智能交通系統(tǒng)(Intelligent transportation systems, ITS)[1]是將先進的人工智能技術(shù)、信息處理技術(shù)、數(shù)據(jù)通訊傳輸技術(shù)、電子傳感技術(shù)、電子控制技術(shù)及計算機處理技術(shù)等有效地集成運用于整個地面交通管理系統(tǒng)而建立的一種全方位、全天候、實時、準確、高效的綜合交通運輸管理系統(tǒng).ITS能有效地利用現(xiàn)有交通設(shè)施、減少交通負荷和環(huán)境污染、保證交通安全、提高運輸效率、促進社會經(jīng)濟發(fā)展、提高人民生活質(zhì)量,并因推動社會信息化及新產(chǎn)業(yè)形成而受到各國的重視.

車聯(lián)網(wǎng)是物聯(lián)網(wǎng)技術(shù)在智能交通中的應(yīng)用[2].近年來,隨著車輛智能化與無人駕駛技術(shù)的發(fā)展,車輛對于周圍環(huán)境的感知能力、車載終端的計算與規(guī)劃能力顯著增強,信息在車與車、車與人、車與路之間共享和傳輸?shù)膶崿F(xiàn),為智能交通的全面管理與控制提供了新的科學(xué)思路與技術(shù)手段[3].然而,車聯(lián)網(wǎng)系統(tǒng)涉及到動態(tài)交通場景中人-車-路的信息傳輸、交互、重組、后臺數(shù)據(jù)分析、決策支持等多個過程.一方面,駕駛員心理與行為的高突變性、不確定性、動態(tài)性為人與車、車與車、車與外部環(huán)境的交互引入了新的復(fù)雜因素;另一方面,車內(nèi)網(wǎng)、車際網(wǎng)與車載移動網(wǎng)絡(luò)的合成不可避免地引入了社會信號[4],使車聯(lián)網(wǎng)成為一個典型的社會物理信息系統(tǒng)(Cyber-physical-social systems, CPSS)[5-6].不同于傳統(tǒng)的物理信息系統(tǒng)(Cyber-physical systems, CPS), CPSS將人及其心理和組織的因素納入系統(tǒng)之中,極大地提高了系統(tǒng)的建模復(fù)雜性,成為約束車聯(lián)網(wǎng)智能化水平的一大瓶頸.

復(fù)雜系統(tǒng)管理與控制國家重點實驗室王飛躍研究員2004年提出的“平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制”[7]一文為應(yīng)對復(fù)雜系統(tǒng)難以建模與實驗不足等問題提出了新的研究思路:集人工系統(tǒng)(Artificial systems, A)、計算實驗(Computational experiments, C)、平行執(zhí)行(Parallel execution, P)為一體的ACP平行智能方法體系.它通過數(shù)據(jù)驅(qū)動的描述智能、實驗驅(qū)動的預(yù)測智能、虛實互動反饋的引導(dǎo)智能,為不定、多樣和復(fù)雜問題(Uncertainty, diversity, complexity, UDC)提供靈捷、聚焦和收斂(Agility, focus, convergence, AFC)的解決方案,為解決復(fù)雜CPSS系統(tǒng)的建模、計算、評估與管理提供有效途徑.近年來,基于ACP的平行智能方法不斷在實踐中得以完善,逐漸發(fā)展出了平行視覺[8]、平行感知[9]、平行數(shù)據(jù)[10]、平行情報[11-12]、平行學(xué)習(xí)[13]的理論與對應(yīng)方法,在交通[14-17]、物流[18-19]、農(nóng)業(yè)[20]、能源[21]、醫(yī)療健康[22-24]、機器人[25]、區(qū)塊鏈[26-27]、無人駕駛[28-29]等領(lǐng)域得到了廣泛應(yīng)用,并取得了顯著的效果.

為此,本文嘗試將平行智能這一本世紀初提出的原創(chuàng)性研究范式引入車聯(lián)網(wǎng)領(lǐng)域,以有效解決時變、異質(zhì)、復(fù)雜交通環(huán)境下車聯(lián)網(wǎng)的建模、規(guī)劃與決策、優(yōu)化管理等問題.本文結(jié)構(gòu)安排如下,首先詳解平行智能的概念、框架、哲學(xué)基礎(chǔ)與科學(xué)思維;隨后著重介紹了平行智能在平行交通領(lǐng)域的探索與實踐;在此基礎(chǔ)上,將平行智能的架構(gòu)與體系與車聯(lián)網(wǎng)深度融合,提出平行車聯(lián)網(wǎng)的概念體系,闡述基于ACP方法的平行車聯(lián)網(wǎng)的框架、功能與流程;最后對本文工作進行總結(jié),展望未來趨勢.

1 平行智能:框架、哲學(xué)基礎(chǔ)、科學(xué)思維

平行智能是在本世紀初提出的原創(chuàng)性研究范式.它主要面向由泛在的移動智能設(shè)備以及社會信號促成的“人在環(huán)路”、兼具高度社會和工程復(fù)雜性的CPSS系統(tǒng),通過數(shù)據(jù)驅(qū)動的描述智能、實驗驅(qū)動的預(yù)測智能、虛實互動反饋的引導(dǎo)智能,為不定、多樣和復(fù)雜問題提供靈捷、聚焦和收斂的解決方案[30-31].

ACP方法是實現(xiàn)平行智能的有效途徑[32-33].通過構(gòu)建軟件定義的人工系統(tǒng)(A),對系統(tǒng)中的每個元素構(gòu)建人工對象、人工流程、人工關(guān)系,開放了復(fù)雜系統(tǒng)的組合、編程、學(xué)習(xí)與演化能力,使得系統(tǒng)的資源甚至結(jié)構(gòu)重構(gòu)成為可能;以實際系統(tǒng)運行產(chǎn)生的數(shù)據(jù)為人工系統(tǒng)的輸入,以游戲或博弈的方式進行計算實驗(C),從“小數(shù)據(jù)”生成“大數(shù)據(jù)”,而后對計算實驗的運行結(jié)果進行評估,得到特定場景下的最優(yōu)或最可行方案;平行執(zhí)行(P)則將計算實驗獲取的方案“投入”人工系統(tǒng)中,并通過預(yù)訓(xùn)練以及模型調(diào)參的方式引導(dǎo)實際逼近人工,讓“大數(shù)據(jù)”聚焦,成為針對具體問題的“小知識”,最終通過人工與實際系統(tǒng)的虛實交互與閉環(huán)反饋實現(xiàn)決策尋優(yōu)與平行調(diào)諧. ACP方法體系如圖1所示.

圖1基于ACP的平行智能架構(gòu)體系

1.1 CPSS的哲學(xué)基礎(chǔ):波普爾的三個世界

CPSS的科學(xué)哲學(xué)起源可追溯到波普爾在其1972年出版的《客觀知識》一書中提出的“三個世界”的理論[34],即世界由三部分組成:第1部分的物理世界、第2部分的心理世界和第3部分的人工世界.對此,中科院自動化研究所王飛躍研究員認為[35],經(jīng)過幾千年的發(fā)展,農(nóng)業(yè)和工業(yè)社會已全面地開發(fā)了人類的物理自然世界和精神心理世界,保障了人類的生存和發(fā)展;物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等概念的興起以及人工智能、機器人、無人駕駛等技術(shù)的再次風(fēng)靡,預(yù)示人工世界將成為人類現(xiàn)階段開發(fā)的重點,其核心任務(wù)就是深度開發(fā)數(shù)據(jù)和智力資源.為此,我們必須認識到,以人為本、面向物理世界和網(wǎng)絡(luò)空間融合的CPSS而非傳統(tǒng)的信息物理系統(tǒng)(CPS)將成為未來社會的基礎(chǔ)設(shè)施.

CPSS區(qū)別于CPS的核心要素可用“建模鴻溝”[36]來表示.在CPSS中,由于“人”與機器、流程、系統(tǒng)的深度耦合,并且人的行為具有動態(tài)性、實時性、自組織性、突變性、高度復(fù)雜性、虛實交互性等特點,系統(tǒng)表現(xiàn)出更強的UDC特征.簡言之,人類行為的加入導(dǎo)致了系統(tǒng)復(fù)雜程度的增加,使其逐漸地從簡單的物理系統(tǒng)向大型的信息系統(tǒng)發(fā)展,再向包含社會因素的復(fù)雜社會系統(tǒng)過渡,所涉及的關(guān)鍵信息也從物理信號,到網(wǎng)絡(luò)信號,再到社會信號演變;針對系統(tǒng)的行為的建模方法也從解析式的數(shù)學(xué)模型到仿真模型,再到描述型的人工模型升級;實際行為與模型行為之間的差別也越來越大,以至形成“建模鴻溝”的客觀現(xiàn)象,如圖2所示.隨著復(fù)雜性的提高,目標(biāo)與現(xiàn)實的差距“鴻溝”越來越難以跨越,因此,要求我們從利用可以控制系統(tǒng)行為的“牛頓定律”進行建模,轉(zhuǎn)向通過能夠影響系統(tǒng)行為的“默頓定律”進行描述,實現(xiàn)從傳統(tǒng)的“牛頓系統(tǒng)”思維到“默頓系統(tǒng)”思維的轉(zhuǎn)變.

圖2復(fù)雜系統(tǒng)的建模鴻溝

1.2 平行智能的科學(xué)思維:從牛頓到默頓

我們稱能夠由“牛頓定律”控制的系統(tǒng)為“牛頓系統(tǒng)”[35]. “牛頓定律”泛指包括經(jīng)典牛頓定律在內(nèi)的可通過解析的方式精確地描述系統(tǒng)行為的科學(xué)定律和公式.現(xiàn)代工程控制理論與方法,便主要是應(yīng)用于此類“牛頓系統(tǒng)”,即:給定當(dāng)前系統(tǒng)狀態(tài)與控制的條件,理論上系統(tǒng)下一步的狀態(tài)可通過求解方程準確獲得,從而精確預(yù)測系統(tǒng)的行為.牛頓系統(tǒng)建模的核心是尋求控制系統(tǒng)行為的“牛頓定律”,據(jù)此直接設(shè)計相應(yīng)的控制方法,實現(xiàn)期望的目標(biāo).

對應(yīng)的,系統(tǒng)行為能夠被“默頓定律”影響或引導(dǎo)的系統(tǒng)我們稱為“默頓系統(tǒng)”. “默頓定律”泛指以社會學(xué)家默頓命名的各種能夠引導(dǎo)系統(tǒng)行為的“自我實現(xiàn)預(yù)言”[36-37].與牛頓系統(tǒng)不同的是,即使給定其當(dāng)前狀態(tài)與控制條件,理論上系統(tǒng)下一步的狀態(tài)也無法通過求解而準確地獲得,系統(tǒng)的行為也難以被精確地預(yù)測,只可能被“人為”的假設(shè)或可能性描述.默頓系統(tǒng)建模的核心變?yōu)楦鶕?jù)目標(biāo)去設(shè)計能夠有效地影響或指導(dǎo)系統(tǒng)行為的“默頓定律”,在此基礎(chǔ)上建立圍繞目標(biāo)實現(xiàn)這一任務(wù)的人工系統(tǒng),從而直接或間接地影響“自由意志”,改變行為模式,進而通過實際系統(tǒng)與人工系統(tǒng)的平行互動,促使實際系統(tǒng)運行在期望的目標(biāo)之下.

對于牛頓系統(tǒng), “行為建模”與“目標(biāo)建?！笔且恢碌?只要系統(tǒng)本身可控,可以通過對“行為模型”的分析達到對其控制的目的,無需單獨對目標(biāo)進行建模.與牛頓系統(tǒng)不同,默頓系統(tǒng)的“行為建?！迸c“目標(biāo)建?！笔仟毩⑶也灰恢碌?必須單獨對目標(biāo)進行描述和建模,以便決定如何圍繞預(yù)定目標(biāo)對系統(tǒng)的情景和行為進行引導(dǎo)、分析、預(yù)判、歸類、實驗、評估等.

CPSS是一類典型的默頓系統(tǒng)[38-39]，面向CPSS的平行智能體系架構(gòu)如圖3所示.由于系統(tǒng)本身帶有社會空間引入的、包含人類“自由意志”的不確定性,系統(tǒng)“行為模型”的準確性和有效性高度依賴于系統(tǒng)參與人員之行為的可控性和確定性,導(dǎo)致本質(zhì)上無法對其“行為模型”進行直接控制,只能間接影響.集人工社會、計算實驗、平行執(zhí)行為一體的ACP平行智能方法為解決此類復(fù)雜系統(tǒng)問題提供了有效手段:以真實數(shù)據(jù)為驅(qū)動,通過自底向上的多智能體方法對復(fù)雜系統(tǒng)描述、建模,構(gòu)造與實際系統(tǒng)平行演化的人工系統(tǒng);以人工系統(tǒng)為“社會實驗室”,對復(fù)雜場景計算、評估、訓(xùn)練,借助人工系統(tǒng)的計算實驗使復(fù)雜問題參數(shù)化、簡單化、確定化;最終人工系統(tǒng)與實際系統(tǒng)密切相連、虛實互動,形成實時自適應(yīng)調(diào)節(jié)的平行系統(tǒng).最終實現(xiàn)數(shù)據(jù)驅(qū)動的描述智能、實驗驅(qū)動的預(yù)測智能、虛實互動反饋的引導(dǎo)智能;為不定、多樣和復(fù)雜的默頓系統(tǒng)問題提供靈捷、聚焦和收斂的解決方案.

圖3面向CPSS的平行智能體系架構(gòu)

2 平行交通:基于ACP的智能交通管理與控制

ACP平行智能方法最早被應(yīng)用于智能交通領(lǐng)域,近年來在城市區(qū)域交通、軌道交通、物流交通等諸多領(lǐng)域也得到了廣泛應(yīng)用并取得了良好的社會與經(jīng)濟效應(yīng)[14-17,30-32].本質(zhì)上,交通系統(tǒng)中的駕駛員與車、路以及交通信息網(wǎng)是一個密不可分的整體,必須使用CPSS復(fù)雜系統(tǒng)的觀念來看待.本節(jié)首先介紹平行交通的已有工作基礎(chǔ),在此基礎(chǔ)上,將平行智能方法引入車聯(lián)網(wǎng)的研究中,由此提出平行車聯(lián)網(wǎng)的體系架構(gòu).

交通系統(tǒng)是一個典型的CPSS[40]:作為一個開放的復(fù)雜系統(tǒng),交通系統(tǒng)包含了人與社會動態(tài)變化性和不可預(yù)測性,且物理過程與社會過程交叉參半,許多現(xiàn)象均是涌現(xiàn)而來,兼具典型復(fù)雜系統(tǒng)之不確定性、動態(tài)時變性及互作用性等眾多特征[41].一直以來,交通系統(tǒng)的管理與控制主要面臨兩大問題:一是傳統(tǒng)交通的數(shù)據(jù)存在很高的壁壘,交通數(shù)據(jù)難以大規(guī)模體系化獲取;二是傳統(tǒng)方法幾乎都是使用已存在的交通數(shù)據(jù)進行推理、決策,由結(jié)果去探索原因,無法全面復(fù)盤問題本質(zhì),難以從根本上解決交通問題.

基于ACP方法的平行交通系統(tǒng)使用人工交通系統(tǒng)(Artificial transportation systems, ATS)建模構(gòu)造交通的“社會實驗室”;借助計算實驗C對各種各樣的交通行為和現(xiàn)象進行“試驗”,作為實際交通情況的參考基礎(chǔ),并探索系統(tǒng)中的因果邏輯及異常情況;通過平行執(zhí)行P對計算結(jié)果加入分析和利用,以實現(xiàn)“虛實”互動的平行管理與控制,為解決上述兩個提問提供了有效方法.

在平行交通理論體系的基礎(chǔ)上,中國科學(xué)院自動化研究所團隊在2010年自主研發(fā)了平行交通系統(tǒng)PtMS[15],系統(tǒng)組成如圖4所示. PtMS由實際交通系統(tǒng)和人工交通系統(tǒng)共同組成,包括基于代理進行平行管理與控制的aDAPTS,進行交通試驗分析的DynaCAS,針對學(xué)習(xí)與培訓(xùn)的OTSt;系統(tǒng)具體涵蓋交通視頻采集與分析系統(tǒng)RoadScope,網(wǎng)絡(luò)化交通信號控制器GreenPass,人工交通系統(tǒng)TransWorld,云計算平臺,交通信息發(fā)布平臺五大模塊.平行交通原型系統(tǒng)的設(shè)計、開發(fā)與研究利用多學(xué)科、跨領(lǐng)域、綜合性的復(fù)雜系統(tǒng)方法研究交通系統(tǒng),開辟了智能交通研究的新思路,并在江蘇太倉[15]、廣州亞運會[42]以及山東青島[43]等地得到了應(yīng)用實踐,取得了良好的運行效果.

圖4平行交通系統(tǒng)PtMS組成

近年來,隨著計算機、數(shù)據(jù)通信、智能傳感等技術(shù)的發(fā)展以及移動智能終端的泛在使用,大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)、社會網(wǎng)絡(luò)以及人工智能等技術(shù)進一步被集成在交通運輸、服務(wù)推薦、車輛管理等整個地面交通管理系統(tǒng)中.這一方面加強了駕駛員、車輛、道路以及交通服務(wù)提供商之間的聯(lián)系,使得一種全方位發(fā)揮作用、移動指揮與管理、多交通信息系統(tǒng)深度融合的“多位一體”綜合交通運輸管理系統(tǒng)[43]正在形成;另一方面,社會網(wǎng)絡(luò)以及人工智能技術(shù)的發(fā)展進一步促進了個人信息終端與車載終端的深度融合,人類行為的復(fù)雜性、突變性、高度動態(tài)性、自組織性等特征通過車輛在交通系統(tǒng)中被延伸甚至放大.這即要求,智能交通系統(tǒng)不僅需要對人-車對象進行組織與管理,還需要將人-車對象作為一個整體考慮其與路邊單元以開放社會環(huán)境的協(xié)同.車聯(lián)網(wǎng)作為一種協(xié)同多人、多車、多路邊單元與開放環(huán)境的可計算、可控、可管理、可引導(dǎo)、可信的開放融合網(wǎng)絡(luò)系統(tǒng),為未來綜合交通系統(tǒng)的智能管理與控制提供了新的思路與途徑.

3 平行車聯(lián)網(wǎng):概念、框架、功能與流程

平行車聯(lián)網(wǎng)的基本思路是將基于ACP平行智能方法引入車聯(lián)網(wǎng)系統(tǒng),在物理和網(wǎng)絡(luò)空間數(shù)據(jù)的驅(qū)動下,結(jié)合無線通信、多智能體建模、計算機圖形學(xué)、虛擬現(xiàn)實、機器學(xué)習(xí)、社會網(wǎng)絡(luò)分析等技術(shù),借助軟件定義的對象(Software-defined objects, SDO)、軟件定義的關(guān)系(Software-defined relationships, SDR)、軟件定義的流程(Software-defined processes, SDP)等,針對物理空間中的車-人(V2P)、車-車(V2V)、車-基礎(chǔ)設(shè)施(V2I)等對象及其雙向通信構(gòu)建與之對偶、互逆、平行的人工過程,而后利用人工系統(tǒng)、計算實驗與平行執(zhí)行的范式來建立虛實交互、協(xié)同演化、閉環(huán)反饋的平行車聯(lián)網(wǎng),實現(xiàn)交通系統(tǒng)智能管理、社會信息動態(tài)服務(wù)和車輛智能控制的一體化網(wǎng)絡(luò).本節(jié)首先對已有的車聯(lián)網(wǎng)相關(guān)工作進行介紹,在此基礎(chǔ)之上提出平行車聯(lián)網(wǎng)的概念與基本框架,并闡釋其系統(tǒng)功能與運作流程.

3.1車聯(lián)網(wǎng)基本概念與架構(gòu)

車聯(lián)網(wǎng)是物聯(lián)網(wǎng)在交通領(lǐng)域中的具體實現(xiàn),具有明顯的物聯(lián)網(wǎng)屬性,是一種典型的復(fù)雜網(wǎng)絡(luò)系統(tǒng)[2].其體系架構(gòu)與物聯(lián)網(wǎng)有許多共同之處,目前文獻中大多將車聯(lián)網(wǎng)分為車載端、通信層、云管層等3層架構(gòu):車載端同時負責(zé)感知收集信息以及提供應(yīng)用服務(wù);通信層傳輸信息;云管層依據(jù)業(yè)務(wù)及場景需求進行數(shù)據(jù)分析、計算與建模,為車載端應(yīng)用服務(wù)提供后臺支撐.層層相連,每一層為其上層提供信息與決策支持,如圖5所示.

圖5車聯(lián)網(wǎng)基本架構(gòu)體系

感知及服務(wù)層一方面通過射頻識別RFID (Radio frequency identification)、GPS (Global positioning system)、車載雷達、攝像頭、車載娛樂設(shè)施等傳感器采集車輛、道路、環(huán)境以及駕駛員信息,另一方面也通過各類車載傳感器為駕駛員提供娛樂、行車安全以及交通環(huán)境監(jiān)測識別等服務(wù),是智能駕駛決策、智能交通管控、車載信息服務(wù)等車聯(lián)網(wǎng)服務(wù)的基礎(chǔ).通信層利用網(wǎng)絡(luò)傳輸與數(shù)據(jù)通信技術(shù),實現(xiàn)車輛聯(lián)網(wǎng);同時根據(jù)網(wǎng)絡(luò)負載狀況和接入資源限制,建立穩(wěn)定、安全、高質(zhì)量的信息傳送通道.常見通信形式包括:車與人(V2I)、車與車(V2V)、車與路邊基礎(chǔ)設(shè)施(V2I)、車與移動基站、車與數(shù)據(jù)中心的通信.云管層以“車端簡單、云端復(fù)雜”的方式,融合物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、社會網(wǎng)、智聯(lián)網(wǎng)的傳輸數(shù)據(jù),利用邊緣計算、云計算、社會計算以及普適計算等技術(shù),從全網(wǎng)范圍內(nèi)對資源需求進行解析、計算并調(diào)配,實現(xiàn)對特定場景、任務(wù)、服務(wù)的精準認知,以達到有效減少交通擁堵、提高出行效率、綠色出行的目的.

很明顯,車聯(lián)網(wǎng)是一個典型的“人在環(huán)內(nèi)”的CPSS系統(tǒng).其中每一個行人、車輛、路側(cè)設(shè)施、移動基站都可以抽象為車聯(lián)網(wǎng)中的節(jié)點,通過社會網(wǎng)、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)等的連接,互動連接構(gòu)成社群,為車聯(lián)網(wǎng)服務(wù)提供支持.作為一個特殊的復(fù)雜網(wǎng)絡(luò),車聯(lián)網(wǎng)系統(tǒng)元素的多樣性、時變性、分布式的結(jié)構(gòu)及參與個體行為的不確定性、復(fù)雜性、多樣性,導(dǎo)致其內(nèi)在的動力學(xué)機制極為難以理解.同時,智能駕駛技術(shù)所促成的“人車共駕”形態(tài)將會是未來較長時間內(nèi)的一種典型現(xiàn)象,這不僅需要考慮駕駛員行為高突變性、不確定性、動態(tài)性等復(fù)雜因素以及意圖、習(xí)慣難以理解等問題;與此同時,車內(nèi)網(wǎng)、車際網(wǎng)與車載移動網(wǎng)絡(luò)的耦合所引入的眾多社會信號(Social signal)也為復(fù)雜交通的管理帶來了新的挑戰(zhàn).

3.2平行車聯(lián)網(wǎng)框架、功能與流程

基于ACP的平行混合智能管理與控制研究方法,本文引入復(fù)雜網(wǎng)絡(luò)分析的方法對車聯(lián)網(wǎng)進行解析,綜合考慮信息、心理、仿真、決策的多元融合,以可計算、可實現(xiàn)、可比較的方式對復(fù)雜車聯(lián)網(wǎng)系統(tǒng)不同層次的結(jié)構(gòu)和功能特性進行解析,為研究復(fù)雜系統(tǒng)的控制與管理提供了新思路及方法.它以CPSS復(fù)雜系統(tǒng)為對象,將理論研究、實驗方法和計算技術(shù)三種科學(xué)手段相結(jié)合,提高了對復(fù)雜系統(tǒng)要素相互作用的動態(tài)演化規(guī)律的認識分析能力,增強了復(fù)雜系統(tǒng)對象應(yīng)對各種變化和非正常狀態(tài)的管控能力,為復(fù)雜系統(tǒng)的管理與控制提供了一個有效的創(chuàng)新技術(shù)手段.

融合人工車聯(lián)網(wǎng)、計算實驗、平行執(zhí)行三大部分的基于社會物理信息系統(tǒng)(CPSS)的平行車聯(lián)網(wǎng)框架如圖6所示.

圖6平行車聯(lián)網(wǎng)基本框架

本文提出的平行車聯(lián)網(wǎng)架構(gòu)是ACP方法在車聯(lián)網(wǎng)領(lǐng)域的推廣,目標(biāo)是理解車聯(lián)網(wǎng)不同層次的結(jié)構(gòu)和功能特性以及內(nèi)在動力學(xué)特性,為混合交通形態(tài)下的系統(tǒng)管理提供科學(xué)的解決方案.總體上,平行車聯(lián)網(wǎng)的ACP由“三步曲”組成.

3.2.1 第一步:人工車聯(lián)網(wǎng), “生長型”系統(tǒng)模型構(gòu)建與培育

人工車聯(lián)網(wǎng)本質(zhì)是利用人工社會[44]的理論與方法,借助知識表示(Knowledge representation)與知識工程(Knowledge engineering)等手段,針對車聯(lián)網(wǎng)包含的各類元素及問題,構(gòu)建可計算、可重構(gòu)、可編程的軟件定義的對象(Software-defined objects, SDO)、軟件定義的流程(Software-defined processes, SDP)、軟件定義的場景(Software-defined scenes, SDS),進而通過對象的流程組合等方式搭建、培育“軟件定義的車聯(lián)網(wǎng)”,通過對成千上萬的交通場景進行集成,使之成為智能交通“計算實驗室”,進行車聯(lián)網(wǎng)復(fù)雜問題和決策的計算實驗,一個人工車聯(lián)網(wǎng)系統(tǒng)至少包括如圖7所示部分.

圖7人工車聯(lián)網(wǎng)子系統(tǒng)組成

采用自底向上的多智能體方法對系統(tǒng)建模,系統(tǒng)中至少有八類智能體對象:人工人、人工車、人工道路、人工路邊單元、人工基站、人工建筑;每類智能體具有簡單的計算與交互能力.同時將天氣和時間因素分別表示為一類特殊智能體,考慮時間與光照、雨、雪、風(fēng)、霧等天氣情況的組合情況,通過定義智能體之間的交互規(guī)則、組織規(guī)則與協(xié)同行為規(guī)則,構(gòu)建適用于不同真實交通場景及其規(guī)范下的人工車聯(lián)網(wǎng)子系統(tǒng),如圖7所示.

已有一些工作通過構(gòu)建數(shù)字化的虛擬人工車輛、人工人口、人工場景等對復(fù)雜交通系統(tǒng)的動力學(xué)機制進行分析與實驗.王飛躍等早在2003年[45]即提出在智能交通系統(tǒng)中嵌入數(shù)字汽車/公路技術(shù),通過向司機提醒潛在駕駛威脅以提高行駛安全,引導(dǎo)安全駕駛行為;隨后在2004年[46]提出了人工交通系統(tǒng)(Artificial transportation systems, ATS)的基本思想與框架體系以及針對復(fù)雜交通系統(tǒng)管理與控制的ACP方法[33].朱鳳華等[47]將整個交通系統(tǒng)看作是一個時序通信系統(tǒng),采用Petri網(wǎng)的方法對ATS中的交互與流程進行建模,以模擬復(fù)雜交通系統(tǒng)中的交互行為,為物理交通系統(tǒng)的管控提供科學(xué)計算的策略支持.繆青海等設(shè)計了一種基于對等計算的ATS[48],借助JXTA體系構(gòu)架,利用P2P通訊機制構(gòu)建ATS,并通過仿真實例驗證了該方法的可行性,為數(shù)字化智能交通計算實驗室的構(gòu)建提供了方法基礎(chǔ). Li等對ATS的生長模型進行了探索,引入多智能體建模方法,設(shè)計了一種基于規(guī)則迭代演化的ATS[49]. Qu等[50]提出智能交通空間的概念,明確了交通系統(tǒng)的CPSS特性,并強調(diào)需要全面考慮行人、車輛、路邊單元、移動基站、衛(wèi)星等交通因素的交互,構(gòu)建與真實物理空間相對應(yīng)的虛擬智能交通空間,進而借助虛擬空間中的策略計算、試驗與評估,發(fā)現(xiàn)適用于物理空間交通系統(tǒng)的管控策略. Miao等[51]設(shè)計了一種面向Agent的模塊化分布式仿真平臺,以進行人工交通系統(tǒng)的建模和計算.通過將人工人口設(shè)計為游戲中的角色,利用Delta3D游戲引擎和Delta3D的動態(tài)角色層機制構(gòu)建3D仿真環(huán)境以及管理所有移動角色(包括車輛、行人等). Sewall等在文獻[52]中基于離散時空數(shù)據(jù)來重建和可視化連續(xù)交通流,使用戶能夠在虛擬世界中觀看虛擬化交通事件.該方法能夠重建交通流,實現(xiàn)虛擬城市的沉浸式可視化.這些工作雖然不是直接圍繞車聯(lián)網(wǎng)研究展開,但對人工車聯(lián)網(wǎng)的構(gòu)建頗具啟發(fā)意義.

相對于實際車聯(lián)網(wǎng)系統(tǒng),人工車聯(lián)網(wǎng)中的車輛行為的產(chǎn)生、交互和演化過程是完備的,它一方面極大地彌補了實際車聯(lián)網(wǎng)數(shù)據(jù)(特別是極端環(huán)境數(shù)據(jù)與異常情景數(shù)據(jù))的不足;另一方面借助統(tǒng)計機器學(xué)習(xí)、數(shù)據(jù)挖掘、深度學(xué)習(xí)等方法對實際車聯(lián)網(wǎng)數(shù)據(jù)的參數(shù)學(xué)習(xí)確定人工車聯(lián)網(wǎng)系統(tǒng)的初始狀態(tài)參數(shù),同時結(jié)合規(guī)則學(xué)習(xí)方法自動提取智能體的行為規(guī)則,進而利用自底向上的多智能體方法對人工車聯(lián)網(wǎng)中的對象及其之間的相互作用進行建模.這樣利用大型計算機和多智能體技術(shù)“培育生長”起來的人工車聯(lián)網(wǎng)系統(tǒng),能夠模擬并“實播”實際交通系統(tǒng)的各種靜態(tài)和動態(tài)特征,例如通過駕駛員Agent與車輛Agent的交互,來模擬學(xué)習(xí)駕駛員的行為特征;通過車輛Agent與路段Agent的交互,實現(xiàn)交通環(huán)境感知等等.這種通過大型人工場景的設(shè)計來“形象”且“參數(shù)化”地解釋“源起于微觀的復(fù)雜宏觀現(xiàn)象”,可以更好地解釋復(fù)雜車聯(lián)網(wǎng)系統(tǒng)不同層次的結(jié)構(gòu)、功能及其動力學(xué)特性,如圖8所示.

圖8基于多智能體建模的人-車-路互動示意圖

3.2.2第二步:計算實驗,智能車輛網(wǎng)聯(lián)管理與控制策略的試驗與評估

計算實驗的主要目的是借助人工車聯(lián)網(wǎng)這個數(shù)字化的“計算實驗室”,設(shè)計各類智能體的數(shù)量組合策略及時序互動規(guī)則,生成各類復(fù)雜交通場景,以計算的手段讓車輛通過做實驗的方式在其中運行、學(xué)習(xí),并對其學(xué)習(xí)到的“經(jīng)驗知識”的適用情況進行逆向分析與評估,使人工車輛在虛擬交通實驗室的人工場景中“跑”出真正適用于不同真實交通場景的駕駛策略.圖9闡釋了“計算實驗室”中的實驗設(shè)計方式.

圖9“計算實驗室”中實驗設(shè)計示意

該環(huán)節(jié)的主要步驟包括:借助數(shù)據(jù)挖掘、機器學(xué)習(xí)與統(tǒng)計分析等技術(shù),對運行于物理世界中的車聯(lián)網(wǎng)進行特征與規(guī)則提取,構(gòu)建真實車聯(lián)網(wǎng)數(shù)據(jù)支持中心;隨后利用提取的人-車、車-車、車-路邊單元的運營及交互規(guī)則對人工車聯(lián)網(wǎng)及其場景進行構(gòu)建,首先實現(xiàn)對真實車聯(lián)網(wǎng)運行情況的模擬;在此基礎(chǔ)之上,可圍繞特定的場景與目標(biāo)進行實驗設(shè)計,從而對特定的管理與控制策略進行測試與評估,若某一策略滿足預(yù)定義的目標(biāo),則可投放于物理車聯(lián)網(wǎng)中,引導(dǎo)其運營.其實驗架構(gòu)如圖10所示.通過構(gòu)建這樣一種基于復(fù)雜自適應(yīng)系統(tǒng)的動態(tài)網(wǎng)絡(luò)分配方法來設(shè)計、執(zhí)行、評估并驗證車聯(lián)網(wǎng)計算實驗,來學(xué)習(xí)已有的以及預(yù)測可能會出現(xiàn)的交通模式,可以在棘手的交通模式出現(xiàn)之前,通過交通信息的分發(fā)與社會引導(dǎo),進行有效預(yù)防.

圖10基于復(fù)雜自適應(yīng)系統(tǒng)的動態(tài)網(wǎng)絡(luò)分配方法的計算實驗

在圖10所示的計算實驗體系中,主要有兩種操作模式:學(xué)習(xí)與訓(xùn)練、實驗與評估.目前已有許多工作圍繞智能駕駛的虛擬學(xué)習(xí)、訓(xùn)練、測試、評估等工作展開,通過使車輛在集成了大量人工場景的虛擬交通環(huán)境中“駕駛”,在車輛上路前賦予其感知復(fù)雜環(huán)境并認知復(fù)雜場景的能力,為平行車聯(lián)網(wǎng)的計算實驗工作提供了許多可借鑒的方法.早在2003年,王飛躍等[53]即提出“數(shù)字試車場(Digital-vehicle proving ground, DVPG)”的概念,指出DVPG能夠以主動交互或被動接受的方式產(chǎn)生測試任務(wù),并至少滿足兩種類型的服務(wù):標(biāo)準測試以及特定測試,對無人駕駛車輛進行訓(xùn)練與評估.清華大學(xué)李力等于2016年6月發(fā)表于IEEE Transactions on Intelligent Vehicles上的文章[54]通過集成基于場景的測試(Scenario-based tests)與基于功能的測試(Functionality-based tests)方法,提出了一種虛實一體的智能測試新框架;隨后在此基礎(chǔ)上發(fā)展出一種“平行學(xué)習(xí)”[55]新手段,通過使用狀態(tài)遷移來刻畫系統(tǒng)變化,使車輛從虛擬交通場景中學(xué)習(xí)獲取駕駛經(jīng)驗,甚至識別特定的“交通/駕駛模式”,一旦感知到某些“局部特征”,即可預(yù)測整體的交通情況或駕駛狀態(tài),從而預(yù)調(diào)整自身的駕駛決策與路徑規(guī)劃. Alphabet旗下谷歌無人駕駛子公司W(wǎng)aymo的Carcraft與Carcastle項目,通過構(gòu)建虛擬城市與虛擬空間為智能車輛提供駕駛學(xué)習(xí)環(huán)境,使得車輛“不是‘像’在外面的真實世界中進行駕駛決策,而就‘是’在外面的真實世界中決策”[56].中國科學(xué)院自動化研究所王坤峰等[57]近來也提出一種使用“虛擬圖像”來訓(xùn)練并測試檢測物體的方法,一方面彌補了真實數(shù)據(jù)集的不足,另一方面為檢測視覺識別算法提供了新的數(shù)據(jù),可幫助算法更好地學(xué)習(xí)與演化,與Waymo的方法異曲同工;該團隊還建立了開源的平行視覺研究平臺(http://openpv.cn),以促進平行視覺的研究[58].來自卡內(nèi)基梅隆大學(xué)、Petuum公司的Yang等學(xué)者則提出了一種“現(xiàn)實域到虛擬域統(tǒng)一的無監(jiān)督方法”[59],使用條件生成對抗網(wǎng)絡(luò)來將真實域中的駕駛圖像變換到虛擬領(lǐng)域中的規(guī)范表示,并從中預(yù)測車輛控制命令以提高車輛指令預(yù)測任務(wù)的性能.

計算實驗是平行智能非常重要的一個環(huán)節(jié).在復(fù)雜實際車聯(lián)網(wǎng)中,我們難以獲得車聯(lián)網(wǎng)中各對象狀態(tài)、組織行為、演化過程的完備數(shù)據(jù),但人工車聯(lián)網(wǎng)能夠模擬整個車聯(lián)網(wǎng)系統(tǒng),在“學(xué)習(xí)與訓(xùn)練”模式下,自動習(xí)得或生成精確的標(biāo)注信息,使得原本因需要付出巨大經(jīng)濟代價或系統(tǒng)太過復(fù)雜而無法進行的實驗通過計算的手段得以順利進行.同時,通過計算實驗,我們就能面向具體應(yīng)用,如特定交通場景、特定駕駛功能、特定交通任務(wù),從全局優(yōu)化的角度對人工車聯(lián)網(wǎng)進行專項訓(xùn)練;同時在“實驗與評估”操作模式下,利用人工車聯(lián)網(wǎng)的運行結(jié)果,全面評價其在復(fù)雜情況下的表現(xiàn)性能以及危險程度.

3.2.3第三步:平行執(zhí)行,車聯(lián)網(wǎng)的智能引導(dǎo)管理與控制

平行車聯(lián)網(wǎng)綜合考慮車內(nèi)網(wǎng)、車際網(wǎng)、車路網(wǎng)以及社會網(wǎng)的平行,如圖11所示.通過構(gòu)建與物理空間車聯(lián)網(wǎng)相對應(yīng)的虛擬人工車聯(lián)網(wǎng),借助計算實驗的手段,即可設(shè)計面向復(fù)雜交通系統(tǒng)的可重復(fù)、可配置、可計算、可引導(dǎo)的車聯(lián)網(wǎng)管理與控制實驗,有效評測、預(yù)估并引導(dǎo)實際車聯(lián)網(wǎng)運營狀態(tài).此時,計算實驗的結(jié)果不再僅僅是對實際運行情況的“仿真”,而是成為了系統(tǒng)運行狀態(tài)的一種可能結(jié)果[60].一方面,實際車聯(lián)網(wǎng)向平行車聯(lián)網(wǎng)提供真實數(shù)據(jù)信息,提供建立、調(diào)整及優(yōu)化人工車聯(lián)網(wǎng)模型的狀態(tài)參數(shù);計算實驗利用輸入的真實數(shù)據(jù)進行模型訓(xùn)練,生成大量“人工數(shù)據(jù)”,在真實“小數(shù)據(jù)”與人工“大數(shù)據(jù)”組成的“混合海量數(shù)據(jù)”中進行大量的學(xué)習(xí),提高并優(yōu)化系統(tǒng)的場景學(xué)習(xí)與情景認知能力;另一方面,通過虛擬現(xiàn)實平行執(zhí)行的方式,人工車聯(lián)網(wǎng)中的計算實驗結(jié)果將被反饋給實際車聯(lián)網(wǎng),進行實時且在線的借鑒、預(yù)估與引導(dǎo),循環(huán)往復(fù),協(xié)同優(yōu)化.

圖11平行車聯(lián)網(wǎng)架構(gòu)

平行車輛作為CPSS空間中聯(lián)通基礎(chǔ)設(shè)施網(wǎng)絡(luò)與人類社會網(wǎng)絡(luò)的人車協(xié)同個體,是解決車聯(lián)網(wǎng)中人-車協(xié)同以及單車與車群協(xié)同問題的關(guān)鍵[61-62].人車協(xié)同單元通過車內(nèi)的人-車交互手段,實現(xiàn)協(xié)同感知、規(guī)劃與決策;通過車際網(wǎng)提供的車-環(huán)境直接交互和車載移動互聯(lián)網(wǎng)提供的間接交互,實現(xiàn)車聯(lián)網(wǎng)環(huán)境元素之間的信息感知控制與反饋;通過社會網(wǎng)提供的生活服務(wù)交互,保障社會需求與關(guān)系在車聯(lián)網(wǎng)中的延伸與實現(xiàn).同時,人工車輛在虛擬交通空間中可以不受物理空間位置的限制、能源的限制、數(shù)據(jù)通信瓶頸的約束,與其他人工車輛進行交互,以眾包的方式完成路網(wǎng)環(huán)境數(shù)據(jù)采集、協(xié)同路徑規(guī)劃、復(fù)雜場景感知與情景認知等任務(wù).

在平行車聯(lián)網(wǎng)中,虛擬車輛通過平行感知、平行學(xué)習(xí)、平行駕駛、平行規(guī)劃與平行測試的方法保障人工車聯(lián)網(wǎng)與實際車聯(lián)網(wǎng)的實時信息交互、策略反饋及雙向優(yōu)化,提升智能網(wǎng)聯(lián)汽車在感知、決策與規(guī)劃和控制等關(guān)鍵領(lǐng)域的性能表現(xiàn),實現(xiàn)對不同層次需求、不同服務(wù)內(nèi)涵的整體網(wǎng)絡(luò)資源及交通資源的優(yōu)化管理與配置,從而更好地滿足不斷提高的車聯(lián)網(wǎng)系統(tǒng)的控制與管理需求,為涵蓋不同自動化層級的智能網(wǎng)聯(lián)汽車系統(tǒng)和未來智能交通提供一套智能融合解決方案及框架[63-64].

近年來出現(xiàn)的AlphaGo可被視為平行學(xué)習(xí)、平行評估與平行決策的最佳示例. AlphaGo以人類棋手真實歷史棋局的“小數(shù)據(jù)”為輸入,通過“左右互搏”式的計算實驗來進行自博弈、自適應(yīng)和自演化,生成大量的由真實棋局和虛擬棋局組成的“混合大數(shù)據(jù)”;再通過算法對棋盤局勢(潛在結(jié)果)進行評估,得出落子的價值及其行為策略的效率等“小知識”,并通過與人類棋手的不斷對弈實現(xiàn)平行進化.人工車輛與實際車輛也遵循這一過程(如圖12所示),通過虛實互動、平行執(zhí)行,為實現(xiàn)高效、在線、實時的雙向反饋機制以及對實際車聯(lián)網(wǎng)的監(jiān)控預(yù)警與反饋支持提供了保障.

圖12平行車輛的虛實互動、平行執(zhí)行

4 總結(jié)與展望

本文從CPSS的角度對車聯(lián)網(wǎng)進行系統(tǒng)化分析,將平行智能理論與ACP方法推廣應(yīng)用于車聯(lián)網(wǎng)領(lǐng)域,提出了一種新型的平行車聯(lián)網(wǎng)架構(gòu),并對其構(gòu)建方法進行了深入探討.平行車聯(lián)網(wǎng)綜合數(shù)據(jù)挖掘、機器學(xué)習(xí)、人工智能、虛擬現(xiàn)實、知識自動化等技術(shù),綜合考慮信息、心理、仿真、決策的多元融合,以可計算、可實現(xiàn)、可比較的方式對復(fù)雜車聯(lián)網(wǎng)系統(tǒng)不同層次的結(jié)構(gòu)和功能特性進行解析,為未來交通的智能管理與控制提供了新思路及方法.

然而,車聯(lián)網(wǎng)是一種涉及到多方個體行為的復(fù)雜系統(tǒng),引導(dǎo)策略最終是否生效與駕駛員、管理員是否完全按方案執(zhí)行有很大關(guān)系.在實際車聯(lián)網(wǎng)中,用戶由于主觀或者客觀因素,并非一定會完全按照車聯(lián)網(wǎng)的優(yōu)化方案執(zhí)行,如何計算并根據(jù)社會可接受度(Social acceptance)來靈活調(diào)整和分配可用資源、發(fā)布引導(dǎo)信息將是平行車輛網(wǎng)需要解決的最具挑戰(zhàn)且重要的問題之一.

現(xiàn)階段,平行駕駛、平行學(xué)習(xí)與平行測試的研究已經(jīng)引起了國際同行的高度重視,隨著相關(guān)技術(shù)的進一步發(fā)展,平行車聯(lián)網(wǎng)作為一個集成驗證平臺,必將成為未來智能交通系統(tǒng)研究的一個重要方向.結(jié)合不斷發(fā)展的無人駕駛技術(shù)與日益豐富的業(yè)務(wù)需求,平行車聯(lián)網(wǎng)將會有更為廣闊的研究空間與更具潛力的應(yīng)用前景.

參考文獻

1Lu Hua-Pu, Sun Zhi-Yuan, Qu Wen-Cong. Big data and its applications in urban intelligent transportation system. Journal of Transportation Systems Engineering and Information Technology, 2015, 15(5): 45-52.

(陸化普,孫智源,屈聞聰.大數(shù)據(jù)及其在城市智能交通系統(tǒng)中的應(yīng)用綜述.交通運輸系統(tǒng)工程與信息, 2015, 15(5): 45-52. DOI:10.3969/j.issn.1009-6744.2015.05.007)

2 Li Jing-Lin, Yuan Quan, Yang Fang-Chun. Crowd sensing and service in internet of vehicles. ZTE Technology Journal, 2015, 21(6): 6-9.

(李靜林,袁泉,楊放春.車聯(lián)網(wǎng)群智感知與服務(wù).中興通訊技術(shù), 2015, 21(6): 6-9. DOI:10.3969/j.issn.1009-6868.2015.06.002)

3 Han S S, Wang F Y, Wang Y C, Cao D P, Li L. Parallel vehicles based on the ACP theory: safe trips via self-driving. In: Proceedings of the 2017 IEEE Intelligent Vehicles Symposium (Ⅳ). Los Angeles, CA, USA: IEEE, 2017. 20-25

4 Wang Fei-Yue. A framework for social signal processing and analysis: from social sensing networks to computational dialectical analytics. Scientia Sinica: Informations, 2013, 43(12): 1598-1611.

(王飛躍.社會信號處理與分析的基本框架:從社會傳感網(wǎng)絡(luò)到計算辯證解析方法.中國科學(xué):信息科學(xué), 2013, 43(12): 1598-1611.)

5 Wang F Y. The emergence of intelligent enterprises: from CPS to CPSS. IEEE Intelligent Systems, 2010, 25(4): 85-88. DOI:10.1109/MIS.2010.104

6 Zeng J, Yang L T, Lin M, Ning H S, Ma J H. A survey: cyber-physical-social systems and their system-level design methodology. Future Generation Computer Systems. DOI:10.1016/j.future.2016.06.034

7 Wang Fei-Yue. Parallel system methods for management and control of complex systems. Control and Decision, 2004, 19(5): 485-489.

(王飛躍.平行系統(tǒng)方法與復(fù)雜系統(tǒng)的管理和控制.控制與決策, 2004, 19(5): 485-489. DOI:10.3321/j.issn:1001-0920.2004.05.002)

8 Wang Kun-Feng, Gou Chao, Wang Fei-Yue. Parallel vision: an ACP-based approach to intelligent vision computing. Acta Automatica Sinica, 2016, 42(10): 1490-1500.

(王坤峰,茍超,王飛躍.平行視覺:基于ACP的智能視覺計算方法.自動化學(xué)報, 2016, 42(10): 1490-1500.)

9 Meng Xiang-Bing, Wang Rong, Zhang Mei, Wang Fei-Yue. Parallel perception: an ACP-based approach to visual SLAM. Journal of Command and Control, 2017, 3(4): 350-358.

(孟祥冰,王蓉,張梅,王飛躍.平行感知: ACP理論在視覺SLAM技術(shù)中的應(yīng)用.指揮與控制學(xué)報, 2017, 3(4): 350-358. DOI:10.3969/j.issn.2096-0204.2017.04.0350)

10 Liu Xin, Wang Xiao, Zhang Wei-Shan, Wang Jian-Ji, Wang Fei-Yue. Parallel data: from big data to data intelligence. Pattern Recognition and Artificial Intelligence, 2017, 30(8): 673-681.

(劉昕,王曉,張衛(wèi)山,汪建基,王飛躍.平行數(shù)據(jù):從大數(shù)據(jù)到數(shù)據(jù)智能.模式識別與人工智能, 2017, 30(8): 673-681.)

11 Wang Fei-Yue. H.S.Tsien's concept for intelligence and parallel intelligence: from LASER to inspiritment. Acta Automatica Sinica, 2015, 41(6): 1053-1061.

(王飛躍.從激光到激活:錢學(xué)森的情報理念與平行情報體系.自動化學(xué)報, 2015, 41(6): 1053-1061.)

12 Wang Fei-Yue. Intelligence 5.0: parallel intelligence in parallel age. Journal of Information, 2015, 34(6): 563-574.

(王飛躍.情報5.0:平行時代的平行情報體系.情報學(xué)報, 2015, 34(6): 563-574. DOI:10.3772/j.issn.1000-0135.2015.006.001)

13 Li Li, Lin Yi-Lun, Cao Dong-Pu, Zheng Nan-Ning, Wang Fei-Yue. Parallel learning: a new framework for machine learning. Acta Automatica Sinica, 2017, 43(1): 1-8.

(李力,林懿倫,曹東璞,鄭南寧,王飛躍.平行學(xué)習(xí)-機器學(xué)習(xí)的一個新型理論框架.自動化學(xué)報, 2017, 43(1): 1-8. DOI:10.3969/j.issn.1003-8930.2017.01.001)

14 Liu Teng, Yu Hui-Long, Tian Bin, Ai Yun-Feng, Chen Long. Intelligent Command and Control Systems for Intelligent Vehicles: Primary Methods and Systemic Construction. Journal of Command and Control, 2018, 4(1): 22-31.

(劉騰,于會龍,田濱,艾云峰,陳龍.智能車的智能指揮與控制:基本方法與系統(tǒng)結(jié)構(gòu).指揮與控制學(xué)報, 2018, 4(1): 22-31. DOI:10.3969/j.issn.2096-0204.2018.01.0022)

15 Wang F Y. Parallel control and management for intelligent transportation systems: concepts, architectures, and applications. IEEE Transactions on Intelligent Transportation Systems, 2010, 11(3): 630-638. DOI:10.1109/TITS.2010.2060218

16 Lv Yi-Sheng, Ou Yan, Tang Shu-Ming, Zhu Feng-Hua, Zhao Hong-Xia. Computational experiments of evaluating road network traffic conditions based on artificial transportation systems. Journal of Jilin University: Engineering and Technology Edition, 2009, 39(S2): 87-90.

(呂宜生,歐彥,湯淑明,朱鳳華,趙紅霞.基于人工交通系統(tǒng)的路網(wǎng)交通運行狀況評估的計算實驗.吉林大學(xué)學(xué)報(工學(xué)版), 2009, 39(S2): 87-90.)

17 Ning Bing, Wang Fei-Yue, Dong Hai-Rong, Li Run-Mei, Wen Ding, Li Li. Parallel systems for urban rail transportation based on ACP approach. Journal of Transportation Systems Engineering and Information Technology, 2010, 10(6): 22-28.

(寧濱,王飛躍,董海榮,李潤梅,文丁,李莉.基于ACP方法的城市軌道交通平行系統(tǒng)體系研究.交通運輸系統(tǒng)工程與信息, 2010, 10(6): 22-28. DOI:10.3969/j.issn.1009-6744.2010.06.003)

18 Wang Fei-Yue, Dai Ru-Wei, Zhang Si-Ying, Chen Guo-Liang, Tang Shu-Ming, Yang Dong-Yuan, et al. A complex system approach for studying sustainable and integrated development of metropolitan transportation, logistics and ecosystems. Complex Systems and Complexity Science, 2004, 1(2): 60-69.

(王飛躍,戴汝為,張嗣瀛,陳國良,湯淑明,楊東援,等.關(guān)于城市交通、物流、生態(tài)綜合發(fā)展的復(fù)雜系統(tǒng)研究方法.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2004, 1(2): 60-69. DOI:10.3969/j.issn.1672-3813.2004.02.009)

19 Shen D Y, Wang X, Wang J, Guan X Y, Yang P H, Xu L. Parallel intermodal road-rail transportation system based on ACP approach. In: Proceedings of the 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC). Banff, Canada: IEEE, 2017. 444-449 https://www.researchgate.net/publication/321411352_Parallel_intermodal_road-rail_transportation_system_based_on_acp_approach

20 Kang M Z, Wang F Y. From parallel plants to smart plants: intelligent control and management for plant growth. IEEE/CAA Journal of Automatica Sinica, 2017, 4(2): 161-166. DOI:10.1109/JAS.2017.7510487

21 Deng Jian-Ling, Wang Fei-Yue, Chen Yao-Bin, Zhao Xiang-Yang. From industries 4.0 to energy 5.0: concept and framework of intelligent energy systems. Acta Automatica Sinica, 2015, 41(12): 2003-2016.

(鄧建玲,王飛躍,陳耀斌,趙向陽.從工業(yè)4.0到能源5.0:智能能源系統(tǒng)的概念、內(nèi)涵及體系框架.自動化學(xué)報, 2015, 41(12): 2003-2016.)

22 Wang F Y, Wong P K. Intelligent systems and technology for integrative and predictive medicine: an ACP approach. ACM Transactions on Intelligent Systems and Technology, 2013, 4(2).

23 Wang Fei-Yue, Zhang Mei, Meng Xiang-Bing, Wang Rong, Wang Xiao, Zhang Zhi-Cheng, et al. Parallel surgery: an ACP-based approach for intelligent operations. Pattern Recognition and Artificial Intelligence, 2017, 30(11): 961-970.

(王飛躍,張梅,孟祥冰,王蓉,王曉,張志成,等.平行手術(shù):基于ACP的智能手術(shù)計算方法.模式識別與人工智能, 2017, 30(11): 961-970.)

24 Wang Fei-Yue, Li Chang-Gui, Guo Yuan-Yuan, Wang Jing, Wang Xiao, Qiu Tian-Yu, et al. Parallel gout: an ACP-based system framework for gout diagnosis and treatment. Pattern Recognition and Artificial Intelligence, 2017, 30(12): 1057-1068.

(王飛躍,李長貴,國元元,王靜,王曉,邱天雨,等.平行高特:基于ACP的平行痛風(fēng)診療系統(tǒng)框架.模式識別與人工智能, 2017, 30(12): 1057-1068.)

25 Bai Tian-Xiang, Wang Shuai, Shen Zhen, Cao Dong-Pu, Zheng Nan-Ning, Wang Fei-Yue. Parallel robotics and parallel unmanned systems: framework, structure, process, platform and applications. Acta Automatica Sinica, 2017, 43(2): 161-175.

(白天翔,王帥,沈震,曹東璞,鄭南寧,王飛躍.平行機器人與平行無人系統(tǒng):框架、結(jié)構(gòu)、過程、平臺及其應(yīng)用.自動化學(xué)報, 2017, 43(2): 161-175.)

26 Yuan Yong, Wang Fei-Yue. Parallel Blockchain: concept, methods and issues. Acta Automatica Sinica, 2017, 43(10): 1703-1712.

(袁勇,王飛躍.平行區(qū)塊鏈:概念、方法與內(nèi)涵解析.自動化學(xué)報, 2017, 43(10): 1703-1712.)

27 Yuan Yong, Wang Fei-Yue. Blockchain: the state of the art and future trends. Acta Automatica Sinica, 2016, 42(4): 481-494.

(袁勇,王飛躍.區(qū)塊鏈技術(shù)發(fā)展現(xiàn)狀與展望.自動化學(xué)報, 2016, 42(4): 481-494.)

28 Wang F Y. Scanning the issue and beyond: parallel driving with software vehicular robots for safety and smartness. IEEE Transactions on Intelligent Transportation Systems, 2014, 15(4): 1381-1387. DOI:10.1109/TITS.2014.2342451

29 Wang F Y, Zheng N N, Cao D P, Martinez C M, Li L, Liu T. Parallel driving in CPSS: a unified approach for transport automation and vehicle intelligence. IEEE/CAA Journal of Automatica Sinica, 2017, 4(4): 577-587. DOI:10.1109/JAS.2017.7510598

30 Wang Fei-Yue. Computational theory and method on complex system. China Basic Science, 2004, 6(5): 3-10.

(王飛躍.關(guān)于復(fù)雜系統(tǒng)研究的計算理論與方法.中國基礎(chǔ)科學(xué), 2004, 6(5): 3-10. DOI:10.3969/j.issn.1009-2412.2004.05.001)

31 Wang Fei-Yue. On the modeling, analysis, control and management of complex systems. Complex Systems and Complexity Science, 2006, 3(2): 26-34.

(王飛躍.關(guān)于復(fù)雜系統(tǒng)的建模、分析、控制和管理.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2006, 3(2): 26-34. DOI:10.3969/j.issn.1672-3813.2006.02.004)

32 Wang F Y, Zhang J J, Wang X. Parallel intelligence: toward lifelong and eternal developmental AI and learning in cyber-physical-social spaces. Frontiers of Computer Science, 2018, 1-5.

33 Wang F Y. Toward a paradigm shift in social computing: the ACP approach. IEEE Intelligent Systems, 2007, 22(5): 65-67. DOI:10.1109/MIS.2007.4338496

34 Wang Fei-Yue. From AlphaGo to parallel intelligence: enlightenment and prospect. Science and Technology Review, 2016, 34(7): 72-74.

(王飛躍.從AlphaGo到平行智能:啟示與展望.科技導(dǎo)報, 2016, 34(7): 72-74. DOI:10.3969/j.issn.1009-6108.2016.07.033)

35Wang Fei-Yue. System engineering and management reform: sublimation from Newton to Merton. Management, 2013(10): 12-19.

(王飛躍.系統(tǒng)工程與管理變革:從牛頓到默頓的升華.管理學(xué)家, 2013(10): 12-19. DOI:10.3969/j.issn.1674-1722.2013.10.012)

36 Wang F Y, Wang X, Li L X, Li L. Steps toward parallel intelligence. IEEE/CAA Journal of Automatica Sinica, 2016, 3(4): 345-348. DOI:10.1109/JAS.2016.7510067

37 Wang F Y. A big-data perspective on AI: Newton, Merton, and analytics intelligence. IEEE Intelligent Systems, 2012, 27(5): 2-4. DOI:10.1109/MIS.2012.91

38 Wang F Y. Scanning the issue and beyond: Merton's laws and Mertionian systems for ITS. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(6): 2962-2969. DOI:10.1109/TITS.2015.2494998

39 Wang Fei-Yue. Software-defined systems and knowledge automation: a parallel paradigm shift from Newton to Merton. Acta Automatica Sinica, 2015, 41(1): 1-8.

(王飛躍.軟件定義的系統(tǒng)與知識自動化:從牛頓到默頓的平行升華.自動化學(xué)報, 2015, 41(1): 1-8. DOI:10.3969/j.issn.1003-8930.2015.01.001)

40 Xiong G, Zhu F H, Liu X W, Dong X S, Huang W L, Chen S H, et al. Cyber-physical-social system in intelligent transportation. IEEE/CAA Journal of Automatica Sinica, 2015, 2(3): 320-333. DOI:10.1109/JAS.2015.7152667

41 Xing Y, Lv C, Chen L, et al. Advances in vision-based lane detection: algorithms, integration, assessment, and perspectives on ACP-based parallel vision. IEEE/CAA Journal of Automatica Sinica, 2018, 5(3): 645-661. DOI:10.1109/JAS.2018.7511063

42 Xiong G, Wang K F, Zhu F H, Cheng C, An X J, Xie Z D. Parallel traffic management for the 2010 Asian Games. IEEE Intelligent Systems, 2010, 25(3): 81-85. DOI:10.1109/MIS.2010.87

43 Wang F Y. Scanning the issue and beyond: five transportations in one: a new direction for ITS from Qingdao. IEEE Transactions on Intelligent Transportation Systems, 2015, 16(5): 2310-2317. DOI:10.1109/TITS.2015.2478319

44 Gilbert N, Conte R. Artificial Societies: The Computer Simulation of Social Life. London: UCL Press, 1995.

45 Wang F Y, Lai G P, Mirchandani P. Deployment of digital vehicle/highway technology for safety enhancement. In: Proceedings of the IEEE Ⅳ2003 Intelligent Vehicles Symposium. Columbus, OH, USA: IEEE, 2003. 204-207

46 Wang Fei-Yue, Tang Shu-Ming. Concepts and frameworks of artificial transportation systems. Complex Systems and Complexity Science, 2004, 1(2): 52-59.

(王飛躍,湯淑明.人工交通系統(tǒng)的基本思想與框架體系.復(fù)雜系統(tǒng)與復(fù)雜性科學(xué), 2004, 1(2): 52-59. DOI:10.3969/j.issn.1672-3813.2004.02.008)

47 Zhu F H, Wang Z X, Wang F Y, Tang S M. Modeling interactions in artificial transportation systems using petri net. In: Proceedings of the 2006 IEEE Intelligent Transportation Systems Conference. Toronto, Ont., Canada: IEEE, 2006. 1131-1136

48 Miao Qing-Hai, Tang Shu-Ming, Wang Fei-Yue. Design of artificial transportation system based on JXTA. Journal of Transportation Systems Engineering and Information Technology, 2006, 6(6): 83-90.

(繆青海,湯淑明,王飛躍.基于對等計算的人工交通系統(tǒng)設(shè)計.交通運輸系統(tǒng)工程與信息, 2006, 6(6): 83-90. DOI:10.3969/j.issn.1009-6744.2006.06.012)

49 Li J Y, Tang S M, Wang X Q, Duan W, Wang F Y. Growing artificial transportation systems: a rule-based iterative design process. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2): 322-332. DOI:10.1109/TITS.2011.2110646

50 Qu F Z, Wang F Y, Yang L Q. Intelligent transportation spaces: vehicles, traffic, communications, and beyond. IEEE Communications Magazine, 2010, 48(11): 136-142. DOI:10.1109/MCOM.2010.5621980

51 Miao Q H, Zhu F H, Lv Y S, Cheng C J, Chen C, Qiu X G. A game-engine-based platform for modeling and computing artificial transportation systems. IEEE Transactions on Intelligent Transportation Systems, 2011, 12(2): 343-353. DOI:10.1109/TITS.2010.2103400

52 Sewall J, van den Berg J, Lin M, Manocha D. Virtualized traffic: reconstructing traffic flows from discrete spatiotemporal data. IEEE Transactions on Visualization and Computer Graphics, 2011, 17(1): 26-37. DOI:10.1109/TVCG.2010.27

53 Wang F Y, Wang X J, Li L, Mirchandani P. Creating a digital-vehicle proving ground. IEEE Intelligent Systems, 2003, 18(2): 12-15.

54 Li L, Huang W L, Liu Y H, Zheng N N, Wang F Y. Intelligence testing for autonomous vehicles: a new approach. IEEE Transactions on Intelligent Vehicles, 2016, 1(2): 158-166. DOI:10.1109/TIV.2016.2608003

55 Li L, Lin Y L, Zheng N N, Wang F Y. Parallel learning: a perspective and a framework. IEEE/CAA Journal of Automatica Sinica, 2017, 4(3): 389-395. DOI:10.1109/JAS.2017.7510493

56 Waymo's fully self-driving vehicles are here[Online], available: https://medium.com/waymo/with-waymo-in-the-drivers-seat-fully-self-driving-vehicles-can-transform-the-way-we-get-around-75e9622e829a

57 Tian Y L, Li X, Wang K F, Wang F Y. Training and testing object detectors with virtual images. IEEE/CAA Journal of Automatica Sinica, 2018, 5(2): 539-546. DOI:10.1109/JAS.2017.7510841

58 Wang K F, Gou C, Zheng N N, Rehg J M, Wang F Y. Parallel vision for perception and understanding of complex scenes:methods, framework, and perspectives. Artificial Intelligence Review, 2017, 48(3): 299-329. DOI:10.1007/s10462-017-9569-z

59 Yang L N, Liang X D, Xing E. Unsupervised real-to-virtual domain unification for end-to-end highway driving. arXiv: 1801. 03458, 2018.

60 Wang Fei-Yue. Parallel control: a method for data-driven and computational control. Acta Automatica Sinica, 2013, 39(4): 293-302.

(王飛躍.平行控制:數(shù)據(jù)驅(qū)動的計算控制方法.自動化學(xué)報, 2013, 39(4): 293-302.)

61 Li Ke-Qiang, Dai Yi-Fan, Li Sheng-Bo, Bian Ming-Yuan. State-of-the-art and technical trends of intelligent and connected vehicles. Journal of Automotive Safety and Energy, 2017, 8(1): 1-14.

(***,戴一凡,李升波,邊明遠.智能網(wǎng)聯(lián)汽車(ICV)技術(shù)的發(fā)展現(xiàn)狀及趨勢.汽車安全與節(jié)能學(xué)報, 2017, 8(1): 1-14. DOI:10.3969/j.issn.1674-8484.2017.01.001)

62 Xu W, Zhou H, Cheng N, et al. Internet of vehicles in big data era. IEEE/CAA Journal of Automatica Sinica, 2018, 5(1): 19-35. DOI:10.1109/JAS.2017.7510736

63 Han S S, Zhu F H, Wang Y C, Cao D P, Xiong G, Wang F Y. Modified K-best receiver for multi-antenna vehicular networks. In: Proceedings of the 2017 IEEE 20th International Conference on Intelligent Transportation Systems (ITSC). Yokohama, Japan: IEEE, 2017. 1-6

64Wang Fei-Yue, Wang Cheng-Hong. On some basic issues in network-based direct control systems. Acta Automatica Sinica, 2002, 28: 171-176.

(王飛躍,王成紅.基于網(wǎng)絡(luò)控制的若干基本問題的思考和分析.自動化學(xué)報, 2002, 28(S1): 171-176.)