江 濤 劉詠平

（1.清華大學(xué)深圳國際研究生院物流與交通學(xué)部，廣東 深圳 518055；2.深圳市金益科技股份有限公司新型車聯(lián)網(wǎng)通信技術(shù)工程研究中心，廣東 深圳 518052）

0 引言

多年來，我國交通領(lǐng)域已經(jīng)積累了大量的交通數(shù)據(jù)。通過總結(jié)經(jīng)驗(yàn)和教訓(xùn)可以得出，我國交通領(lǐng)域在數(shù)據(jù)方面存在以下2 個(gè)問題：1） 交通語義信息不足，會(huì)導(dǎo)致智能分析技術(shù)的應(yīng)用不夠全面、深入，多種交通感知方式缺乏融合協(xié)同。缺乏對交通事件的實(shí)時(shí)分析、預(yù)警和實(shí)時(shí)響應(yīng)，缺乏對交通信息的全面融合和深度應(yīng)用。2） 各個(gè)系統(tǒng)業(yè)務(wù)獨(dú)立、數(shù)據(jù)散亂，會(huì)形成信息孤島。系統(tǒng)的孤立帶來流程割裂，單一系統(tǒng)無法自動(dòng)完成整個(gè)流程的運(yùn)轉(zhuǎn)和監(jiān)控，系統(tǒng)間流程對接困難[1-2]。這些問題導(dǎo)致交通部門的管理者無法有效獲取數(shù)據(jù)并根據(jù)數(shù)據(jù)做出正確的決策。

由于當(dāng)前我國業(yè)內(nèi)交通環(huán)境語義信息采集不足，因此智能交通的業(yè)務(wù)數(shù)據(jù)存在信息孤島、多種交通數(shù)據(jù)缺乏融合協(xié)同等問題，筆者立足于交通行業(yè)的實(shí)際需求，研究車路協(xié)同感知一體化平臺(tái)，為多種現(xiàn)有的交通業(yè)務(wù)平臺(tái)提供數(shù)據(jù)接口和一致化分析平臺(tái)。

1 系統(tǒng)總體架構(gòu)

系統(tǒng)采用分層結(jié)構(gòu)進(jìn)行設(shè)計(jì)，總體技術(shù)架構(gòu)由5 個(gè)層次組成，自下而上依次包括邊緣感知層、網(wǎng)絡(luò)通信層、基礎(chǔ)設(shè)施層、數(shù)據(jù)資源層以及云端應(yīng)用層。該車路協(xié)同感知一體化平臺(tái)的系統(tǒng)設(shè)計(jì)及其相關(guān)的應(yīng)用規(guī)劃方案如圖1所示。

1.1 邊緣感知層

現(xiàn)有的智能交通技術(shù)在數(shù)據(jù)的全面性、準(zhǔn)確性以及實(shí)時(shí)性等方面仍有待改進(jìn)，特別是自動(dòng)駕駛技術(shù)的發(fā)展對交通信息提出了更高的要求。為了實(shí)現(xiàn)立體感知交通場景的功能，需要圍繞“車-路-人-環(huán)境”4 個(gè)要素模型構(gòu)建多維、多模態(tài)的硬件感知系統(tǒng)，在特定區(qū)域的邊緣計(jì)算服務(wù)器中卸載人工智能龐雜的計(jì)算量，從而形成車路協(xié)同感知一體化平臺(tái)的邊緣感知層。

邊緣感知層主要借鑒自動(dòng)駕駛、車路協(xié)同以及物聯(lián)網(wǎng)3 個(gè)領(lǐng)域的技術(shù)范式：1） 針對車端感知，筆者基于自動(dòng)駕駛的技術(shù)范式，采用目前普遍使用的傳感器套件，包括北斗全球衛(wèi)星導(dǎo)航系統(tǒng)、車載攝像機(jī)、毫米波雷達(dá)以及激光雷達(dá)等設(shè)備并通過自研的車載單元（On-Board Unit，OBU）實(shí)現(xiàn)車端感知數(shù)據(jù)的對外開放和網(wǎng)絡(luò)互聯(lián)。2） 針對路側(cè)感知，結(jié)合自身在交通行業(yè)車路協(xié)同領(lǐng)域的相關(guān)實(shí)踐，除了選擇性地采用自動(dòng)駕駛常用傳感器之外，還導(dǎo)入了交通行業(yè)廣泛采用的固定式道路交通數(shù)據(jù)檢測技術(shù)（包括橡膠管、壓電傳感器以及磁化線圈等）和信號燈系統(tǒng)，從而盤活交通行業(yè)現(xiàn)有的存量資產(chǎn)。最后通過路側(cè)單元（Road Side Unit， RSU）和車載單元OBU 對車輛信息-交通信息進(jìn)行交換與互。3） 針對行人和環(huán)境的感知，提供平臺(tái)開放接口，以廣泛地兼容主流物聯(lián)網(wǎng)設(shè)施（包括附著于行人身上的手機(jī)數(shù)據(jù)、各類可穿戴式設(shè)備以及環(huán)境中現(xiàn)有的道路、氣象檢測設(shè)備）。

1.2 網(wǎng)絡(luò)通信層

智慧交通中主要使用無線電信號與兼容系統(tǒng)進(jìn)行通信。目前，車聯(lián)網(wǎng)的通信標(biāo)準(zhǔn)分為專用短程通信（Dedicated Short Range Communication，DSRC）和蜂窩車聯(lián)網(wǎng)（Celluar Vehicle to Everythind， C-V2X）2 種主流技術(shù)路線[3]。然而，4G/5G 蜂窩網(wǎng)、5.8G DSRC 與 C-V2X 直連模式是基于不同的底層通信協(xié)議，采用的通信頻率不同，性能參數(shù)和指標(biāo)也不相同，而基于幾種不同通信協(xié)議的設(shè)備目前無法進(jìn)行通信及互聯(lián)。

車路協(xié)同感知一體化平臺(tái)的網(wǎng)絡(luò)通信層針對上述問題提出了多模式邊鏈路通信的解決方案。針對車路協(xié)同系統(tǒng)中不同應(yīng)用場景對通信帶寬、實(shí)時(shí)性以及準(zhǔn)確度等方面的不同需求及車路通信快時(shí)變的特性，基于多模多頻段通信技術(shù)進(jìn)行兼容共存設(shè)計(jì)。研究5G-V2X、LTE-V2X、5.8G DSRC 及 5G 蜂窩網(wǎng)等無線通信技術(shù)在智能路側(cè)設(shè)備的互聯(lián)互通，解決多模共存的信號干擾、電磁兼容以及路網(wǎng)無縫覆蓋等問題，發(fā)揮各接入技術(shù)的優(yōu)勢。該技術(shù)能滿足車用無線通信技術(shù)（vehicle to X，V2X）在高動(dòng)態(tài)復(fù)雜環(huán)境下對協(xié)同組網(wǎng)能力的要求，支持自適應(yīng)敏捷組網(wǎng)，針對不同應(yīng)用場景選擇最優(yōu)的通信技術(shù)，加速車路協(xié)同在不同應(yīng)用和不同需求場景中的應(yīng)用，為參與交通的人、車、路以及設(shè)施之間提供了安全、可靠的信息通道。

1.3 基礎(chǔ)設(shè)施層

基礎(chǔ)設(shè)施層主要具備2 個(gè)功能：外部設(shè)備的管理和為大數(shù)據(jù)/云計(jì)算提供設(shè)備支撐。外部設(shè)備管理主要是對接入的各類傳感器進(jìn)行管理、監(jiān)控和遠(yuǎn)程維護(hù)，實(shí)現(xiàn)高時(shí)效調(diào)度異構(gòu)傳感器網(wǎng)絡(luò)的功能，在多源感知硬件系統(tǒng)出現(xiàn)局部信號失效時(shí)完成故障檢測，從而提高系統(tǒng)的魯棒性，進(jìn)而實(shí)現(xiàn)全天候運(yùn)行的目標(biāo)。由于傳感器分布空間廣泛、數(shù)據(jù)格式各異，因此大數(shù)據(jù)/云計(jì)算基礎(chǔ)設(shè)施需要具備分布式存儲(chǔ)架構(gòu)。為了滿足分布式、大批量以及多種格式交通信息的實(shí)時(shí)存儲(chǔ)、傳輸和計(jì)算需求，結(jié)合多源異構(gòu)傳感器數(shù)據(jù)的流式、非結(jié)構(gòu)化特點(diǎn)，靈活運(yùn)用集群化、虛擬化以及離散存儲(chǔ)等技術(shù)構(gòu)建交通大數(shù)據(jù)云存儲(chǔ)中心。該層支持批量計(jì)算、流計(jì)算，可以按需對計(jì)算資源進(jìn)行分配，實(shí)現(xiàn)大批量、高速率數(shù)據(jù)實(shí)時(shí)計(jì)算和并發(fā)訪問的功能。

1.4 數(shù)據(jù)資源層

路側(cè)設(shè)施除各類傳感器之外，還有大量的誘導(dǎo)屏、信號燈、標(biāo)識(shí)標(biāo)牌以及動(dòng)態(tài)限速標(biāo)識(shí)等智能設(shè)施，這些設(shè)施一般采用專用接口，其對數(shù)據(jù)格式的兼容性較差，這就是交通大數(shù)據(jù)的多源異構(gòu)現(xiàn)象。因此，通過數(shù)據(jù)虛擬化技術(shù)整合多種資源，通過異常檢測、數(shù)據(jù)清洗以及數(shù)據(jù)集成等步驟解決數(shù)據(jù)屬性不完整、格式不統(tǒng)一以及來源有沖突等問題，為上層用戶提供統(tǒng)一的數(shù)據(jù)視圖。支持知識(shí)圖譜、聚類分析、時(shí)間序列分析、多元統(tǒng)計(jì)分析、專題情報(bào)分析以及趨勢演變分析等大數(shù)據(jù)分析算法，實(shí)現(xiàn)隱藏規(guī)律挖掘、關(guān)聯(lián)關(guān)系發(fā)現(xiàn)和未來趨勢預(yù)測的功能。構(gòu)建并持續(xù)更新交通系統(tǒng)動(dòng)力學(xué)模型庫、交通誘導(dǎo)方法庫和相關(guān)的專家知識(shí)庫，為大數(shù)據(jù)挖掘提供支撐。同時(shí)，將這一類數(shù)據(jù)產(chǎn)品對外發(fā)布。

1.5 云端應(yīng)用層

該文基于數(shù)據(jù)資源層產(chǎn)生的模型庫、方法庫以及專家知識(shí)庫等初級數(shù)據(jù)產(chǎn)品，結(jié)合自身對交通領(lǐng)域的行業(yè)見解，面向3 類用戶群體形成定制化的解決方案：1）面向政府服務(wù)的解決方案主要聚焦于交通管理與控制（用戶為交警局，方案任務(wù)主要為交通狀態(tài)監(jiān)管、交通控制優(yōu)化以及特種車輛優(yōu)先等）、交通運(yùn)輸管理與控制（用戶為交通局，方案任務(wù)主要為道路運(yùn)行狀態(tài)監(jiān)測與監(jiān)管、公共交通服務(wù)監(jiān)管以及城市停車監(jiān)管等）以及交通規(guī)劃與管理（用戶為規(guī)劃局，方案任務(wù)主要為城市交通土地利用監(jiān)管、道路交通網(wǎng)絡(luò)綜合評價(jià)以及道路交通出行預(yù)測等）。2）面向公眾服務(wù)的解決方案有3個(gè)。第一，面向交通信息類服務(wù)，形成關(guān)于近場支付、車內(nèi)路牌、定位導(dǎo)航以及交通氣象等應(yīng)用。第二，面向交通運(yùn)行效率類服務(wù)，主要包括車內(nèi)信號燈、車速引導(dǎo)、擁堵繞行提醒以及實(shí)時(shí)最優(yōu)路徑選擇等應(yīng)用。第三，面向交通安全類服務(wù)，主要包括安全預(yù)警、違章提醒、車輛失控處置以及出行行為管理誘導(dǎo)等。3）面向企業(yè)服務(wù)的解決方案根據(jù)目前的主流行業(yè)趨勢大致有4 個(gè)方向。第一，智能網(wǎng)聯(lián)汽車的超視距安全信息服務(wù)、動(dòng)態(tài)高精度地圖服務(wù)。第二，智能公共運(yùn)輸?shù)能囕v運(yùn)行監(jiān)管、安全警告、車輛失控處置以及車內(nèi)安全服務(wù)。第三，智能物流園區(qū)的車輛運(yùn)營監(jiān)管、安全警告、車輛遠(yuǎn)程遙控以及運(yùn)輸車隊(duì)服務(wù)等。第四，其他細(xì)分應(yīng)用，例如智能停車、共享汽車服務(wù)、汽車保險(xiǎn)評估以及車路協(xié)同大數(shù)據(jù)交易等。

2 平臺(tái)功能設(shè)計(jì)

智慧交通車路協(xié)同感知一體化平臺(tái)以數(shù)據(jù)驅(qū)動(dòng)、融合感知、云端共享以及安全可靠為目標(biāo)，深度融合車聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、云計(jì)算以及5G 通信等技術(shù)，實(shí)現(xiàn)交通大數(shù)據(jù)即時(shí)處理、交通環(huán)境實(shí)時(shí)智能分析、交通態(tài)勢動(dòng)態(tài)研判、交通決策自動(dòng)生成與模擬預(yù)演的一體化流程。車路協(xié)同感知一體化平臺(tái)包括設(shè)備管理分平臺(tái)、數(shù)據(jù)采集與分發(fā)分平臺(tái)、感知系統(tǒng)任務(wù)分平臺(tái)以及交通數(shù)字孿生分平臺(tái)等。車路協(xié)同感知一體化平臺(tái)的總體功能框架如圖2 所示。

圖2 車路協(xié)同感知一體化平臺(tái)的功能設(shè)計(jì)框架

2.1 設(shè)備管理分平臺(tái)

設(shè)備管理分平臺(tái)通過資源擴(kuò)展來實(shí)現(xiàn)異構(gòu)設(shè)備的統(tǒng)一硬件接入，主要包括異構(gòu)傳感器、通信單元以及邊緣計(jì)算設(shè)備等。支持設(shè)備的認(rèn)證識(shí)別、狀態(tài)監(jiān)控、遠(yuǎn)程調(diào)試、遠(yuǎn)程OTA 升級、告警管理及生命周期管控等人機(jī)交互的綜合管理功能。除了實(shí)現(xiàn)接入設(shè)備的功能（例如環(huán)境感知、通信以及交互控制等），還面向上層平臺(tái)和用戶提供統(tǒng)一的功能接口。設(shè)備管理分平臺(tái)采用嵌入式平臺(tái)，在保證系統(tǒng)性能可靠性的同時(shí)兼顧功能拓展的靈活性。

2.2 數(shù)據(jù)采集與分發(fā)分平臺(tái)

根據(jù)交通行業(yè)關(guān)于信息查詢的業(yè)務(wù)需求及數(shù)據(jù)關(guān)系，對數(shù)據(jù)進(jìn)行分析、歸類，建立結(jié)構(gòu)性與關(guān)聯(lián)性良好的交通元數(shù)據(jù)組織模型并對交通多源異構(gòu)數(shù)據(jù)進(jìn)行異常檢測、數(shù)據(jù)清洗?；诮煌ㄔ獢?shù)據(jù)模型，通過規(guī)則、相似性度量以及深度學(xué)習(xí)等方法關(guān)聯(lián)異構(gòu)數(shù)據(jù)，獲得結(jié)構(gòu)化的交通數(shù)據(jù)資源。通過數(shù)據(jù)虛擬化技術(shù)[4]提供交通數(shù)據(jù)服務(wù)，支持交通基礎(chǔ)數(shù)據(jù)服務(wù)間的重組和再加工。同時(shí)，采用數(shù)據(jù)即服務(wù)（Data as a Service，DaaS）模式，通過排序、刪除、合并以及數(shù)據(jù)結(jié)構(gòu)調(diào)整等方式生成新的數(shù)據(jù)服務(wù)：根據(jù)交通行業(yè)各部門的業(yè)務(wù)需求，對數(shù)據(jù)進(jìn)行解讀和凝練，快速生成調(diào)查報(bào)告并采用按需分發(fā)和推送的方式發(fā)布數(shù)據(jù)產(chǎn)品，再根據(jù)用戶評價(jià)反饋對交通數(shù)據(jù)產(chǎn)品進(jìn)行改進(jìn)。

2.3 感知系統(tǒng)任務(wù)分平臺(tái)

協(xié)同感知平臺(tái)對車端環(huán)境信息和路側(cè)環(huán)境信息進(jìn)行異構(gòu)數(shù)據(jù)融合，從而提取關(guān)于交通場景的多維態(tài)勢信息，針對“車-路-人-環(huán)境”4 個(gè)要素模型構(gòu)建多維、多模態(tài)的交通語義模型，進(jìn)而獲取關(guān)于交通態(tài)勢的立體認(rèn)知。該平臺(tái)包括車端、路側(cè)以及泛在交通信號設(shè)施（例如誘導(dǎo)屏、信號燈、標(biāo)識(shí)標(biāo)牌以及動(dòng)態(tài)限速標(biāo)識(shí)等）3 種信息來源，通過RSU 的融合C-V2X、DSRC 以及5G 公共網(wǎng)絡(luò)等多模通信鏈路使交通環(huán)境信息與“車-路-人”之間進(jìn)行信息交互與設(shè)備聯(lián)動(dòng)。為了緩解路側(cè)感知信息對網(wǎng)絡(luò)帶寬的壓力、降低任務(wù)的響應(yīng)時(shí)延，可以通過計(jì)算卸載技術(shù)把云計(jì)算中心的感知任務(wù)卸載給具有豐富計(jì)算資源的邊緣節(jié)點(diǎn)[5]。為了進(jìn)一步提高感知任務(wù)的服務(wù)效率，針對情景感知的交通服務(wù)，情景的相似性使用戶對于服務(wù)內(nèi)容的需求也具有相似性，因此可以通過邊緣計(jì)算設(shè)施的服務(wù)緩存和車間內(nèi)容分享來降低路側(cè)感知任務(wù)對網(wǎng)絡(luò)流量的負(fù)載。還可以通過分析網(wǎng)絡(luò)通信、計(jì)算和服務(wù)資源之間的相互作用機(jī)理，使它們聯(lián)合優(yōu)化，完成靈活卸載感知任務(wù)和智能管理計(jì)算資源的任務(wù)[6]。

2.4 交通數(shù)字孿生分平臺(tái)

交通數(shù)字孿生分平臺(tái)利用協(xié)同感知分平臺(tái)采集的實(shí)時(shí)交通數(shù)據(jù)，在計(jì)算機(jī)虛擬空間中構(gòu)建交通場景“車-路-人-環(huán)境”4 個(gè)要素的數(shù)字模型（稱為數(shù)字孿生體）來模擬在實(shí)際交通環(huán)境中的交通參與實(shí)體。通過觀測、分析、推演和控制數(shù)字孿生體來研究交通中車流、物流以及人流等對象的行為，從而制定交通管控決策，對各種交通場景下的便捷出行、交通誘導(dǎo)以及安全駕駛具有輔助作用。交通數(shù)字孿生分平臺(tái)主要有以下2 個(gè)功能：1） 通過數(shù)據(jù)接入和重建交通場景來構(gòu)建動(dòng)態(tài)語義高精度地圖。2） 基于數(shù)據(jù)驅(qū)動(dòng)的真實(shí)交通環(huán)境和基于虛擬數(shù)字孿生體的聯(lián)動(dòng)響應(yīng)。

動(dòng)態(tài)語義高精度地圖由靜態(tài)模型和動(dòng)態(tài)感知交通信息組成。靜態(tài)模型主要為預(yù)置的常規(guī)高精度地圖、建筑物信息模型以及基礎(chǔ)交通設(shè)施CAD 模型等。動(dòng)態(tài)感知交通信息則由協(xié)同感知平臺(tái)來提供，主要包括時(shí)空坐標(biāo)（車輛）、屬性信息（車輛）、天氣信息以及交通信號等多源異構(gòu)實(shí)時(shí)數(shù)據(jù)。

通過協(xié)同感知任務(wù)平臺(tái)推導(dǎo)真實(shí)交通場景與虛擬交通環(huán)境的構(gòu)建關(guān)系，實(shí)現(xiàn)交通實(shí)體要素在虛擬場景中的顯示與動(dòng)態(tài)設(shè)定并對動(dòng)態(tài)語義高精度地圖進(jìn)行初始化。通過（在真實(shí)交通環(huán)境中）在線數(shù)據(jù)融合、虛擬交通環(huán)境構(gòu)建以及交通實(shí)體-孿生體聯(lián)動(dòng)響應(yīng)的流程，迭代實(shí)現(xiàn)交通數(shù)字孿生關(guān)于真實(shí)交通環(huán)境的漸進(jìn)收斂。動(dòng)態(tài)語義高精度地圖不僅是交通全要素資源的數(shù)字化圖譜，而且還是交通數(shù)字孿生的載體平臺(tái)，可以為交通行業(yè)現(xiàn)有的多種業(yè)務(wù)數(shù)據(jù)系統(tǒng)提供一致化的數(shù)據(jù)接口和分析平臺(tái)。

3 系統(tǒng)實(shí)現(xiàn)及關(guān)鍵技術(shù)

3.1 數(shù)據(jù)虛擬化技術(shù)

系統(tǒng)接入數(shù)據(jù)源不僅包括激光雷達(dá)、視頻傳感器、毫米波雷達(dá)、磁化線圈、壓電傳感器以及微波雷達(dá)等傳感器信息，而且還包括開源情報(bào)、人力情報(bào)等報(bào)告的關(guān)于交通事件的檢測信息。因此，交通數(shù)據(jù)是典型的多源異構(gòu)信息，為了克服多源、異構(gòu)以及分布式的交通數(shù)據(jù)源，需要采用數(shù)據(jù)虛擬化技術(shù)來實(shí)現(xiàn)跨數(shù)據(jù)源的整合以及統(tǒng)一的訪問接口。構(gòu)造源數(shù)據(jù)層對多源異構(gòu)數(shù)據(jù)源的接口進(jìn)行統(tǒng)一管理，實(shí)現(xiàn)各種不同數(shù)據(jù)源的訪問細(xì)節(jié)與用戶的解耦。在圍繞源數(shù)據(jù)層構(gòu)造的過程中，尤其要注意異構(gòu)數(shù)據(jù)源的集成、異質(zhì)數(shù)據(jù)的集成以及元數(shù)據(jù)組織模型的構(gòu)造。

針對交通數(shù)據(jù)中結(jié)構(gòu)化、半結(jié)構(gòu)化與混合結(jié)構(gòu)數(shù)據(jù)的問題，在源數(shù)據(jù)層分別提供不同的訪問接口：對于存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)的關(guān)系型數(shù)據(jù)庫來說，可以利用ODBC 接口通過SQL語言進(jìn)行訪問；對于非結(jié)構(gòu)化數(shù)據(jù)來說，可以采用REST 或JSON 等接口；還要為兩類數(shù)據(jù)訪問接口提供統(tǒng)一的API 訪存接口，以屏蔽數(shù)據(jù)源數(shù)據(jù)模型的異構(gòu)性（解決數(shù)據(jù)源的異構(gòu)性是保證數(shù)據(jù)服務(wù)的基礎(chǔ)）。對于數(shù)據(jù)異質(zhì)性問題（包括結(jié)構(gòu)差異、命名差異、語義差異和內(nèi)容差異4 個(gè)方面[7]）來說，可以利用XML 語言對所需的數(shù)據(jù)進(jìn)行統(tǒng)一描述，以確保數(shù)據(jù)的正確性、完整性和一致性，從而滿足數(shù)據(jù)模型對可移植性的要求[4]。元數(shù)據(jù)是數(shù)據(jù)虛擬化系統(tǒng)運(yùn)行的核心，要針對交通行業(yè)信息查詢的業(yè)務(wù)需求特點(diǎn)對元數(shù)據(jù)進(jìn)行分析、重新歸類，建立結(jié)構(gòu)性與關(guān)聯(lián)性良好的、通用的元數(shù)據(jù)組織模型。

3.2 車路協(xié)同多傳感信息融合

車路協(xié)同多傳感信息融合包括車端傳感器、路側(cè)傳感器以及車端-路側(cè)協(xié)同3 種信息融合方式：1） 車端傳感器信息融合激光雷達(dá)、視覺傳感器的信息對3D 目標(biāo)進(jìn)行檢測，以通道分組卷積作為基本單元構(gòu)造輕量型卷積網(wǎng)絡(luò)并提取目標(biāo)的特征，同時(shí)匯集多空間分辨率的特征圖的目標(biāo)邊界結(jié)果；通過多層次級聯(lián)檢測網(wǎng)絡(luò)組成檢測框架，實(shí)現(xiàn)對前一層預(yù)測結(jié)果的重定位和再識(shí)別，以提高目標(biāo)檢測的精度。2） 路側(cè)傳感器一方面使用類似的級聯(lián)深度神經(jīng)網(wǎng)絡(luò)模型融合攝像頭、毫米波雷達(dá)以及激光雷達(dá)的信息，以感知周圍環(huán)境。通過提取交通路況信息向智能網(wǎng)聯(lián)汽車和云控中心分發(fā)交通態(tài)勢信息；另一方面作為邊緣節(jié)點(diǎn)匯集信號燈、前方交通事故預(yù)報(bào)以及天氣數(shù)據(jù)等信息，基于D-S證據(jù)理論[8-9]結(jié)合已經(jīng)獲得的交通態(tài)勢信息對前方可行使區(qū)域進(jìn)行感知決策。3） 車路協(xié)同融合是將分別來自車端和路側(cè)的交通數(shù)據(jù)進(jìn)行融合，與孤立的車端或路側(cè)的多傳感信息融合相比，在多種傳感器數(shù)據(jù)的空間配準(zhǔn)和時(shí)間配準(zhǔn)上有許多細(xì)節(jié)需要注意。

由于車端傳感器的位置在路側(cè)傳感器，因此存在較大的差異，而利用最小二乘法、廣義最小二乘法只有在量測誤差比較小的情況下進(jìn)行空間配準(zhǔn)才能取得較高的精度。對于車路協(xié)同多傳感器融合的空間配準(zhǔn)來說，需要通過考慮各個(gè)平臺(tái)的空間分布特點(diǎn)來獲得傳感器間的配準(zhǔn)模型?；跀z像機(jī)成像原理并結(jié)合BDS 定位信息建立車端坐標(biāo)系、路側(cè)坐標(biāo)系和世界坐標(biāo)系的變換關(guān)系模型，從而獲得關(guān)于交通場景中目標(biāo)數(shù)據(jù)的統(tǒng)一描述。時(shí)間配準(zhǔn)要考慮車端和路側(cè)傳感器在輸出頻率上的差異，利用最小二乘準(zhǔn)則進(jìn)行涉及時(shí)間配準(zhǔn)算法，利用多線程同步方式在時(shí)序上對車端、路側(cè)的傳感器信息進(jìn)行配準(zhǔn)。

3.3 語義高精度地圖

該項(xiàng)目的語義高精度地圖的研究重點(diǎn)在于動(dòng)態(tài)更新、獲取語義信息，這主要涉及車輛道路場景的語義理解問題，其支撐技術(shù)為語義分割技術(shù)。筆者準(zhǔn)備了2 種道路場景語義分割的技術(shù)方法（相互作為冗余備份）。

基于圖像的語義分割。由于對場景信息的語義分割速度及準(zhǔn)確率有較高的要求，因此采用Segformer 的計(jì)算策略，將視覺Transformer 引入語義分割任務(wù)。采用分層結(jié)構(gòu)的Transformer 編碼器（Hierarchical Transformer Encoder），以避免在測試分辨率與訓(xùn)練不同時(shí)導(dǎo)致性能下降。同時(shí)，使用輕量級多層感知機(jī)解碼器（Lightweight All-MLP Decoder），從而在保證較高精度的同時(shí)提高算法的效率。然而，在實(shí)際應(yīng)用場景中，由于視覺SLAM 依賴于可見光相機(jī)采集的圖像特征點(diǎn)，因此經(jīng)常因光照變化、場景紋理稀疏等問題失效。這個(gè)時(shí)候可以充分發(fā)揮多傳感器信息融合的優(yōu)勢，利用2D 圖像信息高分辨率的紋理細(xì)節(jié)和3D 激光點(diǎn)云的空間幾何信息來提高語義建圖算法的魯棒性。

該文提出融合圖像和激光點(diǎn)云的道路場景語義分割方法。具體方法是通過深度學(xué)習(xí)分別用不同的神經(jīng)網(wǎng)絡(luò)提取2D 和3D 數(shù)據(jù)的特征，利用這種方式充分地從2 種模態(tài)信息中提取特征。為了克服2D 圖像平面特征與3D 激光點(diǎn)云三維特征的數(shù)據(jù)格式的差異，采用三維體素網(wǎng)格作為中間表示，通過標(biāo)定好的空間變換關(guān)系將2D 圖像特征投影到體素網(wǎng)格中。

4 結(jié)語

該文針對智慧交通提出了基于車路協(xié)同的一體化感知平臺(tái)。通過計(jì)算機(jī)視覺的圖像語義分割、多傳感器融合以及邊緣計(jì)算等人工智能理論和技術(shù)構(gòu)建了交通全要素資源的數(shù)字化圖譜。以高精度地圖為載體平臺(tái)，為交通行業(yè)現(xiàn)有的多種業(yè)務(wù)數(shù)據(jù)系統(tǒng)提供一致化的數(shù)據(jù)接口?；诙嘣串悩?gòu)信息融合的語義高精度地圖將為分析交通問題、掌握交通出行特征以及預(yù)測交通發(fā)展趨勢提供了豐富的語義數(shù)據(jù)支撐；同時(shí)，也為多種現(xiàn)有的交通業(yè)務(wù)平臺(tái)提供了數(shù)據(jù)接口和一致化分析平臺(tái)。

5 致謝

該課題承蒙新型車聯(lián)網(wǎng)通信技術(shù)工程研究中心（深圳市發(fā)展和改革委員會(huì)“深圳市戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展專項(xiàng)”，項(xiàng)目編號：XMHT20190101025）資助，特此致謝。感謝技術(shù)研究院辦公室主任周靖和范志恒在科研管理方面的協(xié)助和支持。