基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車路徑規(guī)劃優(yōu)化策略

摘要：5G-A車聯(lián)網(wǎng)通過集成先進的5G通信、人工智能和車載傳感器技術(shù)，為自動駕駛汽車提供了高帶寬、低時延、高可靠的通信支持和智能決策服務(wù)。針對當前自動駕駛汽車路徑規(guī)劃存在局部最優(yōu)、路況適應性差等問題，提出了一種基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車路徑規(guī)劃優(yōu)化策略，從而提升自動駕駛車輛路徑規(guī)劃的可靠性和智能化水平，為自動駕駛系統(tǒng)進一步優(yōu)化提供了理論基礎(chǔ)和技術(shù)支撐。

關(guān)鍵詞：5G-A車聯(lián)網(wǎng)；自動駕駛；路徑規(guī)劃優(yōu)化；強化學習

中圖分類號：U461收稿日期：2024-10-23

DOI：10.19999/j.cnki.1004-0226.2025.01.026

1前言

隨著人工智能和通信技術(shù)的快速發(fā)展，自動駕駛汽車成為汽車行業(yè)的發(fā)展熱點和未來趨勢。自動駕駛系統(tǒng)的核心是基于環(huán)境感知、決策規(guī)劃和執(zhí)行控制的閉環(huán)作業(yè)，其中路徑規(guī)劃是關(guān)鍵的決策環(huán)節(jié)，直接影響行車安全和效率[1]。但目前自動駕駛路徑規(guī)劃存在諸多不足，制約了自動駕駛技術(shù)的商用化進程。

有望破解這一技術(shù)瓶頸的是5G先進車聯(lián)網(wǎng)（5G-Automotive，5G-A）技術(shù)，它集成了5G通信、邊緣計算、人工智能等先進技術(shù)。基于5G-A車聯(lián)網(wǎng)架構(gòu)并結(jié)合強大的人工智能算法，充分挖掘多源異構(gòu)信息優(yōu)化自動駕駛路徑規(guī)劃，具有重要的理論意義和應用價值。

25G-A車聯(lián)網(wǎng)概述

5G-A車聯(lián)網(wǎng)致力于支持全球移動生態(tài)系統(tǒng)和汽車行業(yè)在車聯(lián)網(wǎng)（V2X）技術(shù)領(lǐng)域的發(fā)展和應用，此技術(shù)基于5G通信技術(shù)，旨在提升道路安全、流量管理和各種新型交通服務(wù)的效率和效果。

5G-A車聯(lián)網(wǎng)的應用范圍廣泛，涉及車與車（V2V）、車與基礎(chǔ)設(shè)施（V2I）、車與行人（V2P）以及車與網(wǎng)絡(luò)（V2N）等多種通信模式，統(tǒng)稱為V2X，這些應用的核心目的是通過高速且可靠的通信提高道路安全，減少交通堵塞，提升交通效率，并優(yōu)化個人的出行體驗[2]。

例如，通過V2V通信，汽車可以實時交換位置、速度和路線信息，從而預測并避免潛在的碰撞風險。V2I通信則使車輛能夠接收來自交通信號燈和路側(cè)傳感器的信息，優(yōu)化駕駛策略，如調(diào)整車速以適應交通信號變化，減少停車次數(shù)，降低油耗和尾氣排放。此外，V2P通信增強了車輛對行人和非機動車的感知能力，尤其在視線受阻或光線不足的情況下，能有效提高行人的安全。

盡管5G技術(shù)具有顯著優(yōu)勢，車聯(lián)網(wǎng)的實施和廣泛應用仍面臨一些技術(shù)和規(guī)范方面的挑戰(zhàn)。

3當前自動駕駛汽車路徑規(guī)劃存在的問題

自動駕駛系統(tǒng)能夠感知周圍環(huán)境、規(guī)劃行駛路徑并控制車輛運動，提高交通效率和安全性。然而，自動駕駛汽車的商用化離不開路徑規(guī)劃技術(shù)的突破，高精度路徑規(guī)劃是確保自動駕駛汽車安全、高效和舒適行駛的關(guān)鍵。

然而，當前的自動駕駛技術(shù)在路徑規(guī)劃方面仍面臨挑戰(zhàn)。自動駕駛汽車在進行路徑規(guī)劃時，往往采用基于圖搜索的算法，例如A*或Dijkstra算法，這類算法雖然在靜態(tài)環(huán)境中能夠找到最優(yōu)路徑，但在動態(tài)變化的交通環(huán)境中，尤其是在復雜的城市交通場景中，只能得到局部最優(yōu)解[3]。

這是因為這些算法在設(shè)計時通常以到達目的地的最短距離或最短時間為優(yōu)化目標，而忽略了路況的動態(tài)變化，如臨時道路封閉、交通事故或臨時交通管制等因素。這些算法在路徑規(guī)劃時，經(jīng)常需要預設(shè)一個明確的目標，然后從當前位置出發(fā)，向目標逐步逼近，這種方法在遇到復雜的路網(wǎng)結(jié)構(gòu)或多變的交通流時，容易陷入局部最優(yōu)，如反復在幾個路口之間循環(huán)，或者選擇一條在當前情況下看似最快但實際上由于未來交通狀況變化而變得不理想的路線。

由于自動駕駛車輛需要實時響應環(huán)境變化，這種局部最優(yōu)的路徑規(guī)劃策略會降低行駛效率，增加行駛時間和能耗，甚至可能因為無法及時調(diào)整行駛策略而導致交通事故。

4基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車路徑規(guī)劃優(yōu)化

面對自動駕駛汽車路徑規(guī)劃中的上述問題，單純依賴車載傳感器和車上計算資源顯然已無法滿足高實時性、高可靠性的要求。基于5G-A車聯(lián)網(wǎng)，可構(gòu)建一種多層次分布式路徑規(guī)劃架構(gòu)，融合車載和云端計算能力，實現(xiàn)路徑規(guī)劃算法在本地化、全局化層面的優(yōu)化，從而有效應對復雜動態(tài)場景，提高路徑規(guī)劃的精度和魯棒性。

4.1融合多源異構(gòu)信息

在基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車路徑規(guī)劃中，融合多源異構(gòu)信息是關(guān)鍵的優(yōu)化方向之一。通過整合來自不同傳感器、通信設(shè)備和外部數(shù)據(jù)源的多維度信息，路徑規(guī)劃系統(tǒng)可以更精確地感知環(huán)境、預測交通流量，并作出實時的決策優(yōu)化。

自動駕駛汽車通常配置有多種傳感器，包括激光雷達（LiDAR）、毫米波雷達、攝像頭、超聲波傳感器等，這些傳感器各自具有不同的感知范圍、精度和適用場景。融合傳感器數(shù)據(jù)的主要目的是彌補單一傳感器的局限性，在復雜的駕駛環(huán)境下提供更全面的環(huán)境感知能力，優(yōu)化措施如表1所示。

通過優(yōu)化傳感器數(shù)據(jù)融合，自動駕駛系統(tǒng)可以獲得更精確信息，尤其是在復雜城市環(huán)境或惡劣天氣條件下，這種多源異構(gòu)數(shù)據(jù)的結(jié)合能顯著減少感知盲區(qū)，提升車輛決策的準確性和安全性。

除了車載傳感器，自動駕駛系統(tǒng)還需要借助5G-A車聯(lián)網(wǎng)技術(shù)與外部數(shù)據(jù)源進行交互，實現(xiàn)車輛與基礎(chǔ)設(shè)施（V2I）、車輛與車輛（V2V）、車輛與云端（V2C）等信息的融合。外部數(shù)據(jù)交互可以提供更廣泛的交通信息、道路狀況和其他環(huán)境數(shù)據(jù)，從而優(yōu)化路徑規(guī)劃，優(yōu)化措施如表2所示。

優(yōu)化外部數(shù)據(jù)交互能基于更大范圍的外部信息進行決策，5G-A網(wǎng)絡(luò)的高帶寬和低時延特性使得車輛能夠?qū)崟r獲取周圍環(huán)境和交通動態(tài)信息，從而快速響應復雜的交通場景，優(yōu)化路徑選擇，提升駕駛的安全性和效率。

4.2分布式智能路徑優(yōu)化

基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車在路徑規(guī)劃優(yōu)化過程中，實施“分布式智能路徑優(yōu)化”是一種創(chuàng)新的策略，它利用分布式計算和智能決策來提高路線選擇的效率和適應性，這種方法增強了自動駕駛汽車在復雜環(huán)境中的表現(xiàn)，還提升了整個交通系統(tǒng)的協(xié)調(diào)和流暢性，具體如圖1所示。

分布式智能路徑優(yōu)化的第一步是實現(xiàn)云邊協(xié)同計算架構(gòu)。在這種架構(gòu)中，數(shù)據(jù)處理和決策制定不僅在云端進行，也在車輛和路邊單位（RSU）中局部進行，形成了一個多層次的決策和計算網(wǎng)絡(luò)。

云端服務(wù)器提供大規(guī)模數(shù)據(jù)存儲和高性能計算資源，可以處理大量復雜的算法，如深度學習模型和大數(shù)據(jù)分析，這些用于模擬交通流和預測未來的交通狀況。與此同時，車輛和RSU作為邊緣計算節(jié)點，可以快速處理實時數(shù)據(jù)，如即時交通狀況、車輛狀態(tài)和周圍環(huán)境信息，支持快速響應和局部優(yōu)化決策。

通過這種云邊協(xié)同計算架構(gòu)，自動駕駛汽車能夠?qū)崟r接入更新的交通信息和高級計算資源，同時保持對即時事件的快速反應能力。例如，當云端系統(tǒng)檢測到某一區(qū)域因大型活動或事故而即將出現(xiàn)嚴重交通擁堵時，它可以將這一信息及時下發(fā)到各個車輛和RSU。這些邊緣節(jié)點隨后可以根據(jù)本地實時數(shù)據(jù)快速調(diào)整車輛的行進路線，避免新出現(xiàn)的擁堵區(qū)域，優(yōu)化整體的行駛效率。

分布式智能路徑優(yōu)化的第二個關(guān)鍵方面是實施協(xié)同多車智能決策系統(tǒng)。在這一系統(tǒng)中，單個車輛不再獨立進行路徑規(guī)劃，而是與周圍的車輛共享數(shù)據(jù)和協(xié)作決策，形成一個動態(tài)的車輛網(wǎng)絡(luò)。每輛車不僅傳輸自己的位置和速度信息，還可以接收其他車輛的相應信息，這種信息共享使得每輛車都能夠考慮到其他車輛的行為和計劃，從而做出更合理的路徑選擇和速度調(diào)整。

例如，當一輛自動駕駛汽車計劃從較擁堵的主干道轉(zhuǎn)入支路時，它可以通過5G-A網(wǎng)絡(luò)了解到其他進入同一支路的車輛數(shù)量和速度。如果發(fā)現(xiàn)支路即將出現(xiàn)擁堵，該車可以選擇維持在主干道上，或?qū)ふ移渌娲肪€，這種多車協(xié)同也可以用于更復雜的場景，如協(xié)調(diào)多車在多個交叉口的通過順序，減少交叉口擁堵和等待時間，從而優(yōu)化整個路網(wǎng)的流量分布。

5結(jié)語

基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車路徑規(guī)劃優(yōu)化策略為解決當前自動駕駛技術(shù)面臨的諸多挑戰(zhàn)提供了新的思路和方法。通過融合多源異構(gòu)信息、實現(xiàn)分布式智能路徑優(yōu)化等創(chuàng)新手段，可以充分利用5G通信的高帶寬、低時延特性，結(jié)合云邊協(xié)同計算架構(gòu)，提升路徑規(guī)劃的精確度、實時性和適應性。盡管在實際應用中仍面臨諸如數(shù)據(jù)安全、網(wǎng)絡(luò)穩(wěn)定性等挑戰(zhàn)，但隨著技術(shù)的不斷進步和完善，基于5G-A車聯(lián)網(wǎng)的自動駕駛汽車路徑規(guī)劃優(yōu)化策略必將在推動自動駕駛技術(shù)發(fā)展和智能交通系統(tǒng)建設(shè)中發(fā)揮重要作用。

參考文獻：

[1]朱小波，譚興文.自動駕駛汽車環(huán)境感知與傳感器融合技術(shù)[J].汽車與新動力，2024，7（4）：24-27.

[2]何倩，鐘蕾，邱健斌，等.自動駕駛汽車變道的決策及預測控制算法研究[J].機械，2024，51（4）：34-41.

[3]梁麗麗，楊圣清，吳鉑涵，等.自動駕駛汽車目標檢測技術(shù)應用研究[J].汽車測試報告，2023，（13）：45-47.

作者簡介：

徐運武，男，1979年生，副教授，研究方向為信息通信工程。