智能机器网络赋能车路群智协同 李静林 2022-12-28 16:30 No Comment 1124次浏览 > 2022年12月27日参加赛文交通网2022中国智能交通行业年终盛典——2022年车路协同技术与应用跨年分享会。在会上做了《智能机器网络赋能车路群智协同》的报告，提出未来的自动驾驶、车路协同、智能交通，将形成一个以人工智能化机器自主协同、自治管理为最终目标的智能机器网络，并支撑全自主化智能机器通过群智协同实现交通系统的全自主运行。   # 自动驾驶与车路协同面临的问题 目前自动驾驶和车路协同的大量实践都验证了人工智能能够在一定程度上取代人的智能完成路面认知任务、驾驶决策任务等，但是目前仍然存在自动驾驶对路侧认知不信任的问题等，这些问题影响了自动驾驶和智能交通的进一步发展。 > 车辆的看不到与不相信问题 单车自动驾驶虽然实现了驾驶的人工智能化，但单车视野受限，用车载感知显然无法逾越遮挡、盲区等问题。V2X想通过V2V或I2V来实现超视距认知，但由于认知质量问题和责任主体问题，自动驾驶任务很难信任其他车辆或路侧认知结果。不信任的原因是车载人工智能难以对现有V2X协议交换信息进行直接利用和评价，因为我们目前的车路协同交换的是认知识别结果，而这种识别结果是面向人类决策的，而不是面向人工智能决策。 > 网络的看不全与管不了问题 用于支撑自动驾驶和智能交通的网络，一直都是传统物联网体系，即便是引入了边缘计算，分层的云控平台也只是汇聚“感知”数据，并期望建立一种“数字孪生”系统。这种传统物联网体系适合大规模参与节点和数据的集约化管理与演化分析，但并不适合人工智能化车辆和人工智能化路侧边缘计算的自主协同。一方面因为智能化的车与路控在协同的同时，也需要网络通信资源、计算资源的协同有效调控，以保证协同共识的有效性。另一方面是智能化车与路控等多子系统之间的复杂耦合导致网络难以执行全局最优化。 > 问题原因 产生这些问题的原因是现有的车和智能交通系统是面向人设计的，而不是面向人工智能化的机器。一直是人在控车，人在控基础设施，人在调整信控。**这种面向人类认知和决策的体系，并不适合人工智能化机器的需求，从而导致目前V2X服务面临不相信也管不了的困境。** # 从面向人的网络到面向智能机器的网络 未来的车路协同将不再是人的协同，而是人工智能机器的协同。因此，在从5G到B5G&6G的演进途中，我们需要重新审视通信网络与智能应用的关系。未来的车联网和车路协同，不能只解决车如何联网的问题，还需要考虑人工智能化的自动驾驶和路控，群体智能化的车车和车路协同的实际需求。 > 从车/路的角度：人的协同到智能机器间的协同  我们目前定义的V2X协议，在人工智能看来还是数据层交互，因为人工智能不理解交互内容，需要进一步去重构、认知；这实际上是低效的。 为了提高人工智能之间协同的效率，协同的层面需要从数据层进一步提升到信息层、意图层、知识层，网络不但要解决发给谁的问题，还需要配合解决协同什么、协同目标、协同效果评价等问题。 为此，需要设计机器能够理解并使用的机器语言，比如人工智能神经网络的中间特征交互，保证机器语言交互的精炼性和完备性，不会产生认知损失。机器语言之间的交互时机也不是人为定义，而是基于人工智能之间的协同意图，按需进行互操作，从而保证有效性。 > 从网络角度：从支持数据交换到支持人工智能能力协同  人工智能化的机器组网与传统网络不同，传统面向人的组网是对数据内容的发现和传输，而智能机器网络是为了共同协作完成特定任务，需要协助人工智能能力进行发现和协同。 人工智能体之间互操作的目的是为了协同完成特定任务（群体智能的协同共识），因此智能机器网络需要支持智能能力的协商和寻址，需要主动协商协同共识，这样才能通过不同层面的泛在协同，去满足智能机器的协同目标。 网络拓扑也不再是单纯根据网络通信最佳组织的拓扑，而应该基于协同共识、协同目标主动发掘并按需构建协同拓扑，这样组网才是真正符合协同需求的，能够避免冗余链路，也能保证协同的完备性。 > 从通信角度：从支持泛在连接到支持智能连接  为了支持智能机器网络这种跨层次动态的协同，需要将有限的无线资源，主动分配给具有强烈协同需求的智能机器，而不仅仅是提供一个泛在的链接。 以自动驾驶为代表的智能机器，其通信需求受到时间、位置、自身装备、周边环境等多重复杂因素影响，其通信需求并不单一，通信不能自顾自的优化，而需要考虑感知、计算等的需求。 相应的无线资源管控也需要进行升级，首先通过通信信号与雷达信号的一体化设计，解决无线对准问题，实现更好效果的跟踪和定向通信。其次要从单纯的无线频带资源驱动，转换为协同意图驱动，通过将通信资源调度进行封装和开放，实现对协同意图的响应。 # 引入群体智能后的智能机器网络特征 群体智能系统具有明确的微观协同性、中观演化性和宏观涌现性特征，智能机器赋能的车路群智协同，也必然需要具备群体智能引入的新特征。  **微观协同性**：由于微观协同性，智能机器群体需要快速建立协同共识，并在高动态的交通场景切换时快速更新共识，比如多车过路口，就不是一个确定参与方的共识，而是需要快速更新的动态共识。这种协同共识所需要的网络拓扑并不一定与通信的最佳拓扑一致。现有网络功能不支持人工智能互操作，也无从认知协同方和协同需求，无法对拓扑切换进行及时响应。因此，智能机器网络需要根据智能车和智能路侧设施的协同意图，建立不同的协同拓扑，以保证网络通信资源和计算资源的最佳适配。 **中观的演化性**：由于中观演化性，多机器群体会相互影响并演化决策，而现有网络资源调度主要是根据数据类型、固定策略甚至随机抢占资源，无从预测这种复杂随机的资源竞争。比如正常交通有潮汐规律，但因为事故等原因，状态变化了，这样统计规律的资源调度决策就会失效。也就无法保证为群智协同提供确定性服务质量。因此，智能机器网络需要支持跨异构群体的协同拓扑根据协同意图进行自组织演化，从而保证多车路协同的有效性。这种协同意图发现、协同关系建立、协同拓扑演化，是人工智能机器主动通过智能机器语言协同完成，并不需要人的参与。 **宏观的涌现性**：由于宏观的涌现性，群智系统无法集中优化而需自组织涌现，而现有网络管理面向分级集中管控，没有自组织管理能力，无法支持大规模智能节点的管理。比如红绿灯联控，如果只通过宏观统计规律去进行红绿灯调控，红绿灯相位控制决策和自动驾驶车辆选路规划决策就会产生耦合冲突，最终的结果可能导致“涌现”出的交通态势并不符合红绿灯调控的预期。因此，智能机器网络不但需要支持以自动驾驶车为代表的人工智能终端，还需要支持以边缘计算、区域计算为代表的人工智能服务，不但支持人工智能终端的自组织化，还需要支持人工智能服务的自组织化，通过智能机器的自组织实现对全局交通态势的演化分析和分层协同，以满足全局交通态势涌现和交通指挥调控。 # 智能机器网络赋能的未来智能交通专网  未来的智能交通专网，需要从网络体系架构上增强网络对群智协同的认知能力，以满足协同需求；从网络资源调度上增强感知-通信-计算资源的联合调度能力，以保证协同质量；从网络管理上增强自组织能力，以支持协同规模的扩展。 具体包括： - 自动驾驶车车之间，路侧基础设施和自动驾驶车之间，将通过通感算一体实现意图驱动的定向通信，和意图驱动的感通算资源主动调控，保证机器智能协同共识的维护和机器语言高效交互，保障驾驶安全。 - 车辆和路侧，及路侧和区域基础设施之间，通过自组织实现跨系统跨群体的智能协同，实现交通自适应调控。 - 终端、路侧和区域基础设施将群智涌现出全局交通态势，由中央云的交通数字孪生进行呈现和演化分析。