五、智能网联汽车的关键技术

当前智能网联汽车发展十分迅速，其关键技术主要包括以下几个方面：

1.环境感知技术

环境感知包括车辆本身状态感知、道路感知、行人感知、交通信号感知、交通标识感知、交通状况感知、周围车辆感知等。其中车辆本身状态感知包括行驶速度、行驶方向、行驶状态、车辆位置等；道路感知包括道路类型检测、道路标线识别、道路状况判断、是否偏离行驶轨迹等；行人感知主要判断车辆行驶前方是否有行人，包括白天行人识别、夜晚行人识别、被障碍物阻挡的行人识别等；交通信号感知主要是自动识别交叉路口的信号灯、如何高效通过交叉路口等；交通标识感知主要是识别道路两侧的各种交通标志，如限速、转弯等，及时提醒驾驶员注意；交通状况感知主要是检测道路交通拥堵情况、是否发生交通事故等，以便车辆选择通畅的路线行驶；周围车辆感知主要检测车辆前方、后方、侧方的车辆情况，避免发生碰撞，也包括交叉路口被障碍物遮挡的车辆。环境感知技术示意图如图1-13所示。

在复杂路况交通环境下，单一传感器无法完成环境感知的全部，必须整合各种类型的传感器，利用传感器融合技术，使其为智能网联汽车提供更加真实可靠的路况环境信息。

2.无线通信技术

长距离无线通信技术用于提供即时的互联网接入，主要采用4G/5G技术，特别是5G技术，有望成为车载长距离无线通信专用技术。短距离通信技术有专用短程通信技术（DSRC）、蓝牙、Wi-Fi等，其中DSRC重要程度高且急需发展，它可以实现在特定区域内对高速运动下移动目标的识别和双向通信，例如V2V、V2I双向通信，实时传输图像、语音和数据信息等。

3.智能互联技术

当两个车辆距离较远或被障碍物遮挡，直接通信无法完成时，两者之间的通信可以通过路侧单元进行信息传递，构成一个无中心、完全自组织的车载自组织网络。车载自组织网络依靠短距离通信技术实现V2V和V2I之间的通信，它使在一定通信范围内的车辆可以相互交换各自的车速、位置等信息和车载传感器感知的数据，并自动连接建立起一个移动的网络。典型的应用包括行驶安全预警、交叉路口协助驾驶、交通信息发布以及基于通信的纵向车辆控制等。智能互联技术示意图如图1-14所示。

4.车载网络技术

目前汽车上广泛应用的网络有CAN、LIN和MOST总线等，它们的特点是传输速率小，带宽窄。随着越来越多的高清视频应用进入汽车，如ADAS、360°全景泊车系统等，这些车载网络的传输速率和带宽已无法满足需要。以太网最有可能在智能网联汽车环境下工作，它采用星形连接架构，每一个设备或每一条链路都可以专享100M带宽，且传输速率能达到万兆级。同时以太网还可以顺应未来汽车行业的发展趋势，即开放性、兼容性原则，从而可以很容易地将现有的应用嵌入新系统中。

5.高级驾驶辅助技术

高级驾驶辅助技术示意图如图1-15所示。高级驾驶辅助技术通过车辆环境感知技术和自组织网络技术对道路、车辆、行人、交通标志、交通信号等进行检测和识别，对识别信号进行分析处理，传输给执行机构，保障车辆安全行驶。高级驾驶辅助技术是智能网联汽车重点发展的技术，其成熟程度和使用多少代表了智能网联汽车的技术水平，是其他关键技术的具体应用体现。

6.信息融合技术

信息融合技术是指在一定准则下利用计算机技术对多源信息进行分析和综合，以实现不同应用的分类任务。该技术主要用于对多源信息进行采集、传输、分析和综合，将不同数据源在时间和空间上的冗余或互补信息依据某种准则进行组合，产生出完整、准确、及时、有效的综合信息。智能网联汽车采集和传输的信息种类多、数量大，必须采用信息融合技术才能保障实时性和准确性。

7.信息安全与隐私保护技术

智能网联汽车接入网络的同时，也带来了信息安全的问题。在应用中，每辆车及其车主的信息都将随时随地地传输到网络中被感知，这种暴露在网络中的信息很容易被窃取、干扰甚至修改等，从而直接影响智能网联汽车体系的安全，因此在智能网联汽车中，必须重视信息安全与隐私保护技术的研究。

8.人机交互技术

人机交互技术，尤其是语音控制、手势识别和触摸屏技术，在全球未来汽车市场上将被大量采用。全球领先的汽车制造商，如奥迪、宝马、奔驰、福特以及菲亚特等都在研究人机交互技术。不同国家汽车人机交互技术的发展重点也不同，美国和日本侧重于远程控制，主要通过呼叫中心实现；德国则把精力放在车辆的中央控制系统，主要是奥迪的MMI、宝马的iDrive、奔驰的MBUX。智能网联汽车人机界面的设计，其最终目的在于提供良好的用户体验，增强用户的驾驶乐趣或驾驶过程中的操作体验。它更加注重驾驶的安全性，这样使得人机界面的设计必须在好的用户体验和安全之间做平衡，很大程度上安全始终是第一位的。智能网联汽车人机界面应集成车辆控制、功能设定、信息娱乐、导航系统、车载电话等多项功能，方便驾驶员快捷地从中查询、设置、切换车辆系统的各种信息，从而使车辆达到理想的运行和操纵状态。车辆显示系统和智能手机将无缝连接，人机界面提供的输入方式将会有多种选择，通过使用不同的技术允许消费者能够根据不同的操作、不同的功能进行自由切换。奔驰S级（W223）MBUX系统如图1-16所示。

9.高精度地图与定位技术

高精度地图技术将大量的行车辅助信息存储为结构化数据，这些信息可以分为两类。第一类是道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息。第二类是车道周边的固定对象信息，比如交通标志、交通信号灯、道路限高、下水道口、障碍物及其他道路细节，还包括高架、防护栏、道路边缘类型、路边地标等基础设施信息。以上这些信息都有地理编码，导航系统可以准确定位地形、物体和道路轮廓，从而引导车辆行驶。其中最重要的是对路网精确的三维表征（厘米级精度），比如路面的几何结构、道路标示线的位置、周边道路环境的点云模型等。有了这些高精度的三维表征，自动驾驶系统可以通过比对车载的GPS、惯性测量单元（IMU）、激光雷达（LiDAR）或摄像头的数据精确确认自己当前的位置。另外，高精度地图中包含有丰富的语义信息，比如交通信号灯的位置和类型、道路标示线的类型，以及哪些路面可以行使等。

高精度地图具有动态化、高精度和高丰富度的特点。不论是动态化，还是精度和丰富度，最终目的都是为了保证自动驾驶的安全与高效率。动态化保证了自动驾驶能够及时地应对突发状况，选择最优的路径行驶。高精度确保了机器自动行驶的可行性，保证了自动驾驶的顺利实现。高丰富度与机器的更多逻辑规则相结合，进一步提升了自动驾驶的安全性。高精度地图示意图如图1-17所示。

10.异构网络融合技术

异构网络融合是一项较为关键的技术。所谓异构是指两个或以上的无线通信系统采用了不同的接入技术，或者是采用相同的无线接入技术但属于不同的无线运营商，其结构示意图如图1-18所示。在智能网联汽车发展的过程中，多域多网络共存问题日渐凸显，这无疑会给智能网联汽车的发展和建设带来极大困难。多网络覆盖区域重叠、通信协议不一致、缺乏统一的服务管控网络格局，使得用户面临更加复杂的网络环境。未来通信网络的前景是异构融合的网络模式，多接入方式并存，多节点协同工作，支持不同程度的无缝移动特性，同时它又是一个智能化的无线通信系统，能够随时感知外界环境，并根据当前的网络状况自配置以响应动态自适应环境和操作的改变。5G网络的一个主要特征就是能够提供多种不同无线接入技术之间的互操作，无线局域网（WLAN）和4G网络的融合、点对点（Ad Hoc）网络与蜂窝网络的融合都是无线异构网络融合的重要模式。网络融合技术可极大地提升蜂窝网络的性能，在支持传统业务的同时也为引入新的服务创造了条件，成为支持异构互连和协同应用的新一代无线移动网络的热点技术。无线异构网络融合近年来受到了业界的高度重视和研究。

11.交通大数据处理的关键技术

交通大数据具有种类繁多、异质性、时空尺度跨越大、动态多变、高度随机性、局部性和生命周期较短等特征，智能网联汽车的发展离不开大数据技术的支持，随着城市的发展，交通数据采集量必然成倍增长，形成海量、动态、实时的交通大数据（图1-19）。因此，以大数据处理技术为支撑的交通信息服务将成为未来智能交通发展的增长点。交通所涉及的大数据技术总结起来大致包括如下内容。

（1）基于Hadoop框架的MapReduce模式技术

Hadoop是一个能够对大量数据进行分布式处理的软件框架，而MapReduce是Hadoop的核心计算模型，它将复杂的运行于大规模集群上的并行计算过程高度抽象到了两个函数。Hadoop实现了一个分布式文件系统（Hadoop Distributed File System，HDFS）。HDFS有着高容错性的特点，可部署在低成本的硬件上。而且它能提供高传输率来访问应用程序的数据，适合那些有着超大数据集的应用程序。

（2）数据仓库技术

数据仓库是决策支持系统（DSS）和联机分析应用数据源的结构化数据环境，研究和解决从数据库中获取信息等问题。数据仓库的特征在于面向主题、集成性、稳定性和时变性。其主要功能是将组织通过资讯系统的联机交易处理（OLTP）经年累月所累积的大量资料、数据仓库理论所特有的资料存储架构进行系统的分析整理，以利于各种分析方法如线上分析处理（OLAP）、数据挖掘（Data Mining）的进行，进而支持决策支持系统、主管资讯系统（EIS）等系统的创建，帮助决策者快速、有效地从大量数据资料中分析出有价值的信息，以利于决策拟定及快速回应外在环境变动，帮助构建商业智能。

（3）中央数据登记簿技术

中央数据登记簿系统是平台数据统一管理、综合交通信息服务的基础，包括与交通信息有关的数据表示和交互以及交通信息服务、适合于综合交通环境的数据字典和消息模板、交通数据项定义规则、注册和管理机制等。

（4）平台GIS-T应用技术

平台GIS-T应用技术是交通地理信息系统的支撑技术，可为交通信息服务提供高效的信息查询功能、海量的存储功能，包括出租车、公交车、综合交通视频信息等数据；还能够提供优秀用户体验的WebGIS引擎，让用户享受基于浏览器的交通信息服务。

（5）基于非序列性数据操作技术

基于非序列性数据操作技术包括虚拟化环境以及流数据处理技术，通过网络将大量服务器的内存空间统合在一起，使之形成一个超大型的虚拟内存，然后在其上进行数据配置，可实现对现有设备资源的最大使用效率，同时实现对即时性数据的反馈能力。

（6）视频大数据处理技术

视频大数据处理技术将目前各个专用性的视频监控系统有机地整合在一起，实现视频资源统一接入、统一转码、统一分发、统一管理和统一运营的“五统一”目标。它可整合包括交通视频、站台视频、客运站视频、高速公路视频、社会治安视频、车载视频等在内的多种视频资源，提高整体视频监控的效率，且基于视频监控基础设施之上创造更多增值性的应用，从而实现视频监控系统的最大化效用。

（7）大数据处理技术

大数据处理技术是将接入平台的数据根据具体的业务规则进行进一步的处理，包括对接入的数据进行有效性的检验、大数据清洗等。大数据标准化处理技术从数据库中取出经过清洗后的数据，根据业务规则将外部系统的数据格式转化为平台定义的标准格式。

（8）大数据融合处理技术

大数据融合处理技术是指采用多源交通信息融合方法，结合特征融合技术（识别/分类、神经网络、贝叶斯网络等）、目标机动信息处理技术（自适应噪声模型等）及多目标跟踪的信息融合技术，提高信息系统的鲁棒性及可靠性。多源交通大数据信息融合分为3级：基础级是数据级融合，它只完成数据的预处理和简单关联；第二级是特征级融合，就是根据现有数据的特征预测交通参数；第三级是状态级融合，根据当前交通流信息判断交通状态。交通流信息融合的基本过程包括多源信息提取、信息预处理、融合处理以及目标参数获取和状态估计。

（9）实时数据分发订阅技术

海量交通大数据具有数据量大、更新频繁、时效性高等特点，往往需要来自其他系统的实时数据来支持其业务逻辑，比如浮动车辆的GPS数据、目前城市道路的路况分析和收费站排队监控分析、省级路政卫星定位联网监控系统的上报、营运车辆安全监管系统等监控分析系统需要向外单位共享的数据。

（10）大数据挖掘技术

多源交通大数据挖掘是一个多步骤的过程，可以分为问题定义、数据准备、数据分析、模式评估等基本阶段。

12.交通云计算关键技术

交通云计算平台是一个整合的、先进的、安全的、自动化的、易扩展的、服务于交通行业的开放性平台。智慧交通云平台示意图如图1-20所示。

具体体现在：

（1）整合现有资源

能够针对未来的交通行业发展扩展整合将来所需的各种硬件、软件、数据。

（2）动态满足智能交通系统中各应用系统

针对交通行业的需求，如基础设施建设、交通信息发布、交通企业增值服务、交通指挥，提供决策支持及交通仿真模拟等。交通云应能够全面满足开发系统资源平台需求，快速满足突发系统需求。

（3）扩展能力

交通云需提供极具弹性的扩展能力需求，以满足将来不断增大的交通应用需求。

交通云作为行业云，它的发展轨迹应在技术上从易到难、在业务上从边缘逐渐到核心。交通云的远景是基础设施即服务（Infrastructure as a Service，IaaS）、平台即服务（Platform as a Service，PaaS）及软件即服务（Software as a Service，SaaS）的应用都具备。针对智能交通的目前发展状况及云计算平台的成熟应用程度，交通云应以数据中心的云存储化开始，逐渐向外扩展应用服务。交通云是对交通管理单位、交通运营企业和广大市民服务的，因此，未来的交通云应该具有混合云的特点。对保密性安全要求高、处理速度快、弹性发展力度强的对内应用（交通管理单位），可以用私有云的模式实现；而对外的信息发布（大众出行、物流企业、交通信息服务企业等）、出行指导等对外应用可以用公共云的模式实现。