自动驾驶车联网中通感算融合研究综述与展望

自动驾驶车联网中通感算融合研究综述与展望为了应对自动驾驶车联网极低的通信时延、极高的可靠性、更高的传输速率等极致性能需求，亟需破解现有车联网中通信、感知、计算相互割裂与独立分治的问题，实现“云-边-端”一体化协同感知、协同传输和协同决策。为此，急需对自动驾驶车联网的通感算融合开展研究，实现三者的高效融合。首先论述了目前在通信、感知、计算融合领域的研究进展，然后给出了通感算融合网络的定义，论述了通感助算、通算助感以及感算助通的研究进展。针对自动驾驶车联网的应用场景，创造性地提出了“五层四面”通感算融合的网络架构，横向五层自下而上分别是：多元接入层、统一网络层、多域资源层、协同服务层、管理与应用层；纵向四面分别是：通信面、感知面、算力面、智能融合面，通过五层四面的深度融合，进一步提升了自动驾驶车联网中通感算融合网络的性能。其次，提出了评价通感算融合网络的性能指标体系，最后针对目前研究存在的问题以及未来发展方向给出了四点可行性建议。全文阅览车联网(Internetofvehicles,IoV)基于3GPP(3rdgenerationpartnershipproject)全球统一标准的通信技术，可实现车辆与周边环境和网络的全方位通信，包括车与车(Vehicle-to-vehicle,V2V)、(Vehicle-to-pedestrian,V2P)、车与网络(Vehicle-to-network,V2N)等，为自动驾驶和智能交通管理应用提供环境感知、信息交互与协同控制能力[1]。车联网产业是车辆、电子通信和交通等领域进根据ITU-RWP5A(Internationaltelecommunicationunion)5级的自动化功能的车辆互联。自动化功能包括SAE2级高级驾驶辅助系统，以及SAE3级至5级自动驾驶系统。这些系统使用传感器，车辆和基础设施相互交流意图，以及绘制其他道路使用者(如车辆)视距)“看到”和“交谈”其他物体的能力。这可以在自动驾驶系统自适应能力，它不再只是单纯的传输管道，而是能够实现“云-边-1研究意义toB(toBusiness)垂直行业领域，它将面临更复杂多变且异构组网5G-Advanced网络都具备更强的环境感知、计算和智能能力，实现通感算的深度融合[3]。为了突破自动驾驶车联网中通感算融合的架构在以下几个方面：(1)现有的相关研究工作，大多集中于通感、通术予以支撑。(2)针对自动驾驶车联网海量数据、泛在感知节点能“云-边-端”一体化信息交互与数据共享机制以及实现“云-边-端”一体化的高效感知。(3)针对车联网网络状态时空动态变化及全场(4)为了满足自动驾驶车联网的强算力需求，计算模式也需向“云-边-端”一体化部署的泛在式架构发展，以打破传统的中心化计算模2三大功能互相关联、互为促进[4],如图1所示。车联网利用感知实效率通信。此外，感知数据还可以对计算数据的降维起到一定的辅助作用，通信网络可支持“云-边-端”一体化的协同运算。Cloud-edge-terminal-iCloud-edge-terminal-ieBigdataprocessir图1自动驾驶车联网中通信、感知、计算三大功能关联关系Figure1.Relationshipsofcommunication,sensing,andintheinternetofvehiclesforautonomousdrivi为了解决“自动驾驶车联网中通信、感知、计算内生融合”这一科学难题，下面拟分别从通感算融合网络架构、通信和感知融合领域、通信和计算融合领域、感知和计算融合领域四方面重点阐述国内外相关研究现状与发展趋势。2.1通感算融合网络研究现状随着5G技术的成熟以及大规模商用，全球逐步展开了对6G的研究和攻关，6G技术具备高可靠性(99.9999%)、大规模超低延迟(10~100μs)以及高可扩展性，可满足未来自动驾驶超低时延、极高可靠性的需求。2021年6月，欧盟正式启动了最新一轮框架计划—HorizonEurope研究周期(2021—2027年),并发布6G愿景白皮书，以期保持欧洲在科技领域的领先地位，其中负责6G研究的SmartNetworksandServicesJointUndertaking明确将通信感知融合作为6G的标志性技术，得到了各国学术界和标准组织的广泛关注。在中国，IMT-20306G推进组于2021年成立了通信感知融合任务组，负责面向6G的通信感知一体化预研。美国太赫兹与感知融合技术研究中心重点研究了通信感知融合技术，包括太赫兹超高速通信与超高精度成在交通强国战略指引下，2021年12月2日，百度李彦宏编写的《智能交通：影响人类未来10—40年的重大变革》[5]一书由人民出版社出版，该书对车路协同自动驾驶、L4级以上高级别自动驾驶的技术难点与突破进行了系统性论述，助力自动驾驶落地。C-V2X (CellularV2X)与车路协同是未来智能交通和自动驾驶的重要使能。这其中就涉及到对通感算融合的资源管理问题，表1介绍了在通感算融合资源管理研究领域中的代表性论文。表1通感算融合的资源管理研究领域的代表性论文Table1.Representativepapersintheficommunication-sensing-computing-integratedresourceSummarizethestandardreseThecentralizedanddistLTE-V2XandNR-V2Xaredescribed,respectAnedgeintlligencemultisourceThenetworkarchitectureoftheNexContentdistribution,edgecaching,computingoffloadinautonomousdrivingteComparewiththedelitransmissiondistanceandtraAsystembasedonMECisconstruvehicles,manageandcontrolThemathematicalmodelfoTheenergyconsumptionanddhaveaserialoffloadingTheoptimizationproblemofs通过表1可以发现，国内外研究学者在通感算融合的资源管理方虑在车联网场景下如何部署边缘计算能力来解决通信任务卸载的问差异显著,信息获取的相对参考系不同，如何将自动驾驶场景下的被算多维资源协同优化技术，可为提升通感算融合系统的性能提供关键近年来，学术界与工业界对通、感、算之间的融合技术进行了研究。2020年11月，中国移动在世界5G大会提出了6G通感算融合的一体化框架。国际标准化组织/国际电工委员会发布了ISO/IEC30165:2021《物联网—实时物联网框架》[13],给出了自动驾驶等时间强约束无人化业务的通感算融合物联网系统框架。北京邮电大学冯志勇团队的尉志青等针对单车感知无法满足未来自动驾驶安全需求的现状，面向多车传感器信息融合与时效性共享问题，提出了基于感知-通信-计算融合的智能车联网方法与解决思路[14].Qi等[15]提出了感知-通信-计算融合的蜂窝物联网体系架构和关键技术。北京邮电大学的王文博团队的闫实等指出，为了提升6G网络内生智能感知和算力自适应能力，迫切需要对通信、感知、计算的融合理论基础与关键技术开展探究。从通感算融合网络结构上看，主要由中心网体化网元和分布式终端构成，中心网云与一体化网元协同管理分布式终端数据的收集与计算[16]。但是，现有的相关研究工作，大多集中于通感、通算、感算等双边能力的一体化方面，而对通感算三者的深度融合，尚处于愿景与设想阶段。下面分别对通感、通算、感算融合方面的研究现状进行综述。2.2通信和感知融合方面的研究现状车联网通过无线接入技术让道路上安装了车载设备单元的车辆的数据正在激增，通常每辆车每天产生20～40TB的数据[17-18],70MB·s-1)等。但“单车智能”无法实现“完全自动驾驶”,蜂窝车联网(C-V2X)是融合蜂窝通信与直通通信的车联网通信技术，是自动驾驶车辆在面临紧急情况时必须在几毫秒内做出正确的决靠性、更大的传输速率的需求，未来全场景自动驾驶需要基于6G的策能力。队的李玲香等[22]提出了面向6G的太赫兹感知通信一体化的3种模接，设计了联合高效波束成形方案。Yang等[26]阐述了基于模型驱信协同的主要架构和技术。文献[28]对6G通信、定位和感知系统融合进行了详述，指出关键技术和潜在挑战，如表2所示。表2通信和感知一体化算法部署研究的代表性论文Table2.Representativepapersoncommunication-sensingalgorithmVehiclecomputingresources,cloudcomputingresources,andresourcesareusedforoverallresourceschedulProposeavehicle-edge-cloudcollaborativeofloadingontheparticleswarmoptObtaintheoptimaloffloadingstrategyofeacProposeadistributedend-to-edgecollaboredgenetworkofintelligImprovenetworkresourceutilizatTheaimistobetterprocesThebasicconceptsofedgeiThecombinationofAlprocessingpoweraThevisionandmissionoftheByapplyingedgeintelligencetechnology,2.3在通信和计算融合方面的研究现状文献38对基于6G的车辆智能地组网、通信、计算进行了探讨，并指出了将来的挑战和研究方向。刘雷等将移动边缘计算(Mobileedgecomputing,MEC)集成到车联网架构中，验证可以有效地解决车联网中计算密集型任务和延迟敏感型任务所导致的指数级增长的中节点算力分布不均的问题提供了思路。Hu等[41]提出了一种基于好。近年来，相继提出可将计算任务进行灵活传输的算力感知网络2.4在感知和计算融合方面的研究现状感云(Sensor-cloud)系统已经逐渐成为研究的热点。王田等[46]式深度学习，提出了一种数据处理算法，适用于多元环境感知，对计算效率的提高与环境感知的准确性的增强具有显著作用。陈育青与艾飞[48]提出了基于上下文感知计算的协同感知数据模型，引入上下文感知分类方法，对协同感知信息进行概念分层，同时采用本体建模法建立相应的本体。以上通感、通算、感算一体化的研究现状说明了通信、感知与计算之间的融合是可行的。为了自动驾驶相关业务的进一步拓展，还需要对通信、感知、计算进行进一步的融合，突破目前多极致性能适配的瓶颈。因此，需要在车联网架构方面，研究通感算深度融合的全新架构，打通通感算三大资源之间的灵活互通与统筹资源管理，并在此基础上构建分布式接入回传一体化网络架构，实现智能重构组网，进行算网统一编码与资源管控，为提高通感算融合网络容量、感知精度、计算效率提供架构支持。3研究内容3.1通信、计算辅助感知增强通信功能可以有效传递和汇聚感知信息，以支撑多节点协作感知，进而扩展感知的维度和深度。此外，实时共享的分布式算力可对感知数据进行定制化的特征抽取及信息融合处理，借助先进算法模型将原始感知信息转化为可被终端或用户直接理解的意图及语义信息，实现从环境感知到环境认知的能力增强。文献[49]通过将雾计算与无人机通信技术进行结合，极大地提升了无人机通信的位置感知功能，从而有效地支持动态物联网应用。文献[50]提出了一种基于云计算和物联网的智能车联网管理系统，增强了车辆的实时感知功能，使汽车可以以最小的延迟获取周围道路的拥塞状态，缓解城市交通压力。文献[51]针对现有任务卸载方案的性能较差、车载端无法实现高效计算的情况，提出了基于强化学习的车联网边缘计算架构的任务卸载策略，可以实现快速收敛，任务卸载率更高。Yi等[52]研究了D2D(Devicetodevice)通信辅助多层雾计算的联合资源管理，在所考虑的系统模型中，每个订阅的移动最终用户可以选择通过蜂窝连接将其计算任务卸载到部署在基站的边缘服务器，或者通过直接D2D连接将其附近的一个第三方雾节点卸载。文献[53]指出，在雾无线接入网中，雾接入点的本地存储和计算能力为解决敏感型应用延迟和计算限制提供了新的通信资源。文献[54]将多个物联网设备争抢雾设备的过程视为一个游戏，设计了一种分布式计算卸载算法，目标是优化雾节点的计算延迟、能耗和成本之间的平衡，物联网节点之间的竞争最终会达到一个纳什均衡点。3.2感知、计算辅助通信增强感知功能通过获取更丰富的用户信息、环境数据等为通信提供先验信息。智能终端可利用随取随用的分布式算力，进行精准高效的信道估计、测量及快速波束对准，有效增强智能终端的信息处理能力；智能云网可通过多维数据融合处理及大数据分析，重构未知的物理信道状态，设计最优传输方式，提升通信的整体性能。张燕咏等[55]总结了感算融合在自动驾驶领域的最新进展，在比较与分析了自动驾驶感知算法后，提出了一种新的感知融合算法ImageFusion,并且针对自动驾驶的实时性问题，推出了新的计算优化框架MPlnfer。文献[56]针对无人驾驶中车辆感知范围小和针对复杂的路况难以处理的问题，基于雾计算和分簇技术的思想，提出了一种基于雾计算的协同感知与协同控制机制。文献[57]提出了一种位置感知雾定位算法，该算法可保持移动用户与理想雾节点之间的连接，它提供的延迟比建议的雾节点的其他算法低40%～50%,应用程序响应资源更快，并实时增强系统性能。文献[58]提出了一种基于物联网、智能移动设备和边缘计算的新型机器学习辅助智能停车系统，这种新颖的停车系统旨在通过高度精确的定位和作为边缘智能计算的用户活动感知，快速将车位的准确位置传递给汽车，提升停车效率。Qi等[59]利用自动驾驶汽车传感能力的群智传感技术进行实时数据采集，用车载分布式计算提高计算能力，减少海量原始环境数据的传输。对于感知、通信和计算的收敛，提出了一种群智感知辅助车辆分布式计算机制，显著降低了通信负载。文献[60]提出了一种基于效用的传感任务分解和分包算法，该算法是一种在移动节点之间建立直接协作的传感数据采集方法，建立基于马尔可夫链的移动模型，预测传感节点的空间分布。3.3感知增强与通信增强进一步辅助计算增强增强后的感知功能可以为分布式算力的最优化快速调度提供先的泛在计算能力，实现6G时代各类场景下算力资源的即用即配。功能独立的功能一体化，资源独立的功能资源一体化三种技术模式，通信性能(提升容量/可靠性/能效/资源利用率、降低网络部署成本/环境中活动伙伴行为检测等)、实现更高精度定位/更高分辨率成像 (无接触式安检、质检、材检等)和虚拟环境重构等功能目标。文献行雷达传感和传感数据融合通信。Jiang等[65]设计了一种基于mmWave频段5G新无线电协议的传感与通信联合集成系统，支持传感与通信双功能的动态帧结构配置，可以解决CAV(Connectedandautomatedvehicle)之间原始传感数据共享的低时延和高数据速率问题，此外，以雷达互信息为关键指标，将多个CAV之间的资源分配优化问题表述为非合作博弈。通算助感、感算助通与通感助算的发展进一步推动着通感算一体下文提出的通感算融合网络架构通过智能融合面贯穿了通信面、感知面与算力面，将三者有机联系起来。同时，纵向五层中每一层与每一面的交叉域都涉及到不同的融合技术与应用。整个通感算融合网络将通算助感、感算助通与通感助算深度融合起来，进而使网络具备新型闭环信息流智能交互与处理及广域智能协作的能力。3.4通感算融合网络(1)定义。根据中国通信学会最新发布的通感算融合网络前沿报告指出：通感算一体化网络是指同时具备物理-数字空间感知、泛在智能通信与计算能力的网络。该网络内的各网元设备通过通感算软硬件资源的协同与共享，实现多维感知、协作通信、智能计算功能的深度融合、互惠增强，进而使网络具备新型闭环信息流智能交互与处理及广域智能协作的能力，为6G的智慧城市、智慧交通、智能家居等典型应用场景提供支持。(2)自动驾驶车联网中通感算融合的网络架构。将通感算融合网络应用到自动驾驶车联网的场景下，结合自动驾驶车联网的实际需求，同时针对通信节点的计算、感知能力增强但传统网络架构只关注通信维度，导致难以自适应满足自动驾驶车联网多极致性能需求的挑战，通过分布式的时频空多域智能感知、高效通信资源管理、按需的分布式计算能力调度和“云-边-端”一体化的网络管控等技术，研究通感算融合的网络架构以适应不同的业务需求，实从而为后续研究内容奠定架构基础。通感算融合网络在不同的层面共享资源、服务、网络等，降低了硬件成本，优化了整体架构，结合实际应用满足业务需求。而通感算融合网络整体上可以分为通信、感知、计算三个方面，结合自动驾驶车联网领域，通信层面采用6G通信网络与C-V2X技术；感知面采用毫米波或太赫兹波段载波，结合路侧单元、雷达等获取的感知信息，实现全方位高精度感知；算力层面，基于雾计算、边缘计算技术，提高数据运算效率与精度，实现精准控制。实现通信、感知、算力的融合需要优化整体网络结构，按需提供AI能力和网络管理能力，促进网络结构内部自动优化，通信、感知、算力之间的资源调度优化，融合网络将实现更快的通信速度、更高的感知精度、更精准的计算，提升整个网络层次的决策效率与预测准度。突破自动驾驶车联网中通感算融合的架构壁垒，对网络架构进行“五层四面”数字化抽象，横向五层自下而上分别是：多元接入层、统一网络层、多域资源层、协同服务层、管理与应用层；纵向四面分化，构建资源可解耦、能力可扩展、架构可重构的网络架构，如图2所示。2.Intelligentendogenousarchitectucommunication-sensin