李長(zhǎng)樂(lè)，王 碩，岳文偉，毛國(guó)強(qiáng)，何祥健

（1.西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室，陜西西安 710071；2.西安電子科技大學(xué)智慧交通研究院，陜西西安 710071；3.悉尼科技大學(xué)電子與數(shù)據(jù)工程學(xué)院，澳大利亞新南威爾士州 2007）

1 引言

當(dāng)今時(shí)代，城市經(jīng)濟(jì)飛速發(fā)展且城市化進(jìn)程加快，隨著大量人口的涌入，市區(qū)迎來(lái)了日益嚴(yán)峻的交通事故、道路擁塞、環(huán)境污染等社會(huì)問(wèn)題.而自動(dòng)駕駛（Autonomous Driving，AD）技術(shù)在提高交通系統(tǒng)的通行能力、效率、穩(wěn)定性和安全性方面有著巨大潛力［1，2］.通過(guò)將關(guān)鍵駕駛?cè)蝿?wù)的安全控制轉(zhuǎn)交給系統(tǒng)承擔(dān)，AD 有效避免了人為駕駛失誤的出現(xiàn)，顯著提升了駕駛安全性［3］，已被納入未來(lái)智慧城市議程中的關(guān)鍵智能出行計(jì)劃［4］.

伴隨著AD 技術(shù)的出現(xiàn)，城市交通步入數(shù)字信息化時(shí)代，而車道作為駕駛環(huán)境的基本要素是AD 對(duì)場(chǎng)景理解的必要信息.美國(guó)汽車工程師協(xié)會(huì)（Society of Automotive Engineers，SAE）根據(jù)駕駛員的干預(yù)和注意力需求將自動(dòng)駕駛分為L(zhǎng)0 至L5 六個(gè)不同的級(jí)別［5］.目前，高級(jí)輔助駕駛系統(tǒng)（Advanced Driver Assistance Systems，ADAS）的實(shí)現(xiàn)和量產(chǎn)已將駕駛自動(dòng)化等級(jí)落實(shí)到了L2，已實(shí)現(xiàn)車道偏離預(yù)警、車道保持輔助、車道居中輔助和自動(dòng)變道輔助等功能［6～8］.然而，高度不確定的環(huán)境因素和部分場(chǎng)景下車道及車道線的不規(guī)則是目前車道檢測(cè)技術(shù)的挑戰(zhàn)，天氣條件、道路狀況以及周圍車輛和行人的行為都會(huì)對(duì)實(shí)際車道信息的特征提取造成不可避免的干擾［9，10］.因此，為進(jìn)一步提升AD 的駕駛安全性，在未來(lái)的發(fā)展中，服務(wù)于AD 的車道需要突破物理車道標(biāo)記的限制，應(yīng)以數(shù)字化、信息化、智能化的虛擬車道形式從“車的眼中”而非人的眼中構(gòu)建.

車道信息是地圖數(shù)據(jù)的一部分.目前，面向自動(dòng)駕駛的高精度地圖具有車道線位置、連接關(guān)系、地形和地面紋理等精確的地圖數(shù)據(jù)［11］，不僅能夠輔助智能車完成匹配定位，還能幫助智能車實(shí)現(xiàn)厘米級(jí)的路徑規(guī)劃［12］.然而，高精地圖只是完成了對(duì)現(xiàn)實(shí)地理環(huán)境的數(shù)據(jù)采集，所提供的車道級(jí)別信息源于現(xiàn)實(shí)，避免不了受到現(xiàn)實(shí)環(huán)境的影響.為此，車道信息要在高精地圖的物理空間維度之上以虛擬形式進(jìn)行構(gòu)建.文獻(xiàn)［13］認(rèn)為，未來(lái)測(cè)繪服務(wù)領(lǐng)域應(yīng)從物理空間向多維空間擴(kuò)展，由面向人服務(wù)到面向智能機(jī)器人服務(wù)的變化發(fā)展，其中，以智能車為代表的智能機(jī)器人應(yīng)得到測(cè)繪科技的保障和支持，而高精度地圖就是構(gòu)建機(jī)器人“心像地圖”的數(shù)據(jù)基礎(chǔ).而這里的多維空間是一個(gè)由可視化、虛擬現(xiàn)實(shí)、數(shù)字孿生、通信技術(shù)、移動(dòng)網(wǎng)絡(luò)和人工智能諸因素和技術(shù)共同支撐下的虛實(shí)相融的人類活動(dòng)新空間［13］.因此，未來(lái)自動(dòng)駕駛車的虛擬車道將是一種以高精地圖三維數(shù)據(jù)為基礎(chǔ)的，在多維空間下所構(gòu)建的，具有路徑規(guī)劃、自動(dòng)避障、定位及導(dǎo)航功能的智能虛擬車道，并最終以虛擬現(xiàn)實(shí)的形式在人眼中呈現(xiàn)，我們稱之為虛擬車道技術(shù).

虛擬車道技術(shù)的研究將是未來(lái)解決交通擁塞問(wèn)題的突破口.目前人們已經(jīng)開(kāi)發(fā)了城市地面、地下、水上和高空用于運(yùn)輸，但公共交通和貨物運(yùn)輸依舊承擔(dān)著巨大的壓力，地面道路建設(shè)不再滿足需求，未來(lái)的城市交通建設(shè)已將目光投向空中.美國(guó)Uber 公司早在2018提出了空中出租車UberAir 概念［14］，描繪了未來(lái)城市按需服務(wù)的空中交通網(wǎng)絡(luò)構(gòu)想.飛行汽車已不再是一個(gè)新穎的概念，其發(fā)展歷史可以追溯到上個(gè)世紀(jì)初［15，16］.最近，文獻(xiàn)［15］從性能和安全兩個(gè)角度研究了其內(nèi)部動(dòng)力系統(tǒng)架構(gòu)的設(shè)計(jì).文獻(xiàn)［16］總結(jié)了目前處于開(kāi)發(fā)階段的23 種飛行汽車原型，按起降模式可分為水平起降（Horizontal Take-Off and Landing，HTOL）和垂直起降（Vertical Take-Off and Landing，VTOL）兩種類型，其中采用VTOL 模式的飛行汽車在城市地區(qū)具有更強(qiáng)的適用性.另外，飛行汽車在城市地區(qū)的大規(guī)模商用除了考慮自身設(shè)計(jì)和基礎(chǔ)設(shè)施外，還要考慮飛行汽車交通系統(tǒng)的各方面因素，如通信網(wǎng)絡(luò)、導(dǎo)航系統(tǒng)、網(wǎng)絡(luò)安全、城市規(guī)劃、環(huán)境污染、人為因素等［15～19］.然而，這些現(xiàn)有的著作只從宏觀角度總結(jié)和討論了FCTS 各方面的難點(diǎn)和技術(shù)需求，缺乏針對(duì)技術(shù)需求的具體實(shí)現(xiàn)方案的研究.因此，本文從自動(dòng)駕駛技術(shù)的角度出發(fā)，討論了城市FCTS 的發(fā)展階段以及相應(yīng)的關(guān)鍵技術(shù)，就FCTS 在城市空域待解決的路徑設(shè)計(jì)和導(dǎo)航問(wèn)題［16］提出了具體可行的方案——虛擬車道技術(shù).該技術(shù)可在城市空域?yàn)轱w行汽車構(gòu)建三維虛擬導(dǎo)航通道，將自動(dòng)駕駛的系統(tǒng)作用域進(jìn)一步擴(kuò)展，實(shí)現(xiàn)比L5 完全自動(dòng)化更高維度的L6空地全域自動(dòng)化.

2 虛擬車道技術(shù)的發(fā)展階段

2.1 L6自動(dòng)駕駛概念

虛擬車道技術(shù)的發(fā)展不會(huì)是一蹴而就的，需要與駕駛自動(dòng)化等級(jí)相匹配并隨之演進(jìn).而在目前SAE 所設(shè)立的自動(dòng)駕駛分級(jí)中，系統(tǒng)作用域只考慮了地面空間，最終的L5 完全自動(dòng)化也并非實(shí)現(xiàn)真正意義上的全域自動(dòng)駕駛.由于虛擬車道技術(shù)將未來(lái)飛行汽車實(shí)現(xiàn)自動(dòng)化設(shè)為最終目標(biāo)，城市空域?qū)⒈籄D 充分利用，最終的駕駛自動(dòng)化將解除物理車道限制，貫穿地面和天空兩個(gè)領(lǐng)域.因此，如圖1 所示，我們?cè)赟AE 指定的自動(dòng)駕駛等級(jí)基礎(chǔ)上，提出了最新的L6 空地全域自動(dòng)化的概念，并指出了各自動(dòng)化等級(jí)所處的虛擬車道技術(shù)發(fā)展階段.

圖1 L0至L6駕駛自動(dòng)化等級(jí)

2.2 虛擬車道的三個(gè)發(fā)展階段

根據(jù)自動(dòng)駕駛等級(jí)的提升，虛擬車道技術(shù)的發(fā)展將會(huì)經(jīng)歷三個(gè)階段.首先，在L0 至L2 中，由于自動(dòng)駕駛系統(tǒng)（Automated Driving System，ADS）只提供輕量級(jí)的輔助控制，駕駛操作必須全程由人類負(fù)責(zé).因此，為人類駕駛員提供復(fù)雜道路環(huán)境下的駕駛路徑引導(dǎo)是虛擬車道技術(shù)在該階段的主要任務(wù)，并稱該階段為虛擬車道的初級(jí)階段.在L3 至L5 階段中，車輛駕駛的主導(dǎo)權(quán)移交給了ADS，智能車在道路上的滲透率逐步提升，智能駕駛場(chǎng)景便成為虛擬車道技術(shù)的主要服務(wù)場(chǎng)景，稱該階段為虛擬車道中級(jí)階段.最后，L6 將是虛擬車道技術(shù)走向成熟的最終階段，此時(shí)自動(dòng)駕駛飛行汽車已經(jīng)商用，城市交通邁向“空地一體化”.圖2 給出了三個(gè)發(fā)展階段的場(chǎng)景圖，下面將作具體介紹.

圖2 虛擬車道的三個(gè)發(fā)展階段

2.2.1 初級(jí)階段：面向L0-L2的有人駕駛場(chǎng)景

在初級(jí)階段下，道路上的車輛以人類駕駛車輛為主，且路面上需要物理車道標(biāo)志來(lái)供駕駛員區(qū)分車道.初級(jí)的虛擬車道為目前的智慧公路系統(tǒng)［20］，其數(shù)據(jù)源于沿車道邊緣大規(guī)模部署的IoT 信標(biāo)，能夠?qū)π旭傑囕v及道路本身狀態(tài)進(jìn)行數(shù)據(jù)采集，并融合高架攝像機(jī)、氣象設(shè)備和路側(cè)雷達(dá)對(duì)整個(gè)路網(wǎng)進(jìn)行全覆蓋感知與檢測(cè)，通過(guò)“端-邊-云”協(xié)同計(jì)算［21］為車道上的每輛車提供最優(yōu)行駛路徑.人類駕駛員可以通過(guò)車道邊緣IoT信標(biāo)的頻閃燈光、路旁屏幕文字、車載通信設(shè)備的聲音和畫(huà)面獲得最佳行駛方案的提醒，通過(guò)一條潛在的虛擬軌道實(shí)現(xiàn)復(fù)雜道路場(chǎng)景下的超視距感知和導(dǎo)航.

2.2.2 中級(jí)階段：面向L3-L5的智能駕駛場(chǎng)景

在中級(jí)階段下，道路上的車以智能駕駛車為主，車輛的主要駕駛操作權(quán)由人類移交給系統(tǒng)，并且全路網(wǎng)部署的泛在感知系統(tǒng)可以為智能車提供高精地圖.每輛智能車根據(jù)地圖數(shù)據(jù)生成自己的虛擬車道進(jìn)行導(dǎo)航，并將虛擬的車道數(shù)據(jù)上傳至云端共享，云端將虛擬的車道數(shù)據(jù)與真實(shí)的環(huán)境數(shù)據(jù)進(jìn)行結(jié)合，從而實(shí)時(shí)更新高精地圖并再次下發(fā)至各各車端.在獲得融合了虛擬路網(wǎng)的高精地圖數(shù)據(jù)后，每輛智能車的虛擬車道會(huì)根據(jù)其導(dǎo)航路徑提供相應(yīng)的智能速度控制決策以避免整個(gè)路網(wǎng)的車輛碰撞和路徑?jīng)_突.

2.2.3 高級(jí)階段：面向L6空地一體化交通場(chǎng)景

在高級(jí)階段中，飛行汽車的加入使城市交通空地一體化.自動(dòng)駕駛車生成的虛擬車道由2D 平面變?yōu)?D 通道，僅地面部署的感知單元已經(jīng)不再滿足需求，IoT 信標(biāo)需要在高層建筑間垂直覆蓋實(shí)現(xiàn)全域的泛在感知和空間級(jí)高精地圖的構(gòu)建.為充分利用城市空域，空地一體化交通中的虛擬車道分為分層式結(jié)構(gòu).在城市空域按高度分為若干層，且每層可生成若干條虛擬車道，車道的數(shù)量可根據(jù)流量自適應(yīng)調(diào)節(jié)，不同層間通過(guò)斜坡匝道連通，路口無(wú)需交通信號(hào)燈控制.空域中每條虛擬車道會(huì)根據(jù)周圍障礙物進(jìn)行自適應(yīng)調(diào)整，不同車道間會(huì)相互協(xié)作以達(dá)到路網(wǎng)最大通行能力，因此該結(jié)構(gòu)所構(gòu)成的虛擬路網(wǎng)將是實(shí)時(shí)動(dòng)態(tài)的.

3 不同發(fā)展階段下的關(guān)鍵技術(shù)

3.1 初級(jí)階段

車路協(xié)同技術(shù)是初級(jí)虛擬車道的實(shí)現(xiàn)方式，能夠以聲、光、電等物理信號(hào)的形式呈現(xiàn)，用以引導(dǎo)人類駕駛員根據(jù)周圍環(huán)境的狀態(tài)執(zhí)行最佳的駕駛操作.如圖3所示，車路協(xié)同的實(shí)現(xiàn)需要依靠沿道路大規(guī)模部署的以IoT 信標(biāo)為主的多源傳感器系統(tǒng)，實(shí)時(shí)感知車輛及道路的狀態(tài)，并利用“端-邊-云”多層設(shè)備對(duì)原始感知數(shù)據(jù)的特征進(jìn)行提取，并進(jìn)一步作本地?cái)?shù)據(jù)分析及計(jì)算.數(shù)據(jù)計(jì)算處理完畢后，對(duì)檢測(cè)到的異常事件以及每輛車需要執(zhí)行的最佳駕駛動(dòng)作進(jìn)行發(fā)布.

圖3 初級(jí)虛擬車道的實(shí)現(xiàn)方法

3.1.1 路側(cè)設(shè)備

路側(cè)設(shè)備由IoT 信標(biāo)、攝像頭、毫米波雷達(dá)以及氣象站組成.其中，IoT信標(biāo)為核心傳感器，它是一種集成地磁、溫度等多種傳感器和LED（Light Emitting Diode）的感知設(shè)備，在極端惡劣的環(huán)境下?lián)碛泻芎玫目煽啃耘c續(xù)航能力［20］.內(nèi)置遠(yuǎn)距離低功耗無(wú)線通訊技術(shù)并與大數(shù)據(jù)平臺(tái)配合，能夠?qū)崿F(xiàn)車輛預(yù)警、車流量統(tǒng)計(jì)［22］、車型分類［23］、車速測(cè)量［24］、IoT信標(biāo)間通訊、夜晚及惡劣天氣下的公路輪廓標(biāo)顯示.架設(shè)在道路上方的高清攝像機(jī)提取出車輛的車型及車牌號(hào)等信息，用于完成后續(xù)視頻數(shù)據(jù)與IoT信標(biāo)檢測(cè)到的車輛軌跡的關(guān)聯(lián)工作.路側(cè)氣象監(jiān)測(cè)站能將環(huán)境溫度、相對(duì)濕度、能見(jiàn)度以及降水降雪等氣象信息報(bào)告給系統(tǒng)后臺(tái)，便于后臺(tái)獲得并向道路車輛發(fā)布最新的氣象信息.

3.1.2 多源融合

傳感器數(shù)據(jù)間的融合包括多IoT 信標(biāo)融合、攝像機(jī)與IoT 信標(biāo)融合、攝像機(jī)與雷達(dá)融合.采用卡爾曼濾波器（Kalman Filter，KF）的數(shù)據(jù)級(jí)融合算法［25，26］以原始形式對(duì)收集自不同傳感器的數(shù)據(jù)進(jìn)行融合，可通過(guò)觀測(cè)不斷提高估計(jì)值［27］，適用于任何狀態(tài)連續(xù)變化的動(dòng)態(tài)系統(tǒng)［28］.由于KF實(shí)現(xiàn)數(shù)據(jù)關(guān)聯(lián)不需要在內(nèi)存中保存很多數(shù)據(jù)，唯一的關(guān)鍵數(shù)據(jù)是傳感器信號(hào)的歷史狀態(tài)，適合具有最小系統(tǒng)規(guī)范要求的實(shí)時(shí)應(yīng)用系統(tǒng)［29］，因此KF可用于對(duì)交通狀態(tài)進(jìn)行估計(jì)的多IoT 信標(biāo)數(shù)據(jù)融合以及異構(gòu)傳感器數(shù)據(jù)融合.具體來(lái)說(shuō)，可利用攝像機(jī)與雷達(dá)的高精度檢測(cè)數(shù)據(jù)，與IoT 信標(biāo)設(shè)備的信息進(jìn)行互補(bǔ)，有效獲取從不同的環(huán)境特征下對(duì)道路信息高精確的感知，得到道路和車輛更加完整的數(shù)據(jù).

3.1.3 “端-邊-云”架構(gòu)

“端”指路側(cè)感知設(shè)備，“邊”指邊緣計(jì)算設(shè)備，“云”指云平臺(tái).路側(cè)感知設(shè)備包括：IoT 信標(biāo)、攝像機(jī)、毫米波雷達(dá)等.首先，路側(cè)設(shè)備將采集到的原始數(shù)據(jù)信息發(fā)送至邊緣計(jì)算設(shè)備.其次，邊緣計(jì)算設(shè)備通過(guò)將單個(gè)路側(cè)設(shè)備采集的數(shù)據(jù)進(jìn)行數(shù)據(jù)關(guān)聯(lián)和融合，獲取車流、車型、車速及車牌等信息并對(duì)異常事件（如異常停車、逆行等）進(jìn)行檢測(cè).之后，邊緣計(jì)算設(shè)備再將事件信息傳輸至路側(cè)單元、情報(bào)板以及喇叭等發(fā)布設(shè)備，用于顯示或者對(duì)路上行駛車輛發(fā)送預(yù)警信號(hào)等后續(xù)操作.同時(shí)，這些處理后的信息也會(huì)發(fā)送至云平臺(tái)進(jìn)行多個(gè)路側(cè)設(shè)備的傳輸數(shù)據(jù)融合，實(shí)現(xiàn)超視距事件發(fā)布及處理.

3.1.4 可行性分析

為了驗(yàn)證初級(jí)虛擬車道技術(shù)的可行性，本文選取真實(shí)道路場(chǎng)景進(jìn)行了戶外實(shí)驗(yàn).該初級(jí)虛擬車道實(shí)驗(yàn)系統(tǒng)的主要方案是利用毫米波雷達(dá)和IoT 信標(biāo)輔助視覺(jué).基本思路是將毫米波雷達(dá)返回的目標(biāo)點(diǎn)投影到圖像上，圍繞該點(diǎn)并結(jié)合先驗(yàn)知識(shí)，生成一個(gè)矩形的感興趣區(qū)域，然后我們只對(duì)該區(qū)域內(nèi)進(jìn)行目標(biāo)檢測(cè).攝像機(jī)捕捉車輛經(jīng)過(guò)各IoT 設(shè)備的圖像信息后，再利用對(duì)應(yīng)的真實(shí)時(shí)間標(biāo)號(hào)將攝像機(jī)檢測(cè)信息與IoT 設(shè)備檢測(cè)信息進(jìn)行數(shù)據(jù)對(duì)齊，以此解決攝像機(jī)的漏檢或者多檢情況.最后，利用毫米波雷達(dá)返回的目標(biāo)的距離、角度、速度信息來(lái)進(jìn)行碰撞時(shí)間計(jì)算，以實(shí)現(xiàn)行人/車輛在預(yù)警時(shí)間閾值內(nèi)預(yù)警，避免攝像機(jī)距離測(cè)量及障礙物速度估計(jì)不準(zhǔn)的問(wèn)題.以前方存在異常停車的場(chǎng)景為例，實(shí)驗(yàn)結(jié)果如圖4所示，應(yīng)用初級(jí)虛擬車道技術(shù)的實(shí)驗(yàn)路段可以通過(guò)路側(cè)IoT 信標(biāo)、攝像機(jī)以及毫米波雷達(dá)等多種傳感器采集途經(jīng)車輛的類型、位置、速度、流量等狀態(tài)信息，“端-邊-云”系統(tǒng)進(jìn)一步對(duì)本地?cái)?shù)據(jù)進(jìn)行提取、融合和計(jì)算，將所得最優(yōu)策略發(fā)布給實(shí)驗(yàn)車輛，實(shí)驗(yàn)車輛通過(guò)內(nèi)置車載單元接收到了前方停止車輛預(yù)警，并被提醒減速慢行以避免碰撞，可見(jiàn)實(shí)驗(yàn)實(shí)現(xiàn)了車路協(xié)同使能的初級(jí)虛擬車道技術(shù).

圖4 初級(jí)虛擬車道技術(shù)用于避免車輛碰撞的實(shí)驗(yàn)結(jié)果

3.2 中級(jí)階段

高精度地圖是中級(jí)虛擬車道的主要使能技術(shù)，如圖5所示，該階段下的虛擬車道技術(shù)不再依托任何物理呈現(xiàn)形式，而是一條基于高精地圖數(shù)據(jù)進(jìn)行實(shí)時(shí)導(dǎo)航的虛擬路徑.該虛擬導(dǎo)航路徑能夠通過(guò)云端對(duì)整個(gè)路網(wǎng)的狀態(tài)進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整，并為智能車定制專屬的智能速度控制方案以保障虛擬車道上的無(wú)擁堵和無(wú)碰撞行駛.

圖5 中級(jí)虛擬車道的實(shí)現(xiàn)方法

3.2.1 高精度地圖

高精度地圖的信息量和數(shù)據(jù)質(zhì)量影響到自動(dòng)駕駛系統(tǒng)的安全性和可靠性.與傳統(tǒng)地圖相比，中級(jí)虛擬車道依靠的高精度地圖不僅提高了地圖的精度與信息量（如二維與三維、光柵與矢量、點(diǎn)云圖與語(yǔ)義圖等），而且結(jié)合了全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS）、慣性導(dǎo)航系統(tǒng)（Inertial Navigation System，INS）、里程計(jì)技術(shù)［30］，將現(xiàn)實(shí)道路場(chǎng)景中的靜態(tài)環(huán)境元素（道路基礎(chǔ)設(shè)施、城市建筑物等）以精確數(shù)值的形式預(yù)先生成在地圖空間中.因此，高精度地圖擴(kuò)展了車輛的靜態(tài)環(huán)境感知，再配合單車感知和路側(cè)感知對(duì)道路上的動(dòng)態(tài)環(huán)境元素（車輛、行人等）的實(shí)時(shí)檢測(cè)，從而實(shí)現(xiàn)智能車的超視距環(huán)境感知和最優(yōu)路徑的超視距規(guī)劃.

3.2.2 定位和導(dǎo)航

精確的車輛定位是中級(jí)虛擬車道生成的前提條件.對(duì)智能車輛而言，在駕駛過(guò)程中需要不斷攝入新的環(huán)境信息構(gòu)建高精度地圖，同時(shí)根據(jù)已有地圖和當(dāng)前場(chǎng)景準(zhǔn)確快速判斷自身位置，即時(shí)定位與地圖構(gòu)建（Simultaneous Localization And Mapping，SLAM）是實(shí)現(xiàn)智能車定位與導(dǎo)航的關(guān)鍵技術(shù)，主要包括視覺(jué)SLAM 和激光SLAM［31］.為滿足智能車的在復(fù)雜環(huán)境中定位需求，SLAM 技術(shù)需融合多種傳感器信息，以提升定位精度和對(duì)復(fù)雜場(chǎng)景變化的魯棒性.具體而言，智能車?yán)盟鶖y帶的視覺(jué)、激光等傳感器預(yù)估當(dāng)前位置和姿態(tài)，通過(guò)觀察當(dāng)前地圖上的特征點(diǎn)來(lái)更新自身位置，并根據(jù)當(dāng)前傳感器數(shù)據(jù)提取環(huán)境地圖，對(duì)環(huán)境地圖進(jìn)行更新.基于先驗(yàn)高精地圖的SLAM 技術(shù)可以通過(guò)車載傳感器獲取的點(diǎn)云數(shù)據(jù)和圖像信息與地圖上的三維地標(biāo)信息進(jìn)行匹配來(lái)實(shí)現(xiàn)其位置和姿態(tài)的精確獲取［32］.在此基礎(chǔ)上，虛擬車道可根據(jù)超視距感知的道路元素，以車輛初始位置和姿態(tài)為起點(diǎn)，并融合INS、GNSS 以及激光雷達(dá)等多源數(shù)據(jù)［33］，在地圖中動(dòng)態(tài)規(guī)劃出一條由高精度矢量構(gòu)成的超視距導(dǎo)航路徑.

3.2.3 路徑規(guī)劃

為智能車所規(guī)劃的虛擬路徑不僅要保證每輛車都可以安全地從出發(fā)地（O）行駛到目的地（D），還要根據(jù)行駛距離、行駛時(shí)間、燃油成本和污染物排放量等因素在多個(gè)O-D路徑中選取最優(yōu).全路網(wǎng)虛擬路徑的動(dòng)態(tài)規(guī)劃由云端平臺(tái)進(jìn)行，每輛車將其初始定義的虛擬路徑上傳至云端，云端可通過(guò)基于模糊邏輯和改進(jìn)蟻群算法的路徑分配機(jī)制［34］對(duì)整個(gè)路網(wǎng)的虛擬車道進(jìn)行實(shí)時(shí)動(dòng)態(tài)規(guī)劃和宏觀路線調(diào)整，并為每條虛擬路徑制定精確到速度的行駛決策方案，以保障虛擬車道互相在時(shí)間和空間上均不存在沖突.隨后，結(jié)合高精地圖數(shù)據(jù)被重新發(fā)布至各各車端，智能車接收后會(huì)按照虛擬車道的決策在指定最優(yōu)路線上進(jìn)行智能速度控制和避障以實(shí)現(xiàn)安全駕駛.

3.2.4 可行性分析

為驗(yàn)證中級(jí)虛擬車道技術(shù)的可行性，我們使用汽車智能駕駛一體化仿真測(cè)試平臺(tái)PANOSIM［35］對(duì)全智能駕駛場(chǎng)景進(jìn)行模擬，虛擬車道的定位與導(dǎo)航功能由基于高精度地圖的SLAM技術(shù)完成，主要分為兩步.

首先，SLAM與激光點(diǎn)云信息進(jìn)行融合.激光雷達(dá)實(shí)時(shí)掃描的點(diǎn)云信息與高精度地圖進(jìn)行匹配，快速獲得可靠的定位信息.具體來(lái)說(shuō)，我們采用累積多次掃描點(diǎn)云方法，獲得更高密度的地面點(diǎn)云，提升用來(lái)匹配的局部地圖的信噪比，再通過(guò)對(duì)連續(xù)的若干幀進(jìn)行聯(lián)合優(yōu)化以抑制不同幀之間由于定位誤差積累帶來(lái)的配準(zhǔn)不一致問(wèn)題.另外，我們采用基于相位相關(guān)的方法來(lái)提升XY定位算法的精度和魯棒性.假設(shè)圖像f1和f2之間的平移變換為：

其中(x0，y0)為估計(jì)平移量，根據(jù)傅立葉變換原理，對(duì)圖像f1和f2進(jìn)行轉(zhuǎn)化得到F和F'，則進(jìn)一步得到兩幅圖像間的互功率譜函數(shù)為：

最后計(jì)算上述結(jié)果的傅立葉反函數(shù)，結(jié)果中最大值出現(xiàn)的位置就是待估計(jì)(x0，y0)，通過(guò)插值可以獲得亞像素的定位結(jié)果.上述x0和y0結(jié)合初始的X和Y可以獲得最終的精確的定位結(jié)果.

然后，SLAM 與視覺(jué)信息進(jìn)行融合.智能汽車?yán)脭z像頭檢測(cè)出車道線信息，同時(shí)與高精度地圖中的幾何信息進(jìn)行匹配，完成對(duì)智能車輛的定位.具體地，先對(duì)高精度地圖中的車道線信息在圖像空間進(jìn)行采樣，獲得離散的點(diǎn)，再采用粒子濾波定位方法［36］，成本函數(shù)定義為高精度地圖上點(diǎn)反投影后最近的圖像上檢測(cè)的車道線上的點(diǎn)的誤差：

實(shí)驗(yàn)效果如圖6所示，仿真中的智能車?yán)弥欣迷贫怂峁┑母呔貓D數(shù)據(jù)并通過(guò)SLAM 定位技術(shù)生成了虛擬車道導(dǎo)航路徑，并實(shí)現(xiàn)了智能速度控制以及路徑調(diào)整等功能，從而驗(yàn)證了高精度地圖使能的中級(jí)虛擬車道技術(shù)的可行性.

圖6 中級(jí)虛擬車道技術(shù)實(shí)驗(yàn)效果

3.3 高級(jí)階段

高級(jí)虛擬車道是一項(xiàng)服務(wù)于L6空地全域自動(dòng)駕駛的三維虛擬通道導(dǎo)航技術(shù)，面向未來(lái)城市空域資源也被用于交通運(yùn)輸?shù)目盏匾惑w化交通場(chǎng)景.如圖7 所示，該場(chǎng)景首先需要為飛行汽車設(shè)計(jì)一種有秩序的城市空域交通結(jié)構(gòu)，其次三維導(dǎo)航通道的生成需要實(shí)時(shí)性更高的數(shù)字孿生技術(shù)來(lái)支撐高精度地圖的刷新，最后還應(yīng)從全域的角度考慮FCTS的數(shù)字通信和網(wǎng)絡(luò)安全等問(wèn)題.

圖7 高級(jí)虛擬車道的實(shí)現(xiàn)方法

3.3.1 城市空域交通結(jié)構(gòu)

文獻(xiàn)［19］指出，對(duì)于飛行汽車的目視飛行規(guī)則（Visual Flight Rules，VFR）預(yù)計(jì)在高度為距地面0-500英尺的超低空空域?qū)崿F(xiàn).因此，假設(shè)未來(lái)城市空域交通在此高度范圍內(nèi)進(jìn)行層式結(jié)構(gòu)劃分.參考無(wú)人機(jī)sky-lanes 城市空域結(jié)構(gòu)［37］.該結(jié)構(gòu)下的每條虛擬車道是一個(gè)矩形條狀空間且只有一輛車的寬度和高度，要求汽車嚴(yán)格按照車道矩形中心線飛行以避免碰撞，允許橫向調(diào)整車道軌跡，不同層間通過(guò)斜坡匝道連接，空中每一層有若干條車道，且同時(shí)存在的車道數(shù)量可根據(jù)流量自適應(yīng)調(diào)節(jié)，實(shí)現(xiàn)車輛無(wú)碰撞、無(wú)擁堵的路口通行和層級(jí)切換.其中飛行汽車的啟用按乘客需求隨時(shí)分配，定義個(gè)性化的臨時(shí)車道，一定范圍內(nèi)同一時(shí)間的所有車道構(gòu)成實(shí)時(shí)路網(wǎng)，并隨著車輛的加入或退出實(shí)時(shí)更新.

3.3.2 空地高精度地圖

L6空地全域自動(dòng)駕駛所配備的高精度地圖相比于目前自動(dòng)駕駛使用的高精度地圖，它具有高維性、數(shù)字可控性和自適應(yīng)性的特點(diǎn).其中，高維性是發(fā)展空地一體化交通的前提，高精度地圖需要對(duì)整個(gè)城市采集空間定位信息、地面和高層建筑紋理、空域虛擬車道信息等高維高精度數(shù)據(jù)以確?？盏厝蜃詣?dòng)駕駛的安全.數(shù)字可控性指高精度地圖需要數(shù)字孿生技術(shù)的支持，通過(guò)在城市地面道路和高層建筑表面全面覆蓋集成多源傳感器的IoT 信標(biāo)，以實(shí)現(xiàn)全域交通感知、全網(wǎng)數(shù)據(jù)資源共享以及全方位城市規(guī)劃可控［38］.云端的數(shù)字孿生平臺(tái)能夠通過(guò)AI 對(duì)實(shí)時(shí)的交通態(tài)勢(shì)進(jìn)行數(shù)據(jù)分析，并對(duì)交通擁堵的進(jìn)行精準(zhǔn)預(yù)測(cè)，及時(shí)調(diào)整虛擬路網(wǎng)的車道分布，從而穩(wěn)定交通流，提升城市全域的通行效率.自適應(yīng)性是由于高級(jí)虛擬車道技術(shù)在空域所生成的虛擬路網(wǎng)是實(shí)時(shí)動(dòng)態(tài)的，因此，高精度地圖需要與這些虛擬車道進(jìn)行實(shí)時(shí)交互，能夠根據(jù)變化的虛擬路網(wǎng)連接狀態(tài)計(jì)算并調(diào)整地圖中的空間地圖數(shù)據(jù)，無(wú)需對(duì)空間數(shù)據(jù)進(jìn)行重新采集以降低成本.

3.3.3 空域車聯(lián)網(wǎng)

考慮到飛行汽車能夠在離地?cái)?shù)百米的高度行駛，傳統(tǒng)的地面無(wú)線通信系統(tǒng)無(wú)法做到全高度范圍覆蓋，空地一體化交通需要鋪設(shè)更多的空中接入點(diǎn)，如樓層間部署的高空IoT 信標(biāo)可以擴(kuò)展FCTS 的通信范圍及輔助位置標(biāo)定，再配合低軌道（Low Earth Orbit，LEO）衛(wèi)星通信系統(tǒng)可對(duì)虛擬車道進(jìn)行精確的三維定位［39］.為此，車聯(lián)網(wǎng)通信需要擴(kuò)展到FCTS，目前最先進(jìn)的蜂窩車聯(lián)網(wǎng)技術(shù)（Cellular-Vehicle to Everything，C-V2X）在中國(guó)的發(fā)展處于世界領(lǐng)先地位［40］.C-V2X 利用和增強(qiáng)當(dāng)前的蜂窩移動(dòng)通信系統(tǒng)，提供了大覆蓋、低延遲、高可靠性和高吞吐量的V2X 通信［40，41］，將其應(yīng)用于FCTS 可以有效地提高虛擬車道技術(shù)在全域的信息交換和環(huán)境感知能力.虛擬路網(wǎng)的動(dòng)態(tài)調(diào)整還需要依靠按需服務(wù)網(wǎng)絡(luò)加以輔助，通過(guò)設(shè)立分散的V2I（Vehicle to Infrastructure）服務(wù)站點(diǎn)或利用現(xiàn)有的蜂窩移動(dòng)基站，為所在范圍內(nèi)的車輛提供調(diào)度服務(wù)［42］，從而使每輛車間能夠通過(guò)V2V（Vehicle to Vehicle）及V2I 實(shí)時(shí)共享自己的虛擬路徑，有助于云端對(duì)整個(gè)虛擬路網(wǎng)的動(dòng)態(tài)規(guī)劃.

3.3.4 6G“天空地一體”通信

與5G 網(wǎng)絡(luò)相比，第六代無(wú)線通信（6G）網(wǎng)絡(luò)將不再局限于地面通信網(wǎng)絡(luò)，通過(guò)融合衛(wèi)星、無(wú)人機(jī)通信網(wǎng)絡(luò)等非地面通信網(wǎng)絡(luò)，可以實(shí)現(xiàn)天、空、地一體化通信網(wǎng)絡(luò)［43，44］，這為基于虛擬車道技術(shù)的空地一體化交通提供了覆蓋全域的空中接口.亞厘米級(jí)的定位精度以及毫秒級(jí)的時(shí)間同步［45，46］能夠?yàn)槊嫦蜃詣?dòng)駕駛的高精度地圖提供更快的刷新率，從而保障城市級(jí)別數(shù)字孿生系統(tǒng)的實(shí)時(shí)性和虛擬車道感知和決策的快速響應(yīng).此外，智能反射面（Intelligent Reflecting Surface，IRS）被認(rèn)為是未來(lái)6G 生態(tài)系統(tǒng)的一種有前途的技術(shù)［47］.IRS 可用于實(shí)現(xiàn)6G 無(wú)線通信系統(tǒng)的智能和可重構(gòu)無(wú)線傳播環(huán)境，為從根本上解決無(wú)線信道衰落損害和干擾問(wèn)題提供了新的手段［48］.并且IRS 具有成本低、無(wú)天線噪聲放大和自干擾、易于集成到無(wú)線網(wǎng)絡(luò)等優(yōu)勢(shì)，因此通過(guò)IRS 在高層建筑表面的密集部署，可以有效地?cái)U(kuò)展空地一體化交通的網(wǎng)絡(luò)容量以及無(wú)線通信系統(tǒng)的覆蓋范圍，還可以化解城市峽谷地形導(dǎo)致的衛(wèi)星信號(hào)屏蔽影響車輛精確定位的問(wèn)題.

3.3.5 可行性分析

空地一體化交通的實(shí)現(xiàn)需要交通、通信、自動(dòng)化等多領(lǐng)域的先進(jìn)技術(shù)相互支撐.該場(chǎng)景下，城市路網(wǎng)跨入空域，多層次的交通流需要合理規(guī)范的交通管理技術(shù)支持；自動(dòng)駕駛汽車從地面過(guò)渡到天空，在城市間三維方向上的駕駛安全需要精確的空間定位和導(dǎo)航技術(shù)來(lái)保障；移動(dòng)通信和車路協(xié)同為滿足FCTS 的用戶需求，需要將通信和感知的覆蓋范圍擴(kuò)展至空域，海量數(shù)據(jù)的接入需要對(duì)有限地通信資源進(jìn)行合理地分配.因此，作為面向空地一體化交通場(chǎng)景的L6 自動(dòng)駕駛技術(shù)，高級(jí)虛擬車道需要交通、通信以及自動(dòng)化三方面技術(shù)手段的共同驅(qū)動(dòng)和相互配合.

在本文中，高級(jí)虛擬車道采用了基于sky-lanes 的空域交通管理模型，文獻(xiàn)［37］已對(duì)其給出了詳細(xì)的系統(tǒng)設(shè)計(jì)準(zhǔn)則和數(shù)值仿真模擬，該空域交通結(jié)構(gòu)能夠保障城市空域交通系統(tǒng)下的高吞吐系統(tǒng)性能以及車輛間縱向分離安全，可用于規(guī)范空中無(wú)人機(jī)在高度自治下的運(yùn)動(dòng)，以及預(yù)測(cè)未來(lái)交通系統(tǒng)的特點(diǎn)［37］.其次，本文對(duì)于定位和導(dǎo)航所使用的SLAM 技術(shù)可擴(kuò)展到高維數(shù)據(jù)空間，融合激光雷達(dá)和攝像機(jī)等傳感器的三維SLAM技術(shù)［49，50］通過(guò)與空地高精度地圖中的城市地面及建筑紋理、層級(jí)部署IoT 信標(biāo)位置和虛擬車道等信息進(jìn)行匹配，可實(shí)現(xiàn)精確的空間定位和三維導(dǎo)航.對(duì)于空地一體交通的海量接入用戶和多源異構(gòu)感知信息，就目前通信技術(shù)的最新發(fā)展可知，融合6G 的通信-感知-計(jì)算方案［51］在高維數(shù)據(jù)處理和高維資源管理問(wèn)題上是有效且可行的.

4 未來(lái)挑戰(zhàn)

相比于L1-L5自動(dòng)駕駛，L6空地全域自動(dòng)駕駛由于應(yīng)用場(chǎng)景的特殊性和復(fù)雜性，其在未來(lái)的大規(guī)模商用方面仍然存在巨大的挑戰(zhàn)，更多的自身及環(huán)境因素需要被考慮，如氣候、能耗、協(xié)同調(diào)度、網(wǎng)絡(luò)安全等.

（1）氣候影響：飛行汽車行駛在城市空域不同高度上的虛擬路網(wǎng)中，會(huì)對(duì)不利天氣條件（如暴風(fēng)雨）十分敏感，因此，F(xiàn)CTS專用的天氣預(yù)報(bào)系統(tǒng)需要在空地一體化交通系統(tǒng)設(shè)計(jì)中被考慮.該系統(tǒng)能夠通過(guò)云端把不利天氣預(yù)報(bào)給相應(yīng)空域中的車端，然后在整個(gè)虛擬路網(wǎng)層面上對(duì)影響的飛行汽車重新規(guī)劃虛擬車道，制定自適應(yīng)的控制方案.

（2）能耗問(wèn)題：飛行汽車駕駛中的起飛和爬升過(guò)程使其面臨更高的能耗和排放.在給定的燃料/電量下，飛行汽車在空中的最大飛行距離和最大飛行時(shí)間決定了其用于大規(guī)模生產(chǎn)和商用的價(jià)值.為此，飛行汽車的在設(shè)計(jì)和生產(chǎn)環(huán)節(jié)中需要綜合考慮車輛重量、起降模式、發(fā)動(dòng)機(jī)功耗和推力以及天氣影響等各種因素.

（3）協(xié)同調(diào)度：隨著飛行汽車的投入運(yùn)營(yíng)，F(xiàn)CTS將面臨高峰時(shí)段的擁堵壓力，且不同類型飛行器（如無(wú)人機(jī)、直升機(jī)等）可能與飛行汽車共用城市空域，為了避免城市空域中的任何碰撞發(fā)生，準(zhǔn)確的監(jiān)控和指揮是必不可少的.空地一體化交通系統(tǒng)應(yīng)建立地面輔助監(jiān)控網(wǎng)絡(luò)來(lái)進(jìn)行實(shí)時(shí)監(jiān)控和管理，以提供及時(shí)的交通控制和協(xié)同調(diào)度服務(wù).

（4）網(wǎng)絡(luò)安全：由于L6 自動(dòng)駕駛場(chǎng)景的通信網(wǎng)絡(luò)規(guī)模擴(kuò)展至空域，大量的連接將導(dǎo)致全域控制網(wǎng)絡(luò)很容易受到入侵和攻擊，有害的網(wǎng)絡(luò)病毒或欺詐數(shù)據(jù)會(huì)干擾網(wǎng)絡(luò)的正常運(yùn)行，如竊取私人信息，強(qiáng)行奪取目標(biāo)車輛控制權(quán)，或偽裝成普通車輛或服務(wù)器潛入網(wǎng)絡(luò)獲取利益等［52］.區(qū)塊鏈技術(shù)將是空地一體化交通場(chǎng)景下保障安全可靠通信的有效方案，其分布式的數(shù)據(jù)存儲(chǔ)方式可以化解網(wǎng)絡(luò)集中化管理易受單點(diǎn)攻擊所導(dǎo)致的數(shù)據(jù)篡改和隱私泄露問(wèn)題［53，54］.

5 總結(jié)

空地一體化交通將是下一代科技浪潮的重要應(yīng)用場(chǎng)景，L6 空地全域自動(dòng)化是未來(lái)自動(dòng)駕駛行業(yè)發(fā)展的必然趨勢(shì).虛擬車道技術(shù)作為L(zhǎng)6 的關(guān)鍵使能技術(shù)，通過(guò)對(duì)城市空間的全方位感知和通信，可為自動(dòng)駕駛飛行汽車提供空地高精度地圖用于空間定位和三維虛擬通道導(dǎo)航，從而構(gòu)建城市空域虛擬路網(wǎng)為空地一體化交通場(chǎng)景下的L6 自動(dòng)駕駛提供高效可行的方案.然而，虛擬車道技術(shù)并非一簇而就，將伴隨自動(dòng)駕駛等級(jí)的提升而演進(jìn).本文旨在幫助自動(dòng)駕駛行業(yè)明晰未來(lái)總體的發(fā)展方向，希望在學(xué)術(shù)界和工業(yè)界的共同努力下，這項(xiàng)虛擬車道技術(shù)能夠早日實(shí)現(xiàn)并為人類科技進(jìn)步做出劃時(shí)代的貢獻(xiàn).