高速公路车路协同应用全链路通信模型研究

李 嘉, 文 婧, 周 正通信作者, 何 俊, 黄 郑

1.四川云控交通科技有限责任公司,四川 成都 610041 2.四川铁投-阿里巴巴智慧交通联合实验室,四川 成都 610041

0 引言

车路协同是运用先进的信息技术、通信技术,全方位和全通信链路实施车与路、车与车之间信息动态实时交互,同时在全时空动态交通信息采集与融合的基础上开展车辆主动安全控制和道路协同管理,充分实现“人-车-路”有机耦合和高效协同。车路协同技术是交通信息工程及控制专业领域研究应用的热点方向,是新一轮科技创新和产业竞争的制高点,也是助推实现交通强国战略的重要举措[1]。

车路协同应用对交通线路全链路通信的时延、速率和可靠性等质量要素要求很高,需要极低的通信时延、极高的链路可靠性、更大的传输速率、更快的运算速度、更远的通信范围,以及能支持更高的移动速度等[2]。

目前,车联网通信技术标准主要分为专用短程通信(dedicated short range communication,DSRC)和蜂窝车联网(cellular vehicle-to-everything,C-V2X)2类。DSRC是一种成熟的无线通信技术(广泛应用于我国高速公路的ETC收费),也是欧美车联网的主流技术,已成为IEEE 802.11p基础标准,主要实现小范围内图像、语音和数据的实时可靠的双向传输,将车辆和道路基础设施有机连接。与DSRC相比较,C-V2X基于蜂窝通信技术,工作距离远超DSRC,同时还可以提供更高的带宽和传输速率[3]。C-V2X在终端应用方面可以延用LTE及5G生态系统,虽然DSRC产业链相对成熟,但C-V2X技术持续演进优势更显著,产业前景更宽广[4]。

本文针对可应用于工程实践的车路协同应用的需要,给出了基于C-V2X通信技术的车路协同应用全链路通信模型,并在四川省高速公路实地环境中成功构建了模型的应用测试环境,通过实地测试,验证了模型及方案的可行性和实用性。

1 当前研究中存在的问题

近年来,车路协同应用的通信模型和效果测试多在封闭场所开展或以模拟仿真形式进行。长安大学王润民 等[5]通过对国内外主流运用的多个车联网仿真平台进行对比,分析了影响仿真测试结果的因素,提出了相关结果评价指标。同为长安大学的刘丁贝[6]基于封闭测试场构建了一种车联网实车测试平台,通过搭建多种场景对DSRC、C-V2X数据完整性和时延特性进行具体测试并评价,得出通信距离、遮蔽物是影响通信性能的重要因素,而行车速度对通信影响则较轻微等结论。联通智网夏小涵 等[7]对LTE-V2X终端网络层性能指标进行检测,验证其在负载压力下的通信性能,为LTE-V2X技术商用提供了可靠的试验数据。交通部公路所高茁苗[8]深入研究了基于车路协同的道路标识载体的测试指标和方法。卡塔尔移动通信学者Zeeshan et al.[9]分别对LTE和DSRC两种技术路线车路通信开展了研究。

综上可知,目前研究存在以下问题。

1)车路协同应用对通信质量要求很高,目前的业界研究主要是通过仿真环境或者试验场景下进行点对点或者端对端的效能测试,尚无可以应用于实际高速公路的通信模型。

2)高速公路边缘计算配套设施建设和车联网应用软件研发尚不成熟,目前业界暂未有公开发表的高速公路真实环境下车联网业务全链路通信的研究成果和建设方案。

3)业界尚无经过实地验证的基于C-V2X车路协同通信效果的测试方案。

2 车路协同应用全链路通信模型设计

本文根据工程实践的实际需求,参考业界的相关研究成果,提出了交通沿线车路协同应用全链路通信模型和构建技术。此外,依托四川铁投集团运营的高速路段,在实际交通环境中开展了车路协同通信模型测试验证工作,证明理论模型的可行性和有效性。

车路协同全链路通信模型如图1所示。车路协同应用全链路主要由视频、雷达、雷视融合、轨迹分析、数据分发、路侧天线、车载单元和数字孪生应用这8个模块组成。

图1 车路协同应用全链路通信模型

在数据采集方面,采用视频和雷达获取原始数据。视频主要用于交通参与者特征识别判定,尤其是对视觉色彩的感知;雷达主要采用毫米波和激光2类设备。其中,毫米波雷达广泛应用于交通监控领域(可在广域范围内和雨雾环境下对移动物体进行测速测距),激光雷达实现厘米级目标精确感知。

雷视融合模块运用多传感器数据融合算法,将视频与雷达数据进行融合,初步关联匹配目标。雷视融合分为源头直接融合、提取特征后融合、算法结果决策时融合3种方式。

轨迹分析模块基于雷视融合输出结果,实现车辆动态行驶航迹识别,具备与视频车辆画面叠加应用的基础,同时可对目标跟踪定位应用提供支持。

数据分发模块通过预设策略和算法匹配,自动规范数据传输格式,控制道路沿线侧的天线进行空中无线通信。雷视融合、轨迹分析和数据分发都是由边缘计算(edge computing)具体实现。

路侧天线(road side unit,RSU)在数据分发模块控制下向车载单元(on board unit,OBU)发送信息,OBU接收后传至车辆总线集成的数字孪生应用程序。

需要说明的是,在此次车路协同应用通信模型关键技术研究和效果测试中,并非采用我国高速公路ETC联网收费通用型RSU和OBU,而是采用内置C-V2X通信模块的新一代RSU和OBU设备。视频、雷达、RSU等外场关键设备都集成安装在高速公路路侧的智慧杆件上。

数字孪生应用程序部署在车载端智能终端,与车辆实现总线集成,经过OBU接收数据,结合高精地图以模拟仿真形式展现车辆行驶位置及状态。同时,将车载端响应数据通过OBU反向回传至路侧RSU,之后到达数据分发模块,即在路侧数据分发模块到车载端应用之间形成一条数据回路,通过广泛和精确的交通状况感知,为车路协同高层次应用提供科学的辅助决策。

3 实地验证及结果分析

针对本文提出的通信模型,为验证其有效性,依托四川铁投集团运营的高速路段,在四川省中南部某高速公路实车运行环境中进行模型有效性验证。

选择里程桩号K59～K67约7 km区间作为测试路段。间隔约800 m布设路侧智慧杆系统,通过C-V2X通信与车载端进行交互,数据分发模块发送频率设置为6.25帧/秒,RSU覆盖范围为400～500 m。为了有效去重,采用实时动态载波相位差分(real-time kinematic,RTK)定位技术辅助判定覆盖范围。

3.1 数据完整度

为更加如实地反映通信可靠性,在检验区域(K59～K67)分别选取2个车流量有差异的时段进行实车感知:第1时段,车辆数约为20辆,发送数据量约120条/秒;第2时段,车辆数多于第1时段,约为30辆,发送数据量200条/秒。

通过检验,得出第1时段平均完整度为98.5%,第2时段平均完整度为97.3%。具体验证数据如表1和表2所示。

表1 第1时段数据完整度统计计算值 单位:%

表2 第2时段数据完整度统计计算值 单位:%

其中,选取第2处点位(K59+882)结合目标位置(车辆距离)对数据完整度进行分析,第1时段和第2时段具体数据关系分别如图2、图3所示。图中横坐标为测量时间,左侧纵坐标为距离值,对应虚线条,表示车辆不同时刻与RSU的距离变化;右侧纵坐标为数据完整度,对应实线条,表示车辆不同时刻的数据完整度。从该点位测量发现,当双向距离RSU 450 m左右时,完整度值几乎都能稳定保持接近1.0(即100%),距车辆较远时有下降,同时车流量增大时,数据完整度也随之下降,且下降频次增多。

图2 K59+882第1时段数据完整度匹配分析

图3 K59+882第2时段数据完整度匹配分析

3.2 回环时延和空口时延

参照可靠性测量流程,同样选取2个车流量差异时段进行实车测量,其中第1和第2时段的车辆数(数据量)环境条件也与前述完整度测试过程相同,相关测量数据如表3和表4所示。

表3 第1时段回环时延测量值和空口时延计算值 单位:ms

表4 第2时段回环时延测量值和空口时延计算值 单位:ms

在2个不同时段回环时延都介于140～200 ms。其中,第1时段平均回环时延为172 ms,折算为单向空口时延为86 ms;第2时段平均回环时延为180 ms,折算为单向空口时延为90 ms。显然,单向空口时延满足现阶段 V2X行业应用需求(100 ms以内)。

3.3 全链路端对端时延

本次检验选择A、B两个站点(全省联网收费系统站点编码分别为408、409,里程桩号K61～K62)之间约7 km路段上下行各3处点位(共6处)进行静态测量,各点位间隔约200 m,每个点位至少采集20个车辆数据,上下行单向测量车辆均不低于10辆(总共不低于20辆)。静态测量结果如表5所示。

表5 端对端时延静态检验结果

由测量数据可知,下行(A至B方向)各点位端对端平均时延为861 ms,上行(B至A方向)各点位端对端平均时延为898 ms,测量中最大平均时延值为945 ms,意味着在实际应用中,物理空间的车辆从触发雷达或视频传感开始,直至车载端数字孪生应用显示刷新,总耗时不超过1 s,完全满足当前高速公路实车环境下的车路协同探索应用要求。结合国内有关技术团队在LTE通信系统时延测试经历,空口时延、端对端时延未来将有很大的优化空间[10]。

4 结束语

本文在行业内首次提出了高速公路车路协同应用全链路通信模型,通过真实客观的测量数据分析得出以下结论。

1)高速公路应用全链路端对端时延约为800～900 ms,数据完整度大致在97%～98%,满足当前数字孪生应用的技术性能要求。

2)全链路通信模型中RSU-OBU空口时延满足V2X通信空口时延100 ms之内的行业要求。

3)数据量(车辆数)增多时,V2X通信数据完整度降低,符合通信链路收发质量规律。今后将针对大数据量、高并发场景进行充分测试和系统优化。

4)链路尾端数字孪生应用程序运算效率对全链路时延影响也不容小觑,尤其是数据量增大时应用程序负载亦同步增大,未来应通过优化算法降低应用全链路时延。

未来,将继续紧密围绕高速公路工程的实际应用,持续深化研究车路协同全链路通信的各个关键技术的研究和效能优化,为工程化的大范围应用提供高效可行的方案。