5:

!!!

第$

章面向路面监测的车辆协作感知

!!

车辆协作感知是通过挖掘智慧车辆采集数据的相关性!进行有效的信息协同

处理"数据融合及智能信息决策等!从而有效服务于各类型智能交通应用#道路路

面路况监测是智慧车辆联网的网络面向智能交通系统的重要应用之一#面向路面

监测的智慧车辆之间的协作感知技术是借助车辆移动感知网络的技术手段"实现

准确有效的路面事件监测的关键技术#面向路面监测的车辆移动感知过程主要通

过机动的自组织的车辆网络技术"传感器等技术!对采集的数据进行处理!从而监

测出道路环境中影响道路交通的路面事件#相比单一来源车辆数据提供的有限监

测能力和噪声等问题!车辆间的协作感知能有效提高监测准确性#

本章首先对智慧车辆的协作技术相关研究进行了分析和阐述#在此基础上!

提出了一种车辆协作事件推荐方法!用于高移动性车辆在面临)稀疏数据*时的道

路路面事件诊断#针对车辆移动网络的感知过程中可能存在的)噪声*问题!提出

了一种车辆协作信息过滤方法!用于监测事件的过滤!提高监测结果的准确性#

$"!

!

智慧车辆的协作技术

$"!"!

!

智慧车辆协作应用系统

!!

随着智慧交通技术的发展!智慧车辆技术研究得到广泛关注#通过智慧车辆

84

!!!

间协同协作!共享环境和交通信息!完成典型交通场景下车与车的协作!如车队"路

口和超车协作!用于提高道路交通的安全性和运行效率#一些发达国家率先开展

了智慧车辆的协作研究!研发了相关应用系统#%4

世纪:4

年代和%!

世纪初!日本

的协同驾驶系统C)A-%444

&

!

'演示系统给出了协作驾驶辅助系统的设计构想#随

后!欧美等发达国家也相继启动了相关研究项目#美国加州智能交通研究计划

#RFU

$

ID*'Q-(,'D#D(/,)(+Q-(R7ZD,N)7F(D,+'/D,7U'

?

=0D

E

+

%

&

8

'旨在通过智慧

车辆组网的协作通信!利用车间协作!改善加州公路的交通效率!增加行驶安全性#

法国国家资讯与自动化研究所的欧盟第五框架I

E

H)(ID(+

和欧盟第六框架多智能

车协作I

E

H)(ID(+2%

项目&%'旨在城市范围内的多智慧车辆跟随"车队管理"智能车

协作通信和多车交互等!通过对不同类型智能车辆在多种路况下进行大量实验!实

现了复杂路口的多车协作控制#德国P.FWT$RSW

项目&5'致力于交叉路口的车

辆防撞!通过协作通信手段!预估车辆碰撞可能!进行车辆防撞的安全预警#车间

通信是车辆协作的关键技术之一!旨在通过实现车间通信协议!保障多车协作的实

时"可靠和分布式等特性#其相 关 的 系 统 有 基 于 车 辆 组 网 的 车 载 通 信 系 统

S*))/.)/

项目&3'"辅助驾驶系统ID(FD*1%444

&

9

'和.)/0-(1-,&=))*+

&

@

'等#

近十年来!国内相关研究也受到了广泛关注和重视#众多车联网研究联盟纷

纷建立!如上汽"长安等汽车企业纷纷开展车联网技术的探究!并与高校"研究机构

等建立长期联盟合作#国内许多高校开展了智能车的研发!多种实验车型不断涌

现!如国 防 科 技 大 学 的IPFRMF

系 列"吉 林 大 学GJFPM

智 能 车"浙 江 大 学

R\M\R;

系列智能车"西安交通大学)夸父一号*智能车等#清华大学智能技术与

系统国家重点实验室研制和独立开发了具有自主驾驶和遥控驾驶功能的智能车辆

FULT2M

&

B

'

!配备"#$

"激光雷达等多类型传感器!并可应用于车辆车道线自动跟

踪"道路跟踪!复杂环境下的主动避障等#由上海交通大学智能车实验室与法国国

家信息与自动化研究所"葡萄牙科因布拉大学机器人系统研究所等联合开展的中

欧合作I

E

H)(I5

&

:

'智能车系统!开展了智能车辆队列启停"超车!以及通过车辆联

网实现路口协作等系列研究和实验#

$"!"#

!

车辆协作通信技术

车辆协作通信技术是车辆组网中用于数据传输和信息交换的重要手段!通过

车辆之间的协作式通信机制!使得无线资源"感知资源等得到共享!提升网络性能

8!

!!!

和效率#考虑到车辆联网和道路交通应用的复杂环境!适应车辆网络的无线通信

技术一般要具有低延时"低功耗和高速率等特点!且通信技术还要能够较好地适应

于高移动性的环境#根据车辆网络的通信需求划分!可分为车内通信"车间通信"

车路通信和车外通信#车辆间的协作通信技术关注的是车间通信!主要应用于多

个车辆之间进行有效的通信"传输数据!实现各类型道路交通相关的应用!具有一

定实时性等要求#其传输距离通常在数百米到!1A

的范围!适用技术包括红外技

术"微波技术"专用短距离无线通信技术等#目前的智能交通领域主要采用的是专

用短距离无线通信C$TI

技术进行车辆间通信#C$TI

技术载波频率为36:"UV

!

通信速率可达8LH'/

,

+

!通信有效距离接近!44A

!抗干扰性能优于无线局域网

技术#

车辆移动感知网络中的车间通信具有车辆高速移动所造成的网络稀疏性和不

连通性等!目前研究工作中普遍采用了容断容延迟网络中所使用的)存储3转发*

$

ND((

E

D,7Q-(0D(7

%的数据通信机制!即当车辆之间无法找到直接路径时!车辆节

点将本地先存储数据!当发现有新的车辆接近通信路由接收方时!将新的车辆节点

作为数据转发节点!帮助信息传输#这种车间通信方式引发的车辆节点间的两种

协作模式#一种是+遵照传统的自组织组网方式!对节点的移动性没有人为控

制&!4!!!'#这种类型的协作通信!主要是利用车辆随移动性产生的)碰面*!并利用

)碰面*来交换彼此没有的数据信息#为了避免数据包交换过程可能带来的冲突"

过多冗余数据包交换导致的严重拥塞等问题!在车辆网络中可以考虑车辆的历史

移动轨迹并用于通信#但这种方法通常假设在过去)碰面*的车辆将来也有较大可

能)碰面*#事实上!车辆网络中这种假设常常不存在!即许多车辆只)碰面*一次#

另一种则是+考虑车辆节点的可控性!并利用可控的移动性用于数据传输和交换#

\'

等人&!%'提出通过主动的修改移动节点的轨迹用于协作的通信过程#>=D-

等

人&!5'提出增加消息)摆渡*的方式!来用于协作和数据的传递#

$"!"$

!

车辆协作感知技术

车辆协作感知主要是通过综合各种类型"来源的多源车辆采集的感知数据!利

用车辆节点所提供的传感"存储和处理能力!提取相较单一车辆更多的感知数据信

息!并将这些数据信息进行整合和分析处理!提取更为有效的处理信息#车辆协作

感知技术突破了单一车辆对于信息获取的局限性!避免了单一车辆在获取信息上

8%

!!!

可能存在的信息缺失"盲区等问题!提高对于应用任务的有效性和准确性#车辆协

作感知过程中!将协同协作方式使用各车辆节点的传感器资源!获取相较于单一车

辆节点的更为全面和完整的城市道路交通相关的环境信息#车辆协作感知过程中

有不同的车辆协作方式#一些协作方式要求特定用户的干预和互动!其他一些协

作方式则不需要!而在不经意间自动完成协作过程#如在文献&!8

"

!3

'中提出的方

法!不需要车辆驾驶人员的直接参与行为即可自动完成车辆的环境监测活动#车

辆协作感知往往涉及上下文监测的相关内容!如自动驾驶模式监测&!9'和行为识

别&!@'!这些可被利用于协作的道路交通应用而最小化驾驶人的参与#

协作感知技术相关的关键技术还有数据融合和数据分析#通常采用的手段有

使用基于语义的手段进行数据融合!包括使用本体&!B'和推理器&!:'!可实现不同设

备和传感器数据的较高层次的信息融合#P*D(('

等人&%4'提出了对于移动对象!如

车辆进行语义融合的分布式架构#数据分析则涉及城市范围的道路交通相关大数

据的空时分析!并从其中提取有用信息服务于感知应用#此外!车辆协作感知中可

能涉及人员轨迹等数据的收集和存储!因此应当考虑驾驶人用户信任和私有性的

问题#例如!恶意用户可能提供假的信息扰乱应用系统目标或获取收益等#一些

研究也开展了智能交通相关感知应用的信任度管理研究&%!'#

车辆协作感知技术的实现方法与具体应用相关!无线传感器网络的传感器节

点协作方法无法很好地适应于车辆移动感知应用环境#在车辆移动感知环境下!

由于车辆的高移动性"城市道路交通路况环境的复杂性!导致机动网络的拓扑变化

较快#此外!道路交通和车辆行驶中受自然环境"道路地形特征和人为因素等影响

较大!车辆节点采集信息存在噪声和稀疏数据等问题!从而易出现误检$QD*+)

D*D(A

%!导致监测准确性低#

一些研究者针对移动自组织网络"无线传感器网络的感知应用!提出了基于人

工智能的方法!通过本地节点协同协作!利用机器学习"支持向量机"贝叶斯神经网

络!或运用隐马尔可夫模型等!进行事件特征提取和分类判断事件产生的概率!实

现事件监测(这些事件监测方法&%%2%3'用于车辆移动感知应用环境时!需要事先对道

路车辆特定环境下的数据集进行训练!由于道路交通和车辆行驶中受自然环境"道

路地形特征和人为因素等影响较大!实时数据集的训练有一定困难!并直接影响感

知监测应用系统性能(这些方法计算复杂度高!不能很好地适应于车辆移动感知自

组织机动的分布式网络环境#如果使用了不适当的车辆传感器数据进行协同!或

在其性能"误差统计等方面给出错误的先验信息!都很难准确有效地监测事件#面

85

!!!

向具体监测应用的车辆协作感知方法应当保证事件监测的准确性"低代价以及易

于实现!根据模型和感知数据选择合适的车辆节点数据进行协同协作!用于提高事

件监测性能!同时满足操作简单性#

$"#

!

基于车辆协作感知的路面事件监测

$"#"!

!

一种车辆协作路面监测方法

!!

本节提出一种车辆协作路面监测方法#通过提取位置相关"时间相关和行驶

行为相关的多车辆"多传感器的数据!进行协作信息融合和事件决策处理!用于判

定路况事件!从而提高道路路面事件监测的准确性#在方法实施前!需要进行一些

网络和应用的初始工作#将待应用系统的道路监测区域近似为一个矩形区域!并

提取待监测区域的城市道路地形图#在此基础上!根据道路路面监测应用的需求!

例如!监测精度要求!将待监测区域划分为许多个监测子小区!分别对这些子小区

执行道路路面的监测#道路路面监测系统初始化如图56!

所示#车辆移动感知过

程中车辆联网示意图如图56%

所示#

图$"!

!

道路路面监测系统初始化

88

!!!

图$"#

!

车辆联网

车辆协作路面监测方法的执行流程如下+首先!所有监测子小区都处于初始

状态!即尚未启动协作路面监测的状态#应用过程中!携带各类型传感器节点并具

有无线通信和处理能力的智能车辆!随行驶过程"周期性的采集待监测道路区域的

道路交通环境数据!并进行车辆节点的本地数据融合!得到本地融合数据#这些融

合的本地数据将通过车辆到路侧基站的通信方式!传递到路侧基站接收并进行存

储#由路侧基站收集其覆盖范围内多个车辆节点的本地数据!并根据收集的多源

数据!开展协作处理!试图挖掘不同车辆"不同传感器采集数据的相关性!包括位置

相关性"时间相关性和车辆行驶行为相关性#在此基础上!通过信息处理技术!进

行道路行车相关的事件预测#当发现有影响道路安全的事件时!由路侧基站向其

覆盖区域内的车辆节点发布该事件进行预警#其过程如图565

所示#

根据上述流程图!设计车辆协作路面监测方法如下所述#

步骤!

+在收到车辆节点发送的周期性融合数据后!路侧基站存储该观察数

据!设在时刻&

车辆节点"

<

的观察数据为=

$

"

<

!

&

%!车辆节点"

<

当前位置落在子小

区0

'

内!根据协作感知条件进行处理!所述协同监测条件为车辆节点"

<

的观察数

据=

$

"

<

!

&

%大于等于预设的阈值(如果满足协作感知条件且子小区0'

尚未启动协

作感知!则进入步骤%

#

83

!!!

图$"$

!

车辆协作路面监测流程图

步骤%

+由路侧基站启动子小区0

'

的协作感知过程!提取位置相关"时间相关

和行驶行为相关的数据并进行处理!包括提取&

时刻与子小区0

'

位置相关的车辆

节点数据并处理得到车辆节点"

<

的监测可信度!提取子小区0

'

在时间间隔&&

d*

!

&

'内时间相关的车辆节点数据并处理得到基于事件的历史数据相关度!以及提取

89

!!!

与子小区0

'

中具有行驶行为相关度的所有车辆节点数据并处理得到子小区0

'

车

辆节点的行为改变度#

提取&

时刻与子小区0

'

位置相关的车辆节点数据并处理得到车辆节点"

<

的

监测可信度!采用以下方法#

$

!

%将满足>

$

"

<

?

!

0

'

%

$

@

的车辆节点"

<

?

作为位置相关的协作车辆节点!计算

车辆节点"

<

?

到子小区0

'

的监测能力A

$

"

<

?

!

0

'

%!如式$5(!

%所示+

A

$

"

<

?

!

0

'

%

-

!

.

>

$

"

<

?

!

0

'

%

$ %

@

>

$

"

<

?

!

0

'

%

$

@

4 >

$

"

<

?

!

0

'

%

%

&

'

(

@

$

5(!

%

其中!从路侧基站覆盖的某个车辆节点"

<

?

的坐标$B

"

<

?

!

C"

<

?

%到所在子小区0

'

的中

心点坐标 $B

0'

!

C0'

%的几何距离>

$

"

<

?

!

0

'

%

c

))

$

B

"

<

?

!

C"

<

?

%

d

$

B

0'

!

C0'

%

))

!

@

为感知距

离参数!取值为车载传感器的最大感知距离#

$

%

%根据所有位置相关的协作车辆节点在&

时刻的数据!得到&

时刻子小区0

'

的加权平均监测数据=

$

0

'

!

&

%如式$5(%

%所示+

=

$

0

'

!

&

%

-

!

"

D

<

?

-

!

A

$

"

<

?

!

0

'

%

"

D

<

?

-

!

A

$

"

<

?

!

0

'

%

E

=

$

"

<

?

!

&

% $

5(%

%

式中+D

为所有位置相关的协作车辆节点的数目#

$

5

%由所有位置相关的协作感知车辆节点的加权平均监测数据=

$

0

'

!

&

%!得到

&

时刻车辆节点"

<

的监测可信度#

$

"

<

!

&

%如式$5(5

%所示+

#

$

"

<

!

&

%

-

!

.

;

=

$

"

<

!

&

%

.

=

$

0

'

!

&

%

;

AD[

$

;

=

$

"

<

!

&

%

.

=

$

0

'

!

&

%

;

!

=

$

0

'

!

&

%%

$

5(5

%

式中+=

$

"

<

!

&

%为&

时刻车辆节点"

<

的观察数据#

提取子小区0

'

在时间间隔&&

d*

!

&

'时间相关的车辆节点数据并处理得到基

于事件的历史数据相关度!采用如下方法+用'

!

表示事件数据类别!用'

4

表示非

事件数据类别!每个类别发生概率分别为F

$

'

!

%和F

$

'

4

%(对于&

时刻车辆节点

"

<

未知类别的样本观察数据=

$

"

<

!

&

%记为=

"

<

!

&

!得到基于事件的历史数据相关度

G%

$

=

"

<

!

&

%如式$5(8

%所示+

G%

$

=

"

<

!

&

%

-

)[

O

.

$

=

"

<

!

&

.

%

%

%

H

$

=

"

<

!

&

.

%

%

%

%!

%

.

(

%

*,%

).

!

%

*,

;

!

%

;/

*,F

$

'

%

& '

%

$

5(8

%

式中+(

为维度(%c4

!

!

(

%

%

为'

%

类样本的均值(!

%

为'

%

类多维样本数据的方差

8@

!!!

矩阵#

提取与子小区0

'

中具有行驶行为相关度的所有车辆节点数据并处理得到子小

区0

'

车辆节点的行为改变度#根据预设的距离阈值>

+I

!提取满足条件为&

时刻落

在子小区0

'

质心$B

0'

!

C0'

%的距离范围>

+I

内的所有车辆节点数据!满足条件的所有

车辆节点数目记为J

!设满足条件的任一车辆节点为"

,

!计算车辆节点"

,

在一个最

近时间间隔*?

的行为改变度I

$

0

'

!

&

%如式$5(3

%所示+

I

$

0

'

!

&

%

-

!

J

"

J

,

-

!

*

!

.

N-+

+

$

*

,!

!

*

,%

%

%

/

$

!

.

*

%

;*

,!

.*

,%

;

AD[

$

*

,!

.*

,%

& '

%

$

5(3

%

式中+车辆节点"

,

在时刻&

d*?

的速率为K

,!

!车辆节点"

,

在时刻&

的速率为K

,%

!

AD[

$

K

,!

!

K

,%

%为速率K

,!

和K

,%

中的较大值!*

为权重参数!+

$

*

,!

d

*

,%

%为速率K

,!

的矢

量变化到速率K

,%

的矢量的方向夹角!,

的取值为!

!

%

!/!

J

#

步骤5

+由路侧基站根据步骤%

所得车辆节点"

<

的监测可信度"基于事件的

历史数据相关度和子小区0

'

车辆节点的行为改变度!采用加权投票的方法!得到在

&

时刻子小区0

'

路况事件产生概率F

:

$

0

'

!

&

%!如式$5(9

%所示+

F

:

$

0

'

!

&

%

-$

2

!

D?

"

D?

<

-

!

#

$

"

<

!

&

%

/

,

2

!

D?

"

!?

<

-

!

G!

$

=

"

<

!

&

%

/

$

!

.$.

,

%

2

I

$

0

'

!

&

%

$

5(9

%

式中+$

"

,

为权重参数且满足4

$$$

!

!

4

$

,

$

!

(

D?

为路侧基站记录的所有针对子

小区0

'

报道疑似事件数据的车辆节点的最大数目#

步骤8

+由路侧基站进行判定!若由步骤5

所得概率F

:

$

0

'

!

&

%大于或等于预设

阈值F

+I

!则判定&

时刻子小区0

'

有道路路面事件产生!路侧基站记录该路况事件

并向其覆盖范围内车辆节点和其他路侧基站广播该事件(子小区0

'

初始状态恢复

为尚未启动协作监测状态!协作感知流程回到步骤!

处继续执行#

$"#"#

!

模拟测试

模拟场景考虑在某特定道路监测区域的%4

个自由行驶的车辆节点机动组网#

各车辆装载有一个类型相同的加速度传感器!用于测量L

轴方向加速度#区域内

有多个水平和垂直方向的平行车行道!车辆可沿着与车行道平行的两个方向行驶!

道路交叉口的车辆可沿着水平和垂直的8

个方向行驶!最大行驶速率54A

,

+

#道

路区域中心位置部署一个路侧基站!该基站可覆盖整个道路监测区域#路侧基站

8B

!!!

可向覆盖范围内的车辆节点和其他路侧基站发送广播消息!包括周期性的网络维

护消息"发布道路事件消息"数据请求消息和参数阈值调整消息等#路侧基站可通

过互联网连接到智能交通路况监测中心!向监测中心提交事件数据并由监测中心

对实时路况监测进行全局管理#

图$"$

!

#=

个车辆的道路监测场景

应用系统和网络初始化过程将待监测的城市道路区域近似为344g344

平面

矩形区域"监测区域划分为规模相同的3g3

的网格状的子小区!分别按行和列位

置索引号来标记各子小区!即0

!

$

4

!

4

%!

0

%

$

4

!

!

%!/!

0

3

$

4

!

8

%!

0

9

$

!

!

4

%!

0

@

$

!

!

!

%!/!

0

!4

$

!

!

8

%!/!

0

%!

$

8

!

4

%!

0

%%

$

8

!

!

%!/!

0

%3

$

8

!

8

%#提取主干车行道路地形图如图5M5

中粗实线标记所示!该粗实线标记的是多车行道的城市道路!车辆在该区域各自车

道上沿与车道平行的两个方向行驶!主干道路交界处车辆可以沿着水平和垂直的

8

个方向即hB

!

dB

!

h

C

!

d

C

行驶#各车辆节点在网络初始化时被分配了唯一PC

号!车辆节点标记为3c

0

"

!

!

"

%

!/!

"

%4

1!道路中央的路侧基站PC

号为4

!该基站

可覆盖整个道路区域#上述网络示意图如图5M5

所示#取车辆携带的同类型传感