張澤宇，李 想

（平頂山市公路交通勘察設計院，河南 平頂山 467000）

0 引 言

目前，城郊公路沿線接入口密度以及信控交叉口密度對城郊公路路段與交叉口整體安全會造成一定影響[1]。在其他變量保持不變的情況下，城郊公路事故總數(shù)呈現(xiàn)正相關影響，而基于5G技術的發(fā)展加速了公路路網(wǎng)設計智能化，給智能駕駛、智能交通、城郊公路路網(wǎng)帶來顛覆性變革?；?G技術在城郊公路路網(wǎng)智能網(wǎng)聯(lián)設計的應用，對緩解城郊公路駕駛安全、交通擁堵、綠色環(huán)保等問題具有重要意義，路網(wǎng)設計智能化能夠為其提供1個更加有效而快速的解決方案。5G技術支持下，公路智能網(wǎng)聯(lián)技術可以更加有力地促進社會經(jīng)濟發(fā)展，能夠改造城郊公路的傳統(tǒng)設計模式，以及城郊公路路網(wǎng)交通運輸模式，推動智能制造領域的變革。本文對公路智能網(wǎng)聯(lián)技術設計發(fā)展及優(yōu)勢進行分析，并在此基礎上探討其未來發(fā)展趨勢，針對公路路網(wǎng)智能設計發(fā)展狀況提出相應建議與思考。

1 城郊公路路網(wǎng)智能網(wǎng)聯(lián)設計

1.1 智能環(huán)境感知系統(tǒng)設計

公路路網(wǎng)智能化環(huán)境感知系統(tǒng)設計是利用激光雷達、毫米波雷達、攝像頭等傳感器以及通信系統(tǒng)V2X、I2X等去感知周圍環(huán)境，從而檢測公路上障礙物，提取路況信息，城郊公路路網(wǎng)則依據(jù)此數(shù)據(jù)信息進行決策。當前，感知技術智能網(wǎng)聯(lián)設計存在3大流派，一是激光雷達式感知技術設計方案，如百度、Google公司的技術方案；二是多傳感器的融合感知設計方案，如Roadstar、Uber、蘋果等公司的應用方案；三是以攝像頭為主體的感知設計方案，如Auto X、馭勢科技、特斯拉等所用的技術方案。

視覺感知深度學習技術與傳統(tǒng)的視覺技術相比，深度學習的感知精度更高，優(yōu)勢更顯著。在感知復雜路況時，深度學習的視覺感知精度被激發(fā)更高，對于傳統(tǒng)識別算法無法識別的目標物，深度學習也能精準識別。同時，對傳感器來說激光雷達具有高分辨率的技術優(yōu)勢，且已是自動駕駛車輛的技術標配，但傳感器不同，其感知能力、成本也明顯不同，常見的車輛傳感器也存在各種不同的感知方案，這些融合傳感器能夠獲取較為豐富的環(huán)境信息。在視覺感知設計中，其環(huán)境信息還可以通過位置定位系統(tǒng)與高精度地圖來提供，二者可以通過不良視線、視線盲區(qū)等狀況去采集環(huán)境信息，以彌補雷達識別和視覺識別的不足。當前，自動駕駛利用全球定位系統(tǒng)（Global Postioning System，GPS）、激光探測及測量、慣性測量單元、攝像頭的精確數(shù)據(jù)進行定位，以確保三維定位的高精確性。一些大型地圖商都注重智能環(huán)境感知地圖建設工作，并快速推進高精地圖，以制定高精度的定位方案。

1.2 城郊公路路網(wǎng)智能決策系統(tǒng)設計

智能決策系統(tǒng)設計能夠?qū)Τ墙脊仿肪W(wǎng)車輛周邊的環(huán)境、路側(cè)信息等進行精準感知，且與車輛行駛意圖、當前位置等相結(jié)合，綜合考慮舒適、安全、高效、節(jié)能等行駛目標，合理而智能化地進行車輛決策[2]。而今，智能決策系統(tǒng)在自動駕駛車輛中設計2種智能決策方案，即基于終端到終端方案和規(guī)則方案。Rule based設計架構(gòu)極為復雜，由數(shù)千模塊構(gòu)成，可解釋性非常強。而方案End to end設計更類似人的駕駛習慣，可通過神經(jīng)網(wǎng)絡對人類能夠觀察到的場景進行自動處理，處理后形成近似于人的駕駛行為。自動駕駛設計逐漸將馬爾可夫決策過程、博弈過程及概率過程應用到了車輛行為規(guī)劃決策的算法中，可綜合考慮其他駕駛意圖，且在決策算法中融入此意圖，確保車輛能夠在無通信情況下實現(xiàn)協(xié)同決策。目前，在決策系統(tǒng)設計研發(fā)中，車載決策、路側(cè)決策的分工協(xié)作技術是亟需研發(fā)的關鍵技術之一。

1.3 城郊公路智能網(wǎng)聯(lián)控制執(zhí)行系統(tǒng)

控制系統(tǒng)設計主要是解釋決策系統(tǒng)的宏觀指令，使其成為具有時間信息的軌跡曲線，實現(xiàn)有效控制車輛行駛方向及速度的目標，以跟蹤速度曲線和規(guī)劃路徑。具體來說，控制執(zhí)行設計能夠優(yōu)化城郊公路某個入口范圍的時空路徑，如一定時間段的車輛行駛軌跡，車輛姿態(tài)及整條軌跡等[3]。當前，規(guī)范公路沿線信控交叉口設置的控制方式，如模糊式、PID控制、滑模式、魯棒式、模型預測及自適應式等控制方式，全面地設計接入口密度以及信控交叉口密度對城郊公路路段與交叉口整體安全的影響，加強了控制執(zhí)行系統(tǒng)的交叉口密度、路網(wǎng)形態(tài)、接入口密度等變量設計，增強了城郊公路沿線接入口系統(tǒng)的管理。

1.4 城郊公路智能化網(wǎng)絡安全狀況

5G技術融合智能網(wǎng)絡技術，給城郊公路路網(wǎng)安全設計帶來極大變革，加速了城郊公路智能化安全設計的技術發(fā)展。而智能車載設備應用網(wǎng)絡及無線連接來實現(xiàn)其功能，在一定程度上存在網(wǎng)絡安全問題。同時，網(wǎng)絡自身安全問題也會伴隨在車載系統(tǒng)中[4]。

城郊公路路網(wǎng)智能網(wǎng)聯(lián)設計按照數(shù)據(jù)采集設計，通過軟件和電腦實現(xiàn)機械化控制，從而進一步加大了安全風險。在自動駕駛的網(wǎng)聯(lián)安全方面，美國在2013年便制定了智能網(wǎng)聯(lián)（汽車）信息的安全標準。此標準從全生命周期層面提出了車載網(wǎng)絡新安全的相關物理模型構(gòu)架及開發(fā)流程。歐洲對開放式公路和汽車的信息安全平臺與在通信環(huán)境方面構(gòu)建了智能網(wǎng)聯(lián)的安全防護體系。我國也逐漸認識到了智能網(wǎng)聯(lián)、公路路網(wǎng)、汽車信息安全的重要性，并日益關注此信息安全。交通部也明確了相關標準與規(guī)范的建設，在多部委、多層面的協(xié)同推動下，實現(xiàn)了智能網(wǎng)聯(lián)系統(tǒng)信息安全的標準化設計建設。

1.5 車路協(xié)同技術現(xiàn)狀

車路協(xié)同技術是利用無線通信和傳感檢測等技術獲取公路路網(wǎng)車輛及路側(cè)信息，利用公路路網(wǎng)對車輛和公路基礎設施、車輛對車輛通信的信息共享與交互，對車載系統(tǒng)資源進行優(yōu)化利用，從而提高城郊公路網(wǎng)的安全性，緩解公路擁堵，是智能網(wǎng)聯(lián)系統(tǒng)中的關鍵技術。美國通過車路間、車輛間的通信構(gòu)建了多個系統(tǒng)，以提升交通運行效率與安全，以及道路維護，且滿足了汽車制造商與其他企業(yè)的相關需求。

再如日本已將車路協(xié)同項目（Smartway）納入到其智能交通系統(tǒng)的基礎建設中，并以此為道路管理等提供多種應用服務，可以減少傷亡、避免碰撞和緊急處理事故等，極大地提升了公路網(wǎng)安全。國外學者以仿真模擬試驗對城郊公路長度、沿線接入口與信控交叉口密度匯入車輛技術的應用效果進行驗證，在相同微觀仿真環(huán)境的模擬試驗中，城郊公路沿線接入口密度以及信控交叉口密度的車頭時距、速度、位置等信息也被用來解決交通擁堵的問題。當前的研究主要是設計城郊公路交叉口通行量和降低車輛延誤等內(nèi)容，形成了各類算法，如超飽和道路交叉口對車輛排隊情況、信號相位處理等的實時檢測，以高效分配車流綠燈信號。以分組算法對車隊狀況、信號等進行實時監(jiān)控，完成主干公路車輛分配等。

2 智能網(wǎng)聯(lián)交通技術的未來趨勢

2.1 深度學習在決策架構(gòu)中的應用

增強學習和深度學習是較為熱門的2種機器學習方法，而自動駕駛的決策處理正是通過大量的學習來完成決策的，并通過在線學習來不斷優(yōu)化。然而此學習不具有透明性，對相關性推理非常依賴，無法對自動駕駛車輛的綜合性能進行評估，更難以對未知工況性能進行設計。

新因果推理決策則具備透明性、模塊化的優(yōu)勢，在數(shù)據(jù)處理上能夠?qū)κ录l(fā)生概率與可信度進行分類。模塊化可把深度學習視為子模塊，能夠加強輸出效果的可靠性，防止出現(xiàn)有關干擾。透明性是深度增強學習的又一個優(yōu)勢，在決策過程中，深度增強學習能夠分析、糾正非理性的設計行為，也可用于路側(cè)系統(tǒng)與車載系統(tǒng)。

2.2 云計算技術的融合應用與發(fā)展

作為現(xiàn)代公路智慧行車的核心系統(tǒng)技術之一，云計算技術的融合設計對實現(xiàn)城郊公路智慧行車具有重大意義[5]。云計算技術的存儲方式通常是分布式和冗余式，可以共享數(shù)據(jù)并對大規(guī)模數(shù)據(jù)進行處理。云計算技術能夠提供平臺服務、軟件服務和基礎設施方面的服務。當前交通領域已重視并開始應用云計算技術，如信息發(fā)布、路徑誘導及地理信息服務方面。智能網(wǎng)聯(lián)交通系統(tǒng)在計算及數(shù)據(jù)存儲方面的要求非常高，相應的需求也非常大，這給云計算技術的應用和發(fā)展帶來機遇，二者能夠互補。但在智能網(wǎng)聯(lián)公路設計中，該設計技術的應用仍為初級應用，其中基礎設施即服務（Infrastructure as a Service，IaaS）層可以提供資源計算、網(wǎng)聯(lián)資源、存儲和處理等服務，允許部署公路路段層、路側(cè)設備、路網(wǎng)層等通用設備的應用。平臺即服務（Platform as a Service，PaaS）為提供服務層，在云端部署公路路側(cè)設備、路段層、路網(wǎng)層等設備的應用。軟件即服務（Sofrware as a Service，SaaS）

層為訪問服務層，可向供應商提供相應的應用服務。怎樣設計健全的智能網(wǎng)聯(lián)云平臺，強化云服務的穩(wěn)定性與安全性，這是未來城郊公路路網(wǎng)智能設計需要解決的問題，也是其發(fā)展方向。

2.3 自動駕駛技術的未來發(fā)展

相較于自主式車輛的環(huán)境感知能力，智能網(wǎng)絡技術能夠從空間、時間維度獲得大量交通信息，既可提升單車決策及感知能力，又可為協(xié)同感知、群體決策創(chuàng)造條件。在車輛對車輛的通信技術中，車與車、車與路的實時信息共享與交互，可由時間維度提前獲取、預測周邊車輛紅綠燈、運行等控制系統(tǒng)、氣象條件的相關信息，由空間維度去感知彎道、交叉口、車輛遮擋等位置環(huán)境，協(xié)同配合自動駕駛車輛，進而拓展主動安全控制及協(xié)同控制范圍，如控制編隊長度和隊列跟馳以及車隊決策和換道策略[6]。自動化和網(wǎng)聯(lián)化技術的加速融合，形成了自動駕駛的新型應用技術，也是城郊公路路網(wǎng)智能化設計發(fā)展的新方向。

城郊公路路網(wǎng)智能設計中，智能網(wǎng)聯(lián)技術會受到傳輸丟包、時延以及傳輸距離的影響，唯有確保一定精度的狀況下，城郊公路路網(wǎng)智能網(wǎng)聯(lián)設計系統(tǒng)才能對周邊公路狀態(tài)進行全面掌握，從而展開大量的相關設計應用研究。

2.4 車路一體化自動駕駛技術的發(fā)展與應用

車路一體化是車路系統(tǒng)的協(xié)同決策和協(xié)同感知、協(xié)同控制一體化的自動駕駛功能。從政府主管的交通系統(tǒng)管理中可有效整合各類自動駕駛資源，為各種技術層次和出行方式提供更有效、安全的自動駕駛服務。而車路協(xié)同感知的一體化技術中，路側(cè)感知設備為主導，車輛感知則為輔，對車路進行全維度、全息全路的一體化感知，打破了車輛感知能力的傳統(tǒng)局限，而車路的協(xié)同決策也從能源消耗、安全、效率等方面成為自動駕駛系統(tǒng)的優(yōu)化目標。當然，如何實現(xiàn)其舒適性、安全性、節(jié)能環(huán)保等將是未來城郊公路路網(wǎng)智能網(wǎng)聯(lián)設計的方向[7]。

3 結(jié) 論

人工智能技術、5G技術、感知技術和集成技術的持續(xù)更迭，給城郊公路路網(wǎng)智能網(wǎng)聯(lián)設計提供了重要技術支撐，為城郊公路路段與交叉口整體安全問題的解決及自動駕駛等提供了新思路與新途徑。當然，相較于發(fā)達國家，我國在智能化路網(wǎng)設計及自動駕駛方面仍存在差距，但在5G技術及智能網(wǎng)聯(lián)技術的加持下，我國城郊公路路網(wǎng)智能設計方面定能獲得高速發(fā)展。