智能网联汽车电子技术 第2部分.ppt

ZN2 参考文献 [1] 王伟力,石胜华,张恒博,等.面向车路协同关键通信技术的研究[J].公路交通科技(应用技术版),2020,183(3):311-315. ZN2 8.2　基于车路协同的智能辅助驾驶技术 基于车路协同的交叉口通行从全局最优的角度为车辆引导车速、优化时空轨迹、控制车路编队等信息,能够提高通行效率,实现辅助驾驶,为智慧交通管理与控制提供助力。该类应用需要部署智能RSU、车载通信设备等以支持交通基础 ZN2 设施的信息化、交通工具的智能化和网联化,通过边缘计算平台或云端平台实现智能交通的业务管控和设备管控,形成车-路-网一体化智慧交通体系[5]。 ZN2 8.2.1　车路协同系统下车速引导技术 车路协同环境下交叉口车速引导,是交通领域研究的经典场景。目前,国内外研究人员已经针对交叉口区域车速引导进行了大量研究工作,通过V2X平台将车辆和交叉口实际环境有机结合,实现信号交叉口混合车流的节能车速引导[7]。 ZN2 图8-7　车路协同环境下的智能车速引导系统框架 ZN2 图8-8　车联网环境下多车协同的信号交叉口车速引导场景示意图 ZN2 图8-9　车速引导模型的基本原理 ZN2 图8-10　加速引导示意图 ZN2 图8-11　减速引导示意图 ZN2 8.2.2　车路协同系统下车辆时空轨迹优化技术 智能网联汽车轨迹优化研究主要是对车辆纵向(如跟驰行为)、横向(如换道行为)运动进行规划与控制。随着车辆控制技术与车路、车车通信技术的快速发展,网联自动驾驶车辆技术逐渐成熟,道路交通系统中车辆微观控制将在近期成为现实。这些技术为车辆节能减排控制研究提供了全新的视角,目前相关研究主要分为以下两类:高速公路车辆节能控制;信号交叉口车辆节能控制。 ZN2 图8-12　时空轨迹优化控制模型场景图 ZN2 图8-13　系统控制流程框图 ZN2 图8-14　离散时空模型示意图 ZN2 8.2.3　车路协同系统下车辆编队控制技术 针对城市信号控制交叉口路段,基于车路协同技术建立智能网联汽车编队模型。该模型可按照当前路段交通信号状态子区对车队规模进行划分,然后对到达编队区域时车辆判断,最后对进入编队区域的车辆进行编队控制,并通过群体车速引导使车队以最优车速不停车通过交叉口,达到提高道路通行能力的目的[11]。 ZN2 图8-15　车辆编队场景示意图 图8-16　编队模型 ZN2 表8-2　状态划分 ZN2 图8-17　情况1 ZN2 图8-18　情况2 ZN2 图8-19　队列规模划分流程框图 ZN2 ZN2 ZN2 8.2.4　车路协同环境下的智能驾驶信息服务系统 ZN2 1.系统功能 作为智能交通系统发展的第三个阶段,智能车路协同系统目前已进入高度信息化和智能化的发展时期,也使智能交通系统的基本特征发生了一些根本性的变化,使得原本需要单独考虑和实施的服务,已可在公共平台上实现。这些变化主要体现在以下几方面: ZN2 图8-20　车路协同环境下的交通领域可实现的功能场景 ZN2 图8-21　车车横向防撞场景 ZN2 图8-22　车路协同系统下行人安全通行场景 ZN2 图8-23　高精度地图交通状态信息服务 ZN2 图8-24　智慧城市车辆静态交通运管服务平台[15] ZN2 图8-25　电子收费服务 ZN2 2.系统应用案例 (1)系统功能设计 ZN2 图8-26　智能辅助驾驶终端的功能结构 ZN2 图8-27　左转辅助预警功能 ZN2 图8-28　特种车辆预警功能 ZN2 图7-22　5G-V2X智能交通网络拓扑图 ZN2 1.拓扑结构 在5G-V2X智能交通网络(见图7-22)中,数据流向有以下两个方面: ZN2 2.系统架构 NR-V2X架构分为独立部署(standalone)和双连接部署(Multi-Rat Dual Connectivity,MR-DC)两种类型,涵盖6种场景,如图7-23所示。其中,场景1~场景3为独立部署场景,场景4~场景6为MR-DC场景。在MR-DC场景下,辅节点(Secondary Node,SN)不能对副链路(Sidelink)资源进行管理和分配。 ZN2 图7-23　5G NR-V2X系统架构 ZN2 3.关键技术 5G NR-V2X基于5G空口无线技术体系演进,并继承了NR网络的诸多关键技术,主要包括以下几个方面。 ZN2 图7-24　基于Uu的副链路资源 ZN2 图7-25　基于TDM的设备内共存方法 ZN2 4.未来发展趋势 即使在未来5G-V2X真正广泛商用之后,LTE-V2X也仍然可以与之兼容共存、灵活切换选用。中国信息通信研究院、相关交通企业及《C-V2X白皮书》[18]等均指出,LTE-V2X技术将逐渐平滑演进到5G