人机混驾环境下混行车辆雾模型研究

目前搭载高级驾驶辅助系统和车联网（Vehicular Ad Hoc Network，VANET）技术的智能网联车（Intelligent Connected Vehicles，ICV）正大量涌入人工驾驶车（Manual Vehicle，MV）流之中，ICV与MV共存的异构车辆混行交通态势逐步形成，异构车辆之间的交互产生壁垒。混行之下单个ICV虽可依托单车硬件传感与单车计算单元实现与MV的交互意图识别，但其受有限算力与有限传感的影响，资源负载增大，时效性与安全性方面存在一定的误差与风险，而混行之下的VANET技术也不能够提供全局性车路资源用以高度匹配ICV与MV的交互场景，而且越来越多的ICV计算需求也在激增VANET的负载压力。对此，结合边缘计算概念中的雾计算理论，提出混行车辆雾模型（Mixed Vehicle Fog，MVF），充分发挥车联网络边缘节点能力，通过合理整合调度ICV资源的方法，解决对MV正常交互意图计算的时效性与安全性问题。该模型首先通过各感知单元响应混行交通环境下ICV与MV的正常交互事件，然后利用基于容错节点分簇的资源调度算法（Fault-tolerant Node Clustering Resource Scheduling Algorithm，FNC-RSA），动态划分局部路段内对交互事件具有相关意图感知与计算需求的ICV为一组"协同雾群"，再评估雾内ICV节点自身资源与路由代价，定向定量调度资源，最终实现雾群内部MV交互信息共享与驾驶意图协同计算。试验借助Prescan和MATLAB搭建联合仿真平台，与低能耗自适应分簇型路由算法（Low Energy Adaptive Clustering Hierarchy，LEACH）模型对比，验证MVF模型的运行效率与模型鲁棒性。研究结果表明：MVF模型通过交互事件细分协同雾群，保证了计算负载均衡，提高了ICV定向资源计算与传输效率，比LEACH模型降低了55.17%的平均跳数，缩短了45.40%的平均任务完成时间，抗时延干扰能力强，鲁棒性能优异。该模型对于打破混行环境异构车辆交互壁垒，提高混行道路交通行车安全，创造车联网络良性发展空间具有积极作用。