2022智能网联云控车路协同的研究实践.pdf

智能网联车路云一体化融合系统的研究实践高博麟Bolin GAO清华大学车辆与运载学院 副研究员Associate Research Professor,School of Vehicle and Mobility,Tsinghua University2021年10月20日目录21车路云一体化融合系统2云-路多传感器协同感知3云-车预测性巡航控制4下一步的研究方向智能网联车路云一体化融合系统31ADAD 自动驾驶 车路协同 车路云一体化ADAD4路侧信息融合路侧智能系统智能网联汽车云控基础平台012456789103次序规划路径规划速度规划ADAD路网多车协同边缘信息融合协同应用计算标准互联互通协议/接口/消息系统实时精确数字映射实时精确数字映射交通状态路侧/车辆信息车辆与交通信号指令智能网联车路云一体化融合系统1智能网联车路云一体化融合系统基于车路云一体化融合系统，可以实现对智能驾驶、智能交通的全面支撑边缘云态势感知全局优化大数据分析交通流智能交通应急管控012456789103次序规划路径规划速度规划路段多车协同边缘信息融合协同应用计算标准互联互通协议/接口/消息系统实时精确数字映射交通状态路侧/车辆信息车辆与交通信号指令区域云路侧信息融合智能网联汽车ADAD实时精确数字映射中心云路侧智能系统5G基站51路口多车协同6 基于新一代移动互联、云计算等手段，通过网联化的跨域感知和融合控制，打通智能汽车和智能交通两大领域，显著提升道路交通的综合性能，构建起“三层四级”云控系统架构。三层四级云控系统架构三层服务架构：基础层、平台层与应用层四级物理架构：车载端、边缘云、区域云与中心云的车路云一体化融合系统的“三层四级”架构1目录71云控系统架构方案2云-路多传感器协同感知3云-车预测性巡航控制4下一步的研究方向8车载感知特点：第一人称视角遮挡问题严重部署成本高昂非网联车辆多路侧感知特点：第三人称视角融合消除盲区部署成本低廉感知视野固定车路云协同感知特点：上帝全局视角意图识别准确便于风险评估支持云端协控路侧多传感器协同感知29激光感知相机感知毫米波感知时间同步空间同步插值补偿坐标转换传感器静态协同同一路侧系统重叠区域关联匹配数据融合不同路侧系统(非)重叠区域状态估计轨迹跟踪传感器动态协同路侧多传感器协同感知的研究思路210路侧多传感器协同感知的挑战2挑战：目标跨域轨迹的连续跟踪问题ID:28ID:26ID:37ID:35目标车传感器云平台物理世界的数字孪生阻碍ID:42ID:39AD目标身份不一致11目标级数据的格式可被利用的信息：Timestamp目标属性（Id、Type、Location、Velocity）人、车、非机动车轨迹信息基于多传感器数据的ID重新分配运动目标的绝对位置、速度、朝向基于概率的目标类型决策路侧系统重叠区域的协同感知2Camera 2 FOVCamera 1 FOV12路侧系统重叠区域的协同感知 双向投影2实际道路1221单应矩阵检测点投影点13 双向匹配2匹配矩阵单向匹配矩阵：匹配策略检测点集P1检测点集P2投影点集P2投影点集P1Camera1 匹配Camera2 匹配Camera1 单向匹配矩阵Camera2 单向匹配矩阵双向匹配矩阵Camera 1 Camera 2 2112匹配待定不做匹配ID1ID2111213211002200123000ID1ID2111213211002201023000二维MN矩阵，行列分别表示两相机中目标的ID二值矩阵（非0即1）。匹配：1 不匹配：0每行每列元素之和1（避免重复匹配）11121321221312112122Camera 1Camera 2双向匹配矩阵2：匹配1：转入二次匹配0：不匹配ID1ID2111213212002201123000路侧系统重叠区域的协同感知14 基于HSV(Hue,Saturation,Value)的颜色直方图作为双向匹配的补充，通过比较候选车辆图像的颜色直方图相似度，确定最终匹配结果。反映不同颜色在整幅图像中所占的比例 反映数值的分布情况（不受像素位置影响）2单向匹配本文方法效果提升漏匹配453228.89%误匹配251444.00%色调H饱和度S明度V路侧系统重叠区域的协同感知15 无重叠域下的挑战2时空关系预测难 车辆在跨无重叠感知域时，时空呈非连续性，难以约束与建模。Cam:1Time:16:45:13Cam:2Time:16:47:22Cam:3Time:16:51:02外观特征匹配难 外观匹配时，存在显著类内差异性与类间相似性，导致难以分辨。类内差异性大类间相似度高基于核密度估计的转移时间建模方法和基于深度度量学习的车辆重识别方法 拟合转移时间分布进行预测 利用CNN提取目标特征进行匹配路侧系统无重叠区域下的协同感知162指标百分比Rank-187.7%Rank-595.1%Rank-1097.3%mAP58.8%公开数据集验证（VeRi776）相似度度量查询图像检索池特征向量检索结果测试阶段ResNet-50车辆ID基于难样本挖掘的三元组损失交叉熵损失FC层特征提取输入训练样本骨干网络特征向量多元损失函数训练阶段 基于深度度量学习的重识别模型路侧系统无重叠区域下的协同感知17 基于核密度估计(KDE)的转移时间分布模型2模型相关系数 K-S检验(Dmax)平均相对误差KDE0.9960.0831.785%正态分布0.9900.1382.938%对数逻辑0.9870.1254.190%对数正态0.9880.1223.173%Cam:1Time:16:45:13离散化的转移时间统计Cam:1Time:16:45:13Cam:2Time:16:47:22Cam:2Time:16:47:22Cam:2Time:16:47:22Cam:1Time:16:45:13最优带宽的KDE建模核密度估计表达式其中K()为高斯核最小化MISE的最优带宽求解t_cam1_cam2128s130s131s路侧系统无重叠区域下的协同感知18 联合特征匹配与转移时间估计的重识别方法2Rank-1Rank-5Rank-10mAP时间估计难以单独进行识别特征匹配91.3%97.5%100%64.7%特征+时间93.5%100%100%65.0%试验验证流程试验结果相似度计算方式,=_(,)+_(,)其中，,为特征相似度与时间相似度的权重车辆图像与id相机id与时间戳输入层外观重识别模型转移时间模型模型层识别结果排序输出层外观相似度时间相似度综合相似度计算层路侧系统无重叠区域下的协同感知目录191云控系统架构方案2云-路多传感器协同感知3云-车预测性巡航控制4下一步的研究方向基于云控系统的车辆预测性巡航控制320 单车智能驾驶系统的感知范围有限，对道路交通信息的获取能力不足;车辆动力系统最佳工作状态和道路交通条件难以匹配，无法构建全局范围的节能驾驶策略，导致车辆行驶过程的节能效果欠佳。基于云控预测性巡航控制技术云控平台融合网联车辆及道路设施的感知信息，将云端的交通信息实时共享给道路行驶车辆，实现车辆的超视距感使用云控平台在线计算车辆能耗最优的行驶策略，对整车动力系统进行动态调控，实现大范围多车群体的协同节能行驶21 在不改变司机驾驶行为及车辆动力总成的情况下，根据车辆行驶数据，从云端高精度地图数据中提取出前方道路的路型、坡度、交通等信息;通过云端节能巡航规划算法，形成滚动优化、迭代更新的节能巡航最优车速策略，并下发给车端。车端解析最优车速指令，并闭环控制跟随。云端地图数据车辆当前位置设定巡航车速授时对准位置修正 路径预测地图匹配PCC经济车速规划算法定位补偿算法车图匹配算法车辆GNSS位置云控平台车端车辆运行轨迹车辆参数发动机运行数据GPS数据PCC最优车速融合算法车辆修正T-Box解析车辆状态参数基于云控系统的车辆预测性巡航控制322 预测性巡航控制算法：基于动态规划算法（DP算法）的经济车速规划 核心算法：动态规划算法（DP）动态规划基础是Bellman最优化原理，是一种基于求解多阶段决策最优化问题的全局优化方法。动态规划算法的经济车速规划序列控制问题描述。将全局优化问题进行多阶段的离散化，确定状态、成本函数、约束条件。J发动机能量输出=J行驶动能+J重力势能+J过程损耗JEng=Jdyn+Jgeo+Jlosh_2h_1能量转换基于云控系统的车辆预测性巡航控制323 预测性巡航控制算法：基于DP算法的经济车速规划+12 2=20 +22+1=,+1+2|2+3+5|+1|=+12 22=,=cc 0.9 cc 1.1基于云控系统的车辆预测性巡航控制324 测试路段 路试试验测试路段高程信息 测试路段环境情况测试路段里程：沂源服务区-诸葛服务区，往返来回共72km；高程变化峰值约为360m。基于云控系统的车辆预测性巡航控制325 实验车辆基本参数 驾驶条件操作及环境要求 实车车辆参数及驾驶环境要求整车质量：49t变速箱：手动12档，原车具有巡航控制功能巡航控制要求：尽量全程保持定速巡航模式车速要求：70km/h挡位要求：10档油耗仪记录：统一起始记录的位置车辆状态条件：统一其他变量环境，空调状态始终开启，电附件状态一致基于云控系统的车辆预测性巡航控制3实车试验结果分析326 实验车辆基本参数 驾驶条件操作及环境要求 实验二：实车车辆参数及驾驶环境要求整车质量：3t变速箱：手动6档，原车具有巡航控制功能巡航控制要求：尽量全程保持定速巡航模式车速要求：84km/h挡位要求：6档车辆状态条件：统一其他变量环境，空调状态始终开启，电附件状态一致27PCC测试油耗统计方法32.油桶称重法1.油耗仪法3.云端瞬时油耗统计法通过将T-BOX在车辆CAN线上记录并上传的瞬时油耗信息，按照上传的频率进行积分求和，同时根据车辆经纬度信息得到实际运行的距离，由此得到百公里的油耗量。由外挂油桶给发动机提供燃油，一个测试周期开始称重油桶，结束时再称重，取差值得出实际油耗量；注：一个测试周期指同方向服务区到另一服务区，不包括上下高速路段。（每个周期37KM）28 实车路试试验环境及过程记录基于云控系统的车辆预测性巡航控制329里程(km)耗时（s）平均车速(km/h)总油耗（L）折合百公里油耗(L/100km)节油率（%）定速巡航模式72377568.66332.39844.997-节能巡航模式72371669.75230.15941.8896.91%测试试验路段：典型节油工况效果对比分析 四个阶段累计超过5000公里实车测试结果表明：（1）相较于传统定速巡航，云控PCC的平均节油率在 1.31%-5.39%之间；（2）相较于人工驾驶，云控PCC的平均节油率在3.72%-6.35%之间。单程最大节油率可达20.5%。红车-定速巡航蓝车-云控节能节能6.9%典型高速公路工况 100倍速展示效果图基于云控系统的车辆预测性巡航控制330 试验路段：云端-车端链路通信情况 实际车速（红线）能够基本跟随云端计算下发的车速建议（蓝线），上传-计算-下发完整通信链路的稳定时延不超过250ms，满足当前预测性巡航控制要求。预测性巡航控制链路通讯情况：基于4G网络的通信链路可靠可行。基于云控系统的车辆预测性巡航控制331 试验路段：定速巡航与预测性巡航控制算法发动机工作点分布情况对比定速巡航和预测性巡航模式下发动机工作点分布对比 定速巡航模式下，发动机工作点分布不够合理，工作点几乎完全集中在1600RPM1700RPM的转速范围区间；基于云控的预测性巡航方案明显改善了发动机工作分布情况，使发动机工作点向着高效区域移动，通过节能车速调节，控制发动机高效工作点区域，效果显著。基于云控系统的车辆预测性巡航控制332 由于实际道路场景多变，固定档位的预测性巡航系统不能满足实时变化的前方道路条件和交通情况，节油潜力有待进一步挖掘。在现有PCC的基础上，加入预测性换挡策略，预测车辆在前方道路行驶时的经济档位，使车辆的传动系统与道路条件高效匹配，进一步扩展PCC对道路交通条件的适应能力，释放节油潜力。预测性换挡策略的研究背景预测性巡航控制系统道路坡度红绿灯信息交通流信息前车状态信息车辆模型油耗模型动力学模型性能约束发动机功率 Pe档位 ig速度 v3基于云控系统的车辆预测性巡航控制33 节能优化可以从两个方面进行，一方面是整车层面，根据预测的前方道路和交通条件，适当调整车速和跟车距离，以最节能的车辆功率需求运行。另一方面是传动系层面，对于同样的功率需求，动力系统可以选择最佳经济性档位以与实际行驶条件相匹配。预测性换挡策略的采用分层优化、多步决策的技术方案。预测性换挡策略的技术路线psStep1：确定路点需求功率P=FV功率需求曲线Step3：确定最优档位最优经济档位序列igs档位确定准则3vsStep2：经济车速规划算法推荐速度序列档位车速协同规划PCC算法方案34 ,g|,kkvSvvV gG=状态空间=+12 22=,min maxmin maxmin max+1=1,2()+2|2+3|+1|+4|+1|+5 1122 ,g ,g ,g nnvvv档位车速协同规划PCC算法方案335Simulink-Trucksim仿真模型档位车速协同规划PCC算法方案3 仿真模型及总体效果里程(km)耗时（s）总油耗（kg）节油率（%）定速巡航模式3215079.75-节能巡航模式3215009.354.2%节能4.2%70倍速云控节能车辆36档位车速协同规划PCC算法方案3 效果分析32KM整段仿真效果图典型工况5KM切片车速规划效果图 下坡时提前减速降低刹车使用频率，上坡时提前换挡并匀速爬坡避免中途换挡，兼顾了燃油经济性和动力性；通过与变速器的换挡逻辑进行适配与融合，使节能巡航控制PCC系统的工况适应性进一步提升。373PCC算法的云平台显示效果方案目录381云控系统架构方案2云-路多传感器协同感知3云-车预测性巡航控制4下一步的研究方向39下一步的研究方向41.不同路侧系统非重叠区域的目标跨域轨迹跟踪问题。如前方连续道路的车辆、车群、车流状态信息等，实现真正意义上的超视距协同感知。2.基于动态交通信息的预测性自适应巡航控制问题。如交通信号灯相位、路口/路段交通流信息等，实现车路云一体化的广域预测性巡航控制。当前智能网联车路云一体化融合系统，受限于现有实际交通条件和通信资源，主要采用云端的静态道路信息和地图数据开展研究工作，未来将从两个方面不断完善迭代优化：谢 谢