当前位置:首页 > 新闻 > 正文

路侧感知在智能网联汽车中的应用与未来

发布时间: 2019-02-25 16:39   作者: 张长隆、鲍海兴、杜仙童、谢鹏程   来源: 人工智能杂志

  根据智能网联汽车的智能化、网联化的内涵,路侧感知作为V2X的重要一环,将在智能网联汽车体系中发挥越来越重要的作用。本文介绍了路侧感知在智能网联汽车中的应用和未来发展,主要从路侧感知的发展背景、在智能网联汽车中应用的原因与优势、应用现状和未来发展四个方面展开。首先,本文梳理了智能交通系统(ITS)中路侧感知的发展背景;然后,分析了路侧感知应用于智能驾驶的原因,主要包括车路协同的定义与意义,车载端传感器逐渐向路侧端转移的原因、优势和技术支撑;最后,介绍了路侧感知在智能驾驶中的应用现状,并基于此对其未来进行了展望。

  智能网联汽车作为汽车行业新一轮的科技革命与产业变革,已经成为我国和其它汽车强国发展的战略方向和必然趋势。智能网联汽车是有智能化、网联化的内涵。智能化是指单车智能,如不同级别的智能驾驶汽车;网联化是指通过V2X技术,让所有道路参与者实现路况信息实时共享,实现真正的“人-车-路-云”协同智能。路侧感知是V2X的重要组成部分,它通过架设在道路侧传感器感知到的实时道路信息与车辆共享,使车拥有超视距感知能力,为实现更高级别的智能驾驶提供了新方向。同时,V2X技术是物联网技术面向应用的概念延伸。通过V2X技术,将路侧传感器与车载传感器等进行互联,也有利于实现单机智能向互联智能,甚至主动智能方向转变。因此,本文对路侧感知在智能网联汽车中的应用与未来发展进行了探讨。

  一、智能交通系统(ITS)中路侧感知的发展背景

  智能交通系统[1]是集环境动态协同感知、数据信息处理、传输与存储、交通控制和管理等多个功能于一体的综合系统,通过充分利用当代的先进技术,让人、车、路等所有主体变得更加安全、智能和高效。其中,由多种大量传感器所组成的感知部分,作为智能交通系统中的眼睛、耳朵等感官,受到了工业界和学术界的极大重视,并形成了诸如计算机视觉、信息处理等相关的学科。

  智能交通系统中的感知部分主要经历了以下几个阶段:

  (1) 人工阶段

  以人工干预和投入为主,传感器配合为辅,来完成对交通环境的感知。如早期的道路监控系统[2],通过人工观看安装在路侧端的摄像头传感器拍摄的图像或视频,来对交通场景进行监控:是否发生交通异常事件(车辆逆行、闯红灯等),人工来完成车流量统计等。很显然,这样的感知方式成本较高,效率较低。

  (2)自动化阶段

  随着传感器技术的进一步发展,尤其是20世纪80年代以后,出现了智能传感器。它是将各种具有低成本、高可靠性等特点的集成传感器与微处理器技术等相结合,使传感器对环境有一定的自动感知能力,比如:传统的道路交通信息采集技术,在车辆通过时使埋设在路面下的地感线圈[3]的电磁感应发生变化,从而完成对车辆的统计;通过安装在路侧端的摄像头拍摄的图像或视频,对其中的车辆、行人等进行自动识别和跟踪[4],从而统计交通流量和知晓人车状态等;人工干预的减少,甚至在一些情况下,不需要人工参与,使得人工成本显著降低,提高了交通感知的效率。

  (3)物联网阶段

  随着互联网技术的发展、普及和成熟,以互联网为核心技术的万物互联成为了一种趋势,物联网应运而生。2005年11月,在突尼斯举行的信息社会峰会中正式提出物联网概念。将互联网技术与传感器技术、图像处理技术、信息技术等相结合,将路侧端传感器的感知结果,通过互联网进行传输、存储和融合,从而实现对交通智能决策与管理,提高了传感器的利用率,实现了对复杂交通环境全方位感知的目的。比如:越来越多的ETC通道;使用频繁的手机导航;交通信息采集系统;通过安装在路侧端的多个摄像头、雷达等传感器,将车流量、车速、车牌、违章等信息,通过网络发送给后台,方便交管部门对车辆进行监管等。

  (4)V2X阶段

  近年来,车联网是智能交通系统的研究热点。作为物联网应用的概念延伸,V2X通过现代的5G通信技术和网络技术等,将车载传感器、路侧传感器等感知结果进行实时共享,实现“人-车-路-云”的真正协同智能,使车辆拥有超视距感知能力。

  2016年11月,大唐电信集团发布了C-V2X车载终端和路侧通信测试设备;2018年2月,华为也发布了支持C-V2X的Balong765芯片;2018年11月,长沙智能驾驶研究院推出第二代车路协同产品,首创“三模”网联通信模式,即LTE、LTE-V(C-V2X)、DSRC,并部署在湖南湘江新区智慧公交示范线上。

  二、路侧感知应用于智能驾驶的原因

  车路协同的定义与意义

  车路协同是利用通信技术将车与车、车与路连接起来,实现它们之间信息的高效传输,并对信息进行融合处理来保证道路交通安全和提高道路利用率,达到人、车、路三者之间的高度协同,最终形成的一个安全、高效、环保的交通系统。

  车路协同技术是未来智能交通的发展方向,有利于将“聪明的车”和“智慧的路”的各自优势进行充分互补,对降低交通事故的发生率、解决城市交通拥堵、推动交通系统的发展具有十分重要的意义[5]。

  车载端传感器逐渐向路侧端转移的原因

  目前车载端传感器[6]存在的第一个问题主要是存在感知盲区:车载传感器感知能力有限,感知距离也不够远,易受障碍物遮挡等影响,不能实现对周围环境的全方位、超视距感知。例如,当前车辆前方500米外发生交通事故,由于车载端传感器感知距离的限制,当前车辆接收不到交通事故信息,特别是对高速行驶的车辆,留给驾驶员的反应时间较少。第二个问题是车载传感器的成本相对较高。为了实现车辆对外界环境的感知,需要安装多个车载传感器,例如有摄像头、毫米波雷达、激光雷达等,安装这些传感器不但增加了成本,而且系统过于复杂。

  基于以上问题,在实现汽车智能驾驶的过程中,有必要结合路侧端传感器,以此弥补车载传感器的不足。

  车载端传感器逐渐向路侧端转移的优势

  利用路侧传感器和车载传感器相结合的车路协同技术,主要有以下几方面的优势:

  (1)能够提高智能驾驶汽车的安全性

  路侧传感器安装在高处,它有比车载传感器更开阔的视野,感知距离也相对较大,弥补了车载端传感器的感知盲区,能够有效避免障碍物的影响,同时路侧传感器处于静止的状态,比车载传感器对环境的感知更加精确。路侧传感器能够最大限度地感知周围环境,并将感知信息通过无线或有线方式发送给周边车辆或者其它路侧传感器,减少交通事故的发生[7]。

  (2)降低车辆成本,有利于智能驾驶的推广

  车载传感器由汽车厂商提供安装,这无疑增加了汽车厂商的成本,同时也增加了消费者的成本,不利于自动驾驶的推广。而如果有了路侧传感器的加入,部分感知可交给路侧传感器,此时汽车厂商可以相应减少车载传感器的数量,并且路侧端由政府来进行建设,这将大大减少汽车厂商在车辆上的投入,车辆成本减少,消费者也更加容易接受[8]。

  (3)提高了道路的利用率

  车辆通过路侧传感器与道路上的其它车辆进行通信,路侧传感器可将前方路况信息[9],如绿灯剩余时间等发送给后方车辆,后方车辆可以根据接收到的信息做出相应的决策,如进行车速调整或避开拥堵路段等。

  (4)有利于统一决策

  如果城市发生了消防救援、医疗救助等紧急情况,路侧设备会将紧急情况发送给周围的车辆,并通知车辆注意避让。

  车载端传感器逐渐向路侧端转移的技术支撑

  车载端传感器向路侧端转移,主要有以下几个方面的原因:

  (1)5G通信时代的到来

  目前所处的4G时代在追求超低延时通信还是有一定的难度,但随着5G时代的到来,路侧端与车载端的通信将具有低延时、高可靠性和高容量等特点,实现信息实时共享,使路侧感知能够为智能驾驶增加一份感知冗余,增强其安全性。

  (2)云计算的兴起

  云计算具有数据存储能力强、安全可靠、计算能力强、信息资源丰富等特点,凭借这些特点,云计算可以根据路侧传感器和车载传感器收集到的交通数据信息,实时高效地分析交通道路状况,并将结果信息提供给系统或下发给车辆,重新对交通进行部署和优化[10]。它对车路协同将起到强大的推动和支撑作用。

  (3)多传感器信息融合

  多传感器信息融合[10]是对多个传感器收集到的信息加以综合和处理,并做出相应的决策的过程。车路协同技术所需的信息不只是单方面的,它需要综合车载端传感器和路侧端传感器传递过来的各种信息,然后对这些信息进行综合处理,从中得到有效信息。

  (4)路基设备的大量安装

  随着城市的发展,我国在城市道路和高速公路上已安装了大量的监控摄像头、测速雷达等设备,现在已经形成了一定的规模,例如,在天津市发布的《天津市综合交通“十二五”规划》中,在天津市的高速公路中建设1039个视频监控点,主要公路上建设1451个视频监控点[11]。这对车路协同的发展起了关键的作用。

  (5)深度学习的发展

  从2012年,深度学习模型AlexNet[12]在著名的ImageNet图像识别大赛中以绝对优势获得冠军后,学术界和工业界再一次对深度学习领域进行重点关注。深度学习在图像、语音、自然语言等领域迎来大爆发。如:2015年,有152层的深度学习网络ResNet[13]在ImageNet图像识别大赛中获得冠军;2016年基于深度学习开发的AlphaGo在围棋比赛中完胜国际顶尖高手李世石等。同时,一些深度学习框架如Caffe、TensorFlow、Keras、PyTorch等的开源,进一步方便了深度学习使用者对相关算法的开发。

  以上内容精选于《人工智能》杂志第八期

  本文作者

  张长隆

  长沙智能驾驶研究院(CIDI)智能网联与交通技术总监。2004年毕业于国防科大,信息通信工程专业博士。在智能驾驶、智能网联、领域申请发明专利17项、实用新型7项、软件著作权10项,在国内外期刊发表论文50篇;是国内首批基于DSRC技术的智能网联汽车车载网联设备OBU、路载网联设备RSU的推出者之一,研发具备世界领先水平首创“三模式”自适应智能网联设备与系统;是2018年全国首个开放道路智慧公交车路云协同系统设计者,同时也是中国首个智能网联标准《合作式智能运输系统车用通信系统应用层及应用数据交互标准》的主要执笔人之一。

  鲍海兴

  长沙智能驾驶研究院(CIDI)视觉算法工程师,硕士。

  杜仙童

  长沙智能驾驶研究院(CIDI)视觉算法工程师,硕士。

  谢鹏程

  长沙智能驾驶研究院(CIDI)视觉算法工程师,硕士,从事视觉算法行业5年。

  欲阅读完整文章,可通过以下方式购买《人工智能》杂志!

  订阅2019年《人工智能》杂志6期共计360元

  银行转账:北京赛迪出版传媒有限公司

  开户行及账号:中国建设银行股份有限公司北京紫竹桥支行11050170560000000152

  银行转账,请备注:人工智能

  接收详细信息请发到:aiview@ccidmedia.com;或是添加客服微信:13601092749

收藏