段杰文
(西華大學汽車與交通學院,四川 成都 610039)
智能網聯汽車是現代智能交通系統中的重要環節,在減少交通事故、交通堵塞以及環境污染方面具有重要作用。智能網聯汽車云控基礎平臺 (ICV Base Vehicle Computing Platform),為智能汽車及其用戶、管理及服務機構等提供車輛運行、基礎設施、交通環境、交通管理等動態基礎數據,具有數據存儲分析、云計算等服務機制,支持智能網聯汽車實際應用需求的基礎支撐平臺[1]。
2006年由美國國家標準與技術研究院 (NIST)正式提出云計算,“云計算是一種利用互聯網實現隨時隨地、按需、便捷地訪問共享資源地 (如計算設施、存儲設備、應用程序等) 的計算模式”[2]。
大數據具有數據量大、數據類型繁多、處理速度快、價值密度低的特點。
IDC估測人類產生的數據以每年50%的速度增長,2020年全球將擁有35ZB數據,谷歌公司的Dremel,一種可擴展、交互式實時查詢系統,能夠在2~3s完成PB級別數據查詢[3]。
據亞馬遜公司研究表明:傳統數據處理1PB需要用750天時間,耗資600多萬美元,通過使用云平臺MapReduce技術,則只需要15天2000多美元[4],在提高運算速度的同時,極大地降低了成本。
谷歌無人駕駛汽車上配備了大量傳感器,這些傳感器每秒產生1GB的數據,每年產生數據量將達到2PB。無人駕駛汽車從視覺感知、路徑規劃、路徑跟蹤、底層控制都將產生大量數據,大數據分析將幫助無人駕駛系統做出更加智能、安全、節能、環保的駕駛動作決策。
云平臺與大數據技術,包括智能網聯汽車云平臺架構與數據交互標準,云操作系統,數據高效存儲和檢索技術,大數據的關聯分析和深度挖掘技術[2]。
云平臺一般分為基礎架構設施層、平臺層、應用層。云架構通過虛擬化、標準化、自動化的方式有機地整合云中的軟硬件資源,并通過網絡將云中的服務交付給用戶[5]。
2006年“云計算正式出現在商業領域”,Amazon推出彈性計算云 (EC2)[6]。
2010年,錢哨等人提出智能交通云的概念,利用云計算來服務于智能交通系統提供的各種應用,提高交通安全性以及更好的交通服務[6]。
2015年,Bitam[7]等人認為云計算技術有潛力通過提供各種道路安全參與者 (如警察、災難和應急服務)所需的靈活解決方案 (即替代路線、交通燈同步等)來改善ITS中的道路安全和旅行體驗。同時,他提出了新模型:VANETCloud,分為永久云和臨時云。在車輛上裝載計算機設備,可以同時在固定節點和移動節點來獲取計算資源信息。VCloud包括3層:車內運輸網絡物理系統、V2V網絡和V2I網絡。每層都有不同的子組件。投影的ITS云包括3層:云層、通信層和終端用戶層。
在大數據和云計算研討會上[8],給出了運輸數據處理云服務的2種不同的數據處理模型:納維貝葉斯模型和供應回歸模型。
Ma[9]采用RNM和RNN結構設計了一個交通網絡分析系統,系統通過分析計算出租車一小時的GPS數據,預測交通擁堵的準確率高達88%。
2018年高德交通大數據發布平臺、阿里云及相關數據挖掘支持為基礎,通過熵值法計算權重得到2018年度“交通健康城市”分布圖,表明城市“交通健康指數”與汽車保有量整體呈弱負相關。
智能泊車系統可通過攝像頭、雷達等傳感器的融合,感知周圍環境信息,自動規劃路徑,并通過跟蹤控制系統,正確執行駕駛動作,在無人的條件下,將車輛停放于用戶指定的停車位。在此過程中也會產生大量的數據,響應速度和精確程度反映了自動泊車系統的好壞[16]。
智能泊車云服務的感知需要通過傳感器檢測和云端收集、分析地理位置、泊車可用性、停車位預訂和訂單、交通及車輛信息。
決策過程:停車場是指停車場被定義為“占用”,停車場有一個自由空間,即“空置”。此決定已更新到服務器部件。最后,在決策步驟中,將混合特征與預先定義的閾值進行了比較。
數據挖掘和聯機分析處理。其功能包括:自動預測、關聯分析、聚類、概念描述、偏差檢測。數據挖掘 (Data Mining,DM)可以在大量數據中尋找規律,能夠管理保存計算機產生的圖像、音頻等數據,并在大量數據中凝練提取出其中的有用部分,根據現有數據訓練出一個模型,自動預測后來的發展趨勢。通過車輛挖掘云服務,根據現有車道線,識別前方車輛數據,能夠實現智能車轉向預測以及偏差檢測。高效的數據處理能力,能夠快速發布預警信息,識別道路、行人信息,預防事故發生。
云計算是另一項獨特的特色服務,可將實時應用程序提升到一個全新的水平。云計算服務基本上有助于通過因特網在網絡中提供共享資源。云計算和VANET的集成模型,即車載云在實現車載網絡和智能交通監控系統中的實時安全應用中起著重要作用。
隨著無人駕駛汽車的發展,汽車上產生的數據量必然增多,如何快速處理、分析數據成為了無人車發展必不可少的一環。隨著云平臺的迅猛發展,在智能泊車服務、車輛數據挖掘服務、智能交通云服務越來越多。在未來,無人車在處理視覺、底層、控制層的數據能力將大大提升,將在無人駕駛方面扮演越來越重要的角色。