考慮并線的網聯車輛巡航控制探究

商福興

【摘 要】簡述智能網聯汽車概念，分析了目前的關鍵技術，包括環境感知、智能決策、控制執行、通信與平臺、信息安全，并闡述了其發展趨勢。

【關鍵詞】智能網聯;深度學習;V2X通信;自動駕駛

智能網聯汽車是指搭載先進傳感器、控制器、執行器等裝置，融合現代通信與網絡技術，實現車與X（車、路、人等）智能信息交換、共享，具備復雜環境感知、智能決策、協同控制等功能，可實現安全、高效、舒適、節能行駛，并最終替代人操作的新一代汽車。智能網聯汽車可以提供更安全、更節能、更環保、更便捷的出行方式和綜合解決方案。

1、智能網聯汽車的關鍵技術

智能網聯汽車其技術架構涉及的關鍵技術主要有以下6種：1）環境感知技術，包括利用機器視覺的圖像識別技術，利用雷達的周邊障礙物檢測技術，多源信息融合技術，傳感器冗余設計技術等。2）智能決策技術，包括危險事態建模技術，危險預警與控制優先級劃分，群體決策和協同技術，局部軌跡規劃，駕駛員多樣性影響分析等。3）控制執行技術，包括面向驅動/制動的縱向運動控制，面向轉向的橫向運動控制，基于驅動/制動/轉向/懸架的底盤一體化控制，融合車聯網通信及車載傳感器的多車隊列協同和車路協同控制等。4）V2X 通信技術，包括車輛專用通信系統，車間信息共享與協同控制的通信保障機制，移動網絡技術，多模式通信融合技術等。5）云平臺與大數據技術，包括云平臺架構與數據交互標準，云操作系統，數據高效存儲和檢索技術，大數據關聯分析和深度挖掘技術等。6）信息安全技術，包括汽車信息安全建模技術，數據存儲、傳輸與應用三維度安全體系，信息安全漏洞應急響應機制等。

2、智能網聯汽車關鍵技術發展現狀

2.1 環境感知技術

環境感知系統的任務是利用攝像頭、雷達、超聲波等主要車載傳感器以及V2X通信系統感知周圍環境，通過提取路況信息、檢測障礙物，為智能網聯汽車提供決策依據。由于車輛行駛環境復雜，當前感知技術在檢測與識別精度方面無法滿足自動駕駛發展需要，深度學習被證明在復雜環境感知方面有巨大優勢，在傳感器領域，目前涌現了不同車載傳感器融合的方案，用以獲取豐富的周邊環境信息，高精度地圖與定位也是車輛重要的環境信息來源。

2.2 自主決策技術

決策機制應在保證安全的前提下適應盡可能多的工況，進行舒適、節能、高效的正確決策。常用的決策方法有狀態機、決策樹、深度學習、增強學習等。狀態機是用有向圖表示決策機制，具有高可讀性，能清楚表達狀態間的邏輯關系，但需要人工設計，不易保證狀態復雜時的性能。決策樹是一種廣泛使用的分類器，具有可讀的結構，同時可以通過樣本數據的訓練來建立，但是有過擬合的傾向，需要廣泛的數據訓練。效果與狀態機類似，在部分工況的自動駕駛上應用。深度學習與增強學習在處理自動駕駛決策方面，能通過大量的學習實現對復雜工況的決策，并能進行在線的學習優化，但對未知工況的性能不易明確。

2.3 控制執行技術

控制系統的任務是控制車輛的速度與行駛方向，使其跟蹤規劃的速度曲線與路徑。現有自動駕駛多數針對常規工況，較多采用傳統的控制方法。性能可靠、計算效率高，已在主動安全系統中得到應用。現有控制器的工況適應性是一個難點，可根據工況參數進行控制器參數的適應性設計。在控制領域中，多智能體系統是由多個具有獨立自主能力的智能體，通過一定的信息拓撲結構相互作用而形成的一種動態系統。用多智能體系統方法來研究車輛隊列，可以顯著降低油耗、改善交通效率以及提高行車安全性。

2.4 通信與平臺技術

車載通信的模式，依據通信的覆蓋范圍可分為車內通信、車際通信和廣域通信。車內通信，從藍牙技術發展到Wi-Fi技術和以太網通信技術;車際通信，包括專用的短程通信技術和正在建立標準的車間通信長期演進技術。廣域通信，指目前廣泛應用在移動互聯網領域的4G等通信方式。通過網聯無線通信技術，車載通信系統將更有效地獲得的駕駛員信息、自車的姿態信息和汽車周邊的環境數據，進行整合與分析。通信與平臺技術的應用，極大提高了車輛對于交通與環境的感知范圍，為基于云控平臺的汽車節能技術的研發提供了支撐條件。車輛通過車與云平臺的通信將其位置信息及運動信息發送至云端，云端控制器結合道路信息以及交通信息對車輛速度和擋位等進行優化，以提高車輛燃油經濟性并提高交通效率。

2.5 信息安全技術

結合智能網聯汽車發展實際，確定網聯數據管理對象并實行分級管理，建立數據存儲安全、傳輸安全、應用安全三維度的數據安全體系。建立包括云安全、管安全、端安全在內的數據安全技術框架，制定智能網聯數據安全技術標準。圍繞信息安全技術領域的周邊行業，出現很多創新研究方向。比如在信息安全測試評估方面，通過干擾車輛的通信設備以及雷達和攝像頭等車載傳感設備，進行智能車的信息安全的攻防研究。

3、智能網聯汽車技術發展趨勢

3.1 人工智能AI技術快速發展和應用

人工智能（AI）技術在智能網聯汽車上正在得到快速應用。尤其在環境感知領域，深度學習已凸顯出巨大優勢。深度學習需要大量的數據作為學習的樣本庫，對數據采集和存儲提出了較高需求，還存在內在機理不清晰、邊界條件不確定等缺點，需要與其他傳統方法融合使用以確保可靠性，且目前也受限于車載芯片處理能力的限制。

3.2 激光雷達等先進傳感器加速發展

激光雷達相對于毫米波雷達等其他傳感器具有分辨率高、識別效果好等優點，已越來越成為主流的自動駕駛汽車用傳感器。但由于體積大、成本高，同時也更易受雨雪等天氣條件影響，導致其還不能大規模商業化應用。目前激光雷達正在向著低成本、小型化的固態掃描或機械固態混合掃描形式發展。

3.3 自主式智能與網聯式智能技術加速融合

網聯式系統能從時間和空間維度突破自主式系統對于車輛周邊環境的感知能力。在時間維度，通過V2X通信，系統能夠提前獲知周邊車輛的操作信息等交通控制系統信息以及氣象條件、擁堵預測等更未來狀態信息。在空間維度，通過V2X通信，系統能夠感知交叉路口盲區、彎道盲區、車輛遮擋盲區等位置環境信息，使得自動駕駛系統更全面地掌握周邊交通態勢。網聯式智能技術與自主式智能技術相輔相成，互為補充，正在加速融合發展。

3.4 高速公路與低速區域自動駕駛系統將率先應用

高速公路與城市低速區域將是自動駕駛系統率先應用的場景。高速公路的車道線、標示牌等結構化特征清晰，交通環境相對簡單，適合車道偏離報警、車道保持系統、自動緊急制動、自適應巡航控制等駕駛輔助系統的應用。而在特定的城市低速區域內，可提前設置好高精度定位、V2X等支撐系統，采集好高精度地圖，利于實現在特定區域內的自動駕駛。

參考文獻：

[1]中國汽車工程學會.節能與新能源汽車技術路線圖[J] 機械工業出版社，2016.

[2]吳忠澤.智能汽車發展的現狀與挑戰[J] .時代汽車，2015（7）

[3]孫健，全興.無人駕駛汽車發展現狀及建議[J].科技視界.2017（6）

（作者單位：西華大學 汽車與交通學院）