清華新聞網(wǎng)10月14日電 近日，第25屆IEEE智能交通系統(tǒng)國(guó)際會(huì)議（IEEE International Conference on Intelligent Transportation Systems,ITSC）于中國(guó)澳門(mén)召開(kāi)。ITSC是智能汽車(chē)與智能交通領(lǐng)域的國(guó)際頂級(jí)學(xué)術(shù)會(huì)議，此次會(huì)議收到全世界45個(gè)國(guó)家和地區(qū)的近1300篇投稿。大會(huì)評(píng)選了共3篇最佳學(xué)生論文獎(jiǎng)（Best Student Paper Award），清華大學(xué)自動(dòng)化系2021級(jí)博士生常成同學(xué)的論文《基于邊緣計(jì)算的網(wǎng)聯(lián)自動(dòng)駕駛車(chē)輛的駕駛安全監(jiān)控》（“Driving Safety Monitoring for Connected and Automated Vehicles via Edge Computing”）成功入選。
該文章由清華大學(xué)自動(dòng)化系及土木工程系的研究人員共同完成。清華大學(xué)土木系助理研究員李深和自動(dòng)化系教授李力為論文的通訊作者，李力教授指導(dǎo)的博士生常成為論文的第一作者，其他共同作者包括清華大學(xué)自動(dòng)化系博士后張坤鵬及李力教授指導(dǎo)的博士生張嘉瑋。文章系統(tǒng)地研究了如何利用邊緣計(jì)算來(lái)監(jiān)控網(wǎng)聯(lián)自動(dòng)駕駛車(chē)（connected and automated vehicles,CAV）的運(yùn)動(dòng)，并對(duì)潛在事故（如車(chē)道偏離、碰撞等）進(jìn)行預(yù)警。與僅利用單車(chē)感知的數(shù)據(jù)相比，車(chē)路協(xié)同系統(tǒng)通過(guò)車(chē)與萬(wàn)物（vehicle-to-everything,V2X）的互聯(lián)互通，直接收集網(wǎng)聯(lián)自動(dòng)駕駛車(chē)的運(yùn)動(dòng)數(shù)據(jù)，從而更容易綜合計(jì)算每輛車(chē)的風(fēng)險(xiǎn)，產(chǎn)生更加優(yōu)越的性能。
圖1.ITSC最佳學(xué)生論文獎(jiǎng)
駕駛安全是交通領(lǐng)域和車(chē)輛領(lǐng)域研究的一個(gè)重要問(wèn)題。駕駛安全監(jiān)控系統(tǒng)主要分為兩類(lèi)：車(chē)端系統(tǒng)和路側(cè)系統(tǒng)。典型的車(chē)端高級(jí)駕駛輔助系統(tǒng)（Advanced Driver Assistance Systems,ADAS）依賴(lài)于單車(chē)的感知數(shù)據(jù)，很難實(shí)現(xiàn)對(duì)交通場(chǎng)景的全面和準(zhǔn)確的理解。典型的路側(cè)攝像頭系統(tǒng)監(jiān)控的空間范圍仍然十分有限，不足以支持較大時(shí)空范圍內(nèi)的高精度車(chē)輛運(yùn)動(dòng)預(yù)測(cè)。
圖2.論文提出的框架示意圖
V2X通信技術(shù)的發(fā)展為我們解決駕駛安全監(jiān)控及風(fēng)險(xiǎn)預(yù)警問(wèn)題提供了新的基于協(xié)同駕駛和車(chē)路協(xié)同的思路。借助V2X通信技術(shù)，我們可以收集所監(jiān)控道路的智能網(wǎng)聯(lián)車(chē)輛數(shù)據(jù)，實(shí)施路側(cè)單元邊緣計(jì)算預(yù)警，其優(yōu)勢(shì)包括：系統(tǒng)僅需要收集車(chē)輛的位置和運(yùn)動(dòng)數(shù)據(jù)；系統(tǒng)的數(shù)據(jù)庫(kù)可直接檢索到駕駛環(huán)境數(shù)據(jù)，從而顯著降低感知數(shù)據(jù)的計(jì)算成本，有效避免車(chē)輛遮擋、感知誤差及識(shí)別失效等問(wèn)題，以全面準(zhǔn)確地獲取場(chǎng)景中所有車(chē)輛的信息；系統(tǒng)可以積累海量的車(chē)輛歷史軌跡數(shù)據(jù)用于運(yùn)動(dòng)預(yù)測(cè)和碰撞預(yù)警。
具體而言，文章提出了基于實(shí)時(shí)接收數(shù)據(jù)的快速判定碰撞及風(fēng)險(xiǎn)的算法和相應(yīng)的數(shù)據(jù)結(jié)構(gòu)模型，包含數(shù)據(jù)存儲(chǔ)、軌跡預(yù)測(cè)、碰撞檢測(cè)、風(fēng)險(xiǎn)預(yù)警等功能子模塊。該框架允許我們考慮具有不同自動(dòng)化等級(jí)的網(wǎng)聯(lián)自動(dòng)駕駛車(chē)，并研究網(wǎng)聯(lián)自動(dòng)駕駛車(chē)輛與人類(lèi)駕駛車(chē)輛之間的交互作用。實(shí)驗(yàn)仿真結(jié)果表明了該方法的有效性，預(yù)警命中率顯著優(yōu)于基于單車(chē)感知數(shù)據(jù)的方法。文章還討論了數(shù)據(jù)精度和傳輸時(shí)延對(duì)于預(yù)警預(yù)測(cè)和軌跡規(guī)劃等應(yīng)用性能的影響，確定了保證車(chē)輛駕駛安全的數(shù)據(jù)最低要求。這一研究為協(xié)同駕駛場(chǎng)景下自動(dòng)駕駛的風(fēng)險(xiǎn)預(yù)警及規(guī)劃控制等應(yīng)用奠定了重要基礎(chǔ)，推動(dòng)了協(xié)同駕駛和車(chē)路系統(tǒng)的發(fā)展。
供稿：自動(dòng)化系
編輯：李華山
審核：呂婷
