1. 项目概述当自动驾驶遇到“本地老司机”自动驾驶技术发展到今天单车智能的瓶颈日益凸显。车辆自身的传感器再先进也受限于物理视距和遮挡尤其是在城市交叉路口这类“信息黑洞”区域。一个典型的场景是你的车准备右转但左侧停着一辆大货车完全挡住了你对横向来车的视线。单车感知系统此时要么保守等待造成通行效率低下要么冒险“探头”带来安全隐患。这正是当前自动驾驶在复杂城市路网中规模化落地的主要挑战之一。车路协同V2X技术为突破这一瓶颈提供了可能。它让车辆V能与道路基础设施I、其他车辆V及网络N进行通信本质上是为自动驾驶车辆装上了“千里眼”和“顺风耳”。然而仅仅共享原始的或初步处理的感知数据如目标列表还不够。如何将这些海量的、来自路侧的信息转化为车辆能够直接理解并高效执行的驾驶决策是提升系统整体性能的关键。我们团队近期完成的一项工作正是瞄准了这个痛点。我们设计并验证了一套基于路侧单元RSU和离线强化学习Offline RL的混合自动驾驶系统。这套系统的核心思想很直观让“更懂这个路口”的智能来指挥车辆通过。具体来说我们在路口部署的RSU不仅是一个强大的感知节点搭载激光雷达更是一个具备边缘计算能力的“本地交通大脑”。它持续观测该路口的交通流并利用离线强化学习技术从积累的大量人类驾驶数据中提炼、学习出针对这个特定路口最优的驾驶策略我们称之为“局部驾驶智能体”。当一辆网联自动驾驶车辆CAV驶近该路口时RSU可以通过高速的毫米波通信将这个只有十几兆大小的“本地老司机经验包”——即训练好的智能体模型——快速下发到车辆。车辆在进入路口前的一小段“局部驾驶区间”内会暂时接管其原有的规划与控制模块转而执行这个更懂本地路况的智能体发出的指令。实验结果表明与通用的自动驾驶算法相比这套系统能平均提升约10%的安全收益并减少高达15%的通行时间。下面我就从一个一线研发者的角度拆解一下这个系统的设计思路、实现细节以及我们踩过的那些坑。2. 系统核心设计从全局到本地的决策范式转移传统的自动驾驶系统无论是基于规则的还是端到端学习的其决策模块通常是一个“通用型”模型期望它能处理所有可能遇到的路况。这在结构相对简单的高速公路场景或许可行但在城市路口每个路口的几何结构、交通信号灯相位、车流特征、甚至行人的行为习惯都千差万别。用一个模型去拟合所有路口要么导致模型过于复杂难以训练和验证要么为了泛化性而牺牲在特定场景下的最优性能。我们的设计哲学是“全局导航本地执行”。车辆自身的系统依然负责从A点到B点的全局路径规划但当它进入诸如交叉路口这类高动态、高复杂度的局部区域时决策权可以临时、有条件地移交给一个专为该区域量身定制的“专家系统”。这个专家系统就是由RSU生成并维护的局部驾驶智能体。2.1 为什么选择离线强化学习生成局部驾驶智能体我们需要一个能从数据中学习策略的框架。强化学习RL无疑是首选其智能体通过与环境的交互试错来学习最大化累积奖励。然而在线RL在现实交通中训练成本极高且危险。离线强化学习则完美契合我们的需求。它不需要智能体与真实环境交互而是直接从已有的、由其他智能体比如人类司机产生的历史驾驶数据集中学习策略。这就像是一位驾校教练不是让学员直接上路瞎撞而是通过分析成千上万个小时的优秀老司机行车记录仪数据来总结出在某个路口该怎么开。我们采用了TD3BC算法作为离线RL的核心。TD3Twin Delayed Deep Deterministic Policy Gradient是一种先进的深度确定性策略梯度算法能有效解决值函数过高估计的问题。而BCBehavior Cloning是行为克隆即模仿数据中的动作。TD3BC巧妙地将两者结合其优化目标可以表示为π arg max π E_(s,a)∼D [ λQ(s, π(s)) − (π(s) − a)² ]这里(s, a)是从历史数据集D中采样的状态-动作对。Q(s, π(s))是TD3算法评估当前策略π在状态s下长期收益的Q值函数。(π(s) − a)²是行为克隆项约束学习到的策略π不要偏离数据集中的示范动作a太远。超参数λ用于权衡这两者λ越大智能体越倾向于寻求高Q值的激进策略λ越小智能体越保守倾向于严格模仿数据。实操心得λ的选择是门艺术在我们的实验中针对不同路口最优的λ值是不同的。例如对于某个交通流相对稀疏、结构简单的路口RSU #1λ0.05时收敛效果最好说明此路口数据质量高稍微鼓励一点探索就能找到比单纯模仿更优的策略。而对于另一个更繁忙、更复杂的路口RSU #2λ0.5时表现最佳这意味着需要更强的Q值引导来学习如何高效处理密集车流而不能完全拘泥于数据中可能存在的保守驾驶行为。这告诉我们离线RL并非“一劳永逸”针对不同场景的数据分布需要进行细致的超参数调优。2.2 局部数字孪生RSU的感知与建模要让智能体学习首先得为它构建一个能够准确反映路口动态的“数字世界”即局部数字孪生。这是整个系统的数据基石。每个RSU配备一台80线激光雷达实时扫描路口区域生成动态点云。在RSU内置的NVIDIA Jetson边缘计算模块上我们运行基于Autoware和ROS2的软件栈。感知流程如下目标检测与跟踪使用CenterPoint等3D检测框架从点云中实时识别并分类各类交通参与者车辆、行人、自行车等。轨迹生成与分类为每个检测到的目标分配唯一ID并记录其历史轨迹。根据运动方向直行、左转、右转对目标进行分类。LDT构建将处理后的目标级信息位置、速度、朝向、类别、ID等结构化形成实时更新的局部数字孪生。这个LDT不再是原始的点云而是高度抽象、语义化的对象列表及其状态数据量极大减少非常适合通过V2X网络共享。当CAV驶近时RSU可以通过Wi-Fi网络5 GHz以极低的延迟平均7ms向CAV广播这个LDT数据这就是协同感知服务。CAV因此获得了“上帝视角”消除了自身传感器的盲区。2.3 运动学解码器从抽象动作到车辆控制离线RL智能体输出的动作空间Action Space通常是抽象的例如纵向速度v_x和横向速度v_y在车辆坐标系下。但车辆的控制系统需要的是具体的控制指令如油门/刹车对应车速v和方向盘转角对应前轮偏角δ。这就需要一座桥梁——运动学解码器。我们采用了经典的运动学自行车模型来建立两者间的映射。该模型将车辆简化为前后两轮并假设车辆只在平面运动忽略轮胎滑移等动力学因素。对于以后轮驱动、前轮转向的车辆为例推导过程如下设车辆后轴中心速度为v_r横摆角车头朝向为ψ。根据动作空间输出的v_x,v_y后轴中心速度可表示为v_r v_x cos ψ v_y sin ψ而前轮转向角δ与车辆的横摆角速度\dot{ψ}及后轴速度v_r相关δ arctan( (l_base * \dot{ψ}) / v_r )其中l_base是车辆的轴距。这样智能体输出的(v_x, v_y)就被转换成了车辆控制器可以直接执行的(v_r, δ)。这个解码器是通用的对于前驱车等不同构型只需替换对应的运动学模型即可。注意事项模型简化带来的误差运动学自行车模型忽略了轮胎力、载荷转移等动力学因素在低速场景如我们实验中限速20km/h的路口下精度足够。但在高速或极端操纵如紧急避障时这种简化会引入误差可能导致控制不精准。在实际部署中如果车速较高需要考虑更复杂的动力学模型或者在该解码器后端增加一个底层跟踪控制器来补偿模型误差。3. 系统实现与部署从仿真到真车的跨越理论设计完成后我们搭建了一套硬件在环的混合测试平台并最终在真实道路上进行了概念验证测试。这个过程充满了工程挑战。3.1 硬件部署与软件栈我们的测试场包含两个配备RSU的交叉路口。硬件配置如下表所示组件规格作用路侧单元NVIDIA Jetson 80线激光雷达环境感知、LDT构建、边缘计算、智能体分发网联自动驾驶车乘用车 32线激光雷达 Autoware工控机 车载单元自身感知、定位、接收RSU信息、执行智能体通信网络5 GHz Wi-Fi 60 GHz 毫米波Wi-Fi用于低延迟CP数据共享毫米波用于大模型智能体高速下载软件层面我们以ROS 2为中间件集成了以下关键模块RSU端Autoware感知、跟踪、自定义离线RL训练与推理服务。CAV端Autoware定位、全局规划、NDT匹配定位、Pure Pursuit轨迹跟踪以及我们开发的智能体切换与执行模块。3.2 “局部驾驶区间”与智能体切换逻辑系统定义了关键概念局部驾驶区间。这是一个以路口为中心、长约15米的区域。这个距离是根据我们测试场路口大小和20km/h限速计算确定的确保车辆有足够距离完成从接收到切换智能体到通过路口的全过程。工作流程如下接近与发现CAV沿全局路径驶向路口其OBU持续扫描可用RSU信号。连接与下载当CAV进入RSU的通信距离实验中设为30米时通过毫米波链路建立连接并下载针对该路口的局部驾驶智能体模型文件约11-13 MB。同时通过Wi-Fi开始接收CP数据。切换与执行一旦CAV驶入局部驾驶区间其决策控制系统立即切换原有的运动规划器被旁路车辆的控制权交给刚刚下载的局部智能体。该智能体综合自身感知、CP信息及定位数据每100ms10Hz计算并输出一次动作(v_x, v_y)经运动学解码后变为控制指令(v_r, δ)发送给车辆线控系统。退出与恢复车辆驶离局部驾驶区间后系统自动切换回原有的Autoware规划控制模块继续沿全局路径行驶。3.3 通信性能系统的生命线V2X通信的可靠性、延迟和速率直接决定了系统的可行性。我们在真实测试中测量了关键指标服务类型指标实测性能3GPP/系统要求结论智能体下载数据量11-13 MB 40 MB满足(毫米波)峰值速率≥ 711 Mbps (平均1.24 Gbps) 100 Mbps远超端到端延迟≤ 146 ms (平均83.9 ms)500-1000 ms满足协同感知可靠性(PDR)≥ 96.1% (平均97.3%) 90%满足(Wi-Fi)端到端延迟≤ 8.51 ms (平均6.57 ms) 10 ms满足数据速率≥ 25.9 Mbps (平均32.1 Mbps) 25 Mbps满足踩坑实录毫米波的“娇气”与异构网络备份毫米波通信速率虽高但信号穿透性差易受遮挡和雨衰影响。在一次测试中仅仅因为一辆大型公交车短暂停在RSU与CAV之间就导致了毫米波链路中断智能体下载失败。这给我们敲响了警钟。解决方案我们引入了异构网络切换机制。当毫米波链路质量低于阈值时系统会自动尝试通过5GHz Wi-Fi速率较低但更稳定或蜂窝网络如5G Uu接口来下载智能体。虽然速度可能下降但保证了关键服务不中断。在实际部署中通信链路的冗余设计是必须考虑的。4. 实验验证与结果分析数据说话我们通过大量的硬件在环仿真和实地概念验证测试来评估系统性能。测试设置了三种交通密度低3辆车中3-6辆高6辆并对比了三种驾驶策略RSU #1 局部智能体用路口1数据训练的智能体。RSU #2 局部智能体用路口2数据训练的智能体。Autoware原生智能体作为基线代表通用的自动驾驶算法。4.1 性能评估指标我们定义了综合奖励函数来量化驾驶表现它平衡了安全性和效率安全性奖励主要惩罚与障碍物的过近距离和危险速度。效率奖励鼓励车辆以合理速度接近目标车道。综合奖励 安全性奖励 效率奖励。此外我们还直接统计了车辆通过局部驾驶区间的行程时间。4.2 结果解读本地化策略的有效性实验结果清晰地验证了我们的核心假设本地化的策略优于通用策略。在路口1RSU #1局部智能体的综合奖励、安全奖励均显著高于Autoware原生智能体和RSU #2智能体。行程时间平均减少了8.9%在实地测试中最高减少了14.6%。在路口2RSU #2局部智能体表现最佳安全性能提升约4.1%行程时间减少9.1%。交叉验证RSU #1的智能体在路口2表现不佳反之亦然。这强有力地证明了每个智能体确实学习并内化了其对应路口的独特交通模式如车流汇入习惯、行人出现规律等而不是一个通用的“路口通行”策略。深度分析安全与效率的共赢一个有趣的发现是Autoware原生策略虽然出于安全设计得比较保守例如遇到障碍物倾向于等待而非主动绕行但其安全奖励反而低于我们的局部智能体。我们的智能体通过更精准的轨迹规划在确保安全距离的前提下做出了更果断、流畅的驾驶决策从而实现了安全与效率的双重提升。这说明基于大量本地数据学习的策略能更好地掌握该路口“安全的激进”与“危险的保守”之间的微妙平衡。4.3 实时性保障从感知到控制的链条自动驾驶控制环的实时性至关重要。我们的CAV控制器运行在10Hz100ms周期。为了满足这一要求我们确保了输入高频车辆自身感知、CP数据、定位信息的更新频率均高于30Hz。推理高效局部智能体的模型推理平均耗时约38.4ms。输出同步将智能体的执行频率设置为10Hz与控制器周期对齐。这样从感知数据更新到智能体计算动作再到解码输出控制指令整个流程能在100ms周期内稳定完成满足了实时控制的要求。5. 挑战、局限与未来展望尽管系统在测试中表现优异但走向大规模应用仍面临诸多挑战。首要挑战是数据与泛化。目前每个智能体只针对一个特定路口训练需要大量该路口的历史数据。对于成千上万的路口逐个训练和维护成本极高。未来的方向是探索联邦学习和持续学习。多个路口的RSU可以在保护数据隐私的前提下协作训练一个更强的基础模型然后各路口再用本地数据进行微调实现“大规模预训练-本地微调”的范式。持续学习则能让智能体随着时间推移自适应交通流的变化。其次是对极端场景的覆盖。离线RL的性能严重依赖于数据集的质量。如果历史数据中从未包含某些极端情况如行人突然闯红灯、车辆逆行学习到的策略可能无法妥善处理。这需要结合规则校验、安全护栏以及在线安全监控模块。最后是系统集成与标准化的挑战。如何将这套系统与不同厂商的自动驾驶系统、不同型号的RSU以及多样化的通信模块进行标准化集成是产业落地的关键。需要推动相关接口、数据格式和通信协议的标准制定。从这次项目实践中我个人最深的一点体会是自动驾驶的终局可能不是打造一辆“全能的车”而是构建一个“智慧的路”与“聪明的车”深度协同的生态系统。我们的工作展示了通过将部分决策智能“下沉”到边缘利用本地化数据驱动的方法能够切实解决复杂场景下的自动驾驶难题。这条路虽然漫长但每一步扎实的验证都让我们离那个更安全、更高效的未来交通更近了一点。
基于路侧单元与离线强化学习的车路协同自动驾驶系统设计与实践
1. 项目概述当自动驾驶遇到“本地老司机”自动驾驶技术发展到今天单车智能的瓶颈日益凸显。车辆自身的传感器再先进也受限于物理视距和遮挡尤其是在城市交叉路口这类“信息黑洞”区域。一个典型的场景是你的车准备右转但左侧停着一辆大货车完全挡住了你对横向来车的视线。单车感知系统此时要么保守等待造成通行效率低下要么冒险“探头”带来安全隐患。这正是当前自动驾驶在复杂城市路网中规模化落地的主要挑战之一。车路协同V2X技术为突破这一瓶颈提供了可能。它让车辆V能与道路基础设施I、其他车辆V及网络N进行通信本质上是为自动驾驶车辆装上了“千里眼”和“顺风耳”。然而仅仅共享原始的或初步处理的感知数据如目标列表还不够。如何将这些海量的、来自路侧的信息转化为车辆能够直接理解并高效执行的驾驶决策是提升系统整体性能的关键。我们团队近期完成的一项工作正是瞄准了这个痛点。我们设计并验证了一套基于路侧单元RSU和离线强化学习Offline RL的混合自动驾驶系统。这套系统的核心思想很直观让“更懂这个路口”的智能来指挥车辆通过。具体来说我们在路口部署的RSU不仅是一个强大的感知节点搭载激光雷达更是一个具备边缘计算能力的“本地交通大脑”。它持续观测该路口的交通流并利用离线强化学习技术从积累的大量人类驾驶数据中提炼、学习出针对这个特定路口最优的驾驶策略我们称之为“局部驾驶智能体”。当一辆网联自动驾驶车辆CAV驶近该路口时RSU可以通过高速的毫米波通信将这个只有十几兆大小的“本地老司机经验包”——即训练好的智能体模型——快速下发到车辆。车辆在进入路口前的一小段“局部驾驶区间”内会暂时接管其原有的规划与控制模块转而执行这个更懂本地路况的智能体发出的指令。实验结果表明与通用的自动驾驶算法相比这套系统能平均提升约10%的安全收益并减少高达15%的通行时间。下面我就从一个一线研发者的角度拆解一下这个系统的设计思路、实现细节以及我们踩过的那些坑。2. 系统核心设计从全局到本地的决策范式转移传统的自动驾驶系统无论是基于规则的还是端到端学习的其决策模块通常是一个“通用型”模型期望它能处理所有可能遇到的路况。这在结构相对简单的高速公路场景或许可行但在城市路口每个路口的几何结构、交通信号灯相位、车流特征、甚至行人的行为习惯都千差万别。用一个模型去拟合所有路口要么导致模型过于复杂难以训练和验证要么为了泛化性而牺牲在特定场景下的最优性能。我们的设计哲学是“全局导航本地执行”。车辆自身的系统依然负责从A点到B点的全局路径规划但当它进入诸如交叉路口这类高动态、高复杂度的局部区域时决策权可以临时、有条件地移交给一个专为该区域量身定制的“专家系统”。这个专家系统就是由RSU生成并维护的局部驾驶智能体。2.1 为什么选择离线强化学习生成局部驾驶智能体我们需要一个能从数据中学习策略的框架。强化学习RL无疑是首选其智能体通过与环境的交互试错来学习最大化累积奖励。然而在线RL在现实交通中训练成本极高且危险。离线强化学习则完美契合我们的需求。它不需要智能体与真实环境交互而是直接从已有的、由其他智能体比如人类司机产生的历史驾驶数据集中学习策略。这就像是一位驾校教练不是让学员直接上路瞎撞而是通过分析成千上万个小时的优秀老司机行车记录仪数据来总结出在某个路口该怎么开。我们采用了TD3BC算法作为离线RL的核心。TD3Twin Delayed Deep Deterministic Policy Gradient是一种先进的深度确定性策略梯度算法能有效解决值函数过高估计的问题。而BCBehavior Cloning是行为克隆即模仿数据中的动作。TD3BC巧妙地将两者结合其优化目标可以表示为π arg max π E_(s,a)∼D [ λQ(s, π(s)) − (π(s) − a)² ]这里(s, a)是从历史数据集D中采样的状态-动作对。Q(s, π(s))是TD3算法评估当前策略π在状态s下长期收益的Q值函数。(π(s) − a)²是行为克隆项约束学习到的策略π不要偏离数据集中的示范动作a太远。超参数λ用于权衡这两者λ越大智能体越倾向于寻求高Q值的激进策略λ越小智能体越保守倾向于严格模仿数据。实操心得λ的选择是门艺术在我们的实验中针对不同路口最优的λ值是不同的。例如对于某个交通流相对稀疏、结构简单的路口RSU #1λ0.05时收敛效果最好说明此路口数据质量高稍微鼓励一点探索就能找到比单纯模仿更优的策略。而对于另一个更繁忙、更复杂的路口RSU #2λ0.5时表现最佳这意味着需要更强的Q值引导来学习如何高效处理密集车流而不能完全拘泥于数据中可能存在的保守驾驶行为。这告诉我们离线RL并非“一劳永逸”针对不同场景的数据分布需要进行细致的超参数调优。2.2 局部数字孪生RSU的感知与建模要让智能体学习首先得为它构建一个能够准确反映路口动态的“数字世界”即局部数字孪生。这是整个系统的数据基石。每个RSU配备一台80线激光雷达实时扫描路口区域生成动态点云。在RSU内置的NVIDIA Jetson边缘计算模块上我们运行基于Autoware和ROS2的软件栈。感知流程如下目标检测与跟踪使用CenterPoint等3D检测框架从点云中实时识别并分类各类交通参与者车辆、行人、自行车等。轨迹生成与分类为每个检测到的目标分配唯一ID并记录其历史轨迹。根据运动方向直行、左转、右转对目标进行分类。LDT构建将处理后的目标级信息位置、速度、朝向、类别、ID等结构化形成实时更新的局部数字孪生。这个LDT不再是原始的点云而是高度抽象、语义化的对象列表及其状态数据量极大减少非常适合通过V2X网络共享。当CAV驶近时RSU可以通过Wi-Fi网络5 GHz以极低的延迟平均7ms向CAV广播这个LDT数据这就是协同感知服务。CAV因此获得了“上帝视角”消除了自身传感器的盲区。2.3 运动学解码器从抽象动作到车辆控制离线RL智能体输出的动作空间Action Space通常是抽象的例如纵向速度v_x和横向速度v_y在车辆坐标系下。但车辆的控制系统需要的是具体的控制指令如油门/刹车对应车速v和方向盘转角对应前轮偏角δ。这就需要一座桥梁——运动学解码器。我们采用了经典的运动学自行车模型来建立两者间的映射。该模型将车辆简化为前后两轮并假设车辆只在平面运动忽略轮胎滑移等动力学因素。对于以后轮驱动、前轮转向的车辆为例推导过程如下设车辆后轴中心速度为v_r横摆角车头朝向为ψ。根据动作空间输出的v_x,v_y后轴中心速度可表示为v_r v_x cos ψ v_y sin ψ而前轮转向角δ与车辆的横摆角速度\dot{ψ}及后轴速度v_r相关δ arctan( (l_base * \dot{ψ}) / v_r )其中l_base是车辆的轴距。这样智能体输出的(v_x, v_y)就被转换成了车辆控制器可以直接执行的(v_r, δ)。这个解码器是通用的对于前驱车等不同构型只需替换对应的运动学模型即可。注意事项模型简化带来的误差运动学自行车模型忽略了轮胎力、载荷转移等动力学因素在低速场景如我们实验中限速20km/h的路口下精度足够。但在高速或极端操纵如紧急避障时这种简化会引入误差可能导致控制不精准。在实际部署中如果车速较高需要考虑更复杂的动力学模型或者在该解码器后端增加一个底层跟踪控制器来补偿模型误差。3. 系统实现与部署从仿真到真车的跨越理论设计完成后我们搭建了一套硬件在环的混合测试平台并最终在真实道路上进行了概念验证测试。这个过程充满了工程挑战。3.1 硬件部署与软件栈我们的测试场包含两个配备RSU的交叉路口。硬件配置如下表所示组件规格作用路侧单元NVIDIA Jetson 80线激光雷达环境感知、LDT构建、边缘计算、智能体分发网联自动驾驶车乘用车 32线激光雷达 Autoware工控机 车载单元自身感知、定位、接收RSU信息、执行智能体通信网络5 GHz Wi-Fi 60 GHz 毫米波Wi-Fi用于低延迟CP数据共享毫米波用于大模型智能体高速下载软件层面我们以ROS 2为中间件集成了以下关键模块RSU端Autoware感知、跟踪、自定义离线RL训练与推理服务。CAV端Autoware定位、全局规划、NDT匹配定位、Pure Pursuit轨迹跟踪以及我们开发的智能体切换与执行模块。3.2 “局部驾驶区间”与智能体切换逻辑系统定义了关键概念局部驾驶区间。这是一个以路口为中心、长约15米的区域。这个距离是根据我们测试场路口大小和20km/h限速计算确定的确保车辆有足够距离完成从接收到切换智能体到通过路口的全过程。工作流程如下接近与发现CAV沿全局路径驶向路口其OBU持续扫描可用RSU信号。连接与下载当CAV进入RSU的通信距离实验中设为30米时通过毫米波链路建立连接并下载针对该路口的局部驾驶智能体模型文件约11-13 MB。同时通过Wi-Fi开始接收CP数据。切换与执行一旦CAV驶入局部驾驶区间其决策控制系统立即切换原有的运动规划器被旁路车辆的控制权交给刚刚下载的局部智能体。该智能体综合自身感知、CP信息及定位数据每100ms10Hz计算并输出一次动作(v_x, v_y)经运动学解码后变为控制指令(v_r, δ)发送给车辆线控系统。退出与恢复车辆驶离局部驾驶区间后系统自动切换回原有的Autoware规划控制模块继续沿全局路径行驶。3.3 通信性能系统的生命线V2X通信的可靠性、延迟和速率直接决定了系统的可行性。我们在真实测试中测量了关键指标服务类型指标实测性能3GPP/系统要求结论智能体下载数据量11-13 MB 40 MB满足(毫米波)峰值速率≥ 711 Mbps (平均1.24 Gbps) 100 Mbps远超端到端延迟≤ 146 ms (平均83.9 ms)500-1000 ms满足协同感知可靠性(PDR)≥ 96.1% (平均97.3%) 90%满足(Wi-Fi)端到端延迟≤ 8.51 ms (平均6.57 ms) 10 ms满足数据速率≥ 25.9 Mbps (平均32.1 Mbps) 25 Mbps满足踩坑实录毫米波的“娇气”与异构网络备份毫米波通信速率虽高但信号穿透性差易受遮挡和雨衰影响。在一次测试中仅仅因为一辆大型公交车短暂停在RSU与CAV之间就导致了毫米波链路中断智能体下载失败。这给我们敲响了警钟。解决方案我们引入了异构网络切换机制。当毫米波链路质量低于阈值时系统会自动尝试通过5GHz Wi-Fi速率较低但更稳定或蜂窝网络如5G Uu接口来下载智能体。虽然速度可能下降但保证了关键服务不中断。在实际部署中通信链路的冗余设计是必须考虑的。4. 实验验证与结果分析数据说话我们通过大量的硬件在环仿真和实地概念验证测试来评估系统性能。测试设置了三种交通密度低3辆车中3-6辆高6辆并对比了三种驾驶策略RSU #1 局部智能体用路口1数据训练的智能体。RSU #2 局部智能体用路口2数据训练的智能体。Autoware原生智能体作为基线代表通用的自动驾驶算法。4.1 性能评估指标我们定义了综合奖励函数来量化驾驶表现它平衡了安全性和效率安全性奖励主要惩罚与障碍物的过近距离和危险速度。效率奖励鼓励车辆以合理速度接近目标车道。综合奖励 安全性奖励 效率奖励。此外我们还直接统计了车辆通过局部驾驶区间的行程时间。4.2 结果解读本地化策略的有效性实验结果清晰地验证了我们的核心假设本地化的策略优于通用策略。在路口1RSU #1局部智能体的综合奖励、安全奖励均显著高于Autoware原生智能体和RSU #2智能体。行程时间平均减少了8.9%在实地测试中最高减少了14.6%。在路口2RSU #2局部智能体表现最佳安全性能提升约4.1%行程时间减少9.1%。交叉验证RSU #1的智能体在路口2表现不佳反之亦然。这强有力地证明了每个智能体确实学习并内化了其对应路口的独特交通模式如车流汇入习惯、行人出现规律等而不是一个通用的“路口通行”策略。深度分析安全与效率的共赢一个有趣的发现是Autoware原生策略虽然出于安全设计得比较保守例如遇到障碍物倾向于等待而非主动绕行但其安全奖励反而低于我们的局部智能体。我们的智能体通过更精准的轨迹规划在确保安全距离的前提下做出了更果断、流畅的驾驶决策从而实现了安全与效率的双重提升。这说明基于大量本地数据学习的策略能更好地掌握该路口“安全的激进”与“危险的保守”之间的微妙平衡。4.3 实时性保障从感知到控制的链条自动驾驶控制环的实时性至关重要。我们的CAV控制器运行在10Hz100ms周期。为了满足这一要求我们确保了输入高频车辆自身感知、CP数据、定位信息的更新频率均高于30Hz。推理高效局部智能体的模型推理平均耗时约38.4ms。输出同步将智能体的执行频率设置为10Hz与控制器周期对齐。这样从感知数据更新到智能体计算动作再到解码输出控制指令整个流程能在100ms周期内稳定完成满足了实时控制的要求。5. 挑战、局限与未来展望尽管系统在测试中表现优异但走向大规模应用仍面临诸多挑战。首要挑战是数据与泛化。目前每个智能体只针对一个特定路口训练需要大量该路口的历史数据。对于成千上万的路口逐个训练和维护成本极高。未来的方向是探索联邦学习和持续学习。多个路口的RSU可以在保护数据隐私的前提下协作训练一个更强的基础模型然后各路口再用本地数据进行微调实现“大规模预训练-本地微调”的范式。持续学习则能让智能体随着时间推移自适应交通流的变化。其次是对极端场景的覆盖。离线RL的性能严重依赖于数据集的质量。如果历史数据中从未包含某些极端情况如行人突然闯红灯、车辆逆行学习到的策略可能无法妥善处理。这需要结合规则校验、安全护栏以及在线安全监控模块。最后是系统集成与标准化的挑战。如何将这套系统与不同厂商的自动驾驶系统、不同型号的RSU以及多样化的通信模块进行标准化集成是产业落地的关键。需要推动相关接口、数据格式和通信协议的标准制定。从这次项目实践中我个人最深的一点体会是自动驾驶的终局可能不是打造一辆“全能的车”而是构建一个“智慧的路”与“聪明的车”深度协同的生态系统。我们的工作展示了通过将部分决策智能“下沉”到边缘利用本地化数据驱动的方法能够切实解决复杂场景下的自动驾驶难题。这条路虽然漫长但每一步扎实的验证都让我们离那个更安全、更高效的未来交通更近了一点。
