汽车自动驾驶关键技术分析

王涔宇，张平

汽车自动驾驶关键技术分析

王涔宇，张平*

（长安大学 汽车学院，陕西 西安 710064）

自动驾驶领域主要涉及感知、决策和执行三大技术方面。文章以提高公众对自动驾驶技术的了解为目的，就智能汽车如何实现自动驾驶和自动驾驶关键技术进行分析和探讨，期望给同行以参考。

自动驾驶；环境感知；行驶决策；车辆控制

前言

随着我国社会经济快速发展，国民的生活水平显著提升，对汽车的需求逐年激增。据公安部统计，2020年中国汽车保有量达2.81亿辆，并且有望于2021年超越美国成为世界第一大汽车市场。各大车企对于中国市场的竞争愈加激烈，呈现了电动化、网联化、智能化、共享化的“新四化”发展趋势，“互联网+汽车”模式逐渐兴起，智能汽车受到广泛关注。可以预见，未来的一段时间内，智能化将是汽车行业发展的着力点和风向标。本文就智能汽车中如何实现自动驾驶和自动驾驶关键技术进行分析，旨在提高公众对自动驾驶技术的了解。有关研究表明，自动驾驶汽车能有效地缓解交通拥堵、提高交通安全、改善交通污染，在物流、货运、公共交通和军事等领域得到了广泛应用[1-2]。

1 汽车自动驾驶的原理及分类

1.1 汽车自动驾驶的原理

汽车自动驾驶主要由感知、决策、执行三大方面组成。汽车在行驶过程中可以通过车载传感器感知外界的行驶环境，对采集的信息传输到车载终端进行分析决策，以选择出最佳行驶方案，最后执行并实现自动驾驶，从而达到解放驾驶员大脑和四肢的目的。

1.2 汽车自动驾驶的分类

目前国际上尚无统一的智能汽车等级划分标准，主要采用美国汽车工程师协会（SAE）的分级方法，通过划分6个等级（L0—L5，如图1所示），来描述自动驾驶技术的发展阶段。目前，现有技术主要停留在L3阶段。

简而言之，L1—L2级别的自动驾驶更像是一个“辅助助手”，所有的驾驶动作必须由司机来完成，助手只能在某些特定场合进行提示和辅助，并不能直接进行操控汽车的动作。

图1 汽车自动驾驶分级示意图

而L3及以上的自动驾驶就已经可以脱离人类驾驶员的操作，自动驾驶系统也可以正式接手驾驶员的职责，其中L3级别的自动驾驶，人只需要在特定情况下介入，而L4—L5相对来说不需要人来介入，汽车可以实现高度的自动化驾驶。分类的依据主要取决于车辆运行的路况和环境。

2 汽车自动驾驶关键技术

汽车自动驾驶代替人工驾驶最重要的三个问题是“如何看”“干什么”和“怎么干”。其中“如何看”就是指如何实现对行驶环境的感知，而“干什么”和“怎么干”就是指如何进行运行决策及车辆控制。如何解决这三大问题是汽车行驶感知、决策和执行的关键。

2.1 驾驶环境感知技术

车辆对环境的感知是自动驾驶能够实现的前提，只有准确的环境数据才能为系统决策和执行提供保障。目前，具备自动驾驶的车辆主要通过视觉类传感器和车载雷达传感器协同实现环境感知。视觉类传感器运用极为广泛且取得了较为丰富的研究成果[3]，其成本低廉且信息量大，但获取中易出现较多冗余数据，需要相对复杂的计算方法，且要有实时性高和鲁棒性强的检测与识别算法作为支撑。除此以外，天气、光照和复杂场景等非确定性因素变化，都会对识别结果产生影响，算法需要具有较高的环境适应性[4]。

车载雷达进行的激光探测和测距也是感知不可或缺的部分。通过激光光束可以勘测车辆所处环境的物理景深情况，精确度高，可以精确到厘米甚至毫米级别。但是雷达系统的成本相对较高，且信息量不大，往往需要多个雷达协同感知。作为激光雷达的替代产品，毫米波雷达也能实现特定功能的环境感知。短程毫米波雷达针对车辆后部汽车盲点、辅助变道等局部感知有较好的效果；中程毫米波主要用来检测前车速度，可以进行紧急避障的感知；长程毫米波的分辨率远超前两种，可以用于最终确定行驶方向[5]。

超声波传感器也是一种自动驾驶感知方面的重要传感器，它主要利用了超声波的特性，经过声电信号转换和放大，相较于激光雷达具备更好的经济性和美观度。在特定工况下，如自动泊车、紧急避险，可以通过超声波传感器获取在狭小空间中的位置信息，掌握车辆与物体之间的距离。目前超声波传感器国外发展较为先进，国内仍有较大创新开发空间。

2.2 车辆行驶决策技术

自动驾驶中，决策系统起到了车辆运行的决定性作用。其中，自动驾驶的决策系统主要分为风险评估、轨迹规划及驾驶行为决策等。风险评估是对自车的失稳、失控，以及与其他交通参与者的碰撞风险可能性评估，是保证行车安全的重要环节。轨迹规划是在具有动态交通和静态障碍物的环境中，按照一定的评价标准和驾驶目标，生成从车流起始状态到目标状态的无碰撞路径。轨迹规划也是自动驾驶汽车的核心技术之一，根据原理可以将轨迹规划方法大致分为三个类别，即：基于特定函数表达式的轨迹规划；基于搜索算法的轨迹规划；基于优化算法的轨迹规划。驾驶行为决策是智能系统在一个连续的时间序列上，根据当前车辆状态合理地选择操纵行为，实现最终驾驶目标。

决策系统也有很多成熟的模型。在常规工况下，有跟车模型、制动模型、路口会车模型等。在异常状态下，也有紧急避撞决策模型、突发状况干预模型等。借助成熟的模型能够有效降低系统在常规工况下的计算量，使得自动驾驶向经济化、普及化迅猛发展。

目前，深度学习算法和预测模型也取得了很大的进展。通过人工智能分析驾驶人的驾驶操作特征和突发状况的紧急应对措施，对未来的行车决策和控制做出相应的改进。可以预想，在未来深度学习收集到了大量的驾驶信息数据，人工智能将成为自动驾驶最好的助推剂，使高度自动化驾驶成为可能。

2.3 车辆控制执行系统

车辆运动控制是实现自动驾驶的关键，控制执行系统主要是通过控制车辆油门、制动、转向等机构，在满足运行条件的前提下使得实际车辆运行轨迹收敛于车辆决策规划的期望路径[6]。自动驾驶车辆的控制主要由硬件控制系统和软件控制系统组成。

硬件控制系统主要是控制汽车底层机械元件，实现加速、制动、转向等行为。硬件控制需要保证各个硬件系统合理地运行在软件控制系统所计算好的最佳设定值上，以满足车辆能运行在其最优的工况下。在底层控制中，数据的传输与反馈尤为重要，庞大的感知数据、强大的计算力、更少的“迟滞时间”才能使车辆流畅地运行在预定工况下。相较于传统燃油汽车控制反馈耗时更长，电动汽车具备更直接的动力输出，在自动驾驶方面具备更大的优势。

软件控制系统主要依靠强大的计算力实现算法搜索、路径规划与导航等功能。软件控制系统整合了环境感知采集的数据，调用决策系统的模型，通过车辆控制算法形成控制指令，下达给硬件控制系统完成对车辆的运行控制。软件控制系统实现了自动驾驶从数据到运动的转变，是自动驾驶不可或缺的部分。

典型的车辆控制算法对比与评价列于表1中。

表1 车辆控制算法对比与评价

车辆控制算法控制算法特点控制效果评价 PID控制简单、易于实施一般方法简易，鲁棒性较差 最优控制计算机优化控制，使目标在某种条件下最优化一般对于非线性处理和数值计算存在不足 自适应控制参数可自适应调节，能够在线辨识，使模型越来越准确较好算法鲁棒性较好，主要针对低扰动控制 模型预测控制预测模型，反馈矫正，滚动优化，参考轨迹较好建模方便，鲁棒性好，具备较好的动态控制性能 神经网络控制自适应性，非线性控制一般对不丰富的数据集控制效果不佳，对动态工况适应能力一般

3 自动驾驶辅助技术

自动驾驶除了这三大关键问题之外，还有许多辅助技术。这些技术对车辆自动驾驶的性能发挥起到了积极作用。如图2所示，自动驾驶辅助技术也承担着相当重要的作用。

图2 智能网联汽车自动驾驶部分关键技术示意图

3.1 V2X技术

V2X指的是vehicle to everything，即车辆和其他事物的相互联系，包括但不限于与车、路、行人、云端等的相互通信技术。V2X技术可以使车辆获取更全面的周边信息，为大数据和车联网等实际应用创造了条件。同时，V2X技术相较于视觉和雷达传感器在中大空间拥有更为广泛的感知，可以准确感知周边环境、车辆的态势，解决独立车辆信息孤岛问题[7]。但是现在的V2X技术没有统一的行业标准，技术数据没有实现互联互通，仍然存在着车与道路信息、行人信息之间的信息阻塞。如何打破这信息壁垒，需要国家和企业间的政企合作，通过开放交融和数据共享，为V2X注入更强的活力。

3.2 5G技术

第五代移动通信技术（简称5G技术）相较于4G网络拥有高速度、低时延、低功耗的特点。通过5G技术低时延的特点，可以将决策计算云端化，让车辆摆脱车载计算机计算力低下的问题，使云操控成为可能。5G技术拥有超大的网络容量，可以提供千亿设备的连接能力，同时较高的传输速度和较低的功率能够保障实时高速通信的需要，满足物联网通信，辅助V2X技术的布局与发展。但是5G技术需要其他辅助设备的支持，如需要不同国家及运营商的通信协议支持、足够多符合通信要求的5G基站、车载通信基带等。根据中国、美国、日本等国家的汽车发展规划，依托传输速率更高、时延更低的5G网络，将在2025年全面实现自动驾驶汽车的量产，市场规模达到1万亿美元[8]。

3.3 高精度地图定位技术

高精度地图相较于传统地图具备大量的行车辅助信息，其中包括但不限于路面的几何特征、标线等，通过车载传感器对周边环境的感知，比对高精度地图的行车辅助信息，即可精确确定当前所处位置，实现高精度定位。高精度定位对于自动驾驶帮助巨大，可以实时掌握车辆周边信息，为自动驾驶车辆全局路径规划打下了坚实的基础。高精度地图直接参与了自动驾驶感知、决策和执行三大方面，提供了自动驾驶所需要的辅助信息。但是高精度地图定位仍然面临着覆盖面积小，覆盖成本高，实时更新困难，信息数据量庞大等难题挑战，需要社会各界合作去开发和共享高精度地图定位导航功能。

4 结论

自动驾驶技术作为一项涉及汽车构造、传感器技术、信息通信、人工智能等多个学科的综合应用，需要不断开展相关研究，需要社会各界的通力合作和相互交流。但是它的出现改变了人们对汽车驾驶的认知，虽然全工况的自动驾驶还有很长的路要走，但是随着科学技术的发展，自动驾驶技术终将会逐步完善和实现。

[1] Gordon N,Lidberg M.Automated Driving and Autonomous Functionson Road Vehicles[J].Vehicle System Dynamics,2015,53(7):958-994.

[2] 赵祥模,承靖钧,徐志刚,等.基于整车在环仿真的自动驾驶汽车室内快速测试平台[J].中国公路学报,2019,32(06):124-136.

[3] 王科.城市交通中智能车辆环境感知方法研究[D].长沙:湖南大学, 2013.

[4] 蒋天滋.自动驾驶交通道路环境感知系统研究[D].北京:北京交通大学,2019.

[5] 魏强,陆平,侯雪.基于专利数据的全球自动驾驶感知技术创新态势[J].智能网联汽车,2020(1):74-77.

[6] 章军辉,陈大鹏,李庆.自动驾驶技术研究现状及发展趋势[J].科学技术与工程,2020,20(9):3394-3403.

[7] 潘岳,周兴壮,欧力,等.简析车路协同自动驾驶系统的关键技术[J].科学技术创新,2020(19):50-52.

[8] 李阳德,林亮,郑舟,等.5G网络典型应用场景与关键支撑技术探讨[J].广西通信技术, 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，长安大学汽车学院2019 级车辆工程专业本科生，主持中央高校基本科研业务费专项资金（学生创新实践能力提升子计划）项目1 项。

张平（1977—），男，博士，副教授，就职于长安大学汽车学院，研究方向：智能汽车。

长安大学中央高校基本科研业务费专项资金（编号300102220802）资助。