车路协同控制是指基于无线通信、传感探测等技术进行车路信息获取,通过V2V、V2I信息交互和共享,实现车辆和基础设施之间智能协同与配合,达到优化利用系统资源、提高道路交通安全、缓解交通拥堵的目标。 车路协同控制已成为智能交通发展的新方向,而新一代的通信技术则是车路协同控制的关键,它为智能交通提供V2V、V2I之间高速可靠的智能传输通道。 智慧交通车路协同控制的架构如图5-41所示。车路协同通过端、管、云三层架构实现环境感知、数据融合计算、决策控制,从而提供安全、高效、便捷的智慧交通服务。
(1)端端是指交通服务中实际参与的实体元素,包括通信功能的车载单元( On Board Unit,OBU)、路侧单元( Road Side Unit,RSU)等,感知功能的摄像头、雷达等,以及路侧交通设备包括红绿灯、电子公告牌等。
(2)管管是指实现交通各实体元素互联互通的网络,包括4G/5G、C.V2X网络支持根据业务需求的灵活配合,同时保障通信的安全可靠。
(3)云云是指实现数据汇集、计算、分析、决策以及基本运维管理功能的平台,根据业务需求可部署在边缘侧或中心云在“端一管一云”新型交通架构下,车端和路端将实现基础设施的全面信息化形成底层和顶层的数字化映射:5G与C-V2X联合组网构建广覆盖蜂窝通信与直联通信协同的融合网络,保障智慧交通业务连续性:人工智能和大数据实现海量数据分析与实时决策,建立智慧交通的一体化管控平台。
一、大数据技术。
大数据是指数据没有办法在可容忍的时间下使用常规软件方法完成存储、管理和处理任务。大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据是“未来的新石油”。
自动驾驶汽车每行驶8h将产生并消耗约40TB的数据,这意味着自动驾驶汽车将至少像依赖石油或电力一样依赖数据。自动驾驶汽车可以通过大数据分析做出明确、合理的决策,保障汽车安全行驶。随着自动驾驶程度的提高,为自动驾驶提供支持的技术变得更加复杂,这就需要更多的数据。
从大数据的生命周期来看,大数据主要包括大数据采集、大数据预处理、大数据存储、大数据分析。大数据采集是对各种来源的结构化和非结构化海量数据所进行的采集;大数据预处理指的是在进行数据分析之前,先对采集到的原始数据所进行的诸如“清洗、填补、平滑、合并、规格化、一致性检验”等一系列操作,旨在提高数据质量,为后期分析工作奠定基础:大数据存储是指用存储器以数据库的形式存储采集到的数据的过程:大数据分析是从可视化分析、数据挖掘算法、预测性分析、语义引擎、数据质量管理等方面,对杂乱无章的数据进行萃取、提炼和分析的过程。
1.大数据技术的特点。
(1)规模性数量从TB级别跃升到PB级别,集中储存/集中计算已经无法处理巨大的数据量。
(2)多样性数据的种类和来源多样化,非结构化数据增长远大于结构化数据,如互联网中有大量网络日志、视频、图片、地理位置信息等。
(3)高速性数据增长速度快,处理速度要求快;大数据往往需要在秒级时间范围从各种类型的数据中获得高价值的信息,这一点和传统的数据挖掘技术有着本质的不同。
(4)价值性价值密度低,商业价值高:只要合理利用数据并对其进行准确的分析,将会带来很高的价值回报大数据特点可以归纳为4个“VVolume(规模性)、 Variety(多样性)、Velocity(高速性)和 Value(价值性)。
2.大数据技术在自动驾驶中的应用。
自动驾驶主要依靠智能传感器感知周围环境信息,并自行作出驾驶行为决策控制车辆到达既定目的地。其核心在于深度的A1算法,但这又依靠海量大数据和高性能计算。
(1)自动驾驶汽车如何收集数据自动驾驶汽车使用来自各种内置传感器来收集数据,在自动驾驶汽车中,来自各种内置传感器的数据可以在毫秒内得到处理和分析,这使得汽车不仅可以从A点到B点安全行驶,而且还可以将路况信息传递给云端,从而传递给其他车辆。然后,来自互联汽车的大数据将与其他智能汽车共享。
（2)哪些传感器帮助自动驾驶汽车收集数据为了观察和感知自身周围的一切,自动驾驶汽车通常使用三种类型传感器:摄像头、毫米波雷达和激光雷达摄像头可帮助汽车获得周围环境的360°全景。不仅如此,现代摄像头还可以提供逼真的3D图像,识别物体和人,并确定它们之间的距离。但恶劣的天气条件损坏的交通标志和对比度不足会影响摄像头的性能。天气条件不会影响毫米波雷达,它可以检测移动物体,实时测量距离和速度。激光雷达可以创建周围环境的3D图像并绘制地图,从而在汽车周围创建360°视图在自动驾驶中更为关键的组件是帮助分析自动驾驶汽车中数据的软件。
连接到网络后,自动驾驶汽车不仅可以将其所有传感器的数据传递到云端,而且还能立即对情况做出响应。
(3)自动驾驶汽车如何处理大数据自动驾驶汽车必须有传感器、人工智能软件和云服务器。自动驾驶汽车通过定位技术确定自己的世界坐标位置,并结合来自内部传感器的数据来确定它的速度和方向:同时,还需要在地图中定位,标志、标记、车道和各种障碍物都要考虑在内。利用收集到的数据,自动驾驶汽车可以针对道路上的许多可能情况制定策略。自动驾驶汽车之间的数据共享将有助于避免交通堵塞,同时考虑天气状况并应对紧急情况。
3.大数据技术对自动驾驶的作用。
①环境感知。尽管自动驾驶汽车配有雷达和视觉传感器,使它们能够感知周围的环境,但如果不能获得可靠的数据流,以及了解周围的情况和未来的预判自动驾驶汽车就会存在安全风险。未来的自动驾驶汽车可以依靠传感器和已有的大数据,将不同数据有效融合起来,建立一个基于大数据的感知系统,保障自动驾驶汽车的安全行驶。
②驾驶行为决策。自动驾驶汽车行驶过程中,如何将汽车控制好,这样的驾驶行为决策在路况简单时,过去传统的方式是基于规则的判定。而在未来更复杂的环境包括拥堵情况,基于数据驱动的驾驶行为的决策,会变成未来整个发展的
主流。大数据在交通行业已经实现商业化应用。采集了车速及安全带使用、制动加速习惯及下班后的用车习惯等相关信息。若该类数据可以共享,用于自动驾驶硏发人员可将该类数据用于机器学习,更精确地定位车辆信号及路况情况,从而提升自动驾驶的安全性,降低事故发生率。
如何将海量数据高效地传输到运营点和云集群中,如何将全部海量数据成体系地组织在一起,快速搜索,灵活使用,为数据流水线和各业务应用如训练平台仿真平台、汽车标定平台提供数据支撑,均涉及大数据技术。
