北航田大新教授：车-路-云一体化系统关键技术及应用实践

9月18日，2022世界智能网联汽车大会智慧交管与车网协同主题峰会在北京·中国国际展览中心（顺义馆）正式召开。会上，北京航空航天大学交通科学与工程学院副院长田大新发表了题为“车-路-云一体化系统关键技术及应用实践”的演讲。

以下内容为现场演讲实录：    

非常荣幸能有机会参加这次论坛，感谢杨院长刚才的介绍。我今天带来的汇报主题是车路云一体化的系统，为什么涉及到这个主题，其实和今天的大会智能网联汽车密切相关。

我们知道智能网联汽车的发展主要背景是移动网络的快速发展，其实移动网络在我们整个不管是智能网联汽车，还是在整个交通领域里已经在很多方面发挥了巨大作用，通过PPT可以看到，早期的ETC已经非常普及了。到后来蜂窝移动通信的发展，出现了车载通信，以及到现在所处的从3G到4G，服务于安全预警，以及辅助驾驶的技术开始融合发展，这就催生了我们现在智能网联的主题。

其实未来的后5G时代以及未来的6G，我们很多研究领域专家提出了路径，是完全实现自动驾驶，靠单车智能现在还有一些技术瓶颈，怎么突破这些难题，通过网络支撑对破解以及新技术体系出现会带来契机，6G里很重要的垂直应用行业就是支持自动驾驶。

除了网络快速发展带来的契机，还有大数据和人工智能，这两个是通用的行业和技术方向，它在交通的垂直应用领域里发挥了非常重要的作用。现在的智能交通很多企业或者说研究机构的技术突破方向就是我们说的交通大数据，通过大数据的技术来催生新一代的智能交通系统，同时也符合未来出行的主题。未来出行肯定是智能化的，信息服务会泛载化，以及服务于交通出行的管控系统，它肯定是全局的优化，因为它可以从以前传统的局部，由于互联互通，由于有了大数据，我们可以利用人工智能的技术实现全局的优化。

这是整个技术发展的背景，但是新的技术出现，它很难直接适用于某个应用领域，的确大量的网联车来了以后会带来新的问题，比如说我们以数据为例，海量汽车的智能化加网联化，会导致产生数据的爆炸式增长。为什么是爆炸式？我们现在举的例子是一辆智能汽车产生的数据量会超过40G，因为它有车载摄像头和雷达以及传统传感器等，这些信息以电动车为例，大家都知道实时都在联网，但传统车后续有后装，但主流的趋势是未来新下线的车，不管是传统燃油车还是新能源汽车，它的数据在线是个常态化的功能。

为什么传统大数据技术不能直接适用，因为它的特点是如果车在路上它是一直在线，同时道路上的车辆是川流不息，永远会有车辆在，那数据并发就一直在。传统大数据技术要突破瓶颈问题，比如说双十一购物或者春晚抢红包，它是某个时段出现大数据迸发，而车辆带来的是不间断的并发，这就给传统大数据技术带来了新应用的挑战以及新的技术方向。

同时我们说从道路这块，现在在倡导道路自动化，高速公路基础设施建完以后怎么智能升级改造，也成为了新的商业契机。的确路端随着智能化的发展，它会使得传统道路从结构复杂和规模复杂带来了集中爆发的问题。这个问题是说集中式的架构是导致出现时延和带宽的消耗，以及结构性的矛盾。怎么破解矛盾才能支撑未来车路协同的系统，其实也是需要从很多技术方面突破的方面。

我今天的报告主题是车路云，为什么要提云？云计算是在信息技术里非常热的方向，但我们说中心化的云在支撑我们未来的智能网联汽车的系统时是存在瓶颈制约的，因为云都会有大数据中心或者云中心，自然就会成为瓶颈，这个瓶颈就导致数据处理的实时性和时效性降低，车辆对时效性或者延迟是非常关注的，因为车辆高速行驶的状态下它的安全管控和时延要求非常高，现在的技术体系要求是毫秒级的时候中心化的架构是存在挑战的，无法直接适用于新生领域。

我们说有了新技术出现也有新场景需求，大家都开始关注这个事情，我们国家也是在建设纲要以及前一段时间联合出的智能汽车创新发展战略里都把方向作为重要领域，当然国际上的美欧日国家都在布局。有了这样的背景之后，今天给各位领导、专家简单介绍一下我们实验室目前在这个领域做的工作。我们也是针对上面提到的三个技术瓶颈问题，分别从感知、传输、控制方面进行了研究。首先要剖析出现的技术问题，那就要找到导致这个问题的原因是什么，首先要发现它的机理和本质，本质是离不开车辆特殊的环境，就是它高速行驶，道路环境又复杂又多变，同时我们的系统又是耦合的，是博弈的，在高复合、复杂、博弈的系统上，怎么实现精准的感知和可靠地组网传输以及优化控制，这是密切相关的。

我们针对这三个瓶颈分别从三个角度做了探索性的研究，比如说在感知层面提出了多元传感信息的学习融合感知技术体系，它主要是希望能破解或者在一定程度上提高环境感知的准确度和鲁棒性。这里主要提出了不确定性表彰和误差演化机理，把它应用到模型的推理和深度学习，最终实现多场景多视角地感知信息融合。

在这块我们建立了一套学习算法，同时针对幻灯片所示的在暗光或者天气不良的环境下怎么实现精准的识别，其实它对道路环境的感知，对车辆自动驾驶的感知都很有用，我们这块也发表了高水平的学术论文。

还有一类问题是我们说感知信息很容易出现在高动态复杂环境下干扰强，又是博弈的竞争系统，这时候有可能会导致信息缺失，或者受到异常干扰产生噪声，这种情况下如何把信息进行辨识或者缺失信息进行弥补，这也是个很热的点，我们也做了工作，把它应用到V2X平台上。

我们把信息论和多智能体的协同相结合，从理论上创新性地提出了分布式信息融合的感知方法，用通俗的话来说，就是我们每一个车辆和个体能够感知部分信息，那未来的交通信息或者车辆的行驶环境我们希望知道的是全局信息。部分信息怎么拼凑融合成全局信息，这里面会有重叠部分和缺失部分，怎么从理论上证明分布式的全局系统和感知方法，减少误差还能弥补信息缺失不足的问题，最终形成全局的信息概念，这从未来车辆和交通系统这块会非常有应用的前景。

第二块是在传输这块，主要是想解决在高动态的情况下怎么实现稳定的组网和传输，这块也是把仿生等的技术结合起来，提出了一套功率的优化控制方法。首先是根据按需的多模式组网机理实现传输，这个方向下提出将群体净化的博弈和网络信道拥堵定价机制相结合，应用均衡策略来提出通信资源和网络链路资源博弈的优化方法，这块我们把它做了深入研究，发表到了权威的学术期刊上。

同时我们也把仿生机制引入进来，因为它既然是博弈系统，所谓的博弈就是说你多了别人少了，是大家竞争的资源，这时候怎么在这个环境下实现优化？我们提出把大自然里通过几亿年进化形成的优良机制引入到工程系统里，所以提出了把细胞的自我净化和保证在恶劣的环境中能有效生存的机制引入到工程里，提出了动态的路由机制算法。这块我们也引领了方向的发展，发表了多篇论文。

同时我们在前面的基础上提出了联合分布式随机学习和功率控制的方法，也就是网络传输时，比如说要提醒前面周边车辆有事故发生，这时候数据要捋给谁，谁帮我转发，比如说远离这个地区的车辆就不要传递这个信息，因为可能会带来垃圾信息或者干扰他人，而且这个信息传给的车辆也不会行驶到这个区域，这个时候怎么提高效率的问题或者准确性的问题，因为它还涉及到时效性的问题。比如说你这个消息慢慢扩散和蔓延，那个事故已经处理完了，道路已经处理畅通了，你还在传输消息，那就属于虚假消息，反而造成了干扰，所以怎么实现传输信息的优化，这块我们提出了分布式随机学习的观念。

前面是感知和传输，第三是从控制层面，提出了怎么实现通信和计算资源的协同，尤其是群体情况下，怎么实现大规模节点构成的复杂系统下的优化。首先我们知道通信是一个传统学科，计算是一个学科，在这两个学科下各自的体系，支撑他们保证通信怎么可靠优化，又要保证计算高效和时效性强。我们知道智能网联汽车它是综合体，既需要通信又需要计算，这时候两者相混，这两个资源应该协同起来考虑，所以我们从这个角度出发提出了联合优化的方法。在这块我们将大规模群体车辆重要的应用方向，也就是计算卸载，所谓计算卸载是什么意思？打个比喻，会有很多任务，这个任务可以分包分成子任务，然后把子任务交给不同个体完成，最后把结果汇总形成总任务的结果，这就是所谓的计算卸载要满足的应用方向。

这时候计算卸载其实也是边缘计算非常热的研究方向，我们智能网联汽车天然是一种非常适合于计算卸载的任务，可以通过周边车辆和周边路测测试把大任务快速计算完，通过分布式机制形成快速的优化结果。这块我们也提出了车路云的均衡卸载策略。

因为最终要服务于道路交通系统控制，尤其在城市里主要控制就是信号灯，这时候怎么优化全局，我们不是说单点和单个路段，因为单点的路口优化了可能周边路口反而堵了，你这一条路是畅通的，但是周边的路网可能会堵，这时候我们要考虑全局优化，怎么从个体延伸到全体的高效性，这块因为有了计算和通信以及实时的路网信息，那就可以实现。这块我们通过仿真实验做了400个路口构成了区域，的确我们将全局的优化在等候时间、排队长度以及性能指标上取得了进展。

同时在控制层面从自动驾驶来说很重要的应用领域是车辆的编队控制，但是我们说现在的车辆不是说所有车辆都是智能和无人驾驶的。有的是智能的有的不是智能的，这在未来技术发展过程中肯定会出现，这个阶段中，包括现在已经开始出现，这时候它们之间不是同制的，那怎么分析对编队控制有没有安全性影响，我们从理论上揭示，到底它对安全这套有没有保障机制，这样对队列编队控制算法研究非常有用。

最后的时间关系，简单介绍一下我们的实验室。其实通过前期纵向的国家科技项目以及横向的示范区建设和城市建设我们也开发了一系列原型系统和示范系统，取得了不错的应用效果，同时我们也针对未来的交通系统建立了车路云感传一体化的平台系统，可以服务于未来的交通出行以及交通管控和服务于整个智能交通系统的建设。

最后提一下，刚才提到的其实都是应用，但背后因为是信息系统，如果没有信息安全的保障体系我们很难放心把这套系统进行应用。因为你的车辆是开放的环境，而且是无线的网络接收，别人可以通过非物理的介入接入到系统里，这时候怎么保证安全，我们实验室这边也深度参与了最早的国家首批新能源车里立的两个车辆的信息安全课题，是北航牵头负责，通过这两个课题提出了端网云一体化的安全认证和异常检测体系。从国家来说也非常重视这个方向，我们也在不断迭代整个技术创新。因为信息安全保障是基石，没有基石这套系统就非常脆弱，商业化推广应用和国家管控都会存在问题。

时间关系我就简单汇报这些，总的来说未来车-路-云肯定是服务于新一代智能交通系统和车路协同以及智能网联汽车，从未来出行和共享交通工具到出行方式以及管控系统和整个大的交通系统里，肯定是未来重要的方向。

我的汇报到此结束，也欢迎各位专家和领导有时间去我们实验室指导交流，谢谢。

（注：本文根据现场速记整理，未经演讲嘉宾审阅）