面向高速公路運管的車路協同云控平臺架構設計

李 巖，唐睢睢

（中國交通信息科技集團有限公司，北京 100044）

自動駕駛技術的研發與應用為提高交通運行效率和安全水平、實現高品質服務、提高社會經濟效益，促進交通運輸服務與制造業、農業、旅游業、商貿業、信息業等關聯產業的深度融合起到了催化作用。以美國為代表的發達國家選擇以車聯網（Vehicle to Everything, V2X）為主、基礎設施聯網（Infrastructure to Everything, I2X）為輔的單車智能技術路線，而中國基于成本控制、基礎支撐、推廣應用、技術引領、產業帶動5個維度綜合考慮，選擇了以“I2X為基礎、V2X為輔助”的車路協同技術路徑。從效率和安全角度出發，中國高速公路具有主體基礎設施相對完善，車道線清晰，路況好，人車混行等復雜場景少，且惡性交通事故主要由于車輛行駛行為不當造成，是車路協同優先落地的場景之一。

車路協同系統集成了各類復雜的技術，主要包含車車/車路通信技術、交通安全技術、交通控制技術、環境感知技術等，這些技術均已有成熟的應用和相關產品落地。面向服務于道路運營單位及行業管理單位的云控平臺正是車路協同技術的主要承載體，云控平臺的建設是車路協同發展普及的必由之路，但目前其云控平臺的研究進程發展相對緩慢，缺乏相應的標準規范，應用程度較低。

1 總體思路

本文按照業界普遍認同的“端-邊-云”車路協同云控平臺邏輯架構，更加全面地分析應用場景，并由此提出面向道路運營單位及行業管理單位的云控平臺功能架構及技術架構設計，實現數據及算法模型驅動管控策略生成，實現路側設備聯動控制與管理，提高道路服務水平，降低運維成本，保障道路平穩有序運行。評價分析功能模塊中細化了感知數據資源項，給出了不同氣象條件下不同道路條件下的建議行駛速度閾值。預測仿真功能模塊以匝道匯入場景為例，制定關鍵控制數據項。協同控制功能模塊以匝道匯流場景為實例，明確各類外場設備控制動作及方式。邏輯架構如圖1所示。

面向高速公路運營管理單位的車路協同云控平臺按照全生命周期化、數字孿生化、運維一體化理念構建“端-邊-云”三級架構。

“端”：于建設期部署北斗等相關智慧工地設備，運營期部署路側設備，包括支持專用短程通信技術（Dedicated Short Range Communication，DSRC）?長期演進技術-車輛通信（Long Term Evolution-Vehicle，LTE-V）?蜂窩車聯網（C-V2X）等多通信協議的路側單元（Road Side Unit, RSU）、感知設備、信息提示設備，車端設備包括車載單元（On Board Unit, OBU）、控制器局域網絡（Controller Area Network, CAN）。

“邊”：邊緣計算，由于對時延要求有所限制的緊急制動、并道預警等實時業務均由邊緣云完成，所以需要加快網絡中各種信息、服務與端設備的交互，但全局性、關聯性業務需與“中心云”協同處理。

“云”：云控平臺，由基礎設施（IaaS）?應用支撐（PaaS）?應用系統（SaaS）三個層次構成，向出行者提供控制及服務兩類全局性關聯性服務。本文的技術路線圖如圖2所示。

2 云控平臺發展現狀

云控平臺（Cloud Computing Platform, CCP）為智能汽車及相關管理與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，涵蓋數據存儲、數據運維、大數據分析、云計算、信息安全等基礎服務要素。

中國智能網聯汽車與交通研究中心、汽車安全與節能國家重點實驗室、清華大學車輛與運載學院、啟迪云控（北京）科技有限公司提出了車路協同云控平臺的構建思路，該平臺基于賽博-物理-社會系統原理（Cyber Physical Social Systems,CPSS），物理架構分為車端-邊緣云/區域云-中心云3級，通過感知、通信、計算、控制等技術，基于標準化通信協議，實現物理空間與信息空間中“車、交通、環境”等要素的相互映射，利用可靠標準化交互與高效協同及云計算大數據能力，解決系統性的資源優化與配置問題，促進人車路運行按需響應、快速迭代、動態優化，最終實現協同式無人駕駛。其云控基礎平臺的架構方法與功能定位，如圖3所示。

3 云控平臺架構設計

3.1 應用場景分析

隨著各類車路協同工程的開工建設，群智能算法、編隊跟馳等理論模型的成熟優化，車路協同的應用場景將不斷豐富，迅速擴充，本文在《公路工程適應自動駕駛附屬設施總體技術規范（征求意見稿）》提出的應用類別及具體場景基礎上，結合以往項目經驗對其進行了豐富和補充，并將其作為指導云控平臺功能架構設計的基礎。

依照高速公路業務需求，應用場景的類別在現有的“安全類”“效率類”“信息服務類”三大類基礎上，增加“管控”“運營養護”兩類，以滿足運營單位的實際業務需要。

具體場景除基本的交叉路口碰撞預警、前方擁堵提醒、智能汽車近場支付等22個外，增加危險/不良駕駛行為預警、夜間行車引導、施工/事故影響管控、服務區信息播報與推薦、遠程車輛問診、綠通申報抽查、兩客一危重點車輛管控、主體及附屬設施遠程巡檢、路面異物/破損群智檢測等25個應用場景。

安全類增加危險/不良駕駛行為預警、夜間行車引導、突發極端天氣行車引導、專用車道路權分配與控制、車路虛擬行駛試驗。效率類增加基于車路協同的不停車收費、收費車道引導、最佳車道/車速引導、行車路徑規劃、施工/事故影響管控、交通流量管控、道路限行管控、道路封閉管理。信息服務類增加服務區信息播報與推薦、遠程車輛問診。管控類增加隧道照明控制、路側設備聯動管控、超限監測、綠通申報抽查、兩客一危重點車輛管控。運營養護類增加一路多方聯動處置、主體及附屬設施遠程巡檢、路面異物/破損群智檢測、巡檢任務生成與分派、排障任務生成與分派。

3.2 功能架構

高速公路運營管理單位的業務職責分為交通管理、收費管理、路政管理、養護管理、監控及通信管理、服務區管理和綜合開發6方面。根據實際需求，隨著車路協同系統的建設，新的應用場景不斷涌現，功能需求隨之變化，本文將云控平臺的功能錨定為評價分析、預測仿真、協同控制、綜合展示四方面。

3.2.1 評價分析

通過路側高清攝像頭、激光雷達/毫米波雷達、導航軟件、車載OBU、氣象監測器等設備全量收集車、路、環境的數據資源。

車輛基礎信息含車輛ID、車型、車牌、車身顏色、受控優先級、車輛網聯化、車體尺寸；車輛位置信息含時間、車道、位置；車輛實時狀態含實時速度、行駛方向、車頭間距、縱向加速度、橫向加速度、車頭方向角、方向盤轉角、油門、剎車、燈態、故障碼、油量；車輛歷史數據分析含平均速度、換道頻率、車道偏離、駕駛時間、行駛軌跡、速度方差、違章記錄、黑灰名單；道路靜態數據含交通安全設施標志/標線、路段起終點、路網轉換、車道級信息、限速信息、圓曲線最小半徑、行車視距、機電設備、構造物；道路動態數據含道路施工、交通管控、交通事故、交通擁堵、車道密度、斷面流量、沖突數、歷史事故率、車道平均通過速度、車型、統計、設施健康狀況、載荷；行車環境因素含天氣種類、道路附著系數、能見度、光照度等。

根據以上數據資源得到建議行駛速度閾值、路側設備覆蓋率、服務車輛類型及數量、設備在線率、管控策略生成下發及執行率等核心指標，構建具有車路協同特色的關鍵指標體系，用以評價車路協同道路建設及運行服務效果。

評價分析功能以視頻分析、知識數據庫、深度學習為基礎技術支撐，以調度中心、計算引擎為核心對不同層面的海量數據與實際業務需求相結合進行計算分析，挖掘數據價值，打通數據壁壘，打破數據孤島，形成可量化的指標數據。并以此為基準，與當前云控平臺管轄范圍內的相關數據做分析對比，對其管控效果進行分析評價。3.2.2 預測仿真

預測仿真將融合路網流量、行程時間、交通飽和度、交通狀態、匝道信控方案、交通安全服務水平等級等信息，基于在線仿真技術，通過實時數據接入，依據當前路網交通運行態勢，在線生成控制策略與誘導方案，并對方案的效果進行預估評價，為主動交通運行管控提供決策支持。

以匝道匯入場景為例，通過基于蟻群算法優化的Elman神經網絡模型進行預測仿真后，生成以下關鍵控制數據項。

輸入：匯入車輛ID、主線車輛ID、車型、時刻、位置（經緯度）、位置（海拔）、車頭方向角、車體尺寸（長、寬）、速度、縱向加速度、橫擺角速度；

輸出：主路可匯入區段下游點、主路可匯入區段上游點、主路可匯入區段下游點移動速度、主路可匯入區段上游點移動速度、匝道建議匯入位置、匝道建議匯入時間起點、匝道建議匯入時間終點、匝道建議匯入車速。

3.2.3 協同控制

基于路網交通狀態等級與安全等級評估結果，綜合路徑行程時間、出行距離、出行費用、擁堵造成的延誤及路徑事故風險等級等諸多因素，建立兼顧出行效率與安全考量的路網交通流誘導算法，獲得不同路網環境下的最優路徑誘導方案。

基于評價分析及預測仿真結果，融合路段實時流量數據，可構建入口車流智能控制、多匝道信號配時協同優化控制、車道級流量智能調控、彎道速度實時調控等相關功能模塊，集成出入口-匝道-車道三級管控的多目標優化算法，形成匝道信號配時聯動方案，車輛匯流/分流控制方案，彎道行車控制方案等。

以匝道匯入場景為例，匝道情報板面向匯入車輛提示主路最右側車道情況，向其發送加/減速、匯入時機等信息。主線情報板面向主路車輛提示匝道情況，提供轉換車道、加/減速、匯入時機等信息。導航軟件從云控平臺收集數據后，根據算法，得到相應數據，向不同車道車輛提示匯入信息，位置、速度、距離、建議措施。同時，云控平臺可控制動態限速標志對主線及匝道匯入車輛進行靈活的限速控制，控制智慧道釘閃爍時機與頻率，例如在匝道匯流處前方500 m，主線最右側車道智慧道釘由黃色常亮變為黃色閃爍，提示車輛調節速度。

3.2.4 綜合展示

為了使車路協同云控平臺的工作效果能直觀和動態地呈現，綜合展示囊括宏觀、中觀、微觀三個層面逐層下鉆展開。宏觀對象主要包括路網路線，中觀層面對象主要包括路段、關鍵構造物、關鍵場所，微觀層面對象主要包括車輛、路側設備。

以地理信息系統（Geographic Information System, GIS）為底圖，結合各類數據，通過視頻、列表、熱力圖、數據遷徙等多種形式，實時展示路網運行，車輛行駛狀態、預測仿真結果、潛在風險因素、管控策略執行效果等信息，形成具有直觀性高、形式豐富且交互性強的跨業務、跨地域的綜合展示，進而增強云控平臺人機交互的可靠性，保證平臺的服務質量。

3.3 技術架構

云控平臺技術架構由基礎設施層、支撐層、服務層三部分構成，如圖4所示。

基礎設施層通過建設期及運營期布設的各類外場終端，利用通信系統實現信息的上傳及下達，依靠威睿（VMWare）/OpenStack等云管理軟件實現計算、網絡、存儲資源的按需動態、彈性分配，同時配置操作系統、數據庫、中間件向各類應用提供基礎軟件環境。

支撐層完成數據工程作業，實現數據與應用的分離。依靠數據交換共享技術和物聯網技術完成數據資源的全量、實時地“收集”；通過數據處理，完成數據清洗、標注、補全等數據處理工作；經過清洗的數據按其屬性進行分類入庫操作，完成數據存儲工作；數據處理計算則是在計算框架的牽引下，利用各類計算引擎，按照業務特性進行模型構建，最后與建筑信息模型（Building Information Modeling, BIM）、高精地圖、流媒體等數據進行匹配，生成定向封裝的數據服務，支撐業務系統工作開展。

服務層則是按照對象的不同分為管理決策類應用集及服務類應用集兩部分，各類應用按業務流程、職責分工、時效要求，完成具體業務工作。

本文利用開源應用容器引擎（Docker）相互隔離、按需提供資源、快速部署的特性，作為云控平臺技術實現路徑。采用容器引擎（Docker）技術，搭建以單一主節點為核心容器，輔以多個工作節點的云控平臺基礎設施，工作節點通過套接字（Socket）或者RESTful API與主節點容器進行通信，實現服務的構建、運行和發布。通過加載鏡像倉庫中的鏡像創建容器，其可被啟動、開始、停止、刪除，且容器間相互獨立，可保證平臺的整體安全。容器可讀可寫，鏡像則為只讀，二者可在同一個集群中運行，也可以實現跨主機的遠程通信。

4 結語

本文主要針對車路協同環境下云控平臺的架構設計進行研究，調研大量文獻，總結現有云控平臺的發展現狀及應用情況，結合作者多年從業經驗，對其進行場景擴充。緊貼高速公路運營管理單位需求，在充分分析其應用場景基礎上，抽象出評價分析、預測仿真、協同控制、綜合展示四個功能模塊，并進一步提出云控平臺的技術架構，提出了采用容器引擎（Docker）技術，按照基礎設施、支撐、服務三層結構構建云控平臺技術架構。