自動(dòng)駕駛汽車數(shù)據(jù)采集系統(tǒng)的應(yīng)用研究

雷先華　戴安妮　陳宇奇

摘 要：自動(dòng)駕駛技術(shù)在解決駕駛安全問題和交通效率問題上有著極大的應(yīng)用前景，國內(nèi)外汽車相關(guān)企業(yè)近幾年紛紛將自動(dòng)駕駛技術(shù)作為研究重點(diǎn)。本文將對(duì)自動(dòng)駕駛技術(shù)的重要環(huán)節(jié)數(shù)據(jù)采集和數(shù)據(jù)融合技術(shù)現(xiàn)狀進(jìn)行總結(jié)分析，并對(duì)自動(dòng)駕駛技術(shù)與通訊技術(shù)的融合發(fā)展進(jìn)行展望，通訊技術(shù)的融合不僅使單位車輛更加安全，而且對(duì)于一個(gè)復(fù)雜的城市交通網(wǎng)絡(luò)而言也將大大提高交通效率。

關(guān)鍵詞：自動(dòng)駕駛技術(shù) 汽車數(shù)據(jù)采集系統(tǒng) 通訊技術(shù) 技術(shù)融合

Research on the Application of Autonomous Vehicle Data Acquisition System

Lei Xianhua Dai Anni Chen Yuqi

Abstract：Autonomous driving technology has great application prospects in solving driving safety problems and traffic efficiency issues. In recent years， domestic and foreign auto-related companies have made autonomous driving technology a research focus. This article will summarize and analyze the current status of data collection and data fusion technology in important aspects of autonomous driving technology， and look forward to the development of the integration of autonomous driving technology and communication technology. The integration of communication technology not only makes unit vehicles safer， but also for a complex the urban transportation network will also greatly improve transportation efficiency.

Key words：autonomous driving technology， automobile data acquisition system， communication technology， technology fusion

1 引言

根據(jù)公安部公布消息，截止到2018年底，汽車保有量這一數(shù)據(jù)在中國已達(dá)到2.4億輛，汽車保有量超過100萬輛的城市已有66個(gè)之多，汽車保有量超過300萬輛的城市更有11個(gè)之多[1]。汽車保有量及駕駛員人數(shù)的基數(shù)過大，使得交通出行風(fēng)險(xiǎn)也隨之提高，每年約130萬人死于交通事故，另外有數(shù)千萬人因交通事故致傷致殘。疲勞駕駛、酒后駕駛、自身駕駛技術(shù)欠缺、受其他事物影響而造成的注意力分散、個(gè)人情緒波動(dòng)等都是交通事故產(chǎn)生的主要原因[2]。如果自動(dòng)駕駛技術(shù)的研發(fā)瓶頸能被突破，中國乃至世界將有望規(guī)劃建立出新的交通格局。自動(dòng)駕駛汽車是一種通過AI系統(tǒng)實(shí)現(xiàn)無人駕駛的智能汽車，具有高效節(jié)能性等特點(diǎn)，可以有效緩解城市交通擁堵狀況并提高汽車安全程度[3]。

自動(dòng)駕駛汽車要實(shí)現(xiàn)各種自動(dòng)駕駛操作必須對(duì)周圍路況有一個(gè)精準(zhǔn)實(shí)時(shí)的判斷，各類傳感器利用自身優(yōu)勢取長補(bǔ)短相互配合以達(dá)到要求。基于通訊技術(shù)在汽車上的應(yīng)用，高等級(jí)的自動(dòng)駕駛技術(shù)將與通訊技術(shù)融合發(fā)展實(shí)現(xiàn)真正的自動(dòng)駕駛[4]。本文將對(duì)自動(dòng)駕駛技術(shù)的重要環(huán)節(jié)數(shù)據(jù)采集和數(shù)據(jù)融合技術(shù)應(yīng)用現(xiàn)狀進(jìn)行總結(jié)分析，并對(duì)自動(dòng)駕駛技術(shù)與通訊技術(shù)的融合發(fā)展進(jìn)行展望

2 自動(dòng)駕駛的數(shù)據(jù)采集與分析

美國汽車工程師協(xié)會(huì)將自動(dòng)駕駛技術(shù)劃分為五個(gè)等級(jí)，分別是L1級(jí)別，即少數(shù)時(shí)候個(gè)別裝置發(fā)揮作用;L2級(jí)別，少數(shù)裝置自動(dòng)發(fā)揮作用;L3級(jí)別，合適條件整車自主駕駛;L4級(jí)別，大部分條件自主駕駛;L5級(jí)別，所有場景自主駕駛。就目前而言量產(chǎn)汽車仍處于L3級(jí)別上。在自動(dòng)駕駛過程中，數(shù)據(jù)采集是該技術(shù)運(yùn)用的第一要素，車輛獲得認(rèn)知能力是預(yù)測駕駛安全性的基石。時(shí)刻收集外界環(huán)境的數(shù)據(jù)信息，這將需要更高精度傳感器的監(jiān)測感知、更加迅速的數(shù)據(jù)處理、以及更為密切協(xié)同的工作配合。智能汽車的數(shù)據(jù)采集由兩大部分組成，一是各類傳感器采集車內(nèi)數(shù)據(jù)及周圍環(huán)境數(shù)據(jù);二是依靠大數(shù)據(jù)信息技術(shù)支持以了解行駛路徑大范圍的道路交通狀況。

2.1 紅外線傳感器

紅外線傳感器不易被天氣狀況所影響，有著較為優(yōu)越的對(duì)象信息分析能力，可以輕松分辨靜物和行人，同時(shí)兼具強(qiáng)大的橫向分辨能力和距離測量能力。現(xiàn)階段遠(yuǎn)紅外線技術(shù)（FIR）在某種程度上甚至能取代雷達(dá)。基于此技術(shù)的攝像頭能釋放出遠(yuǎn)紅外線光波，探測車輛行駛方向是否有異常的熱輻射，并且由于各目標(biāo)物的輻射率存在差異，遠(yuǎn)紅外線攝像頭可感知到其路徑內(nèi)的所有目標(biāo)物[5]。憑借如此性能，該款攝像頭可創(chuàng)建道路的可視化繪圖，配合高精度的激光雷達(dá)互相印證探測結(jié)果，能更好地為夜間駕駛及行人安全提供保護(hù)。

2.2 雷達(dá)傳感器

高性能的雷達(dá)傳感器對(duì)自動(dòng)駕駛領(lǐng)域有著巨大的影響。雖然在對(duì)象識(shí)別能力和橫向測量能力上雷達(dá)傳感器遠(yuǎn)不及相機(jī)傳感器和紅外傳感器，但高性能雷達(dá)傳感器有更為優(yōu)越的“看到”物體的能力，能為汽車操控提供更長的反應(yīng)時(shí)間。毫米波雷達(dá)按工作頻段和工作帶寬可分為短距離毫米波雷達(dá)和中長距離毫米波雷達(dá)。短距離毫米波雷達(dá)一般布置在汽車保險(xiǎn)杠四周，對(duì)30m以內(nèi)的靜止物體能達(dá)到0.1m的探測精度，對(duì)于此范圍內(nèi)移動(dòng)速度35m/s以內(nèi)的移動(dòng)物體能達(dá)到0.2m/s的縱向分辨率和0.25m/s的橫向分辨率[6]。

2.3 多功能相機(jī)傳感器

相機(jī)傳感器一般安裝在汽車四周以實(shí)現(xiàn)360°的全方位拍攝，其測量范圍較大，測量所得信息量大，如圖1所示。配合成熟的軟件支持會(huì)使其對(duì)于物體的識(shí)別能力遠(yuǎn)大于其它傳感器。對(duì)于信號(hào)燈、人行橫道、交通標(biāo)志牌等有較強(qiáng)的識(shí)別能力。相機(jī)傳感器與激光雷達(dá)相互輔助以構(gòu)建精準(zhǔn)的三維成像圖。可以進(jìn)一步提高汽車的識(shí)別環(huán)境中障礙物種的能力[7]。

2.4 定位輔助傳感器

僅僅對(duì)車輛附近的環(huán)境有一個(gè)感知的相對(duì)定位依然是不夠的，還需要一套完整的絕對(duì)定位系統(tǒng)來確定車輛位置以推斷車輛的行駛路線，從而選擇最優(yōu)路徑。定位輔助傳感器即衛(wèi)星定位及導(dǎo)航系統(tǒng)可以很好的完成絕對(duì)位置感知這項(xiàng)任務(wù)。現(xiàn)階段最成熟的解決方案是用GNSS全球衛(wèi)星導(dǎo)航系統(tǒng)、IMU慣性傳感器、里程傳感器三者結(jié)合定位，這套系統(tǒng)能很好的獲得汽車的經(jīng)緯度信息和目前狀態(tài)信息。這種定位方式可以避免短時(shí)間內(nèi)GNSS信息丟失導(dǎo)致定位中斷，在GNSS信號(hào)丟失后IMU和里程傳感器開始依靠慣性推算來維持汽車的定位，使GNSS信號(hào)不強(qiáng)時(shí)仍能保持定位的連續(xù)性。而今，更是進(jìn)一步提出了融合MM地圖匹配，其利用高德地圖的應(yīng)用優(yōu)勢加之成熟的多傳感器硬件系統(tǒng)融合出一套完整可行的措施方案，以此解決汽車高精度的絕對(duì)定位問題[8]。

2.5 數(shù)據(jù)處理

目前較為先進(jìn)的ADAS高級(jí)輔助駕駛系統(tǒng)的數(shù)據(jù)處理方式簡可以分為三個(gè)部分：

第一部分：信息采集系統(tǒng)。利用車上的各種傳感器，比如毫米波雷達(dá)、激光雷達(dá)、單＼雙目攝像頭以及衛(wèi)星導(dǎo)航等，在汽車行駛過程中隨時(shí)來感應(yīng)周圍的環(huán)境，收集數(shù)據(jù)。

第二部分：數(shù)據(jù)和信息的分析系統(tǒng)。車載電子芯片對(duì)采集的信息，進(jìn)行靜態(tài)、動(dòng)態(tài)物體的辨識(shí)、偵測與追蹤，并結(jié)合導(dǎo)航儀地圖數(shù)據(jù)進(jìn)行系統(tǒng)的運(yùn)算與分析，憑此提前察覺可能發(fā)生的危險(xiǎn)。

第三部分：相應(yīng)系統(tǒng)。當(dāng)發(fā)生危險(xiǎn)的可能性超過系統(tǒng)設(shè)置的閾值時(shí)，即可觸發(fā)類似自動(dòng)緊急剎車AEB-C/I/P的功能，讓車輛自動(dòng)停止下來，防止失控及碰撞，增加汽車駕駛的安全性并降低事故率[9]。

3 通訊技術(shù)與自動(dòng)駕駛的融合

自動(dòng)駕駛技術(shù)的數(shù)據(jù)主要來源于兩個(gè)方面：車輛自身的傳感器對(duì)環(huán)境數(shù)據(jù)的收集和通過聯(lián)網(wǎng)從云端傳輸?shù)臄?shù)據(jù)。前者源于汽車自身傳感器，后者源于以5G為基礎(chǔ)的通訊技術(shù)。通訊技術(shù)和自動(dòng)駕駛技術(shù)的深度融合將會(huì)是未來汽車一個(gè)必然的發(fā)展過程。

城市數(shù)據(jù)大腦是一個(gè)服務(wù)于政府和大型企業(yè)之間、進(jìn)行智慧城市治理的大型信息共享平臺(tái)。城市數(shù)據(jù)大腦通過人工智能技術(shù)對(duì)海量的數(shù)據(jù)進(jìn)行實(shí)時(shí)建模分析，并以此對(duì)城市信息進(jìn)行宏觀把握，合理調(diào)配公共資源。就城市交通方面，城市數(shù)據(jù)大腦可以融合一個(gè)城市的數(shù)十萬條交通信息，包括實(shí)時(shí)交通狀態(tài)，行人出行信息，公交車運(yùn)營信息等。基于大數(shù)據(jù)和人工智能技術(shù)，城市數(shù)據(jù)大腦有能力預(yù)測未來一小時(shí)的交通情況變化，甚至有能力掌握城市交通運(yùn)行規(guī)律[9]。在目前階段，城市智慧大腦有能力從整體上提高城市場景中自動(dòng)駕駛汽車的安全系數(shù)和通行效率。2016年城市數(shù)據(jù)大腦在蕭山進(jìn)行初步實(shí)驗(yàn)，道路車輛平均通行效率提升3%到5%，試點(diǎn)路段更是提高11%。況且本次實(shí)驗(yàn)僅僅通過改變交通信號(hào)燈作為測量通行效率的變量，當(dāng)城市數(shù)據(jù)大腦能實(shí)現(xiàn)與所有終端聯(lián)接后這一效率將會(huì)大幅提高。

4 總結(jié)

目前相對(duì)高等級(jí)的自動(dòng)駕駛技術(shù)已經(jīng)能在量產(chǎn)車上運(yùn)用。以2019款?yuàn)W迪轎車為例，其已經(jīng)擁有了L3等級(jí)的城市擁堵路段自動(dòng)駕駛解決方案。目前汽車企業(yè)大多將自動(dòng)駕駛發(fā)展思路定位在一個(gè)固定場景的問題解決之中。從最簡單的單個(gè)動(dòng)作如高速下剎車場景的控制，到對(duì)汽車的整體自動(dòng)駕駛?cè)鐡矶侣范巫詣?dòng)駕駛，再到上海洋山港無人碼頭實(shí)現(xiàn)小區(qū)域內(nèi)的全部自動(dòng)駕駛。表明運(yùn)用信息互聯(lián)互通的自動(dòng)駕駛技術(shù)已然初具雛形。當(dāng)場景足夠豐富并足以覆蓋所有駕駛情形時(shí)，自動(dòng)駕駛技術(shù)將會(huì)進(jìn)入下一個(gè)階段與通訊技術(shù)融合發(fā)展。

目前隨著高性能傳感器、通訊技術(shù)、AI技術(shù)的快速發(fā)展，自動(dòng)駕駛技術(shù)已經(jīng)來到黎明前。通訊技術(shù)與現(xiàn)有自動(dòng)駕駛技術(shù)融合是未來自動(dòng)駕駛汽車的發(fā)展方向，目前與5G通訊技術(shù)的融合發(fā)展，可以預(yù)測未來的自動(dòng)駕駛汽車甚至不需要自帶行車電腦就有強(qiáng)大的處理能力。汽車可以將收集的數(shù)據(jù)上傳云端，由云端處理器計(jì)算并結(jié)合所在地整體交通情況規(guī)劃合適路徑來控制車輛。通訊技術(shù)的融合不僅僅對(duì)于單位車輛更加安全，而且對(duì)于一個(gè)復(fù)雜的城市交通網(wǎng)絡(luò)而言也將大大提高交通效率。駕駛不再是重復(fù)勞動(dòng)，駕駛員將變?yōu)槌丝停w驗(yàn)舒適愜意又安全高效的交通。

參考文獻(xiàn)：

[1]中華人民共和國公安部.2018 年全國小汽車保有量首次突破2億量[Z].http：//www.mps.gov.cn/n2254098/n4904352/c6354939/conte -nt. html，2019.1.12.

[2]孫軼軒.基于數(shù)據(jù)挖掘的道路交通事故的分析研究[D].北京交通大學(xué)，2014.

[3]葛金芬.自動(dòng)駕駛車輛事故中駕駛員的刑事責(zé)任及邊界[J].南京航空航天大學(xué)報(bào)，2019，21（2）：48-52.

[4]Ziebinski， Adam， Rafal Cupek， Hueseyin Erdogan， and Sonja Waechter. A survey of ADAS technologies for the future perspective of sensor fusion[C]. Springer， 2016.

[5]Ahmed M.Sallam Qasem.Vehicle Safety Detection System Based on Radar and Sensor Fusion Modeling[D].蘭州：蘭州理工大學(xué)，2019.

[6]房驥，楊淵，劉瑞婷，等.車載雷達(dá)應(yīng)用及頻率劃分現(xiàn)狀[J].產(chǎn)業(yè)觀察，2017，12：25.

[7]陳超.智能汽車輔助駕駛技術(shù)的研究[D].貴州：貴州大學(xué)，2019.

[8]王治平.自動(dòng)駕駛汽車及技術(shù)發(fā)展研究[J].科技經(jīng)濟(jì)導(dǎo)刊，2019，05：99.

[9]郭偉伊，王立偉.基于大數(shù)據(jù)的貴陽市交通擁堵問題治理研究[N].貴州師范大學(xué)學(xué)報(bào)，2019-5（自然科學(xué)版）.