王涔宇,張平
汽車自動駕駛關(guān)鍵技術(shù)分析
王涔宇,張平*
(長安大學(xué) 汽車學(xué)院,陜西 西安 710064)
自動駕駛領(lǐng)域主要涉及感知、決策和執(zhí)行三大技術(shù)方面。文章以提高公眾對自動駕駛技術(shù)的了解為目的,就智能汽車如何實(shí)現(xiàn)自動駕駛和自動駕駛關(guān)鍵技術(shù)進(jìn)行分析和探討,期望給同行以參考。
自動駕駛;環(huán)境感知;行駛決策;車輛控制
隨著我國社會經(jīng)濟(jì)快速發(fā)展,國民的生活水平顯著提升,對汽車的需求逐年激增。據(jù)公安部統(tǒng)計(jì),2020年中國汽車保有量達(dá)2.81億輛,并且有望于2021年超越美國成為世界第一大汽車市場。各大車企對于中國市場的競爭愈加激烈,呈現(xiàn)了電動化、網(wǎng)聯(lián)化、智能化、共享化的“新四化”發(fā)展趨勢,“互聯(lián)網(wǎng)+汽車”模式逐漸興起,智能汽車受到廣泛關(guān)注??梢灶A(yù)見,未來的一段時間內(nèi),智能化將是汽車行業(yè)發(fā)展的著力點(diǎn)和風(fēng)向標(biāo)。本文就智能汽車中如何實(shí)現(xiàn)自動駕駛和自動駕駛關(guān)鍵技術(shù)進(jìn)行分析,旨在提高公眾對自動駕駛技術(shù)的了解。有關(guān)研究表明,自動駕駛汽車能有效地緩解交通擁堵、提高交通安全、改善交通污染,在物流、貨運(yùn)、公共交通和軍事等領(lǐng)域得到了廣泛應(yīng)用[1-2]。
汽車自動駕駛主要由感知、決策、執(zhí)行三大方面組成。汽車在行駛過程中可以通過車載傳感器感知外界的行駛環(huán)境,對采集的信息傳輸?shù)杰囕d終端進(jìn)行分析決策,以選擇出最佳行駛方案,最后執(zhí)行并實(shí)現(xiàn)自動駕駛,從而達(dá)到解放駕駛員大腦和四肢的目的。
目前國際上尚無統(tǒng)一的智能汽車等級劃分標(biāo)準(zhǔn),主要采用美國汽車工程師協(xié)會(SAE)的分級方法,通過劃分6個等級(L0—L5,如圖1所示),來描述自動駕駛技術(shù)的發(fā)展階段。目前,現(xiàn)有技術(shù)主要停留在L3階段。
簡而言之,L1—L2級別的自動駕駛更像是一個“輔助助手”,所有的駕駛動作必須由司機(jī)來完成,助手只能在某些特定場合進(jìn)行提示和輔助,并不能直接進(jìn)行操控汽車的動作。
圖1 汽車自動駕駛分級示意圖
而L3及以上的自動駕駛就已經(jīng)可以脫離人類駕駛員的操作,自動駕駛系統(tǒng)也可以正式接手駕駛員的職責(zé),其中L3級別的自動駕駛,人只需要在特定情況下介入,而L4—L5相對來說不需要人來介入,汽車可以實(shí)現(xiàn)高度的自動化駕駛。分類的依據(jù)主要取決于車輛運(yùn)行的路況和環(huán)境。
汽車自動駕駛代替人工駕駛最重要的三個問題是“如何看”“干什么”和“怎么干”。其中“如何看”就是指如何實(shí)現(xiàn)對行駛環(huán)境的感知,而“干什么”和“怎么干”就是指如何進(jìn)行運(yùn)行決策及車輛控制。如何解決這三大問題是汽車行駛感知、決策和執(zhí)行的關(guān)鍵。
車輛對環(huán)境的感知是自動駕駛能夠?qū)崿F(xiàn)的前提,只有準(zhǔn)確的環(huán)境數(shù)據(jù)才能為系統(tǒng)決策和執(zhí)行提供保障。目前,具備自動駕駛的車輛主要通過視覺類傳感器和車載雷達(dá)傳感器協(xié)同實(shí)現(xiàn)環(huán)境感知。視覺類傳感器運(yùn)用極為廣泛且取得了較為豐富的研究成果[3],其成本低廉且信息量大,但獲取中易出現(xiàn)較多冗余數(shù)據(jù),需要相對復(fù)雜的計(jì)算方法,且要有實(shí)時性高和魯棒性強(qiáng)的檢測與識別算法作為支撐。除此以外,天氣、光照和復(fù)雜場景等非確定性因素變化,都會對識別結(jié)果產(chǎn)生影響,算法需要具有較高的環(huán)境適應(yīng)性[4]。
車載雷達(dá)進(jìn)行的激光探測和測距也是感知不可或缺的部分。通過激光光束可以勘測車輛所處環(huán)境的物理景深情況,精確度高,可以精確到厘米甚至毫米級別。但是雷達(dá)系統(tǒng)的成本相對較高,且信息量不大,往往需要多個雷達(dá)協(xié)同感知。作為激光雷達(dá)的替代產(chǎn)品,毫米波雷達(dá)也能實(shí)現(xiàn)特定功能的環(huán)境感知。短程毫米波雷達(dá)針對車輛后部汽車盲點(diǎn)、輔助變道等局部感知有較好的效果;中程毫米波主要用來檢測前車速度,可以進(jìn)行緊急避障的感知;長程毫米波的分辨率遠(yuǎn)超前兩種,可以用于最終確定行駛方向[5]。
超聲波傳感器也是一種自動駕駛感知方面的重要傳感器,它主要利用了超聲波的特性,經(jīng)過聲電信號轉(zhuǎn)換和放大,相較于激光雷達(dá)具備更好的經(jīng)濟(jì)性和美觀度。在特定工況下,如自動泊車、緊急避險(xiǎn),可以通過超聲波傳感器獲取在狹小空間中的位置信息,掌握車輛與物體之間的距離。目前超聲波傳感器國外發(fā)展較為先進(jìn),國內(nèi)仍有較大創(chuàng)新開發(fā)空間。
自動駕駛中,決策系統(tǒng)起到了車輛運(yùn)行的決定性作用。其中,自動駕駛的決策系統(tǒng)主要分為風(fēng)險(xiǎn)評估、軌跡規(guī)劃及駕駛行為決策等。風(fēng)險(xiǎn)評估是對自車的失穩(wěn)、失控,以及與其他交通參與者的碰撞風(fēng)險(xiǎn)可能性評估,是保證行車安全的重要環(huán)節(jié)。軌跡規(guī)劃是在具有動態(tài)交通和靜態(tài)障礙物的環(huán)境中,按照一定的評價(jià)標(biāo)準(zhǔn)和駕駛目標(biāo),生成從車流起始狀態(tài)到目標(biāo)狀態(tài)的無碰撞路徑。軌跡規(guī)劃也是自動駕駛汽車的核心技術(shù)之一,根據(jù)原理可以將軌跡規(guī)劃方法大致分為三個類別,即:基于特定函數(shù)表達(dá)式的軌跡規(guī)劃;基于搜索算法的軌跡規(guī)劃;基于優(yōu)化算法的軌跡規(guī)劃。駕駛行為決策是智能系統(tǒng)在一個連續(xù)的時間序列上,根據(jù)當(dāng)前車輛狀態(tài)合理地選擇操縱行為,實(shí)現(xiàn)最終駕駛目標(biāo)。
決策系統(tǒng)也有很多成熟的模型。在常規(guī)工況下,有跟車模型、制動模型、路口會車模型等。在異常狀態(tài)下,也有緊急避撞決策模型、突發(fā)狀況干預(yù)模型等。借助成熟的模型能夠有效降低系統(tǒng)在常規(guī)工況下的計(jì)算量,使得自動駕駛向經(jīng)濟(jì)化、普及化迅猛發(fā)展。
目前,深度學(xué)習(xí)算法和預(yù)測模型也取得了很大的進(jìn)展。通過人工智能分析駕駛?cè)说鸟{駛操作特征和突發(fā)狀況的緊急應(yīng)對措施,對未來的行車決策和控制做出相應(yīng)的改進(jìn)??梢灶A(yù)想,在未來深度學(xué)習(xí)收集到了大量的駕駛信息數(shù)據(jù),人工智能將成為自動駕駛最好的助推劑,使高度自動化駕駛成為可能。
車輛運(yùn)動控制是實(shí)現(xiàn)自動駕駛的關(guān)鍵,控制執(zhí)行系統(tǒng)主要是通過控制車輛油門、制動、轉(zhuǎn)向等機(jī)構(gòu),在滿足運(yùn)行條件的前提下使得實(shí)際車輛運(yùn)行軌跡收斂于車輛決策規(guī)劃的期望路徑[6]。自動駕駛車輛的控制主要由硬件控制系統(tǒng)和軟件控制系統(tǒng)組成。
硬件控制系統(tǒng)主要是控制汽車底層機(jī)械元件,實(shí)現(xiàn)加速、制動、轉(zhuǎn)向等行為。硬件控制需要保證各個硬件系統(tǒng)合理地運(yùn)行在軟件控制系統(tǒng)所計(jì)算好的最佳設(shè)定值上,以滿足車輛能運(yùn)行在其最優(yōu)的工況下。在底層控制中,數(shù)據(jù)的傳輸與反饋尤為重要,龐大的感知數(shù)據(jù)、強(qiáng)大的計(jì)算力、更少的“遲滯時間”才能使車輛流暢地運(yùn)行在預(yù)定工況下。相較于傳統(tǒng)燃油汽車控制反饋耗時更長,電動汽車具備更直接的動力輸出,在自動駕駛方面具備更大的優(yōu)勢。
軟件控制系統(tǒng)主要依靠強(qiáng)大的計(jì)算力實(shí)現(xiàn)算法搜索、路徑規(guī)劃與導(dǎo)航等功能。軟件控制系統(tǒng)整合了環(huán)境感知采集的數(shù)據(jù),調(diào)用決策系統(tǒng)的模型,通過車輛控制算法形成控制指令,下達(dá)給硬件控制系統(tǒng)完成對車輛的運(yùn)行控制。軟件控制系統(tǒng)實(shí)現(xiàn)了自動駕駛從數(shù)據(jù)到運(yùn)動的轉(zhuǎn)變,是自動駕駛不可或缺的部分。
典型的車輛控制算法對比與評價(jià)列于表1中。
表1 車輛控制算法對比與評價(jià)
車輛控制算法控制算法特點(diǎn)控制效果評價(jià) PID控制簡單、易于實(shí)施一般方法簡易,魯棒性較差 最優(yōu)控制計(jì)算機(jī)優(yōu)化控制,使目標(biāo)在某種條件下最優(yōu)化一般對于非線性處理和數(shù)值計(jì)算存在不足 自適應(yīng)控制參數(shù)可自適應(yīng)調(diào)節(jié),能夠在線辨識,使模型越來越準(zhǔn)確較好算法魯棒性較好,主要針對低擾動控制 模型預(yù)測控制預(yù)測模型,反饋矯正,滾動優(yōu)化,參考軌跡較好建模方便,魯棒性好,具備較好的動態(tài)控制性能 神經(jīng)網(wǎng)絡(luò)控制自適應(yīng)性,非線性控制一般對不豐富的數(shù)據(jù)集控制效果不佳,對動態(tài)工況適應(yīng)能力一般
自動駕駛除了這三大關(guān)鍵問題之外,還有許多輔助技術(shù)。這些技術(shù)對車輛自動駕駛的性能發(fā)揮起到了積極作用。如圖2所示,自動駕駛輔助技術(shù)也承擔(dān)著相當(dāng)重要的作用。
圖2 智能網(wǎng)聯(lián)汽車自動駕駛部分關(guān)鍵技術(shù)示意圖
V2X指的是vehicle to everything,即車輛和其他事物的相互聯(lián)系,包括但不限于與車、路、行人、云端等的相互通信技術(shù)。V2X技術(shù)可以使車輛獲取更全面的周邊信息,為大數(shù)據(jù)和車聯(lián)網(wǎng)等實(shí)際應(yīng)用創(chuàng)造了條件。同時,V2X技術(shù)相較于視覺和雷達(dá)傳感器在中大空間擁有更為廣泛的感知,可以準(zhǔn)確感知周邊環(huán)境、車輛的態(tài)勢,解決獨(dú)立車輛信息孤島問題[7]。但是現(xiàn)在的V2X技術(shù)沒有統(tǒng)一的行業(yè)標(biāo)準(zhǔn),技術(shù)數(shù)據(jù)沒有實(shí)現(xiàn)互聯(lián)互通,仍然存在著車與道路信息、行人信息之間的信息阻塞。如何打破這信息壁壘,需要國家和企業(yè)間的政企合作,通過開放交融和數(shù)據(jù)共享,為V2X注入更強(qiáng)的活力。
第五代移動通信技術(shù)(簡稱5G技術(shù))相較于4G網(wǎng)絡(luò)擁有高速度、低時延、低功耗的特點(diǎn)。通過5G技術(shù)低時延的特點(diǎn),可以將決策計(jì)算云端化,讓車輛擺脫車載計(jì)算機(jī)計(jì)算力低下的問題,使云操控成為可能。5G技術(shù)擁有超大的網(wǎng)絡(luò)容量,可以提供千億設(shè)備的連接能力,同時較高的傳輸速度和較低的功率能夠保障實(shí)時高速通信的需要,滿足物聯(lián)網(wǎng)通信,輔助V2X技術(shù)的布局與發(fā)展。但是5G技術(shù)需要其他輔助設(shè)備的支持,如需要不同國家及運(yùn)營商的通信協(xié)議支持、足夠多符合通信要求的5G基站、車載通信基帶等。根據(jù)中國、美國、日本等國家的汽車發(fā)展規(guī)劃,依托傳輸速率更高、時延更低的5G網(wǎng)絡(luò),將在2025年全面實(shí)現(xiàn)自動駕駛汽車的量產(chǎn),市場規(guī)模達(dá)到1萬億美元[8]。
高精度地圖相較于傳統(tǒng)地圖具備大量的行車輔助信息,其中包括但不限于路面的幾何特征、標(biāo)線等,通過車載傳感器對周邊環(huán)境的感知,比對高精度地圖的行車輔助信息,即可精確確定當(dāng)前所處位置,實(shí)現(xiàn)高精度定位。高精度定位對于自動駕駛幫助巨大,可以實(shí)時掌握車輛周邊信息,為自動駕駛車輛全局路徑規(guī)劃打下了堅(jiān)實(shí)的基礎(chǔ)。高精度地圖直接參與了自動駕駛感知、決策和執(zhí)行三大方面,提供了自動駕駛所需要的輔助信息。但是高精度地圖定位仍然面臨著覆蓋面積小,覆蓋成本高,實(shí)時更新困難,信息數(shù)據(jù)量龐大等難題挑戰(zhàn),需要社會各界合作去開發(fā)和共享高精度地圖定位導(dǎo)航功能。
自動駕駛技術(shù)作為一項(xiàng)涉及汽車構(gòu)造、傳感器技術(shù)、信息通信、人工智能等多個學(xué)科的綜合應(yīng)用,需要不斷開展相關(guān)研究,需要社會各界的通力合作和相互交流。但是它的出現(xiàn)改變了人們對汽車駕駛的認(rèn)知,雖然全工況的自動駕駛還有很長的路要走,但是隨著科學(xué)技術(shù)的發(fā)展,自動駕駛技術(shù)終將會逐步完善和實(shí)現(xiàn)。
[1] Gordon N,Lidberg M.Automated Driving and Autonomous Functionson Road Vehicles[J].Vehicle System Dynamics,2015,53(7):958-994.
[2] 趙祥模,承靖鈞,徐志剛,等.基于整車在環(huán)仿真的自動駕駛汽車室內(nèi)快速測試平臺[J].中國公路學(xué)報(bào),2019,32(06):124-136.
[3] 王科.城市交通中智能車輛環(huán)境感知方法研究[D].長沙:湖南大學(xué), 2013.
[4] 蔣天滋.自動駕駛交通道路環(huán)境感知系統(tǒng)研究[D].北京:北京交通大學(xué),2019.
[5] 魏強(qiáng),陸平,侯雪.基于專利數(shù)據(jù)的全球自動駕駛感知技術(shù)創(chuàng)新態(tài)勢[J].智能網(wǎng)聯(lián)汽車,2020(1):74-77.
[6] 章軍輝,陳大鵬,李慶.自動駕駛技術(shù)研究現(xiàn)狀及發(fā)展趨勢[J].科學(xué)技術(shù)與工程,2020,20(9):3394-3403.
[7] 潘岳,周興壯,歐力,等.簡析車路協(xié)同自動駕駛系統(tǒng)的關(guān)鍵技術(shù)[J].科學(xué)技術(shù)創(chuàng)新,2020(19):50-52.
[8] 李陽德,林亮,鄭舟,等.5G網(wǎng)絡(luò)典型應(yīng)用場景與關(guān)鍵支撐技術(shù)探討[J].廣西通信技術(shù), 2017(3):6-10+16.
Analysis of Key Technologies for Autonomous Driving
WANG Cenyu, ZHANG Ping*
( School of Automobile, Chang’an University, Shaanxi Xi’an 710064 )
The field of autonomous driving mainly involves three major technical aspects:perception, decision-making, and execution. The article aims to improve the public's understanding of autonomous driving technology, analyzes and discusses how to realize autonomous driving and key technologies of autonomous driving in smart cars, and hopes to provide peers for reference.
Autonomous driving; Environmental perception; Driving decision; Vehicle control
U495
A
1671-7988(2021)23-20-04
U495
A
1671-7988(2021)23-20-04
10.16638/j.cnki.1671-7988.2021.023.006
王涔宇(2000—),男,長安大學(xué)汽車學(xué)院2019 級車輛工程專業(yè)本科生,主持中央高?;究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金(學(xué)生創(chuàng)新實(shí)踐能力提升子計(jì)劃)項(xiàng)目1 項(xiàng)。
張平(1977—),男,博士,副教授,就職于長安大學(xué)汽車學(xué)院,研究方向:智能汽車。
長安大學(xué)中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(編號300102220802)資助。