南宁市第四职业技术学校 陈健健

广西机电工程学校 黄文光

1 引言

目前新一代的车机系统已具备一定程度的车路协同和车联网功能，能产生智能算法和大数据。现有的车辆网络数据传输系统是集中式传输系统，这种传输系统是由早期蜂窝或WiFi通信衍生出来的操作系统，它还受到集中式的体系架构的约束。其弊端显而易见，就是消耗大带宽资源，并制约了未来车流形成系统的自主灵活发展。

2 智能交通系统需在三方面“下功夫”

（1）要在融合感知和端网云的协同管控方面下功夫。在融合感知和端网云的协同管控方面，车载传感器和路侧基础设施等产品技术已较为成熟，此时更多的是要做好“互联互通”。为此，需要通过V2V、V2A、V2P、V2C等一系列的点对点、端到端的通信技术给予保障，以提升路段的感知精度，这对自动驾驶级别提升至关重要。

路段的感知精度可以通过高速公路智能化升级改造来实现，通过和高德公司合作开发高精度地图，以此拓展路段感知精度，实现全域的感知能力。提升路段的感知精度，为未来实现区域交通协同控制提供了技术可能。

有了路段感知之后，还需要构建一套端网云协同管控技术体系，这样就可以实现对车辆行驶参数如车辆转向、加速度等进行闭环控制，实现从“单车智能控制”向“群体车辆智能控制”的变革。

（2）要在实现移动边缘计算上下功夫。在移动边缘计算方面，当前多个移动运营商、华为公司等设备提供商都在关注移动边缘计算领域，之所以关注，是因为交通领域将会是移动边缘计算的重要领域。

（3）要在5G通信技术及相应的信息安全保障技术方面下功夫。最早提出5G应用时，国内专家曾提出“5G+”的三大应用理念：“5G+虚拟现实”“5G+物联网”“5G+自动驾驶和车联网”。前两个领域因为可以采用有线方式，对移动性的要求不是很高，技术实现并不困难。但是车联网必须用无线移动方式，这对网络的可靠性要求很高，目前难以做到对通信链路性能的大幅度提升。早期的通信，如ETC系统采用RFID无线射频识别技术，到后来3G、4G衍生出来的车路协同系统，技术已趋于成熟。然而，这些技术都还未能很好解决通信中的棘手问题——干扰。为此，可以通过边缘感知设备这个“第三方”解决问题。通过边缘感知设备，直接把得到的计算参数输入给信号灯，再传输给周边的车辆，就可以实现间接控制，降低干扰，由此增强全局路网联动控制能力。

此外，在大数据驱动下的人工智能也是未来自动驾驶技术能否全面推广的重要支撑技术。利用人工智能进行预测和推演，将更便于开展智能交通管控。人工智能的深度运用能高效监控道路状态和判断道路通行能力，精确开展交通规划和静态交通分配。

3 智慧交通系统的设计要重视“交互性”和“安全性”

智慧交通系统全面推广的最后一个问题在于“交互性”和“安全性”。智慧交通系统“交互性”和“安全性”是否强大决定着车联网系统能否实现商业化和规模化，而“安全性”与人、车、路三者间的“交互性”也有着直接的关系。在交互性方面，当对交通信号灯进行控制时，现在是将信号灯的状态展现给车，但理想的交互方式是车能和信号灯实现互动。比如，在不同的交通流下，通过信号灯与车之间的直接交互，实现公交和特种车辆的优先通行，快速、便利地实现“因需通行”。在安全性方面，将来车、路侧基础设施都联网之后，它们面临的风险反而比传统的互联网更高，因为他们完全是暴露于黑客攻击范围之内的。这时，更需要从端、网、云三方进行全面、安全的布防。

为防止黑客攻击，需加强安全认证，即登录任何一个系统都需要认证以确定合法性。即便如此，依然可能会有黑客冒充合法身份进入系统，此时还需要有主动防御系统检测其行为。当前，已有较多学者在前沿技术的基础理论方面做了研究，如在通信和计算协同方面，特别是边缘计算领域，开展了针对车车交互、车路交互等方面的可靠建模，以此实现通信和计算的协同调度优化。