柯曄偉

摘 要：智能汽車作為一種智能終端，具備環(huán)境感知能力、事態(tài)分析能力、情況處理能力和信息分享能力。本文針對智能汽車的環(huán)境感知能力優(yōu)化展開研究，并提出5G和車路協同技術有助于云端視覺分析技術的發(fā)展，而云端視覺分析技術的介入對汽車環(huán)境感知能力有極大的優(yōu)化作用，最后通過仿真實驗予以驗證。

關鍵詞：云端視覺分析 環(huán)境感知能力 車路協同 智能汽車 通行效率

智能汽車作為一種高級人工智能，具備極強的環(huán)境感知能力，類似于人類的視覺、聽覺、觸覺等感知功能，主要用于感知車輛周圍的環(huán)境信息，并將數據傳輸給汽車的“大腦”——控制單元。控制單元基于這些數據，完成對智能汽車的態(tài)勢控制。因此，智能汽車只有具備精確的視覺分析能力和敏銳的環(huán)境感知能力，才能擁有出色的安全性及行駛效率。

1 概述

1.1 智能汽車環(huán)境感知能力的概念及現狀

環(huán)境感知相當于智能網聯汽車的眼睛，是其決策、控制執(zhí)行的基礎。環(huán)境感知系統(tǒng)是利用車載超聲波雷達、毫米波雷達、激光雷達、視覺傳感器及V2X通信系統(tǒng)感知周圍環(huán)境[1]?，F階段，環(huán)境感知技術已經在智能汽車上得到初步運用，而探測設備的不同、精度的差異，決定了不同車輛對于環(huán)境感知能力的差別。而環(huán)境感知能力的差異性，直接決定了車輛的智能化程度：對于環(huán)境感知能力越強的車輛，其自動駕駛的功能越完備、智能化程度越高、主動安全性能越強。

1.2 云端視覺分析的概念及發(fā)展現狀

在眾多的環(huán)境感知技術中，視覺分析占有舉足輕重的地位。視覺分析的精確性直接決定了環(huán)境感知能力的真實性和有效性。

傳統(tǒng)的視覺分析是孤立的，即由本車的車載探測設備對環(huán)境進行探測，并將結果回傳給本車控制系統(tǒng)，再控制執(zhí)行器完成車輛駕駛行為操作。云端視覺分析是在傳統(tǒng)視覺分析的基礎上，將多源信息融合技術深度融合，實現多目標關聯和參數融合[2]。現有的視覺分析通過激光探頭感知實物，利用車載電腦對實物進行分析，產生下一步行動的應對策略。云端視覺分析與傳統(tǒng)視覺分析的車載硬件設備基本一致，對實物的探測方法也基本相同。兩者最大的區(qū)別在于對實物的分析不僅局限于本車車載電腦，更可以利用車路協同技術實現探測結果的云傳輸，并依托智慧道路的5G傳輸平臺保障數據傳輸的穩(wěn)定性和精確性，再基于大數據平臺實現對探測結果的精確化、多角度、多樣化分析，從而有效提升車輛的環(huán)境感知能力，使得控制模塊能更加精準的做出駕駛判斷。

2 車路協同技術對云端視覺分析技術提升的促進作用

前文已經闡述了云端視覺分析技術對于智能汽車環(huán)境感知能力的提升有著巨大的推動作用。而云端視覺分析技術的實現是基于一系列有層次的、完善的通信設施作為硬件基礎，這個硬件基礎就是車路協同技術。

區(qū)別于傳統(tǒng)視覺分析只能以單車作為分析單元進行運算，云端視覺分析可以借助大數據和云平臺完成對單車視覺成像的運算分析，并將分析結果分享給同區(qū)域內的其他智能車輛，有助于其他車輛對于自身所處的路況展開多角度分析。

通過以上分析可知，云端視覺分析技術的實現，需要有一下幾個條件作為支撐：①不同的車輛之間、車輛與云平臺之間都要有通信協議，數據信息的傳輸不能存在壁壘，必須無縫銜接；②車輛是一種移動終端，數據的傳輸形式只能是無線傳輸；③涉及車輛的行駛安全，視覺成像的解析必須非常精確，信息傳輸必須有足夠高的速度作為保障；④同區(qū)域內車流量較大時，數據信息的傳輸量負荷激增，因此需要有足夠強大的傳輸帶寬予以保障。綜上所述，建設智慧道路，基于5G通信網絡和車載OTA技術構建車路協同硬件系統(tǒng)，保證智能汽車與智慧道路無縫融合，是實現云端視覺分析技術的必要途徑，是增強車輛環(huán)境感知能力的有力支撐。

3 云端視覺分析技術對車輛環(huán)境感知能力優(yōu)化的促進作用

3.1 環(huán)境感知能力對智能汽車道路安全性的必要性分析

技術進步推動了智能汽車自動駕駛水平的跨越式發(fā)展，隨之而來的安全問題也引起了社會公眾的廣泛關注。為解決這個矛盾，已經有學者提出利用圖像去霧技術融合人工智能來解決大霧天氣下機器視覺能力降低的問題[3]。智能汽車作為一種人工智能，必須具備類似甚至超越人類感知水平的環(huán)境感知能力：對行駛過程中遇到的障礙物精確感知、對道路信號裝置及時識別、對行駛區(qū)域內的道路狀況能宏觀感知。因此，環(huán)境感知能力是智能汽車行駛安全的重要前提和基本保障。

3.2 云端視覺分析及車路協同技術的結合對車輛環(huán)境感知能力提升的作用

云端視覺分析是車路協同技術的充分體現?；谥腔鄣缆吠晟频臄祿鬏旀?，單一車輛獲取的視覺分析結果傳輸至道路基站，經道路基站中轉后發(fā)送至云平臺，經大數據分析處理，再回傳至車載電腦，完成路況分析的閉環(huán)處理。另一方面，云平臺集中收集區(qū)域內眾多車輛上傳的單點路況信息，經整合并宏觀分析后可以得出區(qū)域內實時的整體路況信息，向每輛車發(fā)出路況提示和風險預警，從而優(yōu)化單一車輛車載電腦的基礎數據，引導其制定出最為合理的行駛策略。云端視覺分析的工作原理如圖1所示。

4 基于OPTIMUS PRIME的仿真實驗分析

前文從理論上分析了云端視覺分析技術有助于智能汽車環(huán)境感知能力的優(yōu)化，而環(huán)境感知能力的優(yōu)化有助于智能汽車道路安全性的顯著提升。下文將基于OPTIMUS PRIME仿真系統(tǒng)，設置仿真場景、確定變量參數，運用控制變量法和對比分析法，進行仿真實驗，通過仿真實驗的手段證明云端視覺分析有助于優(yōu)化智能車輛的環(huán)境感知能力，從而增強車輛的行駛安全性。

4.1 仿真系統(tǒng)介紹

OPTIMUS PRIME仿真系統(tǒng)是深圳柯博文公司開發(fā)的一款專用于智能網聯汽車的仿真系統(tǒng)。該系統(tǒng)按照智能汽車的探測方式、底盤線控、控制程序、人際互動等不同模塊設計了多套臺架，每套臺架都有獨立的仿真分析功能，同時基于相同的數據分析平臺，各個臺架之間數據互通，可以進行聯合仿真，實現智能汽車全方位的整體仿真。

4.2 確定實驗參數

該仿真軟件對道路和車輛的基本設定為具有基礎和可持續(xù)升級的車路協同功能，能滿足使用者對車路協同功能的各種要求。本文將道路環(huán)境設定為不變量，每次仿真實驗中的道路場景和交通狀況都是一致的；天氣元素作為唯一變量，測試車輛視覺分析技術在不同能見度條件下的工作情況；云端視覺分析和傳統(tǒng)視覺分析作為實驗量，在相同條件下對這兩個實驗量進行對比分析，并選取車輛安全性的相關參數作為評判指標。

（1）道路環(huán)境參數確定

OPTIMUS PRIME仿真系統(tǒng)中的電腦軟件預存了全要素道路模型，并設置了多種道路狀況和天氣模式，可對同一種路況進行多種氣候條件下的仿真實驗。系統(tǒng)中的道路平臺為智慧道路，前置程序已經將車路協同的要素寫入軟件，使用者直接調用即可。

本次實驗中道路狀況作為不變量，需要首先確定。實驗選擇道路元素最豐富的城市道路最為基本場景，該場景中的車輛、行人、非機動車的數量和運動軌跡都是確定的，信號燈和指示牌等道路信號裝置也都具備，甚至障礙物都是固定的。

（2）天氣參數的確定

天氣情況的變化會導致道路能見度狀況出現極大差異，雨雪天氣的能見度較差，影響視覺分析技術的探測效果，對車輛的環(huán)境感知能力產生嚴重干擾，從而導致車輛行駛過程中的不安全等級急劇飆升。因此，車載云端視覺分析系統(tǒng)能在不同氣象條件、不同能見度的環(huán)境中持續(xù)有效工作，功能不受影響，保持極為精準的環(huán)境感知和視覺分析能力，是智能汽車安全駕駛的重要保障。本文選取晴天、薄霧天氣、日間大雪天氣、夜間大雪天氣等4個場景作為變量，測試在高能見度、較差能見度和極差能見度的條件下，云端分析技術和非云端分析技術對于車輛環(huán)境感知能力穩(wěn)定性的貢獻。氣象條件設定界面中，使用者可以根據實驗的需要對實驗的整體環(huán)境因素進行設定：①時間設置：設置中有上午、下午、夜晚和凌晨4個選項，每個選項對應的界面中光線強弱、照射角度都不同，充分擬合了人類對于自然光線的敏感程度；②氣候設置：設置選項中可以對氣象條件進行選擇，相同氣象條件下還可以對能見度進行區(qū)分，所能模擬的氣象情況已經極大程度的貼合實際氣象環(huán)境的條件。圖2、圖3、圖4、圖5分別對應晴好天氣、薄霧天氣、日間大雪天氣和夜間大雪天氣的道路效果。

以上4個實驗場景中的光亮強度不同，光在空間的穿透能力不同，因此4個場景的能見度存在明顯差異。為便于后續(xù)實驗數據的計算分析，設定能見度分辨系數α，即正常人5.0的視力水平，在至多1000m范圍內可以清晰看見物體的實際距離：晴朗天氣可清晰看見物體的距離設定為1000m，α1=1；薄霧天氣可清晰看見物體的距離設定為750m，α2=0.75；日間大雪天氣可清晰看見物體的距離設定為500m，α3=0.5；夜間大雪天氣可清晰看見物體的距離設定為100m，α4=0.1。

（3）車輛參數確定

實驗中被測試車輛設定為確定量，不隨實驗場景和變量而改變，需要輸入車輛的機械性能參數、視覺傳感器參數和智慧性能參數。仿真實驗中車輛的智能化程度極高，除了具備單車自動駕駛功能外，還具備5G和OTA無線傳輸和信息交換功能，依托視覺分析設備和遠程在線導航實現云端視覺分析功能。

4.3 仿真實驗結果分析

設置好各項參數后，按照車輛具備云端視覺分析能力和不具備動態(tài)視覺能力2種情況，依次選擇晴朗天氣、薄霧天氣、日間大雪天氣和夜間大雪天氣等4個場景作為變量，進行仿真實驗。實驗結束后，選?、偻ㄟ^相同道路所使用的時間T；②通過相同道路的行駛效率提升程度δ；③緊急避險的次數C等3個參數，分析采用列表法和圖像分析法進行對比分析，旨在通過數據分析對比，驗證云端視覺分析對于車輛環(huán)境感知能力的提升作用。

（1）通過相同道路所使用的時間

本次仿真實驗選取的道路及路況條件完全相同，區(qū)別僅在于時間不同、天氣狀況不同，因此不同場景的能見度不同，從而導致視覺分析系統(tǒng)的環(huán)境感知能力存在差異。8次仿真實驗觀測到的通過相同道路所使用的時間T如圖6所示。

通過分析圖6可知：①晴朗天氣場景下，道路能見度高，視覺分析系統(tǒng)受干擾少，可視范圍內的探測精度高，具備云端視覺分析技術的車輛和不具備云端視覺分析技術的車輛通行耗時相差2.96s，行駛效率提升6.4%。②薄霧天氣場景下，能見度有所降低，具備云端視覺分析技術的車輛和不具備云端視覺分析技術的車輛通行耗時相差5.77s，行駛效率提升10.08%。③日間大雪天氣場景下，道路能見度進一步降低，具備云端視覺分析技術的車輛和不具備云端視覺分析技術的車輛通行耗時相差12.46s，行駛效率提升15.9%。④夜間大雪天氣場景下，道路能見度最差，具備云端視覺分析技術的車輛和不具備云端視覺分析技術的車輛通行耗時相差21.66s，行駛效率提升21.3%。

由上述結果分析可知，道路能見度越低，對視覺分析系統(tǒng)的干擾越大，因此具備信息云交互能力的云端視覺分析系統(tǒng)的優(yōu)越性越明顯，可在相對較短的時間內完成安全通行，行駛效率提升明顯。

（2）通過相同道路的行駛效率提升程度

通過分析圖6可知：具備云端視覺分析功能的車輛和閉環(huán)視覺分析車輛在不同能見度狀況下行駛過相同道路所需要的時間，并已知能見度狀況越差，云端視覺分析功能的作用越大。為進一步量化云端視覺分析功能對車輛通行效率的提升作用，引入公式（1）計算出各天氣場景下的行駛效率提升度δ。

其中，T1為傳統(tǒng)視覺分析條件下車輛運行時間；

T2為云端視覺分析條件下車輛運行時間；

α為能見度分辨系數。

經計算，得出，，，。分析以上結果可知，與采用傳統(tǒng)視覺分析技術的車輛相比，應用云端視覺分析技術的車輛，在不同氣象條件下，行駛效率提升度隨著能見度降低而顯著提升，能見度越糟糕，云端視覺分析技術的用武之地就越大，車輛的通行效率就越高。因此，云端視覺分析技術充分保證了汽車運行的流暢性和高效率。

（3）仿真實驗中的車輛每次都是安全的無誤的抵達目的地，但是在行駛過程中存在不同程度的緊急避險，每個場景下的緊急避險次數如表1所示。

由表1分析可知，相同道路狀況下，隨著氣象條件和能見度狀況的惡化，若智能車輛僅具備傳統(tǒng)視覺分析功能，則緊急避險次數較高，以2倍的趨勢增加，而具備云端視覺分析功能的智能汽車緊急避險的次數卻相對較少。緊急避險次數越少，說明車輛智能駕駛的安全系數越高。另一方面，緊急避險次數越少，說明車輛對道路狀況的掌握具有及時性和精準性，對道路危險狀況具備“超視距”預判能力，因此車輛控制系統(tǒng)生成的駕駛策略具有一貫性和極高的精準度，行駛流程十分順暢，通行效率高。

綜上所述，仿真實驗數據證明：具備云端視覺分析的智能車輛，利用云端視覺分析系統(tǒng)的信息前置性，消除因環(huán)境變化、能見度改變而造成的判斷不穩(wěn)定性，始終維持極其敏感和準確的環(huán)境感知能力，為控制系統(tǒng)提供精確的道路信息，協助控制系統(tǒng)制定具有一貫性的最優(yōu)行駛策略，有效提升車輛的通行效率和安全性。

5 結束語

5G和車路協同技術的發(fā)展為云端視覺分析技術的誕生和騰飛奠定了堅實的基礎。云端視覺分析技術是利用網絡通信手段對傳統(tǒng)視覺分析技術進行的功能拓展，能有效避免單一車輛視覺分析系統(tǒng)存在的局限和誤差。云端視覺分析技術的應用，優(yōu)化了車輛環(huán)境感知能力，增強了行駛路線規(guī)劃的精確性，幫助智能汽車完成了從“單打獨斗”到“集團作戰(zhàn)”的蛻變，實現了由點到面再到云端平臺的升華，完全融入了城市立體智慧交通體系，極大的提升了行駛效率和安全性。

2020年福建省教育廳中青年教師教育科研項目（JAT201057）。

參考文獻：

[1]陳艷梅，薛亮.智能網聯汽車環(huán)境感知技術揭秘[J].汽車與配件，2022，No.1335（17）：59-63.

[2]彭鵬.基于多源信息融合的智能汽車環(huán)境感知技術分析[J].信息與電腦（理論版），2022，34（21）：53-55.

[3]呂棟騰，楊育良.機器視覺下的霧天車行環(huán)境感知研究綜述[J].自動化與儀器儀表，2022，No.277（11）：1-6.