基于智能 联交通系统的环境感知技术探究

黄帅凤 中国交通信息化

随着大数据、云计算、5G通信、人工智能等新兴技术的迅速发展，国家对智能 联交通产业发展给予高度重视，相继出台相关指导政策、实施办法、技术指南等文件，整车企业、运营商和科技巨头成为产业落地的有力推动者，目前智能 联交通系统建设正处于政策、技术、产业三重共振的最佳时机。智能 联交通是集车辆自主化、 络互联化、系统集成化三维于一体的新型交通系统[1]。

目前，车辆自主化已实现高级驾驶辅助系统的大规模产业化，如Mobileye、ADI等； 联互联化已进入大规模道路测试阶段，截至2020年3月，覆盖全国25个城市，面向超过96家企业，发放364张智能 联汽车道路测试牌照，累计开放的测试道路长度超过2400公里；系统集成化经历芯片、模组、终端和设备研发等阶段，逐步形成集感知、通信、定位、计算等功能为一体的智能化车载设备和路侧设施。要实现智能 联交通系统建设，需要对以上关键技术进行深入研究，主要包括环境感知技术、C-V2X通信技术、高精度定位技术、边缘云计算技术等。其中，环境感知技术主要包括自主化车辆感知（单车智能）和 联化协同感知（协同智能）两种解决方案，其为车—路协同式发展提供源数据，是实现智能 联交通的基础，也是“三横两纵”式技术架构[2]的重要组成部分。

一 自主化车辆环境感知技术研究

（一）自主化车辆环境感知技术

自主化车辆环境感知主要通过一般车载传感器、感知传感器和高精度地图等技术手段进行实现。

1、一般车载传感器

一般车载传感器是指车辆制造阶段安装在车辆上的传感器，主要分为发动机控制用传感器、底盘控制用传感器和车身控制用传感器。包括温度传感器、压力传感器、转速和角度传感器、流量传感器、位置传感器、气体浓度传感器、爆震传感器等[3]。

2、感知传感器目

前高级驾驶辅助系统中较为常见的感知传感器主要包括车载摄像头、毫米波雷达、激光雷达等。

（1）车载摄像头车载摄像头是ADAS中最常见的传感器，具备应用广泛、技术成熟、采集信息丰富、成本较为低廉等优势。将采集的视觉信息与深度学习等算法分析相结合，可识别交通标志、车道线、交通信号灯、障碍物等静态目标，同时实现机动车、非机动车、行人、动物等动态目标的识别、跟踪和测量[4-5]。由于道路是一个复杂、开放、不可控的环境，或导致车载摄像头的检测性能不稳定、易受环境影响、检测范围受限、检测视野不足。

（2）毫米波雷达毫米波雷达是测量相对距离、相对速度、相对方位的高精度传感器。车载毫米波雷达通过天线向目标发射毫米波，并且接收反射信号，从而快速准确地获取周围的物理环境信息（比如与其他物体之间的相对距离、相对速度、角度、运动方向等）[6]。可见毫米波雷达具备探测性能好、探测距离长（一般为150-200米之间）、环境适应性良好等优势，但是难以对物体的形态进行识别。

（3）激光雷达激光雷达集激光、全球定位系统（GPS）和惯性导航系统（INS）为一体，具备分辨率高、精度高、抗干扰能力强、低空探测性能好等优势，安装在车顶的多线全视场激光雷达可高速旋转，获取周围空间的点云数据，实现三维空间地图的绘制，是实现智能 联交通系统的最佳传感器。但是由于成本较高，还未实现大规模量化生产。三种主流感知传感器技术特点见表1。

表1 三种主流感知传感器技术特点分析

3、高精度地图

高精度地图与一般电子地图相比，在精度、数据、功能等方面都具备独特优势。在精度方面，一般电子地图只能定位到米级别，而高精度地图可以定位到厘米级别；在数据方面，一般电子地图只记录道路级别数据，而高精度地图增加车道属性信息、与交通相关的周围静态信息和半实时或实时更新的动态目标[7]。在功能方面，一般电子地图用于实现辅助驾驶导航，而高精度地图基于其“高精度、高动态、多维度”的特点，可以将路径规划能力下沉至车道级，从而实现车道级的自动驾驶导航。

（二）自主化车辆环境感知内容

自主化车辆环境感知内容主要包括行驶路径、周边物体、驾驶状态、驾驶环境四部分。

1、行驶路径感知

对于结构化道路，行驶路径感知包括车道线、道路边缘、道路隔离物的识别；对于非结构化道路，行驶路径感知包括车辆行驶前方路面环境状况的识别和可行驶路径的确认。其中，车道、道路边缘、道路标示线、道路隔离物的位置、特征等均为静态信息，可以通过高精度地图或车载摄像头进行信息获取。

2、周边物体感知

（1）静态物体静态物体主要包括交通标志、交通信号灯、静态障碍物等。①交通标志：由于交通标志更新周期较长，属于静态信息获取，识别方式主要包括高精度地图和车载摄像头。高精度地图可以直接获取交通标志的位置和内容等信息；车载摄像头基于图像识别算法可以对交通标志的形状、颜色、边框、数字/文字等进行检测，从而获取所需信息。②交通信号灯：虽然交通信号灯位置固定，但是车辆到达停车线时，信号灯的相位及剩余时长是变化的，因此难以依靠高精度地图进行数据获取。此时，主要的识别方式为车载摄像头，基于图像识别算法进行交通信号灯颜色、数字（剩余时长）、转向等信息的采集。该方案对算法要求较高，具备一定难度。③静态障碍物感知：指静止不动、长期固定于该位置的物体，如树木、建筑物等。静态障碍物感知检测方法主要包括高精度地图和车载摄像头，通过高精度地图和车载摄像头获取静态障碍物的位置、形态、距离等信息。（2）动态物体动态物体主要包括车辆、行人/动物、动态障碍物等。主要通过车载摄像头进行周边车辆、行人/动物、动态障碍物的形态识别，通过毫米波雷达进行周边车辆具体位置、相对速度、相对加速度、相对角度等数据的采集；通过激光雷达进行全视场扫描以获取周围空间的点云数据，绘制车辆周围的三维空间地图，以供车辆快速做出决策。

3、驾驶状态感知

驾驶状态感知主要包括驾驶员精神状态、车辆自身行驶状态的感知。（1）驾驶员精神状态主要通过车辆内部摄像头对驾驶员面部状态、眼睛的开合频率进行数据采集，从而判断驾驶员的精神状态。（2）车辆自身行驶状态主要通过车辆自身装备的车载传感器进行车辆自身行驶状态的感知。①温度传感器：检测发动机温度、吸入气体温度、冷却水温度、燃油温度、机油温度、催化温度等。②压力传感器：检测进气歧管绝对压力、真空度、大气压力、发动机油压、制动器油压、轮胎压力等。③转角、转速、车速和加速度传感器：检测曲轴转角、发动机转速、车速和加速度等。

4、驾驶环境感知

驾驶环境感知主要包括路面状况（路面材料、路面凸起或坑洞、结冰等）、道路状况（拥堵、事故、施工、管制等）、天气状况（风、雪、雨、雾等）的识别，其中部分路面状况可以通过车载摄像头的图像识别技术以及车辆本身装备的压力、摩擦力传感器进行信息采集和自主感知，道路状况和天气状况仅靠自主化车辆感知难以实现。自主化车辆环境感知技术可以为智能 联交通系统提供部分静态或半动态数据，自主化车辆环境感知内容见表2。

表2 自主化车辆环境感知内容

但是自主化车辆环境感知技术在实时性较高（如交通信号灯实时数据）、检测距离较长（如驾驶环境信息包括路面、道路、天气）的目标检测和信息获取方面存在一定难度，且每一辆依靠单车智能实现自动驾驶的车辆都是一座信息孤岛，而 联化、协同式的环境感知技术可以通过数据的传输辅助车载传感器进行信息采集，从而提升车辆的感知能力，达到更为安全的自动驾驶体验。

二 联化协同环境感知技术研究

（一） 联化协同环境感知技术

联化协同环境感知技术本质上就是基于C-V2X通信的数据传输技术。C-V2X是由3GPP主导，基于3G/4G/5G等蜂窝 络通信技术演变进而形成的车用无线通信技术，主要包括两种通信接口：PC5接口，用于车、人、路之间实现短距离的直接通信，具备低时延、高容量、高可靠性的特点；Uu接口，用于终端与基站之间实现长距离的转发通信，覆盖范围广。C-V2X通信的两种接口如下图所示。

C-V2X通信的两种接口C-V2X通信包括LTE-V2X和5G-V2X两个阶段，目前处于LTE-V2X产业研发和技术测试阶段（如江苏无锡城市级LTE示范应用），支持向5G-V2X平滑演进。随着5G的普及和新型基础设施建设的大力开展，将为C-V2X技术的落地提供更为可靠、快速的 络基础。5G-V2X相比LTE-V2X具备更大的优势：更低时延（＜1ms）、更高吞吐量（＞10Gbps）、更多连接（＞1000k）、更高移动性（＞500km/h）、更高可靠性（＞99.9%）。因此，LTE-V2X可支持L1-L3级别的智能 联业务，而5G-V2X则可支持L4-L5级别的智能 联业务。

（二） 联化协同环境感知内容

联化协同环境感知技术作为自主化车辆环境感知的补充和冗余设计，是整个智能 联交通系统数据采集层不可或缺的组成部分，基于C-V2X通信技术的PC5、Uu接口实现V2V、V2I、V2P、V2N四大应用场景。 联化协同环境感知内容具体包括下列内容。

1、交通安全感知交通事故/事件数据：交通事故/事件编码信息、事故/事件发生具体位置、事故/事件等级、事故/事件类型、事故/事件信息上 时间、事故影响距离。交通管制数据：管制编码信息、管制开始时间、预计持续时间、管制结束时间、管制起讫点、管制详细位置、管制原因。施工养护数据：施工单位、施工类型、施工时段、施工影响、施工起讫点、施工封路详细位置、涉及交通管制车辆类型。清排障数据：故障类型、发生故障路段详细位置、作业状态、清排障作业采取的临时管制措施。驾驶环境数据：路面是否积雪、结冰，路面是否积水、积水深度。通行速度限制数据：速度限制区间位置、限制的原因、限制的车型等。

2、运行效率感知交通运行数据：交通流量、瞬时速度、平均速度、车辆密度。交通拥堵数据：拥堵发生时间、拥堵发生起讫点、拥堵路段长度、拥堵预计持续时间、拥堵预计消散时间。

3、出行服务感知交叉口信号灯数据：信号灯相位、信号灯配时、信号灯剩余时长。停车场泊位数据：停车场位置、停车场总泊位数、停车场剩余泊位数。公共交通数据：公共交通时刻表、预计达到时间。动态路况数据：动态路况信息，包括事故、交通管制、临时封闭、路面施工、紧急任务、拥堵等信息，必要时还可提示车辆绕行路线。

4、车辆数据感知车辆运行状态信息：车辆属性、位置信息、车辆速度信息、车辆紧急制动信息、车辆雨量传感器信息。车辆OD信息：起讫点、出行时间信息、车辆驾驶路径。车辆排放信息：尾气排放量、排放成分信息。车辆自主感知信息：具体见表2。

三 智能 联交通系统典型应用场景研究

智能 联交通系统建设需要经历两个阶段。前期主要为智能 联车辆提供精准的信息服务，后期逐步增强道路的诱导和控制能力，为智能 联车辆的安全、高效行驶提供决策支持。由于智能 联交通系统体系庞大，典型应用场景无法枚举，因此结合目前国内技术发展及道路测试现状，面向高速公路分别对两个阶段的典型应用场景方案进行设计，以探索具备实操性的阶段性推进路线。智能 联交通系统建设两个阶段的典型应用场景方案见表3。

表3 智能 联交通系统建设两个阶段的典型应用场景方案

四 结束语

参考文献

[1] 冉斌,谭华春,张健,曲栩.智能 联交通技术发展现状及趋势[J].汽车安全与节能学 ,2018,9(02):119-130.[2] 李克强,戴一凡,李升波,边明远.智能 联汽车(ICV)技术的发展现状及趋势[J].汽车安全与节能学 ,2017,8(01):1-14.[3] 徐笑.汽车内各种传感器的类型与作用[J].价值工程,2013,32(31):51-52.[4] 李晓飞.基于深度学习的行人及骑车人车载图像识别方法[D].清华大学,2016.[5] Liu W , Yu B , Duan C , et al. A Pedestrian-Detection Method Based on Heterogeneous Features and Ensemble of Multi-View–Pose Parts[J].Intelligent Transportation Systems,IEEE Transactions on, 2015,16(2):813-824.[6] 钱若愚.车载ADAS传感器毫米波雷达解析[J].汽车实用技术,2020(04):26-29.[7] Jun Liu. The Status and Challenges of High Precision Map for Automated Driving[C]//第十届中国卫星导航年会，2019.

（原文刊载于2021年《中国交通信息化》增刊）