智能网联汽车协同控制技术（第2版）课件 第1-3章 智能网联汽车相关技术发展过程- 基于车路信息融合的交通状态感知与预测技术

智能网联汽车协同控制技术第2版“十四五”时期国家重点出版物出版专项规划项目新基建核心技术与融合应用丛书智能网联汽车技术系列本书汇总了作者及团队在车路协同体系下智能网联汽车领域研究的相关科研成果，探讨了交通运行状态的感知与评价、实时路径决策方法和速度引导方法，研究了智能网联汽车动力学模型、编队控制模型及编队切换控制技术、时空轨迹优化方法、主动安全控制技术、数据交互系统，以及智能网联汽车编队控制模型及硬件在环仿真技术等。本书汇总的这些前沿关键技术可以为优化城市干线车流行驶状态、缓解城市干线拥堵、提高道路通行能力提供新的技术手段和解决方案。简介战略意义《交通强国建设纲要》《中国制造2025》《2018年智能网联汽车标准工作要点》《国家车联网产业标准体系建设指南（智能网联汽车）》2020年，《智能汽车创新发展战略》2022年，《“十四五”现代综合交通运输体系发展规划》智能网联汽车已成为国家大力支持的未来交通系统的重点发展方向智能网联汽车6种关键技术1）环境感知技术2）智能决策技术3）协同控制技术4）V2X通信技术5）云平台与大数据技术6）信息安全技术本书研究重点1）设计了面向智能网联汽车的高实时性车路协同体系2）定义了车辆与路侧智能设备间的数据交互方式与交互软件系统实现方案3）提出了一种基于多源信息融合的交通状态评价方法第1章

智能网联汽车相关技术发展过程1.1车路协同技术1.2智能网联汽车技术1.3车辆编队技术利用最新的科技手段解决交通安全问题1.1车路协同技术车路协同系统·采用先进的无线通信和新一代互联网等技术·全方位实施车车、车路动态实时信息交互·在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理·充分实现人车路的有效协同·保证交通安全，提高通行效率，从而形成安全、高效和环保的道路交通系统1.1车路协同技术1.1车路协同技术1.2智能网联汽车技术智能网联汽车·搭载先进的车载传感器、控制器、执行器等装置，融合现代网络通信技术的一种新型智能汽车·实现车与X（人、车、路、云端等）智能信息交换共享·拥有复杂的环境感知、智能决策、协同控制和执行等功能·保障车辆安全、舒适、节能、高效行驶，并最终可替代驾驶人实现自动驾驶1.3车辆编队技术车辆编队控制技术目的在于充分利用道路条件，保证道路交通安全与高效行驶的条件下，将一系列车辆进行统一车辆队列管理，使具有相同行驶路径的车辆能够根据交通状况，以协同合作的方式完成车辆队列巡航、跟随、组合与拆分、换道等相关控制策略1.3车辆编队技术第2章面向智能网联汽车的车路协同系统2.1车路协同技术特征分析2.2面向智能网联汽车的车路协同系统设计2.3车路数据交互软件系统车路协同技术目的：实现交通智能化管理、动态交通信息服务等智能交通系统职能基础：车内网、车际网和车载互联网遵循一定通信协议与交互标准，在相互独立交通元素个体之间进行通信与数据传输的大系统网络技术是传统物联网与传感网络技术在交通领域的延伸第2章面向智能网联汽车的车路协同系统2.1车路协同技术特征分析通过先进通信网络将人、车、路三个基本交通要素绑在一起，定制化开发各要素上的终端软硬件，实现对要素数据与指令的交互2.1车路协同技术特征分析为传统交通带来的变革（1）近场自组织通信支持各节点在通信范围内自动组网（2）高实时性稳定传输低延迟、低丢包率，更稳定的数据传输（3）多源异构节点交互各智能设备或终端能够自由发送具有自身特征的数据包2.2面向智能网联汽车的车路协同系统设计面对的问题：一是受技术条件和成本限制；二是研究成果场景不符合交通实际。2.2.1系统设计目的解决的方法：更丰富、准确、高实时性的车辆数据汇总进行评估分析，大大提高评价精度。2.2面向智能网联汽车的车路协同系统设计两部分：车载终端；路侧终端。2.2.2车路信息交互场景2.2面向智能网联汽车的车路协同系统设计两个核心功能：（1）智能网联汽车信息交互（2）基于车辆数据的实时交通状态感知2.2.2车路信息交互场景2.2面向智能网联汽车的车路协同系统设计车辆离开上一个交叉口（点A）时，系统开始记录所需行车数据，在离开下一个交叉口（点D）时将在路段上生成的数据发送给RSU2。从点A到点D间的时间间隔即为车辆在路段上的通过时间；当车辆进入RSU2的通信范围（点B）时，双方将建立稳定的V2X通信。2.2.3车路数据实时交互方法2.3车路数据交互软件系统两项主要开发内容：（1）基于安卓系统的深度开发（2）高实时性的数据采集与通信功能设计2.3.1车路数据交互软件系统总体目标两个主要创新点：（1）采用智能网联汽车行驶数据代替传统检测器数据（2）面向智能网联汽车建立车路信息交互机制2.3车路数据交互软件系统（1）检测数据方案本方案采用OBD无线传输数据2.3.2车路数据交互软件系统方案论证2.3车路数据交互软件系统（2）协同通信方案本方案采用LTE-V模块2.3.2车路数据交互软件系统方案论证2.3车路数据交互软件系统（3）车载终端系统方案本方案采用Android系统2.3.2车路数据交互软件系统方案论证2.3车路数据交互软件系统车载终端程序包括如下三部分：●系统层，在Linux系统下完成Android源码的编译和烧录。●驱动层，Android系统中间件的程序开发。●应用层，基于AndroidStudio工具的AndroidApp开发。2.3.3车载终端软件系统实现2.3车路数据交互软件系统车载终端程序包括如下三部分：●系统层，在Linux系统下完成Android源码的编译和烧录。●驱动层，Android系统中间件的程序开发。●应用层，基于AndroidStudio工具的AndroidApp开发。2.3.3车载终端软件系统实现2.3车路数据交互软件系统路侧终端没有操作系统。路侧终端程序包括如下三部分：●初始化程序，时钟、引脚配置、模块驱动、通信参数设置。●主循环程序，车载终端数据交互、计算车辆与路口的间距、评价的道路运行状态。●中断程序，接受中断和定时中断。2.3.4路侧终端软件系统实现第3章基于车路信息融合的交通状态感知与预测技术3.1交通状态感知与预测的现状分析3.2基于V2X通信的多源车路信息融合系统3.3基于V2X通信的交通状态感知场景3.4V2X通信环境下的交通状态预测模型3.5实验测试与分析第3章

基于车路信息融合的交通状态感知与预测技术

针对城市交叉口场景，提出了一种基于车路信息融合的交通状态感知与预测的方法。3.1交通状态感知与预测的现状分析各项研究成果表明，在V2X通信环境中，交通管理方基于多种交通传感器建立交通数据集，可以实时感知当前道路的交通状态；同时，基于多源融合数据实时预测交通运行状况，可以大幅提高交叉口的通行效率，提高道路安全性。现有理论方法存在以下问题：一、基于V2X通信交通状态感知方法从车载端获取的交通流数据集规模较小；

二、历史交通数据存在一定的滞后和冗余，导致预测结果实时性差、预测精度不高。本章提出一种基于图嵌入长短期记忆神经网络模型，实现城市交叉口交通状态的实时动态预测。其特点如下：●深度游走（DeepWalk）算法捕捉交通流的空间特征●长短期记忆神经网络实现时间特征的动态捕捉3.2基于V2X通信的多源车路信息融合系统基于V2X通信的多源车路信息融合系统：1）交通感知层2）网络传输层3）数据处理层

4）信息服务层多源信息融合的目的是将来自路侧传感器数据、交通信号机的控制数据及来自V2X通信的OBU数据进行特征级数据融合，以构建一个立体、精准的交叉口状态感知数据集合。3.2.1交通感知层3.2基于V2X通信的多源车路信息融合系统3.2.1交通感知层3.2基于V2X通信的多源车路信息融合系统

LTE-V2X通信是基于LTE蜂窝网络的车与外界信息交互技术，是对现有蜂窝网络技术的延伸，借助无线网络带宽优势，可实现高可靠性、低延时、大容量的车辆通信。LTE-V2X通信主要有两种通信方式：广域蜂窝式（即LTE-V-Cell）短程直通式（即LTE-V-Direct）3.2.2网络传输层3.2基于V2X通信的多源车路信息融合系统对应两种互补的网络通信接口：●PC5接口●Uu接口3.2.2网络传输层3.2基于V2X通信的多源车路信息融合系统1.点云与图像数据的融合处理过程3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统路侧传感器融合主要包括两种组合：●基于激光雷达与摄像机的融合（主流）；●基于摄像机与毫米波雷达的融合。本书采用的多源传感器融合方案为，激光雷达与高清摄像机的融合。1.点云与图像数据的融合处理过程3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统

首先，对激光雷达点云数据进行预处理其次，对图像的原始数据进行去畸变处理

3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统

最后，对两类识别框进行匹配融合计算3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统多源传感器在数据采集过程中分别有着独立的坐标系和采集频率，因此需要将多源传感器的坐标系变换到同一坐标系下进行配准，才能实现多源传感器的融合。3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统1）将激光雷达坐标变换为摄像机坐标3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统2）将摄像机坐标变换为图像坐标3）将图像坐标变换为像素坐标3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统2.基于V2X通信的车路信息融合处理过程3.2.3数据处理层3.2基于V2X通信的多源车路信息融合系统收集到的信息分为●车辆信息数据●道路信息数据3.2.4信息服务层3.2基于V2X通信的多源车路信息融合系统●利用图像处理技术进行交通事件识别●利用激光雷达、车载V2X通信单元等先进的技术手段进行交通参与者的目标识别与跟踪3.2.4信息服务层3.2基于V2X通信的交通状态感知场景基于V2X通信的实时交通流量感知模型●统计车流信息●道路交叉口的车流量3.3.1基于V2X通信的城市单交叉口场景3.3基于V2X通信的交通状态感知场景利用V2X通信技术低延时性、高可靠性和高安全性的优势，设计的基于V2X通信的城市单交叉口感知场景3.3.1基于V2X通信的城市单交叉口场景3.3基于V2X通信的交通状态感知场景主要研究目的：实现OBU、RSU及路侧传感器数据之间的接收与转发3.3.2城市单交叉口图模型3.3基于V2X通信的交通状态感知场景根据真实的测试场景的选择，对交叉口道路网络进行建模3.3.2城市单交叉口图模型3.3基于V2X通信的交通状态感知场景基于V2X通信路侧传感器感知的范围（带底纹区域），表示为加权有向图3.4V2X通信环境下的交通状态预测模型图嵌入-长短期记忆（GE-SLTM）模型3.4.1基于图嵌入提取道路空间特征3.4V2X通信环境下的交通状态预测模型采用图嵌入DeepWalk算法学习节点之间的相互作用以提取空间特征3.4.1基于图嵌入提取道路空间特征3.4V2X通信环境下的交通状态预测模型优化问题可以表示为交通流的方向为单向，只考虑右侧窗口内的节点，则优化问题表示为3.4.1基于图嵌入提取道路空间特征3.4V2X通信环境下的交通状态预测模型根据独立假设对式（3-5）中的条件概率进行因式分解利用softmax函数来近似概率分布，得到概率3.4.2基于神经网络捕获时间特征3.4V2X通信环境下的交通状态预测模型网络单元中，传递到下一个网络的运算过程：其中3.4.2基于神经网络捕获时间特征3.4V2X通信环境下的交通状态预测模型网络预测输出：3.5.1基于多源车路信息融合的智能边缘计算平台3.5实验测试与分析路侧激光雷达，32线束，最高采样频率30Hz路侧高清摄像机，分辨率1080p，采样频率10Hz机械激光雷达，采样频率设置为10Hz激光雷达测程可达300m，测量精度精确至±2cm，120°水平视场角，测点速率高达每秒钟42.6万次实验路段：北京市石景山区阜石路一处典型交叉口3.5.1基于多源车路信息融合的智能边缘计算平台3.5实验测试与分析3.5.2模型参数设置3.5实验测试与分析两种常用的预测评价指标：方均根误差（RMSE）；平均绝对误差（MAE）3.5.2模型参数设置3.5实验测试与分析两种常用的预测评价指标：方均根误差（RMSE）；平均绝对误差（MAE）3.5.2模型参数设置3.5实验测试与分析实验数据集分两组：