COMMTR | 面向自动驾驶出行中实时智能决策支持的可扩展、可互操作的C-V2X框架

以往基于 V2X 的车联网通信与交叉路口管理研究，大多集中在仿真环境或受限测试平台中，忽视了包括自动驾驶环境可扩展性、基础设施、车辆以及控制数据交换等关键问题。这一局限性在智能交叉口研究中尤为明显，目前大多数协调算法假设理想化的基础设施、低延迟通信以及完全自动化的车辆代理。此外，诸如 SAE J2735 等标准化消息集缺乏灵活性，无法满足新兴车联网（CAV）服务所需的动态和高容量数据需求。因此，系统在频繁更新时往往需要采用低效的替代方案或重新设计新的通信协议。

为了解决这些问题并在现实条件下验证基础设施引导的协调机制，韩国科学技术院（KAIST）的研究人员开发了一种模块化、边缘智能框架——移动操作系统（mobility Operating System，mOS），并在 KAIST 文芝校区测试场中集成了一个混合现实测试平台，用于验证基础设施引导的自动驾驶车辆协调。

该 mOS 系统支持 V2X 通信模块的即插即用集成、实时交叉口管理算法，以及物理与虚拟代理之间的双向交互。研究人员设计了涉及车-车与车-行人交互的场景，以评估 mOS 在真实延迟与行为不确定性条件下的有效性。结果表明，mOS 在复杂交叉口场景下显著提升了安全性与行为可预测性。该研究验证了混合现实融合的基础设施智能的可行性，并为下一代创新出行生态系统中的自动驾驶协调系统提供了一条可扩展的实现路径。

研究结果还表明，该系统在保持实时性能的同时，成功克服了现有基于 J2735 的二进制消息结构的局限性。应用于无信号交叉口的智能控制算法在车辆行为控制方面实现了显著改进。此外，在传感器受限环境中引入虚拟目标注入以及结合元宇宙实验的方法，有效降低了测试成本与安全风险，为高级测试提供了一个实用且可扩展的平台。