無(wú)人車大數(shù)據(jù)與云控制技術(shù)綜述

倪俊， 姜旭， 熊周兵， 周波

(1.北京理工大學(xué) 機(jī)械與車輛學(xué)院，北京 100081；2.北京理工大學(xué) 重慶創(chuàng)新中心，重慶 401147)

無(wú)人車是民用及軍用車輛領(lǐng)域的重要發(fā)展對(duì)象，被認(rèn)為將改變未來(lái)人類生活方式及新一代陸軍裝備作戰(zhàn)形式，對(duì)我國(guó)國(guó)民經(jīng)濟(jì)發(fā)展與國(guó)防安全建設(shè)有重要戰(zhàn)略意義. 近年來(lái)，一方面，互聯(lián)網(wǎng)技術(shù)的迅速發(fā)展和人工智能的廣泛應(yīng)用給汽車工業(yè)帶來(lái)了深刻的變革，促進(jìn)了車輛自動(dòng)駕駛技術(shù)的愈發(fā)成熟；另一方面，具有大帶寬和低延時(shí)等特點(diǎn)的5G通信技術(shù)的逐步商用為自動(dòng)駕駛技術(shù)的發(fā)展提供了新的契機(jī). 相比自動(dòng)駕駛乘用車，用于替代人類執(zhí)行作業(yè)任務(wù)的功能型無(wú)人車，包括無(wú)人配送車、無(wú)人接駁車、無(wú)人公交車、無(wú)人巡邏車等功能型無(wú)人車將具有更快的產(chǎn)業(yè)化應(yīng)用前景，成為未來(lái)智能交通與智慧城市建設(shè)中的重要組成部分. 2020年，由國(guó)家發(fā)改委等11部委聯(lián)合發(fā)布的《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》明確指出，“2025年，實(shí)現(xiàn)高度自動(dòng)駕駛的智能汽車在特定環(huán)境下市場(chǎng)化應(yīng)用”.

大數(shù)據(jù)技術(shù)被廣泛認(rèn)為將對(duì)人類生活產(chǎn)生深遠(yuǎn)影響. 2012年，聯(lián)合國(guó)發(fā)布《大數(shù)據(jù)促發(fā)展:挑戰(zhàn)與機(jī)遇》，指出大數(shù)據(jù)時(shí)代已經(jīng)到來(lái). 我國(guó)準(zhǔn)確把握大數(shù)據(jù)發(fā)展機(jī)遇，大力推動(dòng)大數(shù)據(jù)技術(shù)的發(fā)展. 2015年10月，黨的十八屆五中全會(huì)正式提出“實(shí)施國(guó)家大數(shù)據(jù)戰(zhàn)略，推進(jìn)數(shù)據(jù)資源開放共享”，表明我國(guó)已將大數(shù)據(jù)上升為國(guó)家戰(zhàn)略. 同時(shí)，大數(shù)據(jù)的發(fā)展促進(jìn)了云控制技術(shù)的發(fā)展. 大數(shù)據(jù)與云控制技術(shù)將會(huì)對(duì)包括智能交通領(lǐng)域等在內(nèi)的多個(gè)國(guó)民經(jīng)濟(jì)領(lǐng)域產(chǎn)生推動(dòng)作用，成為我國(guó)科學(xué)技術(shù)與經(jīng)濟(jì)建設(shè)的新動(dòng)力.

本文旨在綜述大數(shù)據(jù)與云控制技術(shù)在無(wú)人車領(lǐng)域的應(yīng)用，并對(duì)其關(guān)鍵技術(shù)未來(lái)發(fā)展趨勢(shì)進(jìn)行討論. 本文首先綜述了大數(shù)據(jù)技術(shù)在車輛領(lǐng)域的應(yīng)用現(xiàn)狀，以團(tuán)隊(duì)所研制的系列化功能型無(wú)人車為例，介紹了無(wú)人物流車、無(wú)人巡邏車和無(wú)人接駁車等典型無(wú)人車的研究現(xiàn)狀，結(jié)合團(tuán)隊(duì)所研制的無(wú)人車云大腦集群控制中心，展望了大數(shù)據(jù)與云控制技術(shù)在無(wú)人車領(lǐng)域的應(yīng)用前景.

1 大數(shù)據(jù)與云控制技術(shù)

隨著人類社會(huì)的不斷發(fā)展，數(shù)據(jù)產(chǎn)生的速度和總量出現(xiàn)了爆炸式增長(zhǎng). 美國(guó)知名咨詢公司麥肯錫在其報(bào)告中給出了大數(shù)據(jù)的定義：大數(shù)據(jù)指的是那些大小超過(guò)標(biāo)準(zhǔn)數(shù)據(jù)庫(kù)工具軟件能夠收集、存儲(chǔ)、管理和分析的數(shù)據(jù)集. 業(yè)界普遍認(rèn)為大數(shù)據(jù)具有“5V”特征——Volume(大量化),Variety(多樣化),Value(價(jià)值化),Velocity(高速化),Veracity(真實(shí)性). 數(shù)據(jù)分析技術(shù)是實(shí)現(xiàn)大數(shù)據(jù)價(jià)值并使大數(shù)據(jù)服務(wù)人類生產(chǎn)生活的關(guān)鍵手段. 隨著物聯(lián)網(wǎng)技術(shù)的日益普及以及終端設(shè)備的便攜性和移動(dòng)性的提高，使得數(shù)據(jù)采集更加靈活有效. 針對(duì)車輛領(lǐng)域的數(shù)據(jù)采集技術(shù)而言，數(shù)據(jù)一般通過(guò)車載傳感器采集. 數(shù)據(jù)挖掘技術(shù)是挖掘大數(shù)據(jù)背后物理意義的關(guān)鍵技術(shù). 根據(jù)數(shù)據(jù)挖掘知識(shí)類型的不同，數(shù)據(jù)挖掘分為聚類、分類、偏差分析、關(guān)聯(lián)、特征化、相似性分析等類型. 根據(jù)所使用的數(shù)據(jù)分析方法的不同，數(shù)據(jù)挖掘又分為基于數(shù)據(jù)庫(kù)技術(shù)、數(shù)理統(tǒng)計(jì)技術(shù)、機(jī)器學(xué)習(xí)技術(shù)或人工神經(jīng)網(wǎng)絡(luò)技術(shù)等類型. 在實(shí)際的應(yīng)用中，分類是數(shù)據(jù)挖掘技術(shù)的常用分析手段之一[1]. 分類的任務(wù)是對(duì)數(shù)據(jù)集進(jìn)行學(xué)習(xí)，從而構(gòu)造一個(gè)擁有預(yù)測(cè)功能的分類函數(shù)或分類模型. 分類的代表性算法有樸素貝葉斯算法、支持向量機(jī)算法(SVM)、BP神經(jīng)網(wǎng)絡(luò)算法、KNN最近鄰算法、C4.5決策樹算法等. 關(guān)聯(lián)分析[2]用于尋找數(shù)據(jù)集中不同項(xiàng)之間的潛在的聯(lián)系，是數(shù)據(jù)挖掘技術(shù)的又一常用分析手段. 關(guān)聯(lián)分析的代表性算法是Apriori算法與FPGrowth算法以及它們的變形. 聚類分析[3]旨在發(fā)現(xiàn)緊密相關(guān)的觀測(cè)值群組，使得與屬于不同簇的觀測(cè)值相比，屬于同一簇的觀測(cè)值相互之間盡可能相似. 聚類分析的代表性算法是k-Means算法和EM算法等. 大數(shù)據(jù)的爆炸式增長(zhǎng)和數(shù)據(jù)采集技術(shù)的發(fā)展增加了控制系統(tǒng)的通信和計(jì)算負(fù)擔(dān)，這對(duì)控制系統(tǒng)的性能提出了更高的設(shè)計(jì)要求，增加了成本. 在此背景下，云控制技術(shù)的概念應(yīng)運(yùn)而生. 本文將車輛云控制定義如下：將云計(jì)算、大數(shù)據(jù)技術(shù)以及人工智能技術(shù)引入到控制系統(tǒng)中，即將車載傳感器采集到的車輛運(yùn)行、定位等大數(shù)據(jù)存儲(chǔ)在云端，在云端實(shí)現(xiàn)系統(tǒng)的在線辨識(shí)與建模，進(jìn)行車輛的規(guī)劃、調(diào)度、性能預(yù)測(cè)、決策與控制優(yōu)化，并結(jié)合自適應(yīng)模型預(yù)測(cè)控制、數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)控制等先進(jìn)控制方法，實(shí)現(xiàn)車輛的自主智能控制.

2 大數(shù)據(jù)與云控制技術(shù)在車輛領(lǐng)域的應(yīng)用

2.1 基于大數(shù)據(jù)的車輛性能預(yù)測(cè)技術(shù)

將基于大數(shù)據(jù)的預(yù)測(cè)技術(shù)合理地應(yīng)用于車輛，實(shí)現(xiàn)車輛能耗、行駛里程等性能的準(zhǔn)確預(yù)測(cè)，是大數(shù)據(jù)技術(shù)在車輛領(lǐng)域的重要應(yīng)用.

有限的動(dòng)力電池容量和行駛里程一直是純電動(dòng)汽車發(fā)展的痛點(diǎn)，因此，對(duì)純電動(dòng)汽車進(jìn)行準(zhǔn)確的能耗預(yù)測(cè)和行駛里程預(yù)測(cè)將大幅提高出行可靠性，對(duì)電動(dòng)車的發(fā)展顯得尤為重要. 孫洪運(yùn)等[4]分別利用模糊神經(jīng)網(wǎng)絡(luò)、自回歸積分滑動(dòng)平均模型、反向傳播神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)(SVM)模型實(shí)現(xiàn)了降雨條件下快速路車速的短時(shí)預(yù)測(cè). Morlock等[5]通過(guò)車載云通信設(shè)備收集車輛實(shí)時(shí)交通數(shù)據(jù)，利用車輛速度剖面和個(gè)人駕駛風(fēng)格對(duì)電動(dòng)汽車的電池能量消耗進(jìn)行了預(yù)測(cè). Scheubner等[6]利用貝葉斯分類算法學(xué)習(xí)駕駛員行為和交通數(shù)據(jù)，對(duì)交通階段進(jìn)行分類以達(dá)到明確評(píng)價(jià)交通狀況的目的，從而實(shí)現(xiàn)準(zhǔn)確的基于駕駛員風(fēng)格的能耗預(yù)測(cè). Shankar R等[7]利用車輛實(shí)際運(yùn)行數(shù)據(jù)建立了基于神經(jīng)網(wǎng)絡(luò)的車輛能耗預(yù)測(cè)模型.

交通事故給人民生命財(cái)產(chǎn)帶來(lái)了重大損失，利用大數(shù)據(jù)技術(shù)預(yù)測(cè)道路交通事故勢(shì)在必行. 另外隨著汽車保有量的增長(zhǎng)，我國(guó)許多城市被道路交通擁堵困擾，準(zhǔn)確預(yù)測(cè)道路交通流量并提高出行效率成為大數(shù)據(jù)技術(shù)的又一重要應(yīng)用方向. 孫軼軒等[8]基于自回歸滑動(dòng)平均(ARIMA)模型和支持向量回歸機(jī)(SVR)模型，構(gòu)建了時(shí)間序列組合預(yù)測(cè)模型，對(duì)道路交通事故相關(guān)指標(biāo)進(jìn)行了趨勢(shì)預(yù)測(cè). Abadi等[9]利用歷史交通數(shù)據(jù)建立了一種自回歸模型，可對(duì)交通流量進(jìn)行短時(shí)預(yù)測(cè)，并用蒙特卡洛模擬評(píng)估了該方法的有效性. 車輛各系統(tǒng)的故障診斷和預(yù)警問(wèn)題一直是車輛領(lǐng)域的研究熱點(diǎn)，利用大數(shù)據(jù)技術(shù)進(jìn)行車輛故障的診斷與預(yù)警在近幾年成為研究熱點(diǎn). Jichao H等[10]利用長(zhǎng)短時(shí)記憶遞歸神經(jīng)網(wǎng)絡(luò)，提出了一種基于深度學(xué)習(xí)的電池系統(tǒng)電壓多步預(yù)測(cè)方法，對(duì)電池電壓異常具有較強(qiáng)的預(yù)測(cè)能力. 同樣針對(duì)動(dòng)力電池故障預(yù)警問(wèn)題，Wang等[11]提出了一種基于修正香農(nóng)熵的電壓故障診斷方法，通過(guò)對(duì)車輛運(yùn)行過(guò)程中電池電壓的監(jiān)測(cè)能及時(shí)預(yù)測(cè)電池故障的出現(xiàn).

充電負(fù)荷的準(zhǔn)確預(yù)測(cè)對(duì)于充電站的規(guī)劃建設(shè)、充電站運(yùn)行管理，乃至電網(wǎng)調(diào)度均有著十分重要的意義. 傳統(tǒng)的電力負(fù)荷預(yù)測(cè)方法主要有負(fù)荷密度法、線性回歸法和時(shí)間序列法等. 近些年來(lái)，以支持向量機(jī)(SVM)、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)等大數(shù)據(jù)挖掘技術(shù)的電力負(fù)荷預(yù)測(cè)方法漸漸增多. Kong等[12]收集用戶的用電行為數(shù)據(jù)，提出一種基于記憶的深度學(xué)習(xí)預(yù)測(cè)框架，可對(duì)居民用電進(jìn)行高精度預(yù)測(cè). 金鑫等[13]基于大數(shù)據(jù)和粒子群優(yōu)化BP神經(jīng)網(wǎng)絡(luò)建立了預(yù)測(cè)模型. 于海洋等[14]基于歷史車聯(lián)網(wǎng)數(shù)據(jù)和電動(dòng)汽車充放電數(shù)據(jù)，建立了能確定影響充電行為因素的logistic回歸模型.

2.2 基于大數(shù)據(jù)的車輛行為統(tǒng)計(jì)技術(shù)

利用基于大數(shù)據(jù)的統(tǒng)計(jì)技術(shù)實(shí)現(xiàn)車輛行為數(shù)據(jù)的統(tǒng)計(jì)與分析，是大數(shù)據(jù)技術(shù)在車輛領(lǐng)域的另一重要應(yīng)用. 車輛的行為數(shù)據(jù)包括行駛行為數(shù)據(jù)、充電行為數(shù)據(jù)、能耗行為數(shù)據(jù)等. 根據(jù)行駛行為數(shù)據(jù)可以進(jìn)行單車的里程核算和運(yùn)行效果評(píng)估，例如基于車輛的坐標(biāo)數(shù)據(jù)進(jìn)行GPS糾偏、里程核查、行駛軌跡分析、軌跡相似度判斷等，可以為結(jié)合充電需求的行駛軌跡規(guī)劃等技術(shù)提供基礎(chǔ). 另外，根據(jù)車輛行駛時(shí)空數(shù)據(jù)還可以進(jìn)行城市居民出行行為宏觀統(tǒng)計(jì)分析研究，針對(duì)城市居民出行的行程長(zhǎng)度、行程時(shí)間以及活動(dòng)范圍，通過(guò)聚類分析等技術(shù)分析出行行為的時(shí)空分布規(guī)律. 同時(shí)，基于車輛行駛路線的可視化，結(jié)合城市交通信息數(shù)據(jù)，可以統(tǒng)計(jì)分析城市道路交通高峰時(shí)段和非高峰時(shí)段的汽車速度和加速度分布特征，為合理制定道路管理策略以提高交通效率提供數(shù)據(jù)支撐. 對(duì)車輛的充電行為數(shù)據(jù)和能耗行為進(jìn)行特征挖掘及分析，可以對(duì)城市建設(shè)充電樁規(guī)劃等分析提出定量依據(jù)，服務(wù)于政策制定與城市建設(shè).

2.3 車輛大數(shù)據(jù)技術(shù)領(lǐng)域的標(biāo)志性成果

由北京理工大學(xué)孫逢春院士和王震坡教授領(lǐng)銜的研究團(tuán)隊(duì)是國(guó)內(nèi)從事新能源汽車大數(shù)據(jù)技術(shù)研究的最具代表性和權(quán)威性的團(tuán)隊(duì)，團(tuán)隊(duì)建設(shè)了我國(guó)新能源汽車國(guó)家監(jiān)測(cè)與管理平臺(tái)，服務(wù)于我國(guó)新能源汽車的安全監(jiān)管及電池溯源等工作，對(duì)我國(guó)相關(guān)產(chǎn)業(yè)及技術(shù)做出了突出貢獻(xiàn). 新能源汽車國(guó)家監(jiān)測(cè)與管理平臺(tái)于2016年起依托北京理工大學(xué)電動(dòng)車輛國(guó)家工程實(shí)驗(yàn)室建設(shè)，是全球首個(gè)國(guó)家級(jí)新能源汽車監(jiān)測(cè)與管理平臺(tái). 截至2019年5月，平臺(tái)接入車輛突破220萬(wàn)輛，預(yù)計(jì)2025年接入8 000萬(wàn)輛，成為全國(guó)接入企業(yè)最多、接入數(shù)量最多、接入車型最全的第三方、國(guó)家級(jí)新能源汽車信息平臺(tái). 此外，團(tuán)隊(duì)進(jìn)一步聯(lián)合相關(guān)企業(yè)、高校、學(xué)會(huì)等各方資源，共同成立了新能源汽車國(guó)家大數(shù)據(jù)聯(lián)盟，加速推進(jìn)新能源汽車和大數(shù)據(jù)技術(shù)的發(fā)展，為我國(guó)新能源汽車產(chǎn)業(yè)發(fā)展做出了重大貢獻(xiàn).

2.4 基于云控制的智能交通技術(shù)

隨著智能網(wǎng)聯(lián)汽車的發(fā)展，云控制技術(shù)在車輛領(lǐng)域有廣闊的應(yīng)用前景. 夏元清等[15]提出一種智能交通信息物理融合云控制系統(tǒng)，基于智能交通流大數(shù)據(jù),在云控制管理中心服務(wù)器上利用深度學(xué)習(xí)和超限學(xué)習(xí)機(jī)等智能學(xué)習(xí)方法對(duì)采集的交通流數(shù)據(jù)進(jìn)行訓(xùn)練預(yù)測(cè)計(jì)算,能夠預(yù)測(cè)城市道路的短時(shí)交通流和擁堵狀況. 李克強(qiáng)等[16]總結(jié)了智能網(wǎng)聯(lián)汽車發(fā)展的技術(shù)架構(gòu)，將云平臺(tái)與大數(shù)據(jù)技術(shù)列為推動(dòng)智能網(wǎng)聯(lián)汽車發(fā)展的三大關(guān)鍵技術(shù)之一.

基于前期研究工作基礎(chǔ)[17-18]，筆者認(rèn)為，大數(shù)據(jù)與云控制技術(shù)對(duì)推動(dòng)功能型無(wú)人車的發(fā)展具有重要意義，主要原因?yàn)椋孩?功能型無(wú)人車具有完全自主行駛能力且不具有人類駕駛功能，因此對(duì)其運(yùn)行安全性及可靠性的要求較其他智能車輛更高. 通過(guò)大數(shù)據(jù)技術(shù)實(shí)現(xiàn)無(wú)人車全維度數(shù)據(jù)監(jiān)控以提高其運(yùn)行安全性，是推動(dòng)功能型無(wú)人車服務(wù)人類生產(chǎn)生活的關(guān)鍵技術(shù). ② 功能型無(wú)人車可以通過(guò)集群作業(yè)的方式以完成特定任務(wù). 大數(shù)據(jù)技術(shù)將為大規(guī)模無(wú)人車的集群調(diào)度與控制提供重要基礎(chǔ). ③ 基于邊緣端運(yùn)算的傳統(tǒng)自動(dòng)駕駛控制架構(gòu)難以滿足高可靠性的無(wú)人車運(yùn)行需求. 利用無(wú)人車云端大數(shù)據(jù)分析結(jié)果，探索“云端-邊緣端”聯(lián)合控制技術(shù)，實(shí)現(xiàn)無(wú)人車控制算法的云端在線優(yōu)化，將進(jìn)一步提高無(wú)人車的綜合性能.

3 功能型無(wú)人車技術(shù)

典型的功能型無(wú)人車包括無(wú)人物流車、無(wú)人運(yùn)輸車、無(wú)人接駁車、無(wú)人清掃車、無(wú)人巡邏車等，它們具有自主行駛能力并省略了人類駕駛機(jī)構(gòu)，具有智能化、線控化、機(jī)器人化的特點(diǎn)，其使用目的為替代人類執(zhí)行作業(yè)任務(wù)，在民用或軍用領(lǐng)域具有廣闊的應(yīng)用前景. 圍繞無(wú)人車關(guān)鍵理論與技術(shù)，本團(tuán)隊(duì)開展無(wú)人車綜合動(dòng)力學(xué)控制、智能決策與云端集群控制、全維度大數(shù)據(jù)云端監(jiān)控等方面的研究，成功研制了系列無(wú)人車全線控通用底盤及功能型無(wú)人車，相關(guān)成果在無(wú)人軍用車、無(wú)人警用車、無(wú)人民用車等多個(gè)領(lǐng)域?qū)崿F(xiàn)了廣泛應(yīng)用，在北京、武漢、重慶等多個(gè)省市實(shí)現(xiàn)常態(tài)化運(yùn)營(yíng)，服務(wù)于2019世界軍運(yùn)會(huì)等國(guó)內(nèi)外重大活動(dòng)，創(chuàng)造了良好的社會(huì)和經(jīng)濟(jì)效益，團(tuán)隊(duì)獲得了2020年中國(guó)汽車工業(yè)技術(shù)發(fā)明二等獎(jiǎng).

3.1 無(wú)人物流車

我國(guó)快遞業(yè)務(wù)量已超過(guò)美、日、歐等發(fā)達(dá)經(jīng)濟(jì)體之和，2018年日均快遞處理件數(shù)達(dá)1.4億件. 高昂的人工配送成本費(fèi)嚴(yán)重限制了我國(guó)快遞運(yùn)輸業(yè)的進(jìn)一步發(fā)展. 無(wú)人物流車旨在替代人類完成物流、運(yùn)輸、配送等任務(wù)，是無(wú)人車的典型應(yīng)用，可大幅降低人工成本并提高城市智能化水平. 作為典型的特定場(chǎng)景內(nèi)的功能型無(wú)人車，無(wú)人物流車的關(guān)鍵技術(shù)包括環(huán)境感知、智能決策、全線控底盤控制、云端監(jiān)管與控制等方面. 圖1所示為本團(tuán)隊(duì)所研制的無(wú)人物流車，其采用了本團(tuán)隊(duì)發(fā)明的全線控底盤技術(shù)，并搭載16線激光雷達(dá)、單線激光雷達(dá)、車載攝像頭、差分GPS等環(huán)境感知及導(dǎo)航設(shè)備，可裝載最大載重300 kg的物流快遞柜，一次性配送數(shù)10件貨物，續(xù)航能力200 km，可連續(xù)10 h/d以上作業(yè). 為實(shí)現(xiàn)在封閉場(chǎng)景內(nèi)自主作業(yè)的需求，該款無(wú)人物流車集成了封閉場(chǎng)景環(huán)境感知、智能決策與路徑規(guī)劃、全線控底盤動(dòng)力學(xué)控制、5G遠(yuǎn)程監(jiān)控與集群控制等關(guān)鍵技術(shù)，目前已在重慶、北京、浙江、河北等全國(guó)多地開始示范運(yùn)營(yíng)，服務(wù)當(dāng)?shù)刂腔劢煌ɑ蛑腔蹐@區(qū)建設(shè).

圖1 無(wú)人物流車Fig.1 Logistics UGVs

3.2 無(wú)人巡邏車

無(wú)人巡邏車是無(wú)人車在民用領(lǐng)域的另一典型應(yīng)用，其可用于公安領(lǐng)域7×24 h飽和式巡邏等警務(wù)應(yīng)用，是城市立體巡防體系的重要組成部分，將對(duì)我國(guó)智慧警務(wù)升級(jí)與智慧城市建設(shè)起到重要推動(dòng)作用. 與無(wú)人物流車相比，其關(guān)鍵技術(shù)除了環(huán)境感知、智能決策、全線控底盤控制、云端監(jiān)管與控制等方面以外，還包括智能識(shí)別等巡邏用關(guān)鍵技術(shù). 圖2所示為本團(tuán)隊(duì)所參與研制的無(wú)人巡邏車，其采用全線控底盤技術(shù)，并搭載16線激光雷達(dá)、單線激光雷達(dá)、車載攝像頭、差分GPS等環(huán)境感知及導(dǎo)航設(shè)備，可以裝載2～5個(gè)警用巡邏攝像頭，續(xù)航能力300 km，可連續(xù)24 h/d不間斷作業(yè)，集成可疑人員自主識(shí)別、封閉場(chǎng)景環(huán)境感知、自主智能決策路徑規(guī)劃、全線控底盤動(dòng)力學(xué)控制、5G遠(yuǎn)程監(jiān)控與集群控制等關(guān)鍵技術(shù). 在2019年世界軍運(yùn)會(huì)期間，該款無(wú)人巡邏車實(shí)現(xiàn)了批量應(yīng)用，為世界軍運(yùn)會(huì)安保工作出了突出貢獻(xiàn). 此外，該款無(wú)人巡邏車目前也已在武漢、重慶、麗江、菏澤等地示范應(yīng)用，服務(wù)于全國(guó)多地智慧交通與智慧警務(wù)建設(shè).

圖2 無(wú)人巡邏車Fig.2 Patrol UGVs

3.3 無(wú)人接駁車

無(wú)人接駁車可廣泛用于廠區(qū)、園區(qū)、景區(qū)及校區(qū)等封閉場(chǎng)景內(nèi)的人員擺渡或接駁，提升智慧化園區(qū)智能水平及人員擺渡接駁效率. 一般情況下，無(wú)人接駁車的噸位較無(wú)人物流車及無(wú)人巡邏車更大，同時(shí)其行駛環(huán)境也可能會(huì)涵蓋半封閉場(chǎng)景等工況. 圖3所示為本團(tuán)隊(duì)所研制的無(wú)人接駁車，其采用全線控底盤技術(shù)，并搭載16線激光雷達(dá)、毫米波雷達(dá)、車載攝像頭、差分GPS等環(huán)境感知及導(dǎo)航設(shè)備，可一次性乘坐4～8名乘客，續(xù)航能力300 km，可連續(xù)8 h/d作業(yè)，集成了封閉/開放道路環(huán)境感知、自主智能決策規(guī)劃、分布式驅(qū)動(dòng)底盤動(dòng)力學(xué)控制、5 G遠(yuǎn)程監(jiān)控與集群控制等關(guān)鍵技術(shù). 目前已在在重慶、北京、廣州等全國(guó)多地開始示范運(yùn)營(yíng)，成功服務(wù)于2019智博會(huì)等國(guó)內(nèi)外重大活動(dòng).

圖3 無(wú)人接駁車Fig.3 Shuttle UGVs

3.4 無(wú)人公交車

無(wú)人公交車是自動(dòng)駕駛技術(shù)的重要落地應(yīng)用場(chǎng)景之一，應(yīng)用前景十分廣闊，是智能交通與智慧城市建設(shè)的重要組成部分. 和多使用在全封閉或半封閉場(chǎng)景的無(wú)人接駁車不同，無(wú)人公交車多應(yīng)用在城市道路等完全開放場(chǎng)景內(nèi)，因此其關(guān)鍵技術(shù)難度較無(wú)人物流車、無(wú)人巡邏車和無(wú)人接駁車等更大. 圖4所示為本團(tuán)隊(duì)所參與研制的無(wú)人公交車，其采用了全線控底盤技術(shù)，并搭載了多個(gè)激光雷達(dá)及車載攝像頭，可一次性乘坐8～12人，是結(jié)合無(wú)人駕駛技術(shù)、純電動(dòng)技術(shù)及車聯(lián)網(wǎng)技術(shù)的先進(jìn)移動(dòng)服務(wù)無(wú)人車平臺(tái). 該款無(wú)人公交車集成了封閉/開放道路環(huán)境感知、自主智能決策規(guī)劃、分布式驅(qū)動(dòng)底盤動(dòng)力學(xué)控制、5 G遠(yuǎn)程監(jiān)控與集群控制等關(guān)鍵技術(shù)，目前已在全國(guó)多地示范運(yùn)行，服務(wù)于相關(guān)地區(qū)智慧交通建設(shè). 值得一提的是，本文所指的無(wú)人公交車是指不具備人類駕駛機(jī)構(gòu)的無(wú)人車，因此其仍屬于無(wú)人車的范疇.

圖4 無(wú)人公交車Fig.4 Bus UGVs

3.5 無(wú)人軍用車

隨著現(xiàn)代戰(zhàn)場(chǎng)的不斷變化與信息化作戰(zhàn)部隊(duì)建設(shè)要求的不斷深入，電動(dòng)化、智能化、無(wú)人化成為未來(lái)陸軍裝備的重要發(fā)展趨勢(shì). 無(wú)人陸軍裝備將會(huì)徹底改變未來(lái)陸地戰(zhàn)爭(zhēng)形態(tài)，對(duì)我國(guó)國(guó)防安全建設(shè)具有重要的戰(zhàn)略意義. 目前，世界各國(guó)都已開始無(wú)人陸軍裝備的研發(fā)角力. 與民用無(wú)人車相比，無(wú)人軍用車具有更顯著的機(jī)器人化特點(diǎn)，因此對(duì)其技術(shù)水平提出了更高的要求. 圖5所示為團(tuán)隊(duì)所研制的地面航母軍用無(wú)人車，其集成了無(wú)人機(jī)-機(jī)器人-無(wú)人車協(xié)同控制技術(shù)、輪轂電機(jī)獨(dú)立驅(qū)動(dòng)技術(shù)、全輪獨(dú)立轉(zhuǎn)向技術(shù)、半自主/全自主駕駛等關(guān)鍵技術(shù)，底盤實(shí)現(xiàn)高度模塊化及集成化設(shè)計(jì)技術(shù)，整車具有良好的機(jī)動(dòng)性及復(fù)雜路面的駕馭能力，可廣泛用于越野路面等軍用場(chǎng)景. 與民用領(lǐng)域內(nèi)的無(wú)人車相比，其有兩方面技術(shù)特點(diǎn)：① 由于技術(shù)水平的限制，尚不能完全實(shí)現(xiàn)軍用無(wú)人車在越野環(huán)境等非結(jié)構(gòu)化道路內(nèi)的自主行駛，因此，半自主駕駛/遙控駕駛技術(shù)在一定時(shí)期內(nèi)是軍用無(wú)人車的重要關(guān)鍵技術(shù)之一. ② 由于使用環(huán)境的特殊性，軍用無(wú)人車的機(jī)動(dòng)性要求較民用無(wú)人車更高，因此，軍用無(wú)人車多采用全輪獨(dú)立轉(zhuǎn)向、分布式驅(qū)動(dòng)、輪邊/輪轂電機(jī)驅(qū)動(dòng)等可大幅提高機(jī)動(dòng)能力的先進(jìn)技術(shù).

圖5 無(wú)人軍用車Fig.5 Military UGVs

4 無(wú)人車大數(shù)據(jù)與云控制技術(shù)應(yīng)用前景

大數(shù)據(jù)與云控制技術(shù)對(duì)推動(dòng)無(wú)人車的發(fā)展具有重要意義，其主要應(yīng)用可包括：① 通過(guò)大數(shù)據(jù)技術(shù)實(shí)現(xiàn)無(wú)人車全維度數(shù)據(jù)監(jiān)控以提高其運(yùn)行安全性. ② 通過(guò)大數(shù)據(jù)技術(shù)為大規(guī)模無(wú)人車的云端集群調(diào)度與控制提供基礎(chǔ). ③ 通過(guò)無(wú)人車云端大數(shù)據(jù)分析結(jié)果實(shí)現(xiàn)“云端-邊緣端”聯(lián)合控制技術(shù). 相比傳統(tǒng)汽車，無(wú)人車還包含了環(huán)境感知系統(tǒng)、智能決策系統(tǒng)、路徑規(guī)劃系統(tǒng)、線控執(zhí)行機(jī)構(gòu)系統(tǒng)等子系統(tǒng)以及其他多種傳感器，其數(shù)據(jù)監(jiān)控技術(shù)的實(shí)現(xiàn)更為復(fù)雜，所涉及的信息種類、格式及物理意義更為復(fù)雜，在此基礎(chǔ)上的云控制技術(shù)也面臨諸多挑戰(zhàn). 因此，無(wú)人車的大數(shù)據(jù)監(jiān)控及云控制技術(shù)是未來(lái)的重要研究方向.

本文將以本團(tuán)隊(duì)研制的無(wú)人車云大腦集群控制中心為例，闡述大數(shù)據(jù)與云控制技術(shù)在無(wú)人車領(lǐng)域的應(yīng)用現(xiàn)狀. 圖6為團(tuán)隊(duì)所研制的無(wú)人車云大腦集群控制中心，可以對(duì)各個(gè)無(wú)人車的環(huán)境感知系統(tǒng)數(shù)據(jù)、智能決策系統(tǒng)數(shù)據(jù)、路徑規(guī)劃系統(tǒng)數(shù)據(jù)、底盤控制系統(tǒng)數(shù)據(jù)、底盤各執(zhí)行機(jī)構(gòu)系統(tǒng)數(shù)據(jù)以及動(dòng)力電池系統(tǒng)數(shù)據(jù)等進(jìn)行實(shí)時(shí)監(jiān)測(cè)及遠(yuǎn)程監(jiān)控. 各無(wú)人車的上述數(shù)據(jù)通過(guò)車載通信設(shè)備實(shí)時(shí)發(fā)送至云大腦控制中心服務(wù)器實(shí)現(xiàn)數(shù)據(jù)采集，形成無(wú)人車大數(shù)據(jù)數(shù)據(jù)庫(kù)，通過(guò)大數(shù)據(jù)處理及分析技術(shù)獲得多維度分析結(jié)果，實(shí)現(xiàn)無(wú)人車運(yùn)營(yíng)情況、安全情況、故障情況、子系統(tǒng)情況等維度的大數(shù)據(jù)監(jiān)控和分析. 云大腦集群控制中心作為云端計(jì)算平臺(tái)，綜合各無(wú)人車及路側(cè)智能感知設(shè)備信息進(jìn)行集群行為決策，可以實(shí)現(xiàn)無(wú)人車集群的任務(wù)最優(yōu)化控制，控制指令通過(guò)車載通信設(shè)備反饋至各無(wú)人車節(jié)點(diǎn)，從而完成基于大數(shù)據(jù)技術(shù)的無(wú)人車云端控制.

團(tuán)隊(duì)所研制的無(wú)人車云大腦集群控制中心首頁(yè)由云端大數(shù)據(jù)監(jiān)控與5G遠(yuǎn)程控制兩個(gè)主要部分組成. 在云端大數(shù)據(jù)監(jiān)控的數(shù)據(jù)總覽部分，給出了無(wú)人車運(yùn)營(yíng)數(shù)據(jù)、安全數(shù)據(jù)、感知與決策數(shù)據(jù)以及線控底盤數(shù)據(jù)的關(guān)鍵部分，并實(shí)時(shí)顯示了無(wú)人車在線總數(shù)、累計(jì)總行駛里程、故障總數(shù)等關(guān)鍵信息，便于相關(guān)研究人員或城市管理人員實(shí)時(shí)進(jìn)行監(jiān)控. 無(wú)人車云大腦集群控制中心的運(yùn)營(yíng)數(shù)據(jù)界面旨在從無(wú)人車功能類型、區(qū)域分布密度、工作時(shí)間、工作狀態(tài)等無(wú)人車運(yùn)營(yíng)維度信息進(jìn)行大數(shù)據(jù)分析，獲得無(wú)人車型占比統(tǒng)計(jì)、單日站點(diǎn)任務(wù)觸發(fā)次數(shù)統(tǒng)計(jì)、單日不同時(shí)段在線車輛數(shù)量統(tǒng)計(jì)、單日全車型出勤占比統(tǒng)計(jì)、全車型區(qū)域分布密度統(tǒng)計(jì)、無(wú)人車工作狀態(tài)占比統(tǒng)計(jì)等運(yùn)營(yíng)維度大數(shù)據(jù)分析結(jié)果，服務(wù)于無(wú)人車總體規(guī)劃調(diào)度與政策制定等，其具體功能包括：① 掌握各功能型無(wú)人車任務(wù)觸發(fā)分布規(guī)律，如無(wú)人物流車的物流任務(wù)呼叫分布規(guī)律、無(wú)人巡邏車的報(bào)警任務(wù)呼叫分布規(guī)律、無(wú)人接駁車的接駁任務(wù)呼叫分布規(guī)律等，有助于合理規(guī)劃各功能型無(wú)人車集中布置點(diǎn)位置及巡航路線. ② 掌握各無(wú)人車工作狀態(tài)分布規(guī)律，如自動(dòng)駕駛狀態(tài)、人工遙控狀態(tài)、故障待命狀態(tài)等，有助于合理規(guī)劃無(wú)人車所覆蓋區(qū)域內(nèi)的任務(wù)分配，如每日運(yùn)輸貨物總量和每日接駁人員總數(shù)等. ③ 掌握各無(wú)人車運(yùn)行線路分布規(guī)律，有助于合理預(yù)測(cè)充電負(fù)荷，支撐無(wú)人車充電樁等基礎(chǔ)設(shè)施建設(shè). ④ 掌握各無(wú)人車位置分布規(guī)律及該位置環(huán)境信息數(shù)據(jù)，有助于合理針對(duì)各無(wú)人車進(jìn)行相應(yīng)環(huán)境感知、智能決策及路徑規(guī)劃算法的優(yōu)化，提高對(duì)所處位置與環(huán)境的適應(yīng)能力.

圖6 團(tuán)隊(duì)所研制的無(wú)人車云大腦集群控制中心Fig.6 UGVs cloud brain control center

在安全數(shù)據(jù)監(jiān)控方面，無(wú)人車云大腦集群控制中心監(jiān)控各無(wú)人車的關(guān)鍵零部件及傳感器的健康狀態(tài)信息，包括激光雷達(dá)、毫米波雷達(dá)、攝像頭、工控機(jī)、底盤控制器、轉(zhuǎn)向電機(jī)、驅(qū)動(dòng)電機(jī)、制動(dòng)電機(jī)及動(dòng)力電池等. 安全數(shù)據(jù)分析旨在通過(guò)大數(shù)據(jù)技術(shù)統(tǒng)籌各關(guān)鍵零部件及傳感器信息后，從故障車型、故障類型、故障狀態(tài)三個(gè)維度對(duì)故障數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析，實(shí)現(xiàn)無(wú)人車故障的大數(shù)據(jù)預(yù)測(cè)及預(yù)警，獲得無(wú)人車故障車型統(tǒng)計(jì)、各零部件故障類型統(tǒng)計(jì)、各零部件故障處理狀態(tài)統(tǒng)計(jì)、近7天故障率分析統(tǒng)計(jì)、各零部件故障類型發(fā)生次數(shù)排行等安全維度大數(shù)據(jù)分析結(jié)果. 同時(shí)，可根據(jù)上述大數(shù)據(jù)信息實(shí)現(xiàn)各無(wú)人車關(guān)鍵零部件的健康狀態(tài)預(yù)測(cè)，實(shí)現(xiàn)及時(shí)的無(wú)人車故障預(yù)測(cè)及預(yù)警，服務(wù)于人工遠(yuǎn)程安全接管技術(shù)或其他的無(wú)人車任務(wù)規(guī)劃等政策制定.

在感知與決策系統(tǒng)數(shù)據(jù)監(jiān)控方面，無(wú)人車云大腦集群控制中心監(jiān)控各無(wú)人車感知與決策系統(tǒng)信息，包括環(huán)境感知系統(tǒng)激光雷達(dá)及攝像頭等的識(shí)別信息(交通標(biāo)示識(shí)別結(jié)果、識(shí)別障礙物的種類大小速度等)，智能決策系統(tǒng)處理結(jié)果(超車行駛等有限狀態(tài)機(jī)決策結(jié)果、智能決策系統(tǒng)輸出結(jié)果等)，路徑規(guī)劃系統(tǒng)輸出結(jié)果(所規(guī)劃路徑的曲率及速度等)，底盤控制系統(tǒng)執(zhí)行結(jié)果(線控驅(qū)動(dòng)、線控轉(zhuǎn)向、線控制動(dòng)等系統(tǒng)電機(jī)指令)等信息，獲得各無(wú)人車障礙物識(shí)別次數(shù)及類型統(tǒng)計(jì)、智能決策次數(shù)及類型統(tǒng)計(jì)、人工干預(yù)次數(shù)統(tǒng)計(jì)、線控系統(tǒng)高負(fù)荷工作次數(shù)統(tǒng)計(jì)等大數(shù)據(jù)分析結(jié)果，服務(wù)于無(wú)人車感知與決策系統(tǒng)的大數(shù)據(jù)預(yù)測(cè). 其具體功能包括：① 實(shí)現(xiàn)各運(yùn)營(yíng)地區(qū)所遇障礙物及行駛環(huán)境預(yù)測(cè)，有助于對(duì)各無(wú)人車任務(wù)進(jìn)行合理規(guī)劃，優(yōu)化各無(wú)人車行駛路線或行駛時(shí)段. ② 掌握各無(wú)人車智能決策大數(shù)據(jù)分析結(jié)果，有助于掌握各無(wú)人車自動(dòng)駕駛系統(tǒng)綜合性能，服務(wù)于事故認(rèn)定等工作. ③ 掌握各無(wú)人車路徑規(guī)劃及線控執(zhí)行機(jī)構(gòu)大數(shù)據(jù)分析結(jié)果，有助于優(yōu)化提高無(wú)人車路徑規(guī)劃及路徑跟蹤動(dòng)力學(xué)控制算法性能.

在線控底盤系統(tǒng)數(shù)據(jù)監(jiān)控方面，無(wú)人車云大腦集群控制中心監(jiān)控各無(wú)人車線控底盤系統(tǒng)的信息，包括各驅(qū)動(dòng)、制動(dòng)及轉(zhuǎn)向電機(jī)數(shù)據(jù)(電壓、電流、轉(zhuǎn)速、轉(zhuǎn)矩等)，各驅(qū)動(dòng)、制動(dòng)及轉(zhuǎn)向電機(jī)控制器數(shù)據(jù)(電壓、電流等)，各動(dòng)力電池單體信息(電壓、電流、電量、溫度、極值等)，以獲得無(wú)人車動(dòng)力電池單體狀態(tài)分布統(tǒng)計(jì)、各執(zhí)行機(jī)構(gòu)電機(jī)功率實(shí)時(shí)占比統(tǒng)計(jì)、各無(wú)人車充電情況統(tǒng)計(jì)、轉(zhuǎn)向電機(jī)轉(zhuǎn)速與轉(zhuǎn)矩信息統(tǒng)計(jì)、無(wú)人車加速度信息占比統(tǒng)計(jì)等，從而全面掌握無(wú)人車的底盤系統(tǒng)工作狀態(tài). 基于上述信息，構(gòu)建相關(guān)線控底盤子系統(tǒng)評(píng)價(jià)模型，通過(guò)大數(shù)據(jù)分析技術(shù)實(shí)現(xiàn)無(wú)人車全線控底盤的動(dòng)力性、機(jī)動(dòng)性、安全性及可靠性預(yù)測(cè)，全面服務(wù)于無(wú)人車任務(wù)規(guī)劃與性能預(yù)測(cè)等工作，并可成為實(shí)現(xiàn)云端動(dòng)力學(xué)控制及底盤控制參數(shù)云端在線優(yōu)化的重要基礎(chǔ).

無(wú)人車大數(shù)據(jù)與云控制技術(shù)是無(wú)人車領(lǐng)域重要的發(fā)展方向，對(duì)推動(dòng)我國(guó)無(wú)人車技術(shù)取得自主創(chuàng)新突破具有重要戰(zhàn)略意義，是無(wú)人車技術(shù)實(shí)現(xiàn)規(guī)?；a(chǎn)業(yè)應(yīng)用并服務(wù)智能交通建設(shè)的重要支撐. 目前，無(wú)人車大數(shù)據(jù)與云控制領(lǐng)域還存在如下的關(guān)鍵科學(xué)及技術(shù)問(wèn)題：① 無(wú)人車全維度大數(shù)據(jù)監(jiān)管及數(shù)據(jù)挖掘理論與技術(shù). 無(wú)人車關(guān)鍵子系統(tǒng)中包含環(huán)境感知、智能決策、路徑規(guī)劃、底盤控制等子系統(tǒng)，傳感器、控制器、執(zhí)行器網(wǎng)絡(luò)架構(gòu)與傳統(tǒng)車輛相比十分復(fù)雜. 因此，無(wú)人車系統(tǒng)數(shù)據(jù)維度更高、數(shù)據(jù)量更大、數(shù)據(jù)格式更復(fù)雜，其大數(shù)據(jù)監(jiān)管及在此基礎(chǔ)上的挖掘、預(yù)測(cè)是實(shí)現(xiàn)云端控制的重要基礎(chǔ)，相關(guān)理論與技術(shù)必須開展創(chuàng)新突破. ② 無(wú)人車群體-云端系統(tǒng)網(wǎng)絡(luò)拓?fù)錁?gòu)型穩(wěn)定性及集群控制理論與技術(shù). 功能型無(wú)人車必須通過(guò)集群控制以完成目標(biāo)任務(wù)，車-云、車-車間組成的網(wǎng)絡(luò)化控制系統(tǒng)網(wǎng)絡(luò)拓?fù)錁?gòu)型多變、通信延遲機(jī)理復(fù)雜、系統(tǒng)穩(wěn)定性裕度低，必須針對(duì)其網(wǎng)絡(luò)拓?fù)錁?gòu)型演變機(jī)制、系統(tǒng)多維度延遲機(jī)理模型等關(guān)鍵理論問(wèn)題開展研究，以實(shí)現(xiàn)復(fù)雜網(wǎng)絡(luò)化控制系統(tǒng)中的無(wú)人車群體的集群控制與調(diào)度. ③ 無(wú)人車群體協(xié)同感知及決策理論與技術(shù). 通過(guò)功能型無(wú)人車群體及云端系統(tǒng)實(shí)現(xiàn)協(xié)同感知及決策是大幅提高無(wú)人車群體性能、滿足未來(lái)規(guī)?；a(chǎn)業(yè)應(yīng)用的重要支撐. 目前，無(wú)人車單車智能技術(shù)發(fā)展愈發(fā)成熟，但在無(wú)人車群體基礎(chǔ)上的協(xié)同感知及決策技術(shù)尚處于較為初級(jí)的研究階段. ④ 面向多功能任務(wù)需求的云端集群調(diào)度理論與技術(shù). 無(wú)人車用于替代人類完成軍用、物流、巡邏、運(yùn)輸、接駁等國(guó)防和民用任務(wù)，集群控制系統(tǒng)存在著控制目標(biāo)多變、系統(tǒng)延遲大且不確定高等一系列復(fù)雜挑戰(zhàn)，因此，面向上述多功能任務(wù)需求并滿足相關(guān)復(fù)雜場(chǎng)景多維度約束的云端調(diào)度理論與技術(shù)亟待突破.

5 結(jié) 論

本文綜述了大數(shù)據(jù)與云控制技術(shù)在車輛領(lǐng)域的應(yīng)用現(xiàn)狀，展望了其在未來(lái)無(wú)人車領(lǐng)域的發(fā)展情況. 基于團(tuán)隊(duì)在無(wú)人車領(lǐng)域多年的研究工作基礎(chǔ)，介紹了典型無(wú)人車及其關(guān)鍵理論與技術(shù)的研究現(xiàn)狀和發(fā)展趨勢(shì). 結(jié)合團(tuán)隊(duì)在無(wú)人車云大腦集群控制中心方面的研究工作基礎(chǔ)，展望了大數(shù)據(jù)與云控制技術(shù)在無(wú)人車領(lǐng)域的應(yīng)用現(xiàn)狀、面臨的挑戰(zhàn)及發(fā)展前景，總結(jié)其所亟待解決的關(guān)鍵理論與技術(shù)問(wèn)題. 可以預(yù)見，大數(shù)據(jù)與云控制技術(shù)將極大程度提高功能型無(wú)人車的綜合性能，對(duì)推動(dòng)我國(guó)無(wú)人車技術(shù)取得自主創(chuàng)新突破具有重要戰(zhàn)略意義，是無(wú)人車技術(shù)實(shí)現(xiàn)規(guī)模化產(chǎn)業(yè)應(yīng)用并服務(wù)智能交通建設(shè)的重要支撐.