5G通信技術下的汽車無人駕駛技術之研究

崔辰

摘 要：信息化技術升級體系下5G通信技術逐漸走入人們的生活，物聯網產業的高速進步也帶動了其他領域的發展，汽車無人駕駛受到了越來越多的關注，將5G通信技術和汽車無人駕駛技術予以融合，能進一步推動行業的成長。本文簡要介紹了5G通信技術和無人駕駛導航方式，并著重討論5G通訊技術下汽車無人駕駛技術的應用。

關鍵詞：5G通信技術 汽車無人駕駛技術 導航方式 具體應用

汽車無人駕駛技術模式的研究要將可靠性和安全性作為關鍵，5G通信技術能更好地突破運算體系的瓶頸問題，為無人駕駛技術領域的進一步轉型提供保障，具有深遠的研究價值。

1 理論概述

1.1 5G通信技術

5G通信技術指的就是第五代移動通信技術，技術將5G網絡作為基礎載體。在4G網絡技術基礎上實現峰值的優化。依據相關對比試驗數據可知，28GHz頻段內，5G通信技術的數據傳輸速度能達到1Gb/s，并且，最遠傳輸覆蓋距離可實現2km。正是基于5G通信技術自身優勢，能為移動網絡傳輸性能的優化提供保障，在擴大移動網絡容量的同時，大大縮短傳輸時長，為移動網絡可靠性、穩定性、便捷性優化提供保障[1]。

與此同時，5G通信技術在不同環境中也能發揮其實際作用，因此，其應用場景也在增多。例如，將5G通信技術應用在無人駕駛技術體系中，能打造安全、可靠的駕駛環境，也能推動人工智能AI技術和無人駕駛的完美融合，為產業可持續化發展奠定堅實基礎。

1.2 無人駕駛技術

1.2.1 汽車自動化駕駛技術等級

若是按照駕駛模式的差異化對自動化駕駛技術進行技術等級劃分主要分為以下幾點：

（1）輔助駕駛模式，主要是利用車輛智能系統對方向盤予以控制，亦或是對汽車加速器進行實時性操作。

（2）部分自動駕駛，主要是利用車輛智能系統實現方向盤、加速器等多項操作的自動化聯動。

（3）條件性自動駕駛，指的是大部分駕駛操作工作都由汽車自身完成，駕駛員只需維持注意力進行微調即可。

（4）高度自動駕駛，指的是車輛會在特定的情況下完成駕駛操作，駕駛員無需保持注意力。例如，自動倒車操作。

（5）完全自動駕駛。在所有的應用場景模式中，車輛能實現自動完成所有駕駛操作，且駕駛員無需保持注意力。

1.2.2 無人駕駛導航方式

無人駕駛技術一直是汽車領域研究的重點，如何在安全條件下解放駕駛員的雙手受到了更多的關注，應用相匹配的智能化技術方案保證駕駛體驗的升級。

（1）電磁導引技術。

指的是在駕駛路徑上進行金屬線的預埋，配合金屬線加載導引頻率處理機制，利用對引導頻率識別的方式，就能實現無人駕駛路線的實時性導引處理，這種技術方案最大的優勢就在于引線較為隱蔽，且不會受到外界的污染或者是影響而出現破損問題，能最大程度上提高控制效果和通訊效果[2]。與此同時，電磁導引技術對聲光不會產生干擾問題，相匹配的技術模式制造成本適中。但是這項技術最大的弊端就是路徑局限性大。

（2）光學導引技術。

主要是指在行駛路徑上涂漆或者是粘貼一些彩色膠帶，利用攝像機色帶圖像信號處理完成導引控制，靈活性較好，且地面設置的內容簡單。但是，色彩污染以及機械磨損敏感性較強，因此對周圍環境要求較高，這就會對導引的可靠性造成一定程度上的影響。

（3）激光導引技術。

主要是指在行駛路徑的周圍集中安裝精度準確性較好的反射板，利用發射激光束的方式，采集反射板反射激光束，確定位置和具體的方向，并且，借助連續三角幾何運算處理機制，完成實時性激光雷達導引處理工作[3]。激光導引技術最大的優勢就是定位非常準確，并且無需在地面其他位置完成定位設施的處理，這就大大提升了行駛路徑的靈活度。

（4）視覺引導技術。

主要是對行駛區域進行環境圖像識別，配合智能行駛處理模式，就能打造自由路徑引導技術方案。較為常見的方式中，一種是在地面粘貼二維碼，配合AGV視覺傳感器讀取二維碼信息，然后獲取位置和姿態，并且能實現自主定位與實時性導航[4]。第二種就是應用視覺SLAM技術方式建立完整的障礙物信息讀取，有效減少碰撞或者是裝備損傷。因為該項技術還處于研發試驗階段，因此目前主要應用在輔助性導引方面。SLAM是同步定位和地圖構建的縮寫，主要是解決機器人未知環境運動狀態下定位和地圖構建處理問題的應用模式，能更好地維持定位管理、障礙處理以及導航控制等內容，并且配合無人駕駛汽車激光雷達傳感器就能實現定位、跟蹤、路徑規劃以及控制等。

2 5G通信技術在汽車無人駕駛領域中應用的價值

正是基于5G通信技術的優勢作用，在汽車無人駕駛領域中應用5G通信模式，要整合具體的技術應用要點，發揮移動通信網絡技術運行節點的作用，實現無人自動駕駛汽車領域的全面進步。

2.1 提升駕駛安全性

對于汽車駕駛工作而言，汽車駕駛安全性是非常關鍵的要素，要整合技術應用要求和規范運行方式，從而確保技術應用控制滿足安全標準。結合相關研究數據可知，緊急情況出現后，人類駕駛員正常作出反應的時間大約是500ms，而這種應急時效性是在駕駛員各方面指標滿足正常狀態下得出的。一旦駕駛員處于疲勞駕駛、非正常狀態駕駛等環境，其反應時間會大大延長，很容易造成嚴重的安全事故。由此可知，人類駕駛員緊急情況的避險反應時間存在很大的不確定性，并且任何失誤操作、誤判操作都會引發嚴重的問題。然而，若是借助5G通信技術建立無人駕駛模式應用控制，其網絡延遲會在10ms以內，相較于人類反映時長的500ms，能大大提升汽車運行的安全性和穩定性，也為遠程無人駕駛安全性提供支持。

另外，在進行5G通信技術實時性監測數據分析后可知，實現5G通信技術的全面覆蓋，配合遠程遙控無人駕駛汽車的延遲能在5ms以下，也就意味著將5G通信技術融合在無人駕駛技術中，能更好地維持車輛在高速公路上運行，及時檢索問題和安全隱患并采取緊急避險處理方案，提升汽車駕駛的安全性和穩定性，減少安全事故的發生幾率。

除此之外，5G通信技術應用在自動代駕應用控制模式中，建立酒駕代駕控制機制，能提升實時性安全水平[5]。利用駕駛模式建立跟蹤互聯控制機制，確保汽車能順利行駛在指定的區域內，并且?？堪踩Ｕ墙柚悄馨踩刂品绞剑浞职l揮5G通信技術的應用優勢，打造高質量、高水準的無人駕駛應用體系，減少酒駕情況的發生幾率，也能大大降低交管部門工作人員的工作強度，保證交通安全性的同時，為社會和諧發展提供支持。

2.2 改善交通現狀

伴隨著交通行業的可持續發展，出行車輛的數量在不斷增多，據相關數據顯示，我國是全世界范圍內汽車保有量數值較高的國家。而且，新手司機也在增加，這就使得城市交通面臨嚴重的堵塞問題，“早高峰”、“晚高峰”等現象頻頻出現，甚至因為擁堵造成連環交通事故等。盡管如此，我國城市交通網絡規則卻還存在一些問題，信息通信信號分布不均勻等問題也時常出現，這就會對整體交通管控效能產生影響，也會對司機的架勢體驗產生制約作用，造成一大批“路怒癥”司機。這不僅僅會對人們正常出行造成阻礙，還會遏制城市整體發展進程。

第一，在5G通信技術支持下，建立汽車遠程自動無人架勢技術應用模式，能打造更加便捷的駕駛機制，發揮5G通信網絡技術的運行優勢，因為其延遲較低，因此，交管部門可以直接獲取車輛的實時性行駛信息，并直接上傳到質控中心，配合服務器依據實際情況完成轉向、加速、剎車等一系列操作，維持良好的統一調度控制機制，縮短汽車之間的安全距離，并且還能支持汽車實現高速運行，避免不良、違規操作等對整體車流運行產生的影響[6]。

第二，利用5G通信技術還能打造完整地信息跟蹤和信息匯總處理模式，交管部門能依據實時性交通狀態和運行情況，對無人駕駛汽車路線予以合理性分配處理，確保自動交通分流等工作內容貼合實際標準，整合具體的運行機制，最大程度上保證汽車運行的安全性和穩定性，并且能減少車流量擁堵現象。

第三，5G通信技術應用在遠程遙控自動無人駕駛汽車中能最大程度上改善交通擁堵問題，并且維持車流量運行的安全性，提高城市交通網絡使用效能，為車輛行駛速度和安全性提高提供支持，優化城市交通質量，也能為人們出現提供最大便利。

2.3 促進人工智能AI技術融合

依據AI技術發展現狀可知，AI技術受到算法處理模式的限制，加之移動終端結構和技術體系的約束，整體推廣應用場景有限。究其原因，主要是因為智能終端運算能力遠遠不及AI技術大量運算需求的標準，這就使得相應的運算應用控制效果并不能得到滿足，無法建立完整地算法處理結構，也就會對其應用效能產生制約作用[7]。要想保證AI技術和遠程遙控無人駕駛技術的和諧化統一，就要從終端計算模式出發，建立更加匹配的控制機制。而5G通信技術作為關鍵性的技術突破口，能有效提升網絡闡述應用水平，利用5G網絡就能實現實時性運算管理，確保傳輸速率參數滿足應用標準，也能承擔快速運算、高性能服務器應用運行任務，并且將相關的運算內容直接轉接到超級計算機中，建立完整且高效的計算控制模式，保證綜合運算管理分析的合理性。正是基于5G通信技術的優勢作用，保證運算性能和運算準確性提高的同時，還能滿足AI技術發展的根本標準，維持良好的運行效率。

3 基于5G通信技術的深度學習無人駕駛識別技術

深度學習無人駕駛識別技術模型主要是借助卷積層實現錨框的自動生成，有效提升目標檢測準確性，利用特征提取、候選區提取、候選框回歸、分類網絡建立完整地檢索模式，配合5G通信技術的優勢作用，就能實現多元處理，建構高精測識別精度的網絡模型。

3.1 搭建區域建議網絡

之所以要建立區域建議網絡，就是為了能提取特征信息然后集中處理，并且得出建議處理的全卷積神經網絡，獲取shared map分類，保證預處理網絡信息控制后就能實現特征提取。

對于卷積神經網絡而言，只有維持準確的目標才能建立匹配的檢測分析機制和特征提取機制，以維持端對端網絡訓練的特性，并且保證無人駕駛道路目標任務的安全性。具體步驟如下：（1）利用5G通信技術完成信息輸入。（2）卷積&池化。（3）卷積。（4）ROI池化。（5）全連接處理。（6）進行位置尺寸和正負樣本評估。在獲取識別目標后，就能配合全連接輸出識別目標，維持實時性操作控制的合理性。

3.2 無人駕駛目標識別系統

在應用5G通信技術的過程中，無人駕駛技術核心算法要將目標識別任務作為關鍵，發揮深度學習在圖像處理方面的性能優勢，配合卷積神經網絡保證駕駛過程能實時對前方目標任務點予以識別，從而維持泛化性識別分離控制，最大程度上利用5G通信技術支持的通信設備為控制測量及時避險提供支持。

3.2.1 整體流程

建立前饋型神經網絡，保證圖像數據提取處理工作的合理性和及時性，從而保證無人駕駛技術發揮應有優勢作用，維持良好的運行效率。相較于其他神經網絡結構模式，卷積神經無網絡能大大提升圖像處理的精準性和高效性，無人駕駛識別任務在5G通信技術支持下，匹配卷積神經網絡，就能利用網絡訓練及時調度精準數據。

（1）結合數據訓練樣本制作相關模塊，并集中標注識別類別。

（2）將訓練樣本直接輸送到搭建好的卷積神經網絡系統內，進行實時性訓練處理。

（3）配合5G通信技術支持的卷積神經網絡運行模式，收集測試樣本，并完成樣本值預測輸出處理，計算其實際準確度，為后續校正相應的駕駛跟蹤處理流程和工作內容提供保障，確?；?G通信技術的無人駕駛技術運行管理的科學性和可靠性[8]。

3.2.2 實驗配置

選取i5處理器配置1.8GHz CPU的電腦硬件配置，并且匹配Windows7系統，將matlab設定為整體實驗配置結構的編程實驗平臺。

首先，自制錄取車輛行駛的實際視頻，并且要對行駛過程中的車輛信息、人員信息、紅綠燈信息以及路線指示牌信息等進行圖片匯總，數量為5000張，將其中的70%作為樣本訓練集，剩余30%作為樣本測試集，維持測試和訓練的平衡，最大程度上保證獲取結果的準確性。

其次，采集數據結束后，要對目標予以圖像標注，完成相應信息的匯總處理。

與此同時，要借助訓練樣本標注處理工序構件標簽集，維持總體分析的規范性，以保證網絡訓練基礎資源結構的完整性，并將模型應用在測試集中完成測試。

最后，結合實際測試和訓練匯總分析結果進行識別，發現整體準確率能達到93%以上，并且多數目標識別效果較好，盡管存在一些漏檢或者是錯檢的問題，依據實時性校對處理也能得以優化。究其原因，主要是因為訓練時間較短且訓練樣本數據有限[9]。

3.2.3 技術實現

依據技術體系和運行方案的處理，得出基于5G移動通信技術的卷積網絡應用模式能有效建立目標識別結構，并且將其作為無人駕駛目標識別的核心算法，整合網絡訓練機制，發揮5G移動通信技術的優勢作用，更好地提高算法處理的精準性。

4 結語

總而言之，在5G通信技術全面發展和進步的時代背景下，技術逐漸趨于成熟，無人駕駛領域應用5G通信技術也具有廣闊的開發前景，能在提高駕駛安全性的基礎上有效解決交通擁堵現象，維持良好的技術運行發展模式，并且推動AI技術和汽車自動駕駛行業的融合進程，為智慧交通可持續發展奠定堅實基礎。

參考文獻：

[1]尹訓俊，郭曉林. 基于5G通信技術下的汽車無人駕駛技術探討[J].汽車實用技術，2020（12）：15-17.

[2]張驥，楊曉鈺，胡加琪.5G背景下無人駕駛汽車關鍵技術在疫情環境中的應用研究[J]. 信息通信技術與政策，2020（5）：92-96.

[3]王睿淇.基于5 G通信技術下的汽車無人駕駛[J].電子世界，2019（9）：200.

[4]張希彥.5G在無人駕駛智能汽車中的技術支持[J].汽車博覽，2020（13）：82.

[5]張朝陽，李星宏.5G在無人駕駛汽車中的應用前景分析[J].無人系統技術，2019（2）：65-68.

[6]肖立軒.5G技術在無人駕駛領域的應用探討[J].數字通信世界，2019（11）：133.

[7]楊曉波.淺析5G技術在于無人駕駛領域的應用[J]. 魅力中國，2018（37）：296.

[8]5G遠程無人駕駛技術[J].汽車觀察，2019（11）：24.

[9]劉川，陳金鷹，朱正模，等.5G對無人駕駛汽車的影響分析[J].通信與信息技術，2017（3）：43-44.