過去 20 年中，車載通訊系統(tǒng)一直是汽車基本的安全通信和交通管理方式，但現(xiàn)在新款傳感器逐漸開始普及，為車主換來了更棒的連接和更安全的駕駛體驗(yàn)。汽車用上無線通訊技術(shù)后，應(yīng)用開始支撐基本安全、交通效率和互聯(lián)網(wǎng)接入等功能，車輛在 V2V 模式和 V2I 模式下實(shí)現(xiàn)了直接通信。同時，連接還成了自動駕駛車輛集成大量傳感器的自然補(bǔ)充。
由于自動化水平的不同，市場上的自動駕駛車輛也各不相同。有些車輛雖然有自動駕駛功能，但駕駛員卻要全程緊握方向盤;但另一個極端的自動駕駛，是沒有方向盤。在這兩種極端情況之間，駕駛員可以選擇是否介入。
舉例來說，自動駕駛程度較低的汽車，只會在危險時刻提醒駕駛員潛在碰撞將要發(fā)生，而自動駕駛程度較高的汽車，則會自動剎車并作出躲避。
需要注意的是，即使自動駕駛程度很高，汽車也不能脫離通信系統(tǒng)而存在，因?yàn)橄雽?shí)現(xiàn)完全自動駕駛，如果沒有高精地圖，那就很難實(shí)現(xiàn)。這就意味著汽車要實(shí)時從地圖獲取最新的數(shù)據(jù)。
車載傳感器
支持汽車自動駕駛的傳感器包括車載雷達(dá)、視覺攝像頭和激光雷達(dá)系統(tǒng)。
其中雷達(dá)主要用在自動巡航控制、碰撞預(yù)警、并線輔助和泊車等功能上;視覺攝像頭則負(fù)責(zé)倒車安全、盲區(qū)監(jiān)控、防疲勞和車道保持等功能;激光雷達(dá)的主要任務(wù)則是提供高精地圖信息，以便汽車完成自動導(dǎo)航并及時發(fā)現(xiàn)行人和自行車。
對全自動駕駛汽車來說，這些技術(shù)至關(guān)重要。
舉例來說，特斯拉使用視覺攝像頭來完成高速公路上的自動駕駛，而谷歌則力求精確，主要依靠激光雷達(dá)和 3D 地圖數(shù)據(jù)，同時雷達(dá)系統(tǒng)則負(fù)責(zé)探測其他車輛和障礙物。
需要注意的是，這些技術(shù)的作用范圍要看硬件配置和部署場景。如果在郊區(qū)行駛，雷達(dá)的作用范圍可達(dá) 200 米，激光雷達(dá)也有 35 米，視覺攝像頭則為 30 米。如果換到城市環(huán)境，由于交通擁堵、障礙物眾多，這些硬件的探測范圍就會縮到至幾米。
最重要的是，這些外部傳感器會受制于它們的“視力”，如果加上通訊，車輛的傳感范圍則會大幅提升，因?yàn)樗拿姘朔降能囕v都能給它提供重要信息。
當(dāng)然，自動駕駛車輛到底要交換什么數(shù)據(jù)目前還沒定論，如果數(shù)據(jù)傳輸速率較低，汽車間恐怕只能交換那些經(jīng)過精細(xì)處理的數(shù)據(jù)了。
舉例來說，一輛車上的傳感器如果探測到一輛自行車，會將其位置和速度傳給了其他車輛。如果傳輸速率高，它發(fā)送的可能就是處理較少的原始信息，其他車輛則需要根據(jù)自己傳感器搜集到的數(shù)據(jù)進(jìn)行整合處理。也就是說，擁有高速率和低延遲的通訊系統(tǒng)就能讓處理和未處理的信息進(jìn)行快速交換。
下圖是汽車傳感器及其相關(guān)數(shù)據(jù)摘要，其中也涉及各種傳感器所需的傳輸速率對比。
專用短程通訊技術(shù)(DSRC)主要為交換基礎(chǔ)安全信息和為交通管理提供應(yīng)用而生，該技術(shù)可同時支持 V2V 和V2I。
經(jīng)過 20 年的發(fā)展，DSRC 現(xiàn)在已經(jīng)在開始在美國的新車型上部署了。不過，要想大規(guī)模普及這種技術(shù)，還需要政府授權(quán)。
眼下，DSRC 能支持的數(shù)據(jù)速率還很低，每秒傳輸幾兆而已。此外，DSRC 技術(shù)并不支持原始傳感器數(shù)據(jù)的交換，而這類數(shù)據(jù)對自動駕駛汽車至關(guān)重要。
隨著通信網(wǎng)絡(luò)的發(fā)展，蜂窩通訊也成了車輛間交流的新方式，車輛可直接利用 D2D 模式或通過蜂窩基礎(chǔ)設(shè)施在850 MHz，1800 MHz 或 2100 MHz 三個頻段進(jìn)行通信。
通過 D2D 模式，在 LTE-A 網(wǎng)絡(luò)下基站將幫助車輛完成發(fā)現(xiàn)和溝通的任務(wù)。不過，即使在 LTE-A 網(wǎng)絡(luò)下，D2D 的傳輸速率也有限制，因?yàn)槠湫诺罓顟B(tài)信息不夠準(zhǔn)確，這對移動設(shè)置會產(chǎn)生影響。4G 網(wǎng)絡(luò)通訊較為依賴基礎(chǔ)設(shè)施，但在中高速行駛時傳輸速率還是會降到每秒幾兆。
下圖展示了 DSRC 和 LTE-A 用在 V2V/V2I 通訊時的傳輸速率對比?？紤]到自動駕駛時車輛每小時能生成 1 TB 的數(shù)據(jù)，因此兩項(xiàng)技術(shù)都無法滿足聯(lián)網(wǎng)車輛數(shù)據(jù)交換的需要。
傳感器面臨的挑戰(zhàn)
如今，5G 成了業(yè)內(nèi)眼中自動駕駛的好搭檔，新一代移動網(wǎng)絡(luò)的應(yīng)用包括車輛自動化、交通規(guī)劃、運(yùn)營和資訊娛樂等。
確實(shí)，5G 網(wǎng)絡(luò)上馬后，延遲會低上十倍，而帶寬則會增長十倍，因此非常適合應(yīng)用在汽車上。此外，5G 網(wǎng)絡(luò)特有的毫米波技術(shù)能提供高速數(shù)據(jù)傳輸，原始傳感器數(shù)據(jù)也不在話下。
需要注意的是，高速率資訊娛樂應(yīng)用、聯(lián)合通訊和雷達(dá)未來都會集中在毫米波這一頻率。在毫米波鏈接狀態(tài)下，車輛和行人可能會阻斷主要通訊路徑，同時樹木和建筑等靜態(tài)實(shí)體也會產(chǎn)生阻擋效應(yīng)。
假設(shè)基站搭載了不同的傳感器，如雷達(dá)和攝像頭，就可以通過傳感器的結(jié)合與機(jī)器學(xué)習(xí)來探測潛在的障礙物和相關(guān)的移動物體來幫忙配置通訊鏈接，并提升 V2I 通訊的表現(xiàn)。機(jī)器學(xué)習(xí)算法會利用過去的通訊性能數(shù)據(jù)將特殊的雷達(dá)反饋?zhàn)R別為障礙。
舉例來說，在與靜態(tài)環(huán)境地圖進(jìn)行結(jié)合后，得出的信息會成為算法生成的“養(yǎng)料”，該算法可以預(yù)測車輛行駛中將遇到的不同形式的障礙。算法得出的障礙預(yù)測結(jié)果可反饋到基礎(chǔ)設(shè)施建設(shè)端，這樣基礎(chǔ)設(shè)施就能對車輛起到提醒作用。
除此之外，傳感器和機(jī)器學(xué)習(xí)算法的結(jié)合還能讓交通運(yùn)行中心發(fā)掘更多與交通環(huán)境相關(guān)的信息，同時它們還能不斷提升交通信號和規(guī)劃方面的服務(wù)。
除了以上各個方面，精確定位也是自動駕駛車輛導(dǎo)航時的關(guān)鍵因素。
標(biāo)準(zhǔn)的 GPS 導(dǎo)航系統(tǒng)，即使在多路徑情況下，精確度也只能保持在 2 到 3 米之內(nèi)，但這樣的精度用在自動駕駛上完全不夠，自動駕駛的精確度至少要達(dá)到分米或者厘米級別，這樣車輛才能與其他物體保持安全距離。
即使我們實(shí)現(xiàn)了高精定位，在城市里也會遭遇“城市峽谷”效應(yīng)(高層建筑間)。同時，能完成高精度定位的 GPS 傳感器現(xiàn)在還相當(dāng)昂貴。要想解決這些挑戰(zhàn)，我們就必須使用汽車其他傳感器采集到的數(shù)據(jù)或者用道路基礎(chǔ)設(shè)施對標(biāo)準(zhǔn)的 GPS 數(shù)據(jù)進(jìn)行校正，這樣才能實(shí)現(xiàn)實(shí)時厘米級精確定位。
還有一點(diǎn)，在車輛自動駕駛程度和通訊能力有差別的環(huán)境下，挑戰(zhàn)也會相當(dāng)巨大。想解決這一挑戰(zhàn)，我們可以在基站安裝傳感器，隨后這些傳感器采集到的信息會直接傳遞給聯(lián)網(wǎng)車輛，讓它們對非聯(lián)網(wǎng)車輛和非機(jī)動車產(chǎn)生態(tài)勢感知。
這種依靠基礎(chǔ)設(shè)施的方式，即使在大多數(shù)車輛都沒有通訊能力時也能穩(wěn)定工作，同時全自動駕駛汽車也能借助它更高效地通過十字路口。
*蜂窩網(wǎng)絡(luò)為基礎(chǔ)的交通運(yùn)輸愿景
這樣的方式(如上圖)將圍繞 5G 網(wǎng)絡(luò)完成，因?yàn)槠淠繕?biāo)就是提供更快的傳輸速率。同時，下圖的愿景也正是傳感器、機(jī)器學(xué)習(xí)和通訊等技術(shù)的結(jié)合。
新的戰(zhàn)略研究計(jì)劃
德克薩斯大學(xué)最近推出了新的戰(zhàn)略研究計(jì)劃，負(fù)責(zé)推動該計(jì)劃的是德克薩斯大學(xué)的無線網(wǎng)絡(luò)和通信集團(tuán)(SAVES)，它的目標(biāo)就是解決下一代聯(lián)網(wǎng)車輛遇到的挑戰(zhàn)。
SAVES 為先進(jìn)車輛通訊系統(tǒng)、基礎(chǔ)設(shè)施、傳感器技術(shù)等設(shè)計(jì)了一個通用框架。同時，SAVES 還邀請通訊和汽車界的公司齊聚一堂，與擅長無線通訊、機(jī)器學(xué)習(xí)和交通的學(xué)者們進(jìn)行了一番交流。
借助自己強(qiáng)大的影響力，SAVES 還成功拉美國交通部“入伙”，它的“籌碼”就是數(shù)據(jù)支持的交通運(yùn)營和管理系統(tǒng)(DSTOP)與德州交通部門資助的多個項(xiàng)目。
SAVES 的強(qiáng)悍之處在于它們的無線性能指標(biāo)(如數(shù)據(jù)傳輸速率)和交通運(yùn)輸指標(biāo)(如交通效率和安全)。
最近，該團(tuán)隊(duì)在開發(fā)基礎(chǔ)理論、算法上做了不少實(shí)驗(yàn)，其中一個研究方向是為了建立傳感器輔助通訊技術(shù)的基礎(chǔ)，并利用這一基礎(chǔ)在毫米波 V2X 通訊中完成訓(xùn)練。
另一個研究方向則是毫米波車載通訊基礎(chǔ)理論的研究，他們對最優(yōu)波束寬度和光束的相干時間對其進(jìn)行了調(diào)查，成績斐然。
在一系列實(shí)驗(yàn)中，SAVES 充分利用了美國國家儀器公司的設(shè)備，其中包括毫米波原型產(chǎn)品、雷達(dá)測試和測量工具。在信道測量中，它找來了豐田信息技術(shù)中心和國家儀器公司來幫忙。
同時，一款混合型毫米波 MIMO 原型系統(tǒng)也得到了有效開發(fā)，SAVES 的目的就是測試自研混合型預(yù)編程和信道預(yù)估算法。
在國家儀器公司的設(shè)備之上，SAVES 還成功開發(fā)了聯(lián)合毫米波通訊與雷達(dá)原型產(chǎn)品。除此之外，在實(shí)驗(yàn)數(shù)據(jù)之上完成數(shù)據(jù)融合也是研究的重點(diǎn)項(xiàng)目之一。
總結(jié)
5G 和毫米波通訊無疑會成為下一代傳感器密集型自動駕駛車輛的標(biāo)配，而高速率連接對于傳感器數(shù)據(jù)交換則至關(guān)重要，該技術(shù)能擴(kuò)大車輛傳感器的探測范圍，讓車輛所做的決定更加安全。
傳感能力將成為車載系統(tǒng)性能的分水嶺，而傳感器數(shù)據(jù)不但能提升車輛安全和交通效率，還能直接反哺通訊系統(tǒng)，在低成本的情況下就能建立毫米波鏈接。
基礎(chǔ)設(shè)施不但是通訊的載體，它還成了傳感器和數(shù)據(jù)平臺，它采集的數(shù)據(jù)將用于實(shí)時運(yùn)營、交通網(wǎng)絡(luò)控制和規(guī)劃上。
不過，前途并非一片光明，在前進(jìn)的道路上我們還有許多挑戰(zhàn)需要面對。
