張玲玉，王 力，張立立，張 驍，孫德輝

(1. 北方工業(yè)大學(xué) 電氣與控制工程學(xué)院，北京 100144； 2. 北京石油化工學(xué)院 信息工程學(xué)院，北京 102617；3. 河北政法職業(yè)學(xué)院，河北 石家莊 050000)

0 引 言

汽車雖然在提高人們生活水平等方面做出了巨大貢獻(xiàn)，但同時(shí)也帶來了出行安全、環(huán)境污染、能源消耗、交通擁堵等日益嚴(yán)重的社會(huì)問題[1]。汽車智能化和網(wǎng)聯(lián)化的快速發(fā)展，為解決上述社會(huì)問題提供了新思路、新方法[2]。因此，歐盟、美國和日本等陸續(xù)發(fā)布相應(yīng)的發(fā)展規(guī)劃、研究計(jì)劃、政策法規(guī)等來加快推進(jìn)智能汽車行業(yè)的發(fā)展[3]。我國也已經(jīng)從國家層面對智能汽車的發(fā)展進(jìn)行了部署，《智能汽車創(chuàng)新發(fā)展戰(zhàn)略》[4]、“十四五”發(fā)展規(guī)劃[5]等為智能汽車及自動(dòng)駕駛產(chǎn)業(yè)的發(fā)展理清方向、找準(zhǔn)路徑。根據(jù)我國工信部對智能汽車的定義可知，它的研究領(lǐng)域不僅包括車輛工程學(xué)科，還涉及到信息、計(jì)算機(jī)、交通運(yùn)輸工程、法學(xué)和社會(huì)學(xué)等學(xué)科[6]。

關(guān)于汽車的智能化、自動(dòng)化等級，美國汽車工程師協(xié)會(huì)(society of automotive engineers，SAE)發(fā)布了自動(dòng)駕駛等級劃分標(biāo)準(zhǔn)[7]，如表1。智能汽車的L2～L3等級需要駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)協(xié)同合作完成駕駛?cè)蝿?wù)，由此便引出了人機(jī)共駕的概念。盡管智能汽車的自動(dòng)駕駛控制技術(shù)已經(jīng)取得了突破性進(jìn)展，然而，由于單車智能系統(tǒng)有其感知和決策局限性，導(dǎo)致智能汽車頻頻發(fā)生事故[8]，智能汽車在實(shí)現(xiàn)完全自動(dòng)駕駛前還需要經(jīng)歷較長時(shí)間的人機(jī)共駕階段。近年來世界各國開始陸續(xù)推出支撐自動(dòng)駕駛的道路設(shè)施和協(xié)同信息的劃分標(biāo)準(zhǔn)，將單車智能化逐漸推向車輛與道路環(huán)境的信息融合[9-10]。因此，充分發(fā)揮駕駛?cè)?、自?dòng)駕駛系統(tǒng)、路側(cè)終端各自的優(yōu)勢，實(shí)現(xiàn)“人-車-路”在感知與決策層的混合增強(qiáng)，可促進(jìn)智能汽車的自動(dòng)駕駛技術(shù)的發(fā)展。

表1 SAE自動(dòng)駕駛等級劃分標(biāo)準(zhǔn)

筆者首先介紹了人機(jī)共駕的概念，并總結(jié)了單車智能化人機(jī)共駕汽車在感知與決策層面存在的問題；其次，梳理了車路協(xié)同環(huán)境下智能汽車自動(dòng)駕駛技術(shù)的研究進(jìn)展；最后，根據(jù)交通要素的參與程度將人機(jī)共駕的發(fā)展劃分為3個(gè)階段，同時(shí)對當(dāng)前人機(jī)共駕研究中存在的問題提出了初步的解決思路。

1 人機(jī)共駕的概念

2020年，我國工信部公示了《汽車駕駛自動(dòng)化分級》[11]國家標(biāo)準(zhǔn)?？傮w上，該標(biāo)準(zhǔn)與國際SAE標(biāo)準(zhǔn)對自動(dòng)駕駛的等級劃分比較相似，均將自動(dòng)駕駛劃分為6個(gè)等級，在等級命名和定義描述上有略微不同，《汽車駕駛自動(dòng)化分級》如表2。

由表1和表2可知，當(dāng)自動(dòng)駕駛汽車處于L2～L3(2～3)級別時(shí)，車輛由自動(dòng)駕駛系統(tǒng)控制，而動(dòng)態(tài)駕駛?cè)蝿?wù)需要駕駛員及時(shí)響應(yīng)并接管，自動(dòng)駕駛系統(tǒng)和駕駛員相互合作協(xié)同控制車輛，由此便引出了人機(jī)共駕的概念。

表2 汽車駕駛自動(dòng)化分級

2012年，F(xiàn).FLEMISCH等[12]對人機(jī)系統(tǒng)協(xié)同控制的方式進(jìn)行了闡述與定義，智能汽車的人機(jī)共駕方式也適用此定義，分為切換型人機(jī)共駕和共享型人機(jī)共駕兩種控制方式。切換型人機(jī)共駕：車輛行駛過程中，其控制權(quán)要么交由駕駛?cè)?，要么交由自?dòng)駕駛系統(tǒng)。共享型人機(jī)共駕：駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)同時(shí)擁有車輛的控制權(quán)，控制權(quán)會(huì)隨著車輛智能化程度、道路環(huán)境等改變而不斷重新分配。

2017年，李克強(qiáng)等[13]認(rèn)為人機(jī)共駕指駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)共同享有車輛控制權(quán)，二者合作協(xié)同完成駕駛?cè)蝿?wù)。廣義的人機(jī)共駕包含感知層、決策層和控制層3個(gè)層次，狹義的人機(jī)共駕主要指控制層的控制互補(bǔ)，按照系統(tǒng)功能，可以分為共享型控制和包絡(luò)型控制。

2018年，吳超仲等[14]定義人機(jī)共駕為駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)合作完成動(dòng)態(tài)駕駛?cè)蝿?wù)的自動(dòng)駕駛過渡階段，當(dāng)自動(dòng)駕駛處于L2與L3級時(shí)，盡管車輛具備自動(dòng)駕駛能力，但是當(dāng)發(fā)生自動(dòng)駕駛系統(tǒng)無法應(yīng)對情況下，駕駛?cè)司蛻?yīng)該及時(shí)響應(yīng)并接管車輛。

2019年，劉瑞等[15]認(rèn)為廣義的人機(jī)共駕指所有駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)共同駕駛車輛的系統(tǒng)，并且人機(jī)共駕主要可以被分為單駕雙控、雙駕單控和雙駕雙控3種控制模式，也論述了雙駕雙控是一種能夠在駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)間慢慢過渡的切換方式，優(yōu)于另外兩種控制模式。

雖然智能汽車自動(dòng)駕駛領(lǐng)域內(nèi)的專家學(xué)者普遍認(rèn)為，在實(shí)現(xiàn)真正的無人駕駛前將長期處于人機(jī)共駕階段，但是目前智能汽車人機(jī)共駕的定義以及人機(jī)共駕到底以何種形式存在尚未統(tǒng)一。

目前，智能汽車的人機(jī)共駕控制主要分為切換型人機(jī)共駕和共享型人機(jī)共駕兩種方式。傳統(tǒng)智能汽車一般都采用切換型人機(jī)共駕控制方式，車輛的控制權(quán)會(huì)隨著道路環(huán)境的改變在駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)間適度切換。因?yàn)楫?dāng)自動(dòng)駕駛系統(tǒng)接管并控制車輛時(shí)，駕駛?cè)送鶗?huì)從事其他事情，不在控制回路內(nèi)，所以切換型人機(jī)共駕在設(shè)計(jì)控制算法時(shí)，只需考慮自動(dòng)駕駛系統(tǒng)的控制目標(biāo)與客觀環(huán)境約束條件。與傳統(tǒng)智能汽車的切換型人機(jī)共駕控制方式相比，共享型人機(jī)共駕控制方式還是有所不同的，它能夠隨著車輛行駛道路環(huán)境的改變，動(dòng)態(tài)調(diào)整駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)之間的控制權(quán)重，兩者同時(shí)在環(huán)，均是控制實(shí)體，共同制約車輛狀態(tài)轉(zhuǎn)移。因此，共享型人機(jī)共駕的控制算法設(shè)計(jì)更加復(fù)雜。筆者主要介紹切換型人機(jī)共駕控制國內(nèi)外研究現(xiàn)狀。

智能汽車的人機(jī)共駕控制與傳統(tǒng)的汽車駕駛過程相同，主要包括駕駛員和自動(dòng)駕駛系統(tǒng)在感知層、決策層和執(zhí)行層的合作協(xié)同，如圖1。

圖1 智能汽車的人機(jī)共駕控制

2 人機(jī)共駕的研究現(xiàn)狀

切換型人機(jī)共駕控制的關(guān)鍵是由人工駕駛到自動(dòng)駕駛，或者由自動(dòng)駕駛到人工駕駛的切換，然而想要實(shí)現(xiàn)這兩種駕駛模式的最優(yōu)決策，必須解決切換時(shí)機(jī)、切換平穩(wěn)性和切換方式這3個(gè)問題。從系統(tǒng)角度上講，需要盡可能的檢測駕駛員和車輛的狀態(tài)，感知行駛道路以及周圍環(huán)境信息，并基于“人-車-環(huán)境”多源信息的融合，制定更智能的切換策略。筆者主要對單車智能化人機(jī)共駕車輛的環(huán)境感知和駕駛模式?jīng)Q策方法進(jìn)行了總結(jié)。

2.1 單車智能化的人機(jī)共駕

2.1.1 人機(jī)共駕智能汽車的環(huán)境感知

感知層是智能汽車實(shí)現(xiàn)智能化的基礎(chǔ)，也是決策與執(zhí)行層的前提，全面精確的環(huán)境感知是車輛行駛安全性的基本保障。當(dāng)前，人機(jī)共駕控制的感知層主要是駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)之間的信息交換和感知增強(qiáng)，包括駕駛?cè)送ㄟ^語音和肢體動(dòng)作等向自動(dòng)駕駛系統(tǒng)發(fā)送信息，也包括自動(dòng)駕駛系統(tǒng)利用視覺、激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)等車載傳感器向駕駛?cè)颂峁└鞣N環(huán)境信息，以擴(kuò)展駕駛?cè)说沫h(huán)境感知范圍。

視覺傳感器具有成本低、檢測范圍廣以及采集數(shù)據(jù)豐富等優(yōu)點(diǎn)。隨著圖像處理、計(jì)算機(jī)視覺、深度學(xué)習(xí)等技術(shù)的快速發(fā)展，基于視覺的智能汽車環(huán)境感知受到了國內(nèi)外專家學(xué)者的關(guān)注，且取得了一定的研究成果。視覺傳感器技術(shù)主要能夠?qū)崿F(xiàn)道路檢測[16-18]、車道線檢測[19-20]、障礙物檢測[21-22]、目標(biāo)定位與跟蹤[23-24]、交通場景語義分割[25-27]等功能，以保障智能汽車可以在比較復(fù)雜的道路環(huán)境中平穩(wěn)行駛?；谝曈X的環(huán)境感知容易受到光線、天氣等環(huán)境因素的影響，而且無法獲取車輛行駛環(huán)境的三維信息，所以激光雷達(dá)受到智能汽車自動(dòng)駕駛領(lǐng)域的青睞。搭載激光雷達(dá)的智能汽車可以實(shí)現(xiàn)道路邊界的檢測[28-29]、道路內(nèi)障礙物的檢測與跟蹤[30-31]、自主定位[32-33]等功能。但是激光雷達(dá)也存在著造價(jià)昂貴、數(shù)據(jù)處理速度慢等缺點(diǎn)，這導(dǎo)致激光雷達(dá)無法在自動(dòng)駕駛領(lǐng)域得到廣泛應(yīng)用。二十世紀(jì)六、七十年代，西方各國陸續(xù)開始研發(fā)并應(yīng)用車載毫米波雷達(dá)，通過不斷創(chuàng)新來提高毫米波雷達(dá)在復(fù)雜交通環(huán)境感知方面的各項(xiàng)性能。R.FEGER等[34]提出了基于毫米波雷達(dá)的道路環(huán)境目標(biāo)識別與障礙物檢測方法；Y.KOBAYASHI等[35]通過采用合成孔徑雷達(dá)技術(shù)、構(gòu)造補(bǔ)償因子等方法提高毫米波雷達(dá)方位分辨率和成像質(zhì)量；M.STOLZ等[36]提出一種新的毫米波雷達(dá)數(shù)據(jù)聚類方法；Y.SON等[37]提出一種復(fù)雜交通環(huán)境下刪減虛假目標(biāo)的方法；F.UYSAL等[38]提出一種基于毫米波雷達(dá)的單一目標(biāo)定位與跟蹤算法。

智能汽車常用傳感器的優(yōu)缺點(diǎn)對比如表3。由表3可知，目前智能汽車搭載的傳感器各有優(yōu)缺點(diǎn)。隨著行駛場景復(fù)雜程度以及感知任務(wù)的增加，依賴單一傳感器難以達(dá)到期望的檢測目標(biāo)以及實(shí)現(xiàn)智能汽車的安全、平穩(wěn)、自動(dòng)行駛。因此，結(jié)合視覺、激光雷達(dá)、毫米波雷達(dá)和超聲波雷達(dá)等多種傳感器的優(yōu)勢，形成經(jīng)濟(jì)且高效的感知融合方案也是智能汽車在環(huán)境感知方面的研究重點(diǎn)。目前智能汽車傳感器融合方式主要有兩種，它們分別是激光雷達(dá)與視覺[39-40]、毫米波雷達(dá)與視覺[41-42]。在自動(dòng)駕駛中，數(shù)據(jù)層[43]、特征層[44-45]、目標(biāo)層[46]這3個(gè)不同層級的融合隨著傳感器性能的提升也慢慢向基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法發(fā)展。通過多種車輛傳感器的融合，能夠有效解決在復(fù)雜行駛環(huán)境中單一傳感器感知范圍受限而導(dǎo)致的檢測錯(cuò)誤或漏檢等問題。

表3 智能汽車常用傳感器優(yōu)缺點(diǎn)對比

盡管現(xiàn)階段智能汽車的環(huán)境感知能力得到很大提升，然而單車智能化的自動(dòng)駕駛汽車因感知問題造成的交通事故仍頻頻發(fā)生，如2016年的特斯拉追尾致人死亡事件以及2018年的Uber撞傷行人致死事件等[47]。單車智能化的自動(dòng)駕駛汽車因其感知局限性(僅依賴駕駛?cè)艘曈X和車載傳感器)難以處理存在盲區(qū)、障礙物遮擋和易受天氣影響以及遠(yuǎn)距離無法感知等問題，極易導(dǎo)致交通事故的發(fā)生。

2.1.2 人機(jī)共駕智能汽車的駕駛模式?jīng)Q策

人機(jī)共駕控制的決策層主要是駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)關(guān)于駕駛行為決策的交互引導(dǎo)。切換型人機(jī)共駕的控制目標(biāo)是實(shí)現(xiàn)車輛駕駛模式的最優(yōu)決策，因此駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)之間存在博弈和沖突。

駕駛?cè)藸顟B(tài)和車輛行駛狀態(tài)是決定車輛控制權(quán)切換與否的重要影響因素。C.BLASCHKE等[48]認(rèn)為人機(jī)共駕車輛的控制權(quán)切換可以考慮駕駛?cè)藸顟B(tài)且將其分心程度量化，從而實(shí)現(xiàn)一種柔性切換，在此基礎(chǔ)上建立了一種車輛橫向駕駛控制權(quán)切換模型；SHENG Weihua等[49]提出了一種由疲勞檢測觸發(fā)的智能汽車人工駕駛與自動(dòng)駕駛兩種模式自動(dòng)切換的框架模型，測試結(jié)果表明該框架模型十分有效；L.R.P.GOMEZ等[50]提出一種能幫助智能汽車安全平穩(wěn)地從人工駕駛切換到自動(dòng)駕駛的方法，當(dāng)需要進(jìn)行切換時(shí)，車輛要在預(yù)定的地點(diǎn)停車，只有在確保車輛各性能指標(biāo)正常且經(jīng)由URL(Uniform Resource Locator)得到自動(dòng)駕駛指令后，才能切換到自動(dòng)駕駛模式；D.DOLGOV等[51]設(shè)計(jì)了一種車輛控制權(quán)由自動(dòng)駕駛系統(tǒng)轉(zhuǎn)移到駕駛?cè)说淖赃m應(yīng)方法和系統(tǒng)，該系統(tǒng)可以依據(jù)自動(dòng)駕駛模式的有關(guān)參數(shù)來確定車輛的狀態(tài)，并基于此確定切換控制相對應(yīng)的指令。

智能汽車駕駛模式的決策也與道路環(huán)境危險(xiǎn)程度有關(guān)。F.O.FLEMISCH等[52]將“人騎馬”的原理引入到智能汽車人機(jī)共駕控制，研究了車輛控制權(quán)隨道路環(huán)境改變的分配方法；Y.KOO等[53]、S.NOH等[54]將智能汽車的自動(dòng)駕駛分為人工駕駛、輔助駕駛和無人駕駛?cè)?，提出一種基于車輛行駛道路環(huán)境危險(xiǎn)程度評估的控制權(quán)切換機(jī)制；J.URHAHNE[55]提出一種新的適用于行駛在高速公路上智能汽車的人工駕駛與自動(dòng)駕駛模式切換策略，該策略根據(jù)周圍交通流的車道變化發(fā)出軟硬警告，對警告的生成和發(fā)出時(shí)間進(jìn)行建模，保證駕駛?cè)丝梢愿踩椒€(wěn)地接管車輛；TANG Fengmin等[56]為了提高從人工駕駛到自動(dòng)駕駛切換邏輯的準(zhǔn)確性和適應(yīng)性，設(shè)計(jì)了一種新的指標(biāo)來衡量駕駛員的糾正能力，并將其與駕駛風(fēng)險(xiǎn)指標(biāo)進(jìn)一步集成，以構(gòu)建一個(gè)二維空間全面評估駕駛能力。

更多的研究則是綜合考慮人、車、環(huán)境的信息，以實(shí)現(xiàn)最優(yōu)的駕駛模式?jīng)Q策。J.NILSSON等[57-58]提出了一種在車輛自動(dòng)駕駛功能失效條件下評估從自動(dòng)駕駛模式切換到人工駕駛模式安全性的方法。研究發(fā)現(xiàn)，駕駛?cè)藢囕v自動(dòng)駕駛功能失效的應(yīng)對反應(yīng)也有所差異，因此其所提出的評估車輛模式切換安全性的方法可以適應(yīng)此差異性。人工駕駛時(shí)，將駕駛?cè)瞬倏啬芰γ枋鰹檐囕v狀態(tài)空間的子集，在自動(dòng)駕駛功能失效情況下，如果車輛狀態(tài)在該子集中，則認(rèn)為駕駛?cè)擞心芰庸苘囕v。M.WALCH等[59]認(rèn)為，設(shè)計(jì)全新的人機(jī)交互方式以避免車輛在自動(dòng)駕駛系統(tǒng)需要駕駛?cè)藭r(shí)的頻繁完全切換，是一種更合理的人機(jī)共駕方式。當(dāng)智能汽車的自動(dòng)駕駛功能失效時(shí)，M.WALCH等[59]所設(shè)計(jì)的人機(jī)交互界面上不僅有駕駛?cè)私庸苘囕v這一種選擇方案，駕駛?cè)艘部梢酝ㄟ^評估車輛狀態(tài)和道路行駛環(huán)境等協(xié)助車輛的自動(dòng)駕駛系統(tǒng)做出決策，如果駕駛?cè)藳]有任何動(dòng)作，那么車輛會(huì)立刻停車，不再向前行駛。嚴(yán)利鑫等[60]綜合考慮駕駛行為和道路行駛環(huán)境這兩種人機(jī)共駕模式?jīng)Q策的影響因素，提出了一種智能汽車人機(jī)共駕的模式?jīng)Q策方法。嚴(yán)利鑫等[61]為進(jìn)一步研究人機(jī)共駕模式?jīng)Q策的影響因素，通過實(shí)車試驗(yàn)采集了“人-車-環(huán)境”狀態(tài)數(shù)據(jù)，結(jié)合駕駛?cè)俗允龊蜕硇畔?shù)據(jù)分析結(jié)果來標(biāo)定車輛駕駛模式，研究結(jié)果表明，車輛速度、車頭時(shí)距、車道中心距離、前輪轉(zhuǎn)角標(biāo)準(zhǔn)差、駕駛?cè)酥饔^經(jīng)驗(yàn)這5項(xiàng)指標(biāo)可以作為智能汽車人機(jī)共駕模式?jīng)Q策的依據(jù)。劉瑞等[15]通過建立駕駛?cè)撕妥詣?dòng)駕駛系統(tǒng)協(xié)同控制車輛的駕駛模型，設(shè)計(jì)非合作模型預(yù)測控制人機(jī)共駕模式?jīng)Q策策略，實(shí)現(xiàn)車輛控制權(quán)的柔性切換，保證駕駛?cè)耸冀K在環(huán)，提高智能汽車人機(jī)共駕控制的安全性。何仁等[62]根據(jù)駕駛?cè)丝梢詫?shí)時(shí)對車輛行駛環(huán)境風(fēng)險(xiǎn)做出反應(yīng)這一特征，提出了一種智能汽車人機(jī)共駕模式?jīng)Q策方法，該方法能自動(dòng)調(diào)整駕駛?cè)嗽谖ｋU(xiǎn)行駛道路環(huán)境中的駕駛操作，從而提高智能汽車的行駛安全性。

目前，關(guān)于人機(jī)共駕駕駛模式?jīng)Q策方法的研究大多側(cè)重于單車智能化的人機(jī)協(xié)同控制，可是單車智能人機(jī)共駕系統(tǒng)因其感知局限性，駕駛模式的決策只能參考駕駛?cè)藸顟B(tài)、車輛狀態(tài)和道路環(huán)境危險(xiǎn)評估等自身不全面的影響因素，沒有考慮到其他車輛以及宏觀交通流變化等因素，因此駕駛模式?jīng)Q策結(jié)果局部最優(yōu)，此時(shí)不能保證車輛行駛的安全性。此外，現(xiàn)有研究忽略了駕駛?cè)伺c自動(dòng)駕駛系統(tǒng)均不適合接管車輛的情況。

2.2 車路協(xié)同環(huán)境下的自動(dòng)駕駛

為解決單車智能自動(dòng)駕駛汽車環(huán)境感知范圍受限、決策結(jié)果局部最優(yōu)等問題，亟需將研究重點(diǎn)轉(zhuǎn)移至能做到超視距感知、具備協(xié)同決策能力的車路協(xié)同，以獲得比單車智能感知更多的信息，增強(qiáng)車與車、車與路之間的系統(tǒng)性決策，將自動(dòng)駕駛車輛由孤軍作戰(zhàn)轉(zhuǎn)換為團(tuán)隊(duì)協(xié)作，實(shí)現(xiàn)更安全的駕駛。

關(guān)于車路協(xié)同系統(tǒng)的接受度和駕駛行為適應(yīng)性， H.FARAH等[63]通過調(diào)查問卷的形式對其進(jìn)行了研究，結(jié)果表明駕駛?cè)耸墙邮苘嚶穮f(xié)同系統(tǒng)的，然后通過分析車輛行駛速度、加速度、換道頻次等發(fā)現(xiàn)，與沒有車路協(xié)同系統(tǒng)相比，車路協(xié)同環(huán)境下車輛平均行駛速度明顯降低，這對駕駛安全有積極作用；H.FARAH等[64]進(jìn)一步利用駕駛模擬器進(jìn)行車路協(xié)同試驗(yàn)，與沒有車路協(xié)同系統(tǒng)相比，車路協(xié)同環(huán)境下駕駛?cè)说男奶l率和眨眼次數(shù)等生理數(shù)據(jù)表明，駕駛?cè)嗽谲囕v行駛過程中緊張程度有所降低；陳昊[65]主要從駕駛?cè)俗⒁饬?、駕駛行為和操作負(fù)荷這3個(gè)方面研究了車聯(lián)網(wǎng)系統(tǒng)的適應(yīng)性，結(jié)果表明，車聯(lián)網(wǎng)信息不僅能夠提高駕駛?cè)说鸟{駛績效，還能降低其操作負(fù)荷；常鑫等[66]對駕駛模擬器進(jìn)行試驗(yàn)，分析了車路協(xié)同環(huán)境下車輛行駛速度、加速度、跟車距離、超速駕駛?cè)吮壤锐{駛行為，實(shí)驗(yàn)結(jié)果表明，車路協(xié)同系統(tǒng)對駕駛?cè)撕蛙囕v行駛能夠產(chǎn)生積極作用；趙曉華等[67]針對高速公路的13種不同場景，從主觀和客觀兩個(gè)方面對車路協(xié)同環(huán)境下駕駛?cè)藸顟B(tài)的適應(yīng)性進(jìn)行評估，結(jié)果表明，車路協(xié)同系統(tǒng)可以對駕駛?cè)诵袨楫a(chǎn)生積極影響，能夠提高車輛行駛的安全性；毛偉[68]從駕駛?cè)诵睦硪蛩?、駕駛行為、車輛狀態(tài)3個(gè)方面選取評價(jià)指標(biāo)設(shè)計(jì)車路協(xié)同適應(yīng)性測試實(shí)驗(yàn)，從而確定了車路協(xié)同系統(tǒng)接受度的影響因素，分析了車路協(xié)同環(huán)境下駕駛?cè)诵袨榈倪m應(yīng)性特征。

關(guān)于車路協(xié)同系統(tǒng)提高車輛行駛安全性和高效性，WANG Weifeng等[69]在車路協(xié)同環(huán)境下，提出并實(shí)現(xiàn)了車輛與路側(cè)設(shè)備之間的信息交互和目標(biāo)融合，以擴(kuò)大時(shí)空風(fēng)險(xiǎn)識別和碰撞預(yù)警的應(yīng)用范圍，提高自動(dòng)駕駛系統(tǒng)在復(fù)雜環(huán)境中的適應(yīng)性。車輛控制權(quán)的切換需要一些時(shí)間，假如多輛車在相同時(shí)間或者區(qū)域執(zhí)行控制權(quán)切換，可能會(huì)導(dǎo)致交通中段和安全風(fēng)險(xiǎn)增加，因此B.COLL-PERALES等[70]利用車路協(xié)同技術(shù)來協(xié)助自動(dòng)駕駛系統(tǒng)執(zhí)行駕駛權(quán)切換，并且建議控制權(quán)切換的空間分布。CHEN Lei 等[71]、荊彬彬等[72]、鹿應(yīng)榮等[73]基于車路協(xié)同技術(shù)，實(shí)現(xiàn)城市道路交叉口的智能決策，使車輛安全、快速、高效地通過道路交叉口，提高車輛通行效率；HUANG Zichao等[74]、 S.W.KIM等[75]、安樹科等[76]研究了車路協(xié)同環(huán)境下路側(cè)感知系統(tǒng)可以為自動(dòng)駕駛車輛提供數(shù)據(jù)信息并發(fā)送控制指令，協(xié)助車輛實(shí)現(xiàn)跟馳、換道、軌跡規(guī)劃、路徑引導(dǎo)等自動(dòng)駕駛?cè)蝿?wù)；N.J.GOODALL[77]、劉玢滟[78]、李璇[79]基于車路協(xié)同環(huán)境下車輛能夠感知更全面信息等優(yōu)勢，構(gòu)建面向普通城市道路、彎曲道路、高速公路等不同交通場景的避障控制方法。

當(dāng)前，車路協(xié)同環(huán)境下自動(dòng)駕駛的研究僅限于車聯(lián)網(wǎng)信息對駕駛?cè)松?、心理、操作?fù)荷等駕駛績效的適應(yīng)性影響分析，以及如何利用車路協(xié)同技術(shù)獲取更全面的交通環(huán)境信息，以提高車輛行駛安全性和高效性。關(guān)于如何融合駕駛?cè)艘曈X感知、自動(dòng)駕駛系統(tǒng)車載感知以及車路協(xié)同系統(tǒng)的路側(cè)感知，并基于此制定人機(jī)切換控制策略的研究罕見報(bào)道。

3 人機(jī)共駕的研究展望

由于單車智能化人機(jī)共駕存在先天的感知和決策局限性，借鑒以系統(tǒng)性思維打破單點(diǎn)思維局限性的技術(shù)更迭思路，基于智能車、智慧路和強(qiáng)大云之間的相互協(xié)作配合，形成“人-車-路-云”一體化的自動(dòng)駕駛系統(tǒng)，實(shí)現(xiàn)自動(dòng)駕駛車輛的人機(jī)協(xié)同。因此，按照交通要素的參與程度，將智能汽車的人機(jī)共駕劃分為3個(gè)階段(S1～S3)，如圖2。

圖2 人機(jī)共駕發(fā)展階段劃分

S1代表單車智能化的人機(jī)共駕。相比于人工駕駛，該階段智能汽車的自動(dòng)駕駛系統(tǒng)能夠輔助駕駛?cè)送瓿神{駛?cè)蝿?wù)。

S2代表車路協(xié)同環(huán)境下人機(jī)共駕車輛在感知層面的增強(qiáng)與決策層面的協(xié)同合作。該階段的自動(dòng)駕駛車輛可以將行駛速度與路徑、駕駛意圖、車載感知等信息發(fā)送到交通云控平臺(tái)，路側(cè)終端也會(huì)把感知到的交通數(shù)據(jù)信息上傳，由駕駛?cè)?、自?dòng)駕駛系統(tǒng)和交通云控平臺(tái)共同基于“人-車-路”全局信息做出人機(jī)控制權(quán)的最優(yōu)決策。

S3代表車路協(xié)同環(huán)境下駕駛?cè)?、自?dòng)駕駛系統(tǒng)與交通云控平臺(tái)共同為車輛的執(zhí)行主體，如圖3，在S2階段的基礎(chǔ)上，增加遠(yuǎn)程遙控駕駛、協(xié)同駕駛等模式，以滿足駕駛?cè)伺c自動(dòng)駕駛系統(tǒng)均無法接管車輛的情況下人工遠(yuǎn)程介入的需求。

圖3 “人-車-云”協(xié)同駕駛

4 結(jié) 論

1)針對現(xiàn)階段人機(jī)共駕研究中智能汽車環(huán)境感知范圍受限的問題，構(gòu)建適用于智能汽車人機(jī)共駕控制的車路協(xié)同環(huán)境，建立考慮駕駛?cè)艘曈X感知、自動(dòng)駕駛系統(tǒng)車載感知和車路協(xié)同系統(tǒng)路側(cè)感知的智能汽車“人-車-路”綜合感知模型，實(shí)現(xiàn)多約束條件下駕駛主體多維度的狀態(tài)觀測，以避免智能汽車環(huán)境信息感知不全面引發(fā)的安全風(fēng)險(xiǎn)問題，進(jìn)而形成具有普遍應(yīng)用性的智能汽車綜合感知理論體系。

2)為解決現(xiàn)有研究中駕駛模式?jīng)Q策局部最優(yōu)的問題，將交通云控平臺(tái)也作為決策主體，從精細(xì)化道路交通流管理角度出發(fā)，根據(jù)“人-車-路”綜合感知分析得到?jīng)Q策主體與駕駛模式影響因素的耦合關(guān)系，通過建立人機(jī)共駕控制模型實(shí)現(xiàn)車輛駕駛模式的最優(yōu)決策，以保障車輛運(yùn)行的穩(wěn)定性，為人機(jī)共駕技術(shù)的實(shí)際應(yīng)用提供理論依據(jù)。

3)面對自動(dòng)駕駛系統(tǒng)失效時(shí)駕駛?cè)艘膊贿m合接管車輛的情況，構(gòu)建“人-車-路-云”一體化協(xié)同決策控制系統(tǒng)。基于智能汽車“人-車-路”綜合感知模型實(shí)時(shí)獲取車輛的行駛狀態(tài)和周邊交通環(huán)境信息，通過發(fā)送指令遠(yuǎn)程控制車輛，完成啟動(dòng)、加減速、轉(zhuǎn)向等真實(shí)駕駛操作，可以滿足自動(dòng)駕駛失效情況下人工遠(yuǎn)程介入的需求，有利于構(gòu)建智慧交通體系。