邊-端”一體化的算法得到了大量的研究.相關(guān)論文如表2 所示.

然而，當(dāng)前的研究大都面向通信場景，如基于機(jī)器學(xué)習(xí)的無線通信技術(shù)，很少涉及感知的計算理論與方法，更缺少面向感知和通信融合的算力匯聚和算法部署.當(dāng)然，除了上述問題，在硬件協(xié)同設(shè)計、與太赫茲融合感知、隱私安全、功耗、尺寸、成本等各個方面存在挑戰(zhàn).

2.3 在通信和計算融合方面的研究現(xiàn)狀

文獻(xiàn)[38]對基于6G 的車輛智能地組網(wǎng)、通信、計算進(jìn)行了探討，并指出了將來的挑戰(zhàn)和研究方向.劉雷等將移動邊緣計算（Mobile edge computing，MEC）集成到車聯(lián)網(wǎng)架構(gòu)中，驗證可以有效地解決車聯(lián)網(wǎng)中計算密集型任務(wù)和延遲敏感型任務(wù)所導(dǎo)致的指數(shù)級增長的移動流量，是一種有效縮短V2I、V2N 應(yīng)用時延的方案[39].Chen 等[40]提出了基于聯(lián)邦學(xué)習(xí)的無線網(wǎng)絡(luò)聯(lián)合優(yōu)化架構(gòu)，為解決網(wǎng)絡(luò)系統(tǒng)中節(jié)點算力分布不均的問題提供了思路.Hu 等[41]提出了一種基于深度學(xué)習(xí)的單入多出系統(tǒng)信道估計算法，與傳統(tǒng)信道估計相比性能更好.近年來，相繼提出可將計算任務(wù)進(jìn)行靈活傳輸?shù)乃懔Ω兄W(wǎng)絡(luò)[42]、多層算力網(wǎng)絡(luò)[43]，可以將業(yè)務(wù)需求與算力資源進(jìn)行實時匹配，并有效利用網(wǎng)絡(luò)中分布式計算資源.文獻(xiàn)[44]提出一種基于深度強(qiáng)化學(xué)習(xí)的車聯(lián)網(wǎng)頻譜分配與功率控制方案，能夠有效提升車聯(lián)網(wǎng)中用戶信道的容量，同時具有很好的穩(wěn)定性.將MEC 與車聯(lián)網(wǎng)融合，通過在道路邊緣部署服務(wù)器，車輛可以將任務(wù)交付給邊緣服務(wù)器，由邊緣服務(wù)器完成計算任務(wù)[45].基于以上文章不難發(fā)現(xiàn)，通信與計算融合可以有效降低網(wǎng)絡(luò)部署與維護(hù)成本，降低系統(tǒng)對容量的需求.可以進(jìn)一步針對基礎(chǔ)理論、系統(tǒng)架構(gòu)、結(jié)構(gòu)化設(shè)計等關(guān)鍵問題進(jìn)行進(jìn)一步的研究.

2.4 在感知和計算融合方面的研究現(xiàn)狀

在自動駕駛車聯(lián)網(wǎng)中，亟待解決的是如何讓車輛能夠精確感知環(huán)境，進(jìn)而通過對感知數(shù)據(jù)的計算來理解環(huán)境，以及如何通過計算優(yōu)化滿足系統(tǒng)實時性要求.云計算技術(shù)與無線傳感器網(wǎng)絡(luò)結(jié)合所產(chǎn)生的傳感云（Sensor-cloud）系統(tǒng)已經(jīng)逐漸成為研究的熱點.王田等[46]構(gòu)建了基于霧計算模式的可信傳感云實現(xiàn)框架，設(shè)計了可信評估、可信數(shù)據(jù)收集、可信存儲等關(guān)鍵技術(shù).Gao 等[47]基于邊緣計算與分布式深度學(xué)習(xí)，提出了一種數(shù)據(jù)處理算法，適用于多元環(huán)境感知，對計算效率的提高與環(huán)境感知的準(zhǔn)確性的增強(qiáng)具有顯著作用.陳育青與艾飛[48]提出了基于上下文感知計算的協(xié)同感知數(shù)據(jù)模型，引入上下文感知分類方法，對協(xié)同感知信息進(jìn)行概念分層，同時采用本體建模法建立相應(yīng)的本體.

以上通感、通算、感算一體化的研究現(xiàn)狀說明了通信、感知與計算之間的融合是可行的.為了自動駕駛相關(guān)業(yè)務(wù)的進(jìn)一步拓展，還需要對通信、感知、計算進(jìn)行進(jìn)一步的融合，突破目前多極致性能適配的瓶頸.因此，需要在車聯(lián)網(wǎng)架構(gòu)方面，研究通感算深度融合的全新架構(gòu)，打通通感算三大資源之間的靈活互通與統(tǒng)籌資源管理，并在此基礎(chǔ)上構(gòu)建分布式接入回傳一體化網(wǎng)絡(luò)架構(gòu)，實現(xiàn)智能重構(gòu)組網(wǎng)，進(jìn)行算網(wǎng)統(tǒng)一編碼與資源管控，為提高通感算融合網(wǎng)絡(luò)容量、感知精度、計算效率提供架構(gòu)支持.

3 研究內(nèi)容

3.1 通信、計算輔助感知增強(qiáng)

通信功能可以有效傳遞和匯聚感知信息，以支撐多節(jié)點協(xié)作感知，進(jìn)而擴(kuò)展感知的維度和深度.此外，實時共享的分布式算力可對感知數(shù)據(jù)進(jìn)行定制化的特征抽取及信息融合處理，借助先進(jìn)算法模型將原始感知信息轉(zhuǎn)化為可被終端或用戶直接理解的意圖及語義信息，實現(xiàn)從環(huán)境感知到環(huán)境認(rèn)知的能力增強(qiáng).

文獻(xiàn)[49]通過將霧計算與無人機(jī)通信技術(shù)進(jìn)行結(jié)合，極大地提升了無人機(jī)通信的位置感知功能，從而有效地支持動態(tài)物聯(lián)網(wǎng)應(yīng)用.文獻(xiàn)[50]提出了一種基于云計算和物聯(lián)網(wǎng)的智能車聯(lián)網(wǎng)管理系統(tǒng)，增強(qiáng)了車輛的實時感知功能，使汽車可以以最小的延遲獲取周圍道路的擁塞狀態(tài)，緩解城市交通壓力.文獻(xiàn)[51]針對現(xiàn)有任務(wù)卸載方案的性能較差、車載端無法實現(xiàn)高效計算的情況，提出了基于強(qiáng)化學(xué)習(xí)的車聯(lián)網(wǎng)邊緣計算架構(gòu)的任務(wù)卸載策略，可以實現(xiàn)快速收斂，任務(wù)卸載率更高.Yi 等[52]研究了D2D（Device to device）通信輔助多層霧計算的聯(lián)合資源管理，在所考慮的系統(tǒng)模型中，每個訂閱的移動最終用戶可以選擇通過蜂窩連接將其計算任務(wù)卸載到部署在基站的邊緣服務(wù)器，或者通過直接D2D 連接將其附近的一個第三方霧節(jié)點卸載.文獻(xiàn)[53]指出，在霧無線接入網(wǎng)中，霧接入點的本地存儲和計算能力為解決敏感型應(yīng)用延遲和計算限制提供了新的通信資源.文獻(xiàn)[54]將多個物聯(lián)網(wǎng)設(shè)備爭搶霧設(shè)備的過程視為一個游戲，設(shè)計了一種分布式計算卸載算法,目標(biāo)是優(yōu)化霧節(jié)點的計算延遲、能耗和成本之間的平衡,物聯(lián)網(wǎng)節(jié)點之間的競爭最終會達(dá)到一個納什均衡點.

3.2 感知、計算輔助通信增強(qiáng)

感知功能通過獲取更豐富的用戶信息、環(huán)境數(shù)據(jù)等為通信提供先驗信息.智能終端可利用隨取隨用的分布式算力，進(jìn)行精準(zhǔn)高效的信道估計、測量及快速波束對準(zhǔn)，有效增強(qiáng)智能終端的信息處理能力；智能云網(wǎng)可通過多維數(shù)據(jù)融合處理及大數(shù)據(jù)分析，重構(gòu)未知的物理信道狀態(tài)，設(shè)計最優(yōu)傳輸方式，提升通信的整體性能.

張燕詠等[55]總結(jié)了感算融合在自動駕駛領(lǐng)域的最新進(jìn)展，在比較與分析了自動駕駛感知算法后，提出了一種新的感知融合算法ImageFusion，并且針對自動駕駛的實時性問題，推出了新的計算優(yōu)化框架MPlnfer.文獻(xiàn)[56]針對無人駕駛中車輛感知范圍小和針對復(fù)雜的路況難以處理的問題，基于霧計算和分簇技術(shù)的思想,提出了一種基于霧計算的協(xié)同感知與協(xié)同控制機(jī)制.文獻(xiàn)[57]提出了一種位置感知霧定位算法，該算法可保持移動用戶與理想霧節(jié)點之間的連接，它提供的延遲比建議的霧節(jié)點的其他算法低40%～50%，應(yīng)用程序響應(yīng)資源更快，并實時增強(qiáng)系統(tǒng)性能.文獻(xiàn)[58]提出了一種基于物聯(lián)網(wǎng)、智能移動設(shè)備和邊緣計算的新型機(jī)器學(xué)習(xí)輔助智能停車系統(tǒng)，這種新穎的停車系統(tǒng)旨在通過高度精確的定位和作為邊緣智能計算的用戶活動感知，快速將車位的準(zhǔn)確位置傳遞給汽車，提升停車效率.Qi等[59]利用自動駕駛汽車傳感能力的群智傳感技術(shù)進(jìn)行實時數(shù)據(jù)采集，用車載分布式計算提高計算能力，減少海量原始環(huán)境數(shù)據(jù)的傳輸.對于感知、通信和計算的收斂，提出了一種群智感知輔助車輛分布式計算機(jī)制，顯著降低了通信負(fù)載.文獻(xiàn)[60]提出了一種基于效用的傳感任務(wù)分解和分包算法，該算法是一種在移動節(jié)點之間建立直接協(xié)作的傳感數(shù)據(jù)采集方法,建立基于馬爾可夫鏈的移動模型，預(yù)測傳感節(jié)點的空間分布.

3.3 感知增強(qiáng)與通信增強(qiáng)進(jìn)一步輔助計算增強(qiáng)

增強(qiáng)后的感知功能可以為分布式算力的最優(yōu)化快速調(diào)度提供先驗信息，也可以為人工智能服務(wù)與應(yīng)用提供更豐富的數(shù)據(jù)來源，以增強(qiáng)訓(xùn)練模型的魯棒性；而增強(qiáng)后的通信功能則進(jìn)一步提高了算力網(wǎng)絡(luò)的泛在計算能力，實現(xiàn) 6G 時代各類場景下算力資源的即用即配.

文獻(xiàn)[61]介紹了通感一體化的關(guān)鍵技術(shù)模式，分別是資源一體化，功能獨立的功能一體化，資源獨立的功能資源一體化三種技術(shù)模式，當(dāng)下主要的研究方向是功能資源一體化，即通信與感知共用同一硬件設(shè)備與波形.當(dāng)通信與感知功能實現(xiàn)一體化之后，可以更好地實現(xiàn)智能體交互，數(shù)據(jù)融合與降維.秦增科等[62]指出，6G 新網(wǎng)絡(luò)和6G 新終端都將會利用各自更強(qiáng)大的無線感知與邊緣計算，進(jìn)一步增強(qiáng)自身通信性能（提升容量/可靠性/能效/資源利用率、降低網(wǎng)絡(luò)部署成本/時延等）、實現(xiàn)對感知對象的模式識別（用戶手勢/表情/姿態(tài)等檢測、環(huán)境中活動伙伴行為檢測等）、實現(xiàn)更高精度定位/更高分辨率成像（無接觸式安檢、質(zhì)檢、材檢等）和虛擬環(huán)境重構(gòu)等功能目標(biāo).文獻(xiàn)[63]提出了利用集成傳感與通信（ISAC）技術(shù)提高傳感與通信性能的策略，采用擴(kuò)展卡爾曼濾波算法，實現(xiàn)通信位置信息與傳感信息的融合，提高目標(biāo)傳感精度.文獻(xiàn)[64]提出一種新型聯(lián)合傳感通信（JSC）算法，該算法采用波束共享方案，可用統(tǒng)一頻譜和收發(fā)器同時進(jìn)行下行雷達(dá)傳感和傳感數(shù)據(jù)融合通信.Jiang 等[65]設(shè)計了一種基于mmWave 頻段5G新無線電協(xié)議的傳感與通信聯(lián)合集成系統(tǒng)，支持傳感與通信雙功能的動態(tài)幀結(jié)構(gòu)配置，可以解決CAV（Connected and automated vehicle）之間原始傳感數(shù)據(jù)共享的低時延和高數(shù)據(jù)速率問題，此外，以雷達(dá)互信息為關(guān)鍵指標(biāo)，將多個CAV 之間的資源分配優(yōu)化問題表述為非合作博弈.

通算助感、感算助通與通感助算的發(fā)展進(jìn)一步推動著通感算一體化網(wǎng)絡(luò)的發(fā)展，通信、感知、計算三者相互融合，促進(jìn)了彼此的增強(qiáng).下文提出的通感算融合網(wǎng)絡(luò)架構(gòu)通過智能融合面貫穿了通信面、感知面與算力面，將三者有機(jī)聯(lián)系起來.同時，縱向五層中每一層與每一面的交叉域都涉及到不同的融合技術(shù)與應(yīng)用.整個通感算融合網(wǎng)絡(luò)將通算助感、感算助通與通感助算深度融合起來，進(jìn)而使網(wǎng)絡(luò)具備新型閉環(huán)信息流智能交互與處理及廣域智能協(xié)作的能力.

3.4 通感算融合網(wǎng)絡(luò)

（1）定義.

根據(jù)中國通信學(xué)會最新發(fā)布的通感算融合網(wǎng)絡(luò)前沿報告指出：通感算一體化網(wǎng)絡(luò)是指同時具備物理-數(shù)字空間感知、泛在智能通信與計算能力的網(wǎng)絡(luò).該網(wǎng)絡(luò)內(nèi)的各網(wǎng)元設(shè)備通過通感算軟硬件資源的協(xié)同與共享，實現(xiàn)多維感知、協(xié)作通信、智能計算功能的深度融合、互惠增強(qiáng)，進(jìn)而使網(wǎng)絡(luò)具備新型閉環(huán)信息流智能交互與處理及廣域智能協(xié)作的能力，為6G 的智慧城市、智慧交通、智能家居等典型應(yīng)用場景提供支持.

（2）自動駕駛車聯(lián)網(wǎng)中通感算融合的網(wǎng)絡(luò)架構(gòu).

將通感算融合網(wǎng)絡(luò)應(yīng)用到自動駕駛車聯(lián)網(wǎng)的場景下，結(jié)合自動駕駛車聯(lián)網(wǎng)的實際需求，同時針對通信節(jié)點的計算、感知能力增強(qiáng)但傳統(tǒng)網(wǎng)絡(luò)架構(gòu)只關(guān)注通信維度，導(dǎo)致難以自適應(yīng)滿足自動駕駛車聯(lián)網(wǎng)多極致性能需求的挑戰(zhàn)，通過分布式的時頻空多域智能感知、高效通信資源管理、按需的分布式計算能力調(diào)度和“云-邊-端”一體化的網(wǎng)絡(luò)管控等技術(shù)，研究通感算融合的網(wǎng)絡(luò)架構(gòu)以適應(yīng)不同的業(yè)務(wù)需求，實現(xiàn)自動駕駛車聯(lián)網(wǎng)的智能感知、智能資源調(diào)度、智能計算、智能管控，從而為后續(xù)研究內(nèi)容奠定架構(gòu)基礎(chǔ).

通感算融合網(wǎng)絡(luò)在不同的層面共享資源、服務(wù)、網(wǎng)絡(luò)等，降低了硬件成本，優(yōu)化了整體架構(gòu)，結(jié)合實際應(yīng)用滿足業(yè)務(wù)需求.而通感算融合網(wǎng)絡(luò)整體上可以分為通信、感知、計算三個方面，結(jié)合自動駕駛車聯(lián)網(wǎng)領(lǐng)域，通信層面采用6G 通信網(wǎng)絡(luò)與C-V2X 技術(shù)；感知面采用毫米波或太赫茲波段載波，結(jié)合路側(cè)單元、雷達(dá)等獲取的感知信息，實現(xiàn)全方位高精度感知；算力層面，基于霧計算、邊緣計算技術(shù)，提高數(shù)據(jù)運算效率與精度，實現(xiàn)精準(zhǔn)控制.實現(xiàn)通信、感知、算力的融合需要優(yōu)化整體網(wǎng)絡(luò)結(jié)構(gòu)，按需提供AI 能力和網(wǎng)絡(luò)管理能力，促進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)內(nèi)部自動優(yōu)化，通信、感知、算力之間的資源調(diào)度優(yōu)化，融合網(wǎng)絡(luò)將實現(xiàn)更快的通信速度、更高的感知精度、更精準(zhǔn)的計算，提升整個網(wǎng)絡(luò)層次的決策效率與預(yù)測準(zhǔn)度.

突破自動駕駛車聯(lián)網(wǎng)中通感算融合的架構(gòu)壁壘，對網(wǎng)絡(luò)架構(gòu)進(jìn)行“五層四面”數(shù)字化抽象，橫向五層自下而上分別是：多元接入層、統(tǒng)一網(wǎng)絡(luò)層、多域資源層、協(xié)同服務(wù)層、管理與應(yīng)用層；縱向四面分別是：通信面、感知面、算力面、智能融合面.基于通感算功能模塊化，構(gòu)建資源可解耦、能力可擴(kuò)展、架構(gòu)可重構(gòu)的網(wǎng)絡(luò)架構(gòu)，如圖2 所示.

圖2 智能內(nèi)生的“五層四面”通感算融合網(wǎng)絡(luò)架構(gòu)Fig.2 Intelligent endogenous architecture of the communication-sensing-computing-integrated IoV with five layers and four planes

橫向五層的功能如下：多元接入層支持CV2X 專用頻譜及非專用頻譜通感一體化技術(shù)，并采用靈活頻譜共享技術(shù).統(tǒng)一網(wǎng)絡(luò)層主要解決全方位的統(tǒng)一組網(wǎng)問題，基于IP 承載，屏蔽異構(gòu)終端、接入鏈路的差異，在多元接入層之上構(gòu)建基于數(shù)據(jù)分組交換的核心網(wǎng)絡(luò)，實現(xiàn)數(shù)據(jù)的統(tǒng)一路由與轉(zhuǎn)發(fā).多域資源層通過就近將頻譜、帶寬、網(wǎng)絡(luò)、服務(wù)器、存儲、算力等聚合形成一個或多個邏輯上的邊緣資源池，各資源池之間共享計算、存儲、網(wǎng)絡(luò)、感知信息等資源，實現(xiàn)網(wǎng)絡(luò)邊緣局部的算力網(wǎng)絡(luò)管理、資源調(diào)度，完成初步的通感算融合管理及業(yè)務(wù)邏輯編排.協(xié)同服務(wù)層主要解決綜合感知業(yè)務(wù)的按需服務(wù)問題，負(fù)責(zé)統(tǒng)籌上層業(yè)務(wù)需求和下層資源，實現(xiàn)上下數(shù)據(jù)和控制的協(xié)同，是整個網(wǎng)絡(luò)架構(gòu)的核心層.協(xié)同服務(wù)層向上主要通過對業(yè)務(wù)信息的分類、分級，結(jié)合業(yè)務(wù)傳輸速率、時延、優(yōu)先級、可靠性等服務(wù)質(zhì)量（Quality of service，QoS）需求，實現(xiàn)各類業(yè)務(wù)的注冊、接納控制和業(yè)務(wù)編排等.協(xié)同服務(wù)層向下主要通過對下層資源的抽象封裝，構(gòu)建面向不同應(yīng)用需求的網(wǎng)絡(luò)模型等.管理與應(yīng)用層能夠自動捕獲業(yè)務(wù)性能需求，自適應(yīng)不同應(yīng)用場景.利用人工智能技術(shù)挖掘不同業(yè)務(wù)的差異化特征，完成通感算多維資源的動態(tài)協(xié)同管理以及后續(xù)的策略制定和執(zhí)行，同時為不同應(yīng)用智能地進(jìn)行網(wǎng)絡(luò)重構(gòu).

縱向四面的功能如下：通信面使用6G 通信網(wǎng)絡(luò)和國際上廣泛采納的C-V2X 技術(shù)，實現(xiàn)動態(tài)覆蓋和服務(wù).感知面復(fù)用6G 通信網(wǎng)絡(luò)的超高頻毫米波或者太赫茲波段載波，基于多普勒效應(yīng)獲取區(qū)域內(nèi)的感知信息，同時融合區(qū)域內(nèi)車輛、路側(cè)單元、云端的感知信息，形成多視角、全方位目標(biāo)協(xié)同感知體系.算力面除了向目標(biāo)用戶提供算力服務(wù)體驗以外，還提供分布式的交互感知，進(jìn)行用戶信息的采集和識別，為智能融合面的服務(wù)決策提供信息.智能融合面可為其他“層”與“面”按需提供AI 能力和網(wǎng)絡(luò)管理的相關(guān)能力.基于“智能融合面”構(gòu)建通感算數(shù)據(jù)模型及其交互模型的自挖掘與演進(jìn)機(jī)制，以指導(dǎo)融合網(wǎng)絡(luò)決策推理與動態(tài)調(diào)整.探索網(wǎng)絡(luò)自演進(jìn)內(nèi)核構(gòu)成、進(jìn)化動態(tài)表征模型、網(wǎng)絡(luò)經(jīng)驗提取、重組與演繹推理方法，實現(xiàn)融合網(wǎng)絡(luò)架構(gòu)的內(nèi)生“自優(yōu)化、自生長、自演進(jìn)”能力.

（3）性能指標(biāo).

針對自動駕駛車輛網(wǎng)的應(yīng)用場景需求，需要考慮的性能指標(biāo)包括通信、感知、計算三方面，同時各方面細(xì)化為若干性能指標(biāo)，在進(jìn)行通感算融合網(wǎng)絡(luò)的設(shè)計時需要重點考慮這些性能指標(biāo)，其中關(guān)于評價通感算融合網(wǎng)絡(luò)性能的指標(biāo)體系如表3 所示.

表3 通感算融合網(wǎng)絡(luò)性能評價體系Table 3 Key performance indexes (KPIs) of communication-sensing-computing-integrated IoV

4 挑戰(zhàn)及發(fā)展趨勢

4.1 基礎(chǔ)理論架構(gòu)

基于無人駕駛車聯(lián)網(wǎng)的通感算融合缺乏相應(yīng)的基礎(chǔ)理論架構(gòu)，缺乏通感算相互制約的理論[66].需要給出相應(yīng)的指標(biāo)來表征融合的效果，并論述通信性能、感知指標(biāo)、計算約束下的制衡關(guān)系；通感算融合網(wǎng)絡(luò)需要考慮傳輸過程中的信道模型，同時基于電磁波產(chǎn)生和傳輸理論進(jìn)行設(shè)計；通信感知融合設(shè)計需要對信號發(fā)射和接收涉及的天線、信道帶寬、觀測條件等理論進(jìn)行系統(tǒng)的分析，保證通信可靠性、有效性以及較高的感知精度，由于目前通感算參數(shù)間的相互作用原理缺乏基礎(chǔ)的理論架構(gòu)，現(xiàn)有的仿真方法不具備多場景的普適性.

4.2 集成通感算融合的硬件設(shè)計

進(jìn)行通感算一體化的硬件設(shè)備的異構(gòu)設(shè)計十分重要，現(xiàn)有的基站結(jié)構(gòu)已經(jīng)十分復(fù)雜，如果只是簡單地將感知功能疊加到基站上，進(jìn)行假融合，融合效率不高且成本高昂，需要對基站進(jìn)行整體的結(jié)構(gòu)化設(shè)計.在5G 中，感知和通信是獨立設(shè)計的，而且隨著6G 技術(shù)的蓬勃發(fā)展，通信與感知的頻譜愈發(fā)重合，以毫米波段為例，在未來毫米波通信與毫米波雷達(dá)都在使用的20～300 GHz 這個頻段，通信和感知達(dá)到最佳性能所需的信號波形一般并不相同，即使當(dāng)前使用正交頻分復(fù)用（Orthogonal frequency division multiplexing,OFDM）信號測距與調(diào)頻連續(xù)波雷達(dá)相似，使用最佳傳感信號波形仍需要現(xiàn)有通信系統(tǒng)設(shè)備進(jìn)行完善，甚至實現(xiàn)波形虛擬與優(yōu)化，這也同時體現(xiàn)了一體化天線設(shè)計的重要性.

4.3 多維數(shù)據(jù)處理

海量多維數(shù)據(jù)基于樣本和特征的融合算法和面向不同的用戶或耦合業(yè)務(wù)的相關(guān)數(shù)據(jù)處理方式需要繼續(xù)研究，在同一網(wǎng)絡(luò)覆蓋下，用戶產(chǎn)生的感知數(shù)據(jù)是相互關(guān)聯(lián)的，需要解決本地模型產(chǎn)生的模型參數(shù)，當(dāng)前分布式學(xué)習(xí)沒有考慮網(wǎng)絡(luò)中設(shè)備的差異性，例如在大規(guī)模物聯(lián)網(wǎng)場景下，許多傳感器并不具備基本算力以支持本地數(shù)據(jù)訓(xùn)練，導(dǎo)致終端出現(xiàn)接入設(shè)備功率和算力受限的情況，這種情況需要終端進(jìn)行通信和數(shù)據(jù)感知的權(quán)衡[67].

4.4 多接入干擾問題

通過多用戶通信實現(xiàn)泛在感知，未知參量為計算帶來極大的求解壓力，有效的通感體系和計算方式需要研究.廣泛接入和大規(guī)模協(xié)作會帶來復(fù)雜網(wǎng)絡(luò)信號干擾問題，隨著期望感知范圍或者精度要求的提升，增加傳輸?shù)墓β适且粋€有效的方法，但是隨著功率的提高，網(wǎng)絡(luò)傳輸?shù)膭討B(tài)性和隨機(jī)性也會相應(yīng)提升，從而增加了干擾，從網(wǎng)絡(luò)中提取信息就需要更加深入的學(xué)習(xí)和挖掘，盡可能地提取出更多更有價值的數(shù)據(jù).

5 結(jié)論

針對無人駕駛車聯(lián)網(wǎng)的高性能需求，為了實現(xiàn)通感算融合網(wǎng)絡(luò)的深度融合，在對通感、通算、感算融合網(wǎng)絡(luò)的研究現(xiàn)狀進(jìn)行論述后，同時對通感算融合網(wǎng)絡(luò)的資源管理進(jìn)行了總結(jié)，進(jìn)一步驗證了通感算網(wǎng)絡(luò)融合的可行性.提出了通感算融合網(wǎng)絡(luò)的定義，論述了通算助感、感算助通、通感助算領(lǐng)域的最新進(jìn)展，針對無人駕駛車聯(lián)網(wǎng)的應(yīng)用場景，創(chuàng)造性地提出了“五層四面”的網(wǎng)絡(luò)架構(gòu)，橫向五層自下而上分別是多元接入層、統(tǒng)一網(wǎng)絡(luò)層、多域資源層、協(xié)同服務(wù)層、管理與應(yīng)用層，縱向四面分別是通信面、感知面、算力面、智能融合面.基于通感算功能模塊化，構(gòu)建資源可解耦、能力可擴(kuò)展、架構(gòu)可重構(gòu)的網(wǎng)絡(luò)架構(gòu).總結(jié)了通感算融合網(wǎng)絡(luò)的性能指標(biāo)評價體系.最后提出通感算融合網(wǎng)絡(luò)研究面臨的挑戰(zhàn)與未來發(fā)展方向，建立完備的通感算融合網(wǎng)絡(luò)的基礎(chǔ)理論架構(gòu)，進(jìn)行一體化硬件設(shè)備設(shè)計，多位數(shù)據(jù)處理范式，解決多接入干擾問題.通感算融合網(wǎng)絡(luò)的發(fā)展尚處于初期階段，許多研究還基于理論層面，需要加快進(jìn)行統(tǒng)一的標(biāo)準(zhǔn)建設(shè)，占領(lǐng)6G 研究的制高點.