0 引言

    我國機動車保有量快速增加，2018年全國機動車達3.25億輛，每年交通事故死亡人數過萬，擁堵成本超過百億，環境污染、能源短缺、車輛監管等問題日益凸顯。智能網聯汽車可以提供更加安全、舒適、節能和環保的駕駛方式以及交通出行綜合解決方案，是城市智能交通系統的重要環節，其意義不僅在于汽車產品與技術的升級，更可能帶來汽車及相關產業全業態和價值鏈體系的重塑。

    隨著單車智能感知技術提升瓶頸和交通環境復雜性增加，特別是自動駕駛業務，越來越依靠智能道路設施的進步，車路協同成為通往未來城市智慧交通和自動駕駛的必由之路。智能網聯汽車業務在安全告警和交通信息通知類業務的基礎上，也逐步向“車-路-邊-云”協同感知發展，通過車路協同的強大智能提升智能網聯汽車整體感知、決策和控制能力，最終實現降低自動駕駛成本和提升自動駕駛安全性等目標。聰明的車、智能的路、強大的網和智慧的云是車路協同系統中的4個關鍵因素。其中，以LTE-V與5G構建的強大的網成為現階段車路協同的主體，是車、路、云各個要素有效融合和優勢互補的橋梁。

    基于車路協同的車聯網業務場景非常豐富，其對網絡性能要求各異。通過5G網絡切片技術可提供為特定網絡能力和網絡特性組建邏輯網絡的能力，可以為不同業務場景的車聯網業務提供端到端的大帶寬、低時延、高可靠的靈活定制化服務，實現業務的快速上線和更極致的用戶體驗。本文將從面向車路協同的車聯網業務場景對網絡的需求入手，圍繞5G網絡切片技術在車路協同系統中的應用展開研究。

1 車路協同系統架構

    車路協同系統是采用先進的無線通信和新一代互聯網等技術，全方位實施車車、車路和人車動態實時信息交互，在全時空動態交通信息采集與融合的基礎上，開展車輛協同安全和道路協同控制，從而形成的安全、高效和環保的道路交通系統。圖1展示了典型車路協同系統架構^[1]。

    車路協同系統架構縱向劃分為5層，自下向上依次為“車-路-網-云-用”。

    (1)車：智能網聯汽車是交通參與者的代表，是整個系統的主要服務對象。車端物理架構包含了為了保障車輛基本安全功能及通信功能的各種設備，主要由基礎感知和定位傳感器、基礎計算平臺、人機交互設備及通信設備(網關)組成。其中，基礎傳感器采集、接收的數據，通過總線進行集成，再通過數據的融合和智能化處理，輸出自動駕駛所需的環境感知信息，主要用于支持車輛的基本安全功能。車載計算平臺由高性能車載集成計算平臺(硬件)、智能車載操作系統以及運行在其上的應用軟件和中間件組成。車載計算平臺融合了傳感器、高精度地圖、V2X的感知信息進行認知和決策計算，硬件處理器可以有GPU、FPGA、ASIC等多種選擇，主要用于基本的安全功能感知、決策與控制，更高級別的感知、決策在邊緣側完成并通過網絡經過車載網關傳輸給車輛底層執行。而智能車載操作系統融合了車內人機交互、運營服務商、內容服務商的數據，為乘客提供個性化服務。最后，決策的信息進入車輛總線控制系統，完成執行動作。

    (2)路：路側部分由部署于路側、分布于不同地理空間位置的智能協同感知、通信、交通調控設備組網而成，依托邊緣計算平臺打造異構多源交通數據感知融合能力，構建高精度全局交通感知，并通過靈活的通信方式和準確實時的調控，實現人車路等交通參與者的全面連接。

    (3)網：智能化的先進網絡是整個系統的中樞，利用C-V2X和5G網絡構建“車-路-云”三者之間的高速率、低時延、廣覆蓋的數據連接和傳輸，并通過網絡切片提供靈活的垂直端到端專網能力保障，從而具備能夠基于實際智能網聯駕駛具體應用進行實時調度、管理網絡以及保證網絡安全的能力。

    為了增強基于基站通信的低時延高可靠業務，加強對自動駕駛業務的掌控，根據業務需求在網絡不同位置引入邊緣計算（MEC）設備，實現用戶面的業務下沉，降低網絡傳輸時延。通過MEC設備可以實現：

    ①依據自動駕駛數據的類型完成數據分流，數據或分流至本地處理，或轉發至云端；

    ②邊緣設備獲取路側輔助信息、道路狀態信息、環境信息、區域車輛狀態信息，通過多源感知信息融合構建動態高精度地圖；

    ③根據動態高精度地圖完成區域交通規劃，例如：交通信號燈控制規劃、動態限速規劃等；

    ④根據動態高精度地圖完成決策輔助、駕駛建議等。

    (4)云：通常完成4個功能：①數據存儲，車端實時采集數據量傳輸到云端進行分布式存儲；②仿真測試，新算法在部署到車上之前會在云端的模擬器上進行測試；③高精度地圖生成、完善和更新；④深度學習模型訓練，持續不斷地通過新數據進行模型訓練，以提升算法的處理能力。

    此外，智能網聯云控平臺和基礎能力平臺也是部署在云端的核心能力。云控平臺具有實時信息共享、實時云計算、實時應用編排、大數據分析、信息安全等基礎服務機制，提供包含車輛運行、交通環境、基礎設施在內的實時動態基礎數據，以及大規模網聯應用實時協同計算環境，基礎能力平臺提供人工智能、安全、計費、運維和仿真開發測試等能力，形成全域協同決策與控制的云控基礎能力平臺。

    (5)用：應用層主要包括面向智能網聯汽車的應用和面向交通調控的交通大腦應用，提供安全類、效率類、信息類等多類型服務。

    應用服務器既可以部署在平臺層，也可以部署在邊緣計算網元上，前者重點完成宏觀的數據服務、道路規劃和管理，以及初始規劃、宏觀交通調度、車輛大數據監管、全局路徑規劃和全局高精度地圖管理。

2 車路協同發展過程及性能需求

    隨著我國5G快速部署，車路協同業務從定位、自動駕駛、高精地圖到車載的信息娛樂，逐步開始提供全方位的連接能力，同時也能夠實現不同行業之間的數據的交互和互聯互通。

2.1 車路協同系統發展

    車路協同系統經歷了輔助信息交互、協調感知、協調決策與控制3個階段的發展，體現了5G應用逐步深化的過程，如圖2所示。

    (1)輔助信息交互過程階段：可以基于信息廣播的車車協同服務，及時為車車碰撞、道路施工等預警；

    (2)在協同感知發展階段：基于簡單感知的車路協同，可以為用戶提供闖紅燈提醒、特種車優先等服務；基于路邊智能的協同感知服務，提供路側智能提醒危險狀況、弱勢群體危險提醒等；基于5G高帶寬的信息服務，動態高精地圖、遠程監控等；

    (3)協同決策與控制階段：可以基于協同感知與控制的智能駕駛，為緊急信息通信、高速數據下載、廣域信息覆蓋、自動泊車、協作式交叉路口通行等場景提供服務。在緊急信息通知方面，利用5G低時延特性，路面一旦出現異常情況后，可以幾乎實時進行V2X消息廣播，從而迅速通知提醒周邊車輛。在高速數據下載方面，利用5G超高速帶寬的特點，車路協同場景下的自動駕駛車輛可以快速下載高精度地圖。同時，用戶在駕乘過程中也可以無卡頓地享受云游戲等高速數據服務。廣域信息覆蓋方面，利用5G網絡可以連接海量終端，從而實現路面感知信息大范圍分發，協助車輛進行預見性駕駛，減少基站之間的切換。

2.2 典型場景與網絡性能指標

    車路協同應用場景分為以用戶體驗為核心的信息服務類應用、以車輛駕駛為核心的汽車智能化類應用和以協同為核心的智慧交通類應用三大類型。

    (1)信息服務類應用

    此類應用既包括提高駕乘體驗、實現歡樂出行的基礎性車載信息類應用，也包括與車輛上路駕駛、車輛出行前或出行后的涉車服務、后市場服務、車家服務等應用。該類應用需要車輛具備基本的聯網通信能力和必要的車輛基礎狀態感知能力。

    (2)汽車智能化類應用

    此類應用主要與車輛行駛過程中的智能化相關，利用車上傳感器，隨時感知行駛中的周圍環境，收集數據、動靜態辨識、偵測與追蹤，并結合導航地圖數據進行系統運算與分析，主要有安全類和效率類等各種應用。

    (3)智慧交通類應用

    該類應用是在自動駕駛的基礎上，與多車管理調度及交通環境等智慧交通相關，最終支持實現城市大腦智能處置城市運行和治理協同。

    自動駕駛是未來汽車的終極發展目標。但由于技術的發展規律，會經歷從最初的輔助駕駛、部分自動駕駛、有條件自動駕駛、高度自動駕駛到未來的完全自動駕駛的發展階段。根據不同自動化駕駛等級，端到端網絡性能不盡相同，具體性能指標如表1所示^[2]。

    其中，車路協同業務特點為毫秒級超低時延、大帶寬、高可靠性，通過5G uRLLC切片提供小于10 ms的時延，提高協同效率，實現較高程度的自動化。根據相關研究，車路協同應用場景對自動化程度要求較高，具體性能要求如表2所示。

3 車路協同的網絡切片

    網絡切片技術根據應用、場景需求等對網絡資源進行管理編排，根據行業客戶需求，按需定制虛擬網絡，可以滿足差異化的服務等級協議(Service Level Agreement，SLA)的QoS需求，通過切片平臺，為實時路況更新、導航準確度提升、安全駕駛等不同車路協同場景提供5G端到端的大帶寬、低時延、高可靠的靈活定制化服務。

    對于車聯網行業，通過與運營商的業務合作，無需建設移動專網即可更方便、快捷地使用5G網絡，節省初期建網投資，快速實現數字化轉型。例如，對于車路協同切片，可以提供高可靠低延時的服務，基于切片間隔離可以保障車聯網平臺的安全，通過開放接口可以滿足車輛定位需求，同時還可以利用網絡中的邊緣計算節點，實現更好的業務體驗^[3]。

3.1 車路協同5G切片創建

    5G網絡切片包括切片設計、部署使能、切片運行、閉環優化、運維、能力開放等。為了保證切片的敏捷的特征和業務獨特性，切片可以定制化設計，包括切片模版設計(GST)和實例化設計。模版設計階段通過通信服務管理功能(CSMF)、切片管理功能(NSMF)和子切片管理功能(NSSMF)的協同，實現能力通報、能力分解和能力匹配。在切片實例化設計階段，需要根據具體訂單需求觸發：當租戶需要使用網絡切片時，可以選用預置的切片模板或定制模版，并通過CSMF、NSMF和NSSMF逐層確認部署信息，進行實例化部署，產生一個可用的切片網絡。

    根據表1和表2信息可知，車聯網業務用戶對網絡時延、速率、可靠性等其他性能指標要求較高，可以在eMBB和uRLLC切片的基礎上定制不同業務和等級的子切片。結合車聯網場景中不同用戶的個性化需求，圖3流程可以實現網絡切片按需定制，相關流程如下：

    (1)車聯網行業用戶登錄門戶網站訂購服務，結合自己的需求選擇訂單及SLA，例如：若用戶對于自動化程度要求較高，則應該選擇“高級自動化&全自動化”切片，時延可以達到1～10 ms，同時選擇好其他SLA參數(如最大用戶數、切片服務區域、切片中終端的移動等級、切片資源共享等級)；

    (2)切片管理系統根據租戶對車聯網切片的SLA要求進行接入網、傳輸網、核心網等的SLA分解，進而進行各域資源配置，包括帶寬、時延等。切片設計完成后，進行測試驗證，避免設計過程存在問題，早發現早解決；

    (3)車聯網用戶在“切片商城”選擇滿足自己需求的切片(如：“高級自動化&全自動化”切片)，并提交訂單進行付費；

    (4)切片設計完成測試驗證，且用戶完成付費后，進行在線部署激活自動開通，該過程包含切片的運維過程(如：智能監控、故障排除等)。

3.2 車路協同5G切片資源調配

    車聯網業務需求的多樣性和高動態使得網絡切片資源動態調整和調度面臨很大挑戰。其中，切片資源智能調配可以解決車路協同業務需求的快速變化導致的網絡切片資源動態調配和管理問題，基于切片業務量預測和根據預測結果制定切片資源調整策略，相應流程如下：

    在資源調配系統中，不同應用的業務數據(例如：對車輛及車載傳感器，路測攝像頭、雷達等協同設施監控采集到的數據、紅綠燈告警等業務數據)將通過切片管理系統傳送給業務量預測模板；業務量預測模塊進行數據分析、業務量預測，并將預測結果發送給智能策略模塊。針對分析結果，智能策略模塊可以制定相應的資源配置策略，并下發給切片管理系統，實時調整不同切片之間的資源，實現閉環自愈。該閉環管理模式可以保證自動駕駛、路況監測、高清地圖、車輛感知等車路協同系統中其他業務的通信需求^[4]。

    切片資源智能調配系統通過與切片管理系統對接，智能地調配切片資源，可以高效解決業務需求高動態帶來的網絡切片管理問題，滿足不同車路協同場景的差異化需求，提供端到端QoS保障能力^[5]，圖4給出了切片資源智能調配系統示意圖。

3.3 網絡切片保障車路協同安全

    車路協同系統作為車輛與基礎設施之間的連通系統，需要具備對黑客入侵、系統干擾、詐騙等風險的防范能力。信息安全作為車路協同場景的重要研究內容，主要包括抗黑客攻擊的能力、網絡系統潛在風險、網絡安全對系統性能的影響、網絡信息和安全系統的認證等。

    其中，網絡切片可為車聯網提供差異化安全保護策略以及安全解決方案，形成切片安全基線等級驗證機制，面向不同安全需求提供差異化的安全防護舉措，具體包括：

    (1)統一切片接入認證：切片網絡需要對服務方和網絡使用方的實體身份進行鑒別，再依據切片屬性分配差異化的網絡能力。車聯網所涉及的多方，既包括運營商、車主，又包括千差萬別的車輛傳感器，其所采用的身份憑證和所能提供的鑒別能力大相徑庭。針對不同的認證實體，通過OpenID、OAuth2等協議，實現統一身份鑒別機制，提供統一認證服務，使各服務對象互通互認，形成可信鏈條；

    (2)切片間安全資源共享與隔離：基于虛擬化技術，實現安全資源多切片網絡共享機制，通過安全策略差異化實現以及不同安全策略分權分域隔離控制的技術，防止不同切片間安全資源的非法濫用和非法入侵；

    (3)基于切片的安全基線檢測：面向網絡切片控制的安全基線模型和檢測系統，對不同安全等級切片所涉及的主機、網絡、業務系統軟硬件進行脆弱性分析和安全配置核查，通過差異化的安全防護措施。

4 結論

    5G垂直行業典型應用場景車聯網已成為業界研究人員重點關注的熱點之一。本文從5G網絡的個性化和定制化等能力入手，分析了車路協同發展的過程以及各場景對網絡性能的需求，并基于車路協同系統架構，論述典型業務的5G網絡切片實現流程，涵蓋切片創建、切片資源調度和切片安全保障等主要內容。5G切片技術在面向車路協同的車聯網業務場景中的應用仍處于探索之中，亟需產業界共同探討合作，構建未來生態環境，讓更多行業能夠從5G中受益。

參考文獻

[1] 崔波，滕琳雅，吳堅鵬，等.5G自動駕駛業務網絡解決方案探討[J].廣東通信技術，2019，39(2)：40-44.

[2] 國信證券.車聯網將成5G應用先驅，把握確定性產業鏈機遇[Z].2019.

[3] 朱紅梅，林奕琳，劉潔.5G URLLC標準、關鍵技術及網絡架構的研究[J].移動通信，2017，41(17)：28-33.

[4] 姜磊，宋漢增.5G切片端到端管理系統，助運營商暢享5G新時代[J].中興通訊技術(簡訊)，2019(11).

[5] 3GPP TR 23.791.Study of enablers for network automation for 5G，V16.2.0[S].2019.

作者信息:

張  蕾，朱雪田，李金艷

(中國電信股份有限公司技術創新中心，北京102209)