一、發展背景

（一）智能交通系統及車聯網發展簡述

智能交通系統（ITS）是對通信、控制和信息處理技術在運輸系統中集成應用的統稱，是一種通過人、車、路的密切配合來保障安全、提高效率、改善環境和節約能源的綜合運輸系統。

我國智能交通系統的發展共分為三個階段：起步階段（2000年之前），實質性建設階段（2000—2005年），高速發展階段（2005年至今）。起步階段主要進行城市交通信號控制的相關基礎性研究，進一步建立了電子收費系統、交通管理系統等示范點，使得智能交通系統進入推廣應用和改進階段，但整體水平滯后。在實質性建設階段，國家投入大量資金進行ITS的研發、生產和普及，為ITS的發展創造了有利條件。高速發展階段，隨著人工智能、自動駕駛、車聯網等技術的快速發展，以建設“智慧城市”、“綠色城市”和“平安城市”為目標，我國ITS技術得到了進一步發展和更為廣泛的應用。

近年來，以自動駕駛為代表的新興技術快速發展，已成為未來智能交通系統中不可或缺的關鍵技術之一。美國機動車工程師學會（SAE）將自動駕駛分為從0到5共六個級別，級別越高，自主化駕駛程度越高。為提高自動駕駛車輛的安全性，車輛通常搭載多種傳感器，如光學攝像機、超聲波雷達、毫米波雷達以及激光雷達等，以此來提高單車的環境感知能力，有助于車輛的行程控制、安全駕駛預判等操作。此外，5G車聯網等技術的發展也為車與車之間的智能協同提供了多種通信技術手段，助力自動駕駛技術發展。

1.基于超視距感知的智能車聯系統的必要性

近年來世界各大車企和研究所通過在車輛搭載多種傳感器來增強車輛的環境感知能力，對路況數據進行采集，并利用機器學習等算法進行離線學習和在線決策相結合的方法，實現提高自動駕駛的安全性和可靠性的目標。然而，由于車輛傳感器（如：雷達、光學攝像機）易受障礙物、雨雪天氣、強弱光線等多種因素的影響，導致基于單車傳感器的環境信息感知能力受限，易發生車輛碰撞及因物體識別故障導致的自動駕駛事故。因此，亟須通過智能車聯技術對超視距感知能力進行增強，突破單車傳感器環境感知能力受限的技術瓶頸，提高自動駕駛的安全性和可靠性。與此同時，為滿足面向超視距感知的車間信息共享的低時延和高速率傳輸要求，本文提出了一種基于毫米波頻段時域資源動態共享的感知通信一體化智能車聯傳輸系統，以保證車間感知信息寬帶可靠共享。并針對感知和通信的業務優先級，設計了動態時間分配和靈活波束控制算法，優化感知通信一體化系統的整體性能。設計并研發了基于毫米波技術的感知通信一體化智能車聯系統驗證平臺，實現了核心功能和關鍵技術的原理性驗證。

二、感知通信一體化智能車聯系統設計面臨的挑戰

為了提高自動駕駛車輛的超視距環境感知能力，通過多車協同實現感知信息的融合是實現途徑之一。為克服現階段多車間傳感器信息融合所面臨的信息格式迥異、融合效率低等難題，亟須通過感知和通信系統的聯合設計來提高車輛間信息融合的智能化水平，保障自動駕駛對環境感知能力提升和信息時效性融合的要求。下面分別介紹面向超視距感知的智能車聯系統典型應用場景以及感知通信一體化設計所面臨的挑戰。

（一） 面向超視距感知的智能車聯系統典型應用場景

圖1為面向超視距感知的多車協同智能車聯系統的典型應用場景。其中，車輛B、D和E是可由車輛A的雷達傳感器直接探測到的車輛目標。但是，由于受到前方車輛B和D的遮擋，車輛A的感知范圍受到極大限制，導致車輛C和F處于車輛A的盲區。因此，為擴展車輛A的雷達傳感器探測距離和范圍，通過采用毫米波寬帶傳輸技術將車輛B和D的雷達感知信息回傳給車輛A，并由車輛A進行多源信息融合，來提升車輛A的超視距感知能力，從而提高智能車聯系統的安全性和可靠性。

 

圖1 面向超視距感知的多車協同智能車聯系統的典型應用場景

（二）感知通信一體化智能車聯系統設計面臨的挑戰

雖然采用多車協同的智能車聯系統可以提高環境信息感知能力，但是感知通信多系統的一體化設計卻面臨諸多挑戰。首先，感知與通信的信號形式、信號處理機制、系統性能評估參數各不相同。因此，如何設計有效的系統性能評估方法至關重要。其次，車輛間多種時延敏感的感知數據的融合受限于多種軟件和差異化硬件平臺，如何實現感知信息的快速融合以滿足低時延、高可靠的信息傳輸要求，也是一體化系統設計面臨的難題之一。最后，針對高移動性車聯網場景，如何實現毫米波寬帶通信的快速波束對準和波束追蹤，是保障感知數據寬帶傳輸可靠性所面臨的又一難題。

三、感知通信一體化智能車聯系統設計框架

（一）感知通信一體化系統設計框架

針對智能車聯系統設計面臨的高速率、低時延傳感信息融合的挑戰，本文提出了基于感知通信一體化設計的智能車聯系統框架（見圖2），以實現多車協同超視距感知的目標。

 

圖2 基于感知通信一體化設計的智能車聯系統框架

首先，車輛通過多傳感器獲取的環境信息具有不同的優先級，將時延敏感的感知信息分為高優先級數據和低優先級數據，并通過能力不同的通信技術分別進行傳輸。例如：高優先級的數據對時延、數據速率的要求較高，可以通過車—車直連的寬帶鏈路進行傳輸；低優先級的數據對時延、數據速率要求較低，可以通過車輛到基礎設施的中低速率鏈路進行傳輸。此外，還可以結合感知信息時延敏感度不同的特性對感知和通信兩系統的幀長占比情況進行動態靈活配置，提出感知通信一體化系統中時隙動態可調幀結構方法。除幀結構中用于控制信令傳輸的時隙之外，針對時延敏感度高的信息采用短子幀，而對時延敏感度低的信息采用長子幀，信息傳輸過程中也可以根據業務需求對子幀長度進行動態配置，并結合車間通信采用的毫米波技術特點，提出毫米波波束快速對準與追蹤技術，優化波束搜索空間維度和算法的復雜度，滿足時延敏感信息的快速可靠傳輸需求。

（二）感知通信一體化系統評估指標

針對感知通信一體化系統設計面臨的諸多挑戰，為有效評估所設計的一體化系統的性能，亟需能夠科學分析和度量感知通信兩系統融合所帶來的性能提升與開銷的性能指標。傳統的兩系統融合的評估方法是將其中一個系統的性能指標轉換為另外一個系統的指標�？紤]到感知信息種類和方式的多樣性，以雷達感知數據為例，雷達信息估計率可以用隨機參數的熵和雷達估計不確定性的熵來表示，可類比于基于信息熵的通信系統數據速率的表示理論。另外，基于最小均方誤差的通信度量的變體形式可以將通信指標轉換為類似于雷達估計克拉美羅界形式的有效度量指標。因此，感知通信一體化系統中的統一度量和評估的指標是進行兩系統融合性能評估不可或缺的關鍵性指標，需要考慮一體化系統的多重功能進行聯合設計。

（三）任務驅動的動態時隙分配幀結構

不同傳感信息傳輸的方法在很大程度上取決于業務的時延敏感度和優先級。例如，汽車碰撞和道路安全危險報警屬于緊急類感知信息，對于自動駕駛車輛而言具有高優先級，通過車輛間的毫米波鏈路傳輸來保證低時延信息傳輸要求。另一方面，例如：交通擁堵、最佳路線規劃和娛樂視頻等低優先級信息，可以通過車輛到基礎設施通信鏈路來傳輸，因其優先級相對緊急類感知信息較低。與此同時，通過使用基于靈活時隙分配的動態幀結構能夠滿足不同優先級、時延敏感和非敏感等業務需求，保證低時延和高可靠數據傳輸。為此，本文提出一種面向感知通知一體化智能車聯系統的基于5G新空口的新型幀結構，提供靈活的幀結構配置方法，實現感知和通信功能的按需時隙靈活動態配置，幀結構設計如圖2所示。另外，考慮到存在傳輸緊急信息（如交通事故、行人橫穿馬路等緊急事件）的需求，本文還設計了基于微小子時隙的動態子幀時隙配置方法，以保障低時延信息傳輸。

（四）基于博弈論的資源分配方法

為使感知通信一體化系統中的感知和通信所占用的傳輸時間能夠根據時延敏感性業務的需求進行動態調整，將幀結構劃分為可動態變化的感知功能子幀和通信功能子幀，如圖2所示。以雷達感知為例，對于一幀而言，如果雷達探測持續時間較長，則通信傳輸持續時間將變短；另一方面，感知與通信兩種不同的功能所占用的時間與其性能密切相關。此外，雷達感知的信息需要盡可能地在后續通信傳輸時間內得到有效的傳輸，否則將失去雷達感知信息的時效性。因此，雷達持續時間與通信傳輸時間之間是一種相互制約的關系，可以采用非合作博弈理論和方法對時間資源進行優化分配，實現感知與通信一體化系統性能的最優化。對基于時分的感知通信一體化系統進行時間資源分配，需要在雷達信息量不大于通信信息量的限制條件下，對不同雷達持續時間配比情況下的雷達信息量進行優化，找到最優的雷達通信持續時間配比，實現雷達與通信傳輸信息量的聯合最優化，提升車輛的環境感知性能和多車感知數據的傳輸與融合性能。

（五）基于強化學習的靈活波束控制方法

為解決車輛間高帶寬大流量感知信息的有效傳輸與融合的難題，本文提出可以通過采用毫米波波束控制方法與技術實現車間可靠信息傳輸。毫米波通信技術采用大規模相控陣天線和波束成形技術來增強接收器處的信號強度以克服信號的損耗和衰減問題。此外，前一時隙中的雷達感知信息可以用于輔助車輛間的波束對準和波束追蹤過程，有效降低波束調控的時間開銷。在波束對準過程中，車輛之間的位置關系可從雷達感知信息中獲得，對感知信息加以利用可以最小化波束搜索空間并有效降低波束對準的時間。并基于雷達感知信息中包含的車輛速度和軌跡等信息，設計了基于強化學習的波束追蹤算法，實現車輛移動場景下波束的快速切換，保證車輛間的通信鏈路可靠性和鏈路連接穩定性。

四、感知通信一體化智能車聯系統驗證平臺

因為工作于20~30GHz毫米波頻段的短程雷達和中程雷達系統已在車輛防撞和盲點檢測中得到廣泛應用。為此本文設計并搭建了工作于26 GHz毫米波頻段的感知通信一體化驗證平臺，通過聚合8個100 MHz載波頻段來得到800 MHz的寬帶毫米波通信帶寬，以驗證所提出的感知通信一體化系統的核心功能和關鍵技術。該平臺收發兩端采用了具有64陣元的毫米波相控陣天線，驗證快速波束對準和波束追蹤算法的性能和可行性，如圖3所示。

 

圖3 感知通信一體化系統測試平臺

感知通信一體化測試平臺的結果如圖4所示，車輛A的雷達感知結果表示車輛B、D和E存在于距離車輛A分別為18米、14米和30米處，但由于車輛遮擋了雷達探測信號，車輛C和F處于車輛A的盲區。車輛B和D分別通過各自的雷達感知到車輛C和F的位置信息，并通過毫米波寬帶通信鏈路與車輛A共享車輛B和D的信息。最終，通過整合來自車輛B和D的雷達感知信息，提高了車輛A的環境感知能力，實現了超視距感知。

 

圖4 感知通信一體化測試平臺的結果

五、未來技術展望

隨著人工智能技術的不斷成熟和廣泛應用，自動駕駛、多車協同虛擬現實以及增強現實信息融合等技術，將有望擴大單車感知視野、提升單車感知能力，提高車聯系統的安全性和智能化水平�？紤]到自動駕駛汽車的快速發展勢頭，面向超視距感知的感知通信一體化智能車聯系統將全面突破單車感知能力瓶頸，通過多車協同、感知和通信系統融合等方式，提高智能車聯系統的安全性和可靠性，并將成為未來五到十年內本領域的研究熱點。

(作者：北京郵電大學 泛網無線通信教育部重點實驗室 ）