林凡 张秋镇 杨峰

摘 要：随着网联汽车技术的发展，需要为自动驾驶开发与之匹配的平台系统，借助软件的平台化布局，实现车辆运行数据与道路环境信息数据的采集、集成和计算，借助物联网、边缘计算与云计算的手段，通过强化“车-路-网”连接，实现从交通管理层面到车辆运行层面纵向数据的实时计算与集成，研究“车-路-网”各尺度车辆运行数据、道路环境数据以及外部数据的融合分析和智能处理系统，完成构建“车-路-网”多尺度实时监控、智能决策、协同控制的网联汽车智能管控云平台。

关键词：车联网;智能管控;自动驾驶;云计算平台;边缘计算;数据融合

中图分类号：TP39文獻标识码：A文章编号：2095-1302（2020）09-00-04

0 引 言

网联汽车是将车辆与一切事物相连接的新一代信息通信技术，推动“人、车辆、道路、云端”等交通参与活动单元有机地组合在一起，不但可以满足支撑车辆获得网联车内所有车辆感知并公开的信息，促进自动驾驶技术创新和应用，还有利于建设智能交通运输体系，促进车辆和交通服务的发展，对增加效率、节约能源、降低污染、减少事故发生、提升交通管理手段等具有重要意义。

1 智能管控云平台

网联汽车智能管控云平台采用分层架构设计，总体上由车载终端（OBU）、路测设备（RSU）/边缘控制单元、智能管控云平台共三层组成，有机组成基于车路协同体系的车联网（智能网联汽车）云平台架构，实现“人-车-路-网-云”一体化。网络方面，支持包括5G在内的多模通信网，其功能主要是实现车辆、路侧单元、云端三者之间的高速低时延数据连接与数据传输，具备基于实际自动驾驶具体应用实时调度、管理网络以及保证网络安全的能力。平台方面，主要功能是通过部署车路协同式的基础设施体系，实现车辆、设备、数据之间的信息高效协同，支撑面向全路段、全区域的集中式决策与多目标优化控制，为智能网联驾驶奠定坚实的发展基础。

车路协同能力构建设计车内边缘计算、道路边缘计算和交通综合管理等方面。

1.1 车内边缘计算

在车内边缘计算方面，车内通信多采用控制器车载总线（如CAN等）实现对车内的各个子系统进行检测与控制，未来将转变为高速实时车载以太技术（如基于TSN的TCP/IP的网络），汽车则成为边缘计算节点，结合边云协同在本地提供车辆增值服务与控制能力。

1.2 路侧边缘计算

在道路边缘计算方面，未来新的道路侧系统将综合内置多类通信协议，提供多维传感器接口以及局部地图系统、提供信号配时信息和周边运动目标信息、提供车辆协同决策等多种技术与能力，综合构建为道路侧边缘计算节点。除了车辆内部，车间、车路协调驾驶可以通过事故预警与规避的手段，来减少事故发生的概率。汽车需要将本地通过雷达、摄像头等取得的数据与周边车辆和道路基础设施通过边缘网关进行交互，并提升感知范围，从而达到车辆间、车路间的协同，为驾驶员提供碰撞预警、变道预警、自适应巡航等辅助，必要时接管汽车防止事故的发生。

1.3 交通综合管理

交通管理系统可以通过与车辆节点以及道路侧节点之间的交互，对车流密度、车辆速度等的感知，来规划道路上车辆行驶路径，规避拥堵路段，实现交通的高效调度。在各个十字路口，车载边缘计算可以结合道路交通状况告知道路边缘计算节点当前的道路状况。而道路边缘计算节点则采集感知附近道路的状态及数据，通过相应的算法处理分析后，下发正确的道路交通调度信号，通过控制指示灯的状态为驾驶员提供道路状态预警分析等手段，提高道路的有效使用率、规避不必要的驻留，从而降低道路拥堵，减少能源损耗。

2 平台总体技术架构

“车-路-网”多尺度实时监控、智能决策、协同控制的网联汽车智能管控云平台是基于智能网联汽车的车路协同应用服务平台，为智能网联汽车及使用者、道路运维及服务管理机构等提供道路上车辆状态、基础设施、交通状况、交通管理等动态数据，具有PB级数据处理能力，并具有数据存储、大数据分析、远程控制以及信息安全等功能。

智能管控云平台作为车联网（智能网联汽车）云平台云端系统的核心和数据采集、处理、融合、应用的枢纽，可以将自动驾驶汽车、智能网联汽车、智能网联设施（RSU，OBU）、智能路侧感知等最新交通感知系统的数据进行实时采集、转换、处理及存储，并在数据集成、融合、分析挖掘的基础上，汇聚于智能交通的智慧应用中。

智能管控云平台是将先进的云存储、云计算、大数据、5G、全息智能感知、数据通信传输、电子控制及计算机处理等技术有机地组合运用于地面交通运维管理系统，旨在建立一种在综合立体、全方位发挥作用的综合智能网联信息系统，从而为实现实时、准确、平安、绿色、高效的“车-路-云-管-控”体系建立数据支撑。

智能管控云平台整体技术架构图如图1所示。

3 基于云边协同的计算架构

由于路侧传感器数据的爆炸式增长，对接入网络的时延性能和计算能力提出了更高的要求。多接入边缘计算（Multi-access Edge Computing，MEC）技术通过在网络边缘处部署平台化的网络节点，来整合二者的计算本地性与强计算能力的互补性优势，从而降低端到端网络传输时延，减缓终端或路侧单元设备的数据处理与存储压力，减轻海量数据回传带来的网络负担，为设备提供低时延、高带宽的网络环境以及高算力、大存储、个性化的高质量服务能力。

边缘计算设备是一种新的分布式网络资源模型，其铺设的边缘云节点贴近路侧RSU设备，因此能提供实时场景感知的分析处理，并且具备时延很低、降低云端的计算负载、降低整个网络的带宽开销等优点。边缘云节点将数据收集后，通过预处理、探索分析和建模，将离散数据整合成局部动态地图（LDM），并在该地图上进行数值分析和数据处理，生成多样化的告警或调度信息后实现下发;同时，对于实现定义好的需要上传的数据，边缘云节点将继续上发至中心云以用于更大范围内的调度和统计。

面向车联网的应用场景，通过建设基于MEC的LTE网络架构，一方面可以通过减少网络传输的路由节点来降低Uu模式的端到端时延;另一方面可以利用MEC区域覆盖的特点，支持部署具备地理和区域特色的网联车运营服务。其技术架构如图2所示。

边缘云硬件方面主要由RSU、激光雷达、各类高清摄像机及接入的信号灯、控制器、机房边缘云服务器等组成;边缘云软件方面主要由智能路侧系统等组成。

边缘云需要支持车辆实时控制，其感知与决策过程为100 ms级应用，因此边缘云的部署需要满足此时延要求。

边缘云服务器物理上可以是一个或多个部署地点，取决于其網络连接所能支持的响应能力。但其逻辑上即使同一机房内的边缘云服务器也根据所覆盖的道路区域与多个智能路侧系统协同，共同构成边缘云体系。

4 平台主要功能

智能管控云平台核心业务功能包括数据融合与信息服务、路网实时监测、交通事件管理、应急指挥、车辆智能调度、资源优化管理及服务发布等主要内容，打造基于车路协同的车联网云平台的自动驾驶技术与智能交通的应用与运营生态。

4.1 数据融合与信息服务

构建兼容包括汽车行业在内的多个行业互联标准，覆盖智能网联出行全场景的标准化数据交互协议，实现车辆、交通、道路、急救、气象等出行生态要素间的数据交换规范，为智慧出行打造自主可控的产业环境。

通过构建路侧设备状态、RSI交通事件信息、RSM交通参与者等数据集，进行数据互联互通。车云通信协议包括MQTT与TCP双通道车云协议，通过协议规范定义车辆感知信息上报格式，包括车辆基本信息、车辆部件工作事件、车辆运行事件、车辆违法行为、道路变更信息、车道边界变更信息、交通标识变更信息、路面条件异常、障碍物感知、行人感知、天气信息、车辆目的地信息。

通过服务订阅模式进行主要信息发布，包括动态车道规划、交通管制信息、交通限制信息、实时交通流量、交通流量预测、危险道路状况提醒、信号灯实时状态、信号灯未来状态、气象实况、常规气象预报、灾害性气象预警、分钟级降水量预报、停车场及车位信息、限行信息等，为用户提供便捷、实时的信息服务。

4.2 路网实时监测

交通数据实时监控：从路侧收集车道级拥堵、车道级不可通行等状态，在平台进行数据展现和分析。从路侧收集道路上异常状态（落石、大坑等），并在平台进行数据展现和分析。从路侧/第三方交管平台收集信号灯信息、道路限速信息、道路危险信息，在平台进行数据的展示和分析。

交通数据查询：支持按区域、时间段、数据类型来进行交通数据的精细化查询。显示全域内交通流量、交通状态、交通事件数量、查询路段车流量统计、查询路段正常运营数量统计等功能。

电子地图显示：通过电子地图方式形象化显示道路事故、道路拥堵、道路动态限速等不同情况，对限速区域动态进行显示，支持交通管制区域动态化显示。

4.3 交通事件管理

查看交通事故列表，并在电子地图显示交通事故信息，可查看事故报警，查看事故车辆信息以及历史驾驶信息。从路侧收集道路施工、临时交通管制等信息，在平台进行数据的展示和分析。对交通事故的智能网联汽车远程监控，支持停车，控制左转、右转、加速/减速，控制泊位等操作。对接入高清视频监控的车辆，支持视频实时监控，语音对讲操作，具备交通事件发布功能，如道路拥堵、交通事故、道路施工、道路临时封闭等信息，并自动下发到对应的路侧信息显示屏、道路中的车辆，推送到第三方接口服务等。

4.4 应急指挥控制

（1）交通驾驶报警：针对需要报警提示的交通事件、交通异常状态，通过消息中心提示;

（2）视频播放功能：可以进行车载视频实时播放，车载的历史录像回放功能，具备语音对讲、呼叫等功能;

（3）路侧基础设施报警：针对RSU、ECU、路侧传感器等路侧设施的报警消息，通过消息中心提示;

（4）云平台报警：对云平台本身的系统性能问题、存储问题等进行报警消息提示。

接到车辆报警时，电子地图自动切换到车辆位置，自动显示报警的车辆信息，对危化品车辆、客运车辆显示红色标记。对紧急救援的车辆，显示车辆紧急救援信息，并安排值班人员进行报警处理，通过广播方式通知应急处理部门，并形成紧急救援事件跟踪信息，提供完整的事件记录。自动显示报警或救援相关的预案，辅助提示信息，方便值班人员进行业务操作和智能化管理。

4.5 车辆智能调度

实现基于融合感知的全局决策和控制，以群体智能驱动交通参与因素的运行规划，全面提高交通安全性，优化交通通行效率。以互联互通能力所收集的各路信息为基础，对数据进行管理并基于车路历史大数据进行深入挖掘分析，为驾驶行为管理、交通态势、路网优化等建设提供数据支撑。

大数据存储处理：为数据实时计算、大数据分析建模提供统一的数据存储和数据查询服务。存储的数据包括从终端和第三方直接获取的总线数据、视频数据、音频数据、点云数据;通过实时计算、智能分析生成的感知数据、控制策略、决策模型、运营数据、道路环境数据。

大数据分析建模：分别从数据总线、大数据存储获取车辆总线、车辆消息等原始数据、历史数据，并结合从第三方的管理平台获取到的信号灯、常规天气预报、地图等数据，建立统一化的分析模型，从时间、车速、转向角等不同维度进行智能分析和预测，得出动态车道规划、信号灯未来状态、危险道路状况预警等动态分析预测数据。

大数据分析结果分析：计算生成的动态分析预测数据回写数据总线，服务网关采用事件触发、时间窗口主动推送、订阅发布的方式，将动态分析预测数据发送到车辆、路侧边缘云、第三方的车辆管理平台。同时，动态分析预测数据统一存储到大数据存储系统。

针对自动驾驶、智能网联车辆测试业务需要，该子平台可实现测试过程记录、复现功能：记录测试车辆行为、车辆播发信息，测试时间段内的环境视频、环境结构化信息、路网播发信息;记录并整体存档，为示范区的自动评价系统提供输入。

事件模拟、指定报文播发过程中，部分场景测试不需要构造真实的物理事件。

4.6 资源优化管理

基于平台开放能力进行的应用及其测试提供全过程运营管理，保证可控、安全。该平台包含的基础数据管理如下：智能网联车辆信息、车载终端信息、车载终端证书信息、监控摄像机信息、路侧监控摄像机信息、路侧雷达信息、智能摄像机信息、SIM卡及设备入网信息、RSU设备信息、缘云平台信息、报警分类及提示信息、应急预案基本信息、自动任务基本信息。

智能路侧系统监控可通过该平台查询和管理路侧设备基础信息、分布位置和运行状态，支持远程对路侧设备进行故障诊断及报警，支持远程对设备进行开关机等基础控制，可通过该平台管理路侧设备的运维状态和运维记录，可远程对路侧设备的软件进行OTA升级。

对网络、边缘云服务器及所服务智能网联车辆、智能路侧系统以管理单位提供监控，保证系统稳定高效运行。

5 结 语

本文在“车-路-网”多数据采集与交互的框架下，重点研究如何提升网联汽车车路协同智能管控的稳定性、可靠性、效率性，提升车辆实时监控管理、碰撞预警、盲区预警、协同联动等技术，最终实现“车-路-网”多尺度实时监控、智能决策、协同控制的网联汽车智能管控云平台。本项目后续主要研究进一步加强网联汽车车路协同智能管控技术的安全、稳定性、可靠性要求，完成技术方向的改进，拟通过增加多种安全机制，采用边缘计算、深度学习、V2X规范提升智能管控的稳定性和可靠性。

参考文献

[1]张海波，荆昆仑，刘开健，等.车联网中一种基于软件定义网络与移动边缘计算的卸载策略[J].电子与信息学报，2020，42（3）：645-652.

[2]余翔，陈晓东，王政，等.基于LTE-V2X的车联网资源分配算法[J/OL].[2020-04-08].https：//doi.org/10.19678/j.issn.1000-3428. 0056935.

[3]李倩.基于云平台的城市轨道交通检测数据系统构建研究与应用[J].现代城市轨道交通，2020（2）：78-83.

[4]陈维，李源，刘玮.车联网产业进展及关键技术分析[J].中兴通讯技术，2020（1）：5-11.

[5]尉志青，马昊，张奇勋，等.感知-通信-计算融合的智能车联网挑战与趋势[J].中兴通讯技术，2020（1）：45-49.

[6]黄秀彬，邓艳丽，张莉，等.面向实时感知的车联网业务监控应用研究[J].信息技术，2020，44（1）：95-100.

[7]温琦丽，洪高风，苏伟.一种基于车联网的边缘云资源分配优化方案[J].电信科学，2019，35（z2）：185-190.

[8]鞠成恩，赵晓侠，问尤龙，等.基于城市公共交通云的车联网通信模式研究[J].信息技术，2018（3）：19-21.

[9]李新安，宋海娜，贺忠堂，等.基于云计算的综合应急管理平台体系架构研究[J].信息技术，2014（5）：18-20.

[10]李海威.基于云计算的物联网数据网关的建设研究[J].计算机技术与发展，2018，28（1）：188-190.

[11]李新安，宋海娜，贺忠堂，等.基于云计算的综合应急管理平台体系架构研究[J].信息技术，2014（5）：18-20.

[12]苑敏.物聯网与云计算的融合：物联网云的构建[J].中国新通信，2013，15（3）：10-11.