-2020(5G)推进组：2023年5G-Advanced通感融合场景需求研究报

研究报告要点 5G-A通信感知融合旨在基于移动通信基础设施使能感知服务，实现面向通感行业的一网多能。本研究报告针对通信感知融合的四大典型应用场景，包括智慧交通、智慧低空、智慧生活和智慧网络场景中的二十四大典型应用案例，分析了基于通信基础设施使能感知业务的潜能，以及对应场景下的感知业务性能指标要求。面向智慧交通、智慧低空、智慧生活场景，基于移动通信网络进行位置、速度、角度等信息探测感知，提供低成本、高精度、无缝泛在的感知服务。面向智慧网络场景，基于感知信息辅助基站或终端波束管理、信道估计、能耗节省、资源调度与优化等，提升通信系统性能。通过通感融合应用场景的研究分析，将进一步挖掘5G移动通信网络的核心价值，带动发挥移动通信系统作为重要基础设施向感知领域延伸的技术优势，有效推进通信感知融合技术研究与应用产业的发展。 IMT-2020(5G)推进组 5G-Advanced通感融合场景需求研究报告(第二版) 目录 概述 智慧交通场景通感融合需求分析智慧低空场景通感融合需求分析智慧生活场景通感融合需求分析智慧网络场景通感融合需求分析标准化影响 总结与建议参考文献附录 缩略语 主要贡献单位 P1P2P17P25P45P50P55P55P58P63P64 IMT-2020(5G)推进组于2013年2月由中国工业和信息化部、国家发展和改革委员会、科学技术部联合推动成立，组织架构基于原IMT-Advanced推进组，成员包括中国主要的运营商、制造商、高校和研究机构。推进组是聚合中国产学研用力量、推动中国第五代移动通信技术研究和开展国际交流与合作的主要平台。 概述 随着移动通信技术的飞速发展，移动通信系统从2G一直演变到5G，空口传输能力不断加强，使能的业务也向垂直行业不断延伸。如今5G已全球规模商用，5G发展将进入新的分水岭。2021年4月27日，3GPP（3rdGenerationPartnershipProject，第三代合作伙伴计划）在第46次PCG（ProjectCooperationGroup，项目合作组）会议上正式将5G演进的名称确定为5G-Advanced（5G-A），标志着全球5G技术和标准发展进入新阶段。除了5G原有的移动带宽增强、超高可靠低时延、海量机器类通信的“三角能力”外，5G-A将向垂直行业更深领域扩展，加强智能维领域探索，从支撑万物互联到使能万物智联，为社会发展、行业升级创造价值。而感知服务将是实现未来5G-A智能网络升级、扩展行业应用的一个重要支撑能力，通信与感知融合成为5G-A一个重要演进方向。 通常，感知系统与通信系统具备不同的功能，二者独立存在。感知系统主要是获取周围环境或者物体的信息，从而实现定位以及追踪等目的。传统的感知技术主要是依赖于无线电波、雷达、红外线以及传感器等，例如，雷达是利用电磁波探测目标的电子设备。雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率（径向速度）、方位、高度等信息。目前，雷达技术已经得到了广泛应用，比如机载、舰载、基地雷达等对目标进行检测和成像。而通信系统主要是借助电磁波在自由空间的传播，保证通信数据的传递。 通信感知融合基于软硬件资源以及频谱资源共存/共享在一张网上同时实现无线感知与无线通信功能。在5G-A阶段，通感融合旨在利用移动通信基础设施使能感知服务，实现一网多能，充分发挥移动网络优势满足不同场景下的感知性能要求，同时借助感知服务可以为通信性能带来一定提升。一方面，借助于通信系统实现感知维度的测量、降低感知硬件部署成本、发挥无缝覆盖网络优势有效扩展感知范围；另一方面，基于对无线通信信道环境的感知、识别与预测进一步创新无线通信资源管理、提升无线通信系统的性能。 未来通信感知融合技术应用场景较为广泛，可应用于大部分广域和局域场景，满足其通信和感知的双重需求，如智慧交通、智慧低空、智慧生活、智慧网络等。通信感知融合将开启超越传统移动网络联接的应用大门。为了使通信和感知高效共存，实现高性能的感知能力，产业需要共同推动通感融合技术研究、共同定义标准感知功能与接口、加强试验研发验证基于通信网络的感知应用能力。在后续章节中，本报告将主要研究分析典型场景下的通感融合应用需求，通过探讨利用移动通信系统作为关键基础设施向感知领域延伸的能力与优势，进一步挖掘5G技术的核心价值，推进通信感知融合技术研究与应用产业发展，为社会发展和行业升级创造无限可能。 1 智慧交通场景通感融合需求分析 随着交通领域联网化、数字化、智能化、云化的趋势，通过汇集道路、车、人的信息来组成城市交通管理和优化的基础，支撑多种交通业务，是智慧交通的重要组成部分。无人化与自主化是智慧交通的主要特征，智慧交通在交通领域中充分运用物联网、云计算等技术，对交通管理、交通运输、公众出行等领域全方面进行管控支撑，使交通系统在区域、城市甚至更大的时空范围具备感知、互联、分析、预测、控制等能力，以充分保障交通安全、发挥交通基础设施效能、提升交通系统运行效率和管理水平。为了完整呈现实时高速路交通状态，及时准确的发现拥堵、事故、道路异常等交通事件，需要在城市路口和关键路段采集视频和多种路侧传感器信息。此外，车路协同是智能交通系统的重要发展方向，需要连接海量交通终端设备，实现视频、雷达等多种交通终端设备的数据采集和数据分析，高效感知路、车、人的实时状态。但当前感知设施部署还面临频谱资源紧缺、性能提升、部署成本高等众多挑战。 本章节主要列举了智慧交通领域里面比较典型的通感融合场景以及商业价值，5G网络提供感知能力，一方面实现道路的全方位感知，同时简化路侧设施部署，将加速智慧交通的发展。 2.1应用案例1：高精地图构建 2.1.1案例描述 自动驾驶集感知、决策和控制等功能于一体，是智慧交通场景的重要组成部分。人类驾驶是通过眼睛、耳朵等器官去感知车身周边环境，凭借道路记忆或传统导航地图，依靠驾驶经验及技巧保证汽车安全行驶并到达目的地。自动驾驶系统用传感器替代了人类感官，用地图替换了人的道路记忆，而高精地图是实现高阶自动驾驶的核心，能够为自动驾驶汽车提供车道级导航服务。目前，L3级别以上的自动驾驶系统中，高精地图已成为必不可少的组成部分。其不仅包含了更加丰富、精确的车道级信息，同时实现了路况内容的实时更新。通常情况下，高精地图包括道路属性（车道数、施工状态等）、交通设施（交通信号灯、斑马线、停止线等等）、车道模型（车道线、曲率/坡度、中心线、车道属性变化等）等信息，高精地图依赖于从激光雷达扫描、移动摄像头、连接传感器和GPS（GlobalPositioningSystem，全球定位系统）设备收集信息，通过不间断地对地图信息进行采集，从而保证地图数据始终处于最新状态。但是激光雷达在恶劣天气下效果较差，比如大雾、大雨或大范围的尘土。当前方大车遮挡导致探测死角，摄像头无法探测前方红绿灯。自动驾驶汽车行驶的过程中，由于需要 车辆对自身位置进行实时定位，因此对高精地图提出更高的精度要求，此外考虑到实际路况信息的复杂性，比如某些时刻自身车辆与旁边车道只有几十厘米距离的情况下，也需要有高精地图作为参考。 基于通信与感知融合技术，使用新一代无线网络的无线通信信号，可以在基站侧或者端侧实现低成本、低开销的环境感知能力，将最大数量的环境信息整合到新一代无线网络中，实现超分辨成像、透视和夜视。如图1所示，一方面，利用通信感知融合基站或者多站协同可以实现对道路环境的感知，即针对区域的感知，利用基站的高视角，扩大感知范围，弥补车载传感器在恶劣环境下的感知缺陷和遮挡盲区，有效实现宏观道路匹配、车辆自定位和全局环境感知，为自动驾驶汽车安全运行提供超视距辅助。 另一方面，高清地图构建可包含端侧实时环境感知信息的测量反馈，并同时用于ADAS （AdvancedDrivingAssistanceSystem,高级驾驶辅助系统）以提高驾驶的舒适性和安全性。基于通信与感知融合技术，车载设备利用无线通信信号获取感知数据，并将感知结果发送到网络侧提供给高精地图服务商以及ADAS。车辆行驶时，车载设备发送感知信号，并基于其他车辆的反射信号，感知其他车辆的距离和速度，将相关感知数据发送到网络侧和ADAS。在停车场使用自动或辅助泊车功能时，车辆发送感知信号，并基于停车位附近的物体（例如汽车、立柱）的反射信号，感知其他物体的距离和位置，将相关感知数据发送到网络侧和ADAS。 图1动态高精地图构建示意图 注：本文中所有图均为示意图，仅针对通感融合某种工作模式举例示意 2.1.2业务需求 参考5GAA（5GAutomotiveAssociation，5G汽车联盟）给出的高精地图场景需求[1]，给出了感知数据传输速率和感知时延需求。高清地图对于信息实时性、准确率、连续性具有很高要求，因此刷新率、传输速率、时延要求高。由于地图主要是针对室外道路公共区域，不涉及安全隐私风险。此外，考虑到公路场景下，主要是包括汽车、摩托车、行人等移动物体，针对这些移动物体的尺寸、形状、移动速度、安全距离、路宽等给出了速度范围、距离分辨率、速度分辨率、距离精度、角度精度、速度精度。例如，小车长度、宽度、高度分别为4m、1.7m、1.5m，高速单车道宽度为3.75m，限速120km/h，速度超过100km/h的安全距离为100m，速度低于100km/h的安全距离为50m，当然还需考虑堵车等低速密集场景时车间距只在5-10m时，对感知分辨率和精度的提出了更高要求。综上考虑，给出了下述感知业务指标需求。 表1智慧交通高清地图构建感知业务指标需求 注：根据感知服务等级不同、应用场景不同，对指标需求不同，例如低感知服务等级对感知数据刷新率要求为20Hz，高感知服务等级对感知数据刷新率要求为30Hz。 2.2应用案例2：道路监管 2.2.1案例描述 智慧高速作为新型交通基础设施建设的核心场景之一，集成应用5G、物联网、大数据、人工智能等新兴技术，推进高速公路传统基础设施系统升级迭代，是推动交通领域绿色、智能转型的基础。当前，高速公路建设开始由高速增长阶段转向高质量发展阶段，在转型发展的过程中存在智慧管控手段不足的痛点。本案例主要从车辆信息统计和行人入侵高速检测两个子场景来展开描述。 一、车辆信息统计 智能交通系统中，车辆信息统计包括车流量检测和车速检测。其中，车流量检测系统是非常关键的一个环节，包括对城市交通道路中的车辆、行人等进行信息采集和监控，实时地对道路当前的拥堵情况、紧急交通事故等进行智能化调度管理，从而实现了缓解交通阻塞和提高交通服务质量的作用。传统的车流量统计技术包括感应线圈检测、波频检测（如超声波检测和微波检测）、视频检测等等。但是传统统计技术存在诸多约束和不足之处。例如，感应线圈检测是基于环形线圈在磁场中的电磁感应原理计算出道路中的车流量，但是线圈填埋方式费事费力，维护成本高。波频检测的方法是利用电磁波的反射特性，检测器向车辆发出电磁波并接收反馈信息进行检测，但是这种方法检测距离有限并且分辨率低。视频检测方法是通过监控摄像头来捕捉道路中车流量的信息，通过一系列图像处理和分析算法对车辆目标的特征进行提取，但是检测结果受环境影响较大，由于光照强度变化产生的阴影，使得车辆在车流密集时很容易发生粘连问题，导致车辆检测存在误差，影响车流量统计的准确性。 如图2所示，基于通信与感知融合技术，利用通信感知融合基站或者多站协同实现全天候、不间断地探测行驶车辆的移动轨迹和移动速度，在监控交通道路、卡口等重要路段统计各类车辆进出区域的数量以及车辆行驶速度，从而根据实时监控的车流量分析路口、路段的交通状况，为交通调度、路况优化提供精准参考依据。 图2车辆信息统计示意图 二、行人入侵高速检测 高速公路是最低限速60km/h的全封闭道路，通常车流量大、车速快。“高速公路，行人勿入”是高速交通安全常识，但行人上高速已经成为最易引发高速公路事故因素之一。根据交管单位发布的行人违法上高速的案例，比较典型的示例是以下几种：高速服务区工作人员