郭宇晴姚丹亞張 毅裴 欣李 力李志恒

(1.清華大學(xué)自動(dòng)化系,北京 100080;2.現(xiàn)代城市交通技術(shù)江蘇高校協(xié)同創(chuàng)新中心,江蘇南京 210096;3.清華—伯克利深圳學(xué)院,廣東深圳 518055;4.清華大學(xué)深圳國(guó)際研究生院,廣東深圳 518055)

1 引言

隨著自動(dòng)駕駛(autonomous driving)技術(shù)和智能網(wǎng)聯(lián)(vehicle-to-everything,V2X)技術(shù)的飛速發(fā)展,協(xié)同駕駛(cooperative driving)受到人們廣泛關(guān)注[1–2].

協(xié)同駕駛一詞在不同的中文語(yǔ)境中有著不同的含義.在涉及人類駕駛員與自動(dòng)駕駛控制系統(tǒng)共享汽車的控制權(quán)問(wèn)題上,協(xié)同駕駛指代人機(jī)協(xié)同,或人車共駕[3–6].而在涉及汽車集群車輛之間的協(xié)同問(wèn)題上,協(xié)同駕駛指車車協(xié)同駕駛[7–10].

本文主要介紹車車之間的協(xié)同駕駛,其指采用先進(jìn)的自動(dòng)駕駛和智能網(wǎng)聯(lián)等技術(shù),協(xié)調(diào)智能網(wǎng)聯(lián)汽車集群的軌跡與運(yùn)動(dòng)控制,使車輛運(yùn)行的更加順暢快捷,減少旅行時(shí)間、能耗和污染.其中,智能網(wǎng)聯(lián)汽車是指搭載先進(jìn)的車載傳感器、控制器、執(zhí)行器等裝置,并融合現(xiàn)代通信與網(wǎng)絡(luò)技術(shù),具備復(fù)雜環(huán)境感知、智能決策、協(xié)同控制等功能的新一代汽車[11].協(xié)同駕駛可以提供更安全、更節(jié)能、更環(huán)保、更便捷的出行方式和綜合解決方案,是國(guó)際公認(rèn)的未來(lái)交通和汽車的重要發(fā)展方向和關(guān)注焦點(diǎn)[7,12].

在全智能網(wǎng)聯(lián)汽車環(huán)境下,協(xié)同駕駛所涉及的控制對(duì)象為無(wú)人系統(tǒng)智能網(wǎng)聯(lián)汽車.相較之全智能網(wǎng)聯(lián)汽車環(huán)境下的協(xié)同駕駛,混合交通流下的協(xié)同駕駛除包括無(wú)人系統(tǒng)智能網(wǎng)聯(lián)汽車外,還包括人類駕駛汽車.因涉及人類駕駛汽車與智能網(wǎng)聯(lián)汽車之間的交互,人類駕駛汽車的意圖、軌跡等不確定性,其研究難度要比全智能網(wǎng)聯(lián)汽車場(chǎng)景下的協(xié)同駕駛大很多.基于此,本文重點(diǎn)介紹全智能網(wǎng)聯(lián)汽車場(chǎng)景下純無(wú)人系統(tǒng)之間的自主協(xié)同.關(guān)于混合交通流下的協(xié)同駕駛則在未來(lái)展望一節(jié)中進(jìn)行介紹.

協(xié)同駕駛是指智能網(wǎng)聯(lián)汽車車與車之間的協(xié)同,涉及智能網(wǎng)聯(lián)汽車集群在車、路、云環(huán)境中的協(xié)同合作,是集群智能(swarm intelligence,SI)技術(shù)應(yīng)用的典型代表,通過(guò)車輛之間的自主協(xié)同,實(shí)現(xiàn)集群的整體目標(biāo)最優(yōu).從集群智能的角度看,協(xié)同駕駛所考慮的智能網(wǎng)聯(lián)汽車集群和機(jī)器人集群有著普遍的特點(diǎn),都是使具備有限自主能力的多個(gè)智能體通過(guò)相互信息交互,在各種約束條件下共同優(yōu)化一個(gè)全局目標(biāo),依靠局部交互作用來(lái)實(shí)現(xiàn)全局系統(tǒng)行為,從而產(chǎn)生整體效應(yīng).二者具有一些共性:1)復(fù)雜系統(tǒng)由自由運(yùn)動(dòng)的智能體組成;2)智能體能夠感知和改變運(yùn)動(dòng)狀態(tài);3)智能體合作完成特定任務(wù);4)系統(tǒng)均為自組織分布式[13–14].

但是,憑借智能網(wǎng)聯(lián)和人工智能(artificial intelligence,AI)等技術(shù)的加持,協(xié)同駕駛較集群機(jī)器人具有更強(qiáng)的感知與通信能力,并且利用信息規(guī)劃的能力更強(qiáng),其所涉及的時(shí)空范圍更廣.這些特點(diǎn)導(dǎo)致一些傳統(tǒng)集群機(jī)器人技術(shù)無(wú)法直接應(yīng)用到協(xié)同駕駛上,亟需對(duì)協(xié)同駕駛的特性和難點(diǎn)進(jìn)行單獨(dú)分析.

本文從集群智能研究的角度出發(fā),對(duì)協(xié)同駕駛進(jìn)行反思綜述,梳理協(xié)同駕駛的體系架構(gòu),包括其歷史演進(jìn)與研究意義,在關(guān)鍵技術(shù)方面與集群機(jī)器人的異同,并分析世界各國(guó)協(xié)同駕駛發(fā)展現(xiàn)狀,對(duì)協(xié)同駕駛未來(lái)進(jìn)行展望.

2 集群智能與協(xié)同駕駛介紹

2.1 集群智能

集群智能技術(shù)是指智能體集群(或機(jī)器人集群)之間通過(guò)感知和交互的方式,借助現(xiàn)代控制與決策手段,協(xié)同完成個(gè)體不易實(shí)現(xiàn)的任務(wù)[15].集群智能技術(shù)在區(qū)域測(cè)控與搜索、軍事偵察與打擊、信息通訊、物流運(yùn)輸和交通控制等民用與軍事領(lǐng)域得到廣泛應(yīng)用[16–17].

集群智能起源于自然界的智能體集群(蟻群、鳥(niǎo)群)的群體行為.這些群體中的個(gè)體簡(jiǎn)單、低智,群體交互規(guī)則也簡(jiǎn)單明了,產(chǎn)生的智能是由于種群數(shù)量量變引起質(zhì)變?cè)斐傻?涌現(xiàn)現(xiàn)象),使得群體表現(xiàn)出了智能行為(如覓食路徑最小、合作出復(fù)雜建筑)等[14].

在機(jī)器人領(lǐng)域,研究人員從自然界的集群智能中獲得靈感,通過(guò)設(shè)計(jì)一定規(guī)則,創(chuàng)建具有一定智能的集群機(jī)器人(swarm robotics).集群機(jī)器人指通過(guò)自組織協(xié)同控制方式,使多機(jī)器人高效完成單機(jī)器人無(wú)法完成的復(fù)雜任務(wù)的機(jī)器人集群.這些集群機(jī)器人系統(tǒng)具備自組織、分布式和涌現(xiàn)性3個(gè)典型特征[14,16].自組織是指依靠局部交互作用來(lái)實(shí)現(xiàn)全局系統(tǒng)行為.分布式是指集群機(jī)器人系統(tǒng)中沒(méi)有集中控制,組成的機(jī)器人個(gè)體不知曉全局信息.分布式使集群機(jī)器人系統(tǒng)具有較強(qiáng)的魯棒性,不會(huì)由于某一個(gè)或幾個(gè)個(gè)體出現(xiàn)故障而影響集體行為.涌現(xiàn)性是指?jìng)€(gè)體簡(jiǎn)單的局部行為能產(chǎn)生復(fù)雜的全局現(xiàn)象,涌現(xiàn)出一定智能.Reynolds等[18]通過(guò)個(gè)體遵循的3個(gè)簡(jiǎn)單規(guī)則:碰撞避免、速度匹配和向群體中心運(yùn)動(dòng),提出了模擬鳥(niǎo)群協(xié)同運(yùn)動(dòng)的理論模型.Vicsek等[19]受鐵磁相變的啟發(fā),以簡(jiǎn)單對(duì)齊規(guī)則建立了集群運(yùn)動(dòng)的最小模型,實(shí)現(xiàn)了自驅(qū)動(dòng)粒子的一致性運(yùn)動(dòng).Michael等[20]通過(guò)邊界跟隨、梯度信息和定位3個(gè)簡(jiǎn)單規(guī)則設(shè)計(jì),實(shí)現(xiàn)了1024個(gè)機(jī)器人的多種結(jié)構(gòu)圖樣生成.

隨著集群智能的不斷研究,集群機(jī)器人在覆蓋控制、群體控制、監(jiān)控、編隊(duì)、交通、運(yùn)輸?shù)阮I(lǐng)域得到廣泛的應(yīng)用[15,17,21].表1根據(jù)定義、感知能力、通訊能力、動(dòng)力學(xué)特征和控制方法對(duì)無(wú)人機(jī)(unmanned aerial vehicle,UAV)群、無(wú)人艇(unmanned surface vehicle,USV)集群、智能貨運(yùn)小車(automated guided vehicle,AGV)集群等常見(jiàn)集群機(jī)器人進(jìn)行介紹.這些集群機(jī)器人具有一些共性:均是通過(guò)自組織協(xié)同控制方式,使多機(jī)器人高效完成單機(jī)器人無(wú)法完成的復(fù)雜任務(wù);每個(gè)個(gè)體都需具備一定的感知和通信能力,以能感知周圍環(huán)境并與其他個(gè)體進(jìn)行信息交互;此外,當(dāng)根據(jù)任務(wù)需求規(guī)劃出機(jī)器人軌跡時(shí),都需要一定的控制方法控制機(jī)器人使之能在環(huán)境干擾下跟蹤所規(guī)劃軌跡.但是由于不同集群機(jī)器人的關(guān)鍵任務(wù)、所處環(huán)境、動(dòng)力學(xué)特征不同,導(dǎo)致在感知、通信能力及控制方法上又有所不同,如表1所示.

表1 常見(jiàn)集群機(jī)器人特性介紹Table 1 Introduction to common swarm robots

2.2 協(xié)同駕駛

協(xié)同駕駛作為集群智能的典型應(yīng)用之一,和集群機(jī)器人類似,其將智能網(wǎng)聯(lián)汽車視為機(jī)器人,通過(guò)自組織協(xié)同控制多機(jī)器人,使之能優(yōu)化一個(gè)全局目標(biāo).在當(dāng)前城市道路日益復(fù)雜和擁擠的情況下,相對(duì)于交通擁堵車輛誘導(dǎo)、交通擁堵收費(fèi)以及交通信號(hào)燈控制等交通控制策略而言,發(fā)揮協(xié)同駕駛對(duì)交通出行影響的正面作用,提高交通安全和效率,被認(rèn)為是解決交通問(wèn)題的根本所在[22–23].

協(xié)同駕駛的概念最早是由日本汽車交通與駕駛電子技術(shù)協(xié)會(huì)于20世紀(jì)90年代初提出用于車隊(duì)的編排控制(platooning control)[22,24].利用通信和傳感技術(shù)使車輛在行進(jìn)過(guò)程中形成一系列緊密間隔的車輛串,以提升道路利用率.在此之后,協(xié)同駕駛的可行性和優(yōu)勢(shì)被進(jìn)一步討論,利用合理的車間通信技術(shù)來(lái)連接車輛,使每輛車都能更加安全和高效地進(jìn)行并換道等操作,進(jìn)而提升交通控制性能,如美國(guó)的PATH項(xiàng)目[25]、歐盟的Chauffeur 項(xiàng)目[26]、日本的Demo 2000協(xié)同駕駛系統(tǒng)[27].

近年來(lái),智能網(wǎng)聯(lián)和云計(jì)算等技術(shù)的發(fā)展為深入研究協(xié)同駕駛提供了可行的技術(shù)支撐及研究手段.智能網(wǎng)聯(lián)的飛速發(fā)展,尤其5G的到來(lái),使車車、車路、車云實(shí)時(shí)通信成為可能,如圖1所示.云計(jì)算的出現(xiàn)給大規(guī)模協(xié)同實(shí)時(shí)計(jì)算提供了有力的保障.這些技術(shù)使交通參與者、運(yùn)載工具和道路基礎(chǔ)設(shè)施的信息獲取與交互手段、內(nèi)容和范圍產(chǎn)生了重大變化,可促進(jìn)交通的全程協(xié)同規(guī)劃和全面協(xié)同控制,使傳統(tǒng)的交通控制被更為精細(xì)的基于每輛車實(shí)時(shí)動(dòng)態(tài)信息的自組織協(xié)同駕駛所替代.

圖1 協(xié)同駕駛示意圖Fig.1 Diagram for cooperative driving technology

借助智能網(wǎng)聯(lián)、人工智能和大數(shù)據(jù)分析等,協(xié)同駕駛有助于實(shí)現(xiàn)全景交通信息環(huán)境下的智能交通管理和服務(wù)的集成與協(xié)同,使交通更安全,出行更暢通,是未來(lái)交通規(guī)劃及交通協(xié)同管控的重要方向,有著廣闊的應(yīng)用前景.

2.3 協(xié)同駕駛與集群智能的異同

協(xié)同駕駛和集群機(jī)器人類似,均是通過(guò)自組織協(xié)同方式,使個(gè)體通過(guò)協(xié)作方式完成共同目標(biāo).其研究和無(wú)人機(jī)群、衛(wèi)星集群、智能貨運(yùn)小車集群等集群機(jī)器人技術(shù)的研究類似,均涉及感知、通信、規(guī)劃和控制.但是協(xié)同駕駛借助于智能網(wǎng)聯(lián)、人工智能和大數(shù)據(jù)等技術(shù),其將智能網(wǎng)聯(lián)汽車作為所考慮的智能體,具有更強(qiáng)的感知與通信能力,并且利用信息規(guī)劃的能力更強(qiáng).其中,智能網(wǎng)聯(lián)拓寬了協(xié)同駕駛信息獲取的內(nèi)容和范圍.較無(wú)人機(jī)的局部通信,車聯(lián)網(wǎng)可實(shí)現(xiàn)全路網(wǎng)的信息交互,為協(xié)同駕駛提供更多的信息來(lái)源.而人工智能、大數(shù)據(jù)和云計(jì)算的發(fā)展則提升了協(xié)同駕駛利用信息規(guī)劃的能力,較無(wú)人機(jī)的編隊(duì)控制等,協(xié)同駕駛可實(shí)現(xiàn)提前規(guī)劃和控制路面上行駛的每一輛車從出發(fā)地到目的地的整條軌跡.這些特性為協(xié)同駕駛研究提供了更多的技術(shù)保障.本節(jié)首要介紹協(xié)同駕駛與集群智能在感知和通信方面的異同,關(guān)于規(guī)劃和控制的異同則在第2.3.1節(jié)和第2.3.2節(jié)中詳細(xì)介紹.

在感知方面,如無(wú)人機(jī)群和無(wú)人船集群的搜索救援工作中,其感知目標(biāo)基本已知,所要感知的對(duì)象種類較少.其通過(guò)對(duì)感知到的物體進(jìn)行特征提取和匹配,就可完成目標(biāo)識(shí)別的要求[28].但是,在協(xié)同駕駛中,交通參與者(行人、電動(dòng)車、電動(dòng)滑板車和路面突然出現(xiàn)的各種動(dòng)物等)具有復(fù)雜性和多樣性,簡(jiǎn)單的特征提取和匹配并不能完成交通參與者識(shí)別的任務(wù),需要大量多樣化和全面的數(shù)據(jù)來(lái)驅(qū)動(dòng)背后的算法模型.這一特性導(dǎo)致集群機(jī)器人中的感知研究無(wú)法完全適用于協(xié)同駕駛中.

在通信方面,協(xié)同駕駛由于涉及實(shí)時(shí)的全時(shí)空交通信息上傳和計(jì)算中心決策規(guī)劃策略等的下發(fā),對(duì)通信的時(shí)延有著更嚴(yán)苛的要求,并要求任何車輛能在任何時(shí)間任何地點(diǎn)互聯(lián).集群機(jī)器人中常用的2.4G通信,其由于普及較早,使用較多,所受干擾較多,傳輸速率較小,無(wú)法保證車輛的實(shí)時(shí)互聯(lián)[29].而協(xié)同駕駛所采用的5G時(shí)延在1 ms左右,峰值速率可達(dá)到Gbit/s的標(biāo)準(zhǔn),可滿足協(xié)同駕駛的實(shí)時(shí)通信要求,是協(xié)同駕駛信息交互的主要研究媒介[30–31].

2.3.1 軌跡規(guī)劃

集群智能與協(xié)同駕駛中的軌跡規(guī)劃主要為了完成任務(wù)或者實(shí)現(xiàn)某種編隊(duì)隊(duì)形,為每個(gè)機(jī)器人尋找從起始點(diǎn)到終點(diǎn)的時(shí)空軌跡.

在軌跡規(guī)劃方面,對(duì)于較少的機(jī)器人集群(數(shù)量為3–5),集群機(jī)器人常將所有機(jī)器人的軌跡點(diǎn)坐標(biāo)視為決策變量,對(duì)所有機(jī)器人的軌跡進(jìn)行集中式進(jìn)行規(guī)劃[32].對(duì)于較多的機(jī)器人集群(數(shù)量為5–20),則常采用分布式軌跡規(guī)劃,按照一定順序?qū)C(jī)器人分別進(jìn)行軌跡規(guī)劃,后續(xù)機(jī)器人在進(jìn)行軌跡規(guī)劃時(shí)只需與上一個(gè)機(jī)器人滿足避撞即可[33–34].較集群機(jī)器人的規(guī)模(數(shù)量常為3–20),協(xié)同駕駛涉及路網(wǎng)級(jí)別的車輛協(xié)同規(guī)劃,其規(guī)模更大,采用集群機(jī)器人中集中式的軌跡規(guī)劃方法根本無(wú)法滿足協(xié)同駕駛實(shí)時(shí)規(guī)劃的要求.但若采用分布式軌跡規(guī)劃,集群機(jī)器人中的簡(jiǎn)單順序分配根本無(wú)法保證交通效率.這些導(dǎo)致了現(xiàn)階段的集群機(jī)器人中的軌跡規(guī)劃研究無(wú)法完全適用于協(xié)同駕駛.

而地面車輛的協(xié)同駕駛一些特別之處:強(qiáng)烈道路幾何約束,有限的動(dòng)態(tài)性能,多種相對(duì)簡(jiǎn)明的控制目標(biāo),可使協(xié)同駕駛從另一個(gè)角度簡(jiǎn)化協(xié)同軌跡規(guī)劃問(wèn)題.在協(xié)同駕駛中車輛之間存在著很多的軌跡沖突點(diǎn),如路口、匝道匯流等的沖突區(qū).為滿足車輛間的避撞要求,需對(duì)車輛到達(dá)沖突區(qū)的先后順序進(jìn)行規(guī)劃.這些沖突區(qū)在地面路網(wǎng)分布較廣,且位置固定.通過(guò)確定沖突區(qū)的順序,再反推所需要的軌跡,就可將整個(gè)協(xié)同軌跡規(guī)劃問(wèn)題大大簡(jiǎn)化,迎刃而解[35–37].

在如無(wú)人機(jī)群和衛(wèi)星集群的集群機(jī)器人中,雖也有軌跡沖突點(diǎn),但沖突點(diǎn)較少,且位置不固定.軌跡規(guī)劃只要滿足避撞即可,當(dāng)兩輛機(jī)器人在沖突點(diǎn)即將發(fā)生軌跡沖突時(shí),其中一個(gè)機(jī)器人可通過(guò)繞行的方式,避開(kāi)碰撞,因此其無(wú)需太關(guān)注沖突點(diǎn)的先后順序.而這些集群機(jī)器人受天氣等環(huán)境因素及動(dòng)態(tài)因素影響顯著,規(guī)劃出的軌跡需能在惡劣天氣下被機(jī)器人跟蹤.因此這類軌跡規(guī)劃的研究重點(diǎn)并不會(huì)放在沖突區(qū)的順序分配上,而是放在軌跡的魯棒性及軌跡跟蹤控制上.控制是指控制智能體的速度與行駛方向,使其跟蹤規(guī)劃的速度曲線與路徑.對(duì)于無(wú)人機(jī)、無(wú)人船等,如何在惡劣天氣下控制機(jī)器人,保證整體性能的穩(wěn)定性和魯棒性是其研究熱點(diǎn)[38].

智能貨運(yùn)小車與協(xié)同駕駛類似,其沖突點(diǎn)位置固定.但是,智能貨運(yùn)小車的規(guī)模較小,沖突區(qū)到達(dá)先后順序分配策略的最優(yōu)性與否并不會(huì)對(duì)整體性能產(chǎn)生太大的影響,因此在貨運(yùn)小車中常采用先入先出策略(first-in-first-out,FIFO)分配到達(dá)沖突點(diǎn)順序,然后根據(jù)到達(dá)時(shí)間反推軌跡規(guī)劃.但是協(xié)同駕駛涉及路網(wǎng)級(jí)別的軌跡規(guī)劃,其規(guī)模更大,當(dāng)沖突區(qū)車輛順序分配不當(dāng)時(shí),不僅會(huì)對(duì)沖突區(qū)造成嚴(yán)重影響,還會(huì)對(duì)整個(gè)路網(wǎng)交通產(chǎn)生嚴(yán)重影響,造成交通擁堵.而采用智能貨運(yùn)小車中常用的先入先出的策略,在協(xié)同駕駛中常常無(wú)法有效提高交通效率,因此亟需針對(duì)協(xié)同駕駛的特點(diǎn)進(jìn)行協(xié)同規(guī)劃,規(guī)劃車輛到達(dá)沖突區(qū)的次序,以提升交通安全和效率[37].但是協(xié)同駕駛由于涉及的車輛數(shù)較多、規(guī)模較大,實(shí)時(shí)求解到達(dá)沖突區(qū)次序分配較難.如何在有限時(shí)間內(nèi)獲得較好的協(xié)同規(guī)劃策略,以滿足協(xié)同駕駛的實(shí)時(shí)性要求是當(dāng)前協(xié)同駕駛研究的主要難點(diǎn)[36–37].

2.3.2 編隊(duì)控制

集群智能與協(xié)同駕駛中的協(xié)同控制主要為了實(shí)現(xiàn)特定的群體行為,編隊(duì)控制作為協(xié)同控制的重要組成部分,在集群智能與協(xié)同駕駛中得到了人們的廣泛關(guān)注.

編隊(duì)控制是指通過(guò)將具有自主控制能力的智能體按照指定的隊(duì)形和結(jié)構(gòu)進(jìn)行排列,并設(shè)計(jì)編隊(duì)控制器使得所有智能體在運(yùn)動(dòng)過(guò)程中不僅能夠保持隊(duì)形的穩(wěn)定,協(xié)同完成各項(xiàng)任務(wù),還可以進(jìn)行隊(duì)形的實(shí)時(shí)調(diào)整.編隊(duì)控制在協(xié)同偵察、飛行表演、應(yīng)急救災(zāi)以及協(xié)同駕駛中的自適應(yīng)巡航控制中都得到了廣泛的應(yīng)用[38–41].

在編隊(duì)隊(duì)形生成上,集群機(jī)器人如無(wú)人機(jī)群等因涉及軍事任務(wù)或表演任務(wù)等,其生成隊(duì)形常復(fù)雜、多變.相較集群機(jī)器人編隊(duì)控制的主要重點(diǎn)在空間和平面的三維和二維編隊(duì)上,協(xié)同駕駛編隊(duì)控制的主要重點(diǎn)則在一維車隊(duì)的自適應(yīng)巡航控制上.相較集群機(jī)器人,協(xié)同駕駛中的編隊(duì)控制因受有限道路幾何形狀的限制和車車前后位置關(guān)系的約束,其隊(duì)形相對(duì)簡(jiǎn)單、單一.

無(wú)論是集群機(jī)器人的二維、三維編隊(duì),還是協(xié)同駕駛的一維編隊(duì),如何在復(fù)雜環(huán)境下保持編隊(duì)隊(duì)形的穩(wěn)定,保證擾動(dòng)不會(huì)沿隊(duì)列放大,是集群機(jī)器人和協(xié)同駕駛共同的研究重點(diǎn).研究者討論了多種控制方法,如模型預(yù)測(cè)控制、自適應(yīng)控制、魯棒控制等在編隊(duì)控制穩(wěn)定性上的作用,參見(jiàn)文獻(xiàn)[42]的綜述.

3 協(xié)同駕駛技術(shù)介紹

為實(shí)現(xiàn)整體交通安全和效率的提升,協(xié)同駕駛需獲得全時(shí)空動(dòng)態(tài)交通信息,即微觀車輛、中觀集群和行車環(huán)境、宏觀交通等在當(dāng)前和過(guò)去時(shí)刻的信息,分析車輛的微觀特性、中觀行車環(huán)境特性、宏觀交通運(yùn)行特性,對(duì)動(dòng)態(tài)障礙物未來(lái)態(tài)勢(shì)、車輛集群運(yùn)動(dòng)態(tài)勢(shì)及交通運(yùn)動(dòng)態(tài)勢(shì)進(jìn)行預(yù)測(cè)推演,進(jìn)而對(duì)車輛集群進(jìn)行群體協(xié)同規(guī)劃與控制,實(shí)現(xiàn)整體交通安全和效率的提升[1,10].

為實(shí)現(xiàn)這一目標(biāo),協(xié)同駕駛需涉及汽車、信息通信、云計(jì)算等諸多領(lǐng)域,其技術(shù)架構(gòu)示意圖如圖2所示.其中,全時(shí)空動(dòng)態(tài)交通信息的獲取是協(xié)同駕駛控制與決策的基礎(chǔ),特性分析和態(tài)勢(shì)預(yù)測(cè)推演是協(xié)同駕駛的支撐,車輛集群的協(xié)同決策與規(guī)劃是協(xié)同駕駛執(zhí)行任務(wù)的最基本形式.而這些環(huán)節(jié)需要可靠實(shí)時(shí)的通信來(lái)保障,信息交互是協(xié)同駕駛的重要保障.

圖2 協(xié)同駕駛技術(shù)架構(gòu)示意圖Fig.2 Architecture diagram for cooperative driving

如上文第2.3.1節(jié)所述,實(shí)時(shí)有效的求解協(xié)同規(guī)劃策略是當(dāng)前協(xié)同駕駛的難點(diǎn),因此本文在第4部分對(duì)協(xié)同規(guī)劃進(jìn)行進(jìn)行重點(diǎn)介紹.本部分則主要對(duì)其他關(guān)鍵技術(shù)進(jìn)行介紹.

考慮到局部關(guān)鍵沖突區(qū)域里車輛的協(xié)同駕駛是影響整個(gè)交通路網(wǎng)效率的關(guān)鍵所在,目前協(xié)同駕駛研究主要集中在如匝道合流區(qū)、十字路口等的局部沖突區(qū)域的協(xié)同駕駛研究上.由于受強(qiáng)烈的道路幾何約束和車車前后位置關(guān)系的約束,局部沖突區(qū)域所涉及的車輛數(shù)目較少,其所需要的計(jì)算資源較少,特性分析、動(dòng)態(tài)預(yù)測(cè)、協(xié)同規(guī)劃及協(xié)同控制的運(yùn)算和分析既可在車輛本地進(jìn)行,也可在云端進(jìn)行.其具體實(shí)現(xiàn)方案將在下文進(jìn)行詳細(xì)介紹.但是當(dāng)協(xié)同駕駛從局部沖突區(qū)擴(kuò)展到大規(guī)模交通路網(wǎng)時(shí),因其控制車輛數(shù)的急劇增加,上述的兩種方案不再適用.需本地計(jì)算和云端運(yùn)算協(xié)作,共同完成特性分析、動(dòng)態(tài)預(yù)測(cè)、協(xié)同規(guī)劃及協(xié)同控制.如何合理的將上述任務(wù)分工給本地計(jì)算和云端運(yùn)算,保證協(xié)同駕駛的實(shí)時(shí)性、安全性、高效性,亟待研究者進(jìn)一步的探索.

目前局部沖突區(qū)的協(xié)同駕駛既可通過(guò)車輛自組織網(wǎng)絡(luò),也可通過(guò)靠近沖突區(qū)域中心的集中式云端來(lái)實(shí)現(xiàn).

在車輛本地運(yùn)算分析中,智能網(wǎng)聯(lián)汽車廣播他們的狀態(tài)、意圖信息及感知和處理過(guò)的周圍環(huán)境信息,所有靠近沖突區(qū)域的智能網(wǎng)聯(lián)汽車被自動(dòng)組織成一個(gè)網(wǎng)絡(luò).接下來(lái),其中一個(gè)車輛被動(dòng)態(tài)地選擇為領(lǐng)導(dǎo)者,為智能網(wǎng)聯(lián)汽車規(guī)劃軌跡,并將規(guī)劃控制結(jié)果發(fā)送給其他車輛.在車輛本地運(yùn)算分析中,車載服務(wù)器需至少配備四核高性能處理器,以保證車輛運(yùn)算的實(shí)時(shí)性[43–44].

在云端運(yùn)算分析中,所有在控制區(qū)內(nèi)的智能網(wǎng)聯(lián)汽車都直接與云端溝通并發(fā)送他們的狀態(tài)信息.然后,云端通過(guò)強(qiáng)大的計(jì)算設(shè)備計(jì)算出協(xié)同規(guī)劃及控制策略,并將其發(fā)送給控制區(qū)內(nèi)的所有智能網(wǎng)聯(lián)汽車.為保證車輛的實(shí)時(shí)安全高效行駛,考慮車輛在最大速度下遇到緊急情況下剎車的操作時(shí)間,智能網(wǎng)聯(lián)汽車所能容忍云端的最大計(jì)算和傳輸時(shí)延為100 ms[9,45].

3.1 全時(shí)空動(dòng)態(tài)交通信息獲取

全時(shí)空動(dòng)態(tài)交通信息獲取是協(xié)同駕駛控制與決策的基礎(chǔ),所要感知信息主要為車輛狀態(tài)、交通狀態(tài)和行車環(huán)境.車輛狀態(tài)感知是指利用慣性測(cè)量單元、GPS等獲得自車的位置、速度等車輛信息,為協(xié)同駕駛提供個(gè)體車輛信息.交通狀態(tài)感知指利用線圈、超聲波、微波等獲得交通相關(guān)信息,如信號(hào)燈、交通流速度等信息,為協(xié)同駕駛提供整體狀態(tài)信息.相較車輛狀態(tài)感知和交通狀態(tài)感知,目前全時(shí)空動(dòng)態(tài)交通信息獲取的主要難點(diǎn)在于行車環(huán)境感知.

行車環(huán)境感知是指利用攝像頭、毫米波雷達(dá)、激光雷達(dá)、超聲波等主要車載傳感器通過(guò)提取路況信息、檢測(cè)障礙物,為智能網(wǎng)聯(lián)汽車提供決策依據(jù).利用機(jī)器視覺(jué)的目標(biāo)識(shí)別技術(shù)和利用雷達(dá)的障礙物檢測(cè)與目標(biāo)追蹤技術(shù)在集群機(jī)器人中均有一定的發(fā)展,如無(wú)人機(jī)群利用雙目相機(jī)感知建筑物,并在建筑物間穿梭[46].在集群機(jī)器人中,其所處環(huán)境相對(duì)固定單一,所處環(huán)境中的障礙物也多為靜態(tài).但是在協(xié)同駕駛中,其所處環(huán)境更加復(fù)雜,對(duì)感知的要求更高.此外交通參與者的復(fù)雜性和多樣性、行駛環(huán)境(天氣環(huán)境、道路環(huán)境)的復(fù)雜性、動(dòng)態(tài)障礙物的高速運(yùn)動(dòng)特性等都給協(xié)同駕駛感知增添了許多難點(diǎn)[47].

深度學(xué)習(xí)的出現(xiàn)給協(xié)同駕駛感知提供了有力的研究手段,研究者通過(guò)采用深度學(xué)習(xí)方法對(duì)行車環(huán)境中的障礙物進(jìn)行識(shí)別[47–49].此外,高分辨率激光雷達(dá)和高精度定位的出現(xiàn)也給協(xié)同駕駛提供了更精細(xì)化的環(huán)境感知[48,50].但目前的感知和定位能力均無(wú)法勝任真實(shí)道路的全部場(chǎng)景.相較于集群機(jī)器人,如何處理不確定性,進(jìn)行容錯(cuò)協(xié)同,保證車輛安全也是協(xié)同駕駛的關(guān)鍵問(wèn)題[51].

智能網(wǎng)聯(lián)的出現(xiàn)也拓寬了車輛感知的能力和范圍,利用通信可將不同車載、路側(cè)采集到的信息進(jìn)行融合,用以獲取豐富的周邊環(huán)境信息,有效擴(kuò)大車輛視距,避免感知盲區(qū).并且通信的加入可有效降低感知的難度,具有優(yōu)良的環(huán)境適應(yīng)能力[52].通過(guò)車路通信,車輛可獲得交通信號(hào)燈信息,避免了因?yàn)楣庹栈蛘趽?識(shí)別不出信號(hào)燈的問(wèn)題.但是路側(cè)、車載等傳感器感知數(shù)據(jù)的多源異構(gòu)特性給多傳感器數(shù)據(jù)融合技術(shù)增添了許多困難.較集群機(jī)器人,協(xié)同駕駛中傳感器的種類(激光、雷達(dá)、相機(jī))和來(lái)源(路側(cè)、車載)更多,多源異構(gòu)特性使不同感知數(shù)據(jù)進(jìn)行時(shí)空同步融合更難[53–54].

3.2 特性分析和態(tài)勢(shì)預(yù)測(cè)推演

在獲取全時(shí)空動(dòng)態(tài)交通信息后,需要對(duì)它進(jìn)行有效的處理和分析,對(duì)感知到的對(duì)象進(jìn)行特性分析,并對(duì)其態(tài)勢(shì)進(jìn)行預(yù)測(cè)推演.

在微觀層面,對(duì)于行車環(huán)境中的動(dòng)態(tài)障礙物,需根據(jù)其過(guò)去行為分析其運(yùn)動(dòng)特征,對(duì)其運(yùn)動(dòng)態(tài)勢(shì)進(jìn)行預(yù)測(cè)推演,預(yù)測(cè)障礙物在接下時(shí)間區(qū)間內(nèi)的時(shí)空軌跡,以保證微觀層面上車輛個(gè)體能滿足避撞要求.

在局部層面,協(xié)同駕駛需要對(duì)車輛集群的運(yùn)動(dòng)特征進(jìn)行分析,建模其運(yùn)動(dòng)態(tài)勢(shì),并對(duì)其控制影響進(jìn)行分析.

在宏觀層面,協(xié)同駕駛需要對(duì)包括出行者、運(yùn)載工具和交通環(huán)境等在內(nèi)的多維交通數(shù)據(jù)進(jìn)行融合與協(xié)同處理,研究包括道路狀態(tài)、交通運(yùn)動(dòng)狀態(tài)和尾氣排放等在內(nèi)的交通數(shù)據(jù)融合與協(xié)同處理方法.較集群機(jī)器人,協(xié)同駕駛需從繁雜的交通數(shù)據(jù)中發(fā)現(xiàn)特定規(guī)律來(lái)更好的指導(dǎo)協(xié)同駕駛,如需對(duì)人們出行方式等進(jìn)行分析[55].但是數(shù)據(jù)量的龐雜給數(shù)據(jù)分析增加了很多難度.而大數(shù)據(jù)的關(guān)聯(lián)分析和深度挖掘技術(shù)的飛速發(fā)展給上述問(wèn)題提供了有力的解決方案[56].

但是,相較于集群機(jī)器人,協(xié)同駕駛特性分析和態(tài)勢(shì)預(yù)測(cè)推演所涉及的數(shù)據(jù)量巨大,需要數(shù)據(jù)的高效存儲(chǔ)和檢索.由于需實(shí)時(shí)用整體交通狀態(tài)指導(dǎo)車輛協(xié)同駕駛,對(duì)信息處理與方案計(jì)算的速度要求也更高.云計(jì)算的出現(xiàn)滿足了以上這兩點(diǎn)要求,使協(xié)同駕駛特性分析和態(tài)勢(shì)預(yù)測(cè)推演可滿足實(shí)時(shí)性的要求[57].

3.3 信息交互

協(xié)同駕駛需要可靠的通信手段保證實(shí)時(shí)信息交互.信息交互包括多模通信技術(shù),移動(dòng)自組織網(wǎng)絡(luò)技術(shù),多模式通信融合技術(shù)等.隨著通信技術(shù)和智能網(wǎng)聯(lián)技術(shù)的發(fā)展,協(xié)同駕駛通信技術(shù)經(jīng)歷了有線通信、無(wú)線通信、移動(dòng)通信及5G的階段,協(xié)同駕駛的覆蓋范圍也發(fā)生了變化.早期協(xié)同駕駛利用有線通信的路側(cè)單元(道路提示牌)進(jìn)行車輛的可變限速控制.隨著移動(dòng)通信和無(wú)線通信的發(fā)展以及專用短程通信(dedicated short range communication,DSRC)的出現(xiàn),車輛可以完成車與車點(diǎn)對(duì)點(diǎn)通信.但是這些通信技術(shù)在使車與車之間構(gòu)成一個(gè)無(wú)縫、聯(lián)通的網(wǎng)絡(luò)仍存在挑戰(zhàn),只適合局部范圍的協(xié)同駕駛[24].

相較于集群機(jī)器人,協(xié)同駕駛對(duì)通信的實(shí)時(shí)性和信息的完備性要求更高.協(xié)同駕駛需要對(duì)車輛前方的突發(fā)情況進(jìn)行實(shí)時(shí)處理,感知獲取的信息需及時(shí)上傳到中心處理器,而中心處理器計(jì)算出的車輛控制策略也要及時(shí)返回到車輛,以保證車輛安全.這就需要極小的時(shí)延和高度可靠的通信來(lái)保障.5G的出現(xiàn)為協(xié)同駕駛提供了可靠的通信渠道,其毫秒級(jí)的端到端超低時(shí)延特性可滿足協(xié)同駕駛的需要.此外,5G的連續(xù)廣域場(chǎng)景覆蓋特性,使車輛在任何地域都能實(shí)現(xiàn)無(wú)縫的高速通信,并可使車輛高速移動(dòng)的情況下也能正常以高速率通信,這些特性均滿足了協(xié)同駕駛可靠通信的要求[30–31].

較常見(jiàn)的集群機(jī)器人,協(xié)同駕駛中信息安全問(wèn)題更不容忽視.繁雜的數(shù)據(jù)既涉及交通參與者的個(gè)人信息,也涉及交通管理與車輛控制.不恰當(dāng)?shù)臄?shù)據(jù)泄露不僅會(huì)給系統(tǒng)造成不必要的麻煩,還會(huì)導(dǎo)致交通事故的發(fā)生,嚴(yán)重?fù)p害人身安全[58].因此,在協(xié)同駕駛中,信息安全技術(shù)也尤為重要.涉及信息安全的認(rèn)證、編碼、容錯(cuò)和防災(zāi)技術(shù)等在協(xié)同駕駛中需重點(diǎn)考慮.

3.4 車輛集群的協(xié)同規(guī)劃與控制

全時(shí)空動(dòng)態(tài)交通下車輛的協(xié)同規(guī)劃與控制是協(xié)同駕駛執(zhí)行任務(wù)的最基本形式.其中,協(xié)同規(guī)劃主要負(fù)責(zé)規(guī)劃每輛智能網(wǎng)聯(lián)汽車的時(shí)空軌跡.當(dāng)協(xié)同規(guī)劃確定每輛車的軌跡后,協(xié)同控制主要負(fù)責(zé)控制每輛車跟蹤相應(yīng)軌跡,使其達(dá)到期望的速度和行駛狀態(tài)[42].車輛執(zhí)行主要指車輛剎車、油門、自動(dòng)變速器等根據(jù)控制指令,執(zhí)行相應(yīng)操作.車輛執(zhí)行由于所涉及的技術(shù)較少,在汽車領(lǐng)域已發(fā)展成熟,因此在本文就不過(guò)多介紹.由于全時(shí)空動(dòng)態(tài)交通下車輛的協(xié)同決策與規(guī)劃的主要難點(diǎn)在協(xié)同規(guī)劃上,因此在第4部分,對(duì)協(xié)同規(guī)劃技術(shù)進(jìn)行重點(diǎn)介紹.在本部分,本文主要對(duì)協(xié)同控制進(jìn)行介紹.

協(xié)同控制技術(shù),除了包括面向驅(qū)動(dòng)/制動(dòng)的縱向運(yùn)動(dòng)控制、面向轉(zhuǎn)向的橫向運(yùn)動(dòng)控制和基于驅(qū)動(dòng)/制動(dòng)/轉(zhuǎn)向/懸架的底盤一體化控制外,還包括多車隊(duì)列協(xié)同和車路協(xié)同控制等[41–42].當(dāng)協(xié)同規(guī)劃確定每輛車的軌跡后,協(xié)同控制則控制每輛車跟蹤相應(yīng)軌跡,使其達(dá)到期望的速度和行駛狀態(tài).對(duì)于常見(jiàn)集群機(jī)器人,其受天氣因素影響較大,如風(fēng)對(duì)無(wú)人機(jī)的影響,海上波浪對(duì)無(wú)人艇的影響.而相交之,天氣因素對(duì)協(xié)同駕駛的影響較小,傳統(tǒng)的控制方法就可達(dá)到控制要求,如模型預(yù)測(cè)控制、自適應(yīng)控制、魯棒控制等[40–42].

4 協(xié)同規(guī)劃

協(xié)同規(guī)劃是指在滿足車輛動(dòng)力學(xué)約束、避撞約束、道路幾何約束等約束情況下,按照給定的評(píng)價(jià)指標(biāo)(例如整體耗時(shí)/耗能等),在有限道路空間,尋找每輛車從起始狀態(tài)到目標(biāo)狀態(tài)的時(shí)空運(yùn)動(dòng)軌跡[35–37].相較于集群機(jī)器人,協(xié)同駕駛除了要滿足集群機(jī)器人中的動(dòng)力學(xué)約束、避撞約束外,還要滿足道路幾何約束.道路幾何約束的施加雖然使協(xié)同規(guī)劃的可行空間受限,縮小了協(xié)同駕駛的規(guī)劃空間,但另一方面也減少了規(guī)劃解的搜索時(shí)間,使問(wèn)題簡(jiǎn)化.

本文將一般的協(xié)同規(guī)劃問(wèn)題表述為優(yōu)化問(wèn)題.每輛車的狀態(tài)表示為xi(k)(如車輛中心點(diǎn)的位置,車輛速度等)[9,59].其中:i=[1,2,···,I]表示第i輛車的索引,k=[1,2,···,K]表示第k個(gè)時(shí)間點(diǎn).每輛車的控制變量(如車輛加速度)用ui(k)表示.

協(xié)同規(guī)劃的目標(biāo)是通過(guò)確定一系列控制輸入ui(0),ui(1),···,ui(K)在有限的時(shí)間范圍內(nèi)[0,K],在滿足起始狀態(tài)、目標(biāo)狀態(tài)、系統(tǒng)動(dòng)力學(xué)、碰撞避免約束和其他約束的條件下,最小化某一性能指標(biāo)J.可以把這個(gè)優(yōu)化問(wèn)題表述為

滿足:

1) 起始狀態(tài)

2) 目標(biāo)狀態(tài)

3) 系統(tǒng)動(dòng)力學(xué)

4) 控制邊界約束

5) 狀態(tài)約束(如對(duì)車速、加速度、轉(zhuǎn)向角等的大小限制)

6) 道路幾何約束

7) 避撞約束

其中:f,ω,φ,ψ是確定函數(shù),?,Φ,Ψ是集合.

上述問(wèn)題涉及每一輛車在每一時(shí)刻的狀態(tài)和控制變量求解,其計(jì)算時(shí)間隨車輛數(shù)指數(shù)型增長(zhǎng).當(dāng)車輛數(shù)增多時(shí),直接求解此優(yōu)化問(wèn)題根本無(wú)法滿足協(xié)同駕駛實(shí)時(shí)性的要求.

考慮協(xié)同駕駛的本身特點(diǎn),即強(qiáng)烈的道路幾何約束、有限的動(dòng)態(tài)性能,研究者將上述問(wèn)題進(jìn)行簡(jiǎn)化,將優(yōu)化問(wèn)題分解為路權(quán)分配和軌跡反推兩步.對(duì)于協(xié)同駕駛的協(xié)同規(guī)劃來(lái)說(shuō),其問(wèn)題可以轉(zhuǎn)化為核心沖突區(qū)路權(quán)的分配求解,如無(wú)信號(hào)交叉路口、匝道合流區(qū),如圖3所示.路權(quán)(或道路通行權(quán),right of way)為對(duì)特定時(shí)空范圍道路資源的優(yōu)先占有權(quán)和使用權(quán).通過(guò)此,只需確定通過(guò)核心沖突區(qū)的順序,再反推所需要的軌跡,就可將整個(gè)問(wèn)題大大簡(jiǎn)化,迎刃而解[60].

圖3 典型的沖突地區(qū)駕駛場(chǎng)景Fig.3 Typical conflict driving scenarios

集群機(jī)器人中常用的FIFO策略是最簡(jiǎn)單的沖突區(qū)路權(quán)分配策略,但是其找到的解常常不是最優(yōu)解,無(wú)法有效提高交通效率.通過(guò)將所有路權(quán)分配策略進(jìn)行遍歷查詢雖可以找到最優(yōu)解,但其遍歷查詢時(shí)間過(guò)長(zhǎng),無(wú)法滿足協(xié)同駕駛的實(shí)時(shí)性要求.因此亟需針對(duì)協(xié)同駕駛特性找到適合其特點(diǎn)的協(xié)同規(guī)劃策略[44,61].

研究學(xué)者針對(duì)沖突區(qū),將碰撞約束表達(dá)形式進(jìn)行修改,將協(xié)同規(guī)劃問(wèn)題寫為如下的優(yōu)化問(wèn)題:

滿足

其中:ti(z)為第i輛車到達(dá)第z個(gè)沖突區(qū)的時(shí)間,?t為兩車滿足不發(fā)生碰撞的安全間隔時(shí)間.

進(jìn)一步,通過(guò)引入混合整數(shù)變量,將上述的“或”約束轉(zhuǎn)為含有混合整數(shù)變量的不等式約束[61]:

滿足

其中:M是一足夠大的數(shù),bij為0或1.

然而,每增加一輛車時(shí),混合整數(shù)變量就要成倍增加,使上述混合整數(shù)規(guī)劃問(wèn)題的計(jì)算復(fù)雜度隨著車輛數(shù)量呈指數(shù)級(jí)增長(zhǎng),這使得當(dāng)交通流量較大時(shí),此規(guī)劃策略無(wú)法滿足協(xié)同規(guī)劃的實(shí)時(shí)性要求[44].

上述問(wèn)題的本質(zhì)原因是由于解空間巨大無(wú)法實(shí)時(shí)搜索最優(yōu)解導(dǎo)致的.因此,研究者針對(duì)解空間搜索提出了一系列方法對(duì)上述問(wèn)題進(jìn)行簡(jiǎn)化.主要思路可分為以下兩種.一種是利用交通領(lǐng)域知識(shí),將解空間進(jìn)行剪枝壓縮,在保證較好解存在的前提下,減小搜索空間,以在實(shí)時(shí)性與最優(yōu)性進(jìn)行折中[60,62].文獻(xiàn)[43]提出分組(grouping)方法,將車間時(shí)距小于給定門限的多輛車視為一組,組內(nèi)車輛通過(guò)路口的順序不變,只計(jì)算組和組之間的順序,從而大大減少變量數(shù)目和解空間的規(guī)模,加速求解過(guò)程.文獻(xiàn)[63]將通行順序的解空間建模為樹(shù),并使用蒙特卡洛樹(shù)搜索(monte marlo tree search,MCTS)和FIFO,grouping等啟發(fā)式策略組合,只搜索那些具有潛力的規(guī)劃解,而不搜索整個(gè)空間,從而極大提高交通效率和計(jì)算效率.另一種則是重新構(gòu)建解空間,縮小新的解空間規(guī)模.文獻(xiàn)[44]采用動(dòng)態(tài)規(guī)劃框架,將指數(shù)型空間變?yōu)槎囗?xiàng)式空間,極大減小了計(jì)算時(shí)間.但是相較于第一種方法,此類方法受限于馬爾科夫性,只適用于特定的場(chǎng)景和目標(biāo)函數(shù).

隨著通信范圍和計(jì)算能力的增強(qiáng),協(xié)同規(guī)劃所考慮的范圍從上述的單沖突區(qū)域擴(kuò)展到多沖突區(qū)域.相較于單沖突區(qū)域,多沖突區(qū)域所涉及的變量更多,其求解規(guī)模的上升給實(shí)時(shí)協(xié)同規(guī)劃增添了許多挑戰(zhàn).研究者多通過(guò)將多沖突區(qū)分解為一個(gè)個(gè)單沖突區(qū)進(jìn)行求解.不同沖突區(qū)間由于車輛軌跡交叉,存在著強(qiáng)耦合性,如何消掉因果環(huán),進(jìn)行有效的解耦處理是研究者亟待解決的問(wèn)題[35].

目前關(guān)于協(xié)同規(guī)劃的研究還局限在單沖突區(qū)或相鄰幾個(gè)沖突區(qū)的協(xié)同駕駛,大規(guī)模交通路網(wǎng)下的協(xié)同規(guī)劃還研究較少,這一部分亟待研究者進(jìn)行更深的探索.隨著人工智能、5G、云計(jì)算的發(fā)展,未來(lái)的協(xié)同規(guī)劃可規(guī)劃路面上全部車輛的軌跡,提升交通效率與安全,實(shí)現(xiàn)綠色協(xié)同安全高效駕駛[64–65].

5 發(fā)展現(xiàn)狀與未來(lái)展望

5.1 各國(guó)協(xié)同駕駛發(fā)展現(xiàn)狀對(duì)比

協(xié)同駕駛雖得到世界各國(guó)學(xué)者的廣泛關(guān)注,但是在世界各國(guó)協(xié)同駕駛的發(fā)展并不均衡.在國(guó)外尤其歐美地區(qū),協(xié)同駕駛技術(shù)的發(fā)展歷程長(zhǎng)遠(yuǎn)而又曲折.雖然20世紀(jì)90年代初國(guó)外就已提出協(xié)同駕駛這一概念,但是協(xié)同駕駛在國(guó)外并未得到大范圍的應(yīng)用[2].而我國(guó)雖起步較晚,但協(xié)同駕駛的發(fā)展迅速.隨著2014年“863”計(jì)劃主題項(xiàng)目“智能車路協(xié)同關(guān)鍵技術(shù)研究”順利驗(yàn)收通過(guò),其技術(shù)、系統(tǒng)和產(chǎn)品很快得到應(yīng)用,近年先后在北京、上海、重慶等國(guó)家智能網(wǎng)聯(lián)汽車測(cè)試基地得到應(yīng)用,同時(shí)已列入計(jì)劃,將在杭紹甬超級(jí)高速公路等多個(gè)省部級(jí)重大工程中開(kāi)始規(guī)?；氖痉稇?yīng)用[66].各國(guó)協(xié)同駕駛發(fā)展的不均衡與各國(guó)的國(guó)情、政策、文化等有很大關(guān)系.

協(xié)同駕駛的大范圍應(yīng)用需要路側(cè)和5G基站等的基礎(chǔ)設(shè)施部署覆蓋率達(dá)到一定要求.這需要國(guó)家的支持與大力投入.相較國(guó)外,中國(guó)對(duì)新型基礎(chǔ)設(shè)施建設(shè)(簡(jiǎn)稱新基建)更加重視,《2020年國(guó)務(wù)院政府工作報(bào)告》提出,重點(diǎn)支持“兩新一重”(新型基礎(chǔ)設(shè)施,新型城鎮(zhèn)化,交通、水利等重大工程)建設(shè).中國(guó)對(duì)新基建的大力投入,如5G基站建設(shè)、智慧高速建設(shè)等,極大推動(dòng)了我國(guó)協(xié)同駕駛的發(fā)展.相較國(guó)內(nèi),國(guó)外更注重自我隱私保護(hù),由于擔(dān)心協(xié)同駕駛會(huì)泄露自身數(shù)據(jù),國(guó)外對(duì)協(xié)同駕駛的接受度并不高.因此,較之協(xié)同駕駛,他們的主要研究對(duì)象和實(shí)際應(yīng)用對(duì)象多為自動(dòng)駕駛.而中國(guó)自我隱私保護(hù)意識(shí)相對(duì)淡薄,對(duì)協(xié)同駕駛的接受度也更高.

此外,相較國(guó)外,在中國(guó)很多大城市中,道路供給資源始終小于道路行駛需求,交通擁堵問(wèn)題更加嚴(yán)重,亟需協(xié)同駕駛這一新型手段解決交通擁堵.相對(duì)于交通擁堵車輛誘導(dǎo)、交通擁堵收費(fèi)以及交通信號(hào)燈控制等傳統(tǒng)交通管控策略而言,協(xié)同駕駛將整體交通管控和局部車輛調(diào)度兩個(gè)層面的問(wèn)題聯(lián)系起來(lái),可有效緩解中國(guó)的交通擁堵問(wèn)題,使交通更安全,出行更暢通,因此受到了國(guó)家和民眾的大力支持.

5.2 現(xiàn)階段我國(guó)協(xié)同駕駛發(fā)展的難點(diǎn)與建議

較國(guó)外,國(guó)內(nèi)的道路上有很多不同的三輪車、電動(dòng)車、電動(dòng)滑板車等等.交通參與者的多樣性和復(fù)雜性使協(xié)同感知的穩(wěn)定工作面臨了很大挑戰(zhàn).因此在中國(guó),協(xié)同駕駛需要多樣化和全面的數(shù)據(jù)來(lái)驅(qū)動(dòng)背后的算法模型.此外相較國(guó)外,國(guó)內(nèi)民眾遵守交通法規(guī)等的意識(shí)相對(duì)淡薄,民眾不遵守交通法規(guī)的行為對(duì)協(xié)同駕駛中預(yù)測(cè)的能力提出了更高的要求.在這一方面,國(guó)家還需進(jìn)一步加強(qiáng)對(duì)民眾交通法律法規(guī)的教育與宣傳,增強(qiáng)民眾遵守交通法規(guī)的意識(shí).

目前感知和預(yù)測(cè)能力還無(wú)法保證協(xié)同駕駛在全場(chǎng)景下的行駛安全,城市道路場(chǎng)景下交通參與者的復(fù)雜性和多樣性使目前的協(xié)同駕駛技術(shù)無(wú)法適用于城市、鄉(xiāng)村道路下的協(xié)同駕駛.相較城市道路、鄉(xiāng)村道路場(chǎng)景,礦山、碼頭和專用高速公路等簡(jiǎn)單場(chǎng)景交通參與者單一(無(wú)行人、電動(dòng)車等),對(duì)協(xié)同駕駛感知和預(yù)測(cè)能力要求較低,現(xiàn)有協(xié)同技術(shù)已滿足這些場(chǎng)景的感知和預(yù)測(cè)要求.另一方面,協(xié)同駕駛需要對(duì)場(chǎng)景中的基礎(chǔ)設(shè)施進(jìn)行改造,增加5G基站、智能路側(cè)等設(shè)備,其改造成本較高.相較城市等道路場(chǎng)景,礦山、碼頭和專用高速公路,因其帶來(lái)的工業(yè)、商業(yè)價(jià)值巨大,可以承擔(dān)較高的改造成本,建議協(xié)同駕駛可先在礦山、碼頭和專用高速公路等簡(jiǎn)單場(chǎng)景中進(jìn)行應(yīng)用.

現(xiàn)階段我國(guó)協(xié)同駕駛還未實(shí)現(xiàn)真正“互聯(lián)”,各類企業(yè)級(jí)平臺(tái)以及政府監(jiān)管平臺(tái)信息交互還未聯(lián)通,無(wú)法真正有效的實(shí)現(xiàn)全路網(wǎng)的協(xié)同駕駛.目前關(guān)于協(xié)同駕駛的主要應(yīng)用為小范圍的示范應(yīng)用,如無(wú)錫的車聯(lián)網(wǎng)示范項(xiàng)目[66].為實(shí)現(xiàn)大范圍的協(xié)同駕駛,需由國(guó)家主導(dǎo)建設(shè)和運(yùn)營(yíng)協(xié)同駕駛基礎(chǔ)數(shù)據(jù)和交互平臺(tái),通過(guò)建立標(biāo)準(zhǔn)的數(shù)據(jù)交互方式,實(shí)現(xiàn)車、路、云的實(shí)時(shí)信息共享,以提供協(xié)同駕駛規(guī)劃與控制,提高交通安全與效率.

5.3 協(xié)同駕駛的發(fā)展展望

目前的協(xié)同駕駛尚只考慮獨(dú)立路口或少數(shù)路口間的交通控制,大范圍時(shí)空下的協(xié)同駕駛亟待探索.協(xié)同駕駛在大規(guī)模交通路網(wǎng)下的優(yōu)勢(shì)還未充分發(fā)揮.研究者正在探討未來(lái)實(shí)現(xiàn)提前規(guī)劃和控制路面上行駛的每一輛車從出發(fā)地到目的地的整條軌跡,在完全掌握車輛信息和道路環(huán)境信息的前提下,控制中心可以計(jì)算出每輛車具體到每一秒鐘的最優(yōu)行駛路線并讓每輛車準(zhǔn)確執(zhí)行[7].

但在今后較長(zhǎng)的一段時(shí)間中,有人駕駛車輛和無(wú)人駕駛車輛混行在道路上,如何處理混合集群智能是值得深入研究的課題.一方面要避免駕駛員或者無(wú)人車誤解對(duì)方的意圖而發(fā)生碰撞,另一方面混行交通也為道路交通管理帯來(lái)了新的挑戰(zhàn),需要構(gòu)建與之適應(yīng)的交通協(xié)同駕駛策略[67].

此外,目前的感知和定位能力均無(wú)法勝任真實(shí)道路的全部場(chǎng)景,如何處理不確定性,進(jìn)行容錯(cuò)協(xié)同駕駛亟待人們解決.并且通信的實(shí)時(shí)性和可靠性決定了大規(guī)模協(xié)同駕駛的成敗,如何提高通信的實(shí)時(shí)性和可靠性來(lái)保障協(xié)同駕駛路權(quán)計(jì)算的合理、最優(yōu)以及路權(quán)分配的及時(shí)準(zhǔn)確是人們所要關(guān)注的重點(diǎn).同時(shí)交通參與者的隱私性也需要得到更仔細(xì)的考量,這方面也將是今后關(guān)注的熱點(diǎn).

6 結(jié)語(yǔ)

智能網(wǎng)聯(lián)、人工智能、云計(jì)算的發(fā)展為深入研究協(xié)同駕駛提供了可行的技術(shù)支撐及研究手段,將促進(jìn)交通的全程規(guī)劃和全面控制.相對(duì)于交通擁堵車輛誘導(dǎo)、交通擁堵收費(fèi)以及交通信號(hào)燈控制等傳統(tǒng)交通管控策略而言,協(xié)同駕駛將整體交通管控和局部車輛調(diào)度兩個(gè)層面的問(wèn)題聯(lián)系起來(lái)處理,可以有效緩解交通擁堵,并提供更安全、更節(jié)能、更環(huán)保、更舒適的出行方式和綜合解決方案.通過(guò)此,人們出行更加便捷、舒適,使民眾幸福感極大提高,可有力促進(jìn)和諧社會(huì)的構(gòu)建.

本文從集群智能的角度對(duì)協(xié)同駕駛進(jìn)行反思綜述.與集群機(jī)器人對(duì)比,協(xié)同駕駛具有許多特性和難點(diǎn),這些特性和難點(diǎn)需要國(guó)內(nèi)外學(xué)者的重點(diǎn)關(guān)注.本文對(duì)協(xié)同駕駛技術(shù)架構(gòu)進(jìn)行了梳理,介紹了其與集群機(jī)器人的不同和協(xié)同駕駛關(guān)鍵技術(shù),重點(diǎn)介紹了協(xié)同規(guī)劃技術(shù),最后介紹了協(xié)同駕駛在各國(guó)的發(fā)展現(xiàn)狀,并對(duì)協(xié)同駕駛未來(lái)發(fā)展進(jìn)行了展望.