清華自動化系博士論文獲IEEE智能交通系統國際會議最佳學生論文獎_風聞

近日，第25屆IEEE智能交通系統國際會議（IEEE International Conference on Intelligent Transportation Systems,ITSC）於中國澳門召開。ITSC是智能汽車與智能交通領域的國際頂級學術會議，此次會議收到全世界45個國家和地區的近1300篇投稿。大會評選了共3篇最佳學生論文獎（Best Student Paper Award），清華大學自動化系2021級博士生常成同學的論文《基於邊緣計算的網聯自動駕駛車輛的駕駛安全監控》（“Driving Safety Monitoring for Connected and Automated Vehicles via Edge Computing”）成功入選。

該文章由清華大學自動化系及土木工程系的研究人員共同完成。清華大學土木系助理研究員李深和自動化系教授李力為論文的通訊作者，李力教授指導的博士生常成為論文的第一作者，其他共同作者包括清華大學自動化系博士後張坤鵬及李力教授指導的博士生張嘉瑋。文章系統地研究瞭如何利用邊緣計算來監控網聯自動駕駛車（connected and automated vehicles,CAV）的運動，並對潛在事故（如車道偏離、碰撞等）進行預警。與僅利用單車感知的數據相比，車路協同系統通過車與萬物（vehicle-to-everything,V2X）的互聯互通，直接收集網聯自動駕駛車的運動數據，從而更容易綜合計算每輛車的風險，產生更加優越的性能。

圖1.ITSC最佳學生論文獎

駕駛安全是交通領域和車輛領域研究的一個重要問題。駕駛安全監控系統主要分為兩類：車端系統和路側系統。典型的車端高級駕駛輔助系統（Advanced Driver Assistance Systems,ADAS）依賴於單車的感知數據，很難實現對交通場景的全面和準確的理解。典型的路側攝像頭系統監控的空間範圍仍然十分有限，不足以支持較大時空範圍內的高精度車輛運動預測。

圖2.論文提出的框架示意圖

V2X通信技術的發展為我們解決駕駛安全監控及風險預警問題提供了新的基於協同駕駛和車路協同的思路。藉助V2X通信技術，我們可以收集所監控道路的智能網聯車輛數據，實施路側單元邊緣計算預警，其優勢包括：系統僅需要收集車輛的位置和運動數據；系統的數據庫可直接檢索到駕駛環境數據，從而顯著降低感知數據的計算成本，有效避免車輛遮擋、感知誤差及識別失效等問題，以全面準確地獲取場景中所有車輛的信息；系統可以積累海量的車輛歷史軌跡數據用於運動預測和碰撞預警。

具體而言，文章提出了基於實時接收數據的快速判定碰撞及風險的算法和相應的數據結構模型，包含數據存儲、軌跡預測、碰撞檢測、風險預警等功能子模塊。該框架允許我們考慮具有不同自動化等級的網聯自動駕駛車，並研究網聯自動駕駛車輛與人類駕駛車輛之間的交互作用。實驗仿真結果表明了該方法的有效性，預警命中率顯著優於基於單車感知數據的方法。文章還討論了數據精度和傳輸時延對於預警預測和軌跡規劃等應用性能的影響，確定了保證車輛駕駛安全的數據最低要求。這一研究為協同駕駛場景下自動駕駛的風險預警及規劃控制等應用奠定了重要基礎，推動了協同駕駛和車路系統的發展。

供稿：清華大學