5G保证ADAS、自动驾驶系统安全可靠地运行

2020-07-24陈天殷耿殿丽

汽车电器 2020年7期

陈天殷，耿殿丽

（美国亚派克机电（杭州）有限公司，浙江杭州 310013）

1 高速无线通信的进步的影响

当前汽车无线通信应用有两种技术：专用短程通信（DSRC）和4G蜂窝LTE。因自身速度、带宽和时延等的局限，无法满足先进的ADAS系统和自动驾驶对关键任务执行的要求。它们皆难以提供千兆比特／秒的数据速率、高速移动性支持、大规模机器通信和超高可靠性低时延［1］。

高速无线通信的进步，推进自动驾驶的发展。5G对车联网实质性提升的影响可通过一组数据对比来看：自动驾驶汽车以60km／h的速度行驶，如果时延是60ms，车的制动距离大概在1m；如果是10ms的时延，车的制动距离是17cm；如果降低到5G的理论时延1ms，制动距离缩短到只有17mm，这样，自动驾驶理论上也会更安全。5G网络的容量相对4G提升1000倍；频带宽度提升10倍；频谱效率提升10倍，实现低能耗全覆盖。

在技术测试时，自动驾驶的速度基本不会超过60km／h，若速度过快，信号的接收、处理和发送之间会存在延迟。5G低延时连接传输，时延从4G时代的50ms降低到了1ms，反应速度提升了整50倍。

5G的低时延、高带宽、高稳定性等特点，提升了车辆对环境的感知、决策、执行能力，给车联网、自动驾驶应用，尤其是涉及车辆安全控制类的应用带来更好的基础条件。需要低时延、高可靠性的涉及车辆控制类的高等级自动驾驶功能，如编队行驶、远程控制等；对于需要大带宽的应用，如高精度地图下载、视频回传等。5G蜂窝通信技术解决方案克服DSRC和4G蜂窝LTE的缺点，实现更安全、更强大的交通运作系统。由传统的人工驾驶藉ADAS提升为先进的机载驾驶辅助系统；人工智能技术和车联网让车辆进入自动驾驶时代。

通信技术每一次的升级及迭代，更高的网络速率是升级重点，速率的提升将被应用于众多垂直行业中。5G定义了3大业务场景：eMBB（增强型移动宽带）、mMTC（海量机器类通信）、uRLLC （超可靠低时延通信）［2］。

其中，eMBB主要面向3D／超高清视频等大流量移动宽带业务，它相当于4G网络的增强，用户体验速率在0.1～1Gb／s，峰值速率为10Gb／s；mMTC场景对应的是物联网等连接较大的应用，根据相关标准，每平方公里可支持连接100万个设备；而uRLLC超可靠、低时延（低于1ms）的特点则适合自动驾驶、工业自动化诸方面的场景要求，降低了行车风险。大量而充分的数据还有助于ADAS系统和自动驾驶汽车能保持最佳安全运行状态。

NSA非独立组网或eMBB，对于高速率、大带宽的引入，相当于4G网络的增强，它的优势在于产业进展略快，而劣势在于不支持uRLLC、mMTC场景，而这也是NSA模式的最大缺陷。依托于4G网络的NSA，其时延在几十毫秒到几百毫秒，也很难满足诸如车联网等业务的需求。从这个角度而言，NSA并非真正的5G，SA才是“真5G”。

5G亦是先进ADAS的需要。ADAS辅助驾驶者进入安全可靠的汽车驾驶系统，有人机交互接口时，车辆安全性和道路安全性显著增加。常见的ADAS必含车载导航系统，通常由GPS和TMC （Traffic movement control，交通控制频道）提供交通实时信息。自动驾驶有赖于人工智能、视觉计算、雷达探测、监控装置和全球定位系统协同合作，使汽车电脑能在没有人类主动操作的状况下，自动安全地驾驭汽车，这需要大量的视频采集、数据分析和不断反馈调整，并须做到低延时。若一辆自动驾驶汽车以120km／h的速度高速行驶，必须能及时探测出前方100m范围内的汽车有制动动作，方能正确应对，确保安全。

5G加人工智能（AI）让车辆拥有如同人一般的辨别能力。5G+AI从底层技术上的深度融合，将能感知覆盖更多场景、弥补路测数据的不足，也将无人驾驶的安全性提高一个数量级，更快实现技术的落地和普及，大大提升出行的安全性。

2 5G通信推进ADAS和自动驾驶

ADAS核心功能是通过预警降低碰撞风险，将安全置于首位。机器学习和数字化的时代，人机交互带来新的伦理问题。自动与互联驾驶是全面应用人机交互的创新领域，保护人类的生命始终拥有最高的优先权。无线通信技术与交通相结合具有3大优势：更安全的道路、更高效的交通路线规划，以及更多的车内便利性。具有无线功能的车辆可以与其他车辆和／或路边基础设施共享道路信息和交通状况，以更好地预测潜在的风险或路线延误，而这惟有5G才能保证［3］。

为体现上述优势，交通中的无线通信技术使用多种通信方法，包括车辆到车辆（V2V）、车辆到网络（V2N）、车辆到基础设施（V2I）、车辆到行人（V2P）、车辆到电网（V2G）以及最终的车联网（V2X）。

传感技术与人工智能（AI）为可靠而安全的自动驾驶系统提供了最先进的360°的全景影像。ADAS还包括：自适应巡航控制系统、车道偏离警示系统、换车道辅助系统、夜视、自动转向和制动的干预、防撞警示系统和后方追尾碰撞预警等，是智能控制的初步，是实现自动驾驶的前提。

2.1 5G克服当前V2X的技术局限

5G信息传递速度大幅提升基于如下关键技术：频谱扩展、全新波形、高阶调制、Massive MIMO、波束成形、全双工、终端直通、高级信道编码设计。5G的快速通信，亦基于基础设施侧的超密集的网络和小、微基站等技术的支持。此外，对于万物互联，网络功能虚拟化／网络切片、无线软件定义网络等技术更是5G的热点。故4G的峰值下载速率为1Gb／s，而5G的峰值速率可达10Gb／s以上［4］。

单车的智能改装成本甚巨。研究通用网关设备，讨论DSRC与4G蜂窝网络和汽车连通性中5G无线通信的优势前，可先回顾认识目前汽车行业中使用的无线通信技术：802.11p DSRC和基于LTE的蜂窝网络V2X。这两种技术都支持V2X通信，但各有利弊，而且当前它们都无法实现完整的V2X体验。当前的技术各有优势和局限，DSRC以IEEE 802.11p物理层标准为基础，在美国，还要遵守1609车载无线接入环境（WAVE）协议；在欧洲则要符合欧洲电信标准协会（ETSI）的 TC-ITS欧洲标准。

802.11 p DSRC的两大主要优点是：①可立即用于汽车行业；②时延极低，仅约5ms。基于成熟的 Wi-Fi 802.11a技术，IEEE于2010年批准了802.11p规范。许多想要部署V2X（特别是V2V和V2I）通信的汽车制造商现在更青睐802.11p的可用性。因为DSRC是基于自组网的通信技术，不依赖于网络基础设施服务。但802.11p需要安装许多新的接入点（AP）和网关，这增加了完全部署的时间和成本。由于它基于免费的Wi-Fi技术，只是因为当前还没有明确的商业模式，技术发展也仅有粗略的方案与方向，因而较难找到愿意支付AP部署成本的运营商。而蜂窝网络V2X（C-V2X）是汽车行业的新技术，最新的3GPP第14版定义了一些基于LTE技术的C-V2X规范（也称为用于车辆的LTE-V）。LTE-V支持汽车与网络的无线通信（V2N），以及V2V和V2P的器件到器件（D2D）通信。C-V2X的一大优势在于它使用现有的蜂窝网络基础设施，能提供更好的安全性、更大的通信范围以及从4G到5G及更高代的技术演进的路径。当前4G LTE网络上的LTE-V不能提供关键V2V通信所需的低时延（现在的4G时延在30～100ms之间）。若领头的汽车发出了紧急信号，V2V通信却未能及时通知后续车辆，安全状况可能会迅速恶化。

2.2 自动驾驶车辆的5G网关模组

2.2.1 自动驾驶车载网关架构

车载的5G自动驾驶网关模组架构如图1所示。

图1 自动驾驶车载网关架构图

通用网关设备，使自动驾驶车辆具备高效的网联能力，可以最大程度减少智能车辆的改装成本。自动驾驶车辆的单车必须具备的技术要求是：①集成度高、有通用适配能力（适配任何车型）；②能提供充分接入的能力；③有5G网络通信与感知融合能力；④有决策下发和流量卸载能力；⑤能灵活可靠地进行驾驶决策与控制。

通用自动驾驶车辆网关有如下6大特点。

1）专为车辆设计。为自动驾驶专项研发，更好符合车辆连接方式。

2）高精度定位服务。支持GPS、BOS、GLONASS，配备惯导模块，厘米级定位。

3）高速网络通信。内置网络模块，4G／5G／Wi-Fi，报告并标定定位结果，实时图像。

4）可视化配置。采用可视化配置方式，降低使用难度。

5）多功能接口设计。CAN口、POE口、RS222，支持车载设备连接。

6）内置LINNX设计。有强大的数据处理能力，支持内部程序二次开发。

2.2.2 自动驾驶车载网关

自动驾驶必须做到全场景高精度定位。

高精度地图与全场景高精度定位是实现L5级别自助驾驶路径规划的前提条件。高精度定位的目的是为了提供“我在何处”的高精度位置。高精度地图能为车辆环境感知提供辅助，告知超视距路况信息，并帮助车辆进行规划决策。高精度定位将自动驾驶汽车的环境感知结果与高精度地图进行对比，得到车辆在高精度地图中的精确位置和姿态。单一定位方式存在局限性，需要多传感器融合接入，借助RTK-GPS图像定位及基站信号惯性导航，而融合算法需要强大的计算资源，又需由通信将数据传输到MEC上，这皆需5G解决，以便能让车辆随时随地知晓自己在地图上不同环境和工况的精准位置，能精准标定自身在地图平面里，“此刻，我在这个点上”。

隧道中，差分GPS信号较弱，惯导也会产生累积误差，要靠图像和基站为车辆提供精确定位；高速公路上，可通过差分GPS、图像和基站定位融合感知车辆的位置；在夜晚图像感知能力较差，主要得依靠基站和差分GPS获取车辆的位置。

差分GPS、惯导、图像、基站等多种定位手段获得的位置数据，通过5G网络上传到移动边缘计算服务器进行融合计算，得出车辆的精确位置，再通过5G网络将位置信息回传给车辆。高精度精准定位涉及多种定位技术的融合计算，需强大计算资源。单车计算能力有限，需将数据传输到MEC上。

2.3 5G通信推动边缘计算与自动驾驶融合

5G自动驾驶的技术演进和测试需要通用自动驾驶网关。5G推动新一代通信与自动驾驶融合。

图2表示，从设备层、网络层直到服务层，5G为自动驾驶提供整套的基础通信、位置和计算能力，推动新一代通信技术与自动驾驶深度融合。

图2 网联自动驾驶的基础能力

5G核心网的控制面和数据面彻底分离，NFV（Network Function Virtualization，网络功能虚拟化将网络设备功能从网络硬件中解耦出来；数据平面可编程）令网络部署更加灵活，而使能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“核心”下沉到“边缘”，部署于接近数据源的地方，众多数据不必再经过网络到达云端处理，因而降低时延和网络负荷，也提升了数据安全性和隐私性。这对于时延要求甚高、数据处理和存储量极大的自动驾驶领域而言，至关重要。未来对于靠近车辆的移动通信设备，如基站、路边单元等架构或都将部署车联网的边缘计算，以完成本地端的数据处理、加密和决策，并提供实时、高可靠的通信能力。

当网络具备边缘计算能力后，各核心层和终端层的计算负荷都可以整合到边缘层进行，极大地降低网络传输的数据量，同时也为低时延赋能。车辆终端层决策的最大优势为时延小，常用于进行与车辆安全性紧密相关的决策，如紧急制动等。对边缘决策计算系统而言，该层配备的MEC平台具有强大的计算能力和虚拟化能力，能够承载多种自动驾驶应用，并且能够对基站数据进行匹配分流，在移动网络边缘完成对自动驾驶车辆数据分析处理。而核心层覆盖范围极广，其计算能力最为强大，但因距离机动车较远，传输时延相对较大，主要进行对时延要求不是特别敏感的初始规划、道路级别的规划、宏观交通调度、车辆大数据监管、全局路径规划和全局高精度地图的管理，优化道路整个交通网的车流等［8］。

5G的边缘计算可分边缘层部署，区域层部署和核心层部署3种类型。3种类型的边缘计算见图3。

图3 3种类型的边缘计算

3 5G为自动驾驶系统提升交通安全性

精准定位是实现自动驾驶安全的基础，不断提升5G的各项基本技术性能指标更是完善和确保交通安全的保障。

联合国负责信息和通信技术的专门机构——国际电信联盟（ITU-R）的无线通信部门确定了5G的3种主要应用场景：增强移动多千兆比特宽带、大规模高密度机器类连接以及超高可靠性低时延（99.999%）通信。场景中的技术指标提供了自动驾驶系统所需的峰值数据速率、时延、频谱效率和连接密度，为改造驾驶体验带来巨大优势。

速度高达500km／h（310m／h）时仅有1ms的超低时延；速度高达500km／h （310m／h）时具有20Gb／s的高峰值速率；最高可连接1000000辆汽车和器件的极高密度。

正因5G的超低时延在汽车连通性中发挥关键作用，推动新一代通信与自动驾驶融合，保护人身安全。例如，在突然制动的场景中，自动驾驶系统和ADAS的安全功能应立即向后续车辆发出警告，以防止连环追尾。只有当领头车的消息能够及时传达到跟随车辆以便其采取规避行动时，才能实现这一目标。此外，低时延的5G技术能够更好地预防事故；特别是在非视距（NLOS）情况下，因为基于摄像机、激光雷达或常规雷达的大多数当前传感器融合技术只能探测到视线（LOS）内的目标。

大多数驾驶员至少需要经过700ms的时间，方能对危险情况做出反应，采取规避或预防行动。凭借1ms的低时延，基于5G的自动驾驶汽车和ADAS将使事故的数量大大减少，从而降低交通风险并保护人身安全。5G还将以极快的速度向自动驾驶导航系统提供数据，凭借高达20Gb／s的峰值数据速率，5G将帮助自动驾驶汽车实现实时的视频和音频娱乐。但更重要的是，5G快速可靠的数据连接可以近乎实时地下载复杂的3D地图。除传感器融合技术之外，自动驾驶汽车还非常依赖于精确且极为详细的3D地图导航。但是，将全省或全国的大型地图数据集合存储在车辆中将是一项挑战。人们自然想到的解决方案是使用5G数据连接下载附近地区的最新3D地图。人们也希望5G能在拥挤不堪的市区或人烟稀少的农村可靠运行，无论用户身在何处，都能始终在线。无论您的自动驾驶汽车是停在停车场中还是在德国的高速公路上飞驰，即使速度高达500km／h（310m／h），5G都能确保所有关键任务无线服务无缝运行［10］。

为使容量与覆盖皆能大幅提升，5G还在边入网边发展边提升，通过扩展频谱带宽来提升系统容量、频段范围和安全性。频段范围扩展到毫米波，单载波带宽提升至100MHz以上。通过技术创新，不断提升频谱效率：①计划用于5G（R16版）基于非正交性设计的NOMA，每个UE可使用所有的资源，不论基于码域或功率域的方式，基站皆准确对各UE的信道分组分配功率；②机器学习，尤其是深度强化学习，可以基于流量状况和无线环境动态地作出5G优化决策，以使网络始终保持最佳状态，机器学习通过学习复杂的失真模式，实现以较低的SINR解调更高阶的调制方式，提升系统的频谱效率；③称为“涡旋电磁波”OAM模式因无线电波相互正交，互不干扰，在同一频点上可传输多路调制在不同的OAM模式上的信号，从而提升频谱效率。理论上，有几十个不同的OAM值调制无线信号，可有效地将频谱效率提升几十倍；④实现真正全双工，在同一频段下同时进行上下行信号传输，大幅提升频谱效率，还能缩短传输时延。分离发射和接收天线，彼此间隔安装，并由天线旁瓣抑制等办法来实现去耦，再加空间路径损耗，充分减少自干扰，提高安全性。