清华李克强院士团队 | 综述：汽车预测性巡航控制及其在云控系统下的典型技术进展与展望

​

Machine Intelligence Research

随着新一代移动通信技术在汽车上的大规模应用，配备通信设备的智能网联汽车(Intelligent and Connected Vehicles, ICVs)正在快速发展。道路与交通的动静态信息具有巨大的潜在应用价值，特别是对于车辆的安全与节能驾驶以及交通的高效运行具有重要意义。预测性巡航控制(Predictive Cruise Control，PCC)是一种充分利用未来道路交通信息进行车辆预测性最优行驶规划与控制的技术。受限于传统单车智能的感知范围小、车载计算能力弱等问题，PCC的技术迭代与产业发展受到了较大阻碍。近些年，随着车路云一体化系统尤其是路侧感知、大数据云计算等基础设施的不断完善，车辆逐渐具备对道路交通信息的超视距感知与融合决策计算能力，为突破单车智能的感知-决策-控制等技术瓶颈迎来了新的机遇，并快速成为当前智能网联汽车云控应用的重要研究方向。当前PCC技术的研究多关注于单车智能下的车辆纵向车速行驶控制应用，鲜有研究者对PCC技术的主要理论、创新方法、关键技术的现状与未来发展进行总结梳理。

清华大学李克强院士团队通过查阅相关领域全球文献，全面回顾了PCC的技术进展，并给出了云控系统下典型场景的PCC应用案例与未来发展。首先，文章对PCC的核心理论和关键技术进行了概述，然后根据典型场景，如高速公路和城市道路交通等，分类别深入开展PCC技术的梳理与总结。最后，文章介绍了云控系统下PCC技术的创新架构和典型应用，并展望了PCC技术的前景和未来发展趋势。

图片来自Springer

全文下载：

A Review and Outlook on Predictive Cruise Control of Vehicles and Typical Applications Under Cloud Control System

Bolin Gao, Keke Wan, Qien Chen, Zhou Wang, Rui Li, Yu Jiang, Run Mei, Yinghui Luo, Keqiang Li

https://link.springer.com/article/10.1007/s11633-022-1395-3

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1395-3

全文导读

智能网联汽车是新一轮科技革命的核心产业。单车智能驾驶和传统车联网路线，因存在车载感知性能受限、控制器算力不足、跨域协同行驶能力欠缺等问题，难以适应复杂动态道路交通场景，产业应用受到制约。云控网联式智能驾驶技术基于新一代移动互联、云计算等手段，通过网联化的跨域感知和融合控制，打通智能汽车和智能交通两大领域，显著提升道路交通和车辆行驶的综合性能。

预测性巡航控制(Predictive Cruise Control, PCC)是一种基于道路交通信息的智能控制技术。与传统的定速巡航控制(Constant Cruise, CC)和自适应巡航控制(Adaptive Cruise Control, ACC)相比，PCC技术可以进一步提高汽车的行驶安全性和经济性，并改善交通效率。其原因在于PCC技术根据提前获取的未来道路交通态势(如图1所示为PCC可预见的典型道路交通信息)，并进行预测性的车速与动力系统调节，无论在城市道路还是高速公路场景都能表现出较好的预测性最优驾驶特性。

大量研究表明，PCC的控制效果与静态道路信息的几何分辨率、动态交通信息的预测精度、动力系统构型、预测范围及步长等诸多因素密切相关。然而，交通环境动态多变难以预测，以及约束边界的多样性与求解的复杂性，制约了PCC技术应用效果的进一步提升。因此，研究如何提高交通态势预测的精准性，和预测性最优控制问题求解的快速性，成为当前PCC技术的关键研究领域。

 图1  搭载PCC技术的车辆可预见的信息

如前所述，PCC系统需要大量的道路交通动静态信息和实时计算的支持。车载计算平台在算力和感知范围方面具有瓶颈，这阻碍了PCC技术的进一步产业发展。近些年，智能网联汽车云控系统(Intelligent and Connected Vehicle Cloud Control System, ICVCCS)的出现为上述问题提供了新的解决方案。如图2所示，ICVCCS汇聚了车-路-云-网-图的实时信息，不仅可以实现跨域/长时的感知认知融合计算，还可以在云端为各类智能驾驶应用提供快速计算服务，大大减轻了车端的计算压力。可以预见，未来基于ICVCCS进一步改进提升PCC技术，是智能网联汽车行驶控制技术的重要发展方向之一，也是云控典型应用中率先大规模产业应用的重要研究方向之一。

图2 智能网联汽车云控系统

本文通过梳理国内外PCC技术相关的大量文献，分场景开展PCC相关方法的全面调研，包括城市道路和高速公路场景等。此外，为展示基于ICVCCS的PCC技术优势，本文介绍了三种典型的应用研究。具体来说，文章首先从理论层面阐明了PCC技术的基本技术原理；然后基于不同场景，广泛调研并总结了PCC领域的研究现状；最后，阐述了PCC，特别是基于网联云控式PCC技术的关键技术问题和未来发展趋势。

本文的各章节框架组织如下。第2章总结了PCC技术的相关原理及方法，包括基于预见性信息的最优问题构建及常用的解决方法。第3章和第4章详细介绍了高速公路和城市道路交通场景中的PCC技术研究现状。第5章介绍了ICVCCS架构下的PCC创新技术及典型应用。第6章梳理了PCC技术的研究难点和未来趋势。最后，第7章对全文进行了总结。

全文下载：

A Review and Outlook on Predictive Cruise Control of Vehicles and Typical Applications Under Cloud Control System

Bolin Gao, Keke Wan, Qien Chen, Zhou Wang, Rui Li, Yu Jiang, Run Mei, Yinghui Luo, Keqiang Li

https://link.springer.com/article/10.1007/s11633-022-1395-3

https://www.mi-research.net/en/article/doi/10.1007/s11633-022-1395-3

BibTex:

@Article{MIR-2022-08-255,
author = {Bolin Gao and Keke Wan and Qien Chen and Zhou Wang and Rui Li and Yu Jiang and Run Mei and Yinghui Luo and Keqiang Li},
journal = {Machine Intelligence Research},
title = {A Review and Outlook on Predictive Cruise Control of Vehicles and Typical Applications Under Cloud Control System},
year = {2023},
volume = {20},
number = {5},
pages = {614-639},
doi = {10.1007/s11633-022-1395-3}
}

纸刊免费寄送

Machine Intelligence Research

MIR为所有读者提供免费寄送纸刊服务，如您对本篇文章感兴趣，请点击下方链接填写收件地址，编辑部将尽快为您免费寄送纸版全文！

说明：如遇特殊原因无法寄达的，将推迟邮寄时间，咨询电话010-82544737

收件信息登记：

https://www.wjx.cn‍/vm/eIyIAAI.aspx#  

∨

关于Machine Intelligence Research

Machine Intelligence Research（简称MIR，原刊名International Journal of Automation and Computing）由中国科学院自动化研究所主办，于2022年正式出版。MIR立足国内、面向全球，着眼于服务国家战略需求，刊发机器智能领域最新原创研究性论文、综述、评论等，全面报道国际机器智能领域的基础理论和前沿创新研究成果，促进国际学术交流与学科发展，服务国家人工智能科技进步。期刊入选”中国科技期刊卓越行动计划”，已被ESCI、EI、Scopus、中国科技核心期刊、CSCD等数据库收录。

▼
往期目录
▼

2023年第4期 | 大规模多模态预训练模型、机器翻译、联邦学习……
2023年第3期 | 人机对抗智能、边缘智能、掩码图像重建、强化学习… 
2023年第2期 · 特约专题 | 大规模预训练: 数据、模型和微调
2023年第1期 | 类脑智能机器人、联邦学习、视觉-语言预训练、伪装目标检测… 
2022年第6期 | 因果推理、视觉表征学习、视频息肉分割…
2022年第5期 | 重磅专题：类脑机器学习
2022年第4期 | 来自苏黎世联邦理工学院Luc Van Gool教授团队、清华大学戴琼海院士团队等
2022年第3期 | 聚焦自然语言处理、机器学习等领域；来自复旦大学、中科院自动化所等团队
2022年第2期 | 聚焦知识挖掘、5G、强化学习等领域；来自联想研究院、中科院自动化所等团队
主编谭铁牛院士寄语, MIR第一期正式出版！

▼
好文推荐
▼

贺威团队&王耀南院士团队 | 基于动态运动基元的机器人技能学习
乔红院士团队 | 类脑智能机器人：理论分析与系统应用 （机器智能研究MIR）
南科大于仕琪团队 | YuNet:一个速度为毫秒级的人脸检测器
上海交大严骏驰团队 | 综述: 求解布尔可满足性问题(SAT)的机器学习方法
西电公茂果团队 | 综述: 多模态数据的联邦学习
高文院士团队 | 综述: 大规模多模态预训练模型
前沿观点 | 谷歌BARD的视觉理解能力如何？对开放挑战的实证研究
港中文黄锦辉团队 | 综述: 任务型对话对话策略学习的强化学习方法
南航张道强教授团队 | 综述：用于脑影像基因组学的机器学习方法
ETHZ团队 | 一种基于深度梯度学习的高效伪装目标检测方法 （机器智能研究MIR）
Luc Van Gool团队 | 深度学习视角下的视频息肉分割
专题综述 | 高效的视觉识别: 最新进展及类脑方法综述
北大黄铁军团队 | 专题综述：视觉信息的神经解码
专题综述 | 迈向脑启发计算机视觉的新范式
专题好文 | 新型类脑去噪内源生成模型: 解决复杂噪音下的手写数字识别问题
戴琼海院士团队 | 用以图像去遮挡的基于事件增强的多模态融合混合网络
ETH Zurich重磅综述 | 人脸-素描合成：一个新的挑战
华南理工詹志辉团队 | 综述: 面向昂贵优化的进化计算
东南大学张敏灵团队 | 基于选择性特征增广的多维分类方法
联想CTO芮勇团队 | 知识挖掘：跨领域的综述
复旦邱锡鹏团队 | 综述：自然语言处理中的范式转换

▼
MIR资讯
▼

前进20名！MIR再度跻身国际影响力TOP期刊榜单
2022影响因子发布！人工智能领域最新SCI & ESCI期刊一览
主编谭铁牛院士主持，MIR第二次国内编委会议圆满召开
喜报 | MIR入选图像图形领域 T2级 “知名期刊”！
2023年人工智能领域国际学术会议参考列表 | 机器智能研究MIR
恭喜！MIR 2022年度优秀编委
双喜！MIR入选”2022中国科技核心期刊”，并被DBLP收录 | 机器智能研究MIR
报喜！MIR入选2022年国际影响力TOP期刊榜单
喜报 | MIR被 ESCI 收录！
喜报 | MIR 被 EI 与 Scopus 数据库收录

​Read More