智能網(wǎng)聯(lián)汽車與交通 課件 第4、5章車云網(wǎng)技術(shù)、自動(dòng)駕駛技術(shù)

第四章

車云網(wǎng)技術(shù)

第一節(jié)

車云網(wǎng)的概念第二節(jié)

車云網(wǎng)的研究進(jìn)展第三節(jié)

車云網(wǎng)的體系架構(gòu)和劃分依據(jù)第四節(jié)車云網(wǎng)關(guān)鍵技術(shù)車云網(wǎng)(VehicularCloudNetworks，VCN)是近幾年隨著車聯(lián)網(wǎng)和云計(jì)算發(fā)展而發(fā)展起來的新興技術(shù)。在車云網(wǎng)中，車輛及其基礎(chǔ)設(shè)施的存儲(chǔ)、計(jì)算等資源將被整合到虛擬資源池中，云系統(tǒng)根據(jù)資源池中可用的云計(jì)算資源為用戶的服務(wù)請(qǐng)求分配存儲(chǔ)與計(jì)算資源，并根據(jù)服務(wù)請(qǐng)求的變化，動(dòng)態(tài)調(diào)整資源分配以最大化資源利用率，提高任務(wù)的處理速度。由于車輛的移動(dòng)性，使得車云網(wǎng)中各種池化資源總量出現(xiàn)復(fù)雜的高動(dòng)態(tài)性變化，這是以前云系統(tǒng)架構(gòu)中未出現(xiàn)的新問題，給現(xiàn)有云計(jì)算的資源分配帶來嚴(yán)重的挑戰(zhàn)。第一節(jié)

車云網(wǎng)的概念車云網(wǎng)也稱車載云網(wǎng)絡(luò)（VehicularCloudNetworking，VCN），VCN的概念最早是由YU等人以自主車輛云（AVC）的形式提出的，在AVC中，自主車輛將計(jì)算和通信資源動(dòng)態(tài)地分配給授權(quán)用戶。KUAWATA等人更進(jìn)一步引入了一種平臺(tái)即服務(wù)（PaaS）模型，將數(shù)以百萬計(jì)的用戶整合到高度移動(dòng)的環(huán)境中。他們?yōu)樗麄兊钠脚_(tái)介紹了一個(gè)體系結(jié)構(gòu)，并討論了這樣復(fù)雜的應(yīng)用場景將需要一個(gè)資源豐富的PaaS。LI等人介紹了一種由車輛云（VC）、使用云的VANET（VuCs）和混合云（HCs）組成的體系結(jié)構(gòu)。在他們的架構(gòu)中，車輛同時(shí)扮演著兩個(gè)角色，即云服務(wù)提供商和客戶端。它們的體系結(jié)構(gòu)使車輛能夠共享存儲(chǔ)、計(jì)算和帶寬資源。目前的車云網(wǎng)存在著各種不同的類型和架構(gòu)，一般來說，車云網(wǎng)的資源不僅僅是指數(shù)據(jù)中心的資源，還包括了RSU和OBU資源，車云網(wǎng)通過虛擬化技術(shù)整合相關(guān)的計(jì)算、存儲(chǔ)、通信、傳感等資源，并且通過“按需分配”的模式為車輛用戶提供相應(yīng)的服務(wù)。2012年，Olariu等人[50]就引入了車輛云的形式，并且將計(jì)算、傳感、通信、存儲(chǔ)等資源動(dòng)態(tài)分配給授權(quán)用戶。與傳統(tǒng)的云計(jì)算不同，車輛云利用了現(xiàn)有且空閑的車載資源。2013年，Hussian等人[51]在文獻(xiàn)中提出將云計(jì)算集成到不同的車聯(lián)網(wǎng)應(yīng)用中，該體系結(jié)構(gòu)使車輛能夠共享存儲(chǔ)、計(jì)算和帶寬資源。后來2015年，LI等人[52]提出了一種包括車輛云、使用云、混合云的車云網(wǎng)架構(gòu)，在該架構(gòu)下，車輛用戶可以同時(shí)是消費(fèi)者和資源提供者。第二節(jié)車云網(wǎng)的研究進(jìn)展YU等[53]人提出了車輛云、基礎(chǔ)設(shè)施云、遠(yuǎn)端云的三層架構(gòu)，并基于該架構(gòu)分析了車云網(wǎng)應(yīng)用及安全方面的問題。劉家希等[54]提出建立一個(gè)針對(duì)車輛云計(jì)算環(huán)境的共享失效檢測器VC－FD，用于解決車輛云計(jì)算中車輛的高度動(dòng)態(tài)性對(duì)失效檢測性能的影響。實(shí)現(xiàn)動(dòng)態(tài)無線頻譜資源和云虛擬機(jī)資源的最優(yōu)配置，李云等[55]提出了一種移動(dòng)云環(huán)境下的聯(lián)合資源預(yù)留與分配算法，通過捕獲移動(dòng)用戶的滿意度，對(duì)移動(dòng)應(yīng)用的資源需求進(jìn)行匹配。梁裕丞等[56]基于人工神經(jīng)網(wǎng)絡(luò)的連接時(shí)間預(yù)測方法，提出了一種車輛間的卸載任務(wù)分配策略，將部分計(jì)算密集型任務(wù)卸載至周圍車輛協(xié)同處理。有學(xué)者認(rèn)為，車聯(lián)網(wǎng)體系是一個(gè)集成系統(tǒng)，將信息、技術(shù)以及各種功能集為一體，且在車聯(lián)網(wǎng)系統(tǒng)中數(shù)據(jù)的獲取途徑以及處理方法多樣，通信的需求無處不在，就將車聯(lián)網(wǎng)按照交通云和傳感器系統(tǒng)二元分類，其中WSN網(wǎng)絡(luò)是wirelesssensornetwork的簡稱，即無線傳感器網(wǎng)絡(luò)，它是物聯(lián)網(wǎng)的關(guān)鍵技術(shù)[52]。而交通云的概念類似于車云網(wǎng)，車云網(wǎng)是一個(gè)云架構(gòu)的車輛運(yùn)行信息平臺(tái)，它的生態(tài)鏈包含了ITS、物流、客貨運(yùn)、危特車輛、汽修汽配、汽車租賃、企事業(yè)車輛管理、汽車制造商、4S店、車管、保險(xiǎn)、緊急救援、移動(dòng)互聯(lián)網(wǎng)等，是多源海量信息的匯聚，因此需要虛擬化、安全認(rèn)證、實(shí)時(shí)交互、海量存儲(chǔ)等云計(jì)算功能，其應(yīng)用系統(tǒng)也是圍繞車輛的數(shù)據(jù)匯聚、計(jì)算、調(diào)度、監(jiān)控、管理與應(yīng)用的復(fù)合體系。而交通云也包括了云計(jì)算和服務(wù)平臺(tái)（類似于生態(tài)鏈）內(nèi)涵的功能。圖4-1云計(jì)算以及WSN二元架構(gòu)。第三節(jié)車云網(wǎng)的體系架構(gòu)和劃分依據(jù)圖4-1云計(jì)算以及WSN二元架構(gòu)一般來說，車云網(wǎng)是隨車聯(lián)網(wǎng)和云計(jì)算發(fā)展而發(fā)展起來的新興技術(shù)。但其臨近概念多，在筆者劃分時(shí)發(fā)現(xiàn)基于云計(jì)算的車聯(lián)網(wǎng)架構(gòu)（vehicularcloudcomputing，VCC）和VCN概念較為相似，亦有稱“車聯(lián)網(wǎng)移動(dòng)云服務(wù)”；其中不同的人劃分方式不同。根據(jù)劃分方式，可以姑且認(rèn)為VCC、VCN和“車聯(lián)網(wǎng)移動(dòng)云”具有相似的體系架構(gòu)。Skondras等人[58]提出了VCC兩層架構(gòu)：第一層是基于互聯(lián)網(wǎng)云計(jì)算平臺(tái)，主要為用戶提供數(shù)據(jù)獲取的云服務(wù)需求；第二層則是由多個(gè)車載云所構(gòu)成，以滿足用戶對(duì)車載云服務(wù)的需求。在VCC中，車輛的快速移動(dòng)使車載云的形成具有動(dòng)態(tài)自主性，參與交互的實(shí)體也不斷發(fā)生變化，同時(shí)車輛既可以通過廣播道路信息作為服務(wù)提供者，也可以通過享受集中式的互聯(lián)網(wǎng)云服務(wù)。一、車聯(lián)網(wǎng)云計(jì)算（VCC）架構(gòu)有學(xué)者認(rèn)為，車聯(lián)網(wǎng)體系是一個(gè)集成系統(tǒng)，將信息、技術(shù)以及各種功能集為一體，且在車聯(lián)網(wǎng)系統(tǒng)中數(shù)據(jù)的獲取途徑以及處理方法多樣，通信的需求無處不在，就將車聯(lián)網(wǎng)按照交通云和傳感器系統(tǒng)二元分類，其中WSN網(wǎng)絡(luò)是wirelesssensornetwork的簡稱，即無線傳感器網(wǎng)絡(luò)，它是物聯(lián)網(wǎng)的關(guān)鍵技術(shù)[52]。而交通云的概念類似于車云網(wǎng)，車云網(wǎng)是一個(gè)云架構(gòu)的車輛運(yùn)行信息平臺(tái)，它的生態(tài)鏈包含了ITS、物流、客貨運(yùn)、危特車輛、汽修汽配、汽車租賃、企事業(yè)車輛管理、汽車制造商、4S店、車管、保險(xiǎn)、緊急救援、移動(dòng)互聯(lián)網(wǎng)等，是多源海量信息的匯聚，因此需要虛擬化、安全認(rèn)證、實(shí)時(shí)交互、海量存儲(chǔ)等云計(jì)算功能，其應(yīng)用系統(tǒng)也是圍繞車輛的數(shù)據(jù)匯聚、計(jì)算、調(diào)度、監(jiān)控、管理與應(yīng)用的復(fù)合體系。而交通云也包括了云計(jì)算和服務(wù)平臺(tái)（類似于生態(tài)鏈）內(nèi)涵的功能。圖4-2云計(jì)算以及WSN二元架構(gòu)。1．車聯(lián)網(wǎng)中云計(jì)算以及WSN二元架構(gòu)分類圖4-2云計(jì)算以及WSN二元架構(gòu)（1）車聯(lián)網(wǎng)云計(jì)算平臺(tái)（VCC）三層架構(gòu)XIE等人[59]詳細(xì)闡述了VCC技術(shù)的發(fā)展及其特性，同時(shí)將VCC架構(gòu)分成三層進(jìn)行介紹，分別是車輛內(nèi)部層、通信層和云計(jì)算層，分別對(duì)應(yīng)于車內(nèi)感知層、車-車間和車-路間的車聯(lián)網(wǎng)網(wǎng)絡(luò)層、基于車聯(lián)網(wǎng)架構(gòu)的應(yīng)用層。車聯(lián)網(wǎng)云平臺(tái)的三層架構(gòu)如圖4-3所示。圖4-3云計(jì)算平臺(tái)三層架構(gòu)第一層是車聯(lián)網(wǎng)感知層，其包括如下幾類傳感器:①行駛監(jiān)測類傳感器；②汽車安全監(jiān)控類傳感器；③環(huán)境監(jiān)測類傳感器。隨著電子技術(shù)的不斷進(jìn)步，車內(nèi)可供配備的傳感器類型也在不斷增加，比如壓力和溫度傳威器、慣導(dǎo)傳感器(INS)和司機(jī)行為識(shí)別傳感器(可用于預(yù)測駕駛?cè)说姆磻?yīng)和意識(shí))。傳感器獲取信息后，通過整理核對(duì)后，相關(guān)歷史信息將被送到云端存儲(chǔ)或使用，這些信息將作為應(yīng)用層軟件的輸入。例如，提供給健康情況評(píng)估和環(huán)境識(shí)別應(yīng)用程序作為輸入源。我們假定每個(gè)車都配備了OBU，其包括一個(gè)內(nèi)置的導(dǎo)航系統(tǒng)，本地配有地圖和周邊RSU的位置信息。OBU配有寬帶無線通信設(shè)備，可以通過多種無線通信方式傳輸數(shù)據(jù)，比如WiFix,車載環(huán)境的無線訪問或短距離通信(DedicatedShortRangeCommunication(DSRC)。第二層是車聯(lián)網(wǎng)的網(wǎng)絡(luò)層，其中包括兩部分:第一部分是通過DSRC的車輛間的通信(V2V)。若車輛在運(yùn)行過程中表現(xiàn)出異常舉動(dòng)，比如，大幅度逆轉(zhuǎn)方向，突然限速或車輛的主要機(jī)械部件發(fā)生故障等信息、速度、加速度和違反規(guī)定的移動(dòng)情況。第二部分是車輛(Vehicle)與路邊路側(cè)基礎(chǔ)設(shè)施(Infrastructure)之間的通信(vehicleInfrastructure,V2I)，主要負(fù)責(zé)在車輛和路邊路側(cè)基礎(chǔ)設(shè)施之間通過無線網(wǎng)絡(luò)通信技術(shù)(例如，4G、5G網(wǎng)絡(luò)或衛(wèi)星)傳遞信息。使用V2I將可以充分利用路邊設(shè)施的穩(wěn)定性和位置固定性等特點(diǎn)，更好地彌補(bǔ)移動(dòng)自組織網(wǎng)絡(luò)拓?fù)渥兓鶐淼囊幌盗袉栴}。第三層是車聯(lián)網(wǎng)的應(yīng)用層。在該層中，系統(tǒng)將各種數(shù)據(jù)和功能進(jìn)行統(tǒng)一部署并根據(jù)需要將搜集到的數(shù)據(jù)進(jìn)行再處理、對(duì)其相關(guān)功能進(jìn)行再利用。由于該層的內(nèi)容與實(shí)際應(yīng)用直接相關(guān)，因而，這部分研究內(nèi)容更加豐富。比如，隨著平臺(tái)的擴(kuò)展，其可在較少的時(shí)間內(nèi)完成平臺(tái)的組織和構(gòu)建，利用匯集起來的網(wǎng)絡(luò)資源提供網(wǎng)絡(luò)服務(wù)(Networkasa

Service,NaaS)利用車載單元空閑的計(jì)算能力，提供計(jì)算服務(wù)(ComputeasaService,CaaS);利用匯集起來的存儲(chǔ)資源，提供存儲(chǔ)服務(wù)(Storageasa

Service,SaaS).;利用車載影視設(shè)備采集沿途的圖片視頻分信息感興趣還可以實(shí)現(xiàn)部分信息的個(gè)性化定制和推送服務(wù)。在靜止的模式下，車聯(lián)網(wǎng)云平臺(tái)與傳統(tǒng)云平臺(tái)有著相同的功能和運(yùn)行方式。然而由于車輛的可移動(dòng)性帶來了車聯(lián)網(wǎng)云平臺(tái)資源的動(dòng)態(tài)可遷移性。以下將分析車聯(lián)網(wǎng)云計(jì)算和傳統(tǒng)云計(jì)算模式的異同點(diǎn)，以便更深刻地理解車聯(lián)網(wǎng)云計(jì)算的架構(gòu)。（2）車載云計(jì)算（VCC）的基本架構(gòu)圖4-4車載云計(jì)算基本架構(gòu)Skondras林谷等[54]人提出了VCC兩層架構(gòu)：第一層是基于互聯(lián)網(wǎng)云計(jì)算平臺(tái)，主要為用戶提供數(shù)據(jù)獲取的云服務(wù)需求；第二層則是由多個(gè)車載云所構(gòu)成，以滿足用戶對(duì)車載云服務(wù)的需求。在VCC中，車輛的快速移動(dòng)使車載云的形成具有動(dòng)態(tài)自主性，參與交互的實(shí)體也不斷發(fā)生變化，同時(shí)車輛既可以通過廣播道路信息作為服務(wù)提供者，也可以通過享受集中式的互聯(lián)網(wǎng)云服務(wù)。車載云的形成主要是基于V2V與V2I通信。如圖4-4所示，車輛內(nèi)部的控制器局域網(wǎng)總線將物理資源進(jìn)行整合并利用傳感器收集車輛信息，之后通過車載單元（OnBoardUnit，OBU）實(shí)現(xiàn)與其他車輛或路側(cè)單元（RoadSideUnit，RSU）的信息交互。而車載云是將底層設(shè)備的物理資源整合形成設(shè)施云，進(jìn)而按需部署，在減少未充分利用車載資源的同時(shí)，為用戶提供高效的云服務(wù)。根據(jù)VCC應(yīng)用場景的不同，形成車載云的難度也會(huì)有所差異。例如，在大型停車場附近部署車載云會(huì)相對(duì)容易，因?yàn)樵谶@類環(huán)境中，車輛會(huì)長期處于靜止?fàn)顟B(tài)，這使得大量的物理資源被長時(shí)間擱置，因此這些車輛便可以成為云服務(wù)的提供者，利用專用短程通信將閑置資源進(jìn)行匯總形成自主云，從而進(jìn)行高性能的存儲(chǔ)、計(jì)算服務(wù)。但是，對(duì)于在城市道路或高速公路上的車輛來說，其高機(jī)動(dòng)性特點(diǎn)使車載云的形成較為困難，車輛的快速移動(dòng)使云成員不斷發(fā)生動(dòng)態(tài)變化，同時(shí)車輛作為服務(wù)提供者和服務(wù)消費(fèi)者的身份也在隨時(shí)變換，這些都對(duì)車載云的性能提出了更高的要求。互聯(lián)網(wǎng)云則是基于傳統(tǒng)意義上的云所構(gòu)成的網(wǎng)絡(luò)，它可以通過RSU等基礎(chǔ)設(shè)施實(shí)現(xiàn)與車輛的通信交互?；ヂ?lián)網(wǎng)云主要分為基礎(chǔ)設(shè)施即服務(wù)（InfrastructureasaService，IaaS）、平臺(tái)即服務(wù)（PlatformasaService，PaaS）、軟件即服務(wù)（SoftwareasaService，SaaS）三層。IaaS中最主要的部分為虛擬化層，其包含了計(jì)算、存儲(chǔ)等虛擬化資源；PaaS主要是為了開發(fā)云上的應(yīng)用程序，利用應(yīng)用程序接口（ApplicationProgrammingInterface，API）來作為云服務(wù)提供商與用戶之間的交互通道；SaaS則是通過網(wǎng)絡(luò)提供應(yīng)用服務(wù)，來滿足用戶信息娛樂、互聯(lián)網(wǎng)瀏覽等需求。圖4-5車載云網(wǎng)絡(luò)系統(tǒng)架構(gòu)根據(jù)Ahmad,Kazim,Adnane等人的劃分，車載云網(wǎng)絡(luò)（VCN）可分為三個(gè)層級(jí)，車輛云、基建云和終端云，如圖4-5所示。二、車載云網(wǎng)絡(luò)（VCN）的基本架構(gòu)1．車輛云（vehicularCloud,VC）在車輛云網(wǎng)絡(luò)中，車輛的物理資源（存儲(chǔ)和計(jì)算）只在車輛之間共享[60]。這使得網(wǎng)絡(luò)的整體效率很高。在車輛自組網(wǎng)環(huán)境下，車輛云是局域網(wǎng)，車輛之間通過V2V通信共享信息。由于車輛網(wǎng)絡(luò)的機(jī)動(dòng)性能不同，因此形成VC的技術(shù)難度因車輛自組網(wǎng)的不同環(huán)境而異。一般來說，適用于市中心，高速公路，停車場等不同的應(yīng)用場景。2．基建云（Infrastrcture

Cloud,IC）基建云網(wǎng)絡(luò)主要由道路沿線相鄰的路邊單元發(fā)起，車輛請(qǐng)求訪問云提供的服務(wù)。該云的范圍是路邊單元所在的一小片居于范圍。不同基建云網(wǎng)絡(luò)之間的通信通過專用的本地服務(wù)器進(jìn)行。由于IC涉及到靜態(tài)實(shí)體（路邊單元）和移動(dòng)實(shí)體（車輛），因此對(duì)于車輛自組網(wǎng)的不同場景，IC形成的技術(shù)難度是不同的。VC和IC的結(jié)合有助于提高其通信效率。3．終端云（Back-endCloud,BEC）BEC是互聯(lián)網(wǎng)領(lǐng)域中最大的傳統(tǒng)車載云。BEC擁有更多的資源，車輛可以利用這些資源進(jìn)行廣泛的數(shù)據(jù)存儲(chǔ)和高能計(jì)算[61]。BEC的范圍遍布整個(gè)地理區(qū)域，為車輛提供服務(wù)。BEC在帶寬管理應(yīng)用中扮演著重要的角色，它服務(wù)于高帶寬需求的用戶，例如提供車載多媒體。信息社會(huì)中信息量增速迅猛，隨之帶來的大量數(shù)據(jù)滲透于各行各業(yè)，成為了各領(lǐng)域中一筆不小的財(cái)富。新興的大數(shù)據(jù)概念成功引起了人們的注意，對(duì)于所謂的大數(shù)據(jù)迄今并沒有較為固定的定義，Gartner公司給出的定義是大數(shù)據(jù)是需要新的處理模式以此來產(chǎn)生更強(qiáng)大決策力以及對(duì)流程進(jìn)行優(yōu)化的能力，從而應(yīng)對(duì)海量、高增長率和多樣化的信息資產(chǎn)。隨著移動(dòng)智能終端、社交網(wǎng)絡(luò)等規(guī)模逐步擴(kuò)大，新型信息技術(shù)平臺(tái)誕生，而其中大數(shù)據(jù)已經(jīng)成為信息技術(shù)產(chǎn)業(yè)中重要的加速劑，推動(dòng)了科技的進(jìn)步。當(dāng)今社會(huì)掌握最新的信息即搶占了先機(jī)，信息就是財(cái)富，大數(shù)據(jù)也從側(cè)面推動(dòng)了經(jīng)濟(jì)的發(fā)展。第四節(jié)

車云網(wǎng)關(guān)鍵技術(shù)一、大數(shù)據(jù)處理技術(shù)大數(shù)據(jù)相較于傳統(tǒng)型數(shù)據(jù)，通常被歸納為五個(gè)特點(diǎn)，也被稱作五個(gè)V，通常理解為大容量（volume），高速（velocity），多種類（variety），難以辨識(shí)（veracity）以及高價(jià)值（value。但是，大數(shù)據(jù)容量大有價(jià)值的信息密度卻不高，對(duì)處理速度和精確度都有較高的要求。目前，Google、Microsoft等互聯(lián)網(wǎng)公司都推出了多種類型的大數(shù)據(jù)處理架構(gòu)或系統(tǒng)并應(yīng)用于不同環(huán)境，主要分為批量處理、流式數(shù)據(jù)處理以及交互式處理。大數(shù)據(jù)借助于上述高性能的處理平臺(tái)可以實(shí)現(xiàn)海量數(shù)據(jù)中有價(jià)值信息的挖掘，大數(shù)據(jù)的分析技術(shù)也在逐步更新發(fā)展。從繁多種類的數(shù)據(jù)中提取合適的數(shù)據(jù)屬性，并針對(duì)有效數(shù)據(jù)進(jìn)行處理、分析，最后將結(jié)果呈現(xiàn)給用戶。大數(shù)據(jù)分析技術(shù)的發(fā)展?jié)M足了更多的用戶需求，常用技術(shù)有機(jī)器學(xué)習(xí)、知識(shí)計(jì)算、可視化等。有學(xué)者以上海中科深江電動(dòng)車有限公司生產(chǎn)的純電動(dòng)汽車LF620為數(shù)據(jù)來源，車聯(lián)網(wǎng)系統(tǒng)記錄了這些車輛在七個(gè)月內(nèi)每天的行駛數(shù)據(jù)，包括時(shí)間，電機(jī)類數(shù)據(jù)：瞬時(shí)扭矩、轉(zhuǎn)速、瞬時(shí)功率，電池類數(shù)據(jù)：電池瞬時(shí)溫度、瞬時(shí)電壓、瞬時(shí)電流、電池荷電狀態(tài)（StateofCharge，SOC）、充電狀態(tài)，汽車行駛累積里程數(shù)、瞬時(shí)車速等多種類型。基于本文制定出的LF620行駛道路擁堵等級(jí)分類標(biāo)準(zhǔn)，通過分析固定時(shí)間段內(nèi)的車輛瞬時(shí)行駛速度集可以得出當(dāng)前道路擁堵等級(jí)。如果將擁堵等級(jí)結(jié)合剩余電量、汽車駕駛功率消耗情況能夠推斷出當(dāng)前剩余電量可以支撐的剩余行駛里程，可以減緩電動(dòng)車司機(jī)關(guān)于是否需要立即充電的焦慮，幫助用戶有效提升使用舒適感?；趦?nèi)存計(jì)算的處理方法。內(nèi)存計(jì)算的數(shù)據(jù)庫管理技術(shù)的發(fā)展為內(nèi)存計(jì)算技術(shù)的發(fā)展提供了推動(dòng)力。內(nèi)存計(jì)算（In-MemoryComputing，IMC）實(shí)現(xiàn)了分布式、可擴(kuò)展、可靠的NoSQL數(shù)據(jù)存儲(chǔ)，是一個(gè)具有一致性的應(yīng)用平臺(tái)中間件。應(yīng)用程序基礎(chǔ)設(shè)施的快速成熟以及半導(dǎo)體技術(shù)等硬件的成本急速下降，為使用內(nèi)存計(jì)算技術(shù)提供了基礎(chǔ)。Gartner公司曾表示，雖然內(nèi)存計(jì)算技術(shù)目前只適合于專業(yè)性極強(qiáng)的領(lǐng)域，例如金融交易，電信行業(yè)，軍事國防部門，在線社交媒體等有足夠的經(jīng)濟(jì)及硬件基礎(chǔ)支撐其帶來的高額成本和復(fù)雜性。但是IMC技術(shù)已經(jīng)愈發(fā)成熟，那些不考慮引進(jìn)內(nèi)存應(yīng)用基礎(chǔ)設(shè)施技術(shù)的企業(yè)正面臨著被那些已成為主流用戶的競爭對(duì)手提出創(chuàng)新領(lǐng)域的淘汰的風(fēng)險(xiǎn)。實(shí)現(xiàn)內(nèi)存計(jì)算的應(yīng)用程序框架一般包括內(nèi)存數(shù)據(jù)庫管理系統(tǒng)、內(nèi)存數(shù)據(jù)網(wǎng)格、高性能消息傳遞架構(gòu)、復(fù)雜事件處理平臺(tái)、內(nèi)存分析和應(yīng)用程序服務(wù)。這些技術(shù)可以滿足對(duì)執(zhí)行速度、可擴(kuò)展性以及深刻分析有需求的多種應(yīng)用場景。它將完成批處理的時(shí)間從幾小時(shí)降至幾分鐘甚至幾秒，并且可以作為實(shí)時(shí)云服務(wù)將結(jié)果傳遞給用戶、供應(yīng)商等，同時(shí)，還可以用于檢測模式和相關(guān)性檢測，以幫助在從數(shù)百萬事件中檢測出事件在發(fā)生過程中隨時(shí)面臨的新興的機(jī)遇或威脅的事件。內(nèi)存計(jì)算技術(shù)幫助用戶開發(fā)出的應(yīng)用程序可以在海量數(shù)據(jù)集上執(zhí)行高級(jí)查詢或是復(fù)雜事務(wù)，并且具有更大的可擴(kuò)展性。內(nèi)存計(jì)算技術(shù)同樣也面臨一些瓶頸，如缺少統(tǒng)一的標(biāo)準(zhǔn)，缺少技能專業(yè)性，架構(gòu)具有復(fù)雜性，以及安全問題、監(jiān)控和管理方面的挑戰(zhàn)，解決這些問題可以實(shí)現(xiàn)內(nèi)存計(jì)算技術(shù)逐漸被主流采用?，F(xiàn)實(shí)生活中自然數(shù)據(jù)往往是不完善的，例如機(jī)器故障、人為錯(cuò)誤等原因會(huì)造成原始數(shù)據(jù)存在一些缺陷，由于這些缺陷，在數(shù)據(jù)分析時(shí)可能會(huì)帶來較大的誤差或是結(jié)果缺失等困擾。因此，在對(duì)數(shù)據(jù)進(jìn)行分析之前，需要對(duì)原始數(shù)據(jù)進(jìn)行清洗、集成、轉(zhuǎn)換以及規(guī)約化等操作，以保證預(yù)處理后的數(shù)據(jù)達(dá)到算法進(jìn)行模型訓(xùn)練的最低規(guī)范和標(biāo)準(zhǔn)。首先是對(duì)缺失數(shù)據(jù)進(jìn)行插補(bǔ)，常見對(duì)數(shù)據(jù)處理方法主要有三類，第一類是將包含缺失值的數(shù)據(jù)集刪除，這種方法實(shí)現(xiàn)簡單，但對(duì)于盲目刪除可能會(huì)導(dǎo)致模型誤差，第二類方法是統(tǒng)計(jì)方法，通過對(duì)數(shù)據(jù)完整部分的模型參數(shù)進(jìn)行估計(jì)，采樣對(duì)缺失值進(jìn)行插補(bǔ)，實(shí)現(xiàn)過程復(fù)雜，第三類方法是基于機(jī)器學(xué)習(xí)方法的缺失值插補(bǔ)法。二、多元數(shù)據(jù)預(yù)處理云計(jì)算（CloudComputing,CC）和多接入邊緣計(jì)算（Multi-accessEdgeComputing，MEC）在車云網(wǎng)中起到了重要的作用。其中CC是指將豐富的存儲(chǔ)、計(jì)算資源集中部署于遠(yuǎn)距離的云計(jì)算中心處，但由于數(shù)據(jù)傳輸需經(jīng)過核心網(wǎng)而易導(dǎo)致數(shù)據(jù)擁塞，從而產(chǎn)生較大的時(shí)延。為了彌補(bǔ)云計(jì)算的不足，MEC出現(xiàn)了，其核心思想是指將具有一定的存儲(chǔ)、計(jì)算資源的服務(wù)器部署在基站附近，與用戶只有“一跳”的距離，極大地降低了傳輸時(shí)延。并且隨著研究人員對(duì)MEC的研究和應(yīng)用場景的不斷豐富，MEC也已經(jīng)成為5G的核心技術(shù)之一。三、云計(jì)算車聯(lián)網(wǎng)與云計(jì)算的融合成為了交通信息化成功的關(guān)鍵。在云框架下，綜合信息采集處理、道路交通狀況監(jiān)測、車輛監(jiān)管與疏導(dǎo)、信號(hào)控制、系統(tǒng)聯(lián)動(dòng)以及預(yù)測預(yù)報(bào)、信息發(fā)布與誘導(dǎo)等，都必須做到與整體情報(bào)系統(tǒng)的融合、共享和統(tǒng)一決策。通過將計(jì)算遷移應(yīng)用于車聯(lián)網(wǎng)中，可以較好地突破車載終端自身可用資源的不足，大大提高其智能性，對(duì)于提升用戶體驗(yàn)、改善交通狀況具有很重要的意義。但是目前針對(duì)車聯(lián)網(wǎng)中計(jì)算遷移的相關(guān)研究主要集中在將MEC與車聯(lián)網(wǎng)結(jié)合，而忽略了CC強(qiáng)大的計(jì)算資源。CC和MEC由于具有互補(bǔ)的優(yōu)勢，所以在車聯(lián)網(wǎng)中計(jì)算遷移的相關(guān)研究中不應(yīng)將兩者對(duì)立，相反應(yīng)該更好地將兩者結(jié)合使用。1．微服務(wù)概述微服務(wù)是一個(gè)新興的軟件架構(gòu)，現(xiàn)代軟件工作平臺(tái)并不是交付單一的、獨(dú)立的應(yīng)用程序，而是代表小的、離散的、可重用的、有彈性的、經(jīng)過良好測試的軟件組件。這種相互依賴的軟件組件被單獨(dú)構(gòu)建為微服務(wù)，每個(gè)服務(wù)負(fù)責(zé)自己特定的小功能，如圖4-6所示。圖4-6微服務(wù)概述四、邊緣云的信息調(diào)度2．微服務(wù)架構(gòu)微服務(wù)架構(gòu)如圖4-6所示。（1）車載與路側(cè)終端通過傳感技術(shù)進(jìn)行車輛和路況信息感知，車載單元（OBU）可實(shí)現(xiàn)車與車（V2V）、車與路和車與云之間通信。因此將具有車載數(shù)據(jù)融合計(jì)算、位置定位、路況感知、周期性或事件性數(shù)據(jù)收發(fā)及支撐自動(dòng)駕駛?cè)诤蠜Q策等功能的微服務(wù)部署到車載和路側(cè)終端上；（2）邊緣云邊緣云平臺(tái)作為車聯(lián)網(wǎng)系統(tǒng)中靠近終服務(wù)終端的數(shù)據(jù)處理中心和應(yīng)用軟件部署平臺(tái)，將承載絕大部分的車聯(lián)網(wǎng)應(yīng)用微服務(wù)，如車路協(xié)同、車輛編隊(duì)、安全預(yù)警、遠(yuǎn)程駕駛、交通信息服務(wù)等。由于其部署在網(wǎng)絡(luò)邊緣，能極大的縮短車聯(lián)網(wǎng)應(yīng)用的響應(yīng)時(shí)間;（3）中心云負(fù)責(zé)全局算法，實(shí)現(xiàn)全局交通管控，故將交通區(qū)域決策、規(guī)劃等全局性車輛網(wǎng)應(yīng)用微服務(wù)部署在中心云。但由于其遠(yuǎn)離車輛終端，故許多對(duì)計(jì)算速度和時(shí)延要求高的車聯(lián)網(wǎng)應(yīng)用，無法部署到中心云中。圖4-7微服務(wù)架構(gòu)在本架構(gòu)中，三層結(jié)構(gòu)分工明確并協(xié)同配合，共同支撐車輛的智能駕駛及智能交通網(wǎng)絡(luò)。在車聯(lián)網(wǎng)環(huán)境中，基于容器的微服務(wù)的特性，按照不同應(yīng)用的類型將微服務(wù)分配到各個(gè)層級(jí)，根據(jù)任務(wù)變化進(jìn)行動(dòng)態(tài)部署。本文使用基于微幅服架構(gòu)的輕量級(jí)容器來代替?zhèn)鹘y(tǒng)的虛擬機(jī)進(jìn)行應(yīng)用服務(wù)的部署，以減少架構(gòu)中計(jì)算設(shè)備的開銷、響應(yīng)時(shí)間以及整體的能耗。邊緣云與傳統(tǒng)的邊緣節(jié)點(diǎn)相比，有更強(qiáng)的計(jì)算、存儲(chǔ)及數(shù)據(jù)處理能力，與中心云相比，具有靠近服務(wù)對(duì)象、快速響應(yīng)的優(yōu)勢，因此邊緣云技術(shù)是車聯(lián)網(wǎng)系統(tǒng)的核心技術(shù)之一[63]。將大部分車聯(lián)網(wǎng)應(yīng)用微服務(wù)部署到邊緣云平臺(tái)上，即可以降低響應(yīng)時(shí)間、降低帶寬成本、提升服務(wù)質(zhì)量，又能滿足系統(tǒng)的動(dòng)態(tài)彈性的資源需求。因此本文接下來內(nèi)容的研究重點(diǎn)將聚焦在車聯(lián)網(wǎng)邊緣云平臺(tái)中的微服務(wù)資源調(diào)度問題研究上。3．微服務(wù)調(diào)度方法智能駕駛車輛用戶，往往對(duì)車聯(lián)網(wǎng)服務(wù)的QoS有很高的要求，由于資源過載造成用戶不可接受的應(yīng)用QoS，可能會(huì)導(dǎo)致交通信息更新不及時(shí)、交通擁堵甚至車禍等嚴(yán)重的交通問題。因此在車聯(lián)網(wǎng)邊緣云平臺(tái)上部署微服務(wù)時(shí)，除了要考慮按照微服務(wù)滿足日常需求而預(yù)估的資源需求量，進(jìn)行資源的合理分配外，還應(yīng)考慮面對(duì)突發(fā)狀況時(shí)，對(duì)微服務(wù)所需硬件資源進(jìn)行動(dòng)態(tài)擴(kuò)容，從而滿足車聯(lián)網(wǎng)用戶的QoS要求。主流的公有云運(yùn)營商如亞馬遜、谷歌和微軟，均采用反應(yīng)性方法對(duì)微服務(wù)資源進(jìn)行動(dòng)態(tài)擴(kuò)容。反應(yīng)性方法為預(yù)先對(duì)各個(gè)微服務(wù)的負(fù)載設(shè)置閾值，當(dāng)某個(gè)微服務(wù)負(fù)載達(dá)到閾值時(shí)對(duì)其進(jìn)行資源擴(kuò)容。具體流程為：當(dāng)發(fā)生突發(fā)狀況，各應(yīng)用中的存在微服務(wù)的負(fù)載達(dá)到閾值，且還在呈上升趨勢，則利用容器的秒級(jí)啟動(dòng)的特性，增加該微服務(wù)實(shí)例；然后將所有增加的容器實(shí)例，按照邊緣云微服務(wù)資源調(diào)度策略合理的部署到各個(gè)物理服務(wù)器上，并接入到原來的應(yīng)用服務(wù)網(wǎng)絡(luò)中，承載新接入用戶的服務(wù)需求；當(dāng)度過突發(fā)狀況，原來應(yīng)用中微服務(wù)的負(fù)載降低到閾值之下，且等到新增加的實(shí)例中的用戶處理完成之后，取消新增實(shí)例，新接入用戶由原有微服務(wù)實(shí)例進(jìn)行處理，以節(jié)約云平臺(tái)計(jì)算資源。通過路側(cè)的終端以及車載終端，交通云平臺(tái)采集豐富的信息，以此詳細(xì)的了解實(shí)時(shí)車輛的位置、路徑以及狀態(tài)等各項(xiàng)信息，可以通過與路側(cè)終端的交互，進(jìn)一步實(shí)現(xiàn)不停車收費(fèi)，還可以為擁擠收費(fèi)提供有力信息，進(jìn)而實(shí)現(xiàn)更有效的管理。不停車收費(fèi)過程完成車輛與收費(fèi)站之間的無線數(shù)據(jù)通信，進(jìn)行車輛自動(dòng)識(shí)別和有關(guān)收費(fèi)數(shù)據(jù)的交換，通過計(jì)算機(jī)網(wǎng)路進(jìn)行收費(fèi)數(shù)據(jù)的處理，提高車輛通行能力。第五節(jié)

車云網(wǎng)的具體應(yīng)用1．不停車收費(fèi)車輛裝了車載器后，當(dāng)行駛至ETC車道時(shí)，安裝在車道上方的檢測器接收到車載器發(fā)射的信號(hào)后，欄桿自動(dòng)抬起，讓車輛通過?？梢源蠓岣叱鋈肟谲囕v通行能力，改善車主的使用體驗(yàn)，達(dá)到方便快捷出入的目的。利用數(shù)據(jù)融合技術(shù)，將所獲得的交通信息進(jìn)行有效地篩選與融合，將其中有效的信息為車輛提供安全駕駛的服務(wù)。通過預(yù)警避免車輛在換車道或者交叉口時(shí)出現(xiàn)車輛意外碰撞的現(xiàn)象。利用云系統(tǒng)資源來預(yù)測未來的交通狀況，并能夠檢測一些交通事件，為相關(guān)部門作出決策提供可靠的支持。通過路側(cè)終端以及車載終端所獲取的車輛信息，還可以作為相關(guān)交通執(zhí)法的取證依據(jù)，促使形成了一套傳輸更高效、覆蓋更全面、取證更準(zhǔn)確、抓捕更精準(zhǔn)、處理更及時(shí)的道路交通巡邏執(zhí)法新模式,進(jìn)而為道路交通執(zhí)法系統(tǒng)在交通系統(tǒng)的優(yōu)化中提供科學(xué)依據(jù)。這對(duì)提高道路使用效率、減少交通事故發(fā)生率,保障行車安全具有重要意義。2．交通預(yù)警與交通執(zhí)法依靠傳統(tǒng)的動(dòng)態(tài)交通流分配來提升整體交通網(wǎng)絡(luò)的性能在新形勢下面臨諸多困難:交通需求在時(shí)空上的快速變化、路網(wǎng)復(fù)雜程度的幾何級(jí)上升、交通瓶頸位置的動(dòng)態(tài)變化、突發(fā)事件的應(yīng)變不足等都給城市交通網(wǎng)絡(luò)性能提升帶來挑戰(zhàn)。借助于移動(dòng)互聯(lián)網(wǎng)下的大數(shù)據(jù),對(duì)交通信息平臺(tái)中積累的大量交通數(shù)據(jù)的分析處理,進(jìn)行價(jià)值挖掘,提取數(shù)據(jù)背后潛藏的知識(shí)與規(guī)律,這些知識(shí)進(jìn)一步轉(zhuǎn)換成預(yù)警和疏導(dǎo)交通擁堵的規(guī)則與方法,這將為提高路網(wǎng)整體性能提供有效支撐。通過路側(cè)終端以及車載終端可獲取車輛的相關(guān)信息，交通云平臺(tái)可以根據(jù)這些數(shù)據(jù)信息進(jìn)行科學(xué)的決策，進(jìn)而判斷詳細(xì)的路況信息，在一定程度上有效的緩解城市巨大的交通壓力。3．交通資源分配在城市道路上行駛的車輛，其連續(xù)性在很大程度上取決于各路口信號(hào)的協(xié)調(diào)。利用交通云計(jì)算平臺(tái)來處理各種通過車載終端以及路側(cè)終端獲取的交通數(shù)據(jù)信息，并從這些數(shù)據(jù)信息中有效的判斷車輛的具體狀況，根據(jù)出行的需求以及交通狀況來調(diào)整交通管理協(xié)調(diào)策略，實(shí)現(xiàn)交通管理的最優(yōu)化。利用車聯(lián)網(wǎng)中交通云平臺(tái)有效的預(yù)測交通狀態(tài)，為交通部門進(jìn)行交通決策提供依據(jù)。這不但可以提高城市道路交通設(shè)施的效率、增強(qiáng)安全水平，還可以提高城市交通效率、改善交通環(huán)境、降低汽車污染排放等。4．交通協(xié)調(diào)控制VCN(VirtualClusterNumber)有助于執(zhí)法機(jī)構(gòu)使用高清視頻追蹤車輛或人員，以確保安全。由于高清視頻的實(shí)時(shí)處理需要大量的存儲(chǔ)空間，VCN是執(zhí)法機(jī)構(gòu)立即采取行動(dòng)的最佳手段之一。云視頻監(jiān)控系統(tǒng)。云監(jiān)控服務(wù)大幅降低了用戶的建設(shè)維護(hù)成本，操作上也變得更加便捷，云監(jiān)控?cái)?shù)據(jù)中心虛擬化的計(jì)算存儲(chǔ)與安全管理模式，為系統(tǒng)提供了更強(qiáng)的可擴(kuò)充與共享功能,增加了視頻數(shù)據(jù)的安全與可靠性，從而可以有效解決當(dāng)前視頻監(jiān)控所存在的問題。5．視頻監(jiān)控在傳統(tǒng)的車輛網(wǎng)絡(luò)中，靜態(tài)地理地圖用于車輛導(dǎo)航。VCN通過IC可以很好提供實(shí)時(shí)車輛導(dǎo)航。接收交通信息中心實(shí)時(shí)路況信息的動(dòng)態(tài)導(dǎo)航系統(tǒng)能夠獲知車輛周邊地區(qū)的實(shí)時(shí)交通狀況，而且通過利用無線網(wǎng)絡(luò)傳輸對(duì)車輛導(dǎo)航系統(tǒng)的數(shù)據(jù)進(jìn)行更新?？梢杂行б龑?dǎo)出行車輛避開擁堵、節(jié)約出行成本，降低用戶對(duì)自身車輛導(dǎo)航系統(tǒng)數(shù)據(jù)的維護(hù)工作。6．實(shí)時(shí)導(dǎo)航以提高城市道路運(yùn)行效率和服務(wù)安全為目的，為緩解城市道路擁堵和提升交通工作效能，需要發(fā)展遠(yuǎn)程交通管控系統(tǒng)。遠(yuǎn)程流量管理是VCN的重要應(yīng)用之一。對(duì)于高速公路上排隊(duì)的車輛，可以通過云提供信息和建議。7．遠(yuǎn)程交通管控隨著衛(wèi)星通信技術(shù)的發(fā)展以及業(yè)務(wù)類型的多樣化，如何高效地分配有限的帶寬資源成為必須解決的重要問題。在終端自主注冊云端設(shè)備，注冊后即可開啟上傳定位行駛信息，同時(shí)監(jiān)控端根據(jù)這些信息生成監(jiān)控地圖，終端設(shè)備可向監(jiān)控端上傳異常情況，監(jiān)控端根據(jù)上傳異常等級(jí)進(jìn)行報(bào)警。8．帶寬資源分配網(wǎng)絡(luò)接入具有廣泛性。能夠共享資源池，通過動(dòng)態(tài)資源管理的方式為多個(gè)用戶提供服務(wù)?？梢曰谛в酶侠淼倪M(jìn)行定價(jià)，更高效地利用車聯(lián)網(wǎng)環(huán)境下的資源，從而滿足車聯(lián)網(wǎng)應(yīng)用和服務(wù)的需求。車云網(wǎng)通過虛擬化技術(shù)整合相關(guān)的計(jì)算、存儲(chǔ)、通信、傳感等資源，并且通過“按需分配”的模式為車輛用戶提供相應(yīng)的服務(wù)。車云網(wǎng)通常根據(jù)其地理位置被劃分為多個(gè)本地云計(jì)算服務(wù)域，車輛用戶可以通過ＲＳＵ接入到相應(yīng)的本地云計(jì)算服務(wù)域從而獲取云計(jì)算服務(wù)。車云網(wǎng)包括了本地云和中心云，與邊緣計(jì)算相似的是本地云，但是本地云的資源除了本地服務(wù)器之外，還包括了車載設(shè)備的計(jì)算資源，這部分資源是隨著車輛數(shù)量發(fā)生變化的。第六節(jié)

車云網(wǎng)的優(yōu)缺點(diǎn)和難點(diǎn)優(yōu)點(diǎn)投資規(guī)模大。根據(jù)規(guī)劃，中國將在2035年實(shí)現(xiàn)高度自動(dòng)駕駛。為了實(shí)現(xiàn)我國車聯(lián)網(wǎng)技術(shù)發(fā)展的這一總體目標(biāo)，不僅需要在技術(shù)上有重大創(chuàng)新，還需要有巨大的資金投入。截至2020年9月，我國機(jī)動(dòng)車保有量達(dá)3.65億輛，高速公路里程14.26萬公里，無論是DSRC還是C-V2X作為我國車聯(lián)網(wǎng)商用技術(shù)的標(biāo)準(zhǔn)，對(duì)于車載終端的安裝和路側(cè)單元的部署都是必不可少的，還有大量傳感設(shè)備的安裝，例如攝像頭、定位雷達(dá)以及環(huán)境感知設(shè)備等，這些都需要成本和投入。海量接入數(shù)據(jù)價(jià)值難以挖掘。未來“車—路—人—云”感知高度協(xié)同統(tǒng)一的車聯(lián)網(wǎng)生態(tài)體系，必將是網(wǎng)絡(luò)體系中各個(gè)終端節(jié)點(diǎn)的數(shù)據(jù)交互在一起，而龐大的數(shù)據(jù)接入量不僅給存儲(chǔ)空間帶來挑戰(zhàn)，數(shù)據(jù)的處理也將是一大難題。隨著車聯(lián)網(wǎng)業(yè)務(wù)應(yīng)用功能的不斷增加，例如視頻通話、車載遠(yuǎn)程會(huì)議以及遠(yuǎn)程車輛控制等新應(yīng)用，既對(duì)數(shù)據(jù)傳輸速率有很高的要求，同時(shí)也要求有很強(qiáng)的數(shù)據(jù)處理能力。此外，哪些應(yīng)用優(yōu)先運(yùn)行，哪些數(shù)據(jù)優(yōu)先處理，如何進(jìn)行無線資源分配，如何優(yōu)化系統(tǒng)性能等，這些都是需要解決的問題。缺點(diǎn)從車聯(lián)網(wǎng)環(huán)境的特點(diǎn)來看，由于通信鏈路呈現(xiàn)間斷性，需要在移動(dòng)的拓?fù)浣Y(jié)構(gòu)中進(jìn)行高速的數(shù)據(jù)傳輸，而不同QoS的請(qǐng)求對(duì)于資源需求又是不同的，高效和動(dòng)態(tài)的資源管理對(duì)于車云網(wǎng)來說尤為重要。區(qū)別于靜態(tài)資源管理方式，動(dòng)態(tài)資源管理技術(shù)對(duì)服務(wù)的需求更敏感，由于它更接近于對(duì)服務(wù)的真正需求，所以可以更為有效地減少因資源過度分配而造成資源浪費(fèi)的現(xiàn)象。同時(shí)，有效的資源預(yù)留技術(shù)也能減少服務(wù)的響應(yīng)時(shí)間。從資源的角度來看，由于車云網(wǎng)中包含了計(jì)算存儲(chǔ)、通信等多域的資源，而這些資源之間并非完全孤立的關(guān)系，往往還存在一定的置換關(guān)系，所以，對(duì)于如何在多域進(jìn)行資源合理置換，也是車云網(wǎng)資源管理較為關(guān)注的一個(gè)問題。難點(diǎn)1云資源管理車云網(wǎng)的目標(biāo)是根據(jù)用戶不同的服務(wù)水平協(xié)議(SLA)，為用戶提供相應(yīng)質(zhì)量級(jí)別的服務(wù)。服務(wù)提供者應(yīng)該保證云資源的可用性、可靠性等性能。而由于車云網(wǎng)存在一些的不穩(wěn)定因素，特別是車輛的高速移動(dòng)性和網(wǎng)絡(luò)拓?fù)涞膭?dòng)態(tài)性，往往會(huì)使得服務(wù)質(zhì)量也會(huì)隨之受到影響。因此，在整個(gè)服務(wù)執(zhí)行過程中，SLA規(guī)范的定義和SLA評(píng)估也有待進(jìn)一步的研究。車云網(wǎng)可分為靜態(tài)云和動(dòng)態(tài)云兩種類型，而這兩個(gè)子模型之間的通信和協(xié)調(diào)，也是車云網(wǎng)研究的一大難點(diǎn)。車輛節(jié)點(diǎn)在云網(wǎng)絡(luò)中的生存時(shí)間是有限的，因而需要有一些策略去保證車輛節(jié)點(diǎn)間通信、車輛與云端通信的連續(xù)性和高效性。同時(shí)，還需要研究適用于在車云網(wǎng)組件內(nèi)部或組件之間進(jìn)行數(shù)據(jù)交換的通信協(xié)作。難點(diǎn)2服務(wù)質(zhì)量難點(diǎn)3通信與協(xié)作車云網(wǎng)的安全性和隱私問題應(yīng)該集中在完善可信度機(jī)制、確保數(shù)據(jù)完整性控制數(shù)據(jù)訪問，防止數(shù)據(jù)手失、保護(hù)用戶的隱私數(shù)據(jù)等方面。例如。車輛在通信中需要交換車輛的位置和身份信息，而如果這些信息被惡意節(jié)點(diǎn)所利用，車輛用戶的安全和隱私就會(huì)受到威脅。目前已有一些文獻(xiàn)提出了利用假名和加密技術(shù)來保證車輛身份的安全。在車云網(wǎng)環(huán)境中，還面臨著一個(gè)難題，即對(duì)于傳感器采集數(shù)據(jù)的感知和聚合。需要研究新的解決方案來有效地感知和聚合各種類傳感器所采集的數(shù)據(jù)，包括交通數(shù)據(jù)駕駛?cè)说慕】敌畔?、環(huán)境信息、道路上車輛以及行人的行動(dòng)等。利用車載傳感器和路側(cè)傳感器，車輛可以獲取許多有用的信息。通過V2V通信，車輛按需發(fā)出請(qǐng)求，其他車輛通過過車載傳感器對(duì)自身狀態(tài)(加油、停車、堵車等)進(jìn)行判斷，將有用信息傳回給發(fā)起請(qǐng)求的車輛。文獻(xiàn)提出了一種數(shù)據(jù)協(xié)同感知和壓縮的方法，通過利用車輛傳感網(wǎng)絡(luò)(VehicleSensorNetworks，VSNs)實(shí)現(xiàn)對(duì)城市環(huán)境的監(jiān)測。難點(diǎn)4隱私和安全難點(diǎn)5數(shù)據(jù)感知和聚合云數(shù)據(jù)中心每年都會(huì)消耗大量的能源，所以，車云網(wǎng)的另一個(gè)主要問題就是提高能源效率。針對(duì)節(jié)能的問題，一方面需要提高數(shù)據(jù)中心本身的資源利用率，為了降低云服務(wù)平臺(tái)的能耗，有文獻(xiàn)提出一種通過對(duì)系統(tǒng)能耗進(jìn)行監(jiān)控，并對(duì)任務(wù)進(jìn)行調(diào)度的任務(wù)集整合算法(TSC)該算法對(duì)負(fù)載進(jìn)行了整合，從而使得服務(wù)器數(shù)量得到了縮減，進(jìn)而減少了數(shù)據(jù)中心的能源開銷。另一方面，云服務(wù)提供商可以通過一些替代服務(wù)器(如車載計(jì)算機(jī))減少數(shù)據(jù)中心的能耗成本。由于車輛節(jié)點(diǎn)都是自供能的，所以使用這些移動(dòng)資源，與完全依賴數(shù)據(jù)中心的資源相比，能耗也會(huì)有一定程度地降低。難點(diǎn)6節(jié)能環(huán)保1．完整性基于車輛內(nèi)部的完整性主要是針對(duì)車載數(shù)據(jù)與車載通信兩部分。對(duì)車載數(shù)據(jù)而言，完整性應(yīng)防止未經(jīng)授權(quán)的實(shí)體對(duì)OBU上的本地?cái)?shù)據(jù)進(jìn)行更改；并且應(yīng)保證用戶對(duì)車輛內(nèi)部軟件進(jìn)行更新升級(jí)操作的真實(shí)性。而針對(duì)車載通信的完整性，OBU應(yīng)驗(yàn)證經(jīng)車載網(wǎng)絡(luò)傳輸?shù)南?shù)據(jù)是否發(fā)生未經(jīng)授權(quán)的更改，同時(shí)位于車載平臺(tái)中的所有實(shí)體都應(yīng)該向除自身以外的其他車輛證明其內(nèi)部資源的真實(shí)和完整性?；跓o線網(wǎng)絡(luò)通信的完整性，應(yīng)防止未經(jīng)授權(quán)實(shí)體對(duì)位于無線通信信道上的數(shù)據(jù)進(jìn)行修改、刪除等操作，同時(shí)經(jīng)無線網(wǎng)絡(luò)傳輸而收到的消息也應(yīng)由OBU進(jìn)行完整性驗(yàn)證?；谠频耐暾詣t是針對(duì)云系統(tǒng)的虛擬化資源、云數(shù)據(jù)信息的安全防護(hù)需求，尤其是防止內(nèi)部人員的惡意篡改。第七節(jié)

車云網(wǎng)的安全需求和風(fēng)險(xiǎn)車云網(wǎng)的安全需求2．可用性VCC的形成主要是基于V2V與V2I通信，由于云的多租戶性特點(diǎn)，無線通信信道的共享面臨著極大的安全挑戰(zhàn)。尤其是針對(duì)可用性的安全威脅，很容易導(dǎo)致網(wǎng)絡(luò)通信的中斷，從而影響信息數(shù)據(jù)的安全傳輸。因此，針對(duì)可用性需求，主要是保證無線網(wǎng)絡(luò)通信處于穩(wěn)定安全的工作狀態(tài)，從而使用戶能夠隨時(shí)訪問云資源，享受云服務(wù)。3．機(jī)密性存在于VCC中的信息數(shù)據(jù)通常涉及用戶的敏感信息，例如有關(guān)交通狀況的廣播通信一般與車輛位置信息相關(guān)，基于車載軟件的數(shù)據(jù)容易分析出駕駛?cè)说男熊囓壽E、生活喜好等隱私信息。因此，在VCC中保證機(jī)密性至關(guān)重要。機(jī)密性安全需求首先應(yīng)防止惡意人員對(duì)車載數(shù)據(jù)或通信進(jìn)行篡改和泄露。其次，應(yīng)對(duì)無線網(wǎng)絡(luò)通信中的數(shù)據(jù)進(jìn)行安全加密，只有授權(quán)實(shí)體才可進(jìn)行訪問。對(duì)車輛的身份和位置信息實(shí)施匿名隱私保護(hù)。此外，應(yīng)識(shí)別驗(yàn)證云實(shí)體的合法身份，僅允許對(duì)已授權(quán)的云實(shí)體公開數(shù)據(jù)信息，實(shí)現(xiàn)對(duì)系統(tǒng)資源的訪問限制，并且應(yīng)根據(jù)云實(shí)體的不同分別設(shè)置其特定的訪問控制權(quán)限。車云網(wǎng)的安全需求4．不可抵賴性不可抵賴性則適用于車輛發(fā)生沖突的情況，為保證數(shù)據(jù)的發(fā)送方和接收方誠實(shí)的面對(duì)自身行為，從而對(duì)發(fā)送和接收的數(shù)據(jù)不可否認(rèn)。因此，不可抵賴性的實(shí)現(xiàn)保證了對(duì)信息源頭的可追溯性，并且驗(yàn)證數(shù)據(jù)的真實(shí)性。同時(shí)不可抵賴性還包括云實(shí)體與其他任何實(shí)體存在有交互的不可否認(rèn)性。5．可認(rèn)證性認(rèn)證主要是為了防止攻擊者在無線通信網(wǎng)絡(luò)中的惡意攻擊，采用認(rèn)證方式確保信息發(fā)送者的合法性和真實(shí)性，防止惡意實(shí)體的侵入?；谲囕v的高機(jī)動(dòng)性特點(diǎn)，有必要對(duì)其位置信息進(jìn)行驗(yàn)證，從而保證所接收信息的真實(shí)性和與當(dāng)前環(huán)境的關(guān)聯(lián)程度。車云網(wǎng)的安全需求車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對(duì)策針對(duì)完整性攻擊基于完整性的防護(hù)對(duì)策數(shù)據(jù)篡改：攻擊者對(duì)通信信道上的數(shù)據(jù)進(jìn)行惡意刪除、修改等操作，以達(dá)到破壞數(shù)據(jù)完整性的目的。在通信網(wǎng)絡(luò)中廣播發(fā)送虛假的安全消息，營造出一個(gè)良好的行車環(huán)境，使駕駛?cè)俗龀鲥e(cuò)誤判斷。偽裝攻擊：攻擊者冒充合法車輛的身份信息，在無線網(wǎng)絡(luò)通信中向目標(biāo)車輛發(fā)送惡意消息，使合法車輛做出錯(cuò)誤判斷。中間人攻擊：攻擊者參與合法車輛之間的正常通信，使車輛雙方誤以為都在與對(duì)方通話，實(shí)則是與攻擊者進(jìn)行通信，從而可以達(dá)到監(jiān)聽的目的。針對(duì)數(shù)據(jù)篡改。主要解決方法就是對(duì)通信中的信息進(jìn)行加密操作，并使用消息認(rèn)證碼來查看其完整性。Koscher等提出了一種基于橢圓曲線加密技術(shù)的端對(duì)端認(rèn)證安全方案，為通信過程提供機(jī)密性、完整性、可用性三位一體的安全服務(wù)。針對(duì)偽裝或中間人攻擊，防護(hù)對(duì)策主要是基于加密和認(rèn)證技術(shù)的安全協(xié)議，保證信息傳輸?shù)目煽啃?。同時(shí)，利用證書吊銷列表對(duì)通信中的惡意節(jié)點(diǎn)進(jìn)行檢測并及時(shí)廣播，從而減少此類攻擊的危害性。車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對(duì)策針對(duì)可用性攻擊基于可用性的防護(hù)對(duì)策拒絕服務(wù)攻擊：攻擊者在V2V、V2I通信網(wǎng)絡(luò)中發(fā)送過量的虛假信息，使網(wǎng)絡(luò)中的資源被不必要的消耗。攻擊者發(fā)送大量的垃圾郵件、廣告信息，致使通信帶寬達(dá)到飽和狀態(tài)，其目的在于信道被大量占用，造成安全信息的延遲傳輸。針對(duì)云服務(wù)，當(dāng)授權(quán)用戶請(qǐng)求訪問時(shí)，攻擊者通過控制消耗大量的車載云資源，致使合法訪問受限，從而降低云服務(wù)質(zhì)量。惡意軟件攻擊：此類攻擊通常是利用安裝在OBU或RSU設(shè)備上的惡意組件來滲透實(shí)體，一般以病毒形式感染無線通信信道，以此破壞正常通信。針對(duì)DoS攻擊。Groza等人提出了一種惡意無關(guān)包檢測算法，通過驗(yàn)證數(shù)據(jù)包的源節(jié)點(diǎn)，鎖定Sybil攻擊的源頭。若發(fā)送惡意數(shù)據(jù)包，則該車輛節(jié)點(diǎn)會(huì)被跟蹤，以便進(jìn)行后續(xù)操作。此外，緩解DoS攻擊的方法可以依賴于OBU，當(dāng)發(fā)生攻擊時(shí)，OBU可以換信道或使用跳頻技術(shù)來保證通信信道的可用性。針對(duì)惡意軟件攻擊，通常情況下使用反惡意軟件來防止。然而在軟件更新時(shí)，防范這類攻擊將更加困難，因此應(yīng)提前對(duì)更新進(jìn)行簽名并驗(yàn)證，以保證操作的真實(shí)性，從而緩解此類攻擊。車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對(duì)策針對(duì)機(jī)密性攻擊基于機(jī)密性的防護(hù)對(duì)策竊聽：在VCC中共享的數(shù)據(jù)資源，其加密和解密過程一般存在有延遲性，攻擊者對(duì)通信信道實(shí)施監(jiān)聽，收集有用信息并加以分析從而破壞數(shù)據(jù)的機(jī)密性。位置跟蹤：利用路邊的基礎(chǔ)設(shè)施或者連接WiFi網(wǎng)絡(luò)獲取車載云通信過程中的完整移動(dòng)視圖。部署位置跟蹤設(shè)備，當(dāng)定位系統(tǒng)持續(xù)不斷地自動(dòng)跟蹤車輛時(shí)，會(huì)產(chǎn)生大量隱私信息，從而收集敏感數(shù)據(jù)。信息竊?。夯谠粕系能浖?yīng)用程序，一般以加密方式處理敏感數(shù)據(jù)，但由于程序設(shè)計(jì)本身可能存在漏洞，導(dǎo)致攻擊者實(shí)現(xiàn)未經(jīng)授權(quán)的訪問，從而竊取數(shù)據(jù)信息。針對(duì)機(jī)密性攻擊，其防護(hù)對(duì)策主要是基于非對(duì)稱密碼加密和公鑰基礎(chǔ)設(shè)施的假名方案，此外還有基于身份加密、群簽名等。針對(duì)位置跟蹤，Holle等人提出使用動(dòng)態(tài)假名信任管理系統(tǒng)，一旦車輛完成規(guī)定的初始化操作，便可以自主地生成假名，從而縮短假名的有效期，最終實(shí)現(xiàn)對(duì)隱私數(shù)據(jù)的保護(hù)。針對(duì)內(nèi)部人員對(duì)云數(shù)據(jù)的竊取行為，Groza提出了一種攻擊誘餌技術(shù)。通過監(jiān)控用戶行為來發(fā)現(xiàn)惡意內(nèi)部人員，進(jìn)而云會(huì)向攻擊者發(fā)送大量誘餌信息，以此防止真實(shí)數(shù)據(jù)被竊取。車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對(duì)策針對(duì)不可抵賴性攻擊基于不可抵賴性的防護(hù)對(duì)策此類攻擊就是指車輛對(duì)發(fā)送或接收到的信息持否認(rèn)態(tài)度，從而形成爭議事件。尤其在緊急情況下，攻擊者往往會(huì)挑起事端，從而占用資源，致使交通系統(tǒng)的混亂。在VCC中，不可抵賴性、完整性和車輛隱私保護(hù)是通信安全的基本要求。就以往相關(guān)研究來看，這些防護(hù)需求的實(shí)現(xiàn)往往又存在一定的矛盾性。Li白莉等人則提出了一種新的條件性隱私保護(hù)與不可抵賴框架。通過將公鑰加密進(jìn)入假名機(jī)制，保證合法的第三方能獲得車輛的真實(shí)身份，從而實(shí)現(xiàn)其不可抵賴性。車云網(wǎng)的安全風(fēng)險(xiǎn)和防護(hù)對(duì)策針對(duì)認(rèn)證攻擊基于認(rèn)證的防護(hù)對(duì)策Sybil攻擊：攻擊者會(huì)創(chuàng)建大量的假名，通過傳輸這些偽造實(shí)體的惡意信息，致使網(wǎng)絡(luò)通信阻塞，同時(shí)會(huì)誤導(dǎo)車輛做出錯(cuò)誤判斷。并且網(wǎng)絡(luò)中的合法用戶無法識(shí)別惡意車輛的真實(shí)身份信息，也無法獲知其所在位置，因此這類攻擊很難防范。假冒攻擊：在VCC中，為識(shí)別通信車輛的身份，每輛車都有其唯一的ID。而在這類攻擊中，攻擊者會(huì)冒充合法車輛的身份，然后在網(wǎng)絡(luò)通信中發(fā)送惡意信息，從而造成交通秩序的混亂。針對(duì)Sybil攻擊，Murvay等人提出了一個(gè)基于動(dòng)態(tài)證書生成技術(shù)的系統(tǒng)模型來限制Sybil攻擊，同時(shí)利用鄰近信息來檢測Sybil節(jié)點(diǎn)。針對(duì)假冒攻擊，Yu于海峰等人提出了一種高效安全的V2V數(shù)據(jù)傳輸協(xié)議，通過使用單向哈希函數(shù)在接收端快速發(fā)送有價(jià)值的信息來避免攻擊。Larson等人提出了一種基于身份的簽名協(xié)議，通過使用VANET中批驗(yàn)證的概念，減少通信過程中的計(jì)算時(shí)間，并驗(yàn)證了其抵抗攻擊的有效性。

第5章

自動(dòng)駕駛技術(shù)

第一節(jié)自動(dòng)駕駛技術(shù)簡介第二節(jié)

自動(dòng)駕駛技術(shù)發(fā)展第三節(jié)自動(dòng)駕駛技術(shù)構(gòu)成自動(dòng)駕駛汽車將會(huì)對(duì)汽車行業(yè)、交通運(yùn)輸行業(yè)以及人們用車方式產(chǎn)生革命性的影響，極大地推動(dòng)智能交通的發(fā)展。自動(dòng)駕駛技術(shù)結(jié)合智能交通管理將有效改善大城市的交通擁堵，提高道路通行效率；減少交通事故和人員傷亡；提高車輛的運(yùn)行效率，降低能源消耗，改善空氣污染。自動(dòng)駕駛技術(shù)的應(yīng)用將有效解決目前城市交通中存在的許多頑疾。同時(shí)自動(dòng)駕駛技術(shù)的安全性面臨挑戰(zhàn)，隨著科技的發(fā)展，我國無人駕駛車輛技術(shù)將會(huì)不斷進(jìn)步，其功能與安全性也將得以完善。自動(dòng)駕駛技術(shù)是一種通過電腦系統(tǒng)實(shí)現(xiàn)無人駕駛的智能技術(shù)，它依靠人工智能、視覺計(jì)算、雷達(dá)、監(jiān)控裝置和全球定位系統(tǒng)協(xié)同合作，讓電腦可以在沒有任何人類主動(dòng)的操作下，自動(dòng)安全地操作機(jī)動(dòng)車輛。自動(dòng)駕駛需要多種技術(shù)的支撐，其中主要涉及到傳感器、高精度地圖、V2X、AI算法并且需要將這些技術(shù)集成到汽車中。第一節(jié)

自動(dòng)駕駛技術(shù)簡介一、自動(dòng)駕駛技術(shù)的含義自動(dòng)駕駛概念圖某型自動(dòng)駕駛車輛自動(dòng)駕駛技術(shù)分多個(gè)等級(jí),目前國內(nèi)外產(chǎn)業(yè)界采用的美國汽車工程師協(xié)會(huì)(SAE)和美國高速公路安全管理局(NHTSA)推出的分類標(biāo)準(zhǔn)。按照SAE的標(biāo)準(zhǔn),自動(dòng)駕駛汽車視智能化、自動(dòng)化程度水平分6個(gè)等級(jí):無自動(dòng)化(L0),駕駛支援(L1)、部分自動(dòng)化(L2)、有條件自動(dòng)化(L3)、高度自動(dòng)化(L4)和完全自動(dòng)化(L5)。L0：車輛完全由駕駛?cè)苏瓶兀{駛?cè)藫碛薪^對(duì)控制權(quán)，且車上不存在任何的自動(dòng)駕駛技術(shù)。L1：駕駛?cè)艘廊恍枰ヱ{駛車輛，只不過出現(xiàn)了像ACC自適應(yīng)巡航等安全系統(tǒng)，對(duì)駕駛?cè)说鸟{駛起到一個(gè)輔助的作用，手不得離開轉(zhuǎn)向盤，眼不得離開周圍路況。L2：自動(dòng)駕駛技術(shù)就可短暫接管一些駕駛?cè)蝿?wù)，眼和手可短暫獲得休息，但是仍需做好隨時(shí)接管駕駛?cè)蝿?wù)的準(zhǔn)備，時(shí)刻準(zhǔn)備著，因?yàn)檫€不足以應(yīng)對(duì)變化的交通路況。二、自動(dòng)駕駛技術(shù)的分級(jí)L3：在某種意義上就可以算作自動(dòng)駕駛，也可以把這個(gè)級(jí)別稱為真正自動(dòng)駕駛的開端。駕駛?cè)丝梢詫⑹蛛x開轉(zhuǎn)向盤，腳離開踏板，車輛幾乎可以獨(dú)立完成全部的駕駛操作。L4：第4等級(jí)可以說是自動(dòng)駕駛了，不需要駕駛?cè)穗S時(shí)接管，也不需要駕駛?cè)说母深A(yù)，但是需要限定固定的環(huán)境。L5：完全的自動(dòng)駕駛，不限于任何路況與環(huán)境。NHTSA標(biāo)準(zhǔn)分類中的五級(jí)分別代表了無自動(dòng)化、駕駛支持、部分自動(dòng)化、有條件自動(dòng)化和高度自動(dòng)化即無人駕駛，各等級(jí)的功能：L0：輔助駕駛系統(tǒng)；ADAS駕駛系統(tǒng)，主要有LDW、FCW、PCW、MOD等，這些都是起到輔助駕駛，提醒和警示作用，不干涉駕駛員的駕駛。L1：干預(yù)性輔助駕駛；AEB，檢測前方的障礙物，并提供剎車制動(dòng)，ACC，跟隨模仿前方車輛駕駛，保持安全距離。L2：半自動(dòng)駕駛；LKA車道保持，人在良好交通狀況下選擇性的啟動(dòng)自動(dòng)駕駛，這個(gè)階段以人駕駛為主，車自動(dòng)駕駛為輔助。L3：人車交互駕駛；車自動(dòng)控制駕駛，人參與指揮車輛駕駛，車自動(dòng)駕駛為主，人駕駛為輔助。L4：全自動(dòng)駕駛：人不做任何指揮或控制車輛駕駛，由車輛全自助駕駛。自動(dòng)駕駛NHTSA分級(jí)SAE稱呼(SAE)SAE定義主體駕駛操作周邊監(jiān)控支援系統(tǒng)作用域00無自動(dòng)化由人類駕駛者全權(quán)操作汽車,在行駛過程中可以得到警告和保護(hù)系統(tǒng)輔助人類駕駛者人類駕駛者人類駕駛者無11駕駛支援通過駕駛環(huán)境對(duì)轉(zhuǎn)向盤和加減速中的一項(xiàng)操作提供駕駛支援,其他的駕駛動(dòng)作都由人類駕駛者進(jìn)行操作人類駕駛者、系統(tǒng)部分22部分自動(dòng)化通過駕駛環(huán)境對(duì)轉(zhuǎn)向盤和加減速中的多項(xiàng)操作提供駕駛支援,其他的駕駛動(dòng)作都由人類駕駛者進(jìn)行操作系統(tǒng)33有條件白動(dòng)化由無人駕駛系統(tǒng)完成所有的駕駛操作,根據(jù)系統(tǒng)要求,人類駕駛?cè)颂峁┻m當(dāng)?shù)膽?yīng)答系統(tǒng)44高度自動(dòng)化由無人駕駛系統(tǒng)完成所有的駕駛操作,根據(jù)系統(tǒng)請(qǐng)求,人類駕駛者不一定需要對(duì)所有的系統(tǒng)請(qǐng)求作出應(yīng)答,限定道路和環(huán)境條件等系統(tǒng)5完全自動(dòng)化由無人駕駛系統(tǒng)完成所有的駕駛操作,人類駕駛者在可能的情況下接管,在所有的道路和環(huán)境條件下駕駛?cè)蜃詣?dòng)駕駛技術(shù)分級(jí)標(biāo)準(zhǔn)1．有效提高道路安全性。自動(dòng)駕駛汽車可以避免一些因?yàn)轳{駛?cè)说氖д`而造成的交通事故，并且可以減少酒后駕駛、惡意駕駛等行為的出現(xiàn)。2．緩解交通壓力。首先，自動(dòng)駕駛汽車可以大幅減少交通事故的發(fā)生，從而降低了因?yàn)槭鹿识鴮?dǎo)致的交通擁堵出現(xiàn)的概率。其次，智能汽車可以通過衛(wèi)星導(dǎo)航監(jiān)控實(shí)時(shí)的路況，從而規(guī)劃出最優(yōu)的路線，而不是像現(xiàn)如今出現(xiàn)車輛扎堆的現(xiàn)象。3．有更多自由支配時(shí)間。即駕駛?cè)藷o需再緊張的注視著道路狀況，而是可以將這部分時(shí)間自由的支配，做自己想做的事情。4．方便老年人、殘疾人出行。依靠自動(dòng)駕駛汽車，行動(dòng)不便的老年人、殘疾人這樣的弱勢群體也無須擔(dān)心出行的不便，也有助于社會(huì)福利事業(yè)的進(jìn)一步發(fā)展。5．改善環(huán)境質(zhì)量。自動(dòng)駕駛汽車最佳的實(shí)現(xiàn)路徑是電氣化，包含了純電或燃料電池，盡管燃油車不是造成環(huán)境污染的全部因素，但仍舊是核心因素之一，這是全球的共識(shí)，燃油車在高車速、制動(dòng)、重新加速的情況下都會(huì)釋放更多的排放物，而電動(dòng)汽車雖然不是真正意義上的0排放，但實(shí)際排放量仍將大大降低。三、自動(dòng)駕駛技術(shù)的優(yōu)勢由于自動(dòng)駕駛車輛技術(shù)尚未成熟，目前檢測方法與現(xiàn)有的車輛檢測方法相同，分為傳統(tǒng)檢測方法與現(xiàn)代車輛檢測方法。傳統(tǒng)車輛檢測方法：（1）人工計(jì)數(shù)法（2）浮動(dòng)車法（3）背景差分法現(xiàn)代車輛檢測方法：視頻檢測方法、超聲波視頻檢測方法、激光波檢測方法、紅外波檢測方法、磁力波檢測方法線、圈波檢測方法。四、自動(dòng)駕駛汽車的檢測方法1、國外發(fā)展現(xiàn)狀發(fā)達(dá)國家從20世紀(jì)70年代開始進(jìn)行無人駕駛汽車研究，目前在可行性和實(shí)用性方面，美國和德國走在前列。美國是世界上研究無人駕駛車輛最早、水平最高的國家之一。日本Nissan公司已經(jīng)在東京、硅谷和倫敦測試了旗下的自動(dòng)駕駛汽車LEAF，希望盡快積累安全測試記錄。韓國目前已頒發(fā)13張自動(dòng)駕駛測試許可，計(jì)劃于2020年前商業(yè)化3級(jí)（L3）自動(dòng)駕駛汽車。美國方目前，由美國交通部組織開展了智能城市挑戰(zhàn)賽，是以交通運(yùn)輸領(lǐng)域最新技術(shù)運(yùn)用為概念開展的城市間比賽。該項(xiàng)目旨在鼓勵(lì)靈活運(yùn)用自動(dòng)駕駛車輛、車聯(lián)網(wǎng)、車路間通信等技術(shù)，解決相關(guān)技術(shù)難題。第二節(jié)自動(dòng)駕駛技術(shù)發(fā)展一、國內(nèi)外發(fā)展現(xiàn)狀I(lǐng)BM宣布其科學(xué)家獲得了一項(xiàng)機(jī)器學(xué)習(xí)系統(tǒng)的專利，可以在潛在的緊急情況下動(dòng)態(tài)地改變?nèi)祟愸{駛?cè)撕蛙囕v控制處理器之間的自主車輛控制權(quán)，從而預(yù)防事故的發(fā)生。2016年10月特斯拉發(fā)布Autopilot2.0，Autopilot2.0版硬件，包括8個(gè)攝像頭、1個(gè)毫米波雷達(dá)、12個(gè)超聲波雷達(dá)以及VIDIADrivePX2計(jì)算平臺(tái)，在固件更新后，可以開啟全自動(dòng)駕駛功能，目前截至2016年，特斯拉工廠生產(chǎn)的所有車型都已具備了進(jìn)行完全自動(dòng)駕駛的硬件基礎(chǔ)。美國第一大網(wǎng)約車服務(wù)商已在匹茲堡、坦佩、舊金山和加州獲準(zhǔn)進(jìn)行無人駕駛路測，第二大網(wǎng)約車服務(wù)商也于2016年9月公布自動(dòng)駕駛汽車三階段發(fā)展計(jì)劃，目前2017年也已在匹茲堡開展測試。蘋果公司也于2017年4月剛剛獲得加州測試許可證。2018年10月，美國交通部還取消了原本全國指定的10處測試點(diǎn)的申報(bào)程序，為企業(yè)測試自動(dòng)駕駛提供了方便。在實(shí)驗(yàn)方面，谷歌旗下自動(dòng)駕駛部門wayMo在實(shí)際行駛上路累計(jì)已突破800萬英里。德國的自動(dòng)駕駛專利數(shù)量一直排在全球第一。2016年德國聯(lián)邦經(jīng)濟(jì)和能源部牽頭，組織了官產(chǎn)學(xué)研17個(gè)團(tuán)體啟動(dòng)了PEGASUS研究項(xiàng)目，其目的是為了進(jìn)一步提高自動(dòng)駕駛系統(tǒng)性能，確定技術(shù)評(píng)價(jià)標(biāo)準(zhǔn)，通過明確安全認(rèn)證程序，確立德國在全球自動(dòng)駕駛技術(shù)領(lǐng)域的領(lǐng)先地位。德國博世集團(tuán)和NVIDIA正在合作開發(fā)一個(gè)人工智能自動(dòng)駕駛系統(tǒng)，NVIDIA提供深度學(xué)習(xí)軟件和硬件，BoschAI將基于NVIDIADrivePX技術(shù)以及該公司即將推出的超級(jí)芯片Xavier，屆時(shí)可提供第4級(jí)L4級(jí)自動(dòng)駕駛技術(shù)。2018年6月，汽車零部件公司采埃孚公司公開了一款搭載采埃孚自動(dòng)駕駛系統(tǒng)的巴士并宣布這款車型將于2019年實(shí)現(xiàn)量產(chǎn)。日本2020年致力于最后一公里自動(dòng)駕駛驗(yàn)證、高速公路卡車編隊(duì)行駛驗(yàn)證實(shí)驗(yàn)，同年新設(shè)了“服務(wù)車協(xié)調(diào)WG”和“次期項(xiàng)目WG”兩個(gè)工作組，其中“次期項(xiàng)目WG”工作組此次總結(jié)了面向社會(huì)實(shí)施無人駕駛服務(wù)的“次期項(xiàng)目工程表”，提出了2021年-2025年5年期間應(yīng)致力解決的4個(gè)課題；2021年2月22日，日本實(shí)現(xiàn)了卡車后車無人編隊(duì)行駛技術(shù)測試。韓國現(xiàn)代汽車集團(tuán)已經(jīng)商用了Level2自動(dòng)駕駛技術(shù)，計(jì)劃在2022年推出Level3自動(dòng)駕駛汽車，計(jì)劃到2027年之前投入1.1萬億韓元（9.74億美元）來加速Level4自動(dòng)駕駛技術(shù)和促進(jìn)其他相關(guān)技術(shù)的發(fā)展。2、國內(nèi)發(fā)展現(xiàn)狀工業(yè)和信息化部2016年在上海開展上海智能網(wǎng)聯(lián)汽車試點(diǎn)示范；在浙江、北京—河北、重慶、吉林、湖北等地開展“基于寬帶移動(dòng)互聯(lián)網(wǎng)的智能汽車、智慧交通應(yīng)用示范”，推進(jìn)自動(dòng)駕駛測試工作。2016年北京已出臺(tái)智能汽車與智慧交通應(yīng)用示范5年行動(dòng)計(jì)劃，將在2020年底完成北京開發(fā)區(qū)范圍內(nèi)所有主干道路智慧路網(wǎng)改造，分階段部署1000輛全自動(dòng)駕駛汽車的應(yīng)用示范。江蘇于2016年11月與工業(yè)和信息化部、公安部簽訂三方合作協(xié)議，共建國家智能交通綜合測試基地。中國自動(dòng)駕駛技術(shù)較為領(lǐng)先的是百度公司。2015年，百度大規(guī)模投入無人車技術(shù)研發(fā)；2017年4月，百度對(duì)外宣布開發(fā)自家的自動(dòng)駕駛技術(shù)阿波羅平臺(tái)（Apollo）；7月，發(fā)布Apollo1.0，主要是完整的封閉場地循跡自動(dòng)駕駛。同年9月，Apollo1.5發(fā)布，支持晝夜定車道自動(dòng)駕駛，可實(shí)現(xiàn)夜間環(huán)境下的障礙物識(shí)別，以及非典型交通場景下的異性障礙物識(shí)別，新增障礙物感知、決策規(guī)劃、云端仿真、高精地圖服務(wù)、端到端的深度學(xué)習(xí)；2018年1月，Apollo2.0發(fā)布，增加障礙物行為標(biāo)注數(shù)據(jù)、2D障礙物標(biāo)注數(shù)據(jù)、日志提取仿真場景數(shù)據(jù)。2018年3月，發(fā)布了Apollo數(shù)據(jù)及前沿技術(shù)品牌ApolloScape，正式開放ApolloScape大規(guī)模自動(dòng)駕駛數(shù)據(jù)集。2019年9月，基于Apollo開放平臺(tái)的自動(dòng)駕駛出租車隊(duì)Robotaxi

在湖南長沙正式開啟試運(yùn)營。截止2019年底，北京、上海、浙江等省市先后發(fā)布了地方性自動(dòng)駕駛汽車支持性政策和實(shí)施方案，從自動(dòng)駕駛路測、產(chǎn)業(yè)基礎(chǔ)以及網(wǎng)絡(luò)建設(shè)等方面支持自動(dòng)駕駛的發(fā)展；截止2020年底，江蘇、廣東、浙江、湖南，河南和海南6個(gè)省發(fā)布了省級(jí)自動(dòng)駕駛測試政策。2021年5月2日，百度無人駕駛出租車ApolloRobotaxi在北京首鋼公園啟動(dòng)并運(yùn)營。用戶可以通過應(yīng)用程序?qū)ふ腋浇腞obotaxi，然后通過掃描二維碼和健康碼驗(yàn)證身份即可使用。1）人工智能成熟度還有待發(fā)展，其實(shí)遠(yuǎn)沒有達(dá)到人類的期待和通過圖靈測試的水平，目前還沒有一種像人類思考的通用型人工智能算法。自動(dòng)駕駛汽車面臨的最核心問題是路況識(shí)別感知。通過各種傳感器替代駕駛者眼睛和耳朵的功能，使車輛對(duì)車輛周邊的障礙物、交通信號(hào)、行人以及其他車輛狀態(tài)和操作進(jìn)行正確識(shí)別。到目前為止，谷歌、特斯拉等頂級(jí)自動(dòng)駕駛研究機(jī)構(gòu)仍難以達(dá)到當(dāng)前自然人的識(shí)別水平。以人工智能中的深度學(xué)習(xí)為例，在圖像識(shí)別、語音識(shí)別和文本識(shí)別方面確實(shí)取得了突破。但是也不能忽視其對(duì)數(shù)據(jù)的苛刻以及不可解析性，同時(shí)還很難應(yīng)付新情況，其可靠性和安全性也有待驗(yàn)證。2）傳感器沒有達(dá)到理想的狀態(tài)，每一種用于自動(dòng)駕駛的傳感器都有局限性和缺點(diǎn)。多線激光雷達(dá)精度高，抗干擾能力強(qiáng)，但是價(jià)格過高，不適合用于民用車；毫米波雷達(dá)的橫向精準(zhǔn)度不是很高，有可能漏檢靜止物體；攝像頭的檢測能力和可靠性高度依賴算法的水平，還易受光照強(qiáng)度和雨霧天氣的影響。二、自動(dòng)駕駛存在的問題3）網(wǎng)絡(luò)安全問題。隨著智能算法和架構(gòu)軟件的大量應(yīng)用，汽車領(lǐng)域的代碼量在前所未有的快速增加，很多借鑒的代碼并沒有在汽車上進(jìn)行嚴(yán)格的驗(yàn)證。自動(dòng)駕駛汽車的網(wǎng)絡(luò)化、信息化程度極高，一旦電腦程序錯(cuò)亂或者被入侵，如何繼續(xù)保證自身車輛以及周圍其他車輛的行駛安全，是未來急需解決的問題。4）自動(dòng)駕駛汽車的道德倫理和法律法規(guī)問題。自動(dòng)駕駛車輛面對(duì)復(fù)雜的路況所做出的決策均由自動(dòng)駕駛系統(tǒng)的中央處理器做出。那么，車輛在不同的情況下做出何種決策可能涉及倫理道德問題。如果一款全新型號(hào)的機(jī)動(dòng)車，想要進(jìn)入市場，首先需要符合一系列環(huán)保標(biāo)準(zhǔn)，并通過穩(wěn)定性以及安全性測試。對(duì)于自動(dòng)駕駛汽車，要想進(jìn)入市場，首先應(yīng)該具備完成自動(dòng)駕駛、處理行人亂穿馬路、汽車闖紅燈以及軟件智能車突發(fā)問題的能力。制定自動(dòng)駕駛汽車的市場準(zhǔn)入標(biāo)準(zhǔn)，對(duì)政府也是一項(xiàng)重大的挑戰(zhàn)，因?yàn)椴粌H要制定自動(dòng)駕駛汽車機(jī)械方面的標(biāo)準(zhǔn)，還要制定車載電子系統(tǒng)的標(biāo)準(zhǔn)。其次，責(zé)任認(rèn)定問題。自動(dòng)駕駛汽車在絕大部分時(shí)間里都是由汽車上的自動(dòng)駕駛系統(tǒng)控制，一旦自動(dòng)駕駛汽車發(fā)生事故，車上人員、汽車生產(chǎn)企業(yè)和軟件生產(chǎn)企業(yè)三者責(zé)任如何認(rèn)定，亟待有關(guān)部門制定出合理的法律法規(guī)。自動(dòng)駕駛汽車在降低交通事故發(fā)生概率和緩解交通擁堵等方面有著巨大的發(fā)展?jié)摿?，雖然現(xiàn)在還有很多問題亟待解決，但自動(dòng)駕駛汽車已經(jīng)成為未來汽車發(fā)展的必然趨勢。本文作者認(rèn)為未來自動(dòng)駕駛汽車的發(fā)展方向有以下幾個(gè)方面。1）自動(dòng)駕駛技術(shù)和新能源汽車相結(jié)合。新能源汽車也是未來汽車發(fā)展的重要方向之一。由于化石燃料的有限且不可再生，以及化石燃料燃燒對(duì)環(huán)境的污染，新能源汽車必將取代傳統(tǒng)化石燃料汽車。自動(dòng)駕駛技術(shù)和新能源汽車的結(jié)合，也是未來汽車發(fā)展的必要趨勢。電動(dòng)汽車與自動(dòng)駕駛技術(shù)有著很高的契合度。首先自動(dòng)駕駛系統(tǒng)中使用了大量的傳感器和高性能處理器，這些裝置的耗電量極大，傳統(tǒng)內(nèi)燃機(jī)汽車的蓄電池不僅難以滿足電量需求，還會(huì)增加能量轉(zhuǎn)換中的能量浪費(fèi)，而電動(dòng)汽車無需能量轉(zhuǎn)換，容易滿足自動(dòng)駕駛系統(tǒng)的電量需求節(jié)省能源；其次內(nèi)燃機(jī)的底層控制算法相比于電機(jī)要復(fù)雜太多，從效率和開發(fā)難度方面考慮都不如電動(dòng)機(jī)，自動(dòng)駕駛技術(shù)和電動(dòng)汽車控制技術(shù)更容易相互統(tǒng)籌協(xié)調(diào)，融為一體。自動(dòng)駕駛的電動(dòng)汽車才應(yīng)該是未來汽車的“成熟”形態(tài)。三、發(fā)展趨勢2）將自動(dòng)駕駛技術(shù)與5G車路協(xié)同技術(shù)相結(jié)合，充分利用5G的高帶寬、低時(shí)延、高可靠性、海量互聯(lián)的特點(diǎn)同時(shí)利用北斗的高精度定位、精細(xì)化導(dǎo)航、精準(zhǔn)度授時(shí)特點(diǎn)和V2X人、車、路、網(wǎng)相融合等領(lǐng)域的優(yōu)勢。通過車內(nèi)、車與車、車與路、車與人、車與服務(wù)平臺(tái)的全方位連接和數(shù)據(jù)交互，提供綜合信息服務(wù)，形成汽車、電子、信息通信、道路交通運(yùn)輸?shù)刃袠I(yè)深度融合的新型產(chǎn)業(yè)形態(tài)。未來的5G車路協(xié)同自動(dòng)駕駛示范區(qū)，將推進(jìn)智能網(wǎng)聯(lián)汽車與智慧交通、智慧城市融合發(fā)展，形成涵蓋下一代汽車研發(fā)設(shè)計(jì)、智能終端制造、智慧交通和智慧城市應(yīng)用的完備產(chǎn)業(yè)體系。5G車路協(xié)同系統(tǒng)3）互聯(lián)網(wǎng)企業(yè)和傳統(tǒng)汽車企業(yè)相結(jié)合，兩種技術(shù)路線相融合，互為補(bǔ)充?；ヂ?lián)網(wǎng)企業(yè)在高精度地圖和大數(shù)據(jù)方面擁有得天獨(dú)厚的優(yōu)勢，而傳統(tǒng)汽車企業(yè)在制造和布局方面有著豐富的經(jīng)驗(yàn)，并且傳統(tǒng)汽車企業(yè)牢牢控制著汽車市場。未來自動(dòng)駕駛汽車絕不是簡單的在傳統(tǒng)汽車上加一些傳感器，傳統(tǒng)汽車需要重新考慮總體布局，考慮總體安全性，汽車上的一些經(jīng)典的操作機(jī)構(gòu)可能會(huì)消失。兩種技術(shù)路線各有優(yōu)缺點(diǎn)，將車聯(lián)網(wǎng)技術(shù)應(yīng)用于基于傳感器探測與控制的高級(jí)駕駛輔助ADAS技術(shù)上，不僅可以讓汽車有了“眼睛”和“耳朵”，還可以讓汽車提前預(yù)知傳感器探測范圍以外的車輛、行人和信號(hào)標(biāo)志等道路情況，相當(dāng)于動(dòng)駕駛系統(tǒng)的“大腦”里有一張即時(shí)更新的高精度地圖，對(duì)周圍物體的位置和運(yùn)動(dòng)狀態(tài)以及路況了如指掌，可以提前對(duì)可能發(fā)生的突發(fā)情況作出預(yù)處理，減輕高級(jí)輔助駕駛ADAS處理器所需要處理的運(yùn)算量，提高自動(dòng)駕駛汽車對(duì)突發(fā)情況的應(yīng)對(duì)能力，同時(shí)還可以提前規(guī)劃出最優(yōu)路線，減緩擁堵。車聯(lián)網(wǎng)對(duì)網(wǎng)絡(luò)傳輸速度有著較高的要求，在無線通信環(huán)境中，難以保證信息傳遞的及時(shí)性。當(dāng)網(wǎng)絡(luò)環(huán)境不佳時(shí)，自動(dòng)駕駛汽車可以通過高級(jí)駕駛輔助ADAS技術(shù)中的激光雷達(dá)、攝像頭等設(shè)備感知周邊環(huán)境，識(shí)別關(guān)鍵地理信息與運(yùn)動(dòng)物體，并對(duì)之進(jìn)行標(biāo)注與追蹤，實(shí)現(xiàn)自動(dòng)駕駛。1．感知系統(tǒng)自動(dòng)駕駛技術(shù)包含三大系統(tǒng)，分別是感知系統(tǒng)、決策系統(tǒng)和控制執(zhí)行系統(tǒng)。感知系統(tǒng)是實(shí)現(xiàn)自動(dòng)駕駛的前提和基礎(chǔ)，自動(dòng)駕駛汽車的感知系統(tǒng)中常配備多種傳感器，傳感器相當(dāng)于自動(dòng)駕駛汽車的眼睛。通過傳感器,自動(dòng)駕駛汽車能夠識(shí)別道路其他車輛、行人、障礙物和基礎(chǔ)交通設(shè)施。感知系統(tǒng)以多種傳感器捕獲的數(shù)據(jù)，可在各種路面工況下精確感知。以及高清地圖的信息作為輸入,經(jīng)過一系列的計(jì)算和處理，來預(yù)估車輛的狀態(tài)和實(shí)現(xiàn)對(duì)車輛周圍環(huán)境的精確感知，可以為下游決策系統(tǒng)模塊提供豐富的信息，使得電腦進(jìn)行準(zhǔn)確恰當(dāng)?shù)臎Q策。傳感器分別有激光雷達(dá)，毫米波雷達(dá)，超聲波雷達(dá)，視覺傳感器等。第三節(jié)自動(dòng)駕駛技術(shù)構(gòu)成一、自動(dòng)駕駛技術(shù)三大系統(tǒng)（1）激光雷達(dá)

激光雷達(dá)是一種通過脈沖激光照射目標(biāo)并用傳感器測量反射脈沖返回時(shí)間來測量目標(biāo)距離的測量方法?？梢杂眉す夥祷貢r(shí)間和波長的差異制作目標(biāo)的數(shù)字三維表示。激光雷達(dá)是自動(dòng)駕駛不可或缺的傳感器。激光雷達(dá)指工作在紅外和可見光波段的，以激光為工作光束的雷達(dá)。激光雷達(dá)是向目標(biāo)發(fā)射探測信號(hào),然后將接收到的從目標(biāo)反射回來的信號(hào)與發(fā)射信號(hào)進(jìn)行比較,作適當(dāng)處理后獲得目標(biāo)的有關(guān)信息，但是激光雷達(dá)在下雨天等其他環(huán)境易受影響。激光雷達(dá)成本較高，大約近1萬美元左右，這依然是自動(dòng)駕駛車輛的瓶頸。激光雷達(dá)（2）毫米波雷達(dá)通常毫米波是指30～300GHz頻域的。毫米波的波長介于厘米波和光波之間，因此毫米波兼有微波制導(dǎo)和光電制導(dǎo)的優(yōu)點(diǎn)。毫米波導(dǎo)引頭穿透霧、煙、灰塵的能力強(qiáng)，具有全天候全天時(shí)的特點(diǎn)，抗干擾性較強(qiáng)，反隱身能力也優(yōu)于其他微波導(dǎo)引頭，但是在大雨天仍然難以工作。成本較于激光雷達(dá)要便宜很多。可以對(duì)目標(biāo)進(jìn)行有無檢測、測距、測速以及方位測量。一般與視覺傳感器配合使用。毫米波雷達(dá)（3）超聲波雷達(dá)

超聲波指的是工作頻率在20kHz以上的機(jī)械波，它具有穿透性強(qiáng)、衰減小、反射能力強(qiáng)等特點(diǎn)。超聲波測距的原理是利用測量超聲波發(fā)射脈沖和接收脈沖的時(shí)間差，再結(jié)合超聲波在空氣中傳輸?shù)乃俣葋碛?jì)算距離。超聲波測距的原理簡單、成本低、制作方便，且超聲波對(duì)雨、雪、霧的穿透性較強(qiáng)，可以在惡劣天氣下工作，超聲波雷達(dá)常常被用到倒車輔助系統(tǒng)中，告知駕駛?cè)酥車系K物的情況，解除駕駛?cè)说管嚂r(shí)的視野死角，提高駕駛安全性。超聲波雷達(dá)（4）視覺傳感器

視覺傳感器是整個(gè)車輛視覺信息的直接來源，主要由一個(gè)或者兩個(gè)圖形傳感器組成，有時(shí)還要配以光投射器及其他輔助設(shè)備。視覺傳感器的主要功能是獲取足夠的機(jī)器視覺系統(tǒng)要處理的最原始圖像。汽車通過視覺傳感器能夠清楚地辨識(shí)物體，準(zhǔn)確理解交通信號(hào)燈、標(biāo)識(shí)及車道所表達(dá)的含義。大多數(shù)視覺傳感器識(shí)別可見光圖像，也有部分傳感器識(shí)別紅外光的圖像。視覺傳感器的低成本和易用性已吸引機(jī)器設(shè)計(jì)師和工藝工程師將其集成入各類曾經(jīng)依賴人工、多個(gè)光電傳感器。某視覺傳感器2．決策系統(tǒng)智能決策技術(shù)是指融合多傳感信息、根據(jù)駕駛需求而進(jìn)行的控制決策，包括行為預(yù)測、任務(wù)決策、路徑規(guī)劃、行為決策等多個(gè)方面，是汽車實(shí)現(xiàn)自動(dòng)駕駛的“大腦”。動(dòng)態(tài)的車道級(jí)路徑規(guī)劃是智能決策的基本需求。從空間尺度上看，路徑的規(guī)劃可分為全局路徑規(guī)劃和局部路徑規(guī)劃，目前傳統(tǒng)的路徑規(guī)劃屬于全局路徑規(guī)劃，以道路為最小單元，而不考慮車道的方向、寬度、曲率、斜率等信息。自動(dòng)駕駛在全局規(guī)劃下還需要車道級(jí)的局部路徑規(guī)劃，以提供車道級(jí)別的行駛路線。從時(shí)間尺度上看，路徑規(guī)劃可分為靜態(tài)規(guī)劃和動(dòng)態(tài)規(guī)劃，傳統(tǒng)路徑規(guī)劃已經(jīng)能夠?qū)崿F(xiàn)實(shí)時(shí)性不強(qiáng)的動(dòng)態(tài)規(guī)劃功能，例如躲避擁堵、路線調(diào)整等，而自動(dòng)駕駛需要更具實(shí)時(shí)性的路徑規(guī)劃能力。此外，行為預(yù)測能力成為智能決策技術(shù)的重大短板。在技術(shù)發(fā)展路線上，行為決策是自動(dòng)駕駛必然要掌握的基本技能。從人類駕駛經(jīng)驗(yàn)來看，行為預(yù)測也是駕駛?cè)藦男率值绞炀氝^程的必備技能，從自動(dòng)駕駛體驗(yàn)來看，盡管自動(dòng)駕駛能夠提供更加安全可靠的駕駛方式，但舒適性很差，更像是人類新手駕車，急停、慢起步等操作凸顯行為預(yù)測能力的不足。在技術(shù)的成熟度上，在深度學(xué)習(xí)等人工智能算法的快速發(fā)展下，目標(biāo)的檢測識(shí)別技術(shù)已經(jīng)逐漸成熟，對(duì)目標(biāo)行為的理解和預(yù)判成為下一階段的重要挑戰(zhàn)。任務(wù)決策使自動(dòng)駕駛的汽車融入整個(gè)交通流。自動(dòng)駕駛中任務(wù)規(guī)劃結(jié)構(gòu)描述了道路、車道和行駛?cè)?jí)任務(wù)分工，在道路級(jí)進(jìn)行全局的任務(wù)規(guī)劃，當(dāng)探測到道路阻塞時(shí)，要求重新規(guī)劃任務(wù)，并做分解調(diào)整。軌跡規(guī)劃是根據(jù)局部環(huán)境信息、上層決策任務(wù)和車身實(shí)時(shí)狀態(tài)信息，規(guī)劃決策出局部空間和時(shí)間內(nèi)車輛期望的運(yùn)動(dòng)軌跡，并將規(guī)劃輸出的期望車速以及行駛軌跡等信息給下層車輛控制執(zhí)行系統(tǒng)。軌跡規(guī)劃層應(yīng)能對(duì)任務(wù)決策層產(chǎn)生的各種任務(wù)分解做出合理規(guī)劃。異常處理作為預(yù)留的智能駕駛系統(tǒng)安全保障機(jī)制，一方面是在遇到復(fù)雜路面容易造成車輛損壞、部件失效等問題時(shí)，通過預(yù)警和容錯(cuò)控制維持車輛安全運(yùn)行；另一方面是決策過程某些算法參數(shù)設(shè)置不合理、推理規(guī)則不完備等原因?qū)е伦詣?dòng)駕駛汽車在行為動(dòng)作中出現(xiàn)某些錯(cuò)誤時(shí)，能夠建立錯(cuò)誤修復(fù)機(jī)制使自動(dòng)駕駛汽車自主地修正錯(cuò)誤，以減少人工干預(yù)來解決問題，這是提高車輛智能化水平所必需的。3．控制系統(tǒng)控制系統(tǒng)主要包括2個(gè)模塊：控制模塊和執(zhí)行模塊。其中控制模塊主要負(fù)責(zé)將決策系統(tǒng)的輸出信息轉(zhuǎn)換為各個(gè)執(zhí)行模塊的控制指令，執(zhí)行模塊在接收到指令之后，根據(jù)指令準(zhǔn)確地控制各個(gè)底層對(duì)象（轉(zhuǎn)向、制動(dòng)、加速、擋位）。與其相關(guān)的控制理論可分為經(jīng)典控制理論和現(xiàn)代控制理論兩類。（1）經(jīng)典控制理論

經(jīng)典控制理論主要是PID控制，對(duì)于實(shí)際的工程問題，應(yīng)用最多的控制方法的是比例-積分-微分控制（ProportionIntegrationDifferentiation，PID），即PID控制。因其結(jié)構(gòu)簡單、工作可靠、穩(wěn)定性好、參數(shù)調(diào)整便利而成為工業(yè)控制主要工具。當(dāng)不能精確掌握被控對(duì)象的數(shù)學(xué)模型和控制參數(shù)時(shí)，其他控制理論的適用受到很大局限，需要依靠經(jīng)驗(yàn)和現(xiàn)場調(diào)試來確定控制器結(jié)構(gòu)和控制參數(shù)，此時(shí)PID控制器是一個(gè)有效的解決方案。PID控制主要包含三個(gè)過程：比例控制、積分控制、微分控制。

比例控制是PID控制中最簡單的控制方式，比例控制的輸出與輸入的誤差值成比例關(guān)系，但僅有比例控制時(shí)，系統(tǒng)的輸出一般存在穩(wěn)態(tài)誤差。積分控制的輸出與輸入誤差值的積分成正比關(guān)系。對(duì)于一個(gè)控制系統(tǒng)，如果系統(tǒng)在進(jìn)入穩(wěn)態(tài)后仍然存在一定的穩(wěn)態(tài)誤差，就稱其為有差系統(tǒng)。為了消除這部分穩(wěn)態(tài)誤差，必須在控制器中引入“積分項(xiàng)”。對(duì)誤差求關(guān)于時(shí)間的積分，可知隨著時(shí)間的增加，積分項(xiàng)的值會(huì)隨之增大。因此，即使誤差很小，隨著時(shí)間的增加積分項(xiàng)也會(huì)愈來越大。微分控制的輸入與輸出誤差值的微分（即誤差變化率）成正比關(guān)系。控制系統(tǒng)在消除誤差的過程中可能會(huì)出現(xiàn)頻繁振蕩甚至失穩(wěn)現(xiàn)象，其原因是因?yàn)橄到y(tǒng)中存在較大慣性或滯后的環(huán)節(jié)，使得消除誤差的環(huán)節(jié)的變化總是滯后后于誤差的變化。解決該問題的方法是使消除誤差的環(huán)節(jié)的變化“超前”，也就是在誤差接近零時(shí)，消除誤差的環(huán)節(jié)已經(jīng)是零。因此，在控制器中只用比例控制往往是不夠的，因?yàn)楸壤?xiàng)的作用是放大誤差的幅值，而這種情況下需要增加的是微分控制，因?yàn)樗軌蝾A(yù)測系統(tǒng)誤差的變化趨勢。對(duì)具有較大慣性和滯后特點(diǎn)的控制對(duì)象，比例控制和微分控制能改善系統(tǒng)在動(dòng)態(tài)調(diào)節(jié)過程中的系統(tǒng)特性。積分控制使控制器的輸出增大的同時(shí)，使穩(wěn)態(tài)誤差進(jìn)一步減小，直到誤差完全消除。因此，比例控制和積分控制相結(jié)合，可以使系統(tǒng)快速進(jìn)入穩(wěn)態(tài)，并且無穩(wěn)態(tài)誤差，一般稱為PI控制。綜上所述，PID控制就是根據(jù)系統(tǒng)的誤差，通過比例、積分、微分三個(gè)過程計(jì)算出控制量，然后輸入到被控對(duì)象，一般的PID控制器的結(jié)構(gòu)圖如下：PID控制結(jié)構(gòu)簡圖（2）現(xiàn)代控制理論

現(xiàn)代的控制理論大概主要有7種：線性二次型最優(yōu)控制、模糊控制、自適應(yīng)控制、模型預(yù)測控制、神經(jīng)網(wǎng)絡(luò)控制、滑模控制、魯棒控制。1）線性二次型最優(yōu)控制線性二次型最優(yōu)控制也稱線性二次型調(diào)節(jié)器(linearquadraticregulator，L