智能网联汽车云控系统原理及其典型应用

李克强，李家文，常雪阳，高博麟，许 庆，李升波

（1. 清华大学汽车安全与节能国家重点实验室，北京100084，中国；2. 清华大学苏州汽车研究院，苏州215200，中国)

基于新一代信息与通信技术的智能网联汽车（intelligent and connected vehicles, ICVs）[1]已成为全球汽车产业发展的战略方向，但目前其在规模化应用上还面临几方面的问题与挑战。

从技术上讲，现有单车智能技术路线存在车载感知范围有限、可靠性不足、车间行为存在博弈与冲突、单车依靠局部信息进行的规划与控制难以实现全局优化等问题。传统车路协同主要强调车与路侧设备之间的协同，虽然可以解决部分单车智能面临的问题，但应用场景有限，且主要功能在于利用车与车、车与路之间的信息交互辅助单车决策；而且它也难以实现面向路网大范围网联应用中的群体协同决策，不能满足智能网联汽车参与的交通系统在发展过程中对全局车辆与交通的交互、管控与优化、对交通数据的广泛深度应用等方面的实际要求。

从产业环境讲，智能汽车的技术迭代和商业化落地离不开道路、通信等基础设施的建设，然而目前基础设施建设因企业或不同部门仅根据自身需求建设，形成了“烟囱”林立的专用定制系统，导致了资源重复、难以互联互通、利用效率低、建设与系统养护成本高、管理和服务难度大、数据能力层次低等一系列问题，从而使得智能网联汽车规模化应用的技术标准、管理机制标准、运营标准都缺乏统一与协同，制约了其进一步落地发展。

要解决上述问题，需要从系统协同的角度重构车辆、交通基础设施、通信技术、计算服务等智能网联汽车产业核心领域之间的技术链与价值链，形成以车路业务实时融合计算为主要技术特征，以数据安全开放、可靠共享为主要价值特征的整体系统架构，从而打通智能汽车和智能交通两大领域，促进智能网联汽车与交通系统的协同发展，并最终提升道路交通的综合性能。

2020年2月，国家发展和改革委员会（简称国家发改委）联合11部委发布的《智能汽车创新发展战略》[2]明确指出，要构建先进完备的智能汽车基础设施体系。其中，在道路方面，结合5G商用部署，推动道路智能化设备、智能汽车、运营服务、交通安全管理系统、交通管理指挥系统等统一通信接口和协议，实现信息互联互通；在网络方面，统筹公众移动通信网部署，在重点地区、重点路段建立新一代车用无线通信网络，提供超低时延、超高可靠、超大带宽的无线通信和边缘计算服务；在时空服务方面，发展覆盖全国的车用高精度时空基准服务，建设覆盖全国路网的道路交通地理信息系统。同时，建设国家智能汽车大数据云控基础平台，通过建设逻辑协同、物理分散的云计算中心，标准统一、开放共享的基础数据中心，以及风险可控、安全可靠的云控基础软件，统筹建设智能汽车基础设施体系，实现车辆、基础设施、交通环境等领域基础数据的融合应用。

面对全新的业态，智能汽车产业链开始战略规划和布局，但目前缺乏整体联动性，道路智能化基础设施、通信网络基础设施、智能汽车计算平台、车路协同等各自发展。产业亟需一个基于 “人-车-路-云” 统筹规划的系统协同架构，将现有基础设施和驾驶技术以资源共享的方式集成起来，协同支撑智能汽车关键技术研发和产业生态建设。

由此，本文提出了车路云一体化融合控制系统（system of coordinated control by vehicle - road - cloud integration），其是利用新一代信息与通信技术，将人、车、路、云的物理层、信息层、应用层连为一体，进行融合感知、决策与控制，可实现车辆行驶和交通运行安全、效率等性能综合提升的一种信息物理系统，也可称为“智能网联汽车云控系统”，或简称“云控系统”（cloud control system.CCS）。它是解决当前汽车与交通产业发展问题、适应中国标准的新型车路云一体化协同系统。

本文首先概述目前行业在车路云协同驾驶方面的研究现状，然后介绍云控系统的定位、体系架构与工作原理；在此基础上，介绍了云控系统2个典型的产业应用：云控汽车节能驾驶系统 （cloud economic driving system，CloudEDS）与云控交通信号管控系统（cloud traffic control system，CloudTCS）；最后结合中国产业现状提出云控系统的发展思路。

1 系统协同技术研究现状

智能网联汽车的协同技术涉及感知、决策与控制等过程，已有广泛研究。协同感知通过车、路与云不同的感知信息源实时获取驾驶相关动态交通要素的精确状态，为规划与控制提供充分的广域感知数据。协同感知方法可按车与路的角色进行分类。纯路侧协同感知方法利用了路侧安装的固定传感器组成的多传感器网络进行融合感知[3]，有利于感知交通情况，且感知范围与结果较稳定；多车协同感知利用不同车辆上传的车载感知信息进行融合感知[4-5]，有利于感知路面状态，但感知范围不稳定，对车辆渗透率有要求；车路融合感知同时将车载感知信息与路侧感知信息进行融合[6]，结合了车端感知与路侧感知的特点。协同决策与控制通过优化车辆与交通信号的运行方式，实现车辆与交通运行的安全、效率、燃油经济性等性能的综合提升。车辆纵向行为的协同，可针对不同性能目标进行，如主要提高交通容量的队列控制[7]或协同自适应巡航控制（cooperative adaptive cruise control, CACC）[8]，提升交通安全的协同避撞[9]，提升交通效率的匝道协同汇车[10]、CACC与交通信号协同优化[11-12]或无信号灯路口多车协同通行[13]。车辆横向行为的协同主要进行换道规划[14]或多车协同换道[15]，以协同换道预警，提升安全性。智能网联汽车的协同能打破传统智能交通系统难以直接有效控制车辆行为所带来的性能局限，与现有交通信号灯、电子标牌、动态限速牌等交通控制手段的结合能有交提升整体交通性能和安全。

因此，通过系统协同，将产生新的汽车交通系统形态。在技术上需要对包括车路云协同技术、交通优化控制技术等进行深度融合与系统重构，以面向各种场景进行复杂系统的融合感知、决策与控制，从而优化车辆与交通运行的协同应用，提升路网整体交通运行效率。

1.1 车路云协同技术

车辆网联化系统的发展主要经历了车路协同系统、车联网云服务系统与车路云结合系统3个阶段。在车路协同系统方面，始于1988年的美国PATH（Partners for Advanced Transit and Highways）项目[16-17]是早期的代表，其研究方向包括协同式前撞预警与路口决策支持等，项目研发了车路通信系统，开展了著名的8车自动驾驶编队试验。车路协同在中国也有诸多研究，其中的代表是2011年开始的国家863计划项目“智能车路协同关键技术研究”，该项目实现了15个应用场景，包括预警[18]、避撞、引导、控制。然而，车路协同技术缺乏云平台的支持，其分散的架构提供服务的能力受到路侧设备性能的限制，使其难以对全域智能网联汽车的运行进行协同优化。

在车联网云服务系统方面，最初的关注点在于为联网车辆提供管理与信息服务，有基于公共平台[19]与基于自组织网络[20-21]这2种主要方式。WANG Jin等[19]利用云平台提供服务，将系统分为车端设备层、基础设施通信层与云平台服务层，明确了各层的组成与功能。文献[20-21]利用车载自组织网络（vehicular ad hoc network, VANET）将车端资源按云计算模式组织成动态的虚拟云平台，提供信息服务。但由于此类车联网云服务系统主要利用消费级云计算技术构建，且受数据源与网联车辆渗透率等方面的限制，不能用于车辆行驶过程的优化。

近年来，有学者开始探索车、路与云的结合。在车路云结合的系统方面，文献[21-24]提出了侧重信息服务的系统架构。H. Abid 等[22]将车端的信息物理系统（cyber-physical system，CPS）、VANET车联网与云平台结合，为驾驶人提供行车安全与舒适相关的智能交通信息服务。但该系统缺少路侧感知，且并不面向实时车辆控制。O. Kaiwartya 等[23]介绍了车联网 （internet of vehicles，IoV）概念，即全域的无线网络使能的汽车与因特网（Internet）及其他异构网络集成的车联网，提出了包括感知层、网络协调层、人工智能（artificial intelligence，AI）层、应用层与商业层的5层架构，介绍了5层架构对应的协议栈，与云计算服务模型，分析了IoV相比VANET的优势。但该系统没有考虑ICV混合交通的融合感知需求与技术，在系统架构、通信方式、云平台方面也没有针对车辆控制的技术需求进行设计。XU Wenchao等[24]以综述形式研究了车联网与大数据的相互支撑关系与相关技术，包括车联网下大数据获取、传输、存储、计算与性能分析，分析了车联网大数据在自动驾驶感知中的应用。但该文献没有围绕网联自动驾驶进行研究，也没有提出明确的系统架构。在车路云结合的关键技术方面，WAN Jiafu等[25]设计了车路云分层计算结构，能为车辆、驾乘人员、交通管理者提供云支撑下情景感知的信息与管理服务。JIA Dongyao等[26]以构建服务车辆队列的信息物理系统为目标，综述了队列控制相关通信架构、通信协议、交通模型、控制方法等，应用场景涉及交通流优化、动态编队、队列控制等。但该文献没有明确设计系统架构，也没有考虑支撑广泛的网联自动驾驶应用场景的技术体系。K. Sasaki 等[27]针对网联单车自动驾驶提出了云端控制器与边缘计算控制器自动切换的方法，以减小网联控制时延，但是没有构建完整的技术体系。还有一些文献研究了车路云结合的系统某一方面的应用技术，如交通信息提示[28-29]、交通流状态估计[30]、边缘计算卸载[31]等。

1.2 交通优化控制技术

1.2.1 协同交通模型

目前多数宏观路网交通流模型不能描述智能网联汽车组成的混合交通在路网中的状态变化，也就不能被用于混合交通的控制。目前还没有形成成熟的路网宏观混合交通流模型，但已有一些研究探索了智能网联汽车对混合交通流特性的影响。

A. Bose 等[32]在半自动驾驶车辆具有更小跟车车头时距的假设下，推导了流量与密度的基本图，进一步的研究发现：交通流冲击波在混合交通中传递得比在纯人驾驶车辆的交通中更快，而交通流总通行时间没有变化；另外，混合交通的起停工况的延误时间更短。T. Tettamanti 等[33]指出了自动驾驶车辆的引入对现有交通性能及交通流模型的影响：自动驾驶车辆在近期可能因为其保守的驾驶策略而降低交通性能，在远期由于智能化与协同性的提高而提升交通性能；对跟车模型的影响主要来自感知性能与反应时间的差异；对交通流基本图的影响主要体现在形态和关键参数上。B. Friedrich 等[34]通过对交通流基本图的理论分析研究了自动驾驶车辆对交通流的多方面影响，包括明确了交通流关键参数随自动驾驶车辆渗透率及车速的提升趋势，指出自动驾驶车辆对交通流稳定性的影响来自于对交通流速度与跟车时距分布的影响，对路口通行性能的提升主要来自于更小的跟车时距、起动时间与反应时间。

1.2.2 协同交通控制

现有智能交通系统主要使用间接方式对交通运行进行控制，包括通过动态调节信号灯的配时与相位以按需放行或阻断不同路径的交通流，使用可变限速标志控制路段交通流最高车速，使用可变交通信号标志提示局部实时路况以帮助车辆合理选择路线，使用匝道仪控来控制输入高速公路的交通负载。

在车路云协同的条件下，对网联车辆进行协同式路径引导是调节路网交通负载分布的有效手段。D. E.Kaufman等[35]利用混合整数规划求解动态路线引导问题，基于经过时间维度扩展的路网图来对路段上交通流动态与拥堵排队状态建模。YANG Xu等[36]提出了一种基于车车通信的分布式交通信息系统，使得联网车辆能及时获取实时路况，并通过仿真研究了此系统下的自主式导航，以及在不同交通负载、网联车渗透率与车车通信距离下，对路网交通性能的影响。WANG Shen等[37]针对车载自主导航在最优性与工况适应性上的局限，提出了路线协同引导方法，设计了基于规则的算法为车辆确定在后续路口的路线决策。A. M.D. Souza 等[38]先对路网各路段交通状态进行分类评价，再利用贪心搜索算法对车辆进行协同式路线引导。CAo Zhiguang等[39]提出车联网下分布式的车辆导航方法，基于他车路径选择概率，在考虑路网交通状态的第k短路中选取自车路径。J. L. Zambrano-Martinez等[40]提出了一种交通管理系统与方法，基于实际路网与真实交通数据，利用SUMO及其工具对交通进行预测，在对交通状态进行评价后，为车辆规划最优路线，实现路网交通负载均衡与拥堵改善。N. Mehr 等[41]通过理论分析指出，如果不满足特定条件，自主式路径规划将导致路网交通总延误时间随自动驾驶渗透率提高而增大。A. Houshmand等[42]提出了一种混合交通中智能网联汽车路径引导方法，利用基于图论的路网流量建模分别考虑了智能网联汽车（ICVS）与非ICVS路径规划，建立了相应的非线性规划问题，结果显示了ICV协同路径引导对整体交通性能的提升。

同时在混合交通状态下，对人驾驶车辆与自动驾驶车辆的行为进行区分也是协同控制需要考虑的问题。S.C. Calvert 等[43]将自动驾驶对交通的影响归纳为车间距、换道行为、车辆动力学随机性、拥堵与传播这4方面，主要针对非协同式混合交通，利用现有综述定性分析了影响，指出驾驶人设定的车间距及自动换道时需要的车间距可能使得自动驾驶车辆对交通产生负面影响。该文献通过为人驾驶车辆与自动驾驶车辆设定不同的跟车与换道参数，进行了混合交通的仿真，发现低等级的自动驾驶对交通性能有小的负面影响，而渗透率要达到70%才能提升交通性能。ZHU Wenxing 等[44]在Bando的人驾驶车辆与自动驾驶车辆跟车模型的基础上，通过对交通流稳定性的分析确定了参数选取，通过开展混合交通仿真发现：在密度-流量基本图的关键点前后，提升交通性能的自动驾驶跟车参数的取值倾向不同。

总的来说，目前面向车—路—云结合的智能网联汽车在协同感知、决策与控制的关键技术研究上仍然存在不足。在车辆网联化系统方面，现有的车辆网联化系统主要用于信息与管理服务或特定应用场景的网联驾驶，没有面向实现复杂交通场景下融合感知及各类决策与控制建立系统概念与构型。在交通优化控制方面，现有的方法没有针对路网级ICV混合交通实现多车协同与交通优化有效地统一协调，进而没有充分利用车辆与交通的调控方式优化交通整体性能。

2 云控系统定位与架构

2.1 定位

针对目前智能网联汽车与交通行业在技术、产业环境的现状，以及国家相关政策的引导，云控系统定位于：

1） 国家智能汽车大数据云控基础平台建设所依托的系统化技术方案。中国《智能汽车创新发展战略》 要求充分利用现有设施和数据资源，统筹建设智能汽车大数据云控基础平台。云控系统的设计响应国家需求，基于开源开放、资源共享的机制，构建一个完整的云控技术体系与生态系统，为国家智能汽车大数据云控基础平台建设提供技术方案和参考。

2） 智能汽车网联化技术路线的综合技术解决方案。云控系统不仅要为单车感知与决策控制提供有效信息，还要在现有车路协同基础上实现对所有交通参与者的全域全时自主控制，并且为未来不同级别智能汽车混行的交通环境提供服务于交通管理与国家管控的解决方案。

3） 智能汽车技术迭代和商业模式探索的新型基础设施建设解决方案。云控系统需体现资源协同、开放共享的核心设计要求，从而实现对现有基础设施的有机集成；并通过示范逐步建立系统建设与业务规范，推动产业形成统一的标准；打造开放式的产业生态，加速智能汽车以及智能交通技术的研发与应用，并为车路云协同的商业模式探索提供标准规范的基础设施与应用服务环境，推进相应应用的商业化落地，引领我国在智能汽车与交通领域的快速发展。

2.2 架构

云控系统是一个复杂的信息物理系统，本文作者基于上述定位与产业链现状，在国家智能网联汽车产业联盟的牵头下，联合产业界多个公司与机构共同讨论并设计了云控系统的整体架构，如图1所示。相应架构也将以白皮书的方式向行业进行了公开发布[45]。该架构由云控基础平台、云控应用平台、路侧基础设施、网联式智能汽车与其他交通参与者、通信网以及行业相关支撑平台等6个主要部分组成。

由图1可见，云控系统通过逻辑协同、物理分散的云控基础平台建设，以及采用标准统一、开放共享的数据交互形态，实现了车辆以及其他交通参与者信息的采集与处理，同时与其他行业服务与管理平台进行信息交互，从而实现对车辆与交通系统的多维跨领域的数据协同。在此基础上，包括政府管理类应用、行业服务类应用以及车企智能化应用都可以基于云控基础平台的数据与计算协同获取其应用所需的基础支撑，从而使得其应用的开发可以聚焦到实际的用户需求与管理需求，避免基础设施的重复建设与数据采集与处理的不统一，大大提高行业应用的开发效率与协同服务能力。同时还可以基于行业不同的信息安保要求，确保不同业务领域数据交互的权限可控、数据安全与可靠。

2.3 云控基础平台

云控基础平台是云控系统的核心，其融合车辆、道路与环境以及相关行业的实时动态数据，为智能网联汽车与产业相相关部门和企业提供标准化数据与计算基础服务。基于对车辆行驶与交通服务区域的实际应用特征，将云控基础平台的整体架构设计为包含边缘云、区域云与中心云的三级云平台，三者服务范围不同，逐次扩大，相应的数据交互与计算实时性要求则逐渐降低，从而在满足网联应用对实时性与服务范围不同要求的情况下，保证基础设施建设的高效与性价比，其总体框架如图2所示。

2.3.1 边缘云

边缘云是云控基础平台中最接近车辆及道路等端侧的运行环境。对于城市和城际间的道路来说（例如高速公路），一般需要根据道路的里程部署若干个边缘云，每个边缘云负责相应区域内道路上的动态交通数据采集与计算，从而向网联汽车提供增强安全与能效提升的实时性与弱实时性云控应用基础服务。从组成结构上，主要包括轻量级基础设施和虚拟化管理平台、边缘云接入网关、计算引擎和高速缓存、边缘云领域特定标准件和标准化分级共享接口等组成部分，其总体框架如图3所示。

2.3.2 区域云

区域云主要为区域级交通监管、交通执法以及域内车辆等提供基础服务，是多个边缘云的汇聚点。对于小型城市或者大型城市的各个行政片区来说，一般建设一个区域云，由其负责整个城市范围内的全域车路数据采集与交通处理，从而为交通运输和交通管理部门提供弱实时性或非实时性交通监管、执法等云控应用的基础服务。对于大型城市来说，在各个行政片区的区域云之上，还可以建立架构统一的全城市级区域云，从而实现对全城市宏观交通与微观车辆状态的整体把握，相应的全城市级的区域云在功能定位上可以着重于城市交通统筹管理，片区级的区域云可以着重于实际驾驶与交通应用的支持与管理。在组成结构上，主要包括基础设施和虚拟化管理平台、区域云接入网关、计算引擎和存储分析引擎、区域云领域特定标准件和标准化分级共享接口等组成部分。其总体框架如图4所示。

2.3.3 中心云

中心云面向国家与行业管理部门、车辆设计与生产企业、交通相关企业及科研单位，基于多个区域云数据的汇聚，为其提供多维度宏观交通数据分析的基础数据与数据增值服务。从部署上，各个省可以统一建设一个中心云，来整体把握全省各个城市的全局交通实时状态并形成数据积累。同时也可以建设全国统一的中心云以把握全国各个省的整体业务状态，从而为行业相关政策的制定与实施、为全国性的系统性业务与服务等实际应用需求提供全面的数据支撑。中心云的基础设施和虚拟化管理平台，在逻辑结构上与区域云相同，但物理规模上根据区域范围有所不同。

各个从组成结构上，主要包括基础设施和虚拟化管理平台、中心云接入网关、计算引擎和数据仓库与大数据分析引擎、中心云领域特定标准件和标准化分级共享接口等组成部分。其总体框架如图5所示。

2.4 云控应用平台

云控应用平台指的是包括行业监管、服务、驾驶与交通等传统业务在云控系统体系的支持下所实现的包括提升行车安全、能效等方面的智能网联驾驶应用，提升交通运行效率与性能的智能交通应用，以及基于车辆与交通大数据的行业管理与服务类应用的集合。其中，根据相关应用对于数据传输与计算时延要求的不同，可以将云控应用平台的应用分为实时协同应用和非实时协同应用。

云控应用平台是云控系统的意义所在。其基于云控基础平台，可获取更加全面而标准的智能汽车与交通相关动态基础数据，从而为行业管理、服务部门与企业提供面向差异化、定制化服务的有效支撑，聚焦客户实际需求，减小行业的发展成本；同时配合包括车辆控制技术、交通调度与管理技术等面向实际业务的专业化技术，可以实现全局意义上的车辆行驶性能提升与交通运行及出行运营的全链路精细化管理，提升应用的服务质量与效果，例如可以实现网联式高级别自动驾驶、远程控制、远程升级、最佳路径规划、动态路权管理、最优信号配时、网络安全监控等众多功能等。

云控基础平台和各类企业或相关单位基于云控基础平台建设的云控应用平台合起来可称为云控平台。

2.5 路侧基础设施

云控系统的路侧基础设施通常布置于道路两侧相关设施（诸如路侧杆件、灯杆等）及附属建筑上。主要包括路侧感知设备(如摄像头、毫米波雷达、激光雷达等)、路侧通信设备、路侧计算设备和交通信号设施如红绿灯设备、信号机、数字化标识标牌等。其中，路侧感知设备与路侧计算设备的主要目的是用来实现对道路交通状况以及参与对象进行实时识别、跟踪、预测等感知任务，同时还将承担一部分为车辆提供局部辅助定位计算的任务。路侧通信设备的目的是将相关计算结果以及交通信号与控制状态通过低时延网络实现与车端、云端的互联互通；交通信号设施主要是利用车路云协同的体系实现相关交通信息的数字化联网，同时基于交通运行需求进行实时动态的联网控制。

2.6 通信网

云控系统的通信网主要包含无线通信网络与有线通信网络2大类。其中无线通信网络中又主要分为基于LTE-V协议的车路、车车点对点通信网络与基于5G网络专用标准的通信网络。云控系统主要通过这2类无线通信网络，实现智能网联汽车、路侧设备与三级云的广泛互联通信，并且围绕行业发展需求，针对实际应用场景来逐步完善无线通信协议。云控系统还通过有线网络实现包括路侧计算设备、通信设备、交通信号设备与云控基础平台之间的高可靠互联互通，后续随着无线网络可靠性与低时延能力的提升，相应设备也可以一定程度上改用无线网络进行互联。

云控系统还可以利用软件定义网络、时间敏感网络、高精度定位网路等先进通信技术手段实现互联的高可靠性、高性能与高灵活性。

2.7 车辆及其他交通参与者

车辆与其他交通参与者是云控系统的重要组成部分，其中连接到云控系统的车辆和交通参与者是云控基础平台的重要信息来源。不同等级智能化和网联化的车辆与交通参与者都可以成为云控系统的服务对象。相对来说，与云控系统相关服务匹配度更高的智能网联汽车与交通参与者可以享受到更多的数据与计算结果，进而进一步提升其相应的智能化水平，从而使得终端用户可以的得到更多的出行服务，保证出行过程的安全、高效与节能水平。

2.8 相关支撑平台

与云控平台按照标准化协议进行动态数据交互的相关社会化应用、服务与管理平台一方面可以通过云控平台获取当前微观车辆、宏观交通以及相关授权应用的实时动态信息，从而帮助相关平台丰富与完善其对行业提供的各类业务服务；另一方面其本身的业务数据也可以为接入云控系统的各类车辆、交通参与者、应用服务开发者所使用，同样也可以丰富与完善智能网联汽车与交通的产业应用服务内容，从而实现云控系统与各类支撑平台之间的良性服务循环，为行业提供更加多维与丰富的服务形态。

3 云控系统特征与功能

3.1 云控系统特征

云控系统是一种以逻辑协同、开放共享、突破烟囱模式局限性为主要建设目标的新型信息物理系统。其主要特征[45]包括：

1） 车路云泛在互联：通过标准化通信机制对全域范围内的车路云各异构节点进行广泛互联通信，打通微观个体、独立系统相互之间的信息孤岛，构建起用于支持智能网联汽车与交通协同感知、决策与控制的闭环通信链路。

2） 交通全要素的云端数字映射：通过对车端、路侧与多类平台信息按照应用需要在云控系统中进行分层融合，实现了物理世界在数字世界的实时精确数字映射，从而为不同的应用场景与业务需求提供了全数字化的车辆与交通实时运行数据。

3） 云端应用统一编排：通过对运行在云端的协同应用的运行方式进行统一编排，消解应用间的行为冲突，针对实际环境匹配各应用的优势能力，提升并优化云控系统中车辆与交通运行的性能。

4） 云端高效计算调度：通过对协同应用运行的动态位置及所用计算资源进行统一调度，实现系统资源的高效利用，确保大并发条件下各类型协同应用可以按需实时运行，保障所服务车辆与交通系统的运行安全。

5） 系统运行高可靠：通过感知融合、集中计算编排、应用多重备份等方式，实现其对车辆与交通系统相应服务内容的高可靠性。

3.2 云控系统功能分类

通过上文的介绍可以看到，要发挥云控系统的作用，云平台的数据汇聚与计算能力是核心能力，而在基础层面则要依靠车辆的网联条件、自动驾驶条件以及道路的智能化条件，目前相关行业组织也提供了对于这3类条件的分级方案。考虑到这3类条件一定程度上决定了云控系统功能的实现边界，因此本文将基于这3类条件的不同阶段，将云控系统的功能进行对应的划分，分为4类[45]，见表1所示。

云控功能1主要服务于对车辆以及交通感知性能的增强。车辆控制仍由驾驶人或自动驾驶系统负责，交通系统的控制仍由传统交通控制系统负责。由于云控应用涉及对驾驶过程的辅助，要求车辆的网联化等级至少为2级。同时如果车辆由人控制，则对车辆自动化等级无要求；如果车辆由自动驾驶系统控制，则要求自动驾驶系统等级至少为3级，从而确保车辆可在运行设计域内实现车辆感知、决策与控制行为与云控系统的配合。此外，考虑到云控系统的车路协同属性，因此也要求道路的信息化能力达到2级以上。

云控功能2旨在实现单车的网联决策、规划或控制，以及利用单车控制能力实现的对混合交通（含非自动驾驶车辆）的优化调节。车辆控制仍由驾驶人或自动驾驶系统负责，考虑云控应用输出信息的基础上，车辆进行自主控制，交通系统仍采用传统控制方法控制。网联化与道路设施的实时性要满足支持网联自动驾驶的性能要求，因此要求网联化等级达3级，道路系统智能化等级至少为3级。

云控功能3旨在实现多车协同决策或控制，以及在多车协同、车路云协同条件下有限场景的混合交通优化控制。由于云控应用考虑多车协同与交通运行的性能，超越了单车自动驾驶的能力范围，增加了区域交通系统的控制输入，所以车辆决策与运动规划由云控应用负责，车辆负责对自车行驶安全进行监控，在云控应用的指令与自车安全与任务等目标不冲突的条件下按云控应用要求进行控制。如出现冲突，车辆按保证自车行驶安全的方式进行控制，并与云控应用进行协商。同时交通系统的信号配时与相位控制、交通流控制、路权控制也可以交由协同的云控应用负责，并结合实际交通状态的变化进行动态调整。此类云控功能涉及的应用同时对多车驾驶过程、对交通管控过程进行统一优化，对道路智能化的等级的要求也相应提高。由于应用可以服务于自动驾驶车辆与人驾驶车辆组成的混合车队，因此对驾驶自动化等级的要求不变。

表1 云控功能类别与最低要求的等级

云控功能4实现全域车辆与交通统一的融合控制。在此类云控功能的场景下，需要云控应用完全负责车辆与交通控制，由于该类功能涉及路网全域车辆与交通的运行优化，对道路智能化的等级要求达到最高。同时，此类云控功能仍需考虑人驾驶车辆及自动驾驶向人驾驶切换的情况，以服务于混合交通，因此对驾驶自动化等级的要求不变。

总的来说，云控系统的功能设计主要结合相应功能的控制主体和基础支撑条件，从系统实现与应用实施的角度进行了划分。需要说明的是，相应的功能划分与设计还有待在各类实施应用条件下进行不断完善。

4 云控系统的基础技术特点

云控系统是面向智能驾驶域交通领域的新型信息物理系统，在实际应用时其整个系统内部将融合多个领域的前沿技术，包括通信、计算、控制等，因此其总体的技术体系也将随着系统的不断应用逐步迭代与完善。云控基础平台作为云控系统的核心组件，其相关基础技术能力是云控系统实现行业服务的重点，其需要做到在数据采交互时延、计算与服务的可靠性上保证满足应用的实际不同需求[45]。

4.1 端边云结合的一体化技术

智能网联汽车与智能交通业务对云控系统异构的通信与计算网络提出了较高的实时性、可用性与并发性能要求。为了满足较高服务质量的需求，一方面需要构建超越传统云计算架构，具备毫秒级信息传输时延和超高可靠要求的计算技术能力；另一方也需要对通信节点与链路的工况进行实时监测与预测，对高并发数据在网络中的路由与节点处理进行统一优化调度。

云控系统通过云控基础平台制定了统一的数据交互标准，并且开发基础数据分级共享接口，优化数据存储模型，建立高性能消息系统，同时基于不同应用对于系统响应的实时性、数据传输的时延与接入请求的并发要求，采用了不同量级的基础设施及虚拟化管理技术，以及充分利用5G、LTE-V网络与有线骨干网络，优化各级基础设施上报与下发通信链路性能，将实时通信、实时数据交换与实时协同计算技术融为一体，实现了车端、路端与边缘计算和各层云的整合。例如通过部署边缘云引入更多本地应用以支持更丰富的交通应用场景，从而可以完成现场控制级的应用，如路口的车辆与交通实时控制；通过部署实时区域云和非实时区域云2个部分，以实现实时性与弱实时性路网级的远程控制应用，如货车编队行驶属于区域云实时性要求较高的规划和控制应用等。

由此，保证了车路云数据交换在应用层面满足自动驾驶控制对实时性与大并发条件下的可用性及信息安全的实际要求，还可以在确保不同级别时延要求下通信质量的同时保证应用的互操作性和易用性。

4.2 动态资源调度技术

云控系统需要支撑大量应用以服务于智能网联汽车与交通系统在各种场景下的性能优化。为消解高并发下各应用在资源使用上的冲突和物理世界车辆行为的冲突。因此云控基础平台需要根据云控应用对于实时性、通信方式、资源使用与运行方式的要求，选择服务的运行地点及所分配的资源，保障服务按需地实时可靠运行，保障所服务车辆的行车安全。相关技术工作包括，以平台统一管理或自行管理的方式进行负载均衡、生命周期管理，并按需调用云端车辆感知共享、增强安全预警、车辆在线诊断、高精度动态地图、辅助驾驶、车载信息增强以及全局协同调度等。

云控系统的一体化系统架构在提供多系统业务协同的同时也为多个异构体在数据感知精度、协同计算的时间一致性、数字映射的空间位置匹配度等多个核心任务上带来了包括感知系统与部署、多源数据时间同步、多源异构数据关联等难题，对云控系统感知与时空定位技术提出了挑战。

因此除了上述这些基础技术特点此外，云控系统还需要保证云控基础平台可以产生实时、高精度、高可靠的动态基础数据，同时还需要提供包括交通参与者、路侧设施、交通事件等多类要素基于实际复杂场景的高可靠高精度的位置表达，从而满足网联式自动驾驶与交通运行过程中对于感知、决策与控制的协同需求，增强行车安全与保障交通运行效率。相应地，云控系统在技术也需要结合包括多源传感器感知融合、高精地图与定位等先进技术，建立基于语义特征的传感器数据智能配准，从而保障云控系统各类应用服务中感知与时空定位的可靠性、准确性和可用性。

总的来说，云控系统以物理空间和信息空间二者融合的车路云系统为对象，构建了具备分层次、跨时空、多任务技术特点的整体技术架构，解决了现有车路网联系统信息分散难以利用、资源时空配置不合理、多交通场景行为冲突的难题。在实际实施过程中，云控基础平台与具体应用之间通过基础数据共享、平台联合计算、应用联动控制的分层服务，实现了对行业现有垂直应用信息孤岛的分层跨域打通；并使得构建在车载端、边缘云、区域云与中心云上的应用可以按照实时性与服务范围为需求指标在线进行多任务的一体化融合与解耦，实现集中式多任务优化编排和跨时空部署，最终实现车辆行驶与交通运行性能的综合提升，为智能汽车与交通的一体化发展奠定了基础。

5 云控系统的典型应用

基于上述云控系统的一体化系统架构和系统基础技术，本文针对车辆节能环保与交通高效通行这两大业务典型需求，设计了基于云控系统架构的具体应用服务，并开展了应用测试，分别是云控汽车节能驾驶系统（CloudEDS）和云控交通信号管控系统（CloudTCS）。下面将结合这2个典型应用介绍云控系统的实际运行效果。

5.1 云控汽车节能驾驶系统（CloudEDS）

云控节能驾驶系统旨在已知车辆前方行驶路线和地图数据的前提下，通过云平台依据实际路况与交通状态对车速进行实时动态计算，并向车辆下发最优车速控制序列，从而提高车辆燃油经济性。为了实现行驶路线上车辆燃油经济性的提升目标，经济驾驶控制系统分为2个不同层次的规划目标。

目标1：平均经济车速。与传统经济车速控制系统相比，基于云控的经济车速控制系统可以实时获得交通信号灯信息及交通流信息，使车辆在各个路段上以相对合理的车速水平行驶，总体降低车辆油耗水平。

目标2：实时经济车速。根据云控系统获得的道路及交通状况并结合由目标1获得的结果，规划车辆在接近十字路口、上下坡道以及动态交通条件下的实时最优经济车速，使车辆燃油经济性达到最佳。

第1层规划，云平台计算车辆在每个路段上的最优平均经济车速，把这个车速作为目标车速来控制车辆，从而保证车辆按照最经济车速行驶。在考虑了平路上的经济车速规划方法之后；第2层规划，考虑实际行车过程中路段内油耗影响最大的3类典型工况，即跟车工况、坡道工况和起停工况展开车速优化设计：

a） 跟车工况。平直道路上的巡航在自然驾驶中时间占比最大，耗油总量高，省油操作的效益高；

b） 坡道工况。在山区和丘陵地区的高速公路上，坡道尤为常见，节油优化潜力大；

c） 起停工况。加速是造成不同驾驶员节油表现差异的主要原因，可优化空间大。

综上，当车辆进入一个路段后，以第1层规划得到的平均车速为目标车速行驶。第2层控制是路段内的车速优化，如果前方道路出现坡道，按坡道经济车速进行车速控制；如果没有坡道，车辆始终以第1层控制计算得到的平均经济车速作为整体区间内的目标车速行驶；当车辆接近本路段终点时，使车辆在由第1层控制计算得到的时刻到达本路段终点。

将所开发的云控节能控制算法应用于重型商用车辆上开展实车道路实验，测试路段为国道G22沂源服务区到诸葛服务区之间路段，全程36.54 km，实验结果显示，相同车辆使用条件下，区间内定速巡航的平均耗时为1 845 s，平均100 km油耗为41.495 L，云控节能驾驶算法在平均耗时为1 838 s的情况下，可以实现节油效果在2.45% ～ 6.00%，平均节油率为4.68%，显示出了显著的行驶经济性。具体试验结果如表3所示。

表3 云控节能驾驶系统实车油耗实验结果

5.2 云控交通信号管控系统

中国城市交通路网规模日益扩大，以路侧信号机为处理核心的交通控制模式，设备供应商繁多、算力严重不足、且信息难以共享，导致大范围交通状态实时估计困难，车流状态调整响应缓慢，难以满足动态多变的城市交通信号管控需求。以城市主干路网为对象，依托云控架构提出了“网联车-信号灯-云平台”三者融合的车流状态混合引导控制方法。通过实时采集网联车辆的海量行驶轨迹数据，结合云控平台部署并行优化算法，实现对信控路口和网联车辆的混合引导：一方面利用云路之间的网联端口快速下达信控路口的配时信息，改善了信号灯对紧急事件的动态响应能力；另一方面利用云车之间的交互终端引导网联车辆的行驶行为，以局部车辆行为的改变调节整体车流状态，提升了城市主干路网的通行效率。

依托该方法开发的云控交通信号管控系统基于历史和实时的轨迹数据，针对常发性和偶发性问题，实现了大规模区域内信号系统问题的实时评估诊断，以及系统性和动态化地调整优化。并具有以下技术特点：a）以高质量的互联网浮动车轨迹数据为基础，可不依赖外场检测设备，也可通过与检测器数据相融合来提升系统性能。b）有效检测识别交叉口的拥堵状态，及时提出优化方案，减少了人工干预。c）支持轻量化部署，上线快、生效快，用户操作界面直观方便，具备良好的可复制性、兼容性和推广性。

2017年该系统在济南等城市首批落地应用，图6是济南市历下区部分干道应用前后的车流状态对比结果。重点干道的路口停车等待次数明显下降，干道平均延误指标降低超过30%，显著缓解了城市主干路网的拥堵程度。

目前该云控交通信号管控系统正逐步用于北京、深圳、武汉、柳州等23个大中型城市，为中国大规模城市路网的实时动态响应与拥堵缓解提供了有效的解决方案。

6 结 语

云控系统由我国首次提出，是一种新型的社会化基础设施体系，具有很强的技术协同性、行业协同性与资源协同性。因此需要整合优势资源，协同共建共营。在具体实施时，可以通过政府与行业引导，在相关领域先行先试。为促进云控系统的发展，本文提出以下建议。

第一、推动云控系统的建设规划和运营方案设计。云控系统需要包括路侧设备、通信网络、云平台等多方面的基础设施建设，由于云控系统尚在起步阶段，其商业模式和业务边界尚未清晰，更涉及社会秩序和国家层面的信息安全，在相应基础设施建设投入较大的情况下，需要国家与行业推动相应基础设施建设与应用方案的研究与实施。同时配合建设方案，还需要推动基于云控系统的商业模式研究，制定相关管理机制、政策，促进网联汽车的渗透率，引导行业数据的标准化采集与交互，为云控系统的发展提供基础支撑。

第二、研究智能汽车相关数据权属问题，清晰界定各类数据所有权范围。目前车辆数据、乘客数据、道路数据等各类数据的归属问题不明确，正在制约产业的发展。因此需要相关管理部门就车辆、交通以及产业链泛化条件下的数据类别进行专项整理，清晰界定各类相关车数据的所有权范围，从而支撑产业参与者针对相应范围内的数据进行业务模式设计和合作，推动云控系统及应用生态的发展。

第三、推动云控系统的标准化建设与服务方法。云控系统遵循国家顶层战略中对于云控基础平台逻辑协同、物理分散的建设要求，因此未来将在不同的城市、城际区域进行部署，相应的会有多个厂家、不同型号的设备参与实际系统的建设与实施，因此需要逐步规范和标准化云控系统的建设与实施方法，从而保证系统服务对象在不同部署区域都可以获取一致性的云控服务，同时也保证国家与行业的数据安全与技术先进性。

第四、加强云控系统应用示范试点的统筹与部署。目前各地方政府、企业以及行业机构等都在不同程度的开展车路协同、智能网联汽车自动驾驶示范及开放道路测试等方面的工作。建议政府结合云控系统的特点与发展趋势，整合现有应用示范项目，增加云控系统的应用示范部署；在新建相关示范区域考虑云控系统应用示范建设。通过相应的应用示范试点项目，完善云控系统架构、技术以及基础设施的建设需求，推动云控系统的产业化。

综上，建议国家牵头或授权相关单位，联合工信部、交通运输部、公安部等行业主管单位，以及通信运营商、大型互联网平台运营商、第三方行业机构等产业相关方，发起设立建设与运营云控系统的专门机构，选择标的区域，联合当地管理部门，以减少重复投资、设备共享利用为原则，共同建设与部署云控系统的基础设施与基础条件，同时将相关商业脱敏的基础服务、国家基础管理资源，以及其他非保密的、脱敏的基础信息资源，以市场化的方式融合到云控系统中，形成和完善平台的行业基础服务能力与相关功能。在实际实施时，可以根据当地用户意愿，市场化选择具体的移动运营商、车用高精定位服务商。

在此基础上，建议在标的区域打造统一的标准化的数据采集、应用开发与实施机制，通过该专门机构实现云控系统对行业有偿提供授权基础能力和数据，支持各类商业化企业打造有竞争力、差异化的产品或服务，同时支持产业链开展新的基础能力和数据的研究、验证和部署。