[论文解读] Towards Fully Intelligent Transportation through Infrastructure-Vehicle Cooperative Autonomous Driving: Challenges and Opportunities

Shaoshan Liu, Yu Bo+2 more|arXiv (Cornell University)|Mar 3, 2021

Vehicular Ad Hoc Networks (VANETs)参考文献 8被引用 5

一句话总结

本文提出了一种三阶段车路协同自动驾驶框架——基础设施增强型（IAAD）、基础设施引导型（IGAD）和基础设施规划型（IPAD），通过将感知与规划任务从车辆卸载至智能路侧单元（SoRs），以提升安全性、效率并降低成本。实际部署显示，系统断开率降低90%，交通效率提升40%，并通过集中式基础设施支持，有望使车辆成本降低超过50%。

ABSTRACT

The infrastructure-vehicle cooperative autonomous driving approach depends on the cooperation between intelligent roads and intelligent vehicles. This approach is not only safer but also more economical compared to the traditional on-vehicle-only autonomous driving approach. In this paper, we introduce our real-world deployment experiences of cooperative autonomous driving, and delve into the details of new challenges and opportunities. Specifically, based on our progress towards commercial deployment, we follow a three-stage development roadmap of the cooperative autonomous driving approach:infrastructure-augmented autonomous driving (IAAD), infrastructure-guided autonomous driving (IGAD), and infrastructure-planned autonomous driving (IPAD).

研究动机与目标

• 为解决自动驾驶中的安全性、效率与成本挑战，通过智能车辆与路侧基础设施的协同合作。
• 通过将感知与规划任务卸载至路侧单元（SoRs），减少对高成本车载传感器与计算资源的依赖。
• 通过从IAAD到IPAD的分阶段演进，实现可扩展、安全且高效的交通运行。
• 通过实时融合车辆与基础设施的感知数据，降低断开率并改善交通流。
• 确保系统在所有阶段的可靠性与安全性，特别是在网络故障或网络攻击情况下的鲁棒性。

提出的方法

• 部署配备摄像头、雷达、激光雷达及C-V2X路侧单元（RSUs）的路侧系统（SoRs），为车辆提供实时感知与通信支持。
• 利用集中式智能交通云系统（ITCS）将多个SoRs与SoVs的语义数据融合，构建全局交通感知地图。
• 在车载端部署融合引擎，结合本地车辆感知与基础设施提供的数据，基于网络截止时间监控实现动态决策。
• 在三个阶段中逐步将感知与规划任务从车辆卸载至SoRs：IAAD（增强）、IGAD（引导）、IPAD（集中规划）。
• 采用C-V2X与5G双网络冗余，确保在C-V2X故障时仍能维持连接与安全。
• 应用传统网络安全技术与车载冲突检测机制，验证基础设施数据真实性，防止恶意输入。

实验结果

研究问题

• RQ1 如何通过车路协同降低自动驾驶车辆的断开率，并在真实场景中提升安全性？
• RQ2 在高速运行条件下，基础设施增强型自动驾驶面临的关键网络性能与安全挑战是什么？
• RQ3 如何逐步将感知与规划工作负载从车辆卸载至基础设施，以降低车辆成本与能耗？
• RQ4 当基础设施通信在自动驾驶过程中发生故障时，如何确保系统的可靠性与故障切换能力？
• RQ5 如何通过集中式全局交通规划最大化效率，同时在SoR覆盖区域保持车辆级安全与过渡控制？

主要发现

• SoRs的部署通过消除盲区与扩展感知范围，使自动驾驶车辆的断开率降低超过90%。
• 由于SoRs提供每辆车的追踪数据并用于智能信号灯控制，测试现场的交通效率提升了40%。
• 系统在网络抖动低于5 ms的条件下保持稳定性能，要求超可靠低时延通信（URLLC）以实现实时融合。
• 由于采用语义数据交换，网络带宽需求较低（低于1.5 MB/s），带宽不再是瓶颈，而延迟与抖动成为主要约束。
• 融合引擎通过根据截止时间合规性与冲突检测，动态在SoR与SoV感知数据间切换，表现出强鲁棒性。
• 所提出的三阶段演进路线使车辆主导型向基础设施主导型自动驾驶的可扩展过渡成为可能，有望使自动驾驶车辆的软硬件与能耗成本降低超过50%。