一种基于5G的车路协同自动驾驶技术架构

随着5G技术的成熟与应用落地,各类依赖与5G技术的产业也应运而生,车联网领域的车路协同自动驾驶,就是一个典型的例子。本文提出一种基于5G技术的车路协同自动驾驶技术架构。该架构结合5G通信技术优势,利用边缘计算、5G智能驾驶分级决策架构、五维时空融合感知、车路协同机制构建、测试验证应用原型等先进性技术,融合打造了一套集"5G网联+车路协同"于一体的智能网联智能驾驶技术,可推动相关技术标准规范成立。     

5G车路协同自动驾驶应用研究

本文提出了一种5G车路协同自动驾驶解决方案，该方案主要依托5G移动通信、高精度定位技术、五维时空融合技术、边缘计算、边云协同等技术，实现边缘平台算力部署，构建“端-边缘-云”分层架构，建立智能可靠车联网通信、车辆的实时高精度定位、交通态势感知、交通管控等技术体系，实现5G车路协同，全面提升车辆感知决策控制能力。当前，该方案已在武汉经开区智能网联汽车与智慧道路自动驾驶示范区应用落地。     

一种基于多维时空融合的车路协同系统

自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向。早期基于单车智能的自动驾驶,存在感知受限、决策失误、协同困难等不足,基于此,文章提出一种基于多维时空融合的车路协同系统,该系统将5G的优势引入到V2X系统,通过构建"经度+维度+高度+时间+环境"的动态区域空间图,可为基于网联智能的自动驾驶提供高效支撑。     

感知-通信-计算融合的智能车联网挑战与趋势

针对单车感知无法满足未来自动驾驶安全需求的现状,面向多车传感器信息融合与时效性共享问题,提出了基于感知-通信-计算融合的智能车联网方法与解决思路。该方法有助于提高自动驾驶车辆的协同环境感知能力,并通过移动边缘计算(MEC)技术降低车间感知信息传输负载,提高多车协同的信息融合与处理效率,最终实现基于多车智能协同的安全自动驾驶。     

基于开放道路的四类车路协同应用场景测试

车路协同为汽车的智能驾驶、自动驾驶和远程驾驶的实现提供的解决方案。在车路协同中,有诸多应用场景,典型的应用场景有16类,包括前向碰撞预警、交叉路口碰撞预警、左转辅助、盲区预警/变道预警、逆向超车预警、紧急制动预警等。结合在车路协同领域的项目研发,文章对其中的4类应用场景进行了理论研究,并对V2X场景进行了现场测试。测试结论显示,当前V2X应用效果均已达标。     

一种车路协同系统功能测试方法

进入5G时代,基于5G-V2X的通信,让网联智能汽车驾驶获得了突破性地发展,这对车路协同的发展既是机遇,又是挑战。一方面,各类基于车路协同的自动驾驶、智能驾驶的示范区应运而生,这些应用落地能很好地促进车路协同的发展;另一方面,政策未明确,标准未统一,各示范区的车路协同自立山头,为后期车路协同的融合,带来困难。文章提出一种车路协同应用平台的系统功能检测方法,旨在从源头剖析如何促进功能点的统一。     

基于C-V2X的车路群体协同混合组网

车联网是支持未来自动驾驶和智能交通的重要基础设施,也是5G交通新基建的重点建设方向。针对大规模车路协同智能驾驶业务场景,建立并分析了通信流量模型,测算了不同发展阶段车路群体协同带宽需求,分析了当前C-V2X独立组网和叠加组网等不同组网模式在支持车路群体协同过程中面临的困境。针对车路群体协同服务带来的通信高带宽、用户规模大和资源调度复杂挑战,提出了网络协调下的混合组网模式,为基于5G C-V2X的车联网支撑大规模车路群体协同服务提供了可行方案。     

智能汽车技术发展趋势

机电信息系统的高性能化发展使智能汽车成为可能。智能汽车可以通过感知驾驶环境(人-车-路)并提供信息和车辆控制,帮助或替代驾驶员进行最安全、最高效、最舒适的车辆操控。本文从交通安全、节能减排、城市/交通规划这几个角度入手,分析了当前智能汽车技术对汽车产业乃至整个社会的影响,对自动驾驶汽车技术的发展现状进行了综述。基于以上分析对智能汽车技术的发展趋势和前景进行了讨论。     

C-V2X技术的城市道路场景应用分析

智能网联汽车基于车路协同系统，通过实现人端、车端、路端、云端的信息交互提升自动驾驶的安全性与高效性，是未来智慧交通的重要组成部分。但目前该领域的落地实施仍处于实践探索阶段。从实际车联网项目出发，探讨车路协同的系统方案，重点对当前城市道路最为常见的路口、连续道路、隧道和匝道等场景的交通问题进行分析，并给出相应的解决方案。     

武汉经开区智能汽车驾驶示范区经营模式探讨

武汉国家新能源与智能网联汽车示范区,是全国最大的5G车路协同自动驾驶示范区,是武汉市最重大的军运会项目之一,该项目担负着"为祖国70华诞献礼"和"为第7届世界军运会助威"的政治使命。项目的成功实施与有序运营,为汽车智能驾驶和自动驾驶带来了福音;示范区的经营模式,也为地方经济带来重要影响。本文对示范区的经营模式进行初步探讨,旨在抛砖引玉,进一步扩大项目的影响力,最大限度地宣传武汉形象。     

Evaluation method for autonomous communication and networking capability of UAV

In order to accurately evaluate the autonomous communication and networking capability of these unmanned system which was instructive to the intelligent collaboration of UAV (unmanned aerial vehicle) system,the research of the UAV system which was adapted to the complex environment with countermeasure possibilities was focused on.The autonomous communication and networking capability of UAV system and their relationship from multiple perspectives was analyzed and modeled,including self-adaptation,self-decision,man-UAV interaction,cyber-physical integration and evolution,and an example was provided to illustrate the detailed evaluation process.The example results show that the proposed method comprehensively consider all the key aspects of the performance evaluation,which can be used to quantitatively evaluate the autonomous communication and networking capability of different UAVs or other unmanned systems.     

Beamforming and Scalable Image Processing in Vehicle-to-Vehicle Networks

Vehicle to Vehicle (V2V) communication allows vehicles to wirelessly exchange information on the surrounding environment and enables cooperative perception. It helps prevent accidents, increase the safety of the passengers, and improve the traffic flow efficiency. However, these benefits can only come when the vehicles can communicate with each other in a fast and reliable manner. Therefore, we investigated two areas to improve the communication quality of V2V: First, using beamforming to increase the bandwidth of V2V communication by establishing accurate and stable collaborative beam connection between vehicles on the road; second, ensuring scalable transmission to decrease the amount of data to be transmitted, thus reduce the bandwidth requirements needed for collaborative perception of autonomous driving vehicles. Beamforming in V2V communication can be achieved by utilizing image-based and LIDAR’s 3D data-based vehicle detection and tracking. For vehicle detection and tracking simulation, we tested the Single Shot Multibox Detector deep learning-based object detection method that can achieve a mean Average Precision of 0.837 and the Kalman filter for tracking. For scalable transmission, we simulate the effect of varying pixel resolutions as well as different image compression techniques on the file size of data. Results show that without compression, the file size for only transmitting the bounding boxes containing detected object is up to 10 times less than the original file size. Similar results are also observed when the file is compressed by lossless and lossy compression to varying degrees. Based on these findings using existing databases, the impact of these compression methods and methods of effectively combining feature maps on the performance of object detection and tracking models will be further tested in the real-world autonomous driving system.

     

面向自动协同驾驶的多车编队任务分配策略

自动驾驶的实现需要大量车载传感器的支持,然而,在有限车载计算资源条件下,由传感器所产生的庞大数据量使得自动驾驶任务的实时性难以满足,成为阻碍自动驾驶技术进一步发展的重要阻力。通过将驾驶任务进行协作处理,因而充分利用多个协作车辆的计算资源,自动协同驾驶成为解决该问题的新途径。而如何形成多车编队并实现编队中驾驶任务分配则是实现自动协同驾驶的关键。该文首先采用排队理论G/G/1模型建立一种普适性车辆编队网络拓扑分析模型,充分考虑编队内车辆间的任务协作能力和单个车辆的任务负荷,得出任务的处理时延和车辆系统中的平均任务数;其次,采用支持向量机(SVM)方法,基于车辆的负荷程度及处理能力将车辆的“空闲”、“繁忙”两状态进行分类,进而建立针对车辆协作任务分配的候选车辆集。最后,基于上述分析,该文提出面向多车编队协同驾驶的任务均衡策略——基于分类的贪婪均衡策略(C-GBS),以充分平衡编队内所有车辆的任务负荷并利用不同车辆的任务处理能力。仿真结果表明,该策略能够减小重负荷网络中的任务处理时延,有效提升自动驾驶车辆的任务处理效率。     

智能网联汽车测试方案研究与展望

对智能网联汽车开展全方位的测试评价,是智能网联汽车安全上路与产业顺利落地的重要保障。基于智能网联汽车的测试现状、测试技术路径、测试评价规范和标准,在满足智能网联汽车现有道路测试要求及未来多应用融合方面,创新性地提出智能网联汽车测试方案总体架构,并详细阐述虚拟仿真测试、网联测试、自动驾驶功能测试、大规模并发测试、互联互通测试5个业务应用。最后结合我国智能网联汽车的实际应用与行业需求,对智能网联汽车测试的未来发展方向进行展望。     

面向自动驾驶的边缘计算技术研究综述

边缘计算在自动驾驶的环境感知和数据处理方面有着极其重要的应用。自动驾驶汽车可以通过从边缘节点获得环境信息来扩大自身的感知范围,也可以向边缘节点卸载计算任务以解决计算资源不足的问题。相比于云计算,边缘计算避免了长距离数据传输所导致的高时延,能给自动驾驶车辆提供更快速的响应,并且降低了主干网络的负载。基于此,首先介绍了基于边缘计算的自动驾驶汽车协同感知和任务卸载技术及相关挑战性问题,然后对协同感知和任务卸载技术的研究现状进行了分析总结,最后讨论了该领域有待进一步研究的问题。     

LTE-eV2X中无线电资源池共享技术研究

V2X是未来智能交通运输系统的关键技术。人们通过V2X技术获取车辆与外界之间的通信信息,提高驾驶的安全性。在业务需求不断增加的过程中,该技术也在不断演进。目前车联网网络依旧以LTE-V2X技术为主,LTE-eV2X技术是LTE-V2X发展的第二阶段,能满足更高级V2X业务的需求。其中无线电资源池共享技术可以提高资源利用率,因此受到广泛关注。本文针对不同版本、不同传输模式的用户设备,讨论了共享资源池的场景,并针对共享资源池出现的资源冲突问题,介绍了相应增强方案。     

车联网极低时延与高可靠通信:现状与展望

随着第五代移动通信技术的不断发展,智能交通系统的建设已成为智慧城市建设进程中非常重要的环节,车联网又是智能交通系统中必不可少的组成部分。目前全球汽车使用量急剧上升,为提升人们出行体验,实现车、路、人以及基础设施之间的信息交互,需要一个具备高速大带宽以及高可靠低时延的通信（Ultra-Reliable Low-Latency Communication ,URLLC）网络支撑。而目前基于LTE技术的车联网不能满足URLLC的性能需求,因此提升车联网URLLC的性能成为车联网技术研究的重点。本论文回顾了车联网技术标准的发展历程,对URLLC在车联网应用场景的性能需求进行分析,并对提升车联网高可靠性和极低时延的研究方法进行总结。      

Autonomous driving in the uncertain traffic—— a deep reinforcement learning approach

Driving in the complex traffic safely and efficiently is a difficult task for autonomous vehicle because of the stochastic characteristics of engaged human drivers. Deep reinforcement learning (DRL), which combines the abstract representation capability of deep learning (DL) and the optimal decision making and control capability of reinforcement learning (RL), is a good approach to address this problem. Traffic environment is built up by combining intelligent driver model (IDM) and lane-change model as behavioral model for vehicles. To increase the stochastic of the established traffic environment, tricks such as defining a speed distribution with cutoff for traffic cars and using various politeness factors to represent distinguished lane-change style, are taken. For training an artificial agent to achieve successful strategies that lead to the greatest long-term rewards and sophisticated maneuver, deep deterministic policy gradient (DDPG) algorithm is deployed for learning. Reward function is designed to get a trade-off between the vehicle speed, stability and driving safety. Results show that the proposed approach can achieve good autonomous maneuvering in a scenario of complex traffic behavior through interaction with the environment.     

蜂窝车联网（C-V2X）及其赋能智能网联汽车发展的辩思与建议

首先简要回顾了我国企业主导的蜂窝车联网（cellular vehicle-to-everything,C-V2X）国际标准,该标准解决了车车间及车路间的低时延和高可靠通信难题,兼具技术和产业优势,在全球产业竞争中已形成领先优势。在澄清车联网的相关概念、5G与C-V2X、车联网与车路协同、车联网与无人驾驶、单车智能与网联智能等相互关系的同时,阐述了本文的观点。进而,为抓住全球汽车产业革命和我国交通产业变革的重大战略机遇期,提出了我国基于5G+C-V2X的“聪明的车+智慧的路+协同的云”的车路云协同创新发展模式,实现智能网联汽车从智能网联辅助驾驶到智能网联无人驾驶及与智能交通融为一体的发展路径。最后,分析了相关产业进展情况与存在的问题,并提出相应的政策建议。