C114通信网: 门户(微博 微信) 论坛(微博) 自助领彩金的白菜网(微博) 百科 | C114客户端 | English | IDC联盟 与风网

专题 - 5G专刊——邮电设计技术&C114 - 2018年第11期 - 正文

5G平行增强交通系统设计及应用分析

http://www.c114.com.cn ( 2018/12/14 14:47 )

许 珺,陈 祎,刘 琪,李轶群(中国联通网络技术研究院,北京 100048)

本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部 

摘要:5G平行增强交通系统旨在构建一个立体化的平行增强交通世界,将信息数据搜集整合形成一个虚拟交通世界,与真实的交通世界“平行存在”,最终将人、车、路、云之间实时联网,基于云平台实现对道路、车辆、信息的全面云端镜像管控。该系统能为交通系统的信息融合重组提供无限的可能性,并满足系统大量传感器、视频以及指令数据的交互,充分保证交通领域中自动驾驶、远程驾驶、动态高精度地图、智慧交通等智能化业务需求。

关键词:平行增强交通;云端镜像管控;自动驾驶;远程驾驶; 智慧交通

doi:10.12045/j.issn.1007-3043.2018.11.014

前言

随着城市的快速发展,汽车保有量持续增长,交通安全与交通效率越来越受到人们的关注。国家安全监管总局、交通运输部 2017 年 12 月发布的研究报告显示,我国道路交通事故年死亡人数仍高居世界第二位。据高德地图发布的《2017年度中国主要城市交通分析报告》,中国最堵城市济南2017年有2 078 h处于拥堵,平均每天拥堵5.7 h。因此,建设智慧交通,提供安全、高效的行车环境迫在眉睫。

在此环境下,随着通信、人工智能、大数据等技术的不断发展,车联网被认为是解决上述问题的最有效可靠的途径之一。

增强的平行交通世界(EPM)系统基于 5G 通信网络,通过车、路和云共同构建了一个全新的交通运输模式。作为未来万物互联的基础,5G将是一个面向场景化的通信网络,通过融合大规模天线阵列、网络切片、边缘计算等先进技术,提供低时延、高速率和高稳定性的通信环境。利用 5G通信,在智能驾驶车辆端、路侧边缘计算节点以及云端平台,构成了三重相互关联或互补的平行交通世界,并以此构建应用场景。系统充分集成了5G通信技术、车路协同技术、动态高精度3D 地图、远程遥控驾驶技术、车辆主动安全技术以及增强现实技术(AR)等,服务于智慧交通管理、自动驾驶、车辆调度和编队运输等。

1、5G平行增强交通系统设计

基于5G的EPM系统由云端、路侧和车端3个层面平行系统共同组成,由5G通信网络构成3个平行系统之间的数据连接。系统的总体结构如图1所示。

 

图1 基于5G的EPM原型系统

1.1 云端平行系统

云端平行系统总体架构如图2所示。系统基于车端和路侧上行的数据,通过融合算法与模型构建,并利用 AR 技术和模拟驾驶技术,构建出一套增强的云端平行驾驶和交通管理系统。

1.1.1 环境重构模块

环境重构模块基于上行的车辆实时运行状态数据以及虚拟交通环境模型数据,在云端通过数据融合、模型匹配等智能算法,重构出远端交通系统的全息感知数据。全息感知数据包含了路网地图、路段限速、标志标牌、车道线等固定信息,以及智能驾驶车辆、普通车辆、行人、非机动车、信号灯、突发交通事件等动态信息。

环境重构模块输出的全息感知数据,将远端交通系统中的上述动静态对象实时状态都进行了完备的结构化描述,支撑下一步辅助驾驶算法模块的计算,以及AR外场展示。

采用地图认知与重建技术,车辆上报收集周围地理事物的位置、形状、空间分布、相互关系信息,基于集成高精度3D地图,辅以人工智能和大规模实时流式计算,实现基于现场环境地图动态增量更新。

1.1.2 辅助驾驶模块

辅助驾驶模块基于环境重构模块的输出信息,面向主车视角,实现驾驶辅助算法。它具有基于目标感知数据的全方位冲突避免,转向、换道辅助,基于路侧感知数据的信号灯提示、交通信息提示,以及车道保持等辅助功能。

模块输出为结构化驾驶辅助信息,用来在 AR 显示模块上与视频界面和虚拟交通场景进行叠加。

1.1.3 AR显示模块

AR显示模块,接入车端视频、路端视频等多路数据源,重构得到的虚拟交通场景数据以及驾驶辅助数据,并根据用户视角需要(主车视角或者自由视角),对接入数据进行筛选、过滤、叠加和渲染。

 

图2 云端平行系统架构

模块首先包含对车端和路端视频的解码功能,并以此作为基础用户显示画面。其次,模块根据主车实时状态信息,将虚拟驾驶仪表盘及相关信息投放到显示界面相关位置。再次,模块基于虚拟交通场景数据,将冲突目标、盲区目标、信号相位状态、重要道路信息和标志标线信息等叠加在界面视野的相应位置。特别地,将视频内的冲突目标着重标记,将盲区目标通过透视的方式展现。最后,再将相应辅助驾驶算法信息,叠加在显示界面。

1.1.4 驾驶模拟器

驾驶模拟器负责采集用户的驾驶数据,主要包括由油门或刹车踏板结合当前车辆状态转换得到的目标车速信息,由模拟方向盘得到的目标方向盘转角,以及其他相关驾驶输入信息。同时,将上述驾驶数据进行序列化,并发送到智能驾驶车辆端。

1.1.5 交通管理监控模块

支持云端对现场交通系统的自由视角查看,并形成交通管控信息进行下发。

此外,由云端逻辑控制平台负责云端平行系统的整体流程控制、数据存储分发以及用户交互。

1.2 路侧边缘计算平行系统

基于5G通信基站搭建的路侧边缘计算节点,依靠 5G-V2X信息交互以及雷达、视觉等多源感知系统,共同构建路侧端的平行交通系统,其系统框架如图 3所示。为实现路侧端重点区域的全覆盖,雷达和视觉传感器可以根据需要部署多个。

 

图3 路侧平行系统架构

路侧平行系统的核心在于对区域内整个交通系统的感知,即虚拟交通环境重构模块。除了本地的高精度地图信息(包含路网连接、路段属性、标志标线等),虚拟交通环境主要集成了对本地车、人以及特殊交通事件的动态感知数据。

其中,基于 5G-V2X 交互的信息感知为路侧端的感知主体。网联车辆、行人、非机动车均通过 5G(车载/手持)终端与路侧基站进行数据交互,上报身份、类型信息以及实时位置、速度、方向等运动信息。

雷达传感器通过自身份析单元,能够获取其探测范围内的所有移动目标信息(类型、位置、速度、方向、大小等),并输出相应的统计信息(交通流量)作为路侧数据的补充。同时,雷达传感器也能够基于先验信息,对一些突发的事件进行感知和定位,如道路障碍物、交通事故等。

摄像头传感器一方面通过云端交互模块,直接向云端系统推送本地视频流;另一方面,通过机器学习算法对视频进行分析,提取其中交通事件和目标信息,并进行定位。

交通设施数据采集包括对信号灯等交通设施实时状态的感知和处理。

重构模块形成的虚拟交通环境构成了路端的平行系统。它是一个完全由结构化数据描述的虚拟交通系统。其输出一方面通过云端交互模块上传给云端平行系统;另一方面输入到 V2I 算法模块,并通过下行的 5G-V2X通道,提供本地的V2I服务(盲区目标提示、信号灯提示等)。

1.3 智能驾驶汽车端平行系统

智能驾驶汽车端为真实(平行)交通系统,其系统架构图如图4所示,主要由感知子系统、交互子系统以及驾驶子系统构成。

图4 车端平行系统架构

a) 感知子系统。感知子系统主要由图4中车端感知系统、视频分析单元模块组成。车载传感器包括支撑云端平行驾驶和自动驾驶的视觉模块,激光雷达、毫米波雷达模块等,以及 GPS、惯导等定位导航模块;车端信息接口从车身 CAN 总线获取车辆实时运行状态等;基于5G-V2X信息交互,车辆能够获取周围网联汽车基本安全信息、行人手持终端安全信息以及路侧安全辅助信息等。车载感知系统负责将所有本地和周边的数据进行整理与融合,形成车端对于周围交通系统的结构化感知数据模型。

b) 交互子系统。交互子系统由 5G-V2X 交互模块与云端交互模块组成。前者负责本车基本安全消息的广播以及对周围车辆、行人和路侧消息的接收处理。后者负责与云端平行系统建立连接,上传本地的采集视频流和本车感知数据,并接收从云端平台获取的远程驾驶指令。

c) 驾驶子系统。驾驶子系统由自顶向下的远程驾驶算法模块、协作式驾驶安全辅助系统、自动驾驶执行机构 3 个模块组成。顶层的远程驾驶算法模块接收云端平行系统下发的远程驾驶指令,将其转化为本车操作指令,下发给自动驾驶执行机构。中间层的协作式安全驾驶辅助模块基于本车自身和环境综合感知数据,进行基本的驾驶安全辅助,当发生显著的危险情形而远端无法立即响应时,该模块能够优先对自动驾驶执行机构下发操作指令,保证车辆的安全。最下层的自动驾驶执行机构,负责接收上层指令,操作车辆。

2、系统特性分析

面向未来智能交通领域的应用诉求,依托5G网络构建的三重平行系统,EPM系统有机运用先进的传感器技术、通信技术、数据处理技术、自动控制技术等,将人、车、路、云实时联网,把真实交通情况尽可能完整地在云端虚拟还原,将信息数据搜集整合形成一个虚拟交通世界,与现实的交通世界"平行存在",从而建立一套完整交通体系。整个系统提供了一系列软硬件产品,体现 EPM 系统安全可靠性、统一性、稳定性、可拓展性、实用性等特点。

2.1 智能交通分层架构

EPM系统架构如图5所示,包括无线接入层、网络层、云平台、业务应用层,每一层架构都发挥其独特优势为终端用户提供安全可信、多样化、连续性的智能交通服务。

图5 EPM总体架构

无线接入方面,支持多模终端通信,保证业务的多样性。通过对RSU进行快速、灵活部署以及蜂窝网的广覆盖,提供车联网的无缝衔接,保证信息的回传与管理,实现业务的连续性。

网络方面,以基于5G的C-V2X部署为主,引入边缘云,实现业务下沉,降低网络传输时延;通过网络切片保证不同的业务流服务能力;鉴权与认证机制保证车联网通信的安全性。

平台方面,打造一体化车联网平台。一方面实现网络管理能力,包括业务管理和连接管理,另一方面实现网络能力开放,如进行大数据分析拓展新的业务渠道;向第三方开展网络接入功能,允许第三方企业进行业务定制。

业务应用方面,保留已有的Telematics业务,辅助驾驶、主动安全业务、自动驾驶、编队行驶、高清视频传输通过5G-V2X实现。

2.2 多接入多业务场景网络部署方案

EPM系统实现了面向 5G的多接入多业务场景的智能组网方案,包括多接入、边缘云和网络切片。具体来讲,多接入是指通过多种网络接入方式,如3G4GLTE-V2X以及5G和5G-V2X等技术,接入车联网业务平台。5G 网络高可靠、低时延的特性,结合应用边缘云满足本地化处理需求,通过网络切片打造车联网专用网络资源,保证车联网业务流能力。同时,5G的大带宽特性能够为高清视频、大连接的业务提供保障。

除此以外,作为一套复杂的信息系统,安全问题是车联网的重中之重。EPM系统从端、管、云3方面实现安全管控,运用多种技术手段保障信息安全。车载终端方面,除了传统的身份鉴别、访问控制等信息安全方法,还需嵌入安全芯片用以管理密钥和加密运算,使其能防范非法信息对终端的攻击。管道方面,EPM系统采用通信管道信息加密和业务安全隔离措施应对各种安全威胁,确保多接入网络信息安全。在云端通过用户身份认证和鉴权等手段保障云计算环境区域的安全。

2.3 智能交通通信设备研发

智能交通通信设备包括 5G-V2X 基站、路侧单元(RSU)、边缘计算等设备。

RSU设备及产品支持与5G、集群通信等多种无线通信方式之间的协同工作,具备有线/无线回传能力,具备与交通灯等基础设施之间的通用接口,辅助实现车辆高精度定位,路侧协同控制综合管理功能,支持与数据注册送彩金不限id论坛进行实时数据交互,系统安全稳定可靠,同时考虑引入太阳能供电等功能。

边缘计算产品研发需支持5G-V2X业务的智能感知;保证业务连续性;对OBU的监听监控;安全性保证(包括物理端口隔离、逻辑端口控制、防火墙安全控制以及接入控制)。

2.4 一体化云平台设计与研发

云平台将服务资源、平台能力和运营体系融合为一体,实现多方共享共用,降低全生命周期成本,分摊风险,共创收益。

在接入层,平台能接入各种异构设备,包括车辆、道路传感设备、车载娱乐设备、交通基础设施设备等。平台将提供一套完善的接入设备抽象化机制,便于打通异构设备之间的互通和数据共享,从而实现对不同设备的统一管理与控制。

平台提供设备管理及控制、数据共享及服务、能力集成与编排、应用接口与二次开发支撑等能力,同时需要打通与运营支撑系统的接口,与现有运营形成统一体系,无缝地与现有业务进行融合。

平台设计友好的开放接口,实现终端、平台、应用之间的解耦,便于应用系统的扩展,提高灵活性。

3、市场前景和应用分析

3.1 市场前景

提升安全与效率是智能交通运输系统的重要发展方向,通过 5G网络实现汽车与汽车、汽车与城市交通设施的信息交流,将能够扩展出许多新的功能。通过增强平行智能应用,能够为用户提供一个更节能、更安全、更舒适的移动体验。5G 通信以及车辆自组网、车 -路-云融合系统,在技术上已经出现了实现的曙光;而且其最终市场涉及车辆电子、道路电子设备、后台服务和监控平台,前端能够带动芯片设计、底层软件设计等产业,产业链中段会产生新的车载单元(OBU)和路侧单元(RSU)的生产提供商,将给车机提供商、道路电子电气设备供应商提供广大的崭新机遇。利用以 EPM系统为代表的交通智能化手段,通过高效合理的信息采集、处理和交互方式,使信息资源在交通系统中合理分配并被使用,进一步使交通资源合理分配,最终达到安全与效率的提升。EPM系统将具备广阔、良好的市场前景。

3.2 应用分析

在EPM架构基础上,其潜在商业模式包括政府投入的基础设施业务、面向交通监管部门的技术服务支持、面向车联网技术研发的基础支撑平台、新型移动出行服务业务以及智能化物流业务。

面向政府、监管部门、车联网高新信息化企业以及出行民众,EPM 系统的典型应用场景包含远程执法、高精度3D地图动态更新、自动驾驶开发测试、共享汽车调度、货运驾驶车队等多种应用场景拓展应用。 a)远程执法。通过5G网络,实时传输车载、路侧多源感知数据至路侧边缘节点或云端,实现对车辆行驶全过程全息监控。在云端自由视角还原交通场景,自动分析交通违法行为,显著提升交通违法行为识别率。进一步,通过 5G网络实时下发违法警示,实现对交通行为实时纠正,使交通流平顺有序,提高交通系统安全性与效率。

b) 高精度3D地图动态更新。基于5G网络的"车 -云-车"网络结构,车端通过感知定位控制技术,利用 5G网络上传感知的实时地图信息。云端通过地图认知与重建技术,辅以高精度3D地图进行动态增量数据更新,实现基于现场环境的自动驾驶参数重配置,使5G网络协同自动驾驶最终实现实景测试。

c) 自动驾驶开发测试。自动驾驶开发过程中需要进行大量代码修改与调试工作,从实验室编写代码到场地验证需要复杂的部署工作。而通过 EPM 系统可以实现自动驾驶开发与实车测试的无缝协同。在实车端,通过5G网络获取由测试注册送彩金不限id论坛随机生成的仿真模拟感知数据,实现测试车辆与目标物在EPM系统中平行共存,显著提高场景部署效率,同时兼顾测试场景真实性与可信度。同时,针对一些危险场景和极限工况的测试,可利用EPM系统对测试车辆进行远程应急接管,无需测试人员上车,显著提高测试场景极限程度。

d) 共享汽车调度。由于城市空间布局、职居分离原因,共享汽车呈现出较强的潮汐现象。导致出行高峰期间城市主要起讫点之间车辆分布严重失衡,而通过人力调度车辆成本巨大。基于EPM系统,共享汽车的运营方可以通过 EPM 车队平行驾驶和远程驾驶辅助,仅需要少量人力即可实现车辆在不同停放点的调度,显著提升共享汽车调度效率。

e) 货运驾驶车队。货运车辆因其速度较低、刹车距离长、车身较大等原因,容易造成高速公路拥堵和交通事故。通过EPM系统,能够支持货运驾驶车队头车在高速公路路端远程驾驶,后车编队跟驰并能够随时远程接管。最大程度上满足了货运驾驶车队运输的灵活性(随时组队、离队、更换头车),在车队到达目的地时,再由有人驾驶各个车辆进入城市路网实现货物送达。本应用场景将在自动驾驶技术尚未高度成熟的条件下,形成阶段性解决方案和业务模式,促使自动驾驶技术应用与研发相互促进发展。在现阶段技术条件下,相比完全有人驾驶或完全无人驾驶更为安全和可靠。

4、结束语

作为未来万物互联的基础,5G将是一个面向场景化的通信网络,为交通系统的信息融合与重组提供无限可能性。智能网联将改变传统人类交通方式,使汽车向网络化、智能化演进发展。本文结合 5G 通信技术,提出了一种全新的车联网体系架构,其内容覆盖智能网联汽车、移动通信网络、智能交通管理、云平台等相关领域,充分保证交通领域中自动驾驶、远程控制、动态高精度地图、智慧交通等智能化业务需求。此外,详细介绍了EPM系统的独有特点,并分析其在车联网中潜在市场前景及应用特征。

参考文献:

[1] 阮晓东. 智慧交通新思维[J]. 新经济导刊,2013(10):56-63.

[2] GAO H,XIE G,LIU H,et al. Lateral control of autonomous vehicles based on learning driver behavior via cloud model[J]. The Journal of China Universities of Posts and Telecommunications,2017,24(2):10-17.

[3] MAGNUSSON M,LILIENTHAL A,DUCKETT T. Scan registration for autonomous mining vehicles using 3D-NDT[J]. Journal of Field Robotics,2007,24(10):803-827.

[4] FELZENSZWALB P F,GIRSHICK R B,MCALLESTER D,et al. Object Detection with Discriminatively Trained Part-Based Models[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence,2014,47(2):6-7.

[5] 兰琛. 车联网专用短程通信和定位技术的研究与应用[D]. 杭州:浙江大学,2014.

[6] 王群,钱焕延,张亮. 车联网定位与位置感知技术研究[J]. 南京师大学报(自然科学版),2015,38(1):66-74.

[7] 王少华,卢浩,黄骞,等. 智慧交通系统关键技术研究[J]. 测绘与空间地理信息,2013(s1):88-91.

[8] 王雅琼,杨云鹏,樊重俊. 智慧交通中的大数据应用研究[J]. 物流工程与管理,2015(5):107-108.

[9] 邱佳慧,陈祎,刘珊,等. 车联网关键技术及演进方案研究[J]. 邮电设计技术,2017(8):29-34.

[10] 谢于晨,何键 . 车联网信息安全与隐私研究[J]. 求知导刊,2017(6):65-66.

作者简介:

许珺,毕业于法国南特综合理工学院,工程师,硕士,主要从事4G/5G及车联网终端与网络协同发展研究工作;陈祎,毕业于北京邮电大学,工程师,硕士,主要研究方向为高精度定位、5G通信、车联网等;刘琪,毕业于清华大学,教授级高级工程师,博士后,北京邮电大学兼职研究生导师,未来移动通信研究论坛5G工作组副组长,主要研究方向为车联网、5G通信、异构网络融合、高精度定位等;李轶群,毕业于北京邮电大学,高级工程师,博士,主要研究方向为5G通信、车联网等。

作者:许 珺,陈 祎,刘 琪,李轶群   来源:《邮电设计技术》

  免责声明:本文仅代表作者个人观点,与C114中国通信网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。

给作者点赞

轻松参与

0VS0

表达立场

写的不太好

Copyright©1999-2019 c114 All Rights Reserved
上海荧通网络信息技术有限公司版权所有
南方广告业务部: 021-54451141,54451142 E-mail:c114@c114.net
北方广告业务部: 010-63533177,63533977 E-mail:shixinqi@c114.com.cn
编辑部联系: 021-54451141,54451142 E-mail:editor@c114.com.cn
服务热线: 021-54451141,54451142
沪ICP备12002291号
博聚网