0 引言

    我国机动车保有量快速增加，2018年全国机动车达3.25亿辆，每年交通事故死亡人数过万，拥堵成本超过百亿，环境污染、能源短缺、车辆监管等问题日益凸显。智能网联汽车可以提供更加安全、舒适、节能和环保的驾驶方式以及交通出行综合解决方案，是城市智能交通系统的重要环节，其意义不仅在于汽车产品与技术的升级，更可能带来汽车及相关产业全业态和价值链体系的重塑。

    随着单车智能感知技术提升瓶颈和交通环境复杂性增加，特别是自动驾驶业务，越来越依靠智能道路设施的进步，车路协同成为通往未来城市智慧交通和自动驾驶的必由之路。智能网联汽车业务在安全告警和交通信息通知类业务的基础上，也逐步向“车-路-边-云”协同感知发展，通过车路协同的强大智能提升智能网联汽车整体感知、决策和控制能力，最终实现降低自动驾驶成本和提升自动驾驶安全性等目标。聪明的车、智能的路、强大的网和智慧的云是车路协同系统中的4个关键因素。其中，以LTE-V与5G构建的强大的网成为现阶段车路协同的主体，是车、路、云各个要素有效融合和优势互补的桥梁。

    基于车路协同的车联网业务场景非常丰富，其对网络性能要求各异。通过5G网络切片技术可提供为特定网络能力和网络特性组建逻辑网络的能力，可以为不同业务场景的车联网业务提供端到端的大带宽、低时延、高可靠的灵活定制化服务，实现业务的快速上线和更极致的用户体验。本文将从面向车路协同的车联网业务场景对网络的需求入手，围绕5G网络切片技术在车路协同系统中的应用展开研究。

1 车路协同系统架构

    车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路和人车动态实时信息交互，在全时空动态交通信息采集与融合的基础上，开展车辆协同安全和道路协同控制，从而形成的安全、高效和环保的道路交通系统。图1展示了典型车路协同系统架构^[1]。

    车路协同系统架构纵向划分为5层，自下向上依次为“车-路-网-云-用”。

    (1)车：智能网联汽车是交通参与者的代表，是整个系统的主要服务对象。车端物理架构包含了为了保障车辆基本安全功能及通信功能的各种设备，主要由基础感知和定位传感器、基础计算平台、人机交互设备及通信设备(网关)组成。其中，基础传感器采集、接收的数据，通过总线进行集成，再通过数据的融合和智能化处理，输出自动驾驶所需的环境感知信息，主要用于支持车辆的基本安全功能。车载计算平台由高性能车载集成计算平台(硬件)、智能车载操作系统以及运行在其上的应用软件和中间件组成。车载计算平台融合了传感器、高精度地图、V2X的感知信息进行认知和决策计算，硬件处理器可以有GPU、FPGA、ASIC等多种选择，主要用于基本的安全功能感知、决策与控制，更高级别的感知、决策在边缘侧完成并通过网络经过车载网关传输给车辆底层执行。而智能车载操作系统融合了车内人机交互、运营服务商、内容服务商的数据，为乘客提供个性化服务。最后，决策的信息进入车辆总线控制系统，完成执行动作。

    (2)路：路侧部分由部署于路侧、分布于不同地理空间位置的智能协同感知、通信、交通调控设备组网而成，依托边缘计算平台打造异构多源交通数据感知融合能力，构建高精度全局交通感知，并通过灵活的通信方式和准确实时的调控，实现人车路等交通参与者的全面连接。

    (3)网：智能化的先进网络是整个系统的中枢，利用C-V2X和5G网络构建“车-路-云”三者之间的高速率、低时延、广覆盖的数据连接和传输，并通过网络切片提供灵活的垂直端到端专网能力保障，从而具备能够基于实际智能网联驾驶具体应用进行实时调度、管理网络以及保证网络安全的能力。

    为了增强基于基站通信的低时延高可靠业务，加强对自动驾驶业务的掌控，根据业务需求在网络不同位置引入边缘计算（MEC）设备，实现用户面的业务下沉，降低网络传输时延。通过MEC设备可以实现：

    ①依据自动驾驶数据的类型完成数据分流，数据或分流至本地处理，或转发至云端；

    ②边缘设备获取路侧辅助信息、道路状态信息、环境信息、区域车辆状态信息，通过多源感知信息融合构建动态高精度地图；

    ③根据动态高精度地图完成区域交通规划，例如：交通信号灯控制规划、动态限速规划等；

    ④根据动态高精度地图完成决策辅助、驾驶建议等。

    (4)云：通常完成4个功能：①数据存储，车端实时采集数据量传输到云端进行分布式存储；②仿真测试，新算法在部署到车上之前会在云端的模拟器上进行测试；③高精度地图生成、完善和更新；④深度学习模型训练，持续不断地通过新数据进行模型训练，以提升算法的处理能力。

    此外，智能网联云控平台和基础能力平台也是部署在云端的核心能力。云控平台具有实时信息共享、实时云计算、实时应用编排、大数据分析、信息安全等基础服务机制，提供包含车辆运行、交通环境、基础设施在内的实时动态基础数据，以及大规模网联应用实时协同计算环境，基础能力平台提供人工智能、安全、计费、运维和仿真开发测试等能力，形成全域协同决策与控制的云控基础能力平台。

    (5)用：应用层主要包括面向智能网联汽车的应用和面向交通调控的交通大脑应用，提供安全类、效率类、信息类等多类型服务。

    应用服务器既可以部署在平台层，也可以部署在边缘计算网元上，前者重点完成宏观的数据服务、道路规划和管理，以及初始规划、宏观交通调度、车辆大数据监管、全局路径规划和全局高精度地图管理。

2 车路协同发展过程及性能需求

    随着我国5G快速部署，车路协同业务从定位、自动驾驶、高精地图到车载的信息娱乐，逐步开始提供全方位的连接能力，同时也能够实现不同行业之间的数据的交互和互联互通。

2.1 车路协同系统发展

    车路协同系统经历了辅助信息交互、协调感知、协调决策与控制3个阶段的发展，体现了5G应用逐步深化的过程，如图2所示。

    (1)辅助信息交互过程阶段：可以基于信息广播的车车协同服务，及时为车车碰撞、道路施工等预警；

    (2)在协同感知发展阶段：基于简单感知的车路协同，可以为用户提供闯红灯提醒、特种车优先等服务；基于路边智能的协同感知服务，提供路侧智能提醒危险状况、弱势群体危险提醒等；基于5G高带宽的信息服务，动态高精地图、远程监控等；

    (3)协同决策与控制阶段：可以基于协同感知与控制的智能驾驶，为紧急信息通信、高速数据下载、广域信息覆盖、自动泊车、协作式交叉路口通行等场景提供服务。在紧急信息通知方面，利用5G低时延特性，路面一旦出现异常情况后，可以几乎实时进行V2X消息广播，从而迅速通知提醒周边车辆。在高速数据下载方面，利用5G超高速带宽的特点，车路协同场景下的自动驾驶车辆可以快速下载高精度地图。同时，用户在驾乘过程中也可以无卡顿地享受云游戏等高速数据服务。广域信息覆盖方面，利用5G网络可以连接海量终端，从而实现路面感知信息大范围分发，协助车辆进行预见性驾驶，减少基站之间的切换。

2.2 典型场景与网络性能指标

    车路协同应用场景分为以用户体验为核心的信息服务类应用、以车辆驾驶为核心的汽车智能化类应用和以协同为核心的智慧交通类应用三大类型。

    (1)信息服务类应用

    此类应用既包括提高驾乘体验、实现欢乐出行的基础性车载信息类应用，也包括与车辆上路驾驶、车辆出行前或出行后的涉车服务、后市场服务、车家服务等应用。该类应用需要车辆具备基本的联网通信能力和必要的车辆基础状态感知能力。

    (2)汽车智能化类应用

    此类应用主要与车辆行驶过程中的智能化相关，利用车上传感器，随时感知行驶中的周围环境，收集数据、动静态辨识、侦测与追踪，并结合导航地图数据进行系统运算与分析，主要有安全类和效率类等各种应用。

    (3)智慧交通类应用

    该类应用是在自动驾驶的基础上，与多车管理调度及交通环境等智慧交通相关，最终支持实现城市大脑智能处置城市运行和治理协同。

    自动驾驶是未来汽车的终极发展目标。但由于技术的发展规律，会经历从最初的辅助驾驶、部分自动驾驶、有条件自动驾驶、高度自动驾驶到未来的完全自动驾驶的发展阶段。根据不同自动化驾驶等级，端到端网络性能不尽相同，具体性能指标如表1所示^[2]。

    其中，车路协同业务特点为毫秒级超低时延、大带宽、高可靠性，通过5G uRLLC切片提供小于10 ms的时延，提高协同效率，实现较高程度的自动化。根据相关研究，车路协同应用场景对自动化程度要求较高，具体性能要求如表2所示。

3 车路协同的网络切片

    网络切片技术根据应用、场景需求等对网络资源进行管理编排，根据行业客户需求，按需定制虚拟网络，可以满足差异化的服务等级协议(Service Level Agreement，SLA)的QoS需求，通过切片平台，为实时路况更新、导航准确度提升、安全驾驶等不同车路协同场景提供5G端到端的大带宽、低时延、高可靠的灵活定制化服务。

    对于车联网行业，通过与运营商的业务合作，无需建设移动专网即可更方便、快捷地使用5G网络，节省初期建网投资，快速实现数字化转型。例如，对于车路协同切片，可以提供高可靠低延时的服务，基于切片间隔离可以保障车联网平台的安全，通过开放接口可以满足车辆定位需求，同时还可以利用网络中的边缘计算节点，实现更好的业务体验^[3]。

3.1 车路协同5G切片创建

    5G网络切片包括切片设计、部署使能、切片运行、闭环优化、运维、能力开放等。为了保证切片的敏捷的特征和业务独特性，切片可以定制化设计，包括切片模版设计(GST)和实例化设计。模版设计阶段通过通信服务管理功能(CSMF)、切片管理功能(NSMF)和子切片管理功能(NSSMF)的协同，实现能力通报、能力分解和能力匹配。在切片实例化设计阶段，需要根据具体订单需求触发：当租户需要使用网络切片时，可以选用预置的切片模板或定制模版，并通过CSMF、NSMF和NSSMF逐层确认部署信息，进行实例化部署，产生一个可用的切片网络。

    根据表1和表2信息可知，车联网业务用户对网络时延、速率、可靠性等其他性能指标要求较高，可以在eMBB和uRLLC切片的基础上定制不同业务和等级的子切片。结合车联网场景中不同用户的个性化需求，图3流程可以实现网络切片按需定制，相关流程如下：

    (1)车联网行业用户登录门户网站订购服务，结合自己的需求选择订单及SLA，例如：若用户对于自动化程度要求较高，则应该选择“高级自动化&全自动化”切片，时延可以达到1～10 ms，同时选择好其他SLA参数(如最大用户数、切片服务区域、切片中终端的移动等级、切片资源共享等级)；

    (2)切片管理系统根据租户对车联网切片的SLA要求进行接入网、传输网、核心网等的SLA分解，进而进行各域资源配置，包括带宽、时延等。切片设计完成后，进行测试验证，避免设计过程存在问题，早发现早解决；

    (3)车联网用户在“切片商城”选择满足自己需求的切片(如：“高级自动化&全自动化”切片)，并提交订单进行付费；

    (4)切片设计完成测试验证，且用户完成付费后，进行在线部署激活自动开通，该过程包含切片的运维过程(如：智能监控、故障排除等)。

3.2 车路协同5G切片资源调配

    车联网业务需求的多样性和高动态使得网络切片资源动态调整和调度面临很大挑战。其中，切片资源智能调配可以解决车路协同业务需求的快速变化导致的网络切片资源动态调配和管理问题，基于切片业务量预测和根据预测结果制定切片资源调整策略，相应流程如下：

    在资源调配系统中，不同应用的业务数据(例如：对车辆及车载传感器，路测摄像头、雷达等协同设施监控采集到的数据、红绿灯告警等业务数据)将通过切片管理系统传送给业务量预测模板；业务量预测模块进行数据分析、业务量预测，并将预测结果发送给智能策略模块。针对分析结果，智能策略模块可以制定相应的资源配置策略，并下发给切片管理系统，实时调整不同切片之间的资源，实现闭环自愈。该闭环管理模式可以保证自动驾驶、路况监测、高清地图、车辆感知等车路协同系统中其他业务的通信需求^[4]。

    切片资源智能调配系统通过与切片管理系统对接，智能地调配切片资源，可以高效解决业务需求高动态带来的网络切片管理问题，满足不同车路协同场景的差异化需求，提供端到端QoS保障能力^[5]，图4给出了切片资源智能调配系统示意图。

3.3 网络切片保障车路协同安全

    车路协同系统作为车辆与基础设施之间的连通系统，需要具备对黑客入侵、系统干扰、诈骗等风险的防范能力。信息安全作为车路协同场景的重要研究内容，主要包括抗黑客攻击的能力、网络系统潜在风险、网络安全对系统性能的影响、网络信息和安全系统的认证等。

    其中，网络切片可为车联网提供差异化安全保护策略以及安全解决方案，形成切片安全基线等级验证机制，面向不同安全需求提供差异化的安全防护举措，具体包括：

    (1)统一切片接入认证：切片网络需要对服务方和网络使用方的实体身份进行鉴别，再依据切片属性分配差异化的网络能力。车联网所涉及的多方，既包括运营商、车主，又包括千差万别的车辆传感器，其所采用的身份凭证和所能提供的鉴别能力大相径庭。针对不同的认证实体，通过OpenID、OAuth2等协议，实现统一身份鉴别机制，提供统一认证服务，使各服务对象互通互认，形成可信链条；

    (2)切片间安全资源共享与隔离：基于虚拟化技术，实现安全资源多切片网络共享机制，通过安全策略差异化实现以及不同安全策略分权分域隔离控制的技术，防止不同切片间安全资源的非法滥用和非法入侵；

    (3)基于切片的安全基线检测：面向网络切片控制的安全基线模型和检测系统，对不同安全等级切片所涉及的主机、网络、业务系统软硬件进行脆弱性分析和安全配置核查，通过差异化的安全防护措施。

4 结论

    5G垂直行业典型应用场景车联网已成为业界研究人员重点关注的热点之一。本文从5G网络的个性化和定制化等能力入手，分析了车路协同发展的过程以及各场景对网络性能的需求，并基于车路协同系统架构，论述典型业务的5G网络切片实现流程，涵盖切片创建、切片资源调度和切片安全保障等主要内容。5G切片技术在面向车路协同的车联网业务场景中的应用仍处于探索之中，亟需产业界共同探讨合作，构建未来生态环境，让更多行业能够从5G中受益。

参考文献

[1] 崔波，滕琳雅，吴坚鹏，等.5G自动驾驶业务网络解决方案探讨[J].广东通信技术，2019，39(2)：40-44.

[2] 国信证券.车联网将成5G应用先驱，把握确定性产业链机遇[Z].2019.

[3] 朱红梅，林奕琳，刘洁.5G URLLC标准、关键技术及网络架构的研究[J].移动通信，2017，41(17)：28-33.

[4] 姜磊，宋汉增.5G切片端到端管理系统，助运营商畅享5G新时代[J].中兴通讯技术(简讯)，2019(11).

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

作者信息:

张  蕾，朱雪田，李金艳

(中国电信股份有限公司技术创新中心，北京102209)